达特茅斯那两个月

1956 年夏天,十个人在达特茅斯学院的一栋楼里关了两个月。

他们想回答一个问题:机器能不能思考?

没有投资人。没有产品路线图。没有商业计划。只有一个问题,和一群被这个问题困住的人。

七十年后,“机器能不能思考"这六个字,撑起了人类历史上最大的商业故事之一。万亿市值,军备竞赛,算力囤积,人才争夺。

但如果你把镜头拉回那个起点,会发现一件值得停下来想想的事——

驱动这一切的,最初只是好奇心。

不是市场需求,不是风投判断。Turing 写《计算机器与智能》的时候在想的不是估值。Shannon 在贝尔实验室推导信息论的时候没有 KPI。Hinton 在多伦多大学坐了将近三十年冷板凳,同行觉得他在研究死路,资本完全不感兴趣——他撑下来的全部理由,就是"我觉得这条路是对的”。

然后 2012 年,AlexNet 在 ImageNet 上赢了。资本来了。一切都变了。

这个故事,和另一个故事非常像。

另一条一模一样的路

一个孩子小时候问:“天为什么是蓝的?”

大人说:“以后你就知道了。”

到了学校,他确实学到了瑞利散射。但他已经不再问"为什么"了——他在问"这个考不考"。

高中三年,他用全部精力通过了一场叫做高考的筛选。他证明了自己足够聪明、足够自律、足够能忍。他拿到了一张入场券,进入大学。

大学四年,他学了一个专业。这个专业不一定是他最想学的,但它"就业好"。毕业后他进入一家企业,用十年把自己磨成了一个高效的、可靠的、符合岗位要求的人。

他从来没被问过:“你对什么好奇?”

整条路上,这个问题不出现在任何评分标准里。

现在把这两条路放在一起看:

AI 的路:好奇心(达特茅斯)→ 学术研究(几十年冷板凳)→ 商业爆发(资本重新定义一切) 一个人的路:好奇心(童年)→ 学校训练(筛选与塑形)→ 职业功能(为企业产出价值)

两条路的形状一模一样。

而且在两条路上,同样的东西在同一个阶段被磨掉了——

在 AI 这边,被磨掉的是"为什么研究这个",变成了"这个能商业化吗"。

在人这边,被磨掉的是"我对什么好奇",变成了"市场需要什么"。

教育在做什么

教育的官方叙事是"育人"。培养全面发展的人。

但如果你把教育系统当作一台机器,看它的输入和输出,你会发现它真正在做的事,可以用两个词概括:

筛选和训练。

筛选——从几百万人里选出能进 985 的 2%。从 985 里选出能读研的。从研究生里选出能进大厂的。每一道关卡都在做同一件事:测量你在标准化评价体系下的表现,淘汰其余的人。

训练——通过筛选的人,被塑造成企业需要的形状。会用 Excel,会写报告,会管项目,会在 deadline 前交付。

这两件事不是不重要。在一个资源有限的社会里,筛选是必要的,训练也是必要的。

问题不在于它们存在。在于——在这整个过程中,“你对什么好奇"这个问题,从来没有被当作一个正式的考量。

经济学家 Bryan Caplan 在 The Case Against Education(2018)里用数据论证过一件让教育界不太舒服的事——教育的主要经济功能不是"让你变得更有能力”,而是"向雇主发信号,证明你通过了筛选"。文凭的价值,不在于你学了什么,在于它证明你能熬过这个过程。

Paulo Freire 半个世纪前就看到了另一面。他在《被压迫者教育学》里把传统教育叫做"银行式教育"——老师往学生脑子里"存入"知识,学生是被动的容器。存的内容是什么不重要,重要的是存的动作本身——它教会学生服从、接受、不追问。

这些批评不是新的。但它们在 AI 之前可以被搁置——因为这套系统还在正常运转。你通过筛选,拿到文凭,换到工作,获得报酬。闭环是完整的。

AI 把这个闭环撕开了一个口子。

当工具人遇到了工具

你花了十年学英语,GPT 翻译得比你好。你花了五年学写代码,Copilot 三秒钟写出来的比你规整。你花了三年学做 PPT,AI 一键生成二十个版本。

这些技能是你通过筛选之后被训练出来的。它们是你的职业身份,是你的收入来源,某种意义上也是"你是谁"的一部分。

然后 AI 用几秒钟做到了你花几十年练的事。

表面上,这是一个就业问题——我会不会被替代?

但再往下想一层,它其实是一个更老的问题:

如果我的技能不是"我",那我是什么?

