人工智慧時代，程式化的、重複性的、僅靠記憶與練習就可以掌握的技能將是最沒有價值的技能，幾乎一定可以由機器來完成；反之，那些最能體現人的綜合素質的技能，例如，人對於複雜系統的綜合分析、決策能力，對於藝術和文化的審美能力和創造性思維，由生活經驗及文化薰陶產生的直覺、常識，基於人自身的情感（愛、恨、熱情、冷漠等）與他人互動的能力……這些是人工智慧時代最有價值，最值得培養、學習的技能。
<h2>
AI時代該如何學習？</h2>
過去一年，我做了許多場關於人工智慧發展趨勢的演講。講到AI將在未來10年取代或改變許多簡單、低效的人類工作時，身為家長的聽眾會好奇地問我：“AI時代，孩子到底該學什麼，才不至於被機器‘搶’了工作？”
其實，與其討論讓孩子學什麼，不如先討論孩子該如何學。學習方法遠比學什麼內容更重要。尤其是在人機相互協作、各自發揮特長的時代裡，填鴨式、機械式的學習只能把人教成機器，讓孩子喪失人類獨有的價值。
2013年，包括哈佛大學前校長在內的一群美國著名教育家聯合創辦了一所神秘的四年制本科大學——密涅瓦大學（Minerva Schools at KGI）。第一年招生時，這家大學的錄取率低於3%，遠低於哈佛大學的8%～9%，是全美錄取最嚴格的本科院校。被密涅瓦大學錄取的第一批學生，收到的錄取“通知書”是一個精緻的小木盒，木盒盒蓋上用英文寫著“好奇心”的字樣，木盒內是一臺定製的i Pad電腦。只要開啟電腦，密涅瓦大學的創始人本·尼爾森（Ben Nelson）就會收到通知，並與學生進行一次視訊通話，安排學生在舊金山開始四年的學業。
這麼神秘的學校，這麼低的錄取率，這麼有趣的新生報到流程，那麼，密涅瓦大學到底有什麼過人之處？
密涅瓦大學的創始人相信，傳統的四年制大學已經無法適應未來的需要，大學教育過程本身需要被改革甚至被顛覆，線上課程、討論小組、實習實踐、自我探索和自我完善將成為今後教育的主流模式。基於這樣的思路，密涅瓦大學使用的是一套名為“沉浸式全球化體驗”（Global Immersion）的教學方式。
密涅瓦大學的所有入學新生都要在舊金山一個獨特的校區完成第一年的學業，這一年的主題是“基礎”，但學生所學的課程與普通大學一年級的課程有非常大的差異。密涅瓦大學的教育家們相信，讓學生付費去學網上隨處都可以找到的基本課程，比如基礎的計算機導論、經濟學導論或是物理學導論，這是得不償失的事。因此，密涅瓦大學的一年級課程直接將知識課程與四種極其重要的方法論有機結合起來，變成形式分析、實證分析、多元模式交流、複雜系統四大課程板塊。形式分析主要用於訓練學生精密、合理思考的能力；實證分析重在培養創造性思維和解決實際問題的能力；多元模式交流則關注使用不同方法進行有效交流的能力；複雜系統重點在於複雜環境中的有效協作。
<img src="/uploads/allimg/200412/1-2004120Q213400.jpg" />
圖65 密涅瓦大學一年級的四個課程方向155
從大二開始，密涅瓦大學的學生們會進入專業課程學習階段，這一年的主題是“方向”。學生可以跟導師一起，從藝術與人文、計算科學、商學、自然科學、社會科學這五個方向中擇定自己的專業，也可以選擇攻讀兩個專業。
大三的主題是“專注”，要求學生深入各自專業方向的領域內部，培養精深的專業技能。
大四的主題是“綜合”，重在培養學生學以致用的能力。
