AI智能新世代圆桌论坛回顾（5月13日）
This is a summary of the startup panel event on May 13, 2023, focusing on generative artificial intelligence and its social impacts.
Hosted by:
Stanford Club of Shanghai
Yale Club of Shanghai
MIT Club of Shanghai
2023年5月13日，斯坦福上海校友会、耶鲁上海校友会和MIT上海校友会联合举办了AI智能新世代圆桌论坛，吸引了400多人报名参与。招商银行上海分行淮海支行是本次活动的场地合作方。
论坛分为三大板块：
Panel 1. AI技术对知识工作者的影响及其应对
主持人：
李俊杰 致维网络 副董事长、丽瓦信息 创始人
嘉宾：
陈万锋 筷子科技 创始人
范凌 特赞 创始人 同济设计人工智能教授
费良宏 亚马逊云科技 首席架构师
王希 不鸣科技 创始人
Panel 2. AI新世界中的互动模式和社会影响
主持人：
董增军 UltraDx优抵生物 创始人
嘉宾：
金秋远 Vland云现场 创始人
陶闯 维智科技集团 董事长
吴冠军 华师大教授 教育部长江学者
邹丽晖 达歌生物 首席执行官
Panel 3. AI时代教育进化新契机
主持人：
潘洁蓉 AWS初创生态与投资战略顾问、Athlytics 创始人
嘉宾：
窦德景 BCG合伙人兼董事、中国区首席数据科学家
潘佳 赫德学校 创始人
潘鹏凯 之江实验室《AI生命科学研究中心》主任
任鑫 GET公司创始人
嘉宾背景详见本次圆桌论坛的通知。
斯坦福上海创业演讲系列于3月18日举办了一次活动（详见活动回顾），旨在从技术和商业应用的角度探讨生成式人工智能所带来的创业和投资机会。当然，对人工智能的研究不应该仅仅停留在技术和商业的层面，更应该着眼于其可能产生的广泛社会影响。借此契机，斯坦福上海校友会今天联合耶鲁上海校友会MIT上海校友会举办这次圆桌论坛。
我们的圆桌论坛包括三场讨论，第一场是关于AI对知识工作者的影响，第二场是探讨AI对互动模式和社会组织等方面的影响，第三场是关于AI对教育的影响。当然这些话题并不能覆盖人工智能所有的影响，而只是围绕我们和嘉宾们所熟悉的领域和关注点，来给大家来做个讨论和分享。
Panel 1: AI技术对知识工作者的影响及其应对
李俊杰博士接着提出了第一场圆桌讨论的主要话题，AI的挑战会对知识工作者提出哪些新的要求？知识工作者应该如何应对，应该更关注哪些领域的知识、素质和技能？
陈万锋：我本身是白领出身，大学主修英语和商科，毕业后在P&G做品牌建设，之后才下定决心自己创业。在建立消费品品牌的过程中，内容和产出的效率是几代人都在为之奋斗的议题。效率型任务容易被ChatGPT颠覆；而内容生产型任务因为受从业经验、洞察深度影响较大，短期内仍需依赖行业资深工作者。
当前SaaS在内容生成和自动运营方面已然对消费品等行业产生了深刻的影响。随着工具的迭代升级，AI已经可以比较好地回答工作中大部分基础性的问题。例如，询问ChatGPT“某一种产品目前适合于某一特殊的市场”时，ChatGPT能够从多个角度收集信息，回答也相对完整，这是由于ChatGPT已具有相对宽泛的背景知识。当未来模型有了实时数据的输入，答案会更加精准和完善。
但是现有的工具仍然不能完全代替人，很多任务依旧依赖于人的经验和判断。现在ChatGPT作为信息收集工具，并不具备足够的行业洞察力，还有潜力有待发掘。但知识从业者需要保持敬畏之心，因为大量基础的信息收集工作，从市场行情、进入市场策略（Go-to-Market Strategy）、包装设计等，都有可能被替代。
