人隻不過是一根蘆葦，是自然界最脆弱的東西；但他是一根能思想的蘆葦。
——[法]帕斯卡爾
人類的成就，從金字塔到登月，都是常識和創造力的集合。人類水平的人工智能隻有同時具有常識和創造力，才能取得這種水平的成就。
——[英]穆裏·沙納罕（deepmind首席科學家）
終於討論完那些理論的部分了，現在咱們一起說點更現實的話題：在人工智能時代，我們以及我們的孩子應該如何學習。
事實上，人工智能未來發展成什麽樣，可能很多人不關心，或者說隻看看電影就夠了，但人工智能時代的人怎麽辦，這是關係到生活的重要問題。
幾乎可以肯定的是，人工智能技術在很近的未來就會威脅到人類的工作。
我曾經采訪人工智能領域的十來位專家，未來人工智會取代多少人類工作？各個專家的估計有一定差別，但共識是：在未來的10—20年，隨著機器學習快速發展，人工智能會在各個領域大麵積使用，目前的重複性勞作、簡單的腦力和體力勞動，未來交給人工智能去做的可能性是很大的。
具體有多少工作會被取代還說不清，白宮的報告給出的數字是當前工作的47%，麥肯錫的報告估計是49%，siri的創始人之一諾曼·溫那斯基估計的數字是70%。即便按最低估計看，也有近一半工作受到威脅，不可謂不嚴重。
我之前的小說《北京折疊》預測了機器人取代人類勞動造成的社會影響，但是這篇小說是2013年寫的，並未完全預測到技術發展的方向，我當時以為受衝擊最大的是底層勞動力，但實際上，按照目前的技術趨勢看，反而是初級和中級白領工作最容易被取代。底層勞動力隻有工廠工人容易被取代，服務業的底層勞動力反而很難被取代，因為機器人的靈活性不如人，非標準工作環境會讓機器人無所適從。但是相對而言，很多白領工作因為工作環境簡單、工作內容重複、基本上是與數據和文檔打交道的工作，很適合人工智能去做。可以說未來隻要是標準化、重複性工作，多數都可以交給人工智能來做。
當我們的孩子們長大踏入職場，他們麵臨怎樣的生存環境？
就我個人而言，我不讚成太具體的預測。可以肯定的是，未來十年到二十年的市場和技術環境，肯定和我們今天非常不同。像我自己，是20世紀80年代生人，80年代當我們上幼兒園的時候，我們的父母是肯定預測不到今天移動互聯網企業的發展方式的。
我們隻能很泛泛地說，未來世界的工作生活必然比現在的智能程度高。不管人工智能是否大量取代人類工作，但至少肯定會成為一種基礎的社會環境。如果不能與智能社會同步發展，就像今天還不會上網一樣，肯定是落伍的。
如果真的出現大量工作被取代的情景，可以預測，未來的工作需求將是兩極分化的。在人工智能可以取代的工作領域，工作機會會越來越少，人員會冗餘，職業收入也會越來越低。相反在人工智能無法取代或者說全新的就業崗位上，工作機會越來越多，人才越來越搶手，工資收入也會越來越高。人的能力屬性屬於新時代還是舊時代，將對收入水平產生重要影響。
那麽我們該怎樣讓自己和孩子做好準備呢？
在這個問題上，我不希望讓父母們感到焦慮。一說到“做準備”，父母們可能會一下子緊張起來，陷入新一輪焦慮。但是這一次，很可能我們焦慮也沒有用。
我們沒有辦法在專業學科和技術能力上提早布局——事實上，提早布局有可能適得其反，因為技術的更新換代和轉向是非常迅速的。即便是未雨綢繆，讓小孩從小學編程，但最後的結果可能就像我們小時候學basic——程序語言，過時的速度是很快的。
我們也沒有辦法給孩子施加危機感和壓力——危機感和壓力能帶來什麽呢？埋頭刻苦和兢兢業業嗎？前麵說過了，隻需埋頭刻苦和兢兢業業的職業，將會大量被更刻苦的機器人取代。我們即使再想把孩子逼成考試機器，他們也比不過真機器。
那我們能走向另一極端嗎？走向反智的極端？既然工作都要被人工智能取代了，那我們就回到野外生活，不要再學習了，仰賴天地靈氣，可好？
我非常不喜歡這樣的反智主義。我們確實需要心靈的成長，但不能做反智主義的逃離。主張遠離科技社會的人說，科技蒙蔽心靈，需要遠離。但這樣的說法其實回避了問題核心。問題的核心是：新科技給我們的心靈提出了更高層次的挑戰。這就好比武功高手遇到的問題，菜鳥並不會遇到。如果退回到狩獵采集的原始時代，確實遠離了那些挑戰，但那不是心靈的勝利，而是逃避了問題。但那有什麽好呢，隻是沾沾自喜。人類的認知發展總是向上攀登，所有問題也都是靠更高層次的認知來解決。科學是站在更高維度看待世界的眼光。不斷攀登山峰，風景總是會逐漸明朗。反智主義不但不能解決心靈的問題，反而自己給自己蒙上眼罩——從此不可能在更高的山峰俯瞰大千世界。這實際上是一種怯懦的逃避。
人工智能時代，我們能做的，就是站到比人工智能更高的山峰。
智能時代需要的能力
那未來我們該如何去做呢？
未來需要的，肯定是三大類能力：與人工智能相處的能力，與人相處的能力，超越人工智能的能力。
與人工智能相處的能力
第一種能力，是圍繞人工智能發展產生的需求，這一個領域要求人能理解人工智能，改進或發展人工智能，或者至少能夠與人工智能工具和諧相處，並利用工具做事，正如今天我們可以借助移動互聯網發展自己的事業版圖。
我們首先要知道，與智能世界相處，基礎思維能力仍然是重要的。
任何時代都需要學習。我並不反對按部就班的基礎教育。實際上今天孩子的學習環境中，從小打下語文和數學基礎，是很好的。智能時代知識技術更新很快，需要的是不斷自我學習的能力，讓自身更新的速度與時代匹配。而自我學習能力，最需要的是良好的自主閱讀能力、抽象思維能力、自我反思能力。閱讀和數學抽象思維不是人類本能，必須通過係統化教育打好基礎，但我不讚成僵化灌輸的教學法。對語言、數學的理解需要更重視基礎思維，而並非簡單記住解題技巧。學習語文、數學，不是學習背誦和計算，而是要理解語言表達的內涵，抽象思維的邏輯。人工智能程序的基礎仍然是語言概念表達和數學邏輯思維。
未來圍繞人工智能會有一係列衍生職業，甚至行業，即使不懂得人工智能背後的技術原理，隻要能充分理解它的應用場景，也仍然可以最大限度利用人工智能工具，改善生活和社會。例如利用人工智能完成營銷和客戶服務，借助人工智能進行市場數據分析，將人工智能用於改善物流或者係統功耗，達到更高效率、更方便快捷的社會生活。
與人相處的能力
第二種能力，是人際溝通領域的需求。以我個人的判斷，在未來很長一段時間，人與人溝通交流仍然是不可取代的一方麵。在前麵的分析中我們看到，即使人工智能進一步大力發展，它們離理解人類世界和人類心思仍然有較大差距，因而不可能完全替代人際溝通。尤其人工智能接管大量基礎單一型工作之後，人與人溝通會是需求更廣的領域，剩下的絕大多數職位和需求可能都集中在需要人與人大量溝通協作的領域。
想要跟得上智能時代的發展，與人溝通的能力會變得越來越重要。
我們可以想象，未來不可能再像過去一樣，一份工作可以一成不變地做一輩子。標準化工作都容易被機器自動化，而非標準化工作，一般都意味著大量不確定性，需要不斷磨合、團隊協作、溝通、修改、隨機應變、相互妥協。例如一個節目攝製組，一些形成慣例的機位攝製可能可以自動化運行，一些基礎腳本和服務工作可以每期交給人工智能，但是每期節目仍然需要大量現場臨時調整、與參與節目的嘉賓溝通、節目本身的創意溝通，人與人協作。未來在情感關懷與陪護、人的社交娛樂方麵，也會有更多基於人心靈溝通的需求。
超越人工智能的能力
第三種能力，是我自己更為看重的，未來更需求的關鍵性能力。也就是做那些人工智能難以做好的事情，給人工智能指引方向。第一類能力隻是圍繞人工智能工具做現有的事，而第三類能力是去開拓人工智能仍然難以做到的事。
在這個領域，我們需要了解，有什麽是人工智能仍然做不到的。這些專屬於人類心智上的皇冠，一定是未來需求最強烈的能力。
什麽是人工智能做不到的能力？
核心中的核心是兩條：世界觀和創造力。
我自己也是琢磨了很久，才把關鍵詞鎖定在這兩個。在前麵的分析中，我們已經看到，有不少能力人工智能目前尚不具備，還需要很長時間發展和算法的突破，才有可能有所進展。這些能力包括常識、抽象思維、跨學科認知、感知他人心思和情感、元認知、對不確定價值目標進行抉擇，等等。將所有這些具體的能力匯集到日常生活工作中，就可以總結為兩點：世界觀和創造力。
世界觀
世界觀是常識的升級，是我們對世界的全景認知。目前，人工智能理解專業性問題已經非常出色，但綜合性問題仍然讓其非常困擾。圍棋人工智能可以下圍棋、醫療人工智能可以看病、金融人工智能可以投資、銷售人工智能可以推銷，然而沒有人工智能可以用同一係統學會兩個領域的事。它們可以從海量專業數據中總結規律，但是回答不出日常生活中的情境問題——日常生活的問題總是涉及跨多個知識領域的綜合常識。而我們人類，對此有天生的本能。我們能夠建構整個世界的模型，把人放在大量背景知識組成的常識舞台上，對其行為加以理解。
常識的升級讓我們具有洞察力和世界觀。各方麵的常識越豐富堅實，相互之間聯係越清晰，你越能一眼看到各個部分的問題，找到係統性解決方案，理解全局局勢，從而判斷出趨勢。這種係統性趨勢理解和基於過去趨勢經驗的外推不同，它是對多領域知識相互關係的理解，根據各部分關係的走勢變化，對整體趨勢做出判斷。如果隻能學習某一模塊內的專業知識，不可能對全局有所把握。這一方麵需要知識，另一方麵也需要經驗和視野。這不僅僅是單純輸入數據能夠做到的。ibm的人工智能“沃森”幾年前就輸入了維基百科的多學科知識，也在知識競賽中打敗人類選手。但是世界觀並不是碎片知識的堆積，世界觀是世界模型。
