人只不过是一根芦苇，是自然界最脆弱的东西；但他是一根能思想的芦苇。

——[法]帕斯卡尔

人类的成就，从金字塔到登月，都是常识和创造力的集合。人类水平的人工智能只有同时具有常识和创造力，才能取得这种水平的成就。

——[英]穆里·沙纳罕（DeepMind首席科学家）

终于讨论完那些理论的部分了，现在咱们一起说点更现实的话题：在人工智能时代，我们以及我们的孩子应该如何学习。

事实上，人工智能未来发展成什么样，可能很多人不关心，或者说只看看电影就够了，但人工智能时代的人怎么办，这是关系到生活的重要问题。

几乎可以肯定的是，人工智能技术在很近的未来就会威胁到人类的工作。

我曾经采访人工智能领域的十来位专家，未来人工智会取代多少人类工作？各个专家的估计有一定差别，但共识是：在未来的10—20年，随着机器学习快速发展，人工智能会在各个领域大面积使用，目前的重复性劳作、简单的脑力和体力劳动，未来交给人工智能去做的可能性是很大的。

具体有多少工作会被取代还说不清，白宫的报告给出的数字是当前工作的47%，麦肯锡的报告估计是49%，Siri的创始人之一诺曼·温那斯基估计的数字是70%。即便按最低估计看，也有近一半工作受到威胁，不可谓不严重。

我之前的小说《北京折叠》预测了机器人取代人类劳动造成的社会影响，但是这篇小说是2013年写的，并未完全预测到技术发展的方向，我当时以为受冲击最大的是底层劳动力，但实际上，按照目前的技术趋势看，反而是初级和中级白领工作最容易被取代。底层劳动力只有工厂工人容易被取代，服务业的底层劳动力反而很难被取代，因为机器人的灵活性不如人，非标准工作环境会让机器人无所适从。但是相对而言，很多白领工作因为工作环境简单、工作内容重复、基本上是与数据和文档打交道的工作，很适合人工智能去做。可以说未来只要是标准化、重复性工作，多数都可以交给人工智能来做。

当我们的孩子们长大踏入职场，他们面临怎样的生存环境？

就我个人而言，我不赞成太具体的预测。可以肯定的是，未来十年到二十年的市场和技术环境，肯定和我们今天非常不同。像我自己，是20世纪80年代生人，80年代当我们上幼儿园的时候，我们的父母是肯定预测不到今天移动互联网企业的发展方式的。

我们只能很泛泛地说，未来世界的工作生活必然比现在的智能程度高。不管人工智能是否大量取代人类工作，但至少肯定会成为一种基础的社会环境。如果不能与智能社会同步发展，就像今天还不会上网一样，肯定是落伍的。

如果真的出现大量工作被取代的情景，可以预测，未来的工作需求将是两极分化的。在人工智能可以取代的工作领域，工作机会会越来越少，人员会冗余，职业收入也会越来越低。相反在人工智能无法取代或者说全新的就业岗位上，工作机会越来越多，人才越来越抢手，工资收入也会越来越高。人的能力属性属于新时代还是旧时代，将对收入水平产生重要影响。

那么我们该怎样让自己和孩子做好准备呢？

在这个问题上，我不希望让父母们感到焦虑。一说到“做准备”，父母们可能会一下子紧张起来，陷入新一轮焦虑。但是这一次，很可能我们焦虑也没有用。

我们没有办法在专业学科和技术能力上提早布局——事实上，提早布局有可能适得其反，因为技术的更新换代和转向是非常迅速的。即便是未雨绸缪，让小孩从小学编程，但最后的结果可能就像我们小时候学Basic——程序语言，过时的速度是很快的。

我们也没有办法给孩子施加危机感和压力——危机感和压力能带来什么呢？埋头刻苦和兢兢业业吗？前面说过了，只需埋头刻苦和兢兢业业的职业，将会大量被更刻苦的机器人取代。我们即使再想把孩子逼成考试机器，他们也比不过真机器。

那我们能走向另一极端吗？走向反智的极端？既然工作都要被人工智能取代了，那我们就回到野外生活，不要再学习了，仰赖天地灵气，可好？

我非常不喜欢这样的反智主义。我们确实需要心灵的成长，但不能做反智主义的逃离。主张远离科技社会的人说，科技蒙蔽心灵，需要远离。但这样的说法其实回避了问题核心。问题的核心是：新科技给我们的心灵提出了更高层次的挑战。这就好比武功高手遇到的问题，菜鸟并不会遇到。如果退回到狩猎采集的原始时代，确实远离了那些挑战，但那不是心灵的胜利，而是逃避了问题。但那有什么好呢，只是沾沾自喜。人类的认知发展总是向上攀登，所有问题也都是靠更高层次的认知来解决。科学是站在更高维度看待世界的眼光。不断攀登山峰，风景总是会逐渐明朗。反智主义不但不能解决心灵的问题，反而自己给自己蒙上眼罩——从此不可能在更高的山峰俯瞰大千世界。这实际上是一种怯懦的逃避。

