如今的劳动者们正面临这样一个现实:AI技术并不一定能取代他们的工作,但掌握AI技能的劳动者必然会取代不具备AI技能的劳动者。考虑到未来AI技能将成为每一位生产参与者的必备素质,教育和学习将因此受到何种影响?更重要的是,AI技术的日益普及和应用又会如何冲击当下的教师与学生群体?
教育生态已经在发生深刻而颠覆性的变化,AI不仅为教育工作者和学校管理者提供了新的工具,也在辅助学生学习并帮助其深入理解学业内容等方面发挥着重要作用。
Sal Khan以其突破性的Khan Academy在线教育笑傲市场,而他也在关注AI与教育这一热门话题。在新书《美丽新世界:AI将如何彻底改变教育(以及这为什么是件好事)》当中,他详尽分析了AI将如何颠覆教育产业。Khan从积极的角度出发,预见到不久的将来,AI技术将使得终身学习成为可能,帮助任何想要学习一切专业的人们都能获取教育资源。学生和教育工作者将获得AI助手,轻松在不同专业方向上获得适当的学习深度,并以最适合每位学习者的理解方式帮助其掌握新知识。
为了进一步推动这个思路,研究公司Cognilytica还提出了“超个性化教育”的概念。这个新概念有望提供当今时代最需要的终身学习机会,从每个人第一次学会说话和阅读之时起,持续满足从学术、工作到个人生活的所有教育需求。
事实上,我们已经从学习角度感受到了AI技术对于学习的影响。现如今,人们已经在使用大语言模型(LLM)系统来回答问题并提取见解,具体类似于他们过往通过网络搜索达成的效果。而随着网络搜索被搜索优化结果、点击诱导文章和大多数人因缺乏耐性/专注度而消化不了的长篇大论所污染,越来越多的学习者开始转向AI系统,希望获取更直接、相关性更强、与上下文结合更紧密的响应结果,快速满足最具体的知识需求。在掌握这种力量之后,一切传统教育系统、在线学习、视频和千篇一律的知识平台瞬间变得相形见绌。可以肯定的是,AI教育的未来在于自主学习、自控学习、深度响应加高度个性化,旨在满足每位学习者的一切需求。
从K-12基础教育到高等教育乃至其他教育阶段,随着AI技术的广泛应用,各类学习机构都在努力应对新的机遇和挑战。当AI系统为学生们提供高度个性化的教育服务时,教育工作者需要重新思考如何帮助学生积累素材、学习关键生活技能,并真正将这些技能应用于必将被AI技术所颠覆的未来工作场景。
部分教育机构目前正尝试限制或者完全禁止学生在校园或学习环境中使用AI技术,但这无疑是种逆潮流而动的糟糕策略。这样的行为将注定失败,毕竟AI功能正被直接嵌入至智能手机、各类设备乃至一切在线和桌面应用程序当中,甚至不少新兴操作系统已经自带AI元素。毫无疑问,任何粗暴禁止使用AI的行为都只会适得其反。
教育工作者不应阻碍当今的学生接触这项他们无论如何都必须学习的技能,毕竟这是他们在未来劳动力市场上立场的前提。相反,教育工作者应当利用AI功能创作新的定制化教育内容,提供AI增强功能,以确保学生能够深耕课业内容并应用学到的技能,帮助他们掌握那些有助于决胜未来的关键AI技能。正如教育工作者们已经学会了利用互联网和网络资源增强学习体验一样,大家也应当逐渐意识到并接受AI技术的必要性与强大能力。
此外,随着AI系统越来越需要人类能力来实现价值,我们也将看到“软技能”的江湖地位一步步重回巅峰。这些技能将成为充分发挥AI系统潜在价值的必要手段。为了让生成式AI产出高价值响应,人们需要最大限度发挥创造力、培养批判性思维、增强与他人的合作并提高沟通技巧。在过去几十年间,这些软技能往往被搁置一旁,导致数学、科学、物理、生物及工程等相关“硬技能”占据主导。而有趣的是,AI的兴起开始让软技能变得愈发重要,甚至直接决定着人类能在AI的帮助下掌握哪些“硬技能”。
所有这些变革,已经推动高等教育迈向了时代的十字路口。许多人正在重新审视昂贵的高等教育所能提供的价值,特别是长久以来被视为不二之选的名校/精英教育。随着未来工作场景的变化,人们接受教育的方式以及昂贵高等教育的学位价值也将随之波动。虽然结局仍在未定之天,但有一点可以预见——AI技术将加速推动教育领域内的诸多根本性变革。
好文章,需要你的鼓励
全新搜索方式出现,字节发布宽度优先搜索基准WideSearch,垫底的竟是DeepSeek
阿里巴巴团队推出DeepPHY,这是首个专门评估AI视觉语言模型物理推理能力的综合平台。通过六个不同难度的物理环境测试,研究发现即使最先进的AI模型在物理推理任务中表现也远低于人类,成功率普遍不足30%。更关键的是,AI模型虽能准确描述物理现象,却无法将描述性知识转化为有效控制行为,暴露了当前AI技术在动态物理环境中的根本缺陷。
GitHub CEO声称AI将承担所有编程工作,但现实中AI编程工具实际上降低了程序员的生产效率。回顾编程语言发展史,从Grace Hopper的高级语言到Java等技术,每次重大突破都曾因资源限制和固有思维遭到质疑,但最终都证明了抽象化的价值。当前AI编程工具面临命名误导、过度炒作和资源限制三重困扰,但随着技术进步,AI将有助于消除思想与结果之间的障碍。
AgiBot团队联合新加坡国立大学等机构开发出Genie Envisioner机器人操作统一平台,首次将视频生成技术应用于机器人控制。该系统通过100万个操作视频学习,让机器人能够预测行动结果并制定策略,在多个复杂任务上表现优异,仅需1小时数据即可适应新平台,为通用机器人智能开辟全新路径。