陈万锋认为大型模型可能会代替大学生在品牌企业头三年里的工作。如何让AI技术能够更好地帮助企业的品牌建设人才加快他们的工作进程，是值得我们研究和关注的方向。
范凌：人类的表达欲望受制于表达能力。大模型的出现我们提供了自然语言交互界面/NUI（natrual language UI），允许人们自然地与复杂的软件进行交互，就像与人聊天一样。今后，当人们拥有了更快速更精准的表达方式，核心议题将从如何寻找答案，变为如何提问，如何想象。
找准问题将是知识工作者下一阶段的核心能力。爱因斯坦曾说过“如果给我60分钟解决一个问题，我会花55分钟去寻找那个问题是什么，用最后的5分钟去找答案。”当解决问题变得如此快捷，我们未来会将更多的精力用于寻找最好的问题。
创造的门槛降低，人的创造力将发挥更大效用。网上有海量的数据，95%都是非结构化数据，因为大模型技术的发展，这些数据都能被利用起来。
过去我们都受限于自己的表达能力，生成式人工智能解决了这个痛点，为我们提供了更丰富的表达形态。未来解决问题的工具有了，而想象力则更加重要。
范凌认为技术发展就是范式的转移。我们要相信未来是有希望的，要在批判完技术带来的弊端之后依然有事可做。我们的基础能力被替代未尝不是一个机遇，这让我们能腾出精力去做新的事情，从而创造意想不到的价值。生产工具变得前所未有的民主，这使任何人都没有理由不去动手从事生产。在未来的生产劳动中，我们可以更加关注我们作为人类的人性、感情、情绪和想象力。
费良宏：我经历了人工智能发展的两次高峰：一次是在90年代，时间很短；还有一次是2012年AlexNet证明了自身超乎寻常的学习能力，带来的AI创新更多集中在科技行业内，对公众的影响相对较小。而这次的AI高峰颠覆了我的认知，在短短几个月内，给我带来很多惊喜。面对新技术，我们应该心怀敬畏，同时抱有期待。
随着大模型的落地应用，只要会使用自然语言，就获得了超能力，知识工作者的定义也随之更新。随着信息的获取越来越容易，以后知识工作者可能不再是特定人群，所有人都可以成为知识工作者。这种情况下我们该如何立身处世？我们如何利用新技术充实自己？是我们需要探索的议题。
当前AI所收集调用的还是原始数据，不久的将来，AI的发展速度会更为迅猛。当大模型能够二次整合其产出的数据时，将对人类的生产竞争力产生深远影响。未来我们要改变自己的学习方式，改变看待知识的态度。我们要有战略思考和创造能力，达到大模型尚未达到的高度。
费良宏认为面对AI，其所经历的“恐惧-惊喜-恐惧-惊喜”的心理变化，从侧面印证了智能化技术和产品对人们生活和工作即将带来的影响。
王希：作为一名技术从业者，我在深耕多年的游戏行业，有机会最先一批感受到了AI技术落地应用带来的冲击。前不久，因为AI作画能力的提升，游戏原画师集体失业，随后将轮到建模师和程序员，以及宣发和销售人员。我经历了“观望-恐惧-淡定”的心理历程。现阶段已经完成了对AI能力的初步挖掘，下一阶段人类如何管控斡旋，将是需要我们去主动定义的。
我们看到大模型的迭代速度一度突飞猛进，最新技术进展要以小时为时间单位来衡量。当时我们的震撼感受和大家看到当前的应用时一样。但这种感觉从5月开始变慢了，我判断是因为大模型应用中最容易摘得的果实已逐渐消失。
我认为大家对AI的短期预期过高，现有技术离实际大规模应用还有一些距离。比如，AI写出的脚本看起来很有道理，实际上并不能编译，有时候还会有很多藏得很深的bug，需要人类去修复；AI生成视频的能力还是很弱，因为对算力的要求是现阶段不可能实现的。除非技术实现实质性突破，对人类而言，AI在近几年还会是纯粹的工具。
随着AI技术发展，很多工具都将逐步变得民主化，新工具会赋能下一批潜力人群。因此，如何整合技术资源，将重新定义权力的分配机制。