人工智能时代，我们能做的，就是站到比人工智能更高的山峰。

智能时代需要的能力

那未来我们该如何去做呢？

未来需要的，肯定是三大类能力：与人工智能相处的能力，与人相处的能力，超越人工智能的能力。

与人工智能相处的能力

第一种能力，是围绕人工智能发展产生的需求，这一个领域要求人能理解人工智能，改进或发展人工智能，或者至少能够与人工智能工具和谐相处，并利用工具做事，正如今天我们可以借助移动互联网发展自己的事业版图。

我们首先要知道，与智能世界相处，基础思维能力仍然是重要的。

任何时代都需要学习。我并不反对按部就班的基础教育。实际上今天孩子的学习环境中，从小打下语文和数学基础，是很好的。智能时代知识技术更新很快，需要的是不断自我学习的能力，让自身更新的速度与时代匹配。而自我学习能力，最需要的是良好的自主阅读能力、抽象思维能力、自我反思能力。阅读和数学抽象思维不是人类本能，必须通过系统化教育打好基础，但我不赞成僵化灌输的教学法。对语言、数学的理解需要更重视基础思维，而并非简单记住解题技巧。学习语文、数学，不是学习背诵和计算，而是要理解语言表达的内涵，抽象思维的逻辑。人工智能程序的基础仍然是语言概念表达和数学逻辑思维。

未来围绕人工智能会有一系列衍生职业，甚至行业，即使不懂得人工智能背后的技术原理，只要能充分理解它的应用场景，也仍然可以最大限度利用人工智能工具，改善生活和社会。例如利用人工智能完成营销和客户服务，借助人工智能进行市场数据分析，将人工智能用于改善物流或者系统功耗，达到更高效率、更方便快捷的社会生活。

与人相处的能力

第二种能力，是人际沟通领域的需求。以我个人的判断，在未来很长一段时间，人与人沟通交流仍然是不可取代的一方面。在前面的分析中我们看到，即使人工智能进一步大力发展，它们离理解人类世界和人类心思仍然有较大差距，因而不可能完全替代人际沟通。尤其人工智能接管大量基础单一型工作之后，人与人沟通会是需求更广的领域，剩下的绝大多数职位和需求可能都集中在需要人与人大量沟通协作的领域。

想要跟得上智能时代的发展，与人沟通的能力会变得越来越重要。

我们可以想象，未来不可能再像过去一样，一份工作可以一成不变地做一辈子。标准化工作都容易被机器自动化，而非标准化工作，一般都意味着大量不确定性，需要不断磨合、团队协作、沟通、修改、随机应变、相互妥协。例如一个节目摄制组，一些形成惯例的机位摄制可能可以自动化运行，一些基础脚本和服务工作可以每期交给人工智能，但是每期节目仍然需要大量现场临时调整、与参与节目的嘉宾沟通、节目本身的创意沟通，人与人协作。未来在情感关怀与陪护、人的社交娱乐方面，也会有更多基于人心灵沟通的需求。

超越人工智能的能力

第三种能力，是我自己更为看重的，未来更需求的关键性能力。也就是做那些人工智能难以做好的事情，给人工智能指引方向。第一类能力只是围绕人工智能工具做现有的事，而第三类能力是去开拓人工智能仍然难以做到的事。

在这个领域，我们需要了解，有什么是人工智能仍然做不到的。这些专属于人类心智上的皇冠，一定是未来需求最强烈的能力。

什么是人工智能做不到的能力？

核心中的核心是两条：世界观和创造力。

我自己也是琢磨了很久，才把关键词锁定在这两个。在前面的分析中，我们已经看到，有不少能力人工智能目前尚不具备，还需要很长时间发展和算法的突破，才有可能有所进展。这些能力包括常识、抽象思维、跨学科认知、感知他人心思和情感、元认知、对不确定价值目标进行抉择，等等。将所有这些具体的能力汇集到日常生活工作中，就可以总结为两点：世界观和创造力。

世界观

世界观是常识的升级，是我们对世界的全景认知。目前，人工智能理解专业性问题已经非常出色，但综合性问题仍然让其非常困扰。围棋人工智能可以下围棋、医疗人工智能可以看病、金融人工智能可以投资、销售人工智能可以推销，然而没有人工智能可以用同一系统学会两个领域的事。它们可以从海量专业数据中总结规律，但是回答不出日常生活中的情境问题——日常生活的问题总是涉及跨多个知识领域的综合常识。而我们人类，对此有天生的本能。我们能够建构整个世界的模型，把人放在大量背景知识组成的常识舞台上，对其行为加以理解。

常识的升级让我们具有洞察力和世界观。各方面的常识越丰富坚实，相互之间联系越清晰，你越能一眼看到各个部分的问题，找到系统性解决方案，理解全局局势，从而判断出趋势。这种系统性趋势理解和基于过去趋势经验的外推不同，它是对多领域知识相互关系的理解，根据各部分关系的走势变化，对整体趋势做出判断。如果只能学习某一模块内的专业知识，不可能对全局有所把握。这一方面需要知识，另一方面也需要经验和视野。这不仅仅是单纯输入数据能够做到的。IBM的人工智能“沃森”几年前就输入了维基百科的多学科知识，也在知识竞赛中打败人类选手。但是世界观并不是碎片知识的堆积，世界观是世界模型。

