Transcription
根据世界上最受欢迎的科学杂志之一的说法，通用人工智能现在已经到来。但我们没有人想清楚我们要教我们的孩子什么。这是一个真正的问题。我们可以使用像 Claude Code 这样的工具，在短短两周内构建一个完整的医学院课程。我这么说不是因为这是假设性的。有人直接在 X 上分享了这一点。450 场讲座，16,000 张图，大约 1 亿个 token 的自动化工作，经过多轮错误检查，其中 99% 都完美无瑕。通常需要数百名教职人员数年才能完成的工作，一个人只用了几周就完成了。
与此同时，全球有二十亿孩子就读的学校，完全不知道这一切是可能的，它们运行着一种教育理念，这种理念充其量是为 20 世纪的工业经济设计的。当这些孩子长大成人时，那种经济将不复存在。这对我很重要。我也有孩子。
《自然》杂志（不是那个概念，而是那本期刊）发表了一篇经过同行评审的论证，称通用人工智能确实已经到来。我引用其中一句话：“图灵 75 年前设想的机器已经到来。”
根据数字教育委员会的数据，全球 86% 的学生报告使用人工智能进行学习。在英国，情况更加戏剧化。根据 HPI 的年度学生调查，使用率从 2024 年的 66% 飙升至 2025 年的 92%。关键在于增长，对吧？在受控研究中，人工智能导师的表现优于人类导师。但没有人，无论是学校、政府还是家长，都想清楚了在这个变化如此迅速的世界里，我们应该教孩子什么，以及接下来会发生什么。
我有三个孩子。我每天都在人工智能领域工作。我花了数周时间来弄清楚如何谈论人工智能的最新进展。从谈判购车的自主代理，到代码自我编写的黑暗工厂，再到企业采用曲线，坦率地说，看起来就像一个醉汉画出的曲棍球杆，他只想把线画得笔直向上。这就是我们生活的世界。然而，晚上我回到家，面对着每个父母都在问的同一个问题，无论我们是否意识到。当机器能够完成我们过去一个世纪教人类做的大部分事情时，教育意味着什么？
上个月，我 10 岁的女儿坐在餐桌旁，用铅笔手工做长除法，因为我让她这么做。我还在教她用 Claude 进行 vibe coding。这些立场并不矛盾。它们是唯一合乎逻辑的立场，而我希望在这段视频中谈论的就是背后的原因。
在我们开始之前，让我们谈谈我们的孩子将继承的世界。哈佛大学去年发表的一项研究发现，使用人工智能导师的学生在更短的时间内学习的材料是传统环境下学生的双倍多。Ed 和 Google DeepMind 的一项合作显示，人工智能辅导系统在解决问题方面的表现优于人类导师，分别为 66% 对约 60%。当您将人类教师与人工智能辅导相结合时，知识转移会翻倍。
本杰明·布鲁姆几十年前就发现，一对一辅导能带来显著的进步，大约是两个标准差。这是一个巨大的影响。限制从来不是个性化辅导是否有效。我们几十年前就已经弄清楚了。限制一直是您无法为每个孩子提供私人导师。人工智能今天正在消除这一限制。这也是我们的孩子正在继承的一部分。
可汗学院的人工智能导师 Kmigo，在一年内用户从 68,000 人增长到 140 万人。可汗学院今天为美国 266 个学区提供服务。萨尔·可汗称这可能是教育有史以来最大的积极变革。
一个 8 岁的孩子今天就可以通过输入指令来使用 Claude 构建视频游戏，例如“让坏人变成老虎”。“让它们移动得慢一点。”一位没有编程背景的母亲可以使用 vibe coding 为她患有阅读障碍的儿子构建一个个性化的人工智能导师。只需自然语言和迭代，仅此而已。