王希认为我们可能低估了AI的长远影响，AI可能会逐步具备真正的智能。AI大模型不是简单的信息集合、信息压缩，AI在无监督学习下会进化，这个过程是人类无法控制的，技术黑箱背后的原理任何专家都无法完全解释，AI模型不断进化过程中衍生出的能力变得不可预知。奇点来临之时，我们如何处理人机关系，将进一步决定AI的发展方向。
观众提问：我们所讨论的AI技术都是过去全球化的智慧结晶，但在目前逆向世界化趋势中，AI的算力基础是芯片，涉及国家安全问题，未来国际竞争会不会出现赢者通吃的局面？这对中国会产生什么影响？
费良宏：即使在逆全球化的大趋势下，科技仍然是推动人类文明发展的动力。今天的人工智能技术革命可以类比历史上印刷术的发明。1450年印刷术诞生主要是为了印刷圣经，随着活字印刷术的普及，欧洲全境涌现出了12万多种图书和1200多万印刷本，将知识从教会和贵族的手中交给了平民。接下来发生的是大家耳熟能详的故事，启蒙运动，文艺复兴以及工业革命。如果没有印刷术的发明，就没有后续的欧洲乃至全球的现代化进程。遗憾的是，中国比欧洲早400年发明了活字印刷术，但是印本数量远远小于欧洲，这也解释了为什么中国文明在近300年的时间里落后于西方世界。
今天的大模型技术也可以类比成这种技术革新，那么对未来产生的影响可能会远远超出我们想象的范围。所以我无法准确预测技术的发展会给现在的政治格局带来什么好的和坏的变化。但可以肯定的是，技术一定会推动这个世界的发展，科技发展带来的负面影响是需要我们警惕的，我们在座的每个人都应该对此进行思考和采取行动。
Panel 2: AI新世界中的互动模式和社会影响
董增军首先推荐了两本自己在读的书，第一本是MIT教授Max Tegmark的Life 3.0: Being Human in the Age of Artificial Intelligence /《生命3.0：人工智能时代，人类的进化与重生》。第二本是医学博士8年制的课程的教材《神经病学》，对人类神经系统的研究可以帮助理解人类和AI的相似点和不同点。
董增军提出AI在今后3～5年中，对我们的工作会带来巨大的影响，哪些是我们可以充分利用的？带来的负面影响，我们怎样做才能去规避？AI时代的社会组织形态会发生什么变化？人与人，AI与人，AI与AI之间的社会关系会是怎样的
金秋远：目前AI的形态还停留在以自然语言为媒介的交互层，完全拟人化的生命体形态还需要跨学科研究继续向前推进才能在未来实现。思考未来AI与人类的社会关系，可以分为以下三种：
AI是人类的工具，人类给AI发出指令，AI去执行任务，帮人类提高效率。
人类和AI是一种更平等的关系，人类和AI共存、共生、共创。AI从工具的角色逐渐变成人类的社会的一员，这样的关系更复杂一些，可能会挑战伦理和法律的界限。
第三种关系是人类仰视AI，AI扮演新的上帝（AI plays as a new god），成为社会行为规则的新标准。AI可能会主导社会的最优组织方式，最优的社会运行制度。
金秋远觉得这三个路径都是开放式的理论，未来我们可以展望社会结构究竟会如何演变。
陶闯：AI现在已经进入2.0时代，众所周知，AI 1.0的技术进步主要集中在感知智能、语音识别、文字识别、图像识别等等。AI 2.0才真正产生了知识的涌现，通过多数据源获取大量数据进行学习。谷歌AI首席科学家Geoffrey Hinton说，目前的大模型最多只有2.3万亿参数和1万亿神经元连接，但需要消耗超级云算力；而人脑的神经网络连接数量高达100万亿，能量消耗只有几瓦特；大模型目前能回答的问题是任何人类的至少100倍，累积的知识能力也远超过人类。所以这一次AI浪潮让大家觉得特别恐慌，因为出现了一个新的物种，一种新的智能体，一种新的文明态。