世界觀讓我們有跨專業的創新能力。我們能夠從物理和生物的結合中做出蛋白質組學，能把音樂領域理論帶入建築設計，能將政治、經濟知識與生活場景對應，最終以波普藝術的方式呈現出產品。構建知識的全景舞台，讓多學科門類知識搭配組合，創建更有意義的事物，這是目前的人工智能難以跨越的一步。
創造力
創造力是生成有意義的新事物的能力。它是多種能力的綜合，一方麵要求理解舊事物，另一方麵能夠想象新事物。對舊有數據的學習和遵循是人工智能可以做的，但是對不存在的事物的想象，人工智能遠遠不如人類。
說有意義的新事物，是因為目前人工智能有一種“偽創造力”，也就是隨機製作或統計模仿。隻要一個程序，就可以隨機生成一百萬幅畫，或者統計暢銷小說中的語詞和橋段，進行模仿和組裝。但這不是有意義的創造，它們不懂它們創造了什麽。
真正的創造力不是這樣。真正的創造力是對問題的深刻洞察，提出與眾不同的全新的解決方案，或是對想象的極大拓展，讓奇思妙想轉化為可實現的全新作品，或是對人性的複雜領悟，把人心不可表達的感觸轉化為可表達的感人藝術。沒有深刻的理解和敏銳的感受，就沒有真正的創造力。創造力仍然是人類獨特的能力，它需要太多人類特質做基礎：審美能力、獨特的聯想能力、敏銳的主觀感受、冒險精神、好奇心和自我決定，發散思維和聚合思維的切換，最後，還需要對事情強烈的熱愛。
創造力讓人不斷拓展自身的邊界。在越來越大的版圖中，隻有慣例的事情交給機器做，人類永遠能在新大陸找到存在空間。有創造力的人越多，新版圖就越大，能夠容納的人就越多。但進入的前提是，需要具備創造力。
人類學習有什麽特點？
“那我們如何獲得未來所需的能力呢？”
我知道大家的第一反應肯定是這樣。提到了能力，就要說如何獲得。但在談路徑之前，我想先聊一聊，人類是如何學習的。隻有了解了人類學習的獨特性，才可能知道未來我們如何去做。
人類學習的最精華特點，凝結在孩子身上。
人工智能時代，當我們越來越熟悉機器學習，我們也就越來越對孩子的學習充滿驚歎。我有時候在家觀察孩子的行動，聽她議論周圍的世界，會對她展現的領悟力感到歎為觀止。孩子是造物的奇跡，他們用神奇的表現，一次次讓科學家感到不可思議。而如果沒有和人工智能對比，我們可能還察覺不到這種不尋常的能力。
傳統教科書上隻說如何用獎懲實現教育，隻探討課堂的教學法，但實際上，兒童的學習遠遠超越課堂範圍，普通的獎懲也無法限製他。兒童的學習從嬰兒期就開始，一直持續到成年，甚至終身。與人工智能的學習方法相比，孩子的學習有一係列非常獨特的學習特征。
總體而言，小孩子和人工智能相比，有下麵幾個明顯的特別優勢：
以偏概全；
走神；
厭倦；
出錯；
依賴情感；
叛逆。
我先帶大家看一下，為什麽這些特點是人類小孩的優勢。
小數據學習vs.大數據學習
孩子是小數據學習。與人工智能對比，小孩子的學習能力高效得驚人。人工智能學習認鴨子，需要看數百萬張鴨子的圖片，小孩子隻需要看兩三張就夠了，下次就能認出來。而且不僅僅是生活中有可能出現的熟悉的事物，小孩子看圖片認袋鼠、考拉——北半球的小孩子可能從來沒機會見到真的——也是一樣高效。
這種能力，可能就和前文提到過的“抽象認知”能力相關。人類記住某些事物，是以非常抽象的方式提取關鍵特征，記憶成“模式”。這是如何做到的，現在還是謎。預言學家雷·庫茲韋爾猜想，人類記憶“模式”是存儲在大腦的三億個柱狀結構中。且不管他的猜想是不是正確，我們隻要知道人類的這種模式識別能力的強大，就足以發出感歎。
到目前為止，計算機“深度學習”仍然需要海量數據，人工智能對每一件事的學習都要有足夠多的數據支持。因而很多人說“未來最寶貴的資源將是數據”，如果得不到足夠的數據，人工智能就很難發展。對於一些有海量現存數據的領域，這是自然而然的事情，例如金融、醫療，但是人類社會生活還是有諸多領域缺乏足夠多的數據記錄，人工智能一時就很難習得。對人情世故的理解也往往受限於數據。人類擁有“從經曆中學習”的能力。當一件事發生，作為單一的事件數據，人類就能學習到很多規律。在事件學習方麵，人類不僅不需要很大的樣本數據，就可以“吃一塹長一智”，甚至是可以超額學習，也就是“舉一反三”。
每個孩子都是“一葉知秋”學習者，小時候，我們都能觀察到他們胡亂總結生活規律。一兩歲的小孩就可以總結“這樣扔東西奶奶會笑”的規律。這樣的壞處當然是“以偏概全”，但實際上，我們需要珍惜他們的這種特性。因為這正是他們在用強大的“模式提取”思考方式進行小數據學習，試圖從生活小數據中提取寶貴的知識。
我們應該鼓勵孩子們的思索，“以偏概全”也可以轉化為優點。若想避免“以偏概全”，可以讓他們看到更多、經曆更多、體驗更多，但是思考和總結的能力是千金不換的。
聯想學習vs.邏輯學習
孩子的思考總是充滿聯想跳躍。我們通常認為走神是缺點，但其實也是優點。人工智能學習一個領域的知識，會局限在這個領域內，按照這個領域內的數據，尋找相關聯係，尋找因素之間的相互影響。如果存在邏輯規則，人工智能學習毫無難處。人工智能在一個領域內得到的知識很難聯想或類比到其他領域，因為它們並不具備多個領域的知識記憶。
人類的語言裏充滿類比和聯想。當我們說起時代變化，我們說“風起雲湧”的時代，表明時代的劇烈變化；當我們說起事態嚴重，我們說“山雨欲來”，暗示即將有大變化。天氣和我們討論的政治經濟趨勢毫無關係，但是所有的這些比喻之所以能成立，是因為人能注意到事物背後相似的部分，這些相似性也很抽象，如風雲的變幻感和趨勢感，這種相似性人工智能難以想到或理解。
類比並不僅僅是文學修辭，它是我們的思維方式，在知識領域同樣有用。我們從前經常批判“廉價的類比”，感覺類比並不是真知，隻是人們大腦胡亂的關聯。但實際上，我們的知識發展很大程度上是靠類比和聯想。邏輯演繹能保證我們在一個領域內推導出真知，但是根據哥德爾不完備定理，一個領域內總有一些基礎公理是不能自我推導的。這就是說，每個領域至少有一些基本假設，要“無中生有”，而“無中生有”的來源，往往是從原有的領域類比而來。
有價值的類比實際上是發覺深層的結構，外在的信息無關，不意味著深層的機理無關。愛因斯坦的廣義相對論，由自由落地的電梯類比而來，把整個地球類比於電梯，得到了令人瞠目結舌的對宇宙的新知。電梯和宇宙結構之間的關係，就是用跨領域聯想找到深層原理。愛因斯坦有著非同尋常的視覺敏感度，聯想能力與此密切相關。
我們跟小孩對話的時候，幾乎很難將話題保持在同一脈絡上。小孩子總是說到一半，就想起其他相關事物，然後話題就漫無邊際地拓展下去。在孩子小的時候，我們會發現他們很難集中注意力在同一件事情上，思維常常飛跑，這讓我們試圖給他們傳授單一知識的時候感覺非常困難。但實際上，孩子的這種天馬行空的自由聯想是極為寶貴的思想資源。發散的思維不受限製，注意到事物與事物之間的關聯。3—7歲是大腦突觸連接最快速增加的時段，到了小學之後，大腦突觸連接數量逐漸減少，聯想和跳躍的思維也減少，可以更有邏輯地思考，集中精力，但是終其一生，在邏輯思考和跳躍思考之間找到平衡，往往是最有成果的。
習慣化學習vs.重複學習
小孩子總是三分鍾熱度，一件事情喜歡上兩天就不喜歡了。要是人工智能，我們可以讓它念唐詩念上一年也不厭倦，但小孩子能堅持三五天就很了不起了。
我們都知道這是人工智能的優勢，那我們又為什麽說“厭倦”是孩子的優勢呢？
實際上，厭倦來自一種心理學特征：習慣化。習慣化是指：大腦對於新奇的刺激有本能的興奮，人的注意力喜歡追隨新奇刺激，一旦一個新鮮信息變得習慣了，大腦就感到厭倦，不再加以注意。嬰兒身上就展現出這種特征，心理學家給三四個月大的嬰兒看屏幕上的畫，如果是他覺得奇特的，他就目不轉睛盯著看，如果是已經看得習慣的畫，他就不怎麽看了。科學家就是用這種方式測定嬰兒的本能知識。
那這有什麽好的呢？
實際上，習慣化反映了大腦的學習過程。“注意力”是大腦的稀缺資源，大腦總是要把注意力“投資”在最值得的地方。一旦一個知識學會了，融入了自己的知識框架，大腦就要把注意力投資到其他地方。習慣化實際上就是學會之後的注意力轉移。這種習慣化也正是形成“常識”的過程。大腦有常識體係，一旦一個信息是“反常識”的，大腦就加以注意，新知識變成常識的一部分之後，注意力就向其他新知識轉移。
大腦注意力永遠向新異信息轉移，這種傾向實際上是創新的本能。
人工智能學同樣的知識、做同樣的練習，永遠都不會厭倦，好處固然是永遠可靠地工作，但問題在於，如果注意力永不厭倦地放在已經學會的知識上，還有什麽動力去學習新知識？有很多人說，人類大腦的“自動化”過程是一種懶惰，但實際上，它是“自動化”舊過程，以便搜索新信息。大腦就是在學習與搜尋的過程之間永恒切換。這是創新的推動力。
如何才能讓孩子堅持一件事呢？如果“厭倦”是好的，孩子豈不是永遠缺乏堅持毅力？最好的教學節奏，是讓孩子在一件事情上，總能找到新的趣味和挑戰。就好比難度階梯合適的遊戲，總不會太難，也不會簡單枯燥，內容有樂趣，而且跟著孩子的水平不斷拋出新挑戰。每次習慣化發生之後，就有下一關的冒險。這種合適的節奏，常常不容易找到。因此，好老師始終是至關重要的（未來人工智能技術輔助教學也有幫助）。
試錯學習vs.優化學習