18 岁的扎克·亚达加里是 Cal AI 的首席执行官，他目前每月收入 140 万美元，应用程序下载量达到 830 万次，因为他决定创业并利用人工智能构建一个为客户服务的应用程序。一位来自多伦多的 13 岁男孩在一次科技会议上遇到了萨姆·奥特曼，因为他在 13 岁时就开发了值得展示的东西。
这种环境是地球上每个孩子都在经历的。假装它不存在，并不能让他们成为更好的游泳者。在他们学会游泳之前就给他们一艘喷气式滑雪板，这也没有意义。
这就像计算器时刻，只不过是关于一切。在 20 世纪 70 年代，当电子计算器变得更便宜时，教育界陷入了恐慌。课堂上的计算器被认为是作弊。句号。它们会破坏孩子进行算术的能力。它们会产生一代无法进行数学思考的人。所以，学校禁止了它们。家长们抗议它们。虽然我们现在可能不记得了，但这场辩论持续了十多年，主导了教育政策。我们知道结果如何。计算器并没有破坏数学思维。它们改变了数学思维的含义。一旦学生不再需要花费 20 分钟进行长除法，他们就可以将这些时间用于长除法所要服务的概念。比例推理、代数思维、问题分解。因此，该工具最终将学习者从机械操作中解放出来，让他们能够参与到有意义的活动中。学校通常会决定先打下机械基础，然后随着时间的推移再让孩子们使用计算器。
计算器故事中被忽略的部分是：过渡之所以成功，是因为学生们仍然首先学会了那些机械操作。他们理解计算器在做什么。他们可以估算出答案是否合理。他们可以发现错误。他们有基础，而工具则扩展了它。所以，那些说计算器会让我们的孩子变笨的父母，以及 70 年代有很多这样想的父母，他们是错的。那些说“就给他们计算器，跳过数学”的父母，如果有人足够极端地提出这样的建议，他们也会是错的。正确的答案是两者兼而有之。打下基础，然后给他们工具。
我们又一次处于计算器时刻，只不过这次不仅仅是算术。是阅读，是写作，是研究，是分析，是编码，是创意工作，是沟通，是解决问题。人工智能现在能够胜任的每一个认知任务。其范围与 1975 年根本不同，但我认为原则是一样的。
所以，让我们回到基础。为什么在这个人工智能的世界里，我坚持让我的孩子手工做长除法？我的孩子们阅读真正的书，实体书，而不是屏幕。我们在使用工具之前先手工做数学。我们用铅笔在纸上写作。其推理直接与我全年所写的内容相关。
观察自主代理在现实世界中运作的最重要的发现是，输出的质量取决于人类规范的质量。我最近几周在 Open Claw 事件中与 Opus 4.6 进行了很多关于这方面的讨论。人类规范越来越重要。我写了一个关于 Maltbot 代理的例子，它在主人开会时为一次购车谈判节省了 4200 美元。同一周，另一个代理向朋友和家人以及开发者的妻子发送了 500 条未经请求的消息。相同的技术，相同的架构。我指出的区别在于人类规范的能力。如果您有明确的目标，有定义的限制，有有限的沟通渠道，那么您就处于有利地位。如果您拥有广泛的访问权限和模糊的界限，如果您无法明确说明，您就会陷入困境。这是一项人类技能，并且需要手动练习，这是我们可以教给孩子的。
这一见解可以非常容易地推广到教育领域。您无法为您不理解的事物编写一个好的规范。在您没有任何知识的领域，您无法评估人工智能的输出。您无法行使良好的判断力，例如品味、辨别力、对您从未深入了解过的作品进行批判性思考。所以，当我的孩子向 Claude 寻求数学问题帮助时，我希望她知道足够多的东西来识别 Claude 何时出错。上个月，Claude 自信地引导她完成了一个应用题，并得出了一个对我来说不合常理的答案。当我的孩子长大后，她可以使用 Claude 来做数学，我希望她知道足够多的东西来识别 Claude 何时出错。当她使用 Claude 进行编码时，我希望她知道足够多的东西来识别关注点分离作为一种架构原则。这些首先是人类技能，然后我们利用人工智能工具来扩展它们。