我们人类的碳基文明发展了5000年，但是现在出现了一种新的物种——硅基文明，完全不同于我们的智能。虽然AI研发初期的路径是模拟人脑神经元，但最终出现的大模型跟我们人脑神经网络实际上是完全不一样的智能体系，而且这种体系我们现在也不能完全理解，无法解释涌现的出现。在奇点到来之前，出现了两套法则：一套人类智能，一套机器智能/人工智能。针对金秋远刚刚提出的三种未来社会关系，现在没有一个明确的答案。但有一点是明确的，未来的世界肯定是一个“数实共生”的世界。陆奇说过，五年之后，如果你现在的思维方式还没有改变，也就是说我们现在还在用自己以前的学习、工作方式去思考问题，你可能就已经被AI淘汰了，因为你的方法永远没有AI的方法多。因此未来的核心思维是找问题，而不是找方法。我觉得未来大家都会戴上AI智能眼镜，用AI眼镜可以做到现场直播，可以做翻译，可以用来社交，AI可以通过眼镜捕捉处理语言、手势、表情数据，戴上AI眼镜人类整个社交方式都可能发生改变。下一代技术将淘汰外挂眼镜这种形式，做成隐形眼镜或直接升级成脑机接口，将芯片植入大脑。“数实共生”必将到来，只是时间问题。讲一句玩笑话，未来人都会争先购买最强大脑芯片和各类大模型，成为超级智人。
虽然每个人装上的芯片背后都是由大模型支撑，但每个人最终还是不一样的个体，类似现在大家所说的领域大模型、或行业大模型，因为每个人的知识和体验都是不一样的，会对基础大模型进行不同的“微调”，所以最后还是会产生有各自特色的人类个体。
陶闯认为未来的文明必然是数实共生的一种新文明，所以从现在开始，人类需要开始拥抱人工智能，接受存在机器智能这种新物种的文明体系。
吴冠军：近期AI技术的发展也推动了人文学科的发展，尤其是我所在的领域哲学研究的伦理学方向。通俗地讲，伦理学研究人类应该怎样做事情，如何同他人展开互动，AI的出现给伦理学研究创造了一个全新的维度。
先回到董增军推荐的书提出的命题“Being Human in the Age of Artificial Intelligence”。说到人类（human）就要提到人类主义（humanism），这其实是一种非常傲慢的说法，我们人类认为自己是最了不起的，是世界的主宰，“人类主义”本质上是人类的彼此确认，我们把自己置于所处世界的核心的位置上。ChatGPT出现之后，我们为什么会感到非常恐慌。这个是很值得我们去思考的问题，我们为什么会有如此感受？我们向前看，三四百年前，当我们看到能力和智力比我们强的存在，我们不会有恐慌的感觉。西方有全知全能的上帝，东方有呼风唤雨的龙王。那为什么ChatGPT的出现让我们如此难受，如此迫不及待地开始对它施加伦理规则。这三四百年间，为什么人类的意识形态发生了如此大转变？
吴冠军认为我们不应该打着“伦理”的幌子去限制技术的发展，我们需要更多的技术，让技术发挥更大的作用。之前有专家呼吁停止人工智能技术开发6个月，这种行为是荒谬可笑的，也是徒劳的。我们应该在探索我们自身的时代中需要不断追问我们如何在这个框架下成为更好的人。
我们这个物种自称“智人”，那我们的“智”在哪里呢？历史上有很多伟大的思想家，他们在文明的关键时刻提出了许多深刻的分析性和批判性的理念。正是因为这些理念，人类历史才不断进步。我们应该从学习中汲取智慧，不断观察变化，AI奇点来临不仅是挑战，也是机会，是我们展现智慧的机会，这样我们才能真正实现自身的发展。人工智能无法解决人工智能自身带来的挑战，但人类可以做到。
邹丽晖：在我所处的药物研发行业，应用AI来提高研发的效率和准确性已经非常普遍，尤其是在使用大数据来提升研发效率和准确性的地方。因为药物研发是一个既昂贵又高风险的过程，如果能利用数据提升效率，那将是一个巨大的进步，因此这也是当下的一个热门领域。
以往的药物研发大多是使用小分子抑制一个蛋白质，这个领域的数据已经积累了很多，足够AI进行分析。但是我从事研发的分子胶这个新领域，采用的是完全不同的机制，还没有积累如此海量的公共数据。大家用的都是自己公司的数据，且这些数据大多处于早期的探索阶段。我们公司想要使用AI，并已积累了大量的数据，但在与AI公司合作时，还是有所顾虑。一是我们不想把数据给AI公司，二是AI公司现有的技术不能给我们任何帮助。因为数据是瓶颈，所以我认为在全新的科研领域，AI在短期内的作用是有限的。随着时间的推移，数据将会越来越多，这将对AI的发展有所帮助，AI将在这个领域发挥作用。
