对于“人工智能+教育”的一些思考
如果说人工智能当下最合适的落地场景，那么进入课堂这件事一定是排在靠前的位置。从当下的趋势来看，人工智能进入课堂已经不是设想，而是我们必须要去做的一件事了。
方向有了，但是问题是：人工智能进入中小学课堂到底应该怎么做？人工智能为学校教育可以带来什么价值？如何与现在的教育体系融合？
在过去的一年里，我除了做AI的职业社会教育，也在高校里给大学生上过课，给老师们培训过人工智能的使用，也进入过中学的课堂，给孩子们分享人工智能的应用，还给中小学做过AIGC的落地产品。
如果从这个角度来看，我勉强也算是局中人了。作为局中人，在这里，我分享一些我自己的浅显的看法。
观点1:人工智能教育，重点应该在小学
按道理来说，人工智能首先进入的应该是大学课堂。在现在这个国际环境中，我们应该尽快培养人工智能人才来迎接即将到来的人工智能时代。
但是如果稍微了解一些人工智能当下行业情况的人会发现，我们在人工智能领域不缺人才，但是缺的是顶尖人才。
人才数量比较的是社会福利和教育投入程度，而顶尖人才数量则是和思维模式的培养息息相关的。
而思维模式的培养，长期以来是我们基础教育缺失的部分。尤其是在当下人工智能时代即将到来的大背景下，强化思维模式的培养这件事已经变的刻不容缓。
所以，人工智能教育赋能的重点应该是小学，并且应该强化的是思维模式的培养，而不是学习“如何使用人工智能”。
观点2：“如何学习”比“学知识”更重要
“无限猴子定理”是一个概率论中的思想实验，它表明如果一只猴子在打字机上随机按键的时间足够长（即无限时间），那么几乎可以肯定它最终会打出任何给定的文本，比如《莎士比亚》的全集或《圣经》的原话。
这个理论看起来无懈可击。但是问题是，如果让猴子在打了足够量的文字，他是否就能自己写出一本《莎士比亚》或者《圣经》呢？
答案很明显，做不到。猴子在打了足够量的文字后，还需要从中总结规律，学习文本的结构规律，学习写作方法，思考要表达的内容，然后才能自己进行创作。
但是猴子想要学会这些东西，几乎是不可能的。除非猴子在外力的干预下，进化自己的思维模式，进化自己的学习方法，不然这件事情在猴子身上，是不可能发生的。
思维模式跟不上，那么学习这件事就是天方夜谭或者效率极低。这个逻辑不仅仅是生物学上成立，在人工智能领域也是一样的。
如果研究一下人工智能的发展历程我们就会发现，每一次的技术进步，都是先从算法模型的进步开始，然后再是追求训练量，这就意味着算法模型的发展，相对于训练量而言，对于人工智能的发展更重要。
从卷积神经网络到现在的Transformer 模型，科学家们不断研究的是优化学习方法，让人工智能用更有效更先进的学习方法去进行学习，也就是说，AI的发展，其实本质上是“让机器掌握更先进的思维模式和学习方法”达成的。
AI并不聪明，他只是在不断在学习人类的先进思维模式和学习方法，而人类呢？
回到教育本身，在给大学生进行AI教学的时候我发现一个问题：我们的孩子在知识记忆角度一点问题也没有，很勤奋，很刻苦。但从学以致用的角度，我们的孩子似乎并不擅长。
并不是孩子们不聪明，你告诉他们第一步怎么做，第二步怎么做，第三步怎么做，他们学的很快，但是一旦让孩子们活学活用，孩子马上就蒙圈了。
很多人觉得这是学习的不够深入，练习的不够多，或者老师的教学方法又问题。诚然，这些问题并不是不存在。但如果回忆一下刚才的那个“无限猴子悖论”，我们是否会得出一个结论：
我们孩子并不完全是不努力，不勤奋而学不好。很大概率上，这是缺乏好的“算法（思维模式）”好的“模型（学习方法）”所导致的。
长期以来，我们整个社会都会非常重视“知识的学习”，而不重视“学习的效率”。这并不是教育的问题，而是我们整个社会长久以来过度强调“努力”，而无意中忽略了“方法”所导致的。
人工智能在不断学习人类先进的学习知识和思考问题的方法，人工智能正在逐步变强。他们的学习能力理解能力已经慢慢接近人类，从这个角度来看，我们是否应该向人工智能去学习，被他们验证行之有效的学习方法呢？
所以在基础教育领域，是时候去强调“思维模式”和“学习方法”了。
在小学阶段，让孩子们学习使用人工智能，有意识的引导孩子们以人工智能的方式方法来进行学习，让孩子们将人工智能的学习方法运用到自己的学科知识学习中，这件事的价值比单纯的使用人工智能有更大的价值。