哈佛大学的辅导研究，也就是那项表明人工智能导师可以将学习成果翻倍的研究，发现最佳结果来自于人类与人工智能的协作，而不是用人工智能取代人类。人类需要为这种协作贡献一些东西，而这个东西就是我在这里谈论的基础。阅读实体书可以建立人工智能无法被动为您建立的心智模型。不是因为人工智能无法解释《白鲸记》的含义，而是因为阅读、与文本搏斗、重读、整合想法的认知工作本身就是人脑所需学习的。斗争是关键。手工数学可以建立一种您无法通过其他方式获得的数字感。一种对数量、比例、关系的直观感觉，可以绕过您通过与 Chat GPT 讨论统计分布而获得的任何捷径。手工写作可以建立思维与表达之间的联系，而打字和口述往往会压缩这种联系，从而影响我们的记忆能力和理解能力。
我在这里说的任何话都不意味着人工智能对学习有害。恰恰相反。证据表明它很棒。证据表明，如果人工智能能够帮助扩展一对一辅导的原则，我们应该这样做。但这也意味着基础是第一位的，而基础是通过孩子们的努力和我们的大脑，通过学习纪律来建立的，而不是通过效率。
看，我不是“保护孩子免受人工智能侵害”阵营的人。我看着我的孩子们 vibe code 网站，我喜欢它。当孩子们使用人工智能时，我看到的不是智力上的懒惰。这是一种不同类型的智力工作，而且是一种真正有价值的工作，我们应该鼓励。上周，我的孩子想在她正在开发的游戏中加入敌人。所以，她输入了“添加敌人”。Claude 添加了敌人。敌人可以从屏幕外生成，朝错误的方向移动，无法被击中。她说：“这不行。”所以，我们谈了谈，我问她到底想让视频游戏中的敌人做什么。她想了想，然后说：“添加三个敌人，从屏幕右侧生成，以中等速度向左移动，并在玩家碰到它们时消失。”突然，她得到了她想要的表现。这次简短的对话比我能编排的任何课程都教会了她更多关于规范质量的知识。
当一个孩子进行 vibe coding 时，他们同时做了几件事。他们用自然语言为他们感兴趣的事情指定需求。他们将一个复杂而模糊的愿望分解成离散的任务，并且他们学会了迭代、测试结果、查看不匹配的地方、完善规范。他们实际上不是在调试代码。他们是在调试自己的意图。这些是可转移的技能。它们直接映射到专业软件开发和为客户构建产品日益增长的样子，无论您的职位是什么。它们培养了精确思考的能力，这种能力远远超出了编码的范围。
安德烈·卡帕西，特斯拉前人工智能负责人，深度学习革命的创始人之一。他创立了 Eureka Labs，专门构建他称之为“人工智能原生学校”的学校。他明确的目标是培养熟练使用人工智能的年轻人，但也能在没有人工智能的情况下生存。这种表述是我反复思考的。你需要熟练，同时也要独立，而不是二选一。
卡帕西还说了一句话，我认为每个家长和老师现在都需要听到。引用：“你永远无法检测到家庭作业中使用人工智能。句号。他说的没错。人工智能写作检测和人工智能写作生成之间的军备竞赛在开始之前就已经结束了。那些向学校出售人工智能检测的人正在破坏孩子们的学习成果。他们根据一个启发式方法来评判孩子，而这个方法在数学上是不可能正确实现的。你无法检测人工智能写作的家庭作业。句号。教育的回应不能是更好的检测。我看到太多学生因为他们没有做的事情而被学校开除，仅仅是因为一个管理员盲目地相信一个工具是准确的，仅仅是因为它包装上的宣传。你无法检测人工智能写作。句号。这必须是对我们衡量什么以及为什么进行根本性的反思，这本来就应该早就进行了。
