本文来自微信公众号:极客公园 (ID:geekpark),作者:Li Yuan,编辑:郑玄,原文标题:《从 AI 高考聊到人类未来|张鹏×潘乱×张一甲 对谈实录》,题图来自:AI生成
高考季刚刚过去。
人类的高考结束了,其实AI的高考也刚刚结束。极客公园对多款主流大模型的高考水平做了一次测评,结果相当震撼:AI已经能够轻而易举地考上985重点大学。字节跳动Seed团队对豆包大模型1.6最新版的测试成绩,甚至可以达到清华、北大的录取水平。
AI的进步让人兴奋。但对于人类而言,也不免有些沉重:当AI已经发展到能考上清北,考试成绩远超人类的平均水准,那寒窗苦读的学子们,未来该如何定义自己的价值?这成了一个值得认真讨论的话题。
7月3日,在极客公园《今夜科技谈》栏目,极客公园创始人张鹏与“乱翻书”主理人潘乱、甲子光年创始人兼CEO张一甲,从AI在高考中展现出的能力聊起,一路聊到教育、家长能做些什么,聊到人类的价值和社会公平。
不聊技术,不聊产品,他们更想聊聊这些现象背后,对人的影响。
以下是这场对谈的节选,希望你能从中获得一些思考与启发。
人类数学家靠自驱力深度思考,AI数学家靠刷题
张鹏:AI的能力已经可以在高考上取得清北的成绩了,两位听到这个消息是什么感受?意外吗?
潘乱:如果这件事放在两三年前,或者我是第一次知道这个事情,我应该会非常意外。不过其实这件事行业中也铺垫了很久了,大家现在对AI在逻辑、知识领域的优势也有预期了,所以没有那么意外。或许唯一的意外只是它来得如此之快,但其发生本身是必然的。
张一甲:对于AI高考,我的看法和潘乱类似,这是一个必然现象。从技术角度看,高考几乎是为大模型能力量身定做的场景。首先,它是一个高度结构化的任务;其次,它对逻辑推理能力要求极高;最后,它所需要的知识库内容干净且垂直。这些条件为大模型提供了一个绝佳的发挥舞台。因此,AI取得好成绩是顺理成章的。
说实话,相比AI的高考分数,今年真人考生取得的高分更让我震惊。许多省市由于采取了赋分制,700分以上的考生数量非常多。我去查了一下,可能跟新高考制度,比如“赋分制”有关。但总的来说,真人的能力也在变强,竞争越来越激烈。
张鹏:尤其是这次的考试,AI在数学上的得分进步非常大,基本上都是一百四十多分,接近满分一百五十分。张一甲作为曾经的北大数学系特长生学霸,怎么看这件事?这是不是意味着AI已经是顶尖的数学生,甚至数学家的水平了?
张一甲:首先必须明确一点:在高考中取得高分,和具备顶尖的人类数学能力,是两个完全不同的概念。高考数学属于初等数学范畴,其核心是掌握固定的方法与定理,通过大量重复性训练即可提高成绩。AI恰好能将这条路径走到极致,在依赖逻辑与套路的结构化环境中,攻克高考数学并非难事。
但人类数学的真正前沿,即高等数学与数学研究,则完全是另一回事。它需要高度的抽象思考能力、对复杂概念的深刻理解,以及最重要的一点:定义问题的能力。这种能力更多源于数学家的直觉甚至是一种科学审美,是无法通过题海战术培养的。
比如当年我们一块做数学竞赛的一个朋友,他后来一直读到了哈佛的数学博士。我就有一次问他,你的这个研究方向全世界大概有多少人理解?他说不到20个人。
顶尖数学研究往往在极狭窄的领域内进行,那里没有现成的数据集和方法论,研究者必须自己定义问题、概念乃至工具,才能推动学科前行。数学是一门有数千年历史的深厚学科,这种创造性的、开辟新领域的能力,是目前AI与人类数学家之间最根本的差距。
顶尖的数学家本身也非常值得敬畏,光是爬到巨人的肩膀上本身,可能就是普通人穷其一生都很难做到的了。
张鹏:那这样顶尖的人类数学家,本身是怎么训练出来的?