小孩子會犯錯，甚至會故意犯錯。人工智能學習的過程，實際上是在尋找最優解。它也會小步試錯，但最終目標始終是尋找解空間的全局最優。它不斷根據最終的答案調整步驟，直到所有參數都有利於獲得最佳答案。人工智能計算永遠都是可靠的，每次提出同樣的問題都得到同樣的解答，如果不特意安排它出錯，它不會出錯。
小孩子的思路走不了那麽遠，他更多是從現狀出發，東試一下，西試一下。有的時候，嚐試的過程中他發現了另外的問題，有的時候給出另外的答案，不一定是最優解，但有時候帶來新的洞見。另外一些時候，他故意做錯，隻是覺得按照另一種方式做更有意思。例如你讓他用積木按照圖紙搭一座高塔，他在搭的過程中，發現塔可以斷成兩截，再連接成一座橋，於是就把搭高塔的計劃忘記了，開始搭橋，然後又建房子。
故意犯錯很多時候是在體驗自主的樂趣。有時候犯的錯誤需要糾正，例如2+2不等於5，但也有更多時候，錯誤沒有任何關係，它隻是開啟了另外一道門。當孩子把玩具的盒子戴在腦袋上當帽子，誰知道是不是像法拉第錯誤掉落的線圈、導致電磁學的重大發現呢？
人類最獨特的學習方式
上麵一口氣講了很多特點，可能大家也累了。
現在說一點輕鬆的話題：你知道孩子為什麽都需要偶像嗎？
這涉及人學習時的心理機製。你回憶一下，在自己成長的過程中，有沒有這樣的時候：自己想做什麽的時候，頭腦中不由自主地想到父親或者母親會說什麽，不由自主地想到父母批評或者反對的聲音，不由自主地在頭腦中跟假想的父母對話或反駁？
或者，有沒有這樣的時候：因為特別喜歡一個老師，就很喜歡他/她教的那門課，因為特別不喜歡一個老師，就不喜歡他/她教的那門課？
這兩種現象都是特別正常的人類心理特征，涉及一個心理機製：依戀學習。
最初注意到這一點，也在“人工智能之父”馬文·明斯基的作品《情感依戀》中。依戀學習是人類學習過程最奇妙的一點。它非常不同尋常，看似不合理，但仔細想來卻非常合理。依戀學習最主要的特征是：學習的過程跟隨情感依戀。
先來說說依戀。
依戀是每個人與生俱來的情感關係，一般早期是母嬰關係，一兩歲之後，小孩也會與家庭其他成員建立依戀關係。建立起心理依戀關係的人，是孩子內心安全感的來源。依戀有一點像小動物身上觀察到的“印刻”，小鴨子生下來最早見到哪個成年鴨子，就會“印刻”對它的依戀，從此一直跟著它走。就像是在《仲夏夜之夢》裏麵提到的那種魔力藥水，喝了它，會愛上醒來之後見到的第一個人。
安全依戀是對愛的相互確認。嬰兒確認自己愛媽媽，媽媽愛自己，確認跟著媽媽就不用害怕，這是他後麵麵對世界時心裏安全感的來源，因為他敢於信任另一個人。一歲時候的安全依戀測試結果若是健康，成年後的自我成就、婚姻幸福的概率就更大。
我們的一大特點是，內心依戀的人會變成頭腦中的意象，非常在意他/她說的話，哪怕不在身旁，也時常想起他/她的態度，作為自己的依據。違抗他/她會讓我們內疚。
從信息與學習的角度看，依戀是標記特殊信息源。
機器學習知識分兩大派別，程序員輸入現有知識，或者讓機器自己從數據中摸索。深度學習是自己摸索。人類學習知識是兩種結合，嬰幼兒時，父母給我們灌輸的一般是人類已經形成慣例的知識，例如這是桌子，這是椅子，飯前洗手，出門坐車。這樣以確保我們每個人不用從人類鑽木取火的知識開始全靠自己發現。除此之外，父母還會給我們他們的價值觀，他們對周圍人事的判斷都會成為我們初期判斷的起點。“掉地上的東西不能吃。”“你要謙讓小朋友。”等等。除此之外，孩子也進行大量自我探索，自己總結規律。
對機器而言，大數據輸入的信息源，權重都是等同的。但人生活在一個由許多人組成的複雜世界中，每個人給小孩子輸入的信息都不相同，價值觀更是千差萬別。小孩子如何篩選和處理這麽多信息源的輸入？
答案就是，小孩子給自己的依戀對象賦予極高權重。媽媽爸爸說的話，可信程度最高，也許在小孩子的世界裏權重超過90%。學校裏、街邊的人說的話都存疑，和媽媽爸爸說的話做對比。即便是媽媽爸爸不在身邊，也隨時裝載著他們的畫麵，頭腦中的媽媽爸爸會跳出來說話。成長的整個過程中，孩子也會把自己依戀的人的形象放在心裏，隨時參考。
而另一方麵，父母對孩子也有天然的依戀。荷爾蒙和其他神經指標，都讓父母對孩子在生命的最初兩年全然投入去愛。這樣的雙向依戀，保證了父母對孩子的輸入是最可靠的。
在信息泛濫的世界中，對特定信息源賦予長期穩定的權重，不容易被隨便的路人把自己的知識和信念帶偏。如果隨便是誰都能篡改人工智能的知識和信念，那遇到特殊的用戶，給人工智能輸入搶銀行的數據，讓人工智能學習搶銀行也很容易。
也許有人會說，這有什麽難度，不就是記住出廠設定，不允許篡改嗎？不是這麽簡單。現在的軟件都是記住出廠設定，不允許用戶篡改，於是所有的改進都需要程序員再出2.0、3.0版本。未來如果人工智能出實驗室之後不允許新的學習，那和現在的軟件沒什麽區別，也無法滿足用戶和環境需求。如果允許在外界信息世界中學習，那就必然要根據用戶輸入的信息修改自身的知識和信念。這就意味著可以被任何人利用做任何事。
如何抉擇，如何平衡？如何讓人工智能擁有新的獨立學習，還不至於和程序員的初設定背道而馳？
人類是如何做的呢？那就是叛逆和依戀的相互平衡。
人類兒童天性具有叛逆機製。從“可怕的兩歲”開始，孩子就不斷要求獨立，要求自己對自己做主，要求自己的主張被采納。這種對“自主”和“自我肯定”的渴求，是人類與生俱來的本能，也是獨立人格發展的開端。
叛逆是人工智能目前做不到的“覺醒”。
從兩歲開始的每個認知發展跨越，都會伴隨著孩子對父母的叛逆。叛逆本質上是對獨立的要求，叛逆的強度會根據父母給予的獨立空間大小和孩子的個性有所不同。小學時候開始獨立社交，中學時候開始選擇人生偶像和人生理想，大學時候開始選擇生活軌跡，所有這些時候，都會伴隨著要求獨立的叛逆主張。有時候會和父母有尖銳對抗。
但與此同時，人類兒童的叛逆，絕不同於智能程序遺忘初始信息。目前的智能程序網絡學習了新數據新領域新知識之後，就會覆蓋掉原有的知識和能力，不會再留戀初始的網絡。但人類兒童又不一樣，之所以叛逆的過程會伴隨著內心的痛苦焦慮，就是因為孩子的叛逆並不同於簡單放棄父母的信念，而是伴隨著自我的掙紮猶疑。如果叛逆等於遺忘，那很平靜，但叛逆實際上代表著選擇。即使很長時間不在父母身邊，父母的形象都可能在心裏，孩子的頭腦裏還是會縈繞著父母的話。
於是，人就是這樣麵對“初始信念”和“大數據學習”之間的矛盾，既不輕易放棄父母的初始輸入，也不拒絕外界信息的改變。好處是父母給的信息一般是出於愛，最安全可靠，而外界的信息更廣闊，更跟隨變化。任何兩難選擇才伴隨內心痛苦，叛逆也不例外。
此外，孩子還會在每個階段選擇新的“依戀對象”，那就是偶像、有感情的師長、愛人。這些依戀對象的話語對孩子的影響力也遠超過周圍其他人，相當於賦予極高權重的信息源。我們對於我們心裏選擇的“依戀對象”，也像對父母那樣，生成一個心理意象，遇到了事情，會假想他們怎麽說，會拿他們的話去套用新的場合，會極為在意“我這麽說他會不會生氣”“他會支持我走這條路嗎”“這個作品他會喜歡嗎”。
這個過程常常充滿坎坷。我們從依戀對象身上獲得的不僅是信息，也是人際關係革新。每一次的依戀對象選擇，對於人都既是情感過程，也是人生學習過程。
為什麽要這樣？人類的學習為什麽要用這種磕磕絆絆的方法？不能像人工智能那樣，隻單純客觀地處理數據嗎？
說到這裏，要說幾句貝葉斯學習。
一直都沒說貝葉斯算法，是因為在目前的人工智能前沿領域，貝葉斯不算是最主流的。但我一直都認為貝葉斯學習是對人類學習刻畫得最好的學習算法。
貝葉斯算法的核心，說起來就是一句話：先驗概率，後驗檢驗。用普通人能聽懂的話說，就是“心裏先抱著一個信念，再根據發生的事情調整信念”。例如“我相信大海是紅色的”，這是信念，然後去海邊看看，發現不是紅色的，就把這個信念拋掉。
有的時候，人能明智地調整信念，根據事件，放棄掉之前的信念，但更多的時候，我們會用之前的信念解釋事情。舉個例子，如果心裏的信念是有鬼存在，然後有一次有東西莫名其妙丟了，就把這個事件當作是“有鬼”這個信念模型的確認。很多時候，心裏事先抱定的信念模型非常重要，它會決定我們如何看事情。
而選擇“依戀對象”，實際上就是孩子選擇自己心裏的先驗模型。此後的人生，孩子會不斷拿這個信念去套生活，有的信念會被拋棄，但更多會保留和加強。選擇偶像並不是錯，如果能夠選擇好的“依戀對象”，就相當於選擇了一套合適的信念模型。
未來我們該如何教育和學習？
前麵寫了許多內容，匯集到一起，在未來的智能時代，對我們的學習和教育而言最重要的大概有四點：
·情感聯結
·基礎抽象思維
·世界觀建立
·創造力發展
我們再簡單看一下這幾個方向，我大致談一下我覺得必要的教育和學習方式。
情感聯結
情感聯結的意義，我們在有關“依戀學習”的部分已經提到過了。人類特有的依戀學習，讓人將依戀對象變為心理意象，他們輸入的信息權重會特別大。
情感加持是人類學習特有的本能，缺少情感聯結的學習很難入心。一歲之前是建立安全依戀關係的重要時段，12個月時的安全依戀測試就已經對成年後的行為有一定預測能力。建立安全依戀關係的孩子更容易形成穩定的自我認知，更能積極勇敢地探索世界。安全依戀讓孩子充分信任父母，並且從父母身上獲得最初的信念。孩子對父母的安全依戀關係將使得他們內化父母的形象，從而高效地獲得對世界的穩定認知。