世界观让我们有跨专业的创新能力。我们能够从物理和生物的结合中做出蛋白质组学，能把音乐领域理论带入建筑设计，能将政治、经济知识与生活场景对应，最终以波普艺术的方式呈现出产品。构建知识的全景舞台，让多学科门类知识搭配组合，创建更有意义的事物，这是目前的人工智能难以跨越的一步。

创造力

创造力是生成有意义的新事物的能力。它是多种能力的综合，一方面要求理解旧事物，另一方面能够想象新事物。对旧有数据的学习和遵循是人工智能可以做的，但是对不存在的事物的想象，人工智能远远不如人类。

说有意义的新事物，是因为目前人工智能有一种“伪创造力”，也就是随机制作或统计模仿。只要一个程序，就可以随机生成一百万幅画，或者统计畅销小说中的语词和桥段，进行模仿和组装。但这不是有意义的创造，它们不懂它们创造了什么。

真正的创造力不是这样。真正的创造力是对问题的深刻洞察，提出与众不同的全新的解决方案，或是对想象的极大拓展，让奇思妙想转化为可实现的全新作品，或是对人性的复杂领悟，把人心不可表达的感触转化为可表达的感人艺术。没有深刻的理解和敏锐的感受，就没有真正的创造力。创造力仍然是人类独特的能力，它需要太多人类特质做基础：审美能力、独特的联想能力、敏锐的主观感受、冒险精神、好奇心和自我决定，发散思维和聚合思维的切换，最后，还需要对事情强烈的热爱。

创造力让人不断拓展自身的边界。在越来越大的版图中，只有惯例的事情交给机器做，人类永远能在新大陆找到存在空间。有创造力的人越多，新版图就越大，能够容纳的人就越多。但进入的前提是，需要具备创造力。

人类学习有什么特点？

“那我们如何获得未来所需的能力呢？”

我知道大家的第一反应肯定是这样。提到了能力，就要说如何获得。但在谈路径之前，我想先聊一聊，人类是如何学习的。只有了解了人类学习的独特性，才可能知道未来我们如何去做。

人类学习的最精华特点，凝结在孩子身上。

人工智能时代，当我们越来越熟悉机器学习，我们也就越来越对孩子的学习充满惊叹。我有时候在家观察孩子的行动，听她议论周围的世界，会对她展现的领悟力感到叹为观止。孩子是造物的奇迹，他们用神奇的表现，一次次让科学家感到不可思议。而如果没有和人工智能对比，我们可能还察觉不到这种不寻常的能力。

传统教科书上只说如何用奖惩实现教育，只探讨课堂的教学法，但实际上，儿童的学习远远超越课堂范围，普通的奖惩也无法限制他。儿童的学习从婴儿期就开始，一直持续到成年，甚至终身。与人工智能的学习方法相比，孩子的学习有一系列非常独特的学习特征。

总体而言，小孩子和人工智能相比，有下面几个明显的特别优势：

以偏概全；

走神；

厌倦；

出错；

依赖情感；

叛逆。

我先带大家看一下，为什么这些特点是人类小孩的优势。

小数据学习vs.大数据学习

孩子是小数据学习。与人工智能对比，小孩子的学习能力高效得惊人。人工智能学习认鸭子，需要看数百万张鸭子的图片，小孩子只需要看两三张就够了，下次就能认出来。而且不仅仅是生活中有可能出现的熟悉的事物，小孩子看图片认袋鼠、考拉——北半球的小孩子可能从来没机会见到真的——也是一样高效。

这种能力，可能就和前文提到过的“抽象认知”能力相关。人类记住某些事物，是以非常抽象的方式提取关键特征，记忆成“模式”。这是如何做到的，现在还是谜。预言学家雷·库兹韦尔猜想，人类记忆“模式”是存储在大脑的三亿个柱状结构中。且不管他的猜想是不是正确，我们只要知道人类的这种模式识别能力的强大，就足以发出感叹。

到目前为止，计算机“深度学习”仍然需要海量数据，人工智能对每一件事的学习都要有足够多的数据支持。因而很多人说“未来最宝贵的资源将是数据”，如果得不到足够的数据，人工智能就很难发展。对于一些有海量现存数据的领域，这是自然而然的事情，例如金融、医疗，但是人类社会生活还是有诸多领域缺乏足够多的数据记录，人工智能一时就很难习得。对人情世故的理解也往往受限于数据。人类拥有“从经历中学习”的能力。当一件事发生，作为单一的事件数据，人类就能学习到很多规律。在事件学习方面，人类不仅不需要很大的样本数据，就可以“吃一堑长一智”，甚至是可以超额学习，也就是“举一反三”。

每个孩子都是“一叶知秋”学习者，小时候，我们都能观察到他们胡乱总结生活规律。一两岁的小孩就可以总结“这样扔东西奶奶会笑”的规律。这样的坏处当然是“以偏概全”，但实际上，我们需要珍惜他们的这种特性。因为这正是他们在用强大的“模式提取”思考方式进行小数据学习，试图从生活小数据中提取宝贵的知识。