最獨特的是，除了大一在舊金山外，大二到大四的3年內，學生每年都會到世界上一個不同的地方完成學業。密涅瓦大學分佈在全世界的教學地點包括海德拉巴、布宜諾斯艾利斯、臺北、首爾、柏林、倫敦等156。專業課程教學時，沒有死板的課本，也沒有傳統的填鴨式授課，每堂課同時參與學生人數很少，最多20人，以遠端教學、集體討論為主，學生可以與分佈在全球各地的著名教授交流、互動。同時，在教學之餘，學生要在當地進入一家與自己學業相關的代表性公司，在實習中培養自己的全面素質，真正學會如何工作。
對於密涅瓦大學的大膽實踐，人們有很多爭議。密涅瓦大學與谷歌、麥肯錫、高盛等企業有合作關係，培養出來的人才，很多都可以滿足這些一線企業的實際需要。但這種近乎顛覆式的模式到底是不是未來最好的教育形式，這恐怕要經過更長時間的檢驗才能下結論。就拿密涅瓦大學重點採用的遠端線上教育的方法來說，其優點是學生可以隨時與最優秀的學者互動，從更多不同風格的教授身上汲取知識、經驗，但線上教育缺少面對面教學時的那種沉浸感，有時候難以深入交流的問題也比較明顯。
無論如何，實驗性的密涅瓦大學給“未來如何學習”提供了一種建議性的答案。其實，在中國著名學府中，有識之士也在積極做著有關新教學模式的探索。在清華大學，姚期智院士創辦的清華學堂電腦科學實驗班（又稱“姚班”）就是其中很有代表性的一個。姚班專注於“因材施教”和教學上的“深耕”“精耕”，設定了階梯式培養環節：“前兩年實施電腦科學基礎知識強化訓練，後兩年實施‘理論和安全’‘系統和應用’兩大方向上的專業教育；著力營造多元化、富有活力的學術氛圍，建立多方位、多層次的國際學術交流平臺。”157
姚班對於本科四年課程的設計，與密涅瓦大學有異曲同工的地方。最重要的是，姚班不但提倡多元和專深相結合的教學方法，還特別鼓勵面向實踐、面向解決問題的教學氛圍。電腦科學本身就是一門強調實踐的科學，姚班特別鼓勵學生在學習期間參加競賽，或參加谷歌、微軟等科技公司的實習專案。創新工場與姚班之間，也嘗試了共建人工智慧課程的合作，將最前沿的產業實踐經驗、創業經驗帶給姚班的學生。
姚班的學生非常厲害。姚班第一屆學生裡，就出了一個後來被大家稱為“樓教主”的超級牛人——樓天城。樓天城高中期間就聰慧過人，獲獎無數，得過國際資訊學奧賽金牌。進了姚班之後，更是頻繁地參加世界各大程式設計挑戰賽，在百度之星、谷歌全球程式設計挑戰賽、Facebook駭客杯世界程式設計大賽、Top Coder比賽、ACM大賽中顯露出驚人的實力，有“一個人挑落一個隊”的傳奇故事。在喜歡程式設計競賽的後輩學生看來，“樓教主”就是百萬軍中取上將首級如探囊取物的“神”級人物。
樓天城的功力不僅僅在於競賽，在實際工程專案中一樣功夫了得。2007年夏天，樓天城就曾在谷歌北京實習，表現不錯。隨後曾在谷歌自動駕駛團隊工作。後來，短期加入Quora後，樓天城入職百度，成為百度無人車團隊的中堅力量，在級別上更是成為百度最年輕的T10級工程師（據說深度學習領軍級人物吳恩達加入百度時也才是T10級）。最近，樓天城和百度另一位資深工程師James Peng一起離開百度創業，註冊了一個名叫Pony.ai的神秘域名。相信樓天城在自己的創業道路上，也能表現不俗。
出自姚班的“樓教主”擁有許多姚班學生的共性，用他自己的話說就是：“我非常喜歡挑戰困難。因此，我希望我工作的地方是一個每天都可以接受有趣的、有挑戰性的問題的崗位。”158
敢於挑戰自己，敢於面對有趣的、有難度的問題，這是姚班這種新型教育氛圍較容易培養出來的學生特質，而具備這種特質的學生，最容易在人工智慧時代作為人類智慧的代表，設計最高效的AI系統，並與AI系統一起創造更大價值。
