|
|
本帖最后由 晨枫 于 2026-4-10 17:49 编辑
0 @5 w. w5 \8 Z9 Y0 p) z( i1 f. T4 ^% y* W0 {; K- M- P5 b
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?, o% t. _2 P v Z& z% t
2 x, S( K. x$ }" r! P- }
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。
# b3 L1 h2 Z! ], `; ~ o; a* }) [% k. H2 {: t
那人类还能干什么呢?如何才能跑赢AI呢?! A- _0 P3 [" y: d$ v" F0 W
& |7 Z3 c& C# Q0 h& c j0 y# s6 s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。
/ k- V, Y# t6 G6 ? B9 T$ M/ I) m9 }
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。
% E3 J2 m+ c" }
! N/ F' b. E& ^% d* W) Z; W( }9 LAI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。8 ?: v$ u: l& b5 @
3 h2 l' G) H$ c3 D' s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。- _) l+ Y! |. W" G) K1 j# ]2 {/ |
; e3 v# E7 q! J/ Z7 Y2 {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。8 Y \, ?8 g7 r- W
5 f9 `% I5 c s+ }
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”。
' n& ^, z2 l- |3 B- Z8 S! g
2 U! q) q8 O& V3 n! y, {" }% S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。( C7 B: Q; B. L0 S5 N3 a; @; y3 a1 J
# J, H& }9 Y( w, B: v0 Q' m- E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。
! y2 f2 b; t' a2 R
# z! o& y: ?/ W! X, k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。
7 \/ {' \6 Z9 M/ J
$ z! G& h* s, | J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:: i1 r w& E/ w" J/ M2 z
- {' e" O0 g! U& @7 S1、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。" I9 s' q: P6 f* Q6 w
2、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。9 t1 D: i. }5 I7 W0 F
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。) `; j+ J/ r U- ?
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。
: R" \" f' R2 D4 M0 ^& @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
|