如何做好智能時代「好家長」
家教熱點
智能時代已經到來並逐步帶來各行各業的變革。社會發展的新趨勢對人的各項素質的發展也提出新方向、新重點。很多家長看到了「人工智慧」相關職業所需的直接技能，開始熱心於為孩子報各種培訓班。然而，家長往往容易忽視的一點在於，孩子雖不一定直接從事人工智慧相關工作，但卻不可避免要與人工智慧打交道。這種情況下，哪些能力更重要？
專家應診
施鵬程
（終身學習者，教育研究者，財富管理專家。）
人工智慧時代對高端人才、中端人才、低端人才的要求各不相同，但在總體上有一個基本要求——要能夠和「演算法」協同，與「人工智慧」協同。
通常情況下，能用「演算法」描述的問題，人在效率和成本上無法與人工智慧競爭。但在「演算法」之外，人的屬性仍被需要，並強於人工智慧。
在智能時代，人的功能是領導者、連接者、思考者，並以此和人工智慧協同工作。
在這一要求下，家庭教育需要關注品格培養、通識教育和STEAM教育。這其中，品格培養尤為重要，而後才是知識和技能的培養。
但是，事實上，品格培養最容易被忽視也最難做到。
家長們不妨問問自己以下問題：
當孩子讀小學功課落後於同班同學時，你能真心賞識孩子嗎？
你會不會憂心自己的孩子在成績甚至智商上不如別人家的孩子，以後在智能時代沒有出路？
智能時代是否只需要高智商的天才？當孩子在學習一種樂器時，你有沒有關注過孩子在這個過程中的品格培養？
智能時代的藝術才能該如何被對待？
有沒有意識地引導孩子探索世界？
有沒有真正理解「自由技藝」STEAM教育，想辦法增強孩子的自我驅動力？
當家長能夠真正理解併科學回應這些問題時，就能成為智能時代的好家長——
真愛子女，重視家庭教育；培養孩子的良好品格；激發孩子的自我驅動力。
圖書「藥方」
涵蓋學前、幼兒園、小學、中學階段的家庭教育知識。從智能時代大趨勢、智能時代誰是贏家、智能時代良好評價分析及培養辦法、自我驅動力促使孩子探尋更大的世界等方面進行了深入解析並提供方法。書中還設置了問答環節，梳理了一些家長可能會關心的家庭教育問題並提供參考建議。
編輯精薦書摘
由《爭做智能時代好家長》責編、浙江工商大學出版社綜合編輯部主任何小玲推薦。
智能時代怎樣才能避免成為輸家
智能時代，我們只有進入人類智能勝過人工智慧的領域，才有可能不成為輸家。
隨著全球計算能力和數據量的指數增長，計算價格的指數衰減，任何能用演算法描述的地方，人類最終都會輸給人工智慧！
但是，我們人類還是能和人工智慧共處的，因為我們人類有勝過人工智慧的地方。
人類大腦在有邏輯地發揮想像力、進行跳躍性思維方面要比人工智慧出色得多；人腦直覺更好、更具創造性、更有說服力；人類還可以結合自己的創造力和讓機器人望塵莫及的靈巧，去給人理髮或者烹調美食。
「投資創造性方面的教育很好，因為創造力屬於（自動化）應該無法取代的技能。」英國國家科技藝術基金會（Nesta）政策和研究主管斯蒂安·韋斯特萊克（Stian Westlake）稱。
人類還擁有人工智慧無法超越的情感，比如同理心。
「未來的高技能、高薪工作需要的技能，可能對情商的要求高過對智商的要求，並要求工作不僅創造經濟價值，還要創造同樣多的社會價值。」英國央行的霍爾丹稱。
另外，在以下方面，人類智能也勝過人工智慧。
1. 在很難用演算法描述的任務上
微軟亞洲研究院常務副院長芮勇在評價AlphaGo時曾對媒體表示：
「今天所有的人工智慧幾乎都是來自人類過去的大數據，沒有任何一個領域的能力源自自我意識，不管是象棋還是圍棋，計算機都是從人類過去的棋譜中學習。
其他領域也類似，計算機在做圖像識別的時候，也是從人類已有的大數據中學習了大量的圖片。在面對人類從來沒有教過的問題時，計算機就會一籌莫展。
假如讓AlphaGo去下跳棋，它就會完全傻掉。甚至說把圍棋的棋盤稍做修改，從19×19的格子變成21×21的格子，AlphaGo 都招架不住，但是人類就沒有問題。」
在一個封閉、可控的環境中，人工智慧比我們想像的還要厲害，但是在開放、多變的環境中，人工智慧就沒有我們想像的那麼厲害，因為在那樣的環境中會有例外、意外，它們很難用演算法描述。
什麼是封閉、可控的環境？
比如倉儲工作。倉儲搬貨機器人只是在倉庫裡面，從A到B完成一個固定的任務。這裡面場景是封閉的，光線是可控的，路線是受約束的。這種任務，機器人就能做得很好。
什麼是開放、多變的環境？
比如聊天。一旦你跳出聊天機器人預設的邏輯，體驗立馬就會糟糕起來，會讓你覺得它非常愚蠢。
比如無人駕駛。無人駕駛系統到了下雨天、下雪天基本都會變得不靈光。
比如航空飛行。現在的「自動飛行」已經到了「久經考驗」、極其先進的程度。幾乎所有航空公司都號稱「自動飛行」可以飛2萬英里，只有「起飛/降落」的時候還需要人力輔助。那航空公司為什麼不取消使用人類飛行員，而完全使用「自動飛行」呢？因為存在意外情況。就像在電影《薩利機長》中，飛機一起飛就被鳥撞穿了雙翼，接下來應該如何處理危機，「自動飛行」不知道。航空公司賠不起啊，所以航空公司還是必須聘用高薪的人類飛行員。
