作者：王鵬 騰訊研究院資深專家
ChatGPT火爆以來，其對教育理念和方式的衝擊引起廣泛討論，似乎也讓人看到了人工智能影響下未來教育的一些走向。雖然AI的教育影響似乎短期內並不是一個空間問題，但只有知道AI的邊界和能力，才知道還能給實體空間留下些什麼不可替代的東西。
ChatGPT與AIGC將能做什麼？
首先，需要辨析ChatGPT的能力到底是什麼？它說明了什麼樣的趨勢？需要澄清的是，目前我們試用的ChatGPT是被限制了實時更新數據能力的，而且顯然還封印了很多可回答問題的領域和規模。大家對它的很多批評，比如不准確、數學差、沒主見，甚至經常是一本正經地胡說八道，在更大規模訓練和應用中，都會很快進化和完善，也會在NLP為主的模型中加入更多數理等能力。可以預見，在很短的時間裡，大模型將具備越來越綜合和通用的能力。 （這段寫作於ChatGPT剛剛發佈時，目前的進化速度有目共睹，這些問題都在快速改善。）
以文生圖和ChatGPT為代表的AIGC工具，正在使知識和內容的生產方式從大腦思考轉為機器生成+大腦篩選。從文字、圖像、視頻到3維空間，AIGC通過模擬人類的創作過程，已經可以自動生成文章、音樂、影視作品、設計、遊戲等創意性內容，甚至可以控制機器人，並在湧現海量全新的業態和模式。而這個過程中，對人的替代無法迴避。
在歷史上，這樣的處境人類經歷了好幾次，但每一次都安然度過。當工業化到來的時候，大多數農民失去了土地，他們在工廠裡找到了工作。當機器大生產到來的時候，大多數工人失去了工作，但他們轉而在服務業找到了新工作。之前每一次替代時又提供了更多更好的新崗位。然而，這次機器看起來將在短期內替代的是所有領域的絕大部分工作崗位，無論腦力勞動還是體力勞動，而我們卻還完全看不到這數以億計的新崗位將從何產生。何況之前的每次行業更新，都付出了起碼一代人的代價，前提還是公共教育系統能夠及時應對並培養適應新技術的人才。
ChatGPT 已經可以高分通過了法律、醫學等領域的考試。當然這也說明，全球範圍內，“死記硬背+有限推理”仍然是目前教育和人才選拔的基本導向。培養工業社會需要的大量產業工人和工程師，是我們現有教育系統主要的任務，而且看起來短時間內不會有什麼變化。所以作為焦慮的家長，又能為孩子的未來做些什麼呢？公共教育來不及做的事情，只有靠家庭教育補足。
教育向何處去？
大規模勞動力替代的過程中，教育總是發揮最重要的導向作用。很快我們都會有一個什麼都懂的個人助理，那還有哪些東西是仍然需要我們自己去學習的呢？原本致力於教授知識和技能的教育體系又將如何調整呢？
對於未來社會更需要什麼樣的人才，以及對基礎教育的新要求，ChatGPT給了我一個中規中矩的回答：“需要培養更具有綜合能力和創新能力的人才，而不是簡單的知識傳授。另外，需要更加註重教育人們具備適應未來社會的能力，例如學習能力、創造力、協作能力等。”然而這看起來簡單的幾個關鍵詞，其實每個都需要辯證地去理解。
關於因材施教
首先，AIGC技術將改變教學的方式和模式，使因材施教成為可能。例如，通過智能化的內容生成和推薦系統，甚至交互式的學習工具和遊戲等，學生可以獲得更加個性化、多樣化的學習體驗，教師可以更加高效地生成教學素材、測試題和作業等，從而提高教學效率和質量。事實上，結合XR技術，每個學生完全可以接受完全不同的個性化教育，這時學校集中傳授知識的意義就消失了，而與人溝通和協作也許就成了學校物理空間存在的意義。然而這樣的學校，就完全可以在自然之中幕天席地了。
關於編程和數學
由於看起來替代人工作的都是軟件，所以很容易想到讓孩子學編程，做人工智能工程師，但編程和人工智能其實是兩件事。編碼這件事，似乎恰恰是最先被取代的。
雖然目前大模型的訓練和調試還是成本很高的技術工作，但未來我們將可以通過多模態API接口與MaaS（模型即服務）交流，通過語音，甚至腦機接口等方式直接獲得個性化的服務，而不需要編碼的過程。而目前的GPT，由於消化了GitHub的海量代碼，也已經具備了基礎編碼的能力。由GPT-4驅動的Copilot X，已經具備對話、文本生成代碼、語音生成代碼和自動修復代碼Bug，以及解釋代碼等功能。我正在ChatGPT的幫助下，開始學習用Python生成代碼完成一些簡單的工作，雖然對初學者來說，還有很多小問題，但他可以不厭其煩地幫助你解釋出錯信息並幫助你修改調試。
所以這樣看來，編程的能力其實就轉為了用語言描述需求的能力，當然無論是文生圖還是控制機器人，人機交互的核心又回到了人與人溝通的語言。
但除了日常應用以外，算法的本質還是數學。畢竟每一篇AI論文裡，最大篇幅的還是數學公式和推導過程。所以如果你想與AI協作，要學好語言，但如果你想定義和控制AI，恐怕還是要學好數學和邏輯思維。也只有邏輯思維，才可以讓人從海量的信息裡做出判斷甚至批判，去蕪存菁。