根據心理學研究，最重要的影響依戀關係的是互動的敏感性。在嬰幼兒早期，飲食起居的照顧固然是重要因素，但是比單純吃穿供應更重要的是，是對嬰幼兒發出信息的敏感度，當嬰幼兒對世界發出信息，成年人最及時準確的回應，是嬰幼兒與這個世界建立精神聯係的主要來源。母親對嬰兒喂奶的回應是其中一種，對嬰幼兒情緒、行為和語言的回應也是建立聯結的重要因素。若長期處在無人回應的狀態中，如處在孤兒院中，即使食宿得到了照顧，嬰幼兒的認知和自我認知的發展仍然出現障礙和滯後。
在人工智能時代，理解他人的情感和思想將是重要的能力需求，而理解他人的能力也需要親子情感聯結作為基礎。嬰幼兒最早的共情能力，出現在9個月左右的眼神跟隨，母嬰互動或者與其他看護人的情感互動，對於孩子發展自我認知和認識他人的能力至關重要。人工智能可以取代各種數據分析工作，但是它們取代不了懂得體察他人情感內心的人。
情感陪伴對孩子的意義，在未來時代會格外彰顯出來。孩子理解世界和他人的基本模型，源自孩子和家人互動的基本模型。我們讓他們理解情感，他們才能理解世界的情感。
基礎抽象思維
人工智能可以做到符號與符號的連接，而人類能做到真實世界與符號的連接。這種能力就是抽象思維。且不說未來我們能不能教人工智能學會理解真實世界，隻說另一麵，我們如何讓人類的孩子理解真實世界和符號的對應，對於人類智能發展十分關鍵。
人類的知識，建立於各種真實感覺到符號之間的對應。對物理世界的理解，和數學符號對應；對人情世故的理解，和文字符號對應；對情感和美的理解，和藝術符號對應。每一種對真實世界的感觸，都和一種符號表達對應。對人工智能來說，理解符號世界是很容易的，理解真實世界是很難的。對人來說恰好相反，人有很強的直覺理解真實世界，但是對於符號世界的理解就有困難。而對雙方都難的，是建立真實世界與符號世界的對應關係。
人類的學習，重要的是對符號係統的基礎理解。
對符號係統的基礎理解，是指對文字和數學符號的抽象認知。人類對口語和物理世界的感知是本能，來源於千百萬年的物種進化，大腦中都有相應的感知模塊。但是正如最著名的心理學家斯蒂芬·平克所說，所有人都有語言和物理感知的本能，但是沒有閱讀和數學本能。對文字和數學的認知隻是最近幾千年的事情。這是文明進化，大腦中的結構進化並沒有跟得上，一直到最近幾十年才通過教育消除文盲。因此所有（正常）人都會說話和運動，但如果不經過正規學習和訓練，人類就學不會閱讀和數學。
在任何時代，學習都是有必要的，在智能時代更需要智能的提高。有一種說法是，人工智能時代，機器代替我們去做所有智力計算的事情，人類不再需要學理科了，隻有彈琴、寫詩、畫畫，才能和機器不同。這其實是沒什麽道理的說法。實際上機器現在也能彈琴、寫詩、畫畫，人類這些領域如果隻是拚工匠精神，也是拚不過機器的。未來的職業需求，越是智能的時代就越需要高智能人才。其中最基礎的能力，就是理解抽象符號，能用符號表達真實的感覺。彈琴、寫詩、畫畫，如果是機械重複也是沒前途的，需要理解藝術語言背後的真實審美。
學習閱讀、數學和藝術語言要費力氣，難就難在抽象。但如果突破了這一關，能用文字、數學和藝術符號思考，能將符號與世界進行聯係認知，人的智能層次就突飛猛進。孩子進行係統性正規學習仍然是必不可少的，僅僅用身體和直覺感知世界，很難進入人類智能世界的舞台。
在兒童早期，我們讓他們發展文字、數學和藝術能力，重要的不是讓他們直接學習符號，而是讓他們建立符號和真實世界的對應。對於文字，相比識字，更重要的是認知事物與文字之間的對應。對於數學，相比背數和口算，最重要的是讓他們感知數形對應，也就是物體和數字之間的關係。對於繪畫，相比臨摹，最重要的是讓他們感覺手中的顏料可以表達世界、表達內心想法。引導兒童閱讀，最重要的意義也就是讓他們感知到文字中蘊含的世界。
世界觀建立
孩子與人工智能相比最大的優勢就在於孩子的常識係統。一個三歲孩子都知道塑料袋可以在空中飛，小車在下坡路上比上坡跑得更快。同樣，三歲的孩子還知道做了被禁止的事周圍的人會有什麽樣的反應。所有這些對世界和他人的常識認知，人工智能都覺得很難。常識係統源於大腦綜合加工信息的能力。
對常識係統的升級就是對世界的常識認知，也就是世界觀。對這個世界自然係統的知識、社會構成的知識、國與國關係的知識、人類發展曆程的知識，都會變為一個人的常識係統，而後續的所有學習和判斷，都建立在這樣一個知識的背景舞台上。人的學習有怎樣的高度，除了學習本身的勤奮程度，還在相當大程度上與這個背景舞台相關。就好比你能登上的山峰，除了與你自身走的步數相關，還與你起點的高度密切相關。
常識係統的建立，包括物理常識係統和知識世界觀。
一歲到三歲之間，我們可以盡量讓孩子用所有感官認識世界。這段時間是孩子通過身體感官和頭腦對周圍的整個世界進行建構。這個過程對人來說很容易，人工智能卻難以做到。這段時間需要充分用身體探索世界，需要大量語言交流。最終，孩子將周圍社會生活轉化為內心的常識基礎，在這樣的常識基礎上，人開始真正有意義的語言交流。
3—7歲，可以多讓大腦的認知和聯想擴大範圍，建立對世界的綜合認知。大腦中的突觸數量從兩歲之後大量增加，到7歲達到人生的頂峰，此後開始逐步“剪除”無用的神經突觸連接，最終達到穩定。這段時期是孩子對世界的好奇心和知識吸收能力最強的時期。3—7歲，孩子天馬行空的聯想也是最多的。真實和虛幻交織的想象力、噴薄而出的對萬物的好奇、一日千裏地對新知的快速吸收，都讓他們迅速擴張自己頭腦中的知識譜係。人工智能隻能是專業領域的工具天才，但是人類可以對所有領域綜合理解，可能和人類大腦神經突觸的自由連接和生長有關係。跨界聯想和觸類旁通是兒童獨特的優勢，這段時間適合讓知識領域向四麵八方延伸。
再長大一些，可以讓孩子盡可能多地參與社會生活實踐，從旁觀世界到進入世界，在行走天下的過程中獲得參與性世界常識。
對世界的綜合理解能力，需要有係統視角的通識教育。重要的不是記憶所有學科領域的知識碎片——人類不是維基百科，也拚不過維基百科——而是知道如何安放和調取這些知識。這就需要有層次、有關聯的知識體係。人工智能能記憶所有的碎片，但是難以組合成有意義的圖景和故事，遇到事情也缺少調用的能力。世界觀不是知識庫，而是從高處看待知識的視角。
創造力發展
未來人與人工智能相比，最大的競爭優勢莫過於創造力，包括對知識的創造性理解和對知識的創造性應用。
對知識體係的創造性理解，是所有學習中最重要的一環。創造性理解的意思是，敢於對知識進行質疑、重組、搭配和延展，敢於挑戰和重建現有知識，敢於靈活運用知識，去分析、去解決問題。知識是孩子的樂高積木，他們可以充分信賴自己運用知識的能力，用知識搭建出頭腦中最鮮活的花園，而不隻是猜測老師想讓自己如何安裝知識。如果是具有確定答案的問題，機器學習幾秒之內就能學到很多，但是它們沒有能力去創造、去設計。因為它們頭腦中沒有藍圖、沒有想象、沒有預期、沒有宏觀審視、沒有反事實思考、沒有審美、沒有跨出經驗數據的冒險精神，也沒有創造的愛和熱情。
對世界的創造性理解能力，需要有對創造性嚐試的鼓勵性的態度和環境。有人擔心知識束縛創造力，寧願讓孩子躲在遠離知識的荒野中，但實際上這是多慮了。我們看到，世界上最具有創造力的人物，往往是從小知識淵博，但又具有靈活的思維。例如“阿爾法狗”的創始人哈薩比，從小是國際象棋高手，9歲學編程，長大後學習計算機和神經科學，很年輕就拿到博士學位。如此沉浸在知識學習中的優秀學生，在改進人工智能算法方麵，有著異常活躍的創造力。想讓孩子有創造力，完全不必對知識的學習產生恐懼。
唯一扼殺創造力的，就是扼殺創造力。這並不是無意義的同義反複。好奇心和想象力是人人都有的創造的基礎。很多時候，父母和老師對創造力采取了壓抑的態度，還並不知曉。對“唯一正確性”的過度強調，對循規蹈矩的過度認可，對錯誤探索的過度批評，才是壓抑孩子創造力的最大阻礙。成年人對事物的按部就班和井井有條有著超乎尋常的執拗，其中也把孩子作為“井井有條”的一部分。然而孩子是一個向著四麵八方隨機探索的、充滿可能性的魔法泡泡，他們在突破可能的邊界。這個時候，父母最好的方式是鼓勵和跟隨。
父母和師長的情感支持對孩子發展創造力至關重要。父母和師長可以傾聽孩子的想法，提問、鼓勵回答、順著孩子的思路進一步深入探尋，以問題加深孩子的思考，幫助孩子動手實踐自己的想法，支持他的創意，分析他的設想，教給他方法和手段，但不以此來約束孩子的探索。
對知識的創造性應用的培養，就是建立創造性應用知識的機會。關於創造力的“投資”理論表示，創造力與智商的關係很弱，但是與認知風格關係緊密。所謂認知風格，就是是否敢於冒險，是否願意把時間投入創造性活動，是否能投入全心熱愛的有興趣的領域。認知風格與從小父母師長的支持性環境相關性很大。我們需要給孩子創造性的任務，讓他們自主選擇方法、自己試錯、把自己的想法付諸實踐，而成年人給他們工具和方法，但不束縛他們的方向選擇，這種創造性項目製學習，是生活與學校中都可以應用的教學方法。
我們自己和孩子在未來時代的學習和教育，說難也難，說簡單也很簡單。
我們要把人類認知發展中最獨特寶貴的優勢發揮到最大，綜合學習各個領域，以創造性思考為學習引導。人類相比人工智能而言，仍然有許多優勢，有許多未解的秘密。我對人類的潛力充滿信心，對孩子充滿信心，這是我做童行計劃教育項目的初衷和長久的願景。
