2016年初,人们还在惊叹Alpha Go的强大,但在2017年初,我们不能否认人工智能时代已经从方方面面渗透进我们的生活。去年发生了很多“AI取代人”的案例,这其实都说明了一件事,即人工智能会带来一场新的工作革命,它将对我们未来的工作和工作方式产生巨大的改变。
如何让我们的孩子在未来的人工智能时代立足?王作冰和贝尔科教给出的答案是:教育。贝尔科教成立于2011年,专注3至13岁的机器人儿童培训。贝尔科教集团创始人兼董事长王作冰表示,贝尔希望培养AI时代的原住民。
人工智能时代,教育还应该教些什么?
“90后”被称为互联网时代的原住民,这源于他们从童年开始,就伴随着互联网和移动互联网的发展一起成长,因此在思维方式上也与互联网相匹配。不难发现,现在85后和90后们,已经在互联网行业占据了相当重要的地位。
而在人工智能时代,单单互联网思维已经不能满足社会需求了,人们需要知道两个新的关键性问题的答案:“如何与人工智能竞争”、“如何与人工智能合作”。
前者需要对AI有足够的认识,它能做些什么、不能做什么;而后者需要了解如何与它进行“沟通交流”。
王作冰认为,“编程”就是教育孩子适应AI时代的过程中很典型的一个例子。在贝尔的学龄儿童教育中,也有一定比重的编程内容。
AI的应用实际上就是由程序、数据、算法组成的。在人工智能时代,与编程相关的内容将随处可见。因此,面对人工智能带来的工作革命,即便不成为程序员,掌握相关的能力也至关重要。
同时,编程在很大程度上带来的是逻辑思维能力的提升和思维方式的改变。AI应用的目标是提升效率、解放人力、降低成本,其实这也是编程的本质。
王作冰说:“其实我们日常的大部分工作,都可以抽象成为一个‘for循环’和一个‘条件判断’,前者意味着重复性工作,而后者意味着选择。如果孩子能从小掌握这种思考问题的逻辑,对他们理解AI以及与之合作将有不小的价值。”
AI时代会给教育体系带来什么样的变化?
提及传统的教育体系和教育方式,王作冰态度很坚决:“我是一个应试教育的反对者。”他表示,应试教育是社会发展到一定阶段的产物,并非教育本身所需,目前的教育体系是200多年前确立的学科制,主要培养工业时代劳动力。
这种教育方式正在逐渐被改变。因为学生除了需要学习知识,还需要培养例如团队合作、好奇心、创造力、人际交流等等素质,从而在未来AI做不到的事情上,与之互补。而对于这些素质的培养,传统教育模式很难满足。
王作冰介绍,与学科制的教育体系不同,贝尔采用以案例带动、探索知识的教育模式,孩子以团队合作的形式,在教师的指导下对某个事物(例如电梯、闸机等)进行探索,再发散出相关的知识。
与直接告知结果相比,培养孩子的兴趣和得到知识的过程更为重要,因为这对知识的迁移和应用更有效。通过实践获得知识以及逻辑思维的成长,通过举一反三思考运用到解决其它生活问题当中。
一件产品 or 上好一堂课?
近些年,继线上教育之后,教育机器人又称为教育领域新兴的热点之一。在资本进入和国外影响下,国内教育机器人发展很快,陆陆续续出现了很多相关公司和产品。
然而王作冰表示,虽然机器人可以具有很好的教育功能,但绝大多数公司仅仅提供产品的做法其实脱离了教育的本质。只有一件机器人产品的情况下,一方面很难让孩子产生长时间的兴趣,使用一段时间之后就会闲置;另一方面,小孩子在没有辅助的情况下,教育成果也很难保证。
贝尔科教使用了线下门店和线上课程相结合的模式,这种模式更“重”,管理压力和成本更高,但王作冰表示,为了保证教学的质量,这是一件必须要做的事情。他把“上好一堂课”作为了贝尔科教的核心所在,而无论是线上课程、线下门店、机器人产品,归根结底都是为了这一核心服务。
青少年教育,事实上是一个非常特殊的领域,它的对象是学龄前儿童及中小学学生,但付费决定权却基本掌握在家长手中。
对于这个问题,王作冰很欣慰,他说:“在四五年前,我们需要给大约90%的家长上课,他们才能知道我们在做些什么;而现在,基本上只有20%的家长需要进行普及,其他人在听完简单的介绍之后就能理解甚至愿意买账。”
王作冰认为这是一种进步,并且还将持续下去,“很快85后、90后们就要成为家长了,他们更了解AI是什么,也会更了解孩子需要什么。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。