张一甲:以数学竞赛为例,国家级的数学奥林匹克竞赛,一共考两天,每天四个半小时做三道题,一共六道题。换句话说,你有充足的时间回答每一道题,一道题的答案可能也就几行或者一页,考的就是你沉浸式地去研究一个问题的能力,而不是高考的快速反应,程式化训练。
顶尖的人类选手可以分为两类:科班出身与“野路子”。科班选手自幼便接受顶级教练的系统化训练,被前人经验浓缩而成的方法论高效“喂养”。而像我一样的选手,则更依赖于与生俱来的兴趣、天赋和直觉,能够在没有太多工具辅助的情况下,凭感觉找到解题的突破口。
张鹏:这种分野可以被解读为两种不同的“涌现”。科班选手是在植入方法论的基础上进行延展,而“野路子”则更像是一种基于天赋的“人类涌现”,这与大模型基于数据的涌现形成了有趣的对照。人类在这两种路径上都能诞生顶尖的人才。
潘乱:如果说标准化考试可以通过方法论加勤学苦练来攻克,那么要成为真正的数学家,究竟是方法更重要,还是天赋更重要?
张一甲:我觉得可能它不能被概括为方法或者天赋。如果你站在成为一个数学家的角度,你会发现关键要素既不是完全靠勤奋,也不是完全靠天赋,最后很重要一点是你的动力和自驱力。
最关键的要素是一种沉浸式的、近乎痴迷的兴趣与好奇心。就像前面说的奥林匹克比赛,能不能沉浸式地去研究一个问题。而AI目前还解决不了动力的问题,或许未来会有变化,但是目前AI是都需要被召唤出来做一些事情,没有自己的动力。
张鹏:我们看看这次AI高考的成绩,其实里面有很多有趣的结论。其中一个点就是,2024年到2025年,在没有开联网的情况下,模型在理科上提分了很多,这主要是模型的推理能力的变化导致的。折射到我们整个AI行业的发展而言,模型的推理能力的进步,也是AI行业过去一年发展中比较重要的一个点。两位有观察到推理能力的变化,对整个AI行业和AI应用方面带来了哪些直接的改变吗?
潘乱:我的感受是方方面面的。
在生活里,它就像一个随身的向导。前段时间我在东京上野公园,看到一个日文介绍的雕塑,我直接通过Ola Friend的耳机问AI这个人是谁,它就能立刻告诉我,帮我游览。我常一个人骑着电动车,不方便掏手机,就挂着耳机随时问它问题。
在工作流上,AI也让我变得更勤奋了。一个例子是,过去“整理速记”对我来说是件非常痛苦的活。现在用Claude,一场直播聊完,它能在10分钟内帮我改错别字、加小标题、凝练观点,直接给出一个近乎可用的版本。我还可以给豆包或元宝一个大方向和一些零散的点,让它帮我“点串成线”,设计出整个提纲。
除了做得更多,能做的事也更多了。
我最近还在用AI写一本网络小说。我以孙权为主视角,让AI把东吴的几条核心故事线——比如他与四大都督、与几位女性角色、与曹魏蜀汉的关系——全部串联起来,甚至让它模仿《汉武大帝》的结构去生成内容。当我把这些东西分享给编剧和导演朋友时,他们都完全惊掉了,开始对自己的工作产生了严重质疑。
AI进步真的非常快,今年年初DeepSeek让我非常震撼,而这半年来,Claude、豆包、元宝、GPT这些产品又都有了巨大的进步。
AI产品也非常多,我想重点提两个产品,飞书的知识问答和谷歌的NotebookLM,这两个工具真的像是给人的大脑加上了外挂和作弊器。
张鹏:我记得早年认识潘乱时,他就说自己很喜欢跟人交流,但整理信息是个巨大的痛点,导致公众号更新速度很不稳定。现在看来,AI确实给了你巨大的解放。我不但看到你的公众号更新频率上来了,甚至还有“余力”去搞一些自己想写的、全新视角的小说。这个改变确实非常明显。那么一甲呢,无论是个人,还是行业内,有没有看到因为推理模型发生了一些变化?