——[法]帕斯卡爾
人類的成就，從金字塔到登月，都是常識和創造力的集合。人類水平的人工智能隻有同時具有常識和創造力，才能取得這種水平的成就。
——[英]穆裏·沙納罕（deepmind首席科學家）
終於討論完那些理論的部分了，現在咱們一起說點更現實的話題：在人工智能時代，我們以及我們的孩子應該如何學習。
事實上，人工智能未來發展成什麽樣，可能很多人不關心，或者說隻看看電影就夠了，但人工智能時代的人怎麽辦，這是關係到生活的重要問題。
幾乎可以肯定的是，人工智能技術在很近的未來就會威脅到人類的工作。
我曾經采訪人工智能領域的十來位專家，未來人工智會取代多少人類工作？各個專家的估計有一定差別，但共識是：在未來的10—20年，隨著機器學習快速發展，人工智能會在各個領域大麵積使用，目前的重複性勞作、簡單的腦力和體力勞動，未來交給人工智能去做的可能性是很大的。
具體有多少工作會被取代還說不清，白宮的報告給出的數字是當前工作的47%，麥肯錫的報告估計是49%，siri的創始人之一諾曼·溫那斯基估計的數字是70%。即便按最低估計看，也有近一半工作受到威脅，不可謂不嚴重。
我之前的小說《北京折疊》預測了機器人取代人類勞動造成的社會影響，但是這篇小說是2013年寫的，並未完全預測到技術發展的方向，我當時以為受衝擊最大的是底層勞動力，但實際上，按照目前的技術趨勢看，反而是初級和中級白領工作最容易被取代。底層勞動力隻有工廠工人容易被取代，服務業的底層勞動力反而很難被取代，因為機器人的靈活性不如人，非標準工作環境會讓機器人無所適從。但是相對而言，很多白領工作因為工作環境簡單、工作內容重複、基本上是與數據和文檔打交道的工作，很適合人工智能去做。可以說未來隻要是標準化、重複性工作，多數都可以交給人工智能來做。
當我們的孩子們長大踏入職場，他們麵臨怎樣的生存環境？
就我個人而言，我不讚成太具體的預測。可以肯定的是，未來十年到二十年的市場和技術環境，肯定和我們今天非常不同。像我自己，是20世紀80年代生人，80年代當我們上幼兒園的時候，我們的父母是肯定預測不到今天移動互聯網企業的發展方式的。
我們隻能很泛泛地說，未來世界的工作生活必然比現在的智能程度高。不管人工智能是否大量取代人類工作，但至少肯定會成為一種基礎的社會環境。如果不能與智能社會同步發展，就像今天還不會上網一樣，肯定是落伍的。
如果真的出現大量工作被取代的情景，可以預測，未來的工作需求將是兩極分化的。在人工智能可以取代的工作領域，工作機會會越來越少，人員會冗餘，職業收入也會越來越低。相反在人工智能無法取代或者說全新的就業崗位上，工作機會越來越多，人才越來越搶手，工資收入也會越來越高。人的能力屬性屬於新時代還是舊時代，將對收入水平產生重要影響。
那麽我們該怎樣讓自己和孩子做好準備呢？
在這個問題上，我不希望讓父母們感到焦慮。一說到“做準備”，父母們可能會一下子緊張起來，陷入新一輪焦慮。但是這一次，很可能我們焦慮也沒有用。
我們沒有辦法在專業學科和技術能力上提早布局——事實上，提早布局有可能適得其反，因為技術的更新換代和轉向是非常迅速的。即便是未雨綢繆，讓小孩從小學編程，但最後的結果可能就像我們小時候學basic——程序語言，過時的速度是很快的。
我們也沒有辦法給孩子施加危機感和壓力——危機感和壓力能帶來什麽呢？埋頭刻苦和兢兢業業嗎？前麵說過了，隻需埋頭刻苦和兢兢業業的職業，將會大量被更刻苦的機器人取代。我們即使再想把孩子逼成考試機器，他們也比不過真機器。
那我們能走向另一極端嗎？走向反智的極端？既然工作都要被人工智能取代了，那我們就回到野外生活，不要再學習了，仰賴天地靈氣，可好？
我非常不喜歡這樣的反智主義。我們確實需要心靈的成長，但不能做反智主義的逃離。主張遠離科技社會的人說，科技蒙蔽心靈，需要遠離。但這樣的說法其實回避了問題核心。問題的核心是：新科技給我們的心靈提出了更高層次的挑戰。這就好比武功高手遇到的問題，菜鳥並不會遇到。如果退回到狩獵采集的原始時代，確實遠離了那些挑戰，但那不是心靈的勝利，而是逃避了問題。但那有什麽好呢，隻是沾沾自喜。人類的認知發展總是向上攀登，所有問題也都是靠更高層次的認知來解決。科學是站在更高維度看待世界的眼光。不斷攀登山峰，風景總是會逐漸明朗。反智主義不但不能解決心靈的問題，反而自己給自己蒙上眼罩——從此不可能在更高的山峰俯瞰大千世界。這實際上是一種怯懦的逃避。
人工智能時代，我們能做的，就是站到比人工智能更高的山峰。
智能時代需要的能力
那未來我們該如何去做呢？
未來需要的，肯定是三大類能力：與人工智能相處的能力，與人相處的能力，超越人工智能的能力。
與人工智能相處的能力
第一種能力，是圍繞人工智能發展產生的需求，這一個領域要求人能理解人工智能，改進或發展人工智能，或者至少能夠與人工智能工具和諧相處，並利用工具做事，正如今天我們可以借助移動互聯網發展自己的事業版圖。
我們首先要知道，與智能世界相處，基礎思維能力仍然是重要的。
任何時代都需要學習。我並不反對按部就班的基礎教育。實際上今天孩子的學習環境中，從小打下語文和數學基礎，是很好的。智能時代知識技術更新很快，需要的是不斷自我學習的能力，讓自身更新的速度與時代匹配。而自我學習能力，最需要的是良好的自主閱讀能力、抽象思維能力、自我反思能力。閱讀和數學抽象思維不是人類本能，必須通過係統化教育打好基礎，但我不讚成僵化灌輸的教學法。對語言、數學的理解需要更重視基礎思維，而並非簡單記住解題技巧。學習語文、數學，不是學習背誦和計算，而是要理解語言表達的內涵，抽象思維的邏輯。人工智能程序的基礎仍然是語言概念表達和數學邏輯思維。
未來圍繞人工智能會有一係列衍生職業，甚至行業，即使不懂得人工智能背後的技術原理，隻要能充分理解它的應用場景，也仍然可以最大限度利用人工智能工具，改善生活和社會。例如利用人工智能完成營銷和客戶服務，借助人工智能進行市場數據分析，將人工智能用於改善物流或者係統功耗，達到更高效率、更方便快捷的社會生活。
與人相處的能力
第二種能力，是人際溝通領域的需求。以我個人的判斷，在未來很長一段時間，人與人溝通交流仍然是不可取代的一方麵。在前麵的分析中我們看到，即使人工智能進一步大力發展，它們離理解人類世界和人類心思仍然有較大差距，因而不可能完全替代人際溝通。尤其人工智能接管大量基礎單一型工作之後，人與人溝通會是需求更廣的領域，剩下的絕大多數職位和需求可能都集中在需要人與人大量溝通協作的領域。
想要跟得上智能時代的發展，與人溝通的能力會變得越來越重要。
我們可以想象，未來不可能再像過去一樣，一份工作可以一成不變地做一輩子。標準化工作都容易被機器自動化，而非標準化工作，一般都意味著大量不確定性，需要不斷磨合、團隊協作、溝通、修改、隨機應變、相互妥協。例如一個節目攝製組，一些形成慣例的機位攝製可能可以自動化運行，一些基礎腳本和服務工作可以每期交給人工智能，但是每期節目仍然需要大量現場臨時調整、與參與節目的嘉賓溝通、節目本身的創意溝通，人與人協作。未來在情感關懷與陪護、人的社交娛樂方麵，也會有更多基於人心靈溝通的需求。
超越人工智能的能力
第三種能力，是我自己更為看重的，未來更需求的關鍵性能力。也就是做那些人工智能難以做好的事情，給人工智能指引方向。第一類能力隻是圍繞人工智能工具做現有的事，而第三類能力是去開拓人工智能仍然難以做到的事。
在這個領域，我們需要了解，有什麽是人工智能仍然做不到的。這些專屬於人類心智上的皇冠，一定是未來需求最強烈的能力。
什麽是人工智能做不到的能力？
核心中的核心是兩條：世界觀和創造力。
我自己也是琢磨了很久，才把關鍵詞鎖定在這兩個。在前麵的分析中，我們已經看到，有不少能力人工智能目前尚不具備，還需要很長時間發展和算法的突破，才有可能有所進展。這些能力包括常識、抽象思維、跨學科認知、感知他人心思和情感、元認知、對不確定價值目標進行抉擇，等等。將所有這些具體的能力匯集到日常生活工作中，就可以總結為兩點：世界觀和創造力。
世界觀
世界觀是常識的升級，是我們對世界的全景認知。目前，人工智能理解專業性問題已經非常出色，但綜合性問題仍然讓其非常困擾。圍棋人工智能可以下圍棋、醫療人工智能可以看病、金融人工智能可以投資、銷售人工智能可以推銷，然而沒有人工智能可以用同一係統學會兩個領域的事。它們可以從海量專業數據中總結規律，但是回答不出日常生活中的情境問題——日常生活的問題總是涉及跨多個知識領域的綜合常識。而我們人類，對此有天生的本能。我們能夠建構整個世界的模型，把人放在大量背景知識組成的常識舞台上，對其行為加以理解。
常識的升級讓我們具有洞察力和世界觀。各方麵的常識越豐富堅實，相互之間聯係越清晰，你越能一眼看到各個部分的問題，找到係統性解決方案，理解全局局勢，從而判斷出趨勢。這種係統性趨勢理解和基於過去趨勢經驗的外推不同，它是對多領域知識相互關係的理解，根據各部分關係的走勢變化，對整體趨勢做出判斷。如果隻能學習某一模塊內的專業知識，不可能對全局有所把握。這一方麵需要知識，另一方麵也需要經驗和視野。這不僅僅是單純輸入數據能夠做到的。ibm的人工智能“沃森”幾年前就輸入了維基百科的多學科知識，也在知識競賽中打敗人類選手。但是世界觀並不是碎片知識的堆積，世界觀是世界模型。
