ChatGPT火爆以来，其对教育理念和方式的冲击引起广泛讨论，似乎也让人看到了人工智能影响下未来教育的一些走向。虽然AI的教育影响似乎短期内并不是一个空间问题，但只有知道AI的边界和能力，才知道还能给实体空间留下些什么不可替代的东西。
ChatGPT与AIGC将能做什么？首先，需要辨析ChatGPT的能力到底是什么？它说明了什么样的趋势？需要澄清的是，目前我们试用的ChatGPT是被限制了实时更新数据能力的，而且显然还封印了很多可回答问题的领域和规模。大家对它的很多批评，比如不准确、数学差、没主见，甚至经常是一本正经地胡说八道，在更大规模训练和应用中，都会很快进化和完善，也会在NLP为主的模型中加入更多数理等能力。可以预见，在很短的时间里，大模型将具备越来越综合和通用的能力。（这段写作于ChatGPT刚刚发布时，目前的进化速度有目共睹，这些问题都在快速改善。）
以文生图和ChatGPT为代表的AIGC工具，正在使知识和内容的生产方式从大脑思考转为机器生成+大脑筛选。从文字、图像、视频到3维空间，AIGC通过模拟人类的创作过程，已经可以自动生成文章、音乐、影视作品、设计、游戏等创意性内容，甚至可以控制机器人，并在涌现海量全新的业态和模式。而这个过程中，对人的替代无法回避。
在历史上，这样的处境人类经历了好几次，但每一次都安然度过。当工业化到来的时候，大多数农民失去了土地，他们在工厂里找到了工作。当机器大生产到来的时候，大多数工人失去了工作，但他们转而在服务业找到了新工作。之前每一次替代时又提供了更多更好的新岗位。然而，这次机器看起来将在短期内替代的是所有领域的绝大部分工作岗位，无论脑力劳动还是体力劳动，而我们却还完全看不到这数以亿计的新岗位将从何产生。何况之前的每次行业更新，都付出了起码一代人的代价，前提还是公共教育系统能够及时应对并培养适应新技术的人才。
ChatGPT 已经可以高分通过了法律、医学等领域的考试。当然这也说明，全球范围内，“死记硬背+有限推理”仍然是目前教育和人才选拔的基本导向。培养工业社会需要的大量产业工人和工程师，是我们现有教育系统主要的任务，而且看起来短时间内不会有什么变化。所以作为焦虑的家长，又能为孩子的未来做些什么呢？公共教育来不及做的事情，只有靠家庭教育补足。
教育向何处去？大规模劳动力替代的过程中，教育总是发挥最重要的导向作用。很快我们都会有一个什么都懂的个人助理，那还有哪些东西是仍然需要我们自己去学习的呢？原本致力于教授知识和技能的教育体系又将如何调整呢？
对于未来社会更需要什么样的人才，以及对基础教育的新要求，ChatGPT给了我一个中规中矩的回答：“需要培养更具有综合能力和创新能力的人才，而不是简单的知识传授。另外，需要更加注重教育人们具备适应未来社会的能力，例如学习能力、创造力、协作能力等。”然而这看起来简单的几个关键词，其实每个都需要辩证地去理解。
关于因材施教首先，AIGC技术将改变教学的方式和模式，使因材施教成为可能。例如，通过智能化的内容生成和推荐系统，甚至交互式的学习工具和游戏等，学生可以获得更加个性化、多样化的学习体验，教师可以更加高效地生成教学素材、测试题和作业等，从而提高教学效率和质量。事实上，结合XR技术，每个学生完全可以接受完全不同的个性化教育，这时学校集中传授知识的意义就消失了，而与人沟通和协作也许就成了学校物理空间存在的意义。然而这样的学校，就完全可以在自然之中幕天席地了。