张一甲:首先对我个人而言,有巨大的帮助。过去我需要通过和大量的人交流来获取信息,但现在,我的主要交流对象变成了AI。我发现自己待在电脑前的时间变多了,但学习一个新领域知识的速度却大大加快了。
这种改变,源于AI能极大拓展我的知识宽度,它能快速搜集海量资料,省去了我过去需要“单点去凑知识”的时间。更重要的是,它的“思维链”对我启发很大。我不仅看它给出的结果,更关注它“到底是怎么去想这个问题的”,这个过程能帮助我建立对一个问题的深度理解。
张鹏:这听起来像是把一个E人(外向者)变成了I人(内向者),因为你发现AI这个头脑风暴的对象,在很多时候给出的信息质量远高于身边的人。
张一甲:的确如此。而根据我的观察,AI进入更广的商业世界,进入B端产业的工作流,这件事才刚刚开始。
它需要懂行业的人来推动,因为这不仅是技术问题。首先,你需要花大量时间去理解一个行业的特定工作流;其次,不同行业有不同的限定条件,比如有的行业“容错率非常低”,对安全和ROI(投资回报率)的计算非常严格。
所以,AI在B端的落地,不仅仅是AI能力的体现,它更像是“数字化转型的下一阶段”。整个商业模式目前还没有出现颠覆性的、跳脱的打法,还需要在具体的行业场景中慢慢去磨。
AI理解视频,比人类差太多了,为什么?
张鹏:除了推理模型的进步,今年AI高考中反映出的一个巨大进步,在多模态领域。我特别关注了那些带有图表的题目,前几年大模型遇到这种题基本就乱了套,但今年进步非常明显。这说明,没有足够强的推理能力,数学考不好;而要攻克图表题,就必须依赖多模态。你们对大模型在多模态领域的进展怎么看?
张一甲:我觉得多模态最终会成为所有AI公司都必须具备的基础能力。
多模态交互的本质,是让人与机器打交道的门槛变得更低。过去我们需要很强的提问技巧才能获得好答案,现在多模态让AI可以直接理解这个真实的世界,而不需要把所有信息都抽象成文本。无论是图像还是未来的视频,都是在降低我们与AI交互的门槛。
今年高考中,像生物、化学很多题目本身就是图表,过去AI可能连理解题干都困难。现在多模态理解能力变强,相关的提分也是一个正常的结果。
潘乱:多模态的进步,其实已经体现在我们生活的方方面面。比如,很多人都在用AI“生图”做头像,或者用它来创作歌曲。
更典型的应用是“识图”。这项能力从早年电商的“拍照搜同款”,到微软的“识花”应用,再到今天,已经可以识别生活中的万事万物。我甚至觉得,离我们打开一个AI应用,让它实时阅读周边陌生世界的那一天,已经不远了。
这次我一个人去语言不通的地方旅游,心里就非常有底,没有任何不安。因为我知道,AI能帮我读取、翻译周边的所有信息。
张鹏:过去我们为了旅游可能还会学几句外语,现在这个动力可能就没那么强了。因为我们兜里揣着AI,到哪儿都不怕。
我感觉,大模型最终就是一个模态转换的魔法盒。你可以把任何模态的信息扔进去,它都能识别,然后再以你需要的任何模态输出来。
除了刚才提到的拍搜这类跟图片相关的,我还关注到最近AI视频也很火,至少在我个人的抖音上,这类内容可能已经占到了15%左右。你们是否感觉到一样的现象?