世界觀讓我們有跨專業的創新能力。我們能夠從物理和生物的結合中做出蛋白質組學，能把音樂領域理論帶入建築設計，能將政治、經濟知識與生活場景對應，最終以波普藝術的方式呈現出產品。構建知識的全景舞台，讓多學科門類知識搭配組合，創建更有意義的事物，這是目前的人工智能難以跨越的一步。
創造力
創造力是生成有意義的新事物的能力。它是多種能力的綜合，一方麵要求理解舊事物，另一方麵能夠想象新事物。對舊有數據的學習和遵循是人工智能可以做的，但是對不存在的事物的想象，人工智能遠遠不如人類。
說有意義的新事物，是因為目前人工智能有一種“偽創造力”，也就是隨機製作或統計模仿。隻要一個程序，就可以隨機生成一百萬幅畫，或者統計暢銷小說中的語詞和橋段，進行模仿和組裝。但這不是有意義的創造，它們不懂它們創造了什麽。
真正的創造力不是這樣。真正的創造力是對問題的深刻洞察，提出與眾不同的全新的解決方案，或是對想象的極大拓展，讓奇思妙想轉化為可實現的全新作品，或是對人性的複雜領悟，把人心不可表達的感觸轉化為可表達的感人藝術。沒有深刻的理解和敏銳的感受，就沒有真正的創造力。創造力仍然是人類獨特的能力，它需要太多人類特質做基礎：審美能力、獨特的聯想能力、敏銳的主觀感受、冒險精神、好奇心和自我決定，發散思維和聚合思維的切換，最後，還需要對事情強烈的熱愛。
創造力讓人不斷拓展自身的邊界。在越來越大的版圖中，隻有慣例的事情交給機器做，人類永遠能在新大陸找到存在空間。有創造力的人越多，新版圖就越大，能夠容納的人就越多。但進入的前提是，需要具備創造力。
人類學習有什麽特點？
“那我們如何獲得未來所需的能力呢？”
我知道大家的第一反應肯定是這樣。提到了能力，就要說如何獲得。但在談路徑之前，我想先聊一聊，人類是如何學習的。隻有了解了人類學習的獨特性，才可能知道未來我們如何去做。
人類學習的最精華特點，凝結在孩子身上。
人工智能時代，當我們越來越熟悉機器學習，我們也就越來越對孩子的學習充滿驚歎。我有時候在家觀察孩子的行動，聽她議論周圍的世界，會對她展現的領悟力感到歎為觀止。孩子是造物的奇跡，他們用神奇的表現，一次次讓科學家感到不可思議。而如果沒有和人工智能對比，我們可能還察覺不到這種不尋常的能力。
傳統教科書上隻說如何用獎懲實現教育，隻探討課堂的教學法，但實際上，兒童的學習遠遠超越課堂範圍，普通的獎懲也無法限製他。兒童的學習從嬰兒期就開始，一直持續到成年，甚至終身。與人工智能的學習方法相比，孩子的學習有一係列非常獨特的學習特征。
總體而言，小孩子和人工智能相比，有下麵幾個明顯的特別優勢：
以偏概全；
走神；
厭倦；
出錯；
依賴情感；
叛逆。
我先帶大家看一下，為什麽這些特點是人類小孩的優勢。
小數據學習vs.大數據學習
孩子是小數據學習。與人工智能對比，小孩子的學習能力高效得驚人。人工智能學習認鴨子，需要看數百萬張鴨子的圖片，小孩子隻需要看兩三張就夠了，下次就能認出來。而且不僅僅是生活中有可能出現的熟悉的事物，小孩子看圖片認袋鼠、考拉——北半球的小孩子可能從來沒機會見到真的——也是一樣高效。
這種能力，可能就和前文提到過的“抽象認知”能力相關。人類記住某些事物，是以非常抽象的方式提取關鍵特征，記憶成“模式”。這是如何做到的，現在還是謎。預言學家雷·庫茲韋爾猜想，人類記憶“模式”是存儲在大腦的三億個柱狀結構中。且不管他的猜想是不是正確，我們隻要知道人類的這種模式識別能力的強大，就足以發出感歎。
到目前為止，計算機“深度學習”仍然需要海量數據，人工智能對每一件事的學習都要有足夠多的數據支持。因而很多人說“未來最寶貴的資源將是數據”，如果得不到足夠的數據，人工智能就很難發展。對於一些有海量現存數據的領域，這是自然而然的事情，例如金融、醫療，但是人類社會生活還是有諸多領域缺乏足夠多的數據記錄，人工智能一時就很難習得。對人情世故的理解也往往受限於數據。人類擁有“從經曆中學習”的能力。當一件事發生，作為單一的事件數據，人類就能學習到很多規律。在事件學習方麵，人類不僅不需要很大的樣本數據，就可以“吃一塹長一智”，甚至是可以超額學習，也就是“舉一反三”。
每個孩子都是“一葉知秋”學習者，小時候，我們都能觀察到他們胡亂總結生活規律。一兩歲的小孩就可以總結“這樣扔東西奶奶會笑”的規律。這樣的壞處當然是“以偏概全”，但實際上，我們需要珍惜他們的這種特性。因為這正是他們在用強大的“模式提取”思考方式進行小數據學習，試圖從生活小數據中提取寶貴的知識。
我們應該鼓勵孩子們的思索，“以偏概全”也可以轉化為優點。若想避免“以偏概全”，可以讓他們看到更多、經曆更多、體驗更多，但是思考和總結的能力是千金不換的。
聯想學習vs.邏輯學習
孩子的思考總是充滿聯想跳躍。我們通常認為走神是缺點，但其實也是優點。人工智能學習一個領域的知識，會局限在這個領域內，按照這個領域內的數據，尋找相關聯係，尋找因素之間的相互影響。如果存在邏輯規則，人工智能學習毫無難處。人工智能在一個領域內得到的知識很難聯想或類比到其他領域，因為它們並不具備多個領域的知識記憶。
人類的語言裏充滿類比和聯想。當我們說起時代變化，我們說“風起雲湧”的時代，表明時代的劇烈變化；當我們說起事態嚴重，我們說“山雨欲來”，暗示即將有大變化。天氣和我們討論的政治經濟趨勢毫無關係，但是所有的這些比喻之所以能成立，是因為人能注意到事物背後相似的部分，這些相似性也很抽象，如風雲的變幻感和趨勢感，這種相似性人工智能難以想到或理解。
類比並不僅僅是文學修辭，它是我們的思維方式，在知識領域同樣有用。我們從前經常批判“廉價的類比”，感覺類比並不是真知，隻是人們大腦胡亂的關聯。但實際上，我們的知識發展很大程度上是靠類比和聯想。邏輯演繹能保證我們在一個領域內推導出真知，但是根據哥德爾不完備定理，一個領域內總有一些基礎公理是不能自我推導的。這就是說，每個領域至少有一些基本假設，要“無中生有”，而“無中生有”的來源，往往是從原有的領域類比而來。
有價值的類比實際上是發覺深層的結構，外在的信息無關，不意味著深層的機理無關。愛因斯坦的廣義相對論，由自由落地的電梯類比而來，把整個地球類比於電梯，得到了令人瞠目結舌的對宇宙的新知。電梯和宇宙結構之間的關係，就是用跨領域聯想找到深層原理。愛因斯坦有著非同尋常的視覺敏感度，聯想能力與此密切相關。
我們跟小孩對話的時候，幾乎很難將話題保持在同一脈絡上。小孩子總是說到一半，就想起其他相關事物，然後話題就漫無邊際地拓展下去。在孩子小的時候，我們會發現他們很難集中注意力在同一件事情上，思維常常飛跑，這讓我們試圖給他們傳授單一知識的時候感覺非常困難。但實際上，孩子的這種天馬行空的自由聯想是極為寶貴的思想資源。發散的思維不受限製，注意到事物與事物之間的關聯。3—7歲是大腦突觸連接最快速增加的時段，到了小學之後，大腦突觸連接數量逐漸減少，聯想和跳躍的思維也減少，可以更有邏輯地思考，集中精力，但是終其一生，在邏輯思考和跳躍思考之間找到平衡，往往是最有成果的。
習慣化學習vs.重複學習
小孩子總是三分鍾熱度，一件事情喜歡上兩天就不喜歡了。要是人工智能，我們可以讓它念唐詩念上一年也不厭倦，但小孩子能堅持三五天就很了不起了。
我們都知道這是人工智能的優勢，那我們又為什麽說“厭倦”是孩子的優勢呢？
實際上，厭倦來自一種心理學特征：習慣化。習慣化是指：大腦對於新奇的刺激有本能的興奮，人的注意力喜歡追隨新奇刺激，一旦一個新鮮信息變得習慣了，大腦就感到厭倦，不再加以注意。嬰兒身上就展現出這種特征，心理學家給三四個月大的嬰兒看屏幕上的畫，如果是他覺得奇特的，他就目不轉睛盯著看，如果是已經看得習慣的畫，他就不怎麽看了。科學家就是用這種方式測定嬰兒的本能知識。
那這有什麽好的呢？
實際上，習慣化反映了大腦的學習過程。“注意力”是大腦的稀缺資源，大腦總是要把注意力“投資”在最值得的地方。一旦一個知識學會了，融入了自己的知識框架，大腦就要把注意力投資到其他地方。習慣化實際上就是學會之後的注意力轉移。這種習慣化也正是形成“常識”的過程。大腦有常識體係，一旦一個信息是“反常識”的，大腦就加以注意，新知識變成常識的一部分之後，注意力就向其他新知識轉移。
大腦注意力永遠向新異信息轉移，這種傾向實際上是創新的本能。
人工智能學同樣的知識、做同樣的練習，永遠都不會厭倦，好處固然是永遠可靠地工作，但問題在於，如果注意力永不厭倦地放在已經學會的知識上，還有什麽動力去學習新知識？有很多人說，人類大腦的“自動化”過程是一種懶惰，但實際上，它是“自動化”舊過程，以便搜索新信息。大腦就是在學習與搜尋的過程之間永恒切換。這是創新的推動力。
如何才能讓孩子堅持一件事呢？如果“厭倦”是好的，孩子豈不是永遠缺乏堅持毅力？最好的教學節奏，是讓孩子在一件事情上，總能找到新的趣味和挑戰。就好比難度階梯合適的遊戲，總不會太難，也不會簡單枯燥，內容有樂趣，而且跟著孩子的水平不斷拋出新挑戰。每次習慣化發生之後，就有下一關的冒險。這種合適的節奏，常常不容易找到。因此，好老師始終是至關重要的（未來人工智能技術輔助教學也有幫助）。
試錯學習vs.優化學習