如果要我來總結的話，我覺得，人工智慧時代最核心、最有效的學習方法包括：
·主動挑戰極限：像樓天城那樣喜歡並主動接受一切挑戰，在挑戰中完善自我。如果人類不在挑戰自我中提高，也許真有可能全面落伍於智慧機器。
·從實踐中學習（Learning by doing）：面向實際問題和綜合性、複雜性問題，將基礎學習和應用實踐充分結合，而不是先學習再實踐。一邊學習一邊實踐的方法，有些像現代職業體育選手的以賽代練，對個人素質的要求更高，效果也更好。
·關注啟發式教育，培養創造力和獨立解決問題的能力：被動的、接受命令式的工作大部分都可以由機器來替代。人的價值更多會體現在創造性的工作中。啟發式教育在此非常重要。死記硬背和條條框框只會“堵死”學生靈感和創意的源頭。
·雖然面對面的課堂仍將存在，但互動式的線上學習將愈來愈重要：只有充分利用線上學習的優勢，教育資源才能被充分共享，教育質量和教育公平性才有切實保證。創新工場投資的VIPKid、盒子魚等面向教育創新的公司，就是大量使用線上教育、機器輔助教育等手段來幫助孩子學習的範例。
·主動向機器學習：未來的人機協作時代，人所擅長的和機器所擅長的必將有很大不同。人可以拜機器為師，從人工智慧的計算結果中吸取有助於改進人類思維方式的模型、思路甚至基本邏輯。事實上，圍棋職業高手們已經在虛心向Alpha Go學習更高明的定式和招法了。
·既學習人—人協作，也學習人—機協作：未來的“溝通”能力將不僅僅限於人與人之間的溝通，人機之間的溝通將成為重要的學習方法和學習目標。學生要從學習的第一天起，就和麵對面的或者遠端的同學（可以是人，也可以是機器）一起討論，一起設計解決方案，一起進 步。
·學習要追隨興趣：通常來說，興趣就是那些比較有深度的東西，所以只要追隨興趣，就更有可能找到一個不容易被機器替代掉的工作。無論是為了美，為了好奇心，為了其他原因產生的興趣，這些興趣都有可能達到更高層次，在這些層次裡，人類才可以創造出機器不能替代的價值。
<h2>
AI時代該學什麼？</h2>
有關學習的內容和目標，我的小女兒德亭曾經說過一段讓我特別尊重、特別讚許的話。
德亭很早就喜歡攝影，她5歲的時候得到了人生第一臺相機，並從幫姐姐設計出來的漂亮時裝拍照開始，逐漸拓展拍攝物件，很早就成了一個小攝影愛好者。她中學時很想以攝影作為自己的專業，但我擔心她喜歡攝影只是為了逃避功課。申請大學前，我反覆跟她討論，並提醒她：“你必須想清楚噢！專業攝影師很快就會被淘汰，現在攝影工具愈來愈方便，大家都可以輕易拍出好照片，專業攝影師的優勢會漸漸消失。”
可我沒有料到，德亭很鄭重地說了下面這段話：“我做過調查了，目前在美國，一個專業攝影師的薪水比記者還要低，而記者的薪水相比其他各行業也越來越低了。可是爸爸，我願意賺比較少的錢，做自己真正想做的事。每次揹著沉甸甸的相機出去拍照，回來的時候雖然筋疲力盡，我卻總是心花怒放。我非常慶幸生活在高科技時代，可以輕鬆擁有數碼攝影以及低成本、大容量的儲存裝置，還有無處不在的網路，這些讓我像一個裝備齊全的獵人一樣，捕捉我所有的感動，然後用心將影象提取出來。未來的攝影絕對不只是按下快門，而是要用新的眼光，讓影像產生新的意義。而那絕對不是科技可以取代的。”
每當我思索人和機器共存的未來時，就總會想起德亭的這段話。的確，攝影技術再先進，照片畫質再好，也取代不了攝影師內心因拍攝物件而產生的感動。這種感動可以賦予風景、人物、靜物、街景以新的意義。即便以後有了人工智慧照相機，可以自動幫助人完成捕捉美景、記錄美好瞬間的任務，人的感動、人的審美、人的藝術追求也是機器無法取代的。