潘乱:确实如此。但其实从剪映、抖音模板的时代开始,短视频领域就已经发生了很大的变化。今天,像剪映、即梦,包括GPT等工具,都各有代表性的AI元素,Gemini甚至能生成带声音的视频。我最近刷到很多“切刀”的视频,AI可以模拟出切各种东西的声音。
最近我特别关注“苏超”(江苏足球超级联赛),你会发现各地文旅部门是使用AI最勤快的一批人,他们不仅付费意愿强,主动使用AI的意愿也很强。比如,在苏超联赛期间,你能看到各种地方文旅账号用AI制作的视频,内容天马行空,徐州和南京打架、真假美猴王等等等等,展现各种可能性。我觉得在苏超相关内容里,至少一半是由AI生成的,尤其是各地文旅部门发布的内容。
张一甲:我作为个人视频用户,刷到AI生成内容的比例并不高,可能是推荐算法根据个人偏好有所不同。我个人如果看到AI内容比例过高,反而会更倾向于看一些真人甚至略显粗糙的内容。早期我对AI作图、生成视频很感兴趣,但后来发现,再美的图如果一眼就能看出是AI生成的,我就失去了审美和获取愉悦感的动力,反而是我现在看真人秀这类综艺节目的比例有所上升。
张鹏:那我们正好相反。对我来说,和AI一起做研究相对少一点。但在视频内容上,好的AI创作作品我完全可以接受。我在抖音上刷到一个专门介绍猫狗品种的系列视频,它把每一种动物的特点,比如边牧犬的英文全称,都编成了一首歌,配上特别萌的AI画面,整体感觉非常好。我现在每天都会看,觉得既能长知识,又很有趣。
虽然我明确知道这是AI做的,但我依然看得很沉浸。第一阶段好像一看到是AI做的,就觉得只有那几种套路没意思,现在我觉得AI在发散地交付出更好的结果。
潘乱:核心在于表达。比如大家都在刷抖音,但在抖音流行之前,全世界最流行的,大家自己能做的短视频类型就是简单的MV。对于我们80后来说,毕业时最常见的就是把大学照片做成PPT,配上一首流行歌曲,那就是青春的回忆。虽然那时的MV很简单,只是图片轮播,核心还是承载了情感和表达。
现在AI时代,我们看到老照片动起来,老照片复活,其实也是一样的逻辑。原来可能大家要费很大力气才能做的事情,现在AI时代变得更容易了。
张鹏:我们这次也试图让AI用视频对话来答题,但是效果就不是那么好。为什么对视频要去做理解、基于它再去做一些生成,比如生成一些答案、解决一些问题,现在还做不太好。这里面核心的原因是什么?
张一甲:首先视频你可以理解为非常多帧的图片,它是多帧的连续信息。处理起来的数据量和对算力的需求,跟图片完全不是一个数量级。而且这里面还涉及到模型的长时间记忆、上下文的理解能力、不同模态的对齐等,这些比图片要高了一个甚至很多个维度。
我记得当时Sora出来的时候,我试图去看他们出的论文,里面其实给我印象最深的倒不是说有什么很强的算法,而是它怎么把视频和图片tokenize,把这个多维的表达形式转换成可以让LLM处理的token。其实说白了就是把一个看起来很高维的东西变成token。这个过程本身的工作量可能大于你把它处理好之后再去训练它。所以视频作为一个模态,对于模型来说,它的认知成本、处理难度,以及花的钱,都是最高的形态之一。
潘乱:最简单的,一个视频文件大小可能几百兆,一个图片几兆,压缩后甚至只有几十KB。文字呢?用KB来形容都抬举它了。你就是看文件大小,就知道为什么多模态发展这么慢。
当然这也不只是多模态的问题,更核心的还是计算能力的限制。但今天不管是抖音、YouTube,还是视频号,你会发现它们其实在这块能力上都有进步。音频的提取,然后语种转换,再到语义理解,这些都是已经可以做到的。
张鹏:从我最近和一帮做技术的同学聊下来,我觉得在视频层面的问题,有两个很重要的点。第一个叫注意力漂移。因为视频是一个连续的东西,AI是概率模型,在一个连续的概率过程中,注意力会逐渐漂移。整个大模型今天最重要的机制就是注意力,一旦漂移就会造成幻觉叠加幻觉,然后问题就出来了,今天还没有特别好的解决方案。
第二个问题就是连续性。刚才一甲也说了,我们可以把视频理解为一帧一帧的图片,但它不仅要理解空间,还有时间这条线。今天的模型不具备时空连续的完整理解能力。所以就会导致context不连续,视频里的动作显得很怪异,没有按正常顺序走。
虽然AI考大学已经考得很高了,但它在人类看来很简单的事还做不好。对于人类来说,看一张照片和看一段视频其实差不太多,但是对AI就差很多。我觉得这反而挺让人兴奋的,因为还有不确定的东西,还有创新的机会,很有意思。
AI写作如同做菜:AI可以给你备辅料,但写作者一定还要自己掌握火候
张鹏:我们最早看到ChatGPT的时候,今年年初看到DeepSeek的时候,都是先被它的语言文字能力震撼。最开始我们感受到的是它在文科上的能力。但今年我觉得一个有意思的点是,我们看到AI高考,AI理科涨分非常多,文科好像反而没怎么涨。这为什么呢?