小孩子會犯錯，甚至會故意犯錯。人工智能學習的過程，實際上是在尋找最優解。它也會小步試錯，但最終目標始終是尋找解空間的全局最優。它不斷根據最終的答案調整步驟，直到所有參數都有利於獲得最佳答案。人工智能計算永遠都是可靠的，每次提出同樣的問題都得到同樣的解答，如果不特意安排它出錯，它不會出錯。
小孩子的思路走不了那麽遠，他更多是從現狀出發，東試一下，西試一下。有的時候，嚐試的過程中他發現了另外的問題，有的時候給出另外的答案，不一定是最優解，但有時候帶來新的洞見。另外一些時候，他故意做錯，隻是覺得按照另一種方式做更有意思。例如你讓他用積木按照圖紙搭一座高塔，他在搭的過程中，發現塔可以斷成兩截，再連接成一座橋，於是就把搭高塔的計劃忘記了，開始搭橋，然後又建房子。
故意犯錯很多時候是在體驗自主的樂趣。有時候犯的錯誤需要糾正，例如2+2不等於5，但也有更多時候，錯誤沒有任何關係，它隻是開啟了另外一道門。當孩子把玩具的盒子戴在腦袋上當帽子，誰知道是不是像法拉第錯誤掉落的線圈、導致電磁學的重大發現呢？
人類最獨特的學習方式
上麵一口氣講了很多特點，可能大家也累了。
現在說一點輕鬆的話題：你知道孩子為什麽都需要偶像嗎？
這涉及人學習時的心理機製。你回憶一下，在自己成長的過程中，有沒有這樣的時候：自己想做什麽的時候，頭腦中不由自主地想到父親或者母親會說什麽，不由自主地想到父母批評或者反對的聲音，不由自主地在頭腦中跟假想的父母對話或反駁？
或者，有沒有這樣的時候：因為特別喜歡一個老師，就很喜歡他/她教的那門課，因為特別不喜歡一個老師，就不喜歡他/她教的那門課？
這兩種現象都是特別正常的人類心理特征，涉及一個心理機製：依戀學習。
最初注意到這一點，也在“人工智能之父”馬文·明斯基的作品《情感依戀》中。依戀學習是人類學習過程最奇妙的一點。它非常不同尋常，看似不合理，但仔細想來卻非常合理。依戀學習最主要的特征是：學習的過程跟隨情感依戀。
先來說說依戀。
依戀是每個人與生俱來的情感關係，一般早期是母嬰關係，一兩歲之後，小孩也會與家庭其他成員建立依戀關係。建立起心理依戀關係的人，是孩子內心安全感的來源。依戀有一點像小動物身上觀察到的“印刻”，小鴨子生下來最早見到哪個成年鴨子，就會“印刻”對它的依戀，從此一直跟著它走。就像是在《仲夏夜之夢》裏麵提到的那種魔力藥水，喝了它，會愛上醒來之後見到的第一個人。
安全依戀是對愛的相互確認。嬰兒確認自己愛媽媽，媽媽愛自己，確認跟著媽媽就不用害怕，這是他後麵麵對世界時心裏安全感的來源，因為他敢於信任另一個人。一歲時候的安全依戀測試結果若是健康，成年後的自我成就、婚姻幸福的概率就更大。
我們的一大特點是，內心依戀的人會變成頭腦中的意象，非常在意他/她說的話，哪怕不在身旁，也時常想起他/她的態度，作為自己的依據。違抗他/她會讓我們內疚。
從信息與學習的角度看，依戀是標記特殊信息源。
機器學習知識分兩大派別，程序員輸入現有知識，或者讓機器自己從數據中摸索。深度學習是自己摸索。人類學習知識是兩種結合，嬰幼兒時，父母給我們灌輸的一般是人類已經形成慣例的知識，例如這是桌子，這是椅子，飯前洗手，出門坐車。這樣以確保我們每個人不用從人類鑽木取火的知識開始全靠自己發現。除此之外，父母還會給我們他們的價值觀，他們對周圍人事的判斷都會成為我們初期判斷的起點。“掉地上的東西不能吃。”“你要謙讓小朋友。”等等。除此之外，孩子也進行大量自我探索，自己總結規律。
對機器而言，大數據輸入的信息源，權重都是等同的。但人生活在一個由許多人組成的複雜世界中，每個人給小孩子輸入的信息都不相同，價值觀更是千差萬別。小孩子如何篩選和處理這麽多信息源的輸入？
答案就是，小孩子給自己的依戀對象賦予極高權重。媽媽爸爸說的話，可信程度最高，也許在小孩子的世界裏權重超過90%。學校裏、街邊的人說的話都存疑，和媽媽爸爸說的話做對比。即便是媽媽爸爸不在身邊，也隨時裝載著他們的畫麵，頭腦中的媽媽爸爸會跳出來說話。成長的整個過程中，孩子也會把自己依戀的人的形象放在心裏，隨時參考。
而另一方麵，父母對孩子也有天然的依戀。荷爾蒙和其他神經指標，都讓父母對孩子在生命的最初兩年全然投入去愛。這樣的雙向依戀，保證了父母對孩子的輸入是最可靠的。
在信息泛濫的世界中，對特定信息源賦予長期穩定的權重，不容易被隨便的路人把自己的知識和信念帶偏。如果隨便是誰都能篡改人工智能的知識和信念，那遇到特殊的用戶，給人工智能輸入搶銀行的數據，讓人工智能學習搶銀行也很容易。
也許有人會說，這有什麽難度，不就是記住出廠設定，不允許篡改嗎？不是這麽簡單。現在的軟件都是記住出廠設定，不允許用戶篡改，於是所有的改進都需要程序員再出2.0、3.0版本。未來如果人工智能出實驗室之後不允許新的學習，那和現在的軟件沒什麽區別，也無法滿足用戶和環境需求。如果允許在外界信息世界中學習，那就必然要根據用戶輸入的信息修改自身的知識和信念。這就意味著可以被任何人利用做任何事。
如何抉擇，如何平衡？如何讓人工智能擁有新的獨立學習，還不至於和程序員的初設定背道而馳？
人類是如何做的呢？那就是叛逆和依戀的相互平衡。
人類兒童天性具有叛逆機製。從“可怕的兩歲”開始，孩子就不斷要求獨立，要求自己對自己做主，要求自己的主張被采納。這種對“自主”和“自我肯定”的渴求，是人類與生俱來的本能，也是獨立人格發展的開端。
叛逆是人工智能目前做不到的“覺醒”。
從兩歲開始的每個認知發展跨越，都會伴隨著孩子對父母的叛逆。叛逆本質上是對獨立的要求，叛逆的強度會根據父母給予的獨立空間大小和孩子的個性有所不同。小學時候開始獨立社交，中學時候開始選擇人生偶像和人生理想，大學時候開始選擇生活軌跡，所有這些時候，都會伴隨著要求獨立的叛逆主張。有時候會和父母有尖銳對抗。
但與此同時，人類兒童的叛逆，絕不同於智能程序遺忘初始信息。目前的智能程序網絡學習了新數據新領域新知識之後，就會覆蓋掉原有的知識和能力，不會再留戀初始的網絡。但人類兒童又不一樣，之所以叛逆的過程會伴隨著內心的痛苦焦慮，就是因為孩子的叛逆並不同於簡單放棄父母的信念，而是伴隨著自我的掙紮猶疑。如果叛逆等於遺忘，那很平靜，但叛逆實際上代表著選擇。即使很長時間不在父母身邊，父母的形象都可能在心裏，孩子的頭腦裏還是會縈繞著父母的話。
於是，人就是這樣麵對“初始信念”和“大數據學習”之間的矛盾，既不輕易放棄父母的初始輸入，也不拒絕外界信息的改變。好處是父母給的信息一般是出於愛，最安全可靠，而外界的信息更廣闊，更跟隨變化。任何兩難選擇才伴隨內心痛苦，叛逆也不例外。
此外，孩子還會在每個階段選擇新的“依戀對象”，那就是偶像、有感情的師長、愛人。這些依戀對象的話語對孩子的影響力也遠超過周圍其他人，相當於賦予極高權重的信息源。我們對於我們心裏選擇的“依戀對象”，也像對父母那樣，生成一個心理意象，遇到了事情，會假想他們怎麽說，會拿他們的話去套用新的場合，會極為在意“我這麽說他會不會生氣”“他會支持我走這條路嗎”“這個作品他會喜歡嗎”。
這個過程常常充滿坎坷。我們從依戀對象身上獲得的不僅是信息，也是人際關係革新。每一次的依戀對象選擇，對於人都既是情感過程，也是人生學習過程。
為什麽要這樣？人類的學習為什麽要用這種磕磕絆絆的方法？不能像人工智能那樣，隻單純客觀地處理數據嗎？
說到這裏，要說幾句貝葉斯學習。
一直都沒說貝葉斯算法，是因為在目前的人工智能前沿領域，貝葉斯不算是最主流的。但我一直都認為貝葉斯學習是對人類學習刻畫得最好的學習算法。
貝葉斯算法的核心，說起來就是一句話：先驗概率，後驗檢驗。用普通人能聽懂的話說，就是“心裏先抱著一個信念，再根據發生的事情調整信念”。例如“我相信大海是紅色的”，這是信念，然後去海邊看看，發現不是紅色的，就把這個信念拋掉。
有的時候，人能明智地調整信念，根據事件，放棄掉之前的信念，但更多的時候，我們會用之前的信念解釋事情。舉個例子，如果心裏的信念是有鬼存在，然後有一次有東西莫名其妙丟了，就把這個事件當作是“有鬼”這個信念模型的確認。很多時候，心裏事先抱定的信念模型非常重要，它會決定我們如何看事情。
而選擇“依戀對象”，實際上就是孩子選擇自己心裏的先驗模型。此後的人生，孩子會不斷拿這個信念去套生活，有的信念會被拋棄，但更多會保留和加強。選擇偶像並不是錯，如果能夠選擇好的“依戀對象”，就相當於選擇了一套合適的信念模型。
未來我們該如何教育和學習？
前麵寫了許多內容，匯集到一起，在未來的智能時代，對我們的學習和教育而言最重要的大概有四點：
·情感聯結
·基礎抽象思維
·世界觀建立
·創造力發展
我們再簡單看一下這幾個方向，我大致談一下我覺得必要的教育和學習方式。
情感聯結
情感聯結的意義，我們在有關“依戀學習”的部分已經提到過了。人類特有的依戀學習，讓人將依戀對象變為心理意象，他們輸入的信息權重會特別大。
情感加持是人類學習特有的本能，缺少情感聯結的學習很難入心。一歲之前是建立安全依戀關係的重要時段，12個月時的安全依戀測試就已經對成年後的行為有一定預測能力。建立安全依戀關係的孩子更容易形成穩定的自我認知，更能積極勇敢地探索世界。安全依戀讓孩子充分信任父母，並且從父母身上獲得最初的信念。孩子對父母的安全依戀關係將使得他們內化父母的形象，從而高效地獲得對世界的穩定認知。
