PODCAST
92
Sociologist Zhou Yisu and Xu Wenhao have an in-depth conversation about AI's impact on education: AI has filled in the necessary friction in learning, stripped away the promotion ladder for entry-level positions, and forced higher education to shift from outcome orientation to embodied, process-oriented assessment. A AI炼金术
Yesterday 01:34:12 21 chapters View Source →
!Image 1: Duke University's Zhou Yisu: AI Has Pulled Away the Ladder for Young People
00:00 00:00
00:04 1
学习的这个过程是需要我们所谓的摩擦的，是需要 friction 的。你不能够万事都是一件达成学习让你挣扎和痛苦的这个过程，事实上是它的意义之一。对于 junior level 来说，可能就是他们往上流动，这个梯子被抽掉。
00:27 1
对于这种结构所采用的一个比喻。你还记得你大学时候学的具体的东西吗？你并不记得。他重要的是他给了你一种可能，是一种你叫他心态也好，也或者是一种看待问题。但当你要面对一个问题，你要解决它的时候，他给你的一种姿态，一种立场。
00:53 2
Hello， 大家好，欢迎来到 AI 炼金术。我是徐文浩。今天任鑫老师最近工作比较繁忙，所以今天他不会出现。但是我邀请到了另外一位嘉宾，也是我的好朋友，来自昆山杜克大学的周玉素教授。
01:10 1
谢谢老师，也非常有幸能够上一个这么硬核的节目，对吧？我不是科技业内人士，但是作为跟老徐已经认识非常久的时间，然后我们时不时的会谈论一下技术。我现在在昆山杜克大学工作，我自己是一名社会学家，然后我也进行教学和学校的管理工作。今天老师我想邀请我来，肯定是想谈谈 AI 对教育的影响。因为这个领域确实是一个最近受冲击比较大的，相对科技行业而言，我们更多的是在接受的那一方，对吧？就是你们是直接在最前线，所以很很高兴能够和炼金术的各位听众第一次在电波中见面。
01:59 2
欢迎。周老师没有更详细的介绍一下自己，因为周老师算是我发小，我们是小学同学，但是可能是我唯一还保持联系的小学同学。
02:09 1
你也是我唯一报之力。我还有我还有第二个同学，就是有有我有他微信，我们还会一年可能会聊上一两次，但是老徐肯定是我。
02:19 2
联系最多的小学同学。然后我还是介绍一下周老师，其实周老师是我幼年时期的科技启蒙者。90 上世纪 90 年代初什么电脑其实都是啊周老师传播给我的，当然后来我成了一个科技从业者，对吧？周老师的经历其实也很有意思，他是个社会学家，也是个教育学家。因为我记得很清楚，就大学刚毕业的时候，周老师应该还去支教过一年时间，对吧？
02:45 1
是的，我在一个陕西的一个农村的学校里面工作过一年。
02:49 2
我觉得今天大家聊 AI 很多，虽然都在聊科技，但是其实周围所有人，包括像我们这样的年龄的人，很多人都有一个问题，就是接下来的教育怎么办？或者说就我该给让我的孩子学点啥。我觉得今天我们可能就换一个视角，就从周老师，从一个高校的研究者，一个教师，一个教育学者和社会学者的角度来聊聊这个问题。可能我先从一些我比较好奇的问题开始问起，但是周老师可以自己发挥，可以对吧？就是我们还是一个我们其实不是个硬核的科技节目，我们其实是一个情感陪伴类的聊天节目，可以。
03:27 2
