世界每天都在发生革命性变化,人人面对这个时代,都迷茫、彷徨,甚至措手不及。原因就一条:
之前的一切都遵循科学理论、建立在科学之上;现在科学崩塌了,人们才彷徨迷茫,整个社会世界才动荡。未来要平息、要稳定,就要建立起一门新的智慧科学——学生篇,就是从这个目的开始的。
今天的学生,人手一个什么都会的帮手:能写,能算,能查,能改,问一句答一句,永远不厌其烦。这就是 SI 走到了每个人手里。
这不是学习工具升级,而是智慧科学新的起点:把这个亮点结合、融合进来,就形成了智慧科学的概念。
过去很多旧事物生于科学思维。科学已经过时,AI 证明了它的问题,案例证明了它的弊端。AI 否定了科学理论,用什么取代?智慧科学。
这是全系列的立场。大学篇的结论是一句话:大学教什么,从科学换成一整套智慧科学。大学换了理论,学生该怎么学?这是本篇的问题。
一、学生的任务升级了
本篇的论点先立住:学生的任务,从"演算者、实验操作工"升级为"提问者、思辨者、价值决策者"。学习的目的不再是手工计算,而是看懂 AI 输出、分辨漏洞、校验真伪、提出 AI 想不到的问题。
为什么必须升级?因为旧科学训练演算者,新学科培养提问者。AI 短短时间就能做完人类几年乃至几十年的推演和筛选,学生再花几年苦练演算,练成的正是 AI 最擅长的东西。
反过来,AI 不会凭空诞生研究动机。没有人类提出问题,AI 就没有推演的方向。AI 可以输出海量猜想,却无法自主判断哪一个猜想值得投入资源;可以生成无数方案,却难以站在人文、社会伦理角度评估技术落地之后会带来什么影响。
算力可以加速探索,提出有价值的疑问,依然是人类独有的能力。
所以,学生之变,就是科学之变在人身上的投影。学生不是被 AI 取代,而是被 AI 推向提问、思辨、价值判断。
几百年来的科学发展已经渗入每一个行业和领域,人人都接受了,形成了惯性思维和路径依赖;可突然有一天发现科学已经发生变革、科学已经过时了——于是出现一个矛盾:下一步应该怎么走?
正是在这个矛盾的基础上,才出了智慧科学的理念和定义。学生为什么必须变,答案也在这里:
学生培养的全部理论基础都源于科学,学生培养体系存在的前提就是科学的存在;现在科学不存在了、科学发生变革了,学生也必将随之变革。这就是本篇讨论的核心。
这里也要把先智和后智说清楚。学生过去练的,是先智:人的记忆,人的演算,人的经验。
今天 AI 带来的,是后智:物的推演,物的筛选,物的速度。后智把先智的重复劳动接过去了,先智剩下的、也是最值钱的,是提问与判断。
在后智引领的时代,学生真正的升级,是用先智的提问去对接后智的推演:人出问题,物出答案,人再校验答案。这就是人与物的碰撞,也就是完整智慧的现场。
二、课堂的五条变化
大学的教学内核会彻底重构,落到学生身上是五条。
第一,基础理科不再以熟练演算为目标。数学、物理、化学不会从课堂消失,但学习的目的变了:看懂 AI 输出的结果,分辨结论的漏洞与逻辑缺陷,看懂仿真实验背后的底层原理,拥有校验 AI 答案真伪的能力。学生不再花大量时间刷题演算,更多精力用于思辨与质疑。
第二,医学学习的重心偏移。AI 可以快速模拟病理、筛选新药分子,却不能完全替代对人的理解。医学学习弱化重复性化验推演训练,更多转向医患沟通、生命伦理判断、解读 AI 给出的诊断报告、甄别 AI 医疗方案的潜在风险。