大多数人一辈子都不会被推到这个问题面前。日常的忙碌——上班、交付、晋升、还贷——把这个问题盖住了。你的功能就是你的身份。你不需要另外回答"我是谁"。

AI 做的事,是把那层盖子掀开。

在《那些"没用的问题"》里,我借用过 Hannah Arendt 在《人的境况》里的三分法:劳动(循环的、维持生存的)、工作(创造持久成果的)、行动(改变自我认知的)。那次我用它说"追热词是劳动,掌握一个框架是工作,追问’智能是什么’是行动"。

现在可以再往前推一步——

我们的教育系统,几乎只训练劳动者和工作者。它不训练行动者。

它教你怎么完成任务,怎么通过考核,怎么在截止日期前交出合格的东西。它不教你怎么问"我到底想做什么",怎么面对"这件事没有标准答案"的处境,怎么在没有评分标准的世界里找到自己的方向。

因为"行动"——改变自我认知的那种活动——是没法被标准化考核的。所以它被排除在教育体系之外。

然后 AI 来了,接管了劳动和工作的大部分。

留下来的,恰好是教育从来没有教过的那一层。

被磨掉的那个东西

到这里,也许可以给那个在教育过程中被磨掉的东西起一个名字了。

不是知识——知识一直在增加。不是技能——技能一直在训练。

是追问的冲动。

“天为什么是蓝的”——这不是一个需要答案的问题。它是一种面对世界的姿态。这种姿态说的是:我看到了一个我不理解的东西,我想理解它。不是因为考试要考,不是因为老板要求,就是因为——我想知道。

这种姿态有很多名字。好奇心。探索欲。Wonder。

它在每个孩子身上都存在过。

然后,在十几年的筛选和训练中,它被系统性地磨掉了——不是因为有人故意要磨它,是因为它不计分。不计分的东西,在一个以分数为唯一通货的系统里,自然就萎缩了。

我自己就是这个故事的一个注脚。

大学期间,我学过数学分析、高等代数——正经的数学专业课。考试也过了。但二十年后,当我开始学 LLM 的数学原理时,发现自己面对矩阵和微积分,竟然很茫然。

不是忘了公式。是当年学的时候,我不知道矩阵可以用来表达语义,不知道微积分底层在想什么。我学的是解题步骤,不是思想。那些知识通过了考试,但没有长进我的脑子里。

后来我重新自学了一遍——写了《看见数学》十六篇。那个过程里真正帮到我的,不是大学教的任何一门课,是中学时代养成的一个习惯:遇到不懂的东西,自己去想办法搞懂。

那个习惯不是哪门课教的,是更早、更模糊的时候长出来的。它就是好奇心的一种具体形态。

大学给了我一张文凭。中学给了我一个习惯。真正管用的,是后者。

世界怎么做的

我的经历不是孤例——它暴露的是一种结构性的缺失。但如果你把视野从中国移开,去看看世界各地的教育,你会发现:没有一个国家做对了所有事,但几乎每个国家都做对了某一件事。

在《AI 与教育》里,我把教育的基底分成三层:认知工具、世界模型、价值观与自我。用这三层去看全世界的做法,画面变得很有意思。

认知工具:谁教得扎实?

中国和新加坡。

这一点要公正地说——中国基础教育在知识传授上的系统性,是世界公认的长处。

2014 年起,英国教育部拨款 4100 万英镑,启动了一个"中英数学教师交换"项目:上海教师赴英示范,英国教师赴沪观摩。英方学到的核心理念是:全班同进度、一个知识点讲透、大量变式练习、教师集体备课。英国前教育大臣 Nick Gibb 多次公开赞扬上海数学教学法。

新加坡的数学教学法(Singapore Math)以"CPA 模型"——具象→图像→抽象——闻名,被美国等多国引进。

所以,当有人说"中国教育不好",需要先把话说准:中国教育在"把认知工具的基础打扎实"这件事上,做得很好。全世界来学的,正是这一层。

但也正是这一层,和 AI 的能力重合度最高。精熟的解题技能、规整的推导过程——这些 AI 已经做到了 90 分。中国教育最强的地方,恰恰是 AI 最容易替代的地方。

这不是说这一层不该教。这一层仍然是地基。但如果只教这一层,地基上面什么都没有。

世界模型与身体:谁做得好?