根據心理學研究，最重要的影響依戀關係的是互動的敏感性。在嬰幼兒早期，飲食起居的照顧固然是重要因素，但是比單純吃穿供應更重要的是，是對嬰幼兒發出信息的敏感度，當嬰幼兒對世界發出信息，成年人最及時準確的回應，是嬰幼兒與這個世界建立精神聯係的主要來源。母親對嬰兒喂奶的回應是其中一種，對嬰幼兒情緒、行為和語言的回應也是建立聯結的重要因素。若長期處在無人回應的狀態中，如處在孤兒院中，即使食宿得到了照顧，嬰幼兒的認知和自我認知的發展仍然出現障礙和滯後。
在人工智能時代，理解他人的情感和思想將是重要的能力需求，而理解他人的能力也需要親子情感聯結作為基礎。嬰幼兒最早的共情能力，出現在9個月左右的眼神跟隨，母嬰互動或者與其他看護人的情感互動，對於孩子發展自我認知和認識他人的能力至關重要。人工智能可以取代各種數據分析工作，但是它們取代不了懂得體察他人情感內心的人。
情感陪伴對孩子的意義，在未來時代會格外彰顯出來。孩子理解世界和他人的基本模型，源自孩子和家人互動的基本模型。我們讓他們理解情感，他們才能理解世界的情感。
基礎抽象思維
人工智能可以做到符號與符號的連接，而人類能做到真實世界與符號的連接。這種能力就是抽象思維。且不說未來我們能不能教人工智能學會理解真實世界，隻說另一麵，我們如何讓人類的孩子理解真實世界和符號的對應，對於人類智能發展十分關鍵。
人類的知識，建立於各種真實感覺到符號之間的對應。對物理世界的理解，和數學符號對應；對人情世故的理解，和文字符號對應；對情感和美的理解，和藝術符號對應。每一種對真實世界的感觸，都和一種符號表達對應。對人工智能來說，理解符號世界是很容易的，理解真實世界是很難的。對人來說恰好相反，人有很強的直覺理解真實世界，但是對於符號世界的理解就有困難。而對雙方都難的，是建立真實世界與符號世界的對應關係。
人類的學習，重要的是對符號係統的基礎理解。
對符號係統的基礎理解，是指對文字和數學符號的抽象認知。人類對口語和物理世界的感知是本能，來源於千百萬年的物種進化，大腦中都有相應的感知模塊。但是正如最著名的心理學家斯蒂芬·平克所說，所有人都有語言和物理感知的本能，但是沒有閱讀和數學本能。對文字和數學的認知隻是最近幾千年的事情。這是文明進化，大腦中的結構進化並沒有跟得上，一直到最近幾十年才通過教育消除文盲。因此所有（正常）人都會說話和運動，但如果不經過正規學習和訓練，人類就學不會閱讀和數學。
在任何時代，學習都是有必要的，在智能時代更需要智能的提高。有一種說法是，人工智能時代，機器代替我們去做所有智力計算的事情，人類不再需要學理科了，隻有彈琴、寫詩、畫畫，才能和機器不同。這其實是沒什麽道理的說法。實際上機器現在也能彈琴、寫詩、畫畫，人類這些領域如果隻是拚工匠精神，也是拚不過機器的。未來的職業需求，越是智能的時代就越需要高智能人才。其中最基礎的能力，就是理解抽象符號，能用符號表達真實的感覺。彈琴、寫詩、畫畫，如果是機械重複也是沒前途的，需要理解藝術語言背後的真實審美。
學習閱讀、數學和藝術語言要費力氣，難就難在抽象。但如果突破了這一關，能用文字、數學和藝術符號思考，能將符號與世界進行聯係認知，人的智能層次就突飛猛進。孩子進行係統性正規學習仍然是必不可少的，僅僅用身體和直覺感知世界，很難進入人類智能世界的舞台。
在兒童早期，我們讓他們發展文字、數學和藝術能力，重要的不是讓他們直接學習符號，而是讓他們建立符號和真實世界的對應。對於文字，相比識字，更重要的是認知事物與文字之間的對應。對於數學，相比背數和口算，最重要的是讓他們感知數形對應，也就是物體和數字之間的關係。對於繪畫，相比臨摹，最重要的是讓他們感覺手中的顏料可以表達世界、表達內心想法。引導兒童閱讀，最重要的意義也就是讓他們感知到文字中蘊含的世界。
世界觀建立
孩子與人工智能相比最大的優勢就在於孩子的常識係統。一個三歲孩子都知道塑料袋可以在空中飛，小車在下坡路上比上坡跑得更快。同樣，三歲的孩子還知道做了被禁止的事周圍的人會有什麽樣的反應。所有這些對世界和他人的常識認知，人工智能都覺得很難。常識係統源於大腦綜合加工信息的能力。
對常識係統的升級就是對世界的常識認知，也就是世界觀。對這個世界自然係統的知識、社會構成的知識、國與國關係的知識、人類發展曆程的知識，都會變為一個人的常識係統，而後續的所有學習和判斷，都建立在這樣一個知識的背景舞台上。人的學習有怎樣的高度，除了學習本身的勤奮程度，還在相當大程度上與這個背景舞台相關。就好比你能登上的山峰，除了與你自身走的步數相關，還與你起點的高度密切相關。
常識係統的建立，包括物理常識係統和知識世界觀。
一歲到三歲之間，我們可以盡量讓孩子用所有感官認識世界。這段時間是孩子通過身體感官和頭腦對周圍的整個世界進行建構。這個過程對人來說很容易，人工智能卻難以做到。這段時間需要充分用身體探索世界，需要大量語言交流。最終，孩子將周圍社會生活轉化為內心的常識基礎，在這樣的常識基礎上，人開始真正有意義的語言交流。
3—7歲，可以多讓大腦的認知和聯想擴大範圍，建立對世界的綜合認知。大腦中的突觸數量從兩歲之後大量增加，到7歲達到人生的頂峰，此後開始逐步“剪除”無用的神經突觸連接，最終達到穩定。這段時期是孩子對世界的好奇心和知識吸收能力最強的時期。3—7歲，孩子天馬行空的聯想也是最多的。真實和虛幻交織的想象力、噴薄而出的對萬物的好奇、一日千裏地對新知的快速吸收，都讓他們迅速擴張自己頭腦中的知識譜係。人工智能隻能是專業領域的工具天才，但是人類可以對所有領域綜合理解，可能和人類大腦神經突觸的自由連接和生長有關係。跨界聯想和觸類旁通是兒童獨特的優勢，這段時間適合讓知識領域向四麵八方延伸。
再長大一些，可以讓孩子盡可能多地參與社會生活實踐，從旁觀世界到進入世界，在行走天下的過程中獲得參與性世界常識。
對世界的綜合理解能力，需要有係統視角的通識教育。重要的不是記憶所有學科領域的知識碎片——人類不是維基百科，也拚不過維基百科——而是知道如何安放和調取這些知識。這就需要有層次、有關聯的知識體係。人工智能能記憶所有的碎片，但是難以組合成有意義的圖景和故事，遇到事情也缺少調用的能力。世界觀不是知識庫，而是從高處看待知識的視角。
創造力發展
未來人與人工智能相比，最大的競爭優勢莫過於創造力，包括對知識的創造性理解和對知識的創造性應用。
對知識體係的創造性理解，是所有學習中最重要的一環。創造性理解的意思是，敢於對知識進行質疑、重組、搭配和延展，敢於挑戰和重建現有知識，敢於靈活運用知識，去分析、去解決問題。知識是孩子的樂高積木，他們可以充分信賴自己運用知識的能力，用知識搭建出頭腦中最鮮活的花園，而不隻是猜測老師想讓自己如何安裝知識。如果是具有確定答案的問題，機器學習幾秒之內就能學到很多，但是它們沒有能力去創造、去設計。因為它們頭腦中沒有藍圖、沒有想象、沒有預期、沒有宏觀審視、沒有反事實思考、沒有審美、沒有跨出經驗數據的冒險精神，也沒有創造的愛和熱情。
對世界的創造性理解能力，需要有對創造性嚐試的鼓勵性的態度和環境。有人擔心知識束縛創造力，寧願讓孩子躲在遠離知識的荒野中，但實際上這是多慮了。我們看到，世界上最具有創造力的人物，往往是從小知識淵博，但又具有靈活的思維。例如“阿爾法狗”的創始人哈薩比，從小是國際象棋高手，9歲學編程，長大後學習計算機和神經科學，很年輕就拿到博士學位。如此沉浸在知識學習中的優秀學生，在改進人工智能算法方麵，有著異常活躍的創造力。想讓孩子有創造力，完全不必對知識的學習產生恐懼。
唯一扼殺創造力的，就是扼殺創造力。這並不是無意義的同義反複。好奇心和想象力是人人都有的創造的基礎。很多時候，父母和老師對創造力采取了壓抑的態度，還並不知曉。對“唯一正確性”的過度強調，對循規蹈矩的過度認可，對錯誤探索的過度批評，才是壓抑孩子創造力的最大阻礙。成年人對事物的按部就班和井井有條有著超乎尋常的執拗，其中也把孩子作為“井井有條”的一部分。然而孩子是一個向著四麵八方隨機探索的、充滿可能性的魔法泡泡，他們在突破可能的邊界。這個時候，父母最好的方式是鼓勵和跟隨。
父母和師長的情感支持對孩子發展創造力至關重要。父母和師長可以傾聽孩子的想法，提問、鼓勵回答、順著孩子的思路進一步深入探尋，以問題加深孩子的思考，幫助孩子動手實踐自己的想法，支持他的創意，分析他的設想，教給他方法和手段，但不以此來約束孩子的探索。
對知識的創造性應用的培養，就是建立創造性應用知識的機會。關於創造力的“投資”理論表示，創造力與智商的關係很弱，但是與認知風格關係緊密。所謂認知風格，就是是否敢於冒險，是否願意把時間投入創造性活動，是否能投入全心熱愛的有興趣的領域。認知風格與從小父母師長的支持性環境相關性很大。我們需要給孩子創造性的任務，讓他們自主選擇方法、自己試錯、把自己的想法付諸實踐，而成年人給他們工具和方法，但不束縛他們的方向選擇，這種創造性項目製學習，是生活與學校中都可以應用的教學方法。
我們自己和孩子在未來時代的學習和教育，說難也難，說簡單也很簡單。
我們要把人類認知發展中最獨特寶貴的優勢發揮到最大，綜合學習各個領域，以創造性思考為學習引導。人類相比人工智能而言，仍然有許多優勢，有許多未解的秘密。我對人類的潛力充滿信心，對孩子充滿信心，這是我做童行計劃教育項目的初衷和長久的願景。