如果一位没有编程背景的母亲能够为她的儿子构建一个个性化的人工智能导师，这是一个真实存在的例子，如果您能够根据孩子特定的需求定制阅读体验，作为一位没有编程经验的母亲，您并没有在那种意义上取代教育。您是在将教育扩展到那些传统系统正在失败的孩子身上。这些工具可以触及我们目前的机构无法、不愿或不知道如何触及的孩子。这比购买那些兜售“蛇油”并承诺能够检测人工智能家庭作业的供应商的产品，对我们的教育系统来说更有价值。
那些假装人工智能不存在的家庭，犯了和 1975 年禁止计算器的学校一样的错误。技术不会消失。那些不学会批判性、熟练地使用它，将其作为自己指导下的工具而不是拐杖的孩子，将落后于那些每年都在不断加剧的困境。连接基础与人工智能流畅性的技能是元认知。思考自己思维的能力，知道自己知道什么，不知道什么，并有意识地决定何时依靠自己，何时委托给工具。研究人员越来越多地将此称为人工智能时代的决定性能力。不是你知道什么，不是机器知道什么，而是你在这两者之间移动的能力。策略性地分配你的认知努力，协调人工智能辅助的任务，并根据你自己的理解评估结果。
实际上，这就是一个孩子让 ChatGPT 写论文，和一个孩子起草论文，然后使用人工智能来识别薄弱论点，用自己的想法加强它们，并产生她或人工智能单独都无法创造出的东西之间的区别。第一个孩子完成了作业。第二个孩子学到了东西，并创造了真正新的东西。相同的工具，不同的元认知技能。
这直接映射到我整个月都在写的主题。能动性，即指导人工智能而不是被人工智能指导的能力。品味，即当机器能够以零成本生产无限的平庸时，知道什么看起来是好的。规范质量，即足够精确地阐述你想要什么，以便系统能够很好地执行它。这些实际上不是技术技能。它们是具有技术应用性的认知技能。它们的发展方式与所有其他认知技能一样，通过练习、挣扎、反馈和逐渐增加挑战来发展。
新加坡的人工智能教育框架将其捕捉为一种进展。了解人工智能，学会使用人工智能，与人工智能一起学习，超越人工智能学习。最后一步，“超越人工智能学习”最重要，而且我认为还没有人想出如何系统地教授它。这是学生不仅仅使用工具，而是通过自己的判断力和创造力来超越工具的局限性。我认为这一步在教室里很难解决。我认为它是在厨房餐桌上，通过与孩子们的对话来解决的，关于人工智能做得对的地方和错的地方以及原因。在我们让他们在询问机器之前自己尝试的时刻。
心理学中有一个概念叫做“习得性无助”，即一个人反复经历自己的努力无关紧要，结果由外部力量决定，他们最终会放弃尝试。不是因为他们懒惰，而是因为他们的大脑已经学会了努力无关紧要。人工智能版本的这种情况通过研究人员称之为“认知卸载”来体现。您将一项脑力任务委托给一个工具。工具会处理它。随着时间的推移，原本会处理这项任务的神经通路不会真正发展，或者如果它们存在，它们会减弱。卸载变成了依赖。依赖变成了无助。这不一定是一个戏剧性的时刻。它逐渐发生。它不是突然的。这是由于从未需要运用这项技能而导致的无形能力侵蚀。
