AI会答题但不会替你提问新闻资料 | NewsCove

ADVERTISEMENT

ADVERTISEMENT

【AI时代，別慌】丁源森 / AI会答题，但不会替你提问

关于教育，有一种说法笔者一直挺喜欢：好的家庭教育，与其每天问孩子“今天考了几分？”，不如问“今天在学校问了什么好问题？” 放在AI时代，这句话突然不只是鸡汤，而是一道实打实的现实题。笔者在大学教书多年，明显感觉到这两年学生的焦虑大了一个量级。报章上“AI焦虑”的报道其实有点滞后——以美国为例，目前最焦虑的一群学生，反而是常春藤名校里的尖子生。他们当中已经有不少人提前辍学，跑去矽谷淘AI的金，赌自己会成为下一个扎克伯格或马斯克。剩下没辍学的，也常常半夜睡不着——AI写得比我快、算得比我准、知道得比我多，那我念了这么多年的书，到底图什么？这种焦虑不只是学生有。许多马来西亚的家长心里也在犯嘀咕：让孩子从小学一路念到大学，到底有没有用？如果AI什么都会，那这套漫长的教育系统，意义在哪？笔者觉得，要回答这个问题，得先回到一个更老、却又最被忽略的问题：教育到底是在学什么？什么叫做“理解”了一件事？这个问题听起来抽象，但其实有一个意外的入口——AI本身。 AI是怎么“理解”事情的？ AI内部到底是怎么运作的，笔者下一篇会更技术地聊（先挖个坑）。这里先讲一个比喻。大家手机里都看视频。一段两小时的电影，原始信号其实大得吓人，但你的手机却可以轻松存下、流畅播放。怎么做到的？靠的是压缩。压缩这门学问的本质，不是“把所有信号都塞进去”，而是聪明地决定哪些信号可以丢掉——丢掉之后，我们的眼睛照样看不出差别。任何压缩都是有损的。这件事的核心，从来不是记得多，而是知道什么不重要、可以舍弃。 AI，尤其是ChatGPT、Claude那一类的大语言模型，本质上做的就是这件事。它的目标不是把全世界的知识点全部背下来，而是从海量信息里找出可以泛化的规律。一旦压缩到位，即使遇到训练时没见过的新问题，它依然能讲出个八九不离十。人类的学习，其实是同一回事讲到这里，重点来了：人类学习的本质，也不外乎是这个过程。笔者本行是物理。我常和朋友开玩笑说“物理是最简单的学科”——别人听了以为我在凡尔赛，其实不是。物理之所以“简单”，是因为它的复杂度低：你只要搞懂万有引力，连黑洞也能讲出个所以然。一条公式，可以解释从苹果落地到星系旋转的几十种现象。这就是一种极致的压缩。但这套“从复杂里压出可泛化规律”的逻辑，不局限于物理，甚至不局限于科学。举一个文学的例子。诺奖作家海明威是公认的文字压缩大师——他主张写作有所谓“冰山理论”：呈现于文字的只有八分之一，剩下八分之七由读者去脑补。其中一个常被引用的传说是：海明威曾和朋友打赌，能用6个英文字写完一整篇小说。这则6字短篇，是英语文学里最经典的极限压缩案例之一： “For sale: baby shoes, never worn.” （“出售：婴儿鞋，全新未穿。”） 6个字。没有形容词，没有情节，但读完那一刻，你脑子里自动浮现的画面、揪心、和那位母亲未曾道出的故事，远远超过字面意义。这就是文学的压缩——把一整个世界，藏进6个字里。历史也一样。读一本史书，不是要记得公元某年某月某日有谁打了喷嚏，而是要从纷繁的事件里提炼出可以理解世道人心的范式。所以一个人“成为某个领域的专家”，本质上不是堆叠知识量，而是学会了那个领域特有的压缩方式。爱因斯坦掌握的是物理世界的压缩法，海明威掌握的是文字的压缩法。每个学科，都有一套自己独特的“如何把世界塞进有限的脑袋里”的手艺。