關於語言
哲學和語言學在早期很難區分，所以語言學習的意義可能遠大於閱讀、寫作和翻譯技能。描述世界和創造世界的能力，在數字世界裡即將合二為一，這在我另一篇文章裡也會解釋。
雖然AI翻譯領域發展迅速，實時互譯似乎離我們不遠，許多人可能認為不需要再花費大量時間學習外語。然而，最近與各種AIGC的交流中發現，在處理複雜情境時，一些AI工具仍然需要將中文翻譯成英文再進行計算，尤其在涉及到微妙的圖像和文辭修改時，英文水平的限制依然很明顯。因此，未來對英文水平的要求不僅僅停留在日常翻譯水平上，跨文化交流能力也顯得尤為重要。
不僅如此，儘管許多國內公司正在使用中文語料進行模型訓練，但中文語料只佔整個互聯網規模的5%，而且真實性和嚴謹性相對較差，因此中文大模型質量在很長一段時間內可能難以超越英文。因此，英文水平和英語思維方式可能仍然在未來孩子從事創新研究和工作中十分重要，甚至在人機交互中可能比編程還要重要。
考慮到對機器人的控制，未來很多簡單任務都可以通過自然語言交互生成個性化程序來執行。當然如果是一個複雜的任務，僅用自然語言交互的難度其實並不小。而在使用文生圖工具描繪建築形象的過程中，也會越來越發現，能用自然語言把設計意向充分錶達的能力，甚至可以替代之前建築學學習中的草圖能力。
最近，矽谷出現了一個全新的招聘崗位Prompt Engineer，意思是“提示工程師”。這個崗位不需要寫代碼，只需要找出合適的提示詞，讓AI發揮出潛力。也就是說，不需要技術背景，只要“會聊天”，也能當工程師。所以，高質量使用自然語言與機器溝通，語文和英語仍然是基本的能力。當然，提示工程師這件事也不會長久存在，而會變成我們每個人的基本技能，畢竟現在也很難見到ppt工程師或者Excel工程師。最終，還是需要每個人都掌握精確描述需求的能力，才能與AI溝通和協作。
關於學習與創新
大模型本質是一個統計模型，某種程度上代表了社會整體的認知。對於一些事實性的問題，很容易得到明確的答案。然而在絕大多數決策場景下，其實都是在綜合大量信息的基礎上，最終需要人的價值判斷，ChatGPT經常表現為“端水大師”的情形，往往就是其無法替人做出的價值判斷。
我們目前的教育體系主要還是傳授知識。表面上看起來，AI很快就會對各種學科知識無所不知，這種能力最大意義上還是作為幫助我們快速學習獲得信息的工具。如果一個人只有傳遞AI結果的能力，顯然同樣是被淘汰的。
對於任何人類已有的知識領域，AI都會具有絕對的優勢，但在新領域的探索方面，AI還只能作為助手。而這些所謂創新領域，往往存在於各種學科的交叉領域。從小學到大學，我業餘時間最常做的事情就是在圖書館看書，而且一般喜歡於每個書架挑一本來泛讀。這樣雖然學得雜而不精，但可以較早建立一個相對完整的知識框架，而終身學習的知識都可以分門別類地妥善收納和讀取。對多學科的基本了解，對從事跨領域的創新可以說是基本素養。借助AI高效的信息綜合能力，我們可以獲得快速而廣泛的學習能力，掌握各學科的基礎知識和規律，從而加速跨領域創新湧現的過程。
通過以上分析，我們會發現，似乎一個什麼都會的AI並不能取代我們的學習過程，反而對語數外乃至更多學科的學習提出了更高的要求。
如《第三次浪潮》一書中所說，”第三次浪潮文明正好相反，其擁有許多特色：分散式生產、適當的規模、可再生的能源、疏散都市人口、在家中工作、自己生產自己消費等。這些活動相當接近第一次浪潮社會的模式，看起來似乎是時光倒流。這一歷史性的變化所代表的並不是工業社會直線的延伸，而是方向的驟變——往往呈逆向發展。此轉變至少應和300年前的工業文明等量齊觀。同時，我們所面對的並不只是一場科技革命，而是一種全新文明的到來。”工業時代的培養熟練工人的教育系統，跟這個時代一樣即將結束，而未來文明的很多特徵，包括教育與人，也許更像農業時代的狀態。
在AIGC帶來的變革之中，也許絕大多數勞動者都會被淘汰，就連打標籤的工作以後也會是AI做得更好。當然極大發展的生產力也許仍會實現全民基本收入。只有極少數人能夠且需要與AI一起協作。這可能也是未來教育並不樂觀的方向：大多數人躺平，少數人更加努力。
也許與目前簡單減負的方式不同，數學、語文、外語，包括更多領域的基礎知識，在未來對人的要求只會更高，但並不是多刷題和刷難題的方向，而是需要更全面綜合的知識體系。對於解決某個方向的特定工程問題，AI會很容易學會人類的技能。但未來的創新，可能只有百科全書式的人才才能勝任。在AI因材施教方式的幫助下，人類也許又有可能重新達到這種狀態，並發揮人類大腦的量子計算機制，幫助AI進化。對於孩子未來如何與AI共處，公共教育系統是很難應對的，這就需要每個家長自己做出抉擇和努力。