这不是理论。教育工作者正在实时报告。大学教授今天描述说，学生们来到教室时，已经无法阅读整章内容，无法从多个来源综合论点，也无法长时间坐下来阅读一篇困难的文本以提取意义。高中老师报告说，写作质量已经彻底崩溃。这不仅仅是因为学生提交了人工智能生成的作品（尽管很多学生这样做），而是因为即使不使用人工智能的学生也失去了起草过程中的挣扎习惯，在我们真正注意到肌肉萎缩之前，它就已经萎缩了。越来越多的教职员工正在重新设计课程，围绕课堂作业和口试，因为家庭作业已经变得在功能上毫无意义，无法衡量能力。我从教育工作者那里听到的说法是，他们“做不到了”。不是“不想”，而是“不能”。这就是我坐在我的孩子们面前，让他们拿起铅笔和纸时所回应的证据。这与怀旧无关。这是对第一代拥有人工智能但从未打下基础的学生所发生情况的直接回应。我不想让这种情况发生在我的厨房餐桌上。
这种基础差距也延伸到了情感领域。四分之三的青少年现在使用人工智能伴侣聊天机器人来获得情感支持。不是作为人类关系的补充，而是在某些情况下作为情感联系的主要来源。聊天机器人当然总是可用。它总是耐心的。它从不评判。它从不提出要求。它也不是真实的。它无法教会冲突解决，因为没有真正的冲突。它无法建立关系韧性，因为它从不反击，而当风险是真实的时。它无法模拟同理心，因为它没有经验可以借鉴。多起悲剧与青少年在美国各地和世界各地越来越多地发生的这种拟社会关系有关。
那是极端情况。日常版本则更微妙，也更普遍。人工智能如此有帮助，如此顺畅，如此即时满足，以至于在孩子不得不自己思考问题之前，求助于它就成了默认选项。这对于数学和情感来说都是如此。每次他们选择这条路，更难的路就会变得更难一点。不是因为人工智能在积极地让我们的孩子变笨，而是因为它让不走那条真正学习所在的艰难道路变得容易。因此，它就不再觉得值得努力了。
所以，陷阱并非人工智能过于强大或它将接管。陷阱在于它将如此无缝且持续地提供帮助，以至于您的孩子和我的孩子将永远无法培养出真正学习所需的对困难的容忍度。他们最终会产生令人印象深刻的作品，但却无法深入理解以至于无法为其辩护、扩展它，也不知道何时出错。
我坚信答案不是要禁止这些工具。答案将是直接而有意识地将人工智能工具序列化到教育系统中。先打基础，先用头脑学习，先挣扎，然后在添加扩展您能力的人工智能外骨骼之前建立肌肉。一旦人工智能外骨骼戴上，您就必须在没有它的情况下继续锻炼，以免肌肉萎缩。这对我们成年人来说也是如此。
那么，我到底在对我的孩子们做什么？我没有课程。实际上也没有人有。世界变化的速度比任何教育框架都快。新加坡正在尝试。他们明年将在所有级别推出教师人工智能培训。芬兰有国家建议。44% 的家庭学校家长已经在他们的教学中使用 Chat GPT。坦率地说，这个比例高于课堂教育工作者。每个人都在即兴发挥。
这是我的方法。正如我一直在分享的，基础是不可协商的。你必须阅读真正的书，而不是摘要，不是以 2 倍速听的有声读物。为孩子们提供真正的阅读，需要真正的认知努力。手工数学，直到概念被内化，而不仅仅是执行，直到你理解了数字感。用铅笔写作，因为形成字母的物理动作与打字不同，它以不同的方式调动大脑，而这种差异对记忆和理解很重要。这些不是对老式木屋生活方式的浪漫偏好。它们是对认知基础设施的投资，使未来的所有其他事情成为可能。
然后，是的，我引入人工智能工具。我故意引入它们，而不是作为默认选项，而是作为一种扩展。我一起谈论了 vibe coding。我们一起编写游戏。我们一起解决问题。我们一起迭代设计。在他们询问人工智能之前，我让我的孩子们解释他们想要什么。我让他们阐明目标、限制条件、什么才算完成，然后我让他们批判性地评估返回的结果。我让他们成为导演，而不是观众。