观点3：中学AI教育应该重视“盒外知识”的教学
小学教育应该解决的是思维模式和学习方法的问题，因为这些东西应该从小培养起，那么中学教育呢？
有人会说，中学教育，那就单独开一门课，系统的开始学习人工智能这门学科啊！
问题是，这件事并不简单，人工智能的学习并不是一件轻松的事情。其中牵扯的非常多的知识。在学习人工智能之前，你需要掌握高等数学、生物学、信号学......，而学习这些知识，初高中的知识量显然是不够的。
那么中学人工智能教育应该教育什么？我理解的是“盒外知识”的教学。
所谓的“盒外知识”，本质上就是去掉那些复杂的抽象的专业知识之后，从原理层面能够具象的能够理解的知识。
人工智能的学习中，最大的难点在于很多抽象的知识概念，比如什么叫高维向量、什么叫潜空间，什么叫注意力，这些概念很抽象，如果无法理解，那么学习人工智能知识，就像是看天书。
但有时候，我们只需要抽掉那些专业知识，只从原理层面去理解，这些专业名词并不是不能理解的，而这件事，很适合在中学阶段去做。
在中学阶段，孩子们开始接触化学物理这些需要具备一定抽象理解能力的学科。所以中学阶段，其实最适合做的就是去普及一些基础的“盒外知识”，这对于进入大学进行更进一步的专业学习，会打下很好的基础。
就像是在高中阶段，我们会学习核聚变和核裂变，但如果让一个高中生去手搓原子弹，这件事做不到，因为在高中阶段所学习的核知识只是和盒外知识。
这看起来没什么用，但如果你大学里学习的专业方向是核物理。那么高中你所学习的这些盒外知识就显得非常重要了，这对于培养核能人才而言，有非常重要的打基础的作用。
同样的，人工智能领域也可以采取同样的逻辑，在初高中阶段，讲解人工智能的盒外知识，让孩子们理解人工智能的基础原理，那么这对于大学里去培养专业的人工智能人才而言，意义是巨大的。
观点4：大学教育需要强调“跨学科的人工智能人才培养”
我们在小学和中学所学习的知识，对于大学专业知识的学习而言，就是基础和基石。但我们在K12阶段里进行人工智能教育，是否是为了一股脑的将所有人都培养成人工智能人才呢？
答案是否定的，人工智能的出现会一定程度上改变人类社会，但只要依然是人类主导社会发展，那么人工智能就不会对于人类社会的结构产生颠覆性的冲击和影响。
对于人工智能而言，未来是AGI（通用人工智能）的时代。在那个时代，AI真的会变得无所不能，上知天文，下知地理，能画画，能唱歌，能自己写代码.....但是这对于我们培养的人才而言，提出了新的要求，我们更多的需要的是有跨学科的人工智能人才。
为什么我们需要跨学科的人工智能人才？
举一个例子，目前当下我们所接触的人工智能绘画工具都是基于扩散模型（diffusion model）来进行工作的。然而时至今日，这个模型依然没有解决对于复杂结构（手部、眼睛、人体结构的绘制）。原因在于这个模型的底层工作原理就决定了，他无法解决这些问题。
扩散模型的基本逻辑是基于对于大量图片进行解析和学习，从中提炼各种特征（色彩、光影、构图、绘画风格、质感等），然后将提炼的共性运用于图片生成。但这里的核心问题是，所有提取的特征都是基于平面的，对于透视、结构、独立个体的特征识别，这个模型显然并不能胜任。
所以这个模型相当于一个自学成才的画家，他临摹了大量的美术作品，掌握了一定的技巧，但是这些技巧并不专业，并不系统，他并不像专业的画家，学习过透视、光影、用色、人体结构。所以他的绘画技巧是会有瓶颈的。
所以，问题在于，如何让人工智能学会透视、结构、独立个体的特征识别？这对于专业的美术人员，并不太难理解，但是对于专精于人工智能但不了解美术的人而言，却是非常困难。
知识的壁垒就会使得我们在某一个专业领域的人工智能技术角度，在某一个时间点陷入瓶颈，而想要突破瓶颈，我们就需要跨学科的人才——比如即懂美术，又懂人工智能的专业人才。
从这个角度而言，如果想在未来AGI时代到来的时候，我们能够不落后于国际水平，我们就应该考虑的是培养“人工智能+”的复合人才。
结尾：
这是关于“人工智能+教育”的一些粗浅的理解。关于人工智能+教育，概念已经提出来了，但是未来会是怎样的？谁也不知道，这里只是我的一些粗浅的想法，也希望这些内容能够让大家更多的思考，未来的教育，到底应该是怎样的，
喜欢的朋友记得点赞、收藏、关注哦！！！