我们应该鼓励孩子们的思索，“以偏概全”也可以转化为优点。若想避免“以偏概全”，可以让他们看到更多、经历更多、体验更多，但是思考和总结的能力是千金不换的。

联想学习vs.逻辑学习

孩子的思考总是充满联想跳跃。我们通常认为走神是缺点，但其实也是优点。人工智能学习一个领域的知识，会局限在这个领域内，按照这个领域内的数据，寻找相关联系，寻找因素之间的相互影响。如果存在逻辑规则，人工智能学习毫无难处。人工智能在一个领域内得到的知识很难联想或类比到其他领域，因为它们并不具备多个领域的知识记忆。

人类的语言里充满类比和联想。当我们说起时代变化，我们说“风起云涌”的时代，表明时代的剧烈变化；当我们说起事态严重，我们说“山雨欲来”，暗示即将有大变化。天气和我们讨论的政治经济趋势毫无关系，但是所有的这些比喻之所以能成立，是因为人能注意到事物背后相似的部分，这些相似性也很抽象，如风云的变幻感和趋势感，这种相似性人工智能难以想到或理解。

类比并不仅仅是文学修辞，它是我们的思维方式，在知识领域同样有用。我们从前经常批判“廉价的类比”，感觉类比并不是真知，只是人们大脑胡乱的关联。但实际上，我们的知识发展很大程度上是靠类比和联想。逻辑演绎能保证我们在一个领域内推导出真知，但是根据哥德尔不完备定理，一个领域内总有一些基础公理是不能自我推导的。这就是说，每个领域至少有一些基本假设，要“无中生有”，而“无中生有”的来源，往往是从原有的领域类比而来。

有价值的类比实际上是发觉深层的结构，外在的信息无关，不意味着深层的机理无关。爱因斯坦的广义相对论，由自由落地的电梯类比而来，把整个地球类比于电梯，得到了令人瞠目结舌的对宇宙的新知。电梯和宇宙结构之间的关系，就是用跨领域联想找到深层原理。爱因斯坦有着非同寻常的视觉敏感度，联想能力与此密切相关。

我们跟小孩对话的时候，几乎很难将话题保持在同一脉络上。小孩子总是说到一半，就想起其他相关事物，然后话题就漫无边际地拓展下去。在孩子小的时候，我们会发现他们很难集中注意力在同一件事情上，思维常常飞跑，这让我们试图给他们传授单一知识的时候感觉非常困难。但实际上，孩子的这种天马行空的自由联想是极为宝贵的思想资源。发散的思维不受限制，注意到事物与事物之间的关联。3—7岁是大脑突触连接最快速增加的时段，到了小学之后，大脑突触连接数量逐渐减少，联想和跳跃的思维也减少，可以更有逻辑地思考，集中精力，但是终其一生，在逻辑思考和跳跃思考之间找到平衡，往往是最有成果的。

习惯化学习vs.重复学习

小孩子总是三分钟热度，一件事情喜欢上两天就不喜欢了。要是人工智能，我们可以让它念唐诗念上一年也不厌倦，但小孩子能坚持三五天就很了不起了。

我们都知道这是人工智能的优势，那我们又为什么说“厌倦”是孩子的优势呢？

实际上，厌倦来自一种心理学特征：习惯化。习惯化是指：大脑对于新奇的刺激有本能的兴奋，人的注意力喜欢追随新奇刺激，一旦一个新鲜信息变得习惯了，大脑就感到厌倦，不再加以注意。婴儿身上就展现出这种特征，心理学家给三四个月大的婴儿看屏幕上的画，如果是他觉得奇特的，他就目不转睛盯着看，如果是已经看得习惯的画，他就不怎么看了。科学家就是用这种方式测定婴儿的本能知识。

那这有什么好的呢？

实际上，习惯化反映了大脑的学习过程。“注意力”是大脑的稀缺资源，大脑总是要把注意力“投资”在最值得的地方。一旦一个知识学会了，融入了自己的知识框架，大脑就要把注意力投资到其他地方。习惯化实际上就是学会之后的注意力转移。这种习惯化也正是形成“常识”的过程。大脑有常识体系，一旦一个信息是“反常识”的，大脑就加以注意，新知识变成常识的一部分之后，注意力就向其他新知识转移。

大脑注意力永远向新异信息转移，这种倾向实际上是创新的本能。

人工智能学同样的知识、做同样的练习，永远都不会厌倦，好处固然是永远可靠地工作，但问题在于，如果注意力永不厌倦地放在已经学会的知识上，还有什么动力去学习新知识？有很多人说，人类大脑的“自动化”过程是一种懒惰，但实际上，它是“自动化”旧过程，以便搜索新信息。大脑就是在学习与搜寻的过程之间永恒切换。这是创新的推动力。

如何才能让孩子坚持一件事呢？如果“厌倦”是好的，孩子岂不是永远缺乏坚持毅力？最好的教学节奏，是让孩子在一件事情上，总能找到新的趣味和挑战。就好比难度阶梯合适的游戏，总不会太难，也不会简单枯燥，内容有乐趣，而且跟着孩子的水平不断抛出新挑战。每次习惯化发生之后，就有下一关的冒险。这种合适的节奏，常常不容易找到。因此，好老师始终是至关重要的（未来人工智能技术辅助教学也有帮助）。

试错学习vs.优化学习

小孩子会犯错，甚至会故意犯错。人工智能学习的过程，实际上是在寻找最优解。它也会小步试错，但最终目标始终是寻找解空间的全局最优。它不断根据最终的答案调整步骤，直到所有参数都有利于获得最佳答案。人工智能计算永远都是可靠的，每次提出同样的问题都得到同样的解答，如果不特意安排它出错，它不会出错。

