—丹尼爾·薩斯坎德：《我的孩子該做什麼？》
這幾年，中國家長越來越喜歡問一個問題：孩子以後學什麼，才不會被AI替代？學計算機？AI已經會寫代碼。學法律？AI可以檢索判例、審合同、起草法律文件。學金融？機器分析數據的速度早就超過人。學設計？圖片和視頻生成已經進入普通人的手機。那就讓孩子去學一種需要“情商”的工作？現在連這一點也沒有以前那麼保險了。AI可以陪人聊天，可以安慰客戶，可以模擬談判，也可以寫出聽起來相當體貼的回覆。
問題聽上去不錯，其實一開始就問錯了。它假定未來的勞動市場上還存在一塊安全地帶，只要家長眼光夠準，提前十年找到它，再把孩子送進去，孩子的一生就有了保險。英國經濟學家丹尼爾·薩斯坎德（Daniel Susskind）的新書 What Should My Children Do? How to Flourish in the Age of AI 最值得注意的地方，恰恰是對這種思路的否定。我們已經很難找到一種真正能夠“防AI”的技能。今天看起來安全的能力，十年以後也許正是機器最擅長的能力。
他舉了一個很有意思的例子。2013年，英國政府大力推動中小學生學習編程。當時的想法很容易理解：未來是數字時代，編程就是未來的語言。十多年過去，我們突然發現，生成式AI最令人吃驚的能力之一，偏偏就是寫代碼。這里當然不能得出“不要學編程”的結論。真正應該懷疑的是另一件事：我們為什麼總以為，只要預測下一種熱門技能，就能替孩子買下一張通往未來的車票？
這個問題放到中國尤其有意思。過去幾十年，中國家庭事實上形成了一套很強的教育信念：好好學習，考上好大學，掌握一門專業，進入一份好職業，然後過上比父母更好的生活。這個公式從來沒有百分之百成立，但它長期具有相當強的現實基礎，也支撐了無數家庭對子女教育的巨大投入。
今天，這個公式正在松動。不過，不能把所有變化都算到AI頭上。大學擴招、學歷普及、產業結構調整、經濟周期和職業供需錯配早已在改變大學文憑與工作的關系。2026屆中國普通高校畢業生預計達到1270萬人，比上一年增加48萬人。國家發改委今年談高校人才培養時，也把今天的就業壓力概括為總量壓力、結構失衡、行業分化和技能錯配，並把AI列為正在進一步重塑勞動力市場的變量之一。換句話說，AI不是這場變化的唯一原因，它更像一個突然踩下去的加速器。
AI真正動搖的，是我們過去對“能力”的一種理解。以前，一個人能夠寫出一份像樣的報告，說明他讀過材料；能夠寫程序，說明他懂得編程；能夠翻譯，說明他掌握兩種語言；能夠迅速整理幾十篇文獻，說明他受過研究訓練。產出和能力之間雖然從來不是一回事，但兩者大體相關。生成式AI正在把這條聯系拆開。今天，一個不懂編程的人可以生成代碼，一個英文很普通的人可以寫出流暢英文，一個沒有受過嚴格研究訓練的人也能在幾分鐘內得到一份像模像樣的研究綜述。很多過去昂貴的“第一稿能力”，突然變便宜了。真正稀缺的東西因此往後移動：問題問得對不對，材料是真是假，推理有沒有漏洞，結論能不能成立，什麼時候應該相信機器，什麼時候必須推翻機器。
這也是薩斯坎德為什麼反而主張回到閱讀、寫作和數學這些最基礎的東西。這聽起來有一點反常。既然機器讀得比我快，我為什麼還要讀？機器寫得比我快，我為什麼還要寫？計算器早就會算，現在AI連覆雜推理都會做，孩子為什麼還要苦苦訓練這些東西？因為教育訓練的從來不只是“得到答案”。
2025年發表在美國《國家科學院院刊》（PNAS）的一項隨機實驗特別有意思。研究者讓近千名高中生使用GPT-4輔助學習數學。普通GPT界面的確大幅提高了學生做練習時的表現，但當AI被拿走以後，這些學生在獨立考試中的成績反而比沒有使用AI的對照組低了17%左右。另一種經過專門設計、主要提供提示而不是直接給答案的AI導師，則基本消除了這種負面效果。這里出現了一個非常重要的區別：完成任務和獲得能力不是一回事。
這可能是理解AI教育最重要的一把鑰匙。孩子用AI十分鐘寫完一篇漂亮作文，家長看到的是產出；真正應該問的是，關掉AI以後，他腦子里剩下了什麼。孩子利用AI解出一道數學題，結果當然是對的；問題是下次遇到一個稍微不同的問題，他能不能自己重新走一遍。學習最麻煩的地方就在這里：那些讓人覺得笨、覺得慢、覺得痛苦的過程，常常恰恰是在形成能力。
OECD三天前公布的PISA 2025結果把問題說得更直接。15歲學生的閱讀和數學成績繼續下降，而下降特別明顯的恰恰包括判斷證據、區分事實和觀點、處理複雜信息這些AI時代最需要的能力。調查中，不使用AI完成某些學校任務的學生平均表現往往更好；但與此同時，那些接受過訓練、知道怎樣檢查和評價AI答案的學生，在使用AI時又表現得更好。OECD因此強調，技術只有在不代替注意力、努力和理解時，才真正有助於學習。