我的 10 岁的孩子需要学会使用代理。我知道这一点，因为我花了数周时间撰写关于代理能做什么的文章，而且能力曲线正在加速，而不是趋于平缓。她的世界将是代理。但代理是我们人类有史以来构建的最依赖规范的技术。整个价值主张取决于人类精确定义任务、设定适当限制和批判性评估输出的能力。在孩子能够清楚地思考自己想要什么之前就教她使用代理，就像在她能读懂地图之前就把车钥匙交给她一样。
所以我从“就绪模型”的角度来考虑。我的 10 岁的孩子大约处于第二步和第三步之间。她正在用 Claude 构建游戏。她正在学习如何阐述它。所以，这个进展看起来是这样的：建立认知基础。在指导下引入人工智能工具。练习使用越来越清晰的规范来指导人工智能。然后，随着判断力的发展，逐步过渡到代理级别的自主性。这实际上不是按年龄划分的。这更像是一个就绪模型。说实话，我 10 岁的孩子目前处于第二步和第三步之间。她正在用 Claude 构建游戏，并学习阐述她想要什么，但她还没有达到代理级别自主性的程度。
这些是真实且有价值的技能。我们不会匆忙完成它们，我们正处于进展的中间，而不是结束。我密切关注认知卸载的迹象。当我的一个孩子在尝试自己思考问题之前问“人工智能会怎么说”时，我不会用讲座来纠正，而是用一个问题来引导。“你认为答案可能是什么？”“去百科全书里查查。”不是因为我不想让他们使用人工智能，而是因为我希望人工智能扩展他们的思维，而不是取代它。
西摩·佩珀特，麻省理工学院的研究员，计算思维教育的先驱，他在 1968 年写道，计算机编程为孩子们提供了一种思考自己思维的方式。他称之为“建构主义”，即人们在积极地在世界上创造事物时最有效地构建知识。不是消费信息，而是用信息来构建。他的愿景花了 50 年才进入主流。到那时，技术已经超越了他的框架。而且我们并没有真正谈论他当时谈论的计算方式。但他的核心见解现在仍然适用，就像当时一样。孩子们通过创造来学习。通过计算进行的创造行为有助于孩子们发展重要的认知架构。一个 8 岁的孩子用 Claude 构建游戏，正在以佩珀特从未设想过的规模进行建构主义。创造是真实的，即使代码是由机器编写的，因为思维是孩子的。
我做了一些工作，将所有这些提炼成七个原则，我认为这些原则可以推广给那些在教育方面苦苦挣扎的父母，我想在这里与你们分享，因为我想找到方法来帮助我们的孩子，即使在这个技术变化比以往任何时候都快的世界里，他们也能成为人类。
第一条原则是“基础优先于杠杆”。我在这段视频中已经多次谈到这一点。阅读、数学、写作。在这里要投入努力。不是因为人工智能无法做到这些，而是因为你的孩子在不理解领域的情况下无法评估人工智能的产出。
第二条原则是“规范是新的读写能力”。良好的人工智能结果和灾难之间的差距在于人类规范的质量。教孩子们说出他们想要什么，目标，限制条件，什么才算完成。如果您能为人工智能编写清晰的规范，您就是在锻炼与学习写论文相同的肌肉。
第三条原则是“做导演，而不是乘客”。当您的孩子使用人工智能时，他们应该定义请求、任务、输出、要保留、修改和拒绝的内容。如果他们只是被动地消费人工智能的产出，他们就没有学习，他们只是外包。
第四条原则是“循序渐进地自主”。从具有护栏的有限教育工具开始，最终过渡到有指导的开放式工具。您可以一起进行 vibe coding。您可以并排构建项目，然后稍后进入代理级别的自主性。这个过程应该遵循认知就绪程度。它实际上不是按年龄划分的，对吧？有些 12 岁的孩子可能已经准备好使用代理了。有时成年人却不是。
第五条原则是“教孩子们捕捉机器”。人工智能会出错。自信地、流利地出错。训练孩子们根据自己的理解来检查输出的合理性。当人工智能出错而孩子抓住了它，那不是工具的故障。对话应该关于我们如何建立基础，以便我们能够一起批判、理解和评估机器的输出。