小孩子的思路走不了那么远，他更多是从现状出发，东试一下，西试一下。有的时候，尝试的过程中他发现了另外的问题，有的时候给出另外的答案，不一定是最优解，但有时候带来新的洞见。另外一些时候，他故意做错，只是觉得按照另一种方式做更有意思。例如你让他用积木按照图纸搭一座高塔，他在搭的过程中，发现塔可以断成两截，再连接成一座桥，于是就把搭高塔的计划忘记了，开始搭桥，然后又建房子。

故意犯错很多时候是在体验自主的乐趣。有时候犯的错误需要纠正，例如2+2不等于5，但也有更多时候，错误没有任何关系，它只是开启了另外一道门。当孩子把玩具的盒子戴在脑袋上当帽子，谁知道是不是像法拉第错误掉落的线圈、导致电磁学的重大发现呢？

人类最独特的学习方式

上面一口气讲了很多特点，可能大家也累了。

现在说一点轻松的话题：你知道孩子为什么都需要偶像吗？

这涉及人学习时的心理机制。你回忆一下，在自己成长的过程中，有没有这样的时候：自己想做什么的时候，头脑中不由自主地想到父亲或者母亲会说什么，不由自主地想到父母批评或者反对的声音，不由自主地在头脑中跟假想的父母对话或反驳？

或者，有没有这样的时候：因为特别喜欢一个老师，就很喜欢他/她教的那门课，因为特别不喜欢一个老师，就不喜欢他/她教的那门课？

这两种现象都是特别正常的人类心理特征，涉及一个心理机制：依恋学习。

最初注意到这一点，也在“人工智能之父”马文·明斯基的作品《情感依恋》中。依恋学习是人类学习过程最奇妙的一点。它非常不同寻常，看似不合理，但仔细想来却非常合理。依恋学习最主要的特征是：学习的过程跟随情感依恋。

先来说说依恋。

依恋是每个人与生俱来的情感关系，一般早期是母婴关系，一两岁之后，小孩也会与家庭其他成员建立依恋关系。建立起心理依恋关系的人，是孩子内心安全感的来源。依恋有一点像小动物身上观察到的“印刻”，小鸭子生下来最早见到哪个成年鸭子，就会“印刻”对它的依恋，从此一直跟着它走。就像是在《仲夏夜之梦》里面提到的那种魔力药水，喝了它，会爱上醒来之后见到的第一个人。

安全依恋是对爱的相互确认。婴儿确认自己爱妈妈，妈妈爱自己，确认跟着妈妈就不用害怕，这是他后面面对世界时心里安全感的来源，因为他敢于信任另一个人。一岁时候的安全依恋测试结果若是健康，成年后的自我成就、婚姻幸福的概率就更大。

我们的一大特点是，内心依恋的人会变成头脑中的意象，非常在意他/她说的话，哪怕不在身旁，也时常想起他/她的态度，作为自己的依据。违抗他/她会让我们内疚。

从信息与学习的角度看，依恋是标记特殊信息源。

机器学习知识分两大派别，程序员输入现有知识，或者让机器自己从数据中摸索。深度学习是自己摸索。人类学习知识是两种结合，婴幼儿时，父母给我们灌输的一般是人类已经形成惯例的知识，例如这是桌子，这是椅子，饭前洗手，出门坐车。这样以确保我们每个人不用从人类钻木取火的知识开始全靠自己发现。除此之外，父母还会给我们他们的价值观，他们对周围人事的判断都会成为我们初期判断的起点。“掉地上的东西不能吃。”“你要谦让小朋友。”等等。除此之外，孩子也进行大量自我探索，自己总结规律。

对机器而言，大数据输入的信息源，权重都是等同的。但人生活在一个由许多人组成的复杂世界中，每个人给小孩子输入的信息都不相同，价值观更是千差万别。小孩子如何筛选和处理这么多信息源的输入？

答案就是，小孩子给自己的依恋对象赋予极高权重。妈妈爸爸说的话，可信程度最高，也许在小孩子的世界里权重超过90%。学校里、街边的人说的话都存疑，和妈妈爸爸说的话做对比。即便是妈妈爸爸不在身边，也随时装载着他们的画面，头脑中的妈妈爸爸会跳出来说话。成长的整个过程中，孩子也会把自己依恋的人的形象放在心里，随时参考。

而另一方面，父母对孩子也有天然的依恋。荷尔蒙和其他神经指标，都让父母对孩子在生命的最初两年全然投入去爱。这样的双向依恋，保证了父母对孩子的输入是最可靠的。

在信息泛滥的世界中，对特定信息源赋予长期稳定的权重，不容易被随便的路人把自己的知识和信念带偏。如果随便是谁都能篡改人工智能的知识和信念，那遇到特殊的用户，给人工智能输入抢银行的数据，让人工智能学习抢银行也很容易。