第一个其实很有意思，就是最近我看到一个新闻说七月份开始 cloud 跟 OpenAI 的日活和月活都下降了。很多人都非常恐慌说是不是说 AI 的增长到顶了？但是有人解释一下，其实不是这样的，是因为学生放假了。周老师在现在在高校，比如说在昆山杜克这样的学校里，也算是非常好的。第一个困扰是比如说学生写作业都用 AI 其实大家就没有区分度了，或者大家其实也没有学会什么东西。实际上在高校里面，实际上大家是在怎么在使用 AI 特别是在面对教学跟写作业这件事？
04:10 1
我觉得这个是个很好的问题，也是一个当前而言很尖锐的问题。因为这个问题首先缺乏比较透明和比较可比较的数据，到底是什么样的情况？我们单单从个人的感觉而言，就是学生对于 AI 的接受程度确实因人而异。有接受比较快，其实跟我们长成长的过程是一样的，对吧？有的孩子他就是学习新的技术，它对于技术持一个比较开放，愿意尝试的态度。
04:37 1
那么 AI 本身就是这样一个很好的工具对吧？它的基本形态是一个 chair boot 对吧？你在这个基形态上面让年轻人延展出去写编程，写东西，干一些其他的 agents 的这种工作，其实都是可以的。但是他的上手难度确实并不是很大。比我们那时候？你要学会命令行，你要学会编程，你还得有一些非常严格的一些知识。就是基础知识而言，在 AI 这个时代它的上手难度很低。
05:05 1
所以确实有一批学生很快的，他们可能在高中甚至大一的时候就已经只有就已经自己尝试过高质量的这些学习的途径，对吧？你不管是国内的网站或者是国外的网站都会有。你要说是不是说所有的学生都在用它写写文章，我觉得很难讲。我自己接触过一些学生，其实很多人他其实意识到了这一点，是哪一点呢？就是 AI 很多人会把 AI 当成是一种我们所谓的叫做认知外包，对吧？
05:35 1
这个词儿现在还是挺流行的，认知外包的一个工具就是你反正有有个作业，有个什么 task，我反正扔给 AI 因为它能够生成很漂亮的文字，对吧？英文中文都可以，很多人都会把它去做。但是其实有蛮多学生，我接触下来的学生，他对于这个事情是有很强的有很强烈的意识的。就是他他知道说这个事情会发生，而且这个事情其实对他自己的学习，这个是一个核心的一个矛盾。学习的这个过程是需要我们所谓的摩擦的，是需要 friction 的。你不能够万事都是一件达成。学习让你挣扎和痛苦的这个过程，事实上是它的意义之一。如果你把所有的东西都给了他，那你其实就是 actually 在这个过程里面什么都得不到。
06:21 1
有一部分学生是确实是已经很有这种算是一种自反的这种反思的想法，所以他他很有意识的不用 AI 我接触过一些学生，但还有一些学生也是很也是很直接的，因为我能够得分，对吧？我我我能够有 GPA，我有考试成绩，我不用花特别多的功夫。这一点也是加剧了。本来在高等教育领域里面就已经有了一个现象，就是很多学生是只是纯粹想要来拿这个文凭。他他他他对于学生学习本身，他不是特别感兴趣，更加不想话付出努力来完成这个事情。我觉得他加剧了也也也不是说加剧了他对于那些完全想要 outsource 自己劳动的学生而言，学生而言，他提供了一个非常大的便利，这第一点。
07:07 1
对于那些认识到 AI 带来的便利，以及 AI 所带来的一些挑战的同学来说，他有点挺困惑的。就是说我们什么时候要用它，我们什么时候不要用它。似乎如果我什么是如果我只是像一个苦行僧一样的话，我什么是我什么 AI 都不用，那么对我来说是不是我就 out 了对吧？就是 formal。对，这个 formal 成这个问题，我是不是没有赶上最前沿的这个 tech trade 科技潮流这个问题，这个是学生这一边的就是有很多 confusion，确实有人想要占便宜，这个确实是有的是存在的，还有一些当然就是说他很明显的感受到 ai 是他的所谓的这种生产力的帮助它提升了生产力？
07:51 1
我们所谓 productivity multiple er booster whatever，就是让一部分的学生在干一些事情的时候事半功倍，效率非常高，他能够做出非常好的东西来。所以这个也是也也是很显然，我觉得这个现象基本上就是不管是哪个学校的学生群体里面都会有，可能只是人数多少而已。就是我可能没办法说的很明白的，就是到底有多少学生是属于这三个群体里面的哪一个。对，目前也没有什么特别好的数据。