一个可能让大家有点意外的事实笔者几年前在专栏里提过一件事：华尔街最赚钱的对冲基金里，许多大佬是数学博士、物理博士出身，其中尤其多的反而是天体物理博士（这是业内的小秘密，圈里几乎人人知道）。矽谷也是同样的故事——OpenAI、Anthropic这些公司里，物理背景的不只在创始团队，连不少技术核心人物本身就是物理博士出身。为什么？不是因为物理课教了他们怎么炒股、或怎么训练AI。是因为物理训练教会的是一种在复杂系统里寻找可泛化规律的能力。股市、AI模型，本质上都是复杂系统。同一套压缩肌肉，换个对象，照样能用。笔者自己在马来西亚学术休假，闲着也手痒搞了几个宏观经济模型、甚至比特币的定价模型来玩——倒不是真要去做交易，纯粹是好奇这套范式能走多远。回到马来西亚的教育文化讲了一大圈，回到正题。笔者一直觉得有点可惜的是，马来西亚的教育文化——从家长到学校到大学——很喜欢用一个标准来衡量学习：有没有用？这门科有没有用？这个学位能不能找到工作？这种问法的潜台词是：教育的价值在于它外在的输出。可是在AI时代，外在的输出，恰恰是最容易被取代的那一层。AI写得了文案、画得了海报、写得了基础程式、整理得了数据——这些“看起来很有用”的能力，正在以肉眼可见的速度被商品化。真正不容易被取代的，反而是藏在背后的那个东西：这个人如何看问题、如何在混乱里提炼出规律、如何决定什么该被舍弃。这恰恰是马来西亚教育系统最少谈论的一面。我们花了大量精力训练学生“答得对、答得快”，却很少训练他们“问得好”。这也是为什么笔者特别喜欢开头那句话——好的教育，不是问“今天考了几分？”，而是问“今天问了什么好问题？” 提问题，是压缩的起点。结语：无用之用那是不是大家都该一窝蜂去念物理？当然不是。复杂的系统，比如人类的道德、社会的伦理、AI该如何与人类对齐（alignment），并不是物理学的那套解题套路就能搞定的。事实上，Anthropic内部还常驻一支哲学家团队，专门处理这些“物理不会教你”的问题。你会发现不同公司的AI助手“个性”不太一样——很大程度上，是这些团队调教出来的结果。一个社会的力量，恰恰在于每个人压缩世界的方式都不一样。物理学家压缩出公式，文学家压缩出故事，哲学家压缩出原则，史学家压缩出范式。一个成熟的社会，懂得欣赏并培养这些不同的压缩方式——而不是用单一的“有没有用”去衡量它们。庄子说，“无用之用，方为大用。”在AI时代，这句话听起来比任何时候都更像一句忠告。马来西亚要在AI时代走得更稳，第一步并不是逼所有人去学写程式、学跟AI聊天。第一步，是让我们的教育系统、家长、孩子，重新学会一件最朴素的事：问对的问题。剩下的，AI帮不了你，但它也抢不走你。（*本文整理自笔者近期于母校吉隆坡中华独中的一场公开讲座，发表时有所删节与改写。）作者简介：吉隆坡中华独中毕业生，美国哈佛大学天体物理博士，现任美国俄亥俄州立大学天文系副教授，曾任澳洲国立大学天文与电脑科学双系教授、美国普林斯顿高级研究院（IAS）NASA哈勃学者。研究方向包括开发AI系统以自动化科学发现。个人网站：https://www.ysting.space 更多新教育：丁源森 / AI已经进入了下半场，你准备好了吗？华文本该是一条路如今却像一道门槛

2月前

Malaysia news headlines and analysis Info lengkap di www-sindonews-com www-malaymail-com Site www-detik-com Site