作者｜Li Yuan
编辑｜ 郑玄
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。
01
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。
除了做的更多，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 产品页非常多，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。
02
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。
03
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。
04
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地非常快，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。自我和发展这其实两码两个事情。
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。
05
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升位的，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。
*头图来源：豆包生成
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO
登录