這就解釋了一個表面上的悖論：機器越聰明，人越需要基礎知識。沒有歷史知識的人，很難發現AI把兩個年代混在了一起；沒有基本統計訓練的人，很難判斷一個漂亮的圖表是不是在騙人；沒有真正讀過文學的人，很容易把流暢當成好文章；沒有法律訓練的人，面對一篇措辭極其專業的AI法律意見，甚至不知道應該懷疑哪里。知識因此開始具有一種過去不那麼顯眼的功能：它不只是幫助我們生產答案，也是我們檢查機器的內部標尺。
這就是為什麼薩斯坎德提出“teach both, test both”——兩種都教，兩種都考。孩子應該學會不用AI完成任務，也應該學會帶著AI完成更複雜的任務。學校不能假裝AI不存在，因為他們畢業之後一定會使用AI；學校同樣不能讓AI替學生度過所有困難，因為那等於讓孩子擁有一副越來越強的拐杖，卻沒有長出自己的腿。
但我覺得，這本書還留下了一個更難的問題。假如有一天，機器真的比孩子寫得更好、算得更快、畫得更漂亮，甚至程序也編得更好，我們憑什麼還要求一個孩子花幾年時間，把這些能力練到自己身上？過去很容易回答：因為考試要考，因為大學要錄取，因為公司要招聘，因為學會以後能夠掙更多錢。AI正在一點點削弱這個回答，於是教育第一次被迫回到一個更古老的問題：一個人學習，究竟只是為了生產一種市場需要的產品，還是為了把自己變成一種人？
人學習寫作，不只是為了生產文章。寫作逼迫一個人整理混亂的思想。人學習數學，不只是為了得到答案。數學訓練一個人接受邏輯約束。學習歷史也不僅是記年份，它讓人理解因果、偶然和選擇。編程的價值同樣不僅在寫出代碼，它訓練人把一個模糊的大問題拆成能夠處理的小問題。AI能夠替我們完成這些活動的結果，卻不能自動把這些活動在我們腦子里留下的結構也一並裝進去。
這就是AI時代教育真正可能發生的變化：過去我們把教育看成“獲得一種可以出售的技能”；今後，它越來越像“形成一個不會完全依附機器的大腦”。
這對中國家長尤其是一次觀念上的考驗。過去選專業，家長最愛問就業率、工資和穩定性。現在又多了一問：這個職業會不會被AI替代？其實這些問題都沒有錯，錯的是把它們當成唯一的問題。醫生、律師、會計師、程序員、設計師都不會因為AI明天集體消失，但他們內部的工作會重新分配。一些原來需要幾年訓練才能完成的任務會迅速變便宜，另一些能力——定義問題、檢查錯誤、承擔責任、理解人、整合不同領域的知識——會越來越重要。《泰晤士報》對薩斯坎德新書的評論特別提醒，人們也不能簡單退守到所謂“軟技能”：創造性、客戶溝通甚至某些看似很“人”的任務，同樣正在被機器進入。
所以家長真正需要改變的，也許不是替孩子再找一個熱門專業，而是改變提問方式。不要再問：“什麼技能AI永遠不會？”沒人知道。更值得問的是：我的孩子有沒有一些真正長在自己腦子里的知識？關掉AI以後，他還能不能閱讀、寫作、計算和推理？打開AI以後，他能不能把機器帶到自己原來達不到的地方？機器給出一個漂亮答案時，他有沒有能力說“不對”？面對一個沒有標準答案的問題，他能不能判斷什麼值得做？當一個職業發生變化時，他能不能重新學習，而不是發現自己的全部身份都綁在一張已經過期的職業標簽上？
還有最後一個問題，也許最難回答：當AI已經能夠替他完成很多事情時，他自己還有沒有什麼事情願意認真做好？這已經不是就業問題了，而是人的能動性問題。過去我們常常用未來的回報逼孩子忍受今天的學習：現在吃苦，以後輕鬆；現在努力，以後找好工作。AI越強，這種交換越不穩定。下一代越來越需要另一種動力：因為我想知道，因為我想弄明白，因為這個問題值得解決，因為這是我決定要做的事情。
這也許才是薩斯坎德這本書真正把我們帶到的地方。AI時代最危險的孩子，未必是不會使用AI的孩子。更危險的可能是另一種孩子：什麼都會讓AI做，卻漸漸不知道自己為什麼要做；得到答案越來越容易，形成判斷越來越困難；工具越來越強，自身卻越來越空。
中國家長問錯的問題，不是“要不要讓孩子學AI”。AI當然要學。他們問錯的是：我的孩子究竟應該學什麼，機器才永遠搶不走？我們也許應該換一個問題：在一個機器越來越能幹的世界里，我怎樣讓孩子自己仍然是一個有知識、有判斷、有興趣、有行動能力的人？
這兩個問題只差了一句話，背後卻是兩套完全不同的教育。前一種教育在尋找一座不會被AI攻陷的職業城堡。後一種教育承認，也許根本沒有這樣的城堡。我們能做的，是讓孩子學會在一個不斷變化的世界里，自己走路，同時知道什麼時候應該讓機器幫他跑得更快。這大概才是AI時代真正的“未來保障”。
轉載自《中國AI評論》