人工智慧很多時候不是完全替代人類，而是減輕、輔助、增強人類的工作。未來我們要學會與人工智慧協同、合作開展工作。
比如無人駕駛汽車，它並非或0或1的存在——或者「無人駕駛系統」不存在，或者駕駛員不存在，而是有很多過渡階段。
在這些不同等級「無人駕駛系統」的幫助下，我們在正常環境、通常路徑，尤其是長途高速路段，能大大減輕駕駛疲勞，同時「無人駕駛系統」能減少菜鳥司機可能的對別人造成的傷害；在異常環境下，則需要由我們人類接管駕駛。
2. 在目標可變環境下
一般計算機程序都是用來做某一類特定工作的，比如Word就是文字處理，Photoshop就是圖像處理。這些程序對它們要處理的問題有非常明確的預期，所有功能都必須事先設計好。
人工智慧也類似，下圍棋的AlphaGo不能用來下象棋，人工智慧語音識別系統也不能用來識別圖像。
而人腦則是一個通用的「設備」，它既能用來下圍棋，也能用來下象棋，既能用來識別語音，也能用來識別圖像。這麼厲害的人類智能，現在的人工智慧根本沒法達到。
計算機工作的邏輯是，面對一個什麼局面，就按照事先設計好的步驟，採取相應的行動。整個過程基本上就是「如果……就……」。環境給它輸入的信息非常有限，它不用考慮太多。
人腦則必須能在各種複雜的，甚至是以前根本沒有遇到過的環境中做出判斷和決定。真實世界中的環境里可能有無數個參數，你根本不知道哪個信息重要，哪個信息可以忽略，那麼，簡單的「如果……就……」就行不通，因為你根本不知道這個「如果……」後面應該跟什麼變數。
人腦的辦法是同時啟動很多個程序。現在好的計算機一般都有多個CPU內核，能同時處理幾項任務，而如果把人腦比作並行計算機的話，人腦每時每刻都在同時處理幾百萬個進程。
比如，看到桌上有個蛋糕，有的進程負責判斷蛋糕好不好吃，有的進程負責判斷自己是否適合攝入更多脂肪……有的進程還要監視環境中有沒有不尋常的東西，時不時提個醒。
我們的一舉一動都可能涉及決策和判斷，人腦要同時考慮多個可能性，並且評估每個可能性的重要程度，以區分輕重緩急。
人腦想得多，能不拘一格地考慮各種輸入信息，所以人腦能在一定程度上應付從來沒見過的新局面。這是非常厲害的智能，更何況，整個過程在幾百毫秒甚至幾毫秒間就完成了。現在的人工智慧根本達不到這樣的水平。（萬維鋼：《聽大腦說話和給大腦編程》，「得到」App，「萬維鋼專欄」。）
所以，人工智慧和人類並非只有競爭關係，當我們以多見識、善決策、多任務角色出現時，就會發現，人工智慧是我們更具執行力的下屬。
3. 在沒有大數據支撐的領域中
加州大學伯克利分校的發展心理學家艾莉森·高普尼克（Alison Gopnik）對幼兒學習模式進行了研究，發現孩子的學習模式不是靠數據積累，而是靠對周圍人和環境的探索和測試。
小孩子學習新東西的能力非常強，他們根本不需要什麼大數據，很多東西看一遍就會。你今天跟他說個新詞，明天他就能用上，還用得挺好。
他先根據已經掌握的少量信息，推測出一個假設。等新的信息來了，他就用新的信息驗證這個假設。如果新信息符合這個假設，他就提高假設的可信度；如果不符合，他就降低假設的可信度。
比如，你告訴小孩子一個新單詞，他一開始並不知道這個詞的精確含義和用法，但他可以根據當時的情境先猜測。一有機會，他就會在不同的場合說出這個詞，並且觀察你的反應。如果你表示他用對了，他就會進一步確定這個詞的含義；如果你告訴他用錯了，他就會進行相應調整。
高普尼克說，一個15個月大的嬰兒學習事物因果關係的速度，會較年齡比他大的孩子更快，這是因為嬰兒大腦的可塑性更強。之前掌握的信息越弱，你改變自己看法的可能性就越大。這就是為什麼小孩學東西比大人快。
現在已經有不少科學家開始模擬嬰兒的學習方法，去建立新的機器學習演算法。比如，《科學》雜誌上有篇論文，就是用這個方法識別不同語言的手寫文字。只要給這個新系統一兩個例子，它就能對文字做出大致的判斷，甚至能拆解筆畫，重新組合，效果很不錯。這簡直有點像科幻電影《降臨》（Arrival）裡面，人類語言學家在學習外星人文字時使用的方法。
但是，根據這種演算法製造的人工智慧仍然遠遠比不上一個嬰兒。嬰兒要做的第一步是先提出一個猜測，可是目前沒有一個人工智慧可以做到主動猜測，都需要讓人來做「猜測」這個動作。得在人已經列出了所有可能性的情況下，人工智慧才能根據下一次的學習，來調整各種可能性的概率大小。
孩子是有目標地主動學習，而人工智慧完全是被動的。孩子想知道一個單詞的含義，一定是發自內心地想要去了解，並且他知道學習到了什麼程度就可以中止。而人工智慧既不知道要學什麼，也不知道該學多長時間，全靠人類告訴它。（Samantha Olson: Artificial Intelligence Has a Lot to Learn From Babies, International Business Times, 2016-11-20.）
所以，在沒有大數據支撐的領域，人類智能遠遠高於人工智慧。
文施鵬程
編輯芮念
TAG:優教優輔 |