回到AI是否能达到人类智能的问题，我认为AI和人类存在本质的差异。虽然AI在1到100的过程中可能表现得非常出色，因为这个过程人工智能已经知道如何操作，已经有了大量的数据，使AI可以高效地执行。但是在0到1的过程中，即从无到有的创新阶段，AI似乎还无法产生独立的想法和解决方案。因此，我认为AI在某些质的方面与人类是不同的，尤其是在这种从0到1的非常源头的创新阶段，AI还无法达到人类的能力。
观众提问：未来两三年，每个人都会拥有一个不断迭代的专属模型，成为我们的分身，对于这样一个持续迭代和专属训练的AI模型，我们人类的畅想和需求是什么？
陶闯：用制药行业作为例子，一个初创公司过去可能需要多个博士级别的员工进行药物研发，然而现在如果公司招聘了一个AI专家，这个专家可以利用大模型做研发，因为大模型阅读的文献和获取的数据可能远远超过这些博士的总和。所以，未来科研型企业要招的不仅是专业领域的博士，需要招聘的是提示工程师（prompt engineer），挖掘大模型的知识和经验，然后指导公司的研发和实验，再将实验得到的数据回馈到模型中，从而建立一个专属垂直模型。这种工作方式的改变尽管并不能立即实现，但这一定是趋势。我们每个人可能都需要一个AI助理，目前是手机，未来是智能眼镜或是脑机接口，但如果每个人都有植入芯片的时候，这个AI助理一定是最强的，随时随地听取我们的声音，了解我们的行为，它可能会比我们自己更了解自己，真正成为我们的co-pilot（副驾驶）。
Panel 3: AI时代教育进化新契机
1. AI将会为教育带来哪些创新和改变？AI赋能的通识教育是否能做到融会贯通、因材施教？
窦德景：从人工智能这个架构上来看，它的最底层是芯片层，上面是云和大模型，再上面是应用层。所以如果没有大模型的应用的话可能以后竞争力就比较弱，如果从事人工智能相关的工作的话，需要会写提示，这样“提示工程”（prompt engineering）可能会成为大学里面的一个新专业，并成为继软件工程和传统计算机科学专业后的下一个热点专业。
潘佳：我想给大家分享一些我在教育行业观察到的案例：
一位幼儿园老师介绍，他把他们班里小朋友的中文名用ChatGPT生成了多首藏头诗，把儿歌进行了改编，小朋友们都很喜欢，因为非常有参与感。
初中老师反映托福教学有两大难点，一个是单词量，二是长难句理解。以往的教学方式是针对各班级的特点，精心制作100个词汇及相关例句，发放给全班的同学。现在用数据驱动的方法，可以针对每个学生的情况，各生成300个难词和例句，为全班20个学生分别制定个性化的单词学习计划。
英文写作课程的教师评阅一篇文章最少要15分钟，若对文法及论点进行细致的修正，则要30分钟。平均每个班级20人左右，一星期写两次文章，教师每周要花十多个小时来修改文章。现在老师把这些任务交给ChatGPT，AI算法不仅会修改语法错误，还会告诉你应该用哪些论点去支持论据。
另外推荐大家去看Sal Khan 的TED演讲，展示了新的产品Khanmigo是如何通过引入基于GPT-4的技术实现1对1辅导提高学生表现的案例。
未来，我特别希望看到老师们能够借助AI大模型提高工作效率，从而将更多的时间和注意力分配给学生，回到人与人的关系建构上。
潘鹏凯：我认为未来不是人与AI的对抗，而是会应用AI的人对抗不会AI的人。这个问题我分别从儿童和成年人的角度来回答：
虽然目前的教育体系迭代比较慢，但是我认为在家教育（home school）会变得更加普遍。教育需要培养的最核心的能力是提问的能力、动手的能力、合作的能力，将在未来变得越来越重要。