也许有人会说，这有什么难度，不就是记住出厂设定，不允许篡改吗？不是这么简单。现在的软件都是记住出厂设定，不允许用户篡改，于是所有的改进都需要程序员再出2.0、3.0版本。未来如果人工智能出实验室之后不允许新的学习，那和现在的软件没什么区别，也无法满足用户和环境需求。如果允许在外界信息世界中学习，那就必然要根据用户输入的信息修改自身的知识和信念。这就意味着可以被任何人利用做任何事。

如何抉择，如何平衡？如何让人工智能拥有新的独立学习，还不至于和程序员的初设定背道而驰？

人类是如何做的呢？那就是叛逆和依恋的相互平衡。

人类儿童天性具有叛逆机制。从“可怕的两岁”开始，孩子就不断要求独立，要求自己对自己做主，要求自己的主张被采纳。这种对“自主”和“自我肯定”的渴求，是人类与生俱来的本能，也是独立人格发展的开端。

叛逆是人工智能目前做不到的“觉醒”。

从两岁开始的每个认知发展跨越，都会伴随着孩子对父母的叛逆。叛逆本质上是对独立的要求，叛逆的强度会根据父母给予的独立空间大小和孩子的个性有所不同。小学时候开始独立社交，中学时候开始选择人生偶像和人生理想，大学时候开始选择生活轨迹，所有这些时候，都会伴随着要求独立的叛逆主张。有时候会和父母有尖锐对抗。

但与此同时，人类儿童的叛逆，绝不同于智能程序遗忘初始信息。目前的智能程序网络学习了新数据新领域新知识之后，就会覆盖掉原有的知识和能力，不会再留恋初始的网络。但人类儿童又不一样，之所以叛逆的过程会伴随着内心的痛苦焦虑，就是因为孩子的叛逆并不同于简单放弃父母的信念，而是伴随着自我的挣扎犹疑。如果叛逆等于遗忘，那很平静，但叛逆实际上代表着选择。即使很长时间不在父母身边，父母的形象都可能在心里，孩子的头脑里还是会萦绕着父母的话。

于是，人就是这样面对“初始信念”和“大数据学习”之间的矛盾，既不轻易放弃父母的初始输入，也不拒绝外界信息的改变。好处是父母给的信息一般是出于爱，最安全可靠，而外界的信息更广阔，更跟随变化。任何两难选择才伴随内心痛苦，叛逆也不例外。

此外，孩子还会在每个阶段选择新的“依恋对象”，那就是偶像、有感情的师长、爱人。这些依恋对象的话语对孩子的影响力也远超过周围其他人，相当于赋予极高权重的信息源。我们对于我们心里选择的“依恋对象”，也像对父母那样，生成一个心理意象，遇到了事情，会假想他们怎么说，会拿他们的话去套用新的场合，会极为在意“我这么说他会不会生气”“他会支持我走这条路吗”“这个作品他会喜欢吗”。

这个过程常常充满坎坷。我们从依恋对象身上获得的不仅是信息，也是人际关系革新。每一次的依恋对象选择，对于人都既是情感过程，也是人生学习过程。

为什么要这样？人类的学习为什么要用这种磕磕绊绊的方法？不能像人工智能那样，只单纯客观地处理数据吗？

说到这里，要说几句贝叶斯学习。

一直都没说贝叶斯算法，是因为在目前的人工智能前沿领域，贝叶斯不算是最主流的。但我一直都认为贝叶斯学习是对人类学习刻画得最好的学习算法。

贝叶斯算法的核心，说起来就是一句话：先验概率，后验检验。用普通人能听懂的话说，就是“心里先抱着一个信念，再根据发生的事情调整信念”。例如“我相信大海是红色的”，这是信念，然后去海边看看，发现不是红色的，就把这个信念抛掉。

有的时候，人能明智地调整信念，根据事件，放弃掉之前的信念，但更多的时候，我们会用之前的信念解释事情。举个例子，如果心里的信念是有鬼存在，然后有一次有东西莫名其妙丢了，就把这个事件当作是“有鬼”这个信念模型的确认。很多时候，心里事先抱定的信念模型非常重要，它会决定我们如何看事情。

而选择“依恋对象”，实际上就是孩子选择自己心里的先验模型。此后的人生，孩子会不断拿这个信念去套生活，有的信念会被抛弃，但更多会保留和加强。选择偶像并不是错，如果能够选择好的“依恋对象”，就相当于选择了一套合适的信念模型。

未来我们该如何教育和学习？

前面写了许多内容，汇集到一起，在未来的智能时代，对我们的学习和教育而言最重要的大概有四点：

·情感联结

·基础抽象思维

·世界观建立

·创造力发展

我们再简单看一下这几个方向，我大致谈一下我觉得必要的教育和学习方式。

情感联结

情感联结的意义，我们在有关“依恋学习”的部分已经提到过了。人类特有的依恋学习，让人将依恋对象变为心理意象，他们输入的信息权重会特别大。

情感加持是人类学习特有的本能，缺少情感联结的学习很难入心。一岁之前是建立安全依恋关系的重要时段，12个月时的安全依恋测试就已经对成年后的行为有一定预测能力。建立安全依恋关系的孩子更容易形成稳定的自我认知，更能积极勇敢地探索世界。安全依恋让孩子充分信任父母，并且从父母身上获得最初的信念。孩子对父母的安全依恋关系将使得他们内化父母的形象，从而高效地获得对世界的稳定认知。