说几件我觉得值得停下来想一想的事。

日本的扫除。 日本学校没有专职清洁工。每天放学后,学生打扫教室、走廊、厕所。这不是惩罚,是道德教育的一部分——它培养的是责任感、集体意识、对环境的尊重。2018 年起,日本把道德教育正式列为学科。

你可能觉得这和 AI 时代有什么关系?关系在于:责任感和自律,是 AI 完全无法替代的人格基础。 而这些东西,不是靠一门课教出来的,是靠每天弯腰擦地板长出来的。

体育:习惯与应试。 我上中学的时候,中考有体育:1000 米、实心球、引体向上。为了拿分,考前突击训练;考完就再也不碰了。这是"应试体育"——它能在短期内拉高体测成绩,但不会养成终身运动的习惯。

看一组数据:澳大利亚成年人定期运动比例约 63%,中国约 37%。差在哪?英国和澳大利亚的学校提供二十多种运动自选,重点不是达标,是"找到你喜欢的那一项"。兴趣驱动的运动,才能跟人一辈子。

身体运动是 AI 完全碰不到的领域。但我们的体育教育,把它变成了另一场考试。

芬兰的另一种可能。 芬兰 7 岁入学,16 岁前没有标准化考试。没有排名,没有分流。教师全部要求硕士学位,师范录取率仅约 10%——极度竞争,但竞争发生在入口,不发生在课堂。教师在课堂上享有高度自主权,没有统一教材。

芬兰曾在 PISA 中位居全球第一。近年有所下滑,教育界在反思。但它证明了一件事:在没有考试压力的环境下,孩子依然可以学得很好——只要教师足够好。

价值观与自我:谁在认真教?

这一层,全世界做得最系统的,可能是法国。

法国高中生在最后一年(Terminale,约 17-18 岁)全民必修哲学——无论文科、理科还是技术方向。会考(bac de philo)是全国统一考试,4 小时论文,从三个题目中选一个作答。

感受一下这些题目:

  • “欲望是否意味着匮乏?”
  • “自由是否意味着拒绝一切权威?”
  • “解释卢梭《社会契约论》选段。”

评分标准不是"答案对不对",是论证结构——要求正-反-合(thèse-antithèse-synthèse),要求学生展示多角度思考。

法国是全世界少数在中学阶段把哲学作为全民必修的国家。这件事的意义在于——它让"思考自己在想什么"这件事,成为了一项被正式训练的能力。

我们说 AI 时代最稀缺的是批判性思维、是质疑前提、是审视价值观。法国人从两百年前就开始制度化地训练这些。

中国有人在试

说到这里,我想让大家看到的不只是差距,也有正在发生的事。

中国已经有人在做不一样的教育实验:

一土学校(ETU School)——2016 年李一诺在北京创办。她之前是麦肯锡合伙人、盖茨基金会中国负责人。学校融合中国课标与项目制学习,强调社会情感能力的培养。

探月学院(Moonshot Academy)——面向高中阶段,无固定课表,学生通过项目、实习、自主研究获得学分。它在尝试回答一个问题:如果不用考试驱动,学生能不能自己学?

华德福学校——2004 年成都开了第一所,目前全国约 80 多所。强调艺术、手工、自然教育,延迟引入学术内容和电子设备。

这些学校共同的困境也很真实:学籍怎么办?升学通道在哪?学费不低,公平性怎么保证?能不能规模化?

它们现在还是小众实验。但它们在做的事情——项目制、跨学科、社会情感学习、尊重孩子的节奏——恰恰是 AI 时代最需要的方向。种子已经在地里了。

另一种极端:从应试到"应兴趣"

但这里有一件正在发生、值得警惕的事。

一线城市的一些家庭,已经意识到纯应试的局限了。他们的应对方式是——让孩子学钢琴、学芭蕾、学游泳、学编程、学辩论、学马术、学击剑,每个周末排满五六个兴趣班。

表面上看,这和应试教育完全不同。但你仔细看,会发现底层逻辑一模一样——驱动力不是孩子的兴趣,是家长的焦虑;目标不是让孩子找到自己,是让孩子在另一条赛道上"赢"。

从"刷题"变成了"刷兴趣班"。孩子依然不是出发点,家长的不安才是。

这件事的讽刺在于:它以"培养完整的人"为名义,做的却是和应试同一件事——把孩子塞进一个外部定义的标准里。只是那个标准从"考试分数"变成了"简历丰富度"。

好奇心不是被安排出来的。一个孩子每周被拖去六个兴趣班,他丢掉的恰恰是好奇心最需要的东西——空闲的时间,无聊的下午,没有人安排、只能自己找事做的那种空白。

很多时候,好奇心不是在"学什么"的时刻长出来的,是在"什么都没学"的时刻长出来的。

没有完美答案,但有一张图

把这些放在一起看,不是为了说"谁好谁差",是为了看清一件事:

每个国家的教育,都做对了一部分,也都缺了一部分。

上海做对了认知工具的基础。芬兰做对了内在动机和教师专业化。法国做对了自我认知和批判思维的制度化。日本做对了非认知能力——责任感、自律、集体协作。英国和澳大利亚做对了终身运动习惯的培养。

没有哪个国家同时做到了所有。

但作为一个中国家长,你看见了全局之后,可以在自己能触及的范围里,做一件事——

补那些学校没给的。

学校给了认知工具的地基——这是中国教育的长处,不必否认。但在它之上,世界模型(科学常识、历史感、身体经验)、价值观与自我(伦理判断、审美、知道自己想要什么)——这两层大概率要靠家庭自己补。

不需要送孩子去芬兰。也不需要报法国哲学班。

也许只是:

让孩子找到一项他真正喜欢的运动,而不是为了中考达标去跑 1000 米。

让孩子每周写一篇真实的东西——不是套作文,是他自己的想法。

让孩子修一次东西、做一顿饭、走一条陌生的路。

偶尔和孩子一起想一个没有标准答案的问题——“什么是公平?““为什么有人穷有人富?““如果你能设计一所学校,它会是什么样的?”

这些事不贵,不难,不需要申请。它们在做的事,和法国的哲学课、日本的扫除、芬兰的森林学校本质上是一样的——在分数之外,给孩子一个长出完整自我的空间。

一扇被推开的门

但我不想把这篇文章写成一个悲观的故事。

因为我看到了另一面。

Hinton 从 Google 离开了,回到了"自由地想问题"的状态。Ilya Sutskever 离开 OpenAI,创办 SSI——一家只做一件事的公司:安全的超级智能。没有产品路线图,只有一个问题。Karpathy 离开所有大厂,去做教育。

这几个人的路径里有一个共同的弧线:从好奇心出发,经历了商业化,然后在某个时刻选择回到好奇心。

他们有这个选择,是因为他们的好奇心从未真正消失——它只是被盖住了。一旦盖子被掀开,它还在那里。

而 AI 对普通人做的事,本质上和这些科学家经历的是同一件事——它掀开了那个盖子。

当你花几十年练就的本领被 AI 做到了六十分,你被迫面对一个你一直在回避的问题:

除了这些本领,我是谁?

这个问题听起来沉重。但换一个角度看——它也许是这一代人收到的最珍贵的礼物。

因为大多数人一辈子都不会被推到这个问题面前。日常的忙碌会帮你回避它。体制的惯性会帮你绕开它。你可以从 22 岁一直工作到 65 岁,从来不需要回答"我是谁”——只需要回答"我的 KPI 是什么”。

AI 把这扇门推开了。不是温柔地——是粗暴地,不由分说地。

但门开了之后,门后面的风景是真实的。

回到开篇语

这个博客的第一篇文章里,我写过三个问题:

生命从何而来?意识从何而来?生命的意义是什么?

当时写下这三行,我以为它们是遥远的哲学问题。

现在回头看,它们不是修辞。它们是预言——

预言 AI 终将把每一个人推到这些问题面前。

不是因为 AI 有答案。是因为 AI 把所有别的答案都变便宜之后,这些问题就成了唯一还值得亲自去想的东西。

你上一次因为纯粹的好奇而去了解一件事,是什么时候?

如果你还记得——那个东西还在你身上。

如果你不记得——也许现在是一个好时机,把它找回来。

很难说这是好事还是坏事——它只是正在发生。

本文涉及的本博客文章

  • 《压缩即智能——开篇语》
  • 《那些"没用的问题”,是理解 AI 的入场券》
  • 《看见数学》(系列十六篇)
  • 《AI 与教育:孩子今天该学什么》
  • 《AI 的十字路口》

主要参考与延伸来源

  • Bryan Caplan, The Case Against Education, Princeton University Press, 2018
  • Paulo Freire, Pedagogy of the Oppressed, 1970
  • Hannah Arendt, The Human Condition, University of Chicago Press, 1958
  • 英国教育部(DfE), Maths Teacher Exchange Programme, 2014-2019
  • OECD PISA 数据库
  • 中国国家体育总局, 2020 年全民健身活动状况调查
  • Geoffrey Hinton, 2023 NYT 专访 / 2024 Nobel Lecture
  • Ilya Sutskever, Safe Superintelligence Inc. 2024-06 创立声明
  • Andrej Karpathy, Eureka Labs 2024-07 创立公开信