攝影如此，其他工作亦如此。我們很難準確列舉，AI時代到底該學什麼才不會被機器取代，但我們大致還是可以總結出一個基本的思路：
人工智慧時代，程式化的、重複性的、僅靠記憶與練習就可以掌握的技能將是最沒有價值的技能，幾乎一定可以由機器來完成；反之，那些最能體現人的綜合素質的技能，例如，人對於複雜系統的綜合分析、決策能力，對於藝術和文化的審美能力和創造性思維，由生活經驗及文化薰陶產生的直覺、常識，基於人自身的情感（愛、恨、熱情、冷漠等）與他人互動的能力……這些是人工智慧時代最有價值，最值得培養、學習的技能。而且，這些技能中，大多數都是因人而異，需要“定製化”教育或培養，不可能從傳統的“批次”教育中獲取。
比如，同樣是學習電腦科學，今天許多人滿足於學習一種程式語言（比如Java）並掌握一種特定程式設計技能（比如開發Android應用），這樣的積累在未來幾乎一定會變得價值有限，因為未來大多數簡單的、邏輯類似的程式碼一定可以由機器自己來編寫。人類工程師只有去專注計算機、人工智慧、程式設計的思想本質，學習如何創造性地設計下一代人工智慧系統，或者指導人工智慧系統編寫更復雜、更有創造力的軟體，才可以在未來成為人機協作模式裡的“人類代表”。一個典型的例子是，在移動網際網路剛剛興起時，電腦科學專業的學生都去學移動開發，而人工智慧時代到來後，大家都認識到機器學習特別是深度學習才是未來最有價值的知識。過去3年內，斯坦福大學學習機器學習課程的學生就從80人猛增到了1000多人。
再比如，完全可以預見，未來機器翻譯取得根本性突破後，絕大多數人類翻譯，包括筆譯、口譯、同聲傳譯等工作，還有絕大多數從事語言教學的人類老師，都會被機器全部或部分取代。但這絕不意味著人類大腦在語言方面就完全無用了。如果一個翻譯專業的學生學習的知識既包括基本的語言學知識，也包括足夠深度的文學藝術知識，那這個學生顯然可以從事文學作品的翻譯工作，而文學作品的翻譯，因為其中涉及大量人類的情感、審美、創造力、歷史文化積澱等，一定是機器翻譯無法解決的一個難題。
未來的生產製造行業將是機器人、智慧流水線的天下。人類再去學習基本的零件製造、產品組裝等技能，顯然不會有太大的用處。這個方面，人類的特長在於系統設計和質量管控，只有學習更高層次的知識，才能真正體現出人類的價值。這就像今天的建築行業，最有價值的顯然是決定建築整體風格的建築師以及管理整體施工方案的工程總監。他們所具備的這些能夠體現人類獨特的藝術創造力、決斷力、系統分析能力的技能，是未來最不容易“過時”的知識。
人工智慧時代，自動化系統將大幅解放生產力，極大地豐富每個人可以享有的社會財富。而且，由於人工智慧的參與，人類可以從繁重的工作中解放出來，擁有大量的休閒時間。這個時候，這個社會對文化、娛樂的追求就會達到一個更高的層次，而未來的文娛產業，總體規模將是今天的數十倍甚至上百倍。那麼，學習文藝創作技巧，用人類獨有的智慧、豐富的情感以及對藝術的創造性解讀去創作文娛內容，顯然是未來人類證明自己價值的最好方式之一。當絕大多數人每天花6個小時或更多時間去體驗最新的虛擬現實遊戲、看最好的沉浸式虛擬現實電影、在虛擬音樂廳裡聽大師演奏最浪漫的樂曲、閱讀最能感動人的詩歌和小說……作家、音樂家、電影導演和編劇、遊戲設計師等，一定是人工智慧時代的明星職業。