|
|
本帖最后由 晨枫 于 2026-4-10 17:49 编辑
/ r$ a4 y( W4 O# i( ?2 ]0 a
9 C: P8 N# P0 v; s9 AAI大潮浩浩荡荡,顺AI者昌,逆AI者亡。呼吁出台政策保护人类就业没用,向AI征税来给人类发钱也没用。人类要跑赢AI,需要学会驾驭AI,而不是被AI驾驭。这从学习开始。但在AI时代,学习意味着什么?
1 \+ W6 `! ~7 G8 D% a+ O
; L5 a9 W2 y1 G! d+ `& k曾经有一个时候,一目十行、过目不忘、思路敏捷、条理清晰是读书人的硬功夫。现在不行了。跟AI比输入速度?那不是差几条街的问题,而是光速和龟速的差别。跟AI比记性?更是开玩笑了。跟AI比推理速度?好像也越来越吃力了。
: @2 C6 H- H. f7 f* u- V; V2 Z% a. r4 J
那人类还能干什么呢?如何才能跑赢AI呢?9 l) ^/ x% ^, d
4 s- W& u) R+ h- [% |/ g1 o" V
现在,AI有生成式AI和代理式AI。生成式AI可以读书读报写小结,还可以吟诗作画赔聊天;代理式AI把任务分解,调用特定AI功能完成子任务后,再“组装”成完整的任务解决方案包。) U. s* k* G/ e: V" Q/ R4 M0 |1 M
, r( e8 Y. R0 w7 R8 |$ l不管是是生成式AI还是代理式AI,人都处于核心位置,不能放任不管,而必须监督、鉴别AI是不是靠谱,更要防备AI是否在挖坑。
$ V" k( G( }) L9 V% v( k4 G6 F4 D/ v: w
AI不会有意挖坑,因为AI没有这个“意”。AI挖坑的机制现在还不完全理解,就和AI推理的机制现在不完全理解一样。主要是AI实在太复杂了,没法追索每一条思路、从整体到局部统统理解AI到底在干什么。% }4 f/ d9 U" ^
& k3 ~$ t* m: ?6 w5 k% K) C' v X但在整体上,还真是必须理解、监督,否则被带到坑里,就真的死都不知道怎么死的。
: N( K. j! P# \# n5 x: I7 ]' d k7 U/ u' C% ?/ g
这需要有判断力,就需要学习,要懂得相关的领域知识,熟谙相关的领域经验。不仅要知其然,更要知其所以然。但不再是倒背如流,而是知道定性的、方向性的特质,需要知道到哪里去查、怎么查定量的、具体的细节。换句话说,要知道AI在干什么,依据是什么。具体数值和细节倒是可以让AI帮着记、帮着查。
3 @4 J( b% G' _1 f9 ~, i
: L5 y$ e. Z1 ~/ X: j中国教育里,高度强调知其然,对知其所以然的强调不够,具体就是强调解题,但对学科发展思路相对不够重视。这是培养打工人的思路,但在AI时代,打工人也必须同时是team leader,只是team member可能是AI助手、“数字同事”。在工作上,可能也要从“面向任务”(task oriented)转向“面向使命”(mission oriented),从“怎么做”上升到“做什么,为什么”。
0 v [7 |5 S# F# U' Z4 t$ [& z% R9 h Z' Y
说起来,传统教育或许可以生成式AI相对应,AI时代的教育需要上升到与代理式AI相对应,才能跟上时代的步伐。
, ~ g5 t, `9 e: C% V* ]% p3 E
6 ?/ h& `) b6 o9 j- R4 p; z) K还记得爱迪生vs爱因斯坦的学习方法梗吗?爱迪生强调“1%天分+99%努力”的极致实践与高强度实验,各种方法和数据必须烂熟于心,才能以最高效率立刻动手、证实或证伪一个想法;爱因斯坦则推崇直觉思维、思想实验与对原理的深刻理解,反对死记硬背,书本能查到的知识无需记忆,重点在于理解和运用。8 i0 T4 [# {0 m; [7 v
, {2 l7 {5 U. F/ A& {1 c
是时候拥抱爱因斯坦路线,而淡化爱迪生路线了,因为人类不可能在记忆和肌肉反应方面跑赢AI。
$ m9 N4 h- C/ q
6 m1 Y( y' u* q' l ]3 s( C回到学习,未来学生真正该焦虑的,不是“我学文还是学理”,而是:我是否具备了AI无法替代的核心能力?需要重视的是:
5 ?4 _& Y# B8 l7 E% }. c# Y" _4 m/ D: J9 a9 p! S% O4 }6 `
1、提出好问题的能力:当AI越来越擅长回答,真正稀缺的是发现问题、定义问题、提出关键问题。
8 B- G1 E* t/ {2 R2、批判性思维:面对AI生成的“看似正确”内容,保持必要的怀疑,不盲从、不轻信,多方求证,做出清醒判断。
; G/ u+ Q& ^9 s, D) c1 I3、创造力:产生新思想、发现和创造新事物的能力,包括有创意和有价值的想法、解决方案或作品的能力;AI只是在现有数据中不断学习和整合,还不能拥有真正突变性的创造力。
6 q% w. U$ @- u: L: l$ I! m' L: {4、跨领域整合能力:能把技术、制度、伦理、社会、政治、人文、市场等不同知识连接起来,处理真实世界里的复杂问题。0 d1 h$ m! x1 }9 P3 `( {9 W
5、终身学习能力:技术更替迭代太快,今天的熟练很可能明天就过时,唯有持续学习,才能真正保持竞争力。 |
评分
-
查看全部评分
|