对于成年人来说，工作有没有AI辅助区别很大，身边已经有朋友用大模型做专业的咨询和财富管理工作了。AI的关键还是要落地，我给大家的建议是，紧追这一波潮流，不要落后，学英语，沉下心，愿意花时间跟上技术步伐。
任鑫：建议大家不仅要自己学，学完之后还要在朋友圈去吆喝，带着大家一起学，也许会有意想不到的机会出现。在一些特定行业，比如制药行业，一个人努力一个月肯定赶不上行业领先地位。但是AI这个赛道不一样，我虽然从2015年开始就在从事AI研发，但是之前的技术原理和商业实践在这一波技术迭代面前完全没有用，完全是从零开始学习。当大家的积累都清零的时候，其实就是实现弯道超车的好时机。
在教育方面，我用我们家五岁半的孩子来举例，我会让ChatGPT给他讲故事，作为家长，我觉得这里面有我们可以参与的机会。比如我们可以把自己的教育目的提前传达给ChatGPT，让ChatGPT把这些理念融入故事中。技术将教育解构成一块一块的砖，因材施教就是把每一块砖铺向你的目标方向，形成一个向上的阶梯。
除了因材施教以外，就是我在反思他到底应该学什么，什么是重要的。大家不要对孩子的教育感到过于焦虑，因为焦虑是一种典型的现代病。我认为“自己给自己找乐子”的这个能力可能会特别重要，所以在教育孩子的过程中，尽可能让自己孩子开心一点。
2. 是否需要训练一个教育赛道的大模型/ChatGPT？哪些细分学科最有可能发生教育的范式转移？
窦德景：模型训练有两种方式，第一种是完全自己独立训练，第二种是利用已经训练好的模型（比如开源的）微调专业模型。从部署层面来说，用于教育场景的私有化部署可能需要至少3台服务器，总计24张显卡，这样就可以用教育场景特有的数据对已有的通用大模型进行微调，从而解决教育场景中的特有实际问题。
教育从业者如果要拥抱新的科技，且手上有足够的资源，我建议自己训练和维护大模型，这样可以规避数据安全和隐私问题。
潘佳：我相信在技术的驱动下，教育的公益事业方向上会发生巨大的范式转移。举个例子，Reid Hoffman的书Impromptu: Amplifying Our Humanity Through AI（https://www.impromptubook.com/）一章中提到Bridge International Academies的案例。他们在15年前，在非洲建了405个集装箱学校，每个学生通过一个平板电脑学习，最后的效果特别好，学生在两年里完成了三年的课程。这个项目获得成功的最根本的原因就是，平板电脑背后有一个200多人的专家团队在支持，分别来自剑桥、麻省理工、哈佛的教育学院和工程学院。非常可惜的是，这个项目因为资金问题没能持续。
我在看了那本书之后，请教了当年的项目负责人，在今天的情况下再看，当年的项目能不能成功继续办下去？他说以今天的技术，我们只需要10个工作人员就能支持非洲的那405个学校。
潘鹏凯：我判断未来AI有下列两个发展方向：
纵向发展：是把机器做得更聪明，把听力、视觉、语言三维融合，这种跨模态能力会继续往前发展。现实生活中，机器人、智能家居、传感器相结合，达到更强的智能感知能力。最后就是具备更强的逻辑思考能力，比如能自己创造一个数学公式。
横向发展：这个方向使得更多人有参与的机会，从而在各行各业细分领域中，挖掘到更多有价值的应用。
不管是小孩还是成人，自驱力（motivation）都是最重要的。从教育的角度看，如何让小孩子爱上学习，可能比他如何学习更重要。只有拥有自驱力，才能在AI时代继续一步一步向前走。
任鑫：我觉得教育没有必要用到自建大模型，因为大部分时候教的都是通用知识。从实践的角度看，我觉得会有一个范式转移的机会，中国有一句话叫做“授人以鱼不如授人以渔”，教育是要激发一个人，但更多时候，我们接受教育只是因为想变得更强。比如学习财务知识并不是出于兴趣，而是为了获得更强的赚钱能力。所以，“授人以渔”，学会打鱼的技能，不如拥有一台会打鱼的机器，AI技术就是一台这样的机器。