潘乱:文科这个词的英文是liberal arts,自由的艺术。从这个角度看,其实理科是找规律,文科找自由。大部分理科有标准答案,文科是自由,是艺术,是发散。如果你强调逻辑、数据、推理、效率、标准化,那就像计算器和珠心算一样,它一定更高效、更不出错。理科追求规律和效率,但文科是关于自由的艺术,自由指的是人的情感、价值观、跟社会的互动和表达。让它去绘画、去创作,就不一定比人强。
大家以前常说画人容易画鬼难,因为鬼我们不知道长什么样。所以文科跟人的文化经验、情感体验、立场判断相关,充满了非标准的东西。
张一甲:文科中有些部分是可以的,比如有标准答案的题目AI也能做,因为它可以读书破万卷,把很多东西背下来。但像写作文就不一样了。作为作文改卷老师,几个老师看同一篇作文,标准也不一样。写作文除了优美、引经据典之外,还需要情感投射、立场、价值观、社会批判性、矛盾张力。这些评价维度都不确定,更何况创作维度。阅读理解也很难。
理科追求客观的正确结果,文科更多是一种解释的丰富性,它要丰富而不是收敛。比如语言学其实很偏理科,但文学更多讲的是解释的丰富性、第一人称体验的投射。每个人描述不同场景、情绪时,那种美和力量是不一样的。
张鹏:我们也都是内容工作者,平时工作中会考虑用AI处理一些文字内容吗?有没有观察到AI在写作上目前会出现的问题?
潘乱:AI写作其实最近是进步很大的。我一开始觉得DeepSeek很好用,现在已经开始觉得它进步太慢了,还经常出现幻觉。比如量子力学、量子纠缠、拓扑这些词经常莫名其妙出现,一看就知道是DeepSeek写的。
模型在发散、总结、头脑风暴上非常好用。比如我们今天聊完,用飞书妙记可以总结提炼会议纪要。以前整理录音是很痛苦的事,现在效率提升很多。它能帮你做提纲、拆解、概要,你给它一个模糊方向,它可以连点呈现。这跟推理能力的进步有很大关系。去年年底我还在吐槽它没啥用,但今天我几乎给所有产品都充了会员,电脑里开着一堆,天天在用。
不过模型作为头脑风暴助手已经很称职了,写出来的文章还是容易被看出来是AI写的。现在其实好的创作者都在研究怎么用AI,但没人会公开说自己用AI创作。因为一旦说出来就贬值了。文章也一样,在创作者圈子里,如果看出来是AI写的,那你在我心里绝对是贬值的。
所以现在的状态是,你断不能让它生成一整篇文章。稍微有经验的人会把它当作一个结构化的助手,一点一点搭起来,最后还需要自己掌握火候。AI写作的价值在于它的发散,帮你发散思考。
表达对很多人来说是个门槛,有的人不知道写什么、怎么写。AI可以帮你做菜,食材准备好、配比调好,但最后炒出来的过程和火候还是你自己掌握。全部交给AI就没水平。
张一甲:对我们来说,AI更多用于调研、分析、头脑风暴。最后成文这一步我们比较审慎,不完全信任AI,因为它可能有事实性错误,缺乏反复检查的严谨性。前半程效率提升很大,但成文还是依赖人。
我们这个行业写的东西更结构化、更专业知识驱动,文风倒不是特别重要。但艺术、电影、音乐这些更依赖创作者本身。我觉得AI更像是给行业普惠的工具,把基础能力拉高,但很难在局部领域突破天花板。能称得上什么“家”的角色,AI干不了,但它可以成为大家基础的工具,就像计算器。
张鹏:我觉得这是一个“金镶玉”原则:金子是AI的能力,我把它当作一个框架去支撑内核,内核还是我们自己。大块金子扔出来显得低俗,但金镶玉之后就不一样。最终人还是在中心,AI是外部的支持体系,不能代替内核。
我现在也跟潘乱一样,天天开着各种AI一起脑暴,像一甲一样,有些问题不懂就问AI,还开着联网搜索,效率还不错,但最后,这些AI的东西,还得变成自己的东西。
后AI时代的教育:人类该往哪里去?
张鹏:AI的能力这两年也进步得非常快,一开始我们说可能先替代文科生未来的一些工作,结果AI的理科能力很快也都跟上来了。这对于未来人们的职业发展会有怎么样的变化?最基本的,现在懂AI的家长,应该怎么帮助持孩子报志愿?