根据心理学研究，最重要的影响依恋关系的是互动的敏感性。在婴幼儿早期，饮食起居的照顾固然是重要因素，但是比单纯吃穿供应更重要的是，是对婴幼儿发出信息的敏感度，当婴幼儿对世界发出信息，成年人最及时准确的回应，是婴幼儿与这个世界建立精神联系的主要来源。母亲对婴儿喂奶的回应是其中一种，对婴幼儿情绪、行为和语言的回应也是建立联结的重要因素。若长期处在无人回应的状态中，如处在孤儿院中，即使食宿得到了照顾，婴幼儿的认知和自我认知的发展仍然出现障碍和滞后。

在人工智能时代，理解他人的情感和思想将是重要的能力需求，而理解他人的能力也需要亲子情感联结作为基础。婴幼儿最早的共情能力，出现在9个月左右的眼神跟随，母婴互动或者与其他看护人的情感互动，对于孩子发展自我认知和认识他人的能力至关重要。人工智能可以取代各种数据分析工作，但是它们取代不了懂得体察他人情感内心的人。

情感陪伴对孩子的意义，在未来时代会格外彰显出来。孩子理解世界和他人的基本模型，源自孩子和家人互动的基本模型。我们让他们理解情感，他们才能理解世界的情感。

基础抽象思维

人工智能可以做到符号与符号的连接，而人类能做到真实世界与符号的连接。这种能力就是抽象思维。且不说未来我们能不能教人工智能学会理解真实世界，只说另一面，我们如何让人类的孩子理解真实世界和符号的对应，对于人类智能发展十分关键。

人类的知识，建立于各种真实感觉到符号之间的对应。对物理世界的理解，和数学符号对应；对人情世故的理解，和文字符号对应；对情感和美的理解，和艺术符号对应。每一种对真实世界的感触，都和一种符号表达对应。对人工智能来说，理解符号世界是很容易的，理解真实世界是很难的。对人来说恰好相反，人有很强的直觉理解真实世界，但是对于符号世界的理解就有困难。而对双方都难的，是建立真实世界与符号世界的对应关系。

人类的学习，重要的是对符号系统的基础理解。

对符号系统的基础理解，是指对文字和数学符号的抽象认知。人类对口语和物理世界的感知是本能，来源于千百万年的物种进化，大脑中都有相应的感知模块。但是正如最著名的心理学家斯蒂芬·平克所说，所有人都有语言和物理感知的本能，但是没有阅读和数学本能。对文字和数学的认知只是最近几千年的事情。这是文明进化，大脑中的结构进化并没有跟得上，一直到最近几十年才通过教育消除文盲。因此所有（正常）人都会说话和运动，但如果不经过正规学习和训练，人类就学不会阅读和数学。

在任何时代，学习都是有必要的，在智能时代更需要智能的提高。有一种说法是，人工智能时代，机器代替我们去做所有智力计算的事情，人类不再需要学理科了，只有弹琴、写诗、画画，才能和机器不同。这其实是没什么道理的说法。实际上机器现在也能弹琴、写诗、画画，人类这些领域如果只是拼工匠精神，也是拼不过机器的。未来的职业需求，越是智能的时代就越需要高智能人才。其中最基础的能力，就是理解抽象符号，能用符号表达真实的感觉。弹琴、写诗、画画，如果是机械重复也是没前途的，需要理解艺术语言背后的真实审美。

学习阅读、数学和艺术语言要费力气，难就难在抽象。但如果突破了这一关，能用文字、数学和艺术符号思考，能将符号与世界进行联系认知，人的智能层次就突飞猛进。孩子进行系统性正规学习仍然是必不可少的，仅仅用身体和直觉感知世界，很难进入人类智能世界的舞台。

在儿童早期，我们让他们发展文字、数学和艺术能力，重要的不是让他们直接学习符号，而是让他们建立符号和真实世界的对应。对于文字，相比识字，更重要的是认知事物与文字之间的对应。对于数学，相比背数和口算，最重要的是让他们感知数形对应，也就是物体和数字之间的关系。对于绘画，相比临摹，最重要的是让他们感觉手中的颜料可以表达世界、表达内心想法。引导儿童阅读，最重要的意义也就是让他们感知到文字中蕴含的世界。

世界观建立

孩子与人工智能相比最大的优势就在于孩子的常识系统。一个三岁孩子都知道塑料袋可以在空中飞，小车在下坡路上比上坡跑得更快。同样，三岁的孩子还知道做了被禁止的事周围的人会有什么样的反应。所有这些对世界和他人的常识认知，人工智能都觉得很难。常识系统源于大脑综合加工信息的能力。

对常识系统的升级就是对世界的常识认知，也就是世界观。对这个世界自然系统的知识、社会构成的知识、国与国关系的知识、人类发展历程的知识，都会变为一个人的常识系统，而后续的所有学习和判断，都建立在这样一个知识的背景舞台上。人的学习有怎样的高度，除了学习本身的勤奋程度，还在相当大程度上与这个背景舞台相关。就好比你能登上的山峰，除了与你自身走的步数相关，还与你起点的高度密切相关。