关于编程和数学由于看起来替代人工作的都是软件，所以很容易想到让孩子学编程，做人工智能工程师，但编程和人工智能其实是两件事。编码这件事，似乎恰恰是最先被取代的。虽然目前大模型的训练和调试还是成本很高的技术工作，但未来我们将可以通过多模态API接口与MaaS（模型即服务）交流，通过语音，甚至脑机接口等方式直接获得个性化的服务，而不需要编码的过程。而目前的GPT，由于消化了GitHub的海量代码，也已经具备了基础编码的能力。由GPT-4驱动的Copilot X，已经具备对话、文本生成代码、语音生成代码和自动修复代码Bug，以及解释代码等功能。我正在ChatGPT的帮助下，开始学习用Python生成代码完成一些简单的工作，虽然对初学者来说，还有很多小问题，但他可以不厌其烦地帮助你解释出错信息并帮助你修改调试。
所以这样看来，编程的能力其实就转为了用语言描述需求的能力，当然无论是文生图还是控制机器人，人机交互的核心又回到了人与人沟通的语言。
但除了日常应用以外，算法的本质还是数学。毕竟每一篇AI论文里，最大篇幅的还是数学公式和推导过程。所以如果你想与AI协作，要学好语言，但如果你想定义和控制AI，恐怕还是要学好数学和逻辑思维。也只有逻辑思维，才可以让人从海量的信息里做出判断甚至批判，去芜存菁。
关于语言哲学和语言学在早期很难区分，所以语言学习的意义可能远大于阅读、写作和翻译技能。描述世界和创造世界的能力，在数字世界里即将合二为一，这在我另一篇文章里也会解释。虽然AI翻译领域发展迅速，实时互译似乎离我们不远，许多人可能认为不需要再花费大量时间学习外语。然而，最近与各种AIGC的交流中发现，在处理复杂情境时，一些AI工具仍然需要将中文翻译成英文再进行计算，尤其在涉及到微妙的图像和文辞修改时，英文水平的限制依然很明显。因此，未来对英文水平的要求不仅仅停留在日常翻译水平上，跨文化交流能力也显得尤为重要。
不仅如此，尽管许多国内公司正在使用中文语料进行模型训练，但中文语料只占整个互联网规模的5%，而且真实性和严谨性相对较差，因此中文大模型质量在很长一段时间内可能难以超越英文。因此，英文水平和英语思维方式可能仍然在未来孩子从事创新研究和工作中十分重要，甚至在人机交互中可能比编程还要重要。
考虑到对机器人的控制，未来很多简单任务都可以通过自然语言交互生成个性化程序来执行。当然如果是一个复杂的任务，仅用自然语言交互的难度其实并不小。而在使用文生图工具描绘建筑形象的过程中，也会越来越发现，能用自然语言把设计意向充分表达的能力，甚至可以替代之前建筑学学习中的草图能力。
最近，硅谷出现了一个全新的招聘岗位Prompt Engineer，意思是“提示工程师”。这个岗位不需要写代码，只需要找出合适的提示词，让AI发挥出潜力。也就是说，不需要技术背景，只要“会聊天”，也能当工程师。所以，高质量使用自然语言与机器沟通，语文和英语仍然是基本的能力。当然，提示工程师这件事也不会长久存在，而会变成我们每个人的基本技能，毕竟现在也很难见到ppt工程师或者Excel工程师。最终，还是需要每个人都掌握精确描述需求的能力，才能与AI沟通和协作。
关于学习与创新大模型本质是一个统计模型，某种程度上代表了社会整体的认知。对于一些事实性的问题，很容易得到明确的答案。然而在绝大多数决策场景下，其实都是在综合大量信息的基础上，最终需要人的价值判断，ChatGPT经常表现为“端水大师”的情形，往往就是其无法替人做出的价值判断。我们目前的教育体系主要还是传授知识。表面上看起来，AI很快就会对各种学科知识无所不知，这种能力最大意义上还是作为帮助我们快速学习获得信息的工具。如果一个人只有传递AI结果的能力，显然同样是被淘汰的。对于任何人类已有的知识领域，AI都会具有绝对的优势，但在新领域的探索方面，AI还只能作为助手。而这些所谓创新领域，往往存在于各种学科的交叉领域