潘乱:我会推荐他们学个手艺。高薪的中产文理科工作会很快被AI侵蚀,这一定是最卷的领域。因为大家对“学习改变命运”的信仰惯性很难转变,也未必需要转变。这是社会的最大公约数,意味着这是一个无穷无尽的卷的道路。无论学文还是学理,最后都落在这个象限里。所以不如学个AI干不好的,比如学怎么做金镶玉、雕刻玉器。
所有工业化、批量化、方法论化的东西,某一天都绝对会被AI超越。像我这样的二本学生,来自苏北农村,没什么社会资源、没有成本犯错,需要先考虑生存、获得收入。我的建议只是其中一种可能性,也许会被别人喷,但这是现实。
张一甲:我当时报志愿的时候,其实也困惑要选什么专业,后来一个哥哥建议我,大学四年要选最难的专业,比如数学或物理。因为人生很少有四年时间沉浸式地搞一个非常艰难的学问,这对脑力、思维、专注力、意志力都是极强的训练。我觉得有道理,就选了数学。
到今天我也不希望别人只从实用主义出发选专业。越实用越卷,热门方向很快也变得更卷。而且同样分数的两个孩子,他们的天赋、兴趣、好奇心都不同。外部的计算可以越来越精确,比如AI报志愿、基因检测,但最终还是看你想成为什么样的人。
张鹏:结论上唯一正确的就是:家长首先要关心孩子想学什么。motivation(自驱力)是人类最后的阵地。我们对某些东西的热爱,是AI不具备的原生特质。
同时可能要围着兴趣走,早点把AI配在孩子身边,用AI提升效率,不只是拿高分,而是探索、强化学习曲线。哪怕换方向也没关系,以前人一辈子可能只能换三次,现在很快就能换。
潘乱:我想起我之前跟一个教育公司的创始人聊的时候,我们就聊到教育的本质是什么?教育的本质是为了实现人的自我发展。自我和发展这其实是两码事情。
我们所有人都侧重点在后一条,都是在侧重发展这一条,但是在自我这一条就是大家其这其实关注度就是很少很少。其实现在是一个需要开始关注自我的时代了。因为你再发展你也发展不过AI。
AI未来是无限的供给,在所有的领域里它都会发生作用。我们未来的发展是要关心自己,而不是一直关心,我这个社会里面去做哪个牛马和螺丝钉能够有最高的效率,哪的需求供给不够,我就适配哪个。
张鹏:今天AI还会有这不行、那不行的时候,长期来看,如果要过两年再上大学,过五六年再进入社会,那个时候世界可能已经发生了重大变化了。所以更好的策略是首先关注自我。
那说到这个话题,AI在考试上已经超过99.99%的人类了,轻而易举地超过了我们多年的寒窗苦读,那应试教育本身,还有意义吗?
张一甲:我想先为应试教育“洗个白”。从小我们提到应试教育,总带着负面色彩,比如死记硬背、题海战术、工具化学习等,但其实应试教育在高维度智力筛选上是高效的。
它筛选出来的尖子生,通常不是靠死记硬背,而是训练出了一套完整的学习方法、系统性的思维、快速掌握知识的能力,以及专注力、意志力、延迟满足等品质。应试教育的目标不等于死记硬背,它培养出的顶尖学生思维能力往往更强。
第二点,AI本质上就是应试教育的终极形式。AI所做的事,本身就是一个超高效的“应试机器”。所以我们看到,最近Meta挖人,也是挖到了很多中国人,他们早期就是中国应试教育的佼佼者。这是很合理的。应试教育培养出来的最强的学生,筛选出的能力,恰好和AI的能力其实是正相关的。会应试的人,可能也比较会搞AI应试。
潘乱:首先我也认同应试教育不等于死记硬背。
但我们前面聊到了,接下来的教育,就是要自我发展。从这个角度出发的话,教育的目的就绝不应该是继续筛选更多人进入高等学府,而是要培养更多的人,适应未来社会,在今天可能加上,与AI攻错。
如果真的继续按应试教育进行筛选,我是一个江苏人,然后你知道我们那边中考就是筛掉50%,有50%的孩子他是没机会去读高中的。对,真的是一半啊。那这部分人他能去哪送?真的送去职高吗?我们现在对职高也还有一些刻板印象。
应试教育做筛选很有效率,能快速筛出一批人,但是从社会层面上,它也在让更多的人受害。
而且即使是被筛出来的人,他们也不见得在回望这一生的时候,更幸福。我们之前聊教育的时候,找到了人大附中的一些毕业了十年的同学。他们会说最后其实大家的选择都集中在了某几个象限,大厂、金融等等。大家都很高薪、优秀,但是也平庸,选择非常接近。即使是进了Meta、OpenAI的顶尖研究院,从某个更大的历史视角上,也是另外一种优秀的平庸。
因此我们如果去考虑人的自我发展,再看应试教育,我觉得让大家都有基础的知识和素养是更必要的。
就像那句古话说的,“观千剑而后识器,操千曲而后知音”。你得先看过一千把剑,才知道哪一把是好剑;弹过一千首曲子,才能真正懂得音乐。
如果你没有这些基础,那么去看好的电影、听好的音乐会,可能翻来覆去也只会说那两个字,因为你没有更丰富的词汇去形容和解读。你连世界都没见过,又哪来的世界观呢?