大模型可以让你在不感兴趣的事情上节省大量时间。比如我们不再需要读一整本书，听一整个讲座，AI可以直接搜索和我相关的内容，告诉我相关知识在我所在的行业应该怎么落地，最后再给三个案例。所以总结一下如果教育行业发生范式转移，就是从“授人以渔”过渡到“配个机器帮你打鱼”。
观众提问：在AI时代下，孩子从小应该怎样培养，才能让他们适应未来？
潘佳：关于这个问题，我建议你阅读“AI for K12”的报告（AI4K12 – Sparking Curiosity in AI https://ai4k12.org/）。这份报告涵盖了面对AI的挑战，孩子从一年级到十二年级毕业，应该学习什么知识技能。
我个人的第一个建议是，在AI赋能的今天，每一个学生都应该学习“设计思维”（Stanford d.school design thinking）。我曾经探究过能不能给一年级的学生上设计思维的课程，结果发现硅谷的The Nueva School已经把设计思维的大学课程针对青少年做了改编，而且在官网上（https://www.nuevaschool.org/）提供了设计思维课程在学校里应该如何教学、教师培训怎么做、在家庭环境中如何执行等详细指导，这是我非常推荐的资源。我们学校从16年开展设计思维的课程到现在，我遗憾的是没有让每一位老师都进行端到端的设计思维训练教学培训，将设计思维的概念贯穿到每个学科的最底层。当AI具备今天的能力的时候，这些设想终将成为现实。
我的第二个建议是从初中开始，老师和家长都可以学习一下教练技术。企业教练做的是激发目标感，这个模式在商业界和体育界已经非常成熟地运作了很多年。教师和家长更应该关心孩子如何激发目标，如何创造环境让他们自己实现自己的目标。
潘鹏凯：首先，应该根据孩子的具体需求制定教育策略，但是总体建议给孩子一些童年时间，不要太累。如果你有时间有财力，应该带孩子去旅游，我现在还会时不时地回看我们家庭积累的二十多年的旅游照片库，我觉得旅游的经历让我受益终身。
第二，我强烈建议你腾出时间和孩子一起学习，而不是送到培训班。
最后，我很赞同犹太人的教育理念，就是把孩子当作成年人来对待，我觉得这种模式教育出来的孩子整体比较独立。
观众提问：我觉得教育是德智体美劳全面发展，我们现在过于强调“智”，其他几个方面是AI能教的吗？人性的阴暗面很容易被激发，AI如何才能规避，AI如何能为创造一个更好的社会作出贡献？
任鑫：人类已经拥有核武器等各种更危险的科技，我们不必过于担心人类文明被AI毁灭。
第一点，我相信“仓廪足而知礼节”，社会发展到了一定程度，有更多的资源去帮助少数人群的利益，会更加注重“德”。我觉得AI能够让整个社会生产力提高，在这个方面会有间接的帮助。
第二点，我觉得您刚刚提到的“德智体美劳”中，为什么其中“智”被抬到那么高的地步，是因为“智”有用，它在这个世界上能赚钱，然后我们会尊重这些能够赚钱，能为社会生产做贡献的人的。未来“智”被人工智能替代的程度会越来越高，经济驱动力会变弱，大家反而不会如此看重“智”了。其他方面的价值，比如一个人的德行修养，反而会被体现出来。
窦德景：从我从事AI研究的经历中，我总结出以下两个观点：
AI什么时候最可怕？就是AI拥有自我意识的时候。到目前为止，我觉得即使是GPT-4，还没达到这一点。人性之恶被激发出来很多情况下是因为资源有限，大家需要去竞争资源，而在机器人出现自我意识之前，他们不会去为自身去竞争资源。
现在的人工智能都是通过微调大模型，从而完成一些用户指定的任务，没有通过微调去定义的任务，AI不会去主动完成。我不认为现在的ChatGPT已经达到了通用人工智能，所以我不觉得他会自动地参与到人性之恶中来，这方面不必过于忧虑。
***
活动预告：
文稿 - 侯一巨/司马坤杰/王稚砚/吴瑾
微信扫码关注该文公众号作者