|
|
本帖最后由 晨枫 于 2026-4-10 17:49 编辑 6 w# b4 M) i% R
4 E$ V: `6 x. ]! I' h6 _AI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?3 ^+ B/ f% f1 }* Y/ P V& T c
& k) U' o$ {- B, u) y" [4 ~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 r+ i. ~+ k9 z, W$ v
& z3 j1 C7 g6 c3 m9 `那人类还能干什么呢?如何才能跑赢AI呢?
( ?" r' }8 K% ]7 U' v% a$ o* X; s
2 m, F* k9 J L2 H! A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。0 _9 A* q8 X2 U2 H- [2 v- ~
; O: O" P7 a2 E% I/ ]4 f! W8 p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。5 N+ ]4 I8 _( I8 K* u; z
7 x4 X5 f+ d, ?3 D- y7 \* PAI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。; y$ l+ W Z; x
+ f2 p3 E9 ~: c$ z- F1 o
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。
' ]& _1 S$ y) f' E& ?+ c
7 H% i: ^: n* C/ M" F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。 H% l6 M& z5 V4 d/ g- q
: U Q3 P! t( M, P* g }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”。
! u8 ]- `) M- B3 @( ?: B
& `: K# W3 Q0 X7 f$ q/ i2 _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。; N2 q9 n v9 T
+ e0 H6 o8 _3 j% Z, @( _7 O; J' B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。0 C; l" C4 Z3 Z6 x$ h) Q
2 s- |6 f+ Y+ z1 X, c# n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。
/ K* H0 {7 L6 D; {, t1 Y
J- T `7 q+ s; ~$ P$ i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:/ l% ~ I1 {9 P* X0 I% S
B% w) B2 Q% O/ U9 V
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。
% o5 [1 h7 s" u) t- w2、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。8 H9 O- @# S# | u. b$ \
3、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。
7 V+ k: H) E+ V$ d m0 |/ H4、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。
* u7 X# `4 R) i% q5、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
|