未来也不可能人人都是产品经理,人人都是工程师。现在你如果想干好AI编程,你原本不是工程师的话,也仍然是很难的。
所以,基于应试的这一套标准,让孩子们去学习必要的知识,是非常有必要的。否则,人就是一张白纸,你就算把AI扔给一个在丛林里长大的“狼孩”,又有什么用呢?
张鹏:对于家长来说,有一个终极问题:AI帮孩子写作业,已经越来越普遍了。你们怎么看这件事,应该鼓励吗?
潘乱:我的观点是,要分年龄段。
大学生当然应该用,但对于心智还未成熟的小学生,过度依赖AI,就像当年的“拍照搜题”一样,会让他们失去独立思考和克服困难的能力。
学习本身就是一个“痛苦”的过程,就像锻炼肌肉,需要经历撕裂和重塑。如果你用AI轻易就绕开了所有痛苦,那可能也就失去了真正的成长。
张一甲:我觉得这根本“没得选”,限制孩子使用AI是行不通的,就像我们无法在移动互联网时代禁止孩子上网一样。与其围堵,不如接受“AI无处不在”这个现实,然后去思考,在这种环境下,学习到底是什么。
AI在孩子成长中的角色会不断演进,从词典,到搜索引擎,再到思维伙伴。我真正担心的,是学习的“空心化”——你看起来在学习,也交付了学习成果,但知识和能力完全没有进入你的大脑。这比用不用AI本身更可怕。
张鹏:我非常同意。今天的教育,对家长的挑战是空前的。我们必须从关心“结果”,转向关心“过程”。孩子用AI交出一份作业,结果可能很完美,但我们要问的是:你在这个过程中学到了什么?你和AI共同探索时有什么启发?你有没有定义一个好问题?
因为AI能轻易地给出结果,所以“过程”就成了人类独有的、真正有价值的教育阵地。
你希望AI能力未来更强吗?
张鹏:那我再延展一个话题:你们觉得现在的AI究竟是在拉平还是在加剧教育和信息的鸿沟?对于小镇青年们、孩子们,未来的机会是变大了还是变小了?
潘乱:主观能动性更强的那些人,他的机会是变得更大,但是对于绝大部分人来说,他们会被这个数字鸿沟拉到非常后面去。
今天大家主要提问来使用AI,对吧?你给它一个问题,给它一个输入,它是一个输入输出系统。大部分人是没办法去想出一个好的问题的。抖音的日活是百度的多少倍?