第三,学 AI 不再是学写代码。人工智能、编程专业的培养方向变了,不再把重点放在敲写普通代码、基础调参。学生学习 AI,核心目标是学会指挥 AI:怎样给出精准指令,如何评判 AI 输出质量,如何发现 AI 的偏见与错误,如何约束 AI 的发展边界。纯粹的代码操作工,会被 AI 逐步替代。
第四,实验室变成验证场。很多仿真类实验交给 AI 完成,实体实验室更多用来验证 AI 给出的猜想。AI 给出一百个假说,人类挑选其中有价值的一小部分,通过真实物理实验证伪或者证实。
第五,新增跨学科思辨课程。技术伦理、科技社会学、价值观判断,将成为高等教育里非常重要的板块。技术可以由 AI 生成,但技术走向哪里,要由人类来决定。
三、留给人类的四项核心工作
AI 越强,人类的工作越要往上走,归结为四项。
第一,提出问题。打破固有的思维定式,跳出现有知识库边界,构思出 AI 想不到的疑问。这是最难以被 AI 替代的能力。
第二,价值判断与伦理把关。评估一项新技术应用之后,给社会、生命带来怎样的收益与隐患,划定 AI 科研不可逾越的底线。
第三,真实世界验证。AI 所有推演都建立在模型数据之上,模型总有偏见与盲区。现实物理世界的实体实验,依然是检验的最终标准。AI 给出的只是猜想,人类通过实体实验完成最终确认。
第四,人文与社会创新。艺术、历史、社会制度、人的情感体验,AI 可以模仿,但很难独立诞生发自人的生命体验的全新思想。
四、两种误区都要警惕
第一种误区:AI 无所不能,以后学习数理基础毫无用处,可以完全放弃理科。错了。如果完全不懂基础原理,人类将失去看懂 AI 结论的能力,无力分辨 AI 什么时候在输出幻觉。人类会变成只能被动接收 AI 答案的傀儡,完全丧失对科研的把控权。基础理论不再用来手工计算,但用来辨别真伪。
第二种误区:AI 只是工具,科研不会发生任何改变,今天的大学教学可以一成不变。也错了。如果大学仍然按照现在模式,大量训练学生做 AI 几小时就能完成的演算,那么培养出来的毕业生会迅速失去市场价值。教育必须提前预判变革,主动转型。
五、从问题出发的学习法
这里有两种被转述的教学法,值得学生借鉴。
一种做法是绕过文凭,直面真实问题,只用一件事来评判:这管用吗?这是最古老的教学法,也是最有效的。
另一种做法是不按年龄分班,没有成绩,从问题出发:想理解发动机,就不从螺丝刀课开始,给孩子们一个发动机,让他们拆开它,工具会自然而来,因为他们需要。这两种做法讲的是同一件事:学习从问题出发,而不是从课本出发。
再加上五条老能力,今天依然管用,而且更管用了:批判思维,广泛阅读,课堂讨论,学术写作,公开演讲。
批判思维是独立人格的起点;广泛阅读是独立见解的原料;课堂讨论是把见解说出来、经得起辩论;学术写作是把观点落到笔头上;公开演讲是把信息收集、整理、归纳、分析、呈现的能力一次过关。
AI 时代,这五条不是旧货,而是提问者的基本功。
六、学生怎么办
落到操作上,学生可以做三件事。
第一,先问问题再开 AI:打开 AI 之前,先用一句话写下你要问什么,为什么值得问。
第二,校验三问:这个结论的依据是什么,有什么漏洞,换一个角度还成立吗?
第三,把讨论当课堂:多参加讨论课,把自己的想法说出来,接受反驳,再改一遍。
学生听完这篇,应该有这样的震撼:不是老师没有用了,而是学生的活变了。过去比的是谁算得快、记得多,未来比的是谁问得准、辨得清、断得对。
学生从演算者变成提问者,大学才算真正换了理论。这就是智慧科学才是教育未来发展方向的意思。
下一篇讲家长:学生换了学法,家长该怎么规划?家长的规划,要从眼前换成长远。