常识系统的建立，包括物理常识系统和知识世界观。

一岁到三岁之间，我们可以尽量让孩子用所有感官认识世界。这段时间是孩子通过身体感官和头脑对周围的整个世界进行建构。这个过程对人来说很容易，人工智能却难以做到。这段时间需要充分用身体探索世界，需要大量语言交流。最终，孩子将周围社会生活转化为内心的常识基础，在这样的常识基础上，人开始真正有意义的语言交流。

3—7岁，可以多让大脑的认知和联想扩大范围，建立对世界的综合认知。大脑中的突触数量从两岁之后大量增加，到7岁达到人生的顶峰，此后开始逐步“剪除”无用的神经突触连接，最终达到稳定。这段时期是孩子对世界的好奇心和知识吸收能力最强的时期。3—7岁，孩子天马行空的联想也是最多的。真实和虚幻交织的想象力、喷薄而出的对万物的好奇、一日千里地对新知的快速吸收，都让他们迅速扩张自己头脑中的知识谱系。人工智能只能是专业领域的工具天才，但是人类可以对所有领域综合理解，可能和人类大脑神经突触的自由连接和生长有关系。跨界联想和触类旁通是儿童独特的优势，这段时间适合让知识领域向四面八方延伸。

再长大一些，可以让孩子尽可能多地参与社会生活实践，从旁观世界到进入世界，在行走天下的过程中获得参与性世界常识。

对世界的综合理解能力，需要有系统视角的通识教育。重要的不是记忆所有学科领域的知识碎片——人类不是维基百科，也拼不过维基百科——而是知道如何安放和调取这些知识。这就需要有层次、有关联的知识体系。人工智能能记忆所有的碎片，但是难以组合成有意义的图景和故事，遇到事情也缺少调用的能力。世界观不是知识库，而是从高处看待知识的视角。

创造力发展

未来人与人工智能相比，最大的竞争优势莫过于创造力，包括对知识的创造性理解和对知识的创造性应用。

对知识体系的创造性理解，是所有学习中最重要的一环。创造性理解的意思是，敢于对知识进行质疑、重组、搭配和延展，敢于挑战和重建现有知识，敢于灵活运用知识，去分析、去解决问题。知识是孩子的乐高积木，他们可以充分信赖自己运用知识的能力，用知识搭建出头脑中最鲜活的花园，而不只是猜测老师想让自己如何安装知识。如果是具有确定答案的问题，机器学习几秒之内就能学到很多，但是它们没有能力去创造、去设计。因为它们头脑中没有蓝图、没有想象、没有预期、没有宏观审视、没有反事实思考、没有审美、没有跨出经验数据的冒险精神，也没有创造的爱和热情。

对世界的创造性理解能力，需要有对创造性尝试的鼓励性的态度和环境。有人担心知识束缚创造力，宁愿让孩子躲在远离知识的荒野中，但实际上这是多虑了。我们看到，世界上最具有创造力的人物，往往是从小知识渊博，但又具有灵活的思维。例如“阿尔法狗”的创始人哈萨比，从小是国际象棋高手，9岁学编程，长大后学习计算机和神经科学，很年轻就拿到博士学位。如此沉浸在知识学习中的优秀学生，在改进人工智能算法方面，有着异常活跃的创造力。想让孩子有创造力，完全不必对知识的学习产生恐惧。

唯一扼杀创造力的，就是扼杀创造力。这并不是无意义的同义反复。好奇心和想象力是人人都有的创造的基础。很多时候，父母和老师对创造力采取了压抑的态度，还并不知晓。对“唯一正确性”的过度强调，对循规蹈矩的过度认可，对错误探索的过度批评，才是压抑孩子创造力的最大阻碍。成年人对事物的按部就班和井井有条有着超乎寻常的执拗，其中也把孩子作为“井井有条”的一部分。然而孩子是一个向着四面八方随机探索的、充满可能性的魔法泡泡，他们在突破可能的边界。这个时候，父母最好的方式是鼓励和跟随。

父母和师长的情感支持对孩子发展创造力至关重要。父母和师长可以倾听孩子的想法，提问、鼓励回答、顺着孩子的思路进一步深入探寻，以问题加深孩子的思考，帮助孩子动手实践自己的想法，支持他的创意，分析他的设想，教给他方法和手段，但不以此来约束孩子的探索。

对知识的创造性应用的培养，就是建立创造性应用知识的机会。关于创造力的“投资”理论表示，创造力与智商的关系很弱，但是与认知风格关系紧密。所谓认知风格，就是是否敢于冒险，是否愿意把时间投入创造性活动，是否能投入全心热爱的有兴趣的领域。认知风格与从小父母师长的支持性环境相关性很大。我们需要给孩子创造性的任务，让他们自主选择方法、自己试错、把自己的想法付诸实践，而成年人给他们工具和方法，但不束缚他们的方向选择，这种创造性项目制学习，是生活与学校中都可以应用的教学方法。

我们自己和孩子在未来时代的学习和教育，说难也难，说简单也很简单。

我们要把人类认知发展中最独特宝贵的优势发挥到最大，综合学习各个领域，以创造性思考为学习引导。人类相比人工智能而言，仍然有许多优势，有许多未解的秘密。我对人类的潜力充满信心，对孩子充满信心，这是我做童行计划教育项目的初衷和长久的愿景。