用好AI需要很多前提:你要会提问、能抵抗娱乐内容的诱惑、有付费能力和好的网络环境。对于那些有主观能动性的年轻人,AI会对他来说是一个巨大的帮助,他可以就是身处陋室,依然可以跟这个世界去发生共振。
而大多数人,很难去对抗“时间的朋友”。“时间的朋友”是谁?是懒惰、是熵增,大部分人需要与之对抗才能进步,这太难了。
所以,AI理论上是拉平鸿沟的工具,但现实中,它会放大已有的不平等。
张一甲:我觉得这个问题很深刻,我直观的答案就是,不一定。
在义务教育和基础医疗这样的普惠层面,AI会极大地促进公平。可能足不出户就能更加理解世界了。
但再往上,社会可能会形成新的分配形态。比如今天,一个公司“有算力”和“没算力”就是巨大的不平等。未来,可能会有少数人掌握着具备巨大杠杆效应的“高阶AI”,从而分配更多的社会资源,别人只能做数据提供者和应用者。
就像过去有人有房,有人没房,就有了巨大的社会不平等。这个新的“分水岭”具体是什么我们还不知道,但它很可能会存在。
张鹏:一甲说的这个很关键,因为就是这个世界里边最重要的生产资料,到底未来是什么,最终会落到生产关系上,这个社会里边的价值流转的结构,最后又会是什么?现在还不知道。这最后会和整个大环境相关,是一个很复杂的问题。
张一甲:我觉得就进化论一样,我觉得教育很大程度上是要建立一个人的适应能力。人类都是早产儿,跟其他动物相比,是所有技能都没有的,其实父母教给孩子的就是基础的生存技能,然后靠它自己对大自然、对变化的这种适应能力。
我觉得AI极大程度上增强了未来的不确定性,未来的个体要拥有更高的适应性,才能生存。
潘乱:你的靠谱、你的认真、你的勇气、你的胆识,人的自我迭代,自学能力,这些是永远重要的。
张鹏:我觉得最后一个问题是大家都可以分享一下,从自己出发,当这个技术出现之后,最终我的位置是什么?你们担心自己被替代吗?
潘乱:我一丁点没有被替代的恐惧。因为两个点。
第一个点是,刚才聊了生产力跟生产关系,AI发展到现在,社会的资源在当下它并没有变得更多,也没有一个新的平台冒出来。那其实意味着什么?就是没有新的流量分配,就是也没有新的变现模式,我们作为创作者群体,应对的平台的各个要素都没有变化。
只有一个事情发生了变化,那就是大家创作内容的效率发生了变化,其实AI只变了这一个事情,让我们变得更有效率了。
那在已经有一定连接关系、已经占优的人,其实是处于一个更好的身位的,我们也用一个说法叫你有IP,有IP你可以变得更勤奋,有更多产能,尝试更多的事。
另外一个点,AI的核心能力在于“输入”,也就是提出好问题的能力。我一直记得雷军问傅盛的那个故事,傅盛说360的成功,周鸿祎功劳更大,因为是他把一个开放性命题,变成了一个封闭性的问题——“如何做好一款安全软件”。人的“输入”能力是不均等的,我需要做的,就是不断夯实我的输入能力。
我今天已经逐渐地开始选择用付费墙的方式,我去订阅一些杂志了,有点逆潮流,但实际上让你处在了一个更好的位置上。
张一甲:首先我认为我们三个都不会被替代。
就像刚才潘乱说的例子,我们作为一个公司的负责人或者IP的主理人,我们其实是需要在开放环境定义一个封闭的问题的——我们做什么、不做什么,并为之承担风险。这个过程需要的是信念和坚持,是AI无法替代的。
AI可能会给你帮助,但是为什么做,能坚持多久,能不能克服一些局部的问题完成长期的目标,是要我们自己承担的。
另外,我对人本身有信心。生命是熵减的,有自由蓬勃的力量。即便AI在各项技能上都超越人类,但人作为生命体,一定会发挥其独特的生命力,去寻找到“生而为人”的意义感。我永远站在人类这边。
张鹏:我也分享一下。我其实特别希望被替代。但是我要加个引号,我的意思是,我希望AI能够替代某些我已经熟悉的事情,让我能被解放出来,去探索更多未知的新领域,让我们的一生能活出几辈子的精彩。
这个世界的摩擦力是很大的,做一件事就要一个复杂系统来支持你,很难把一个阶段已经做成的事放在那里,自由地去探索自己的另外的可能。
我认为,人类最宝贵的是无知无畏的力量。所有伟大的创造,都源于此。AI应该支持我们的无知无畏,它知道我们所不知道的,能降低我们探索的代价。所以,我希望AI能够大步快跑,帮我们捍卫自己内心的那股力量,那才是生命最本质的、熵减的状态。
本文来自微信公众号:极客公园 (ID:geekpark),作者:Li Yuan,编辑:郑玄
本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系hezuo@huxiu.com如对本稿件有异议或投诉,请联系tougao@huxiu.com
End
想涨知识 关注虎嗅视频号!
Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.