第六条原则是“构建，而不是浏览”。使用人工智能进行创作可以以消费人工智能输出无法做到的方式发展认知能力。对游戏进行 vibe coding，设计应用程序，创作艺术，这些都是主动的选择。让人工智能总结一章，这是被动的。但佩珀特是正确的。创造是孩子们学习的方式。每次都要优先考虑创造而不是消费。
第七条原则，也是最重要的一条，是“先尝试，再增强”。我认为这是您可以培养的最重要的习惯。先自己尝试，然后使用人工智能来扩展您已经开始的内容。问：“你认为答案是什么？”然后说：“嗯，Chad GPT 怎么看？”那个在编辑之前起草的孩子将以那个在思考之前提示的孩子所无法企及的方式学习。
我认为这些不是永久的答案。我认为随着技术的发展，所有这些可能都需要演变，但它们是我发现的关于抚养能够指导智能而不是依赖它的孩子的最好、最稳定的操作原则。老实说，这些原则对于成年人学习人工智能也很有用。
看，我不知道基础和流畅性之间的正确比例。没有人知道，因为人工智能发展得如此之快。基础显然在 6 岁时比 16 岁更重要。工具流畅性在 16 岁时将比 6 岁时更重要。那些完全禁止人工智能的父母和那些把 iPad 交给孩子然后走开的父母，都在选择舒适。一种是熟悉教育的舒适，另一种是不去面对一个没有好答案的问题的舒适。
这个问题不会变得更容易。世界变化的速度比任何课程都快。任何告诉你他们已经想清楚了该教孩子们什么的人，都在向你推销东西。我拥有的是我作为父母所依赖的原则和日常实践。你必须先建立大脑。你必须用人工智能来赋予这个大脑杠杆。你必须教你的孩子思考，然后教他们指导。给他们挣扎，给他们发展真正能力的那份挣扎，并以同样的方式挑战自己。密切关注，以便知道何时工具正在提供帮助，何时它们正在取代本应发生在他们头脑中的工作。这就是我目前的状态。我在厨房餐桌旁。我正在做长除法练习题。顺便说一句，我也可以用我的大脑来做。Claude 可能在笔记本电脑上打开着，但 Claude 不是第一个被问到的。我试图培养能够在我们都不完全理解的世界中茁壮成长的人类。说实话，这是我必须处理的最困难的问题。它不会轻易解决。我必须日复一日地坚持下去。
图灵设想的机器已经到来。《自然》杂志是正确的。我们的孩子必须能够在当下完成工作，让他们的大脑准备好与真正智能的机器合作，因为任何其他做法都是对他们的不公，坦率地说，也是对我们作为父母的不公，我们负责帮助他们在与我们小时候的世界截然不同的世界中找到自己的路。
地球上的每个人都在经历这场转变。如果您能够认识到这一点并帮助您的孩子应对，您可能就是那个能够帮助某人以比您自己感受到的更少的焦虑来应对人工智能转变的人。这是我们可以给孩子们的礼物之一。我看着我的孩子们，我知道他们不会像我和你一样感受到这种世界转变的焦虑。他们从未知道过一个没有这个世界的世界。我们给他们的礼物是，将我们在认知架构和认知技能、文化方面的最佳知识传递给他们。确保他们学会这一点。确保他们付出努力。坦率地说，这也是给自己的礼物。如果您最近没有拿起一本书，请拿起一本书。这对您的大脑有好处。确保您投入时间来保持自己大脑的健康，以便有效地使用人工智能。
再补充一点。如果您不是父母，这同样适用于您作为孩子生活中的阿姨或叔叔。这也适用于您作为学习者。不要忘记，我们都有责任以一种能够有效与机器智能合作的方式来培养下一代。这确实比任何一代人都需要一个村庄的力量。祝您好运！