08:19 2
大家用 AI 去完成一些作业其实很容易理解，特别是我我我不知道昆杜昆山杜克怎么样。因为学校里你总有一些作业，有有一些科目，即使是想要学习的学生，也会有些东西是他喜欢，有些东西他就想交个差，对吧？我们很客观的讲就是说我是学 computer find。我们以前可能要做物理实验，要写物理实验报告，对吧？那你换到今天我肯定是不愿意再去手花很长时间去手写那些报告的文案的。所以我大概率我自己想象一下，我大概率但是可能比如说 computer size，今天有一些比如说我们要写编译器的程序，那为了深入理解这个东西，我可能的确会放弃 AI 或者说就会犹豫。但是我会比较好奇，就像你刚才说，其实有些学生已经进入了遇到了这个困惑，就是用 AI 似乎就这个学习过程中就没有摩擦。好像我虽然好像我都会了，但好像我还不会，对吧？
09:13 2
我比较好奇的是会有学生来找你去讨论这些问题吗？以及他们是是更早的就是很快的显性的就遇到了这些困惑吗？或者他们自己有尝试用什么样的方式去做这个判断，或者去解决这些问题吗？
09:31 1
我显性的来找我的学生不多不多，但是当我把这个问题带到学生那里的时候，其实很多人包括我的很多同事，他们给我的反馈都是说，这个问题其实我们也遇到的，只是我从来没有把它用语言的名很具体的把它给说出来而已。但是他们确实是在工作里面也有碰到这个问题的对。
09:52 2
第二个问题就是我我另外一个我会比较好奇，就是说学生会有一种新的困惑，就是学我不知道学校里现在感受不太是不是很明显。因为大家就普遍觉得这两年的就业或者肯定没有前一两年或者五年十年前中国经济本身还在快速增长，或者不管是互联网还是房地产，或者整个经济其实增长速度比较快，工作机会比较多。现在一方面。的确增长速度变慢了，所以工作机会本来就在减少。另外一方面就是 AI 出现之后就面临一个新的挑战。如果大部分问题就是文 shot，我说一句话，AI 其实就做出了一个能交作业或甚至能得八九十分的东西。那我去学这个东西还有价值或者意义吗？就是说会学生会有会有这种挫败完或者困惑吗？第一个我好像也找不着工作，当然宽度我觉得。
10:42 1
可能会有你说的这个现象是完完全全存在的。因为我们今年 5 月份，我们上一个毕业季的时候，我们每一年都会搞一个就是请我们的毕业生的代表和我们学校的一些老师，包括我们的这个学校的顾问委员会的一些成员，我们也会有个座谈的活动，我们叫做 meeting the minds，会有这个。那今年的这个环节里面，其实很多的学生都有提出来，他们有比较焦虑的这个感觉，就是工作的问题以及自己以后职业发展这个问题，我们可以稍后待会儿再展开。其实我们之前咱们几个月前，我们第一次聊这个问题时候，就已经有提到这个事情，对吧？就是说年轻人他进入职业的这个管道似乎被关掉了。就是因为以前的 junior level job，现在根本就不需要他们来做，没有 junior 所有人都是从 junior 才能变成 senior 的。当你没有 junior 的时候，那他们怎么办呢？所以我们的一些学生确实表达出这个就是大大四毕业的学生表达出蛮焦虑的，这个是一个是个。
11:43 2
实实际问题。理解。这个冲击是说就就一一种是说因为我昆山杜克还是个很好的学校，所以相对于我们客观讲学校越是好的学校，它的就业相对来讲总是更容易一些。而且我相信像昆杜这样学校，应该有更多的学生也是选择去出国深造或者怎么样。但是实际这对这个就业是一个焦虑，还是在你们看来已经开始发生了。
12:08 2
至少到今年初开始，虽然 ai 有各种各样的能力，但是对工作的冲击其实在那个时候还不明显。但是过去几个月，其实这个事情我因为我在一个 start up，所以我觉得我们还不能作为一个典型的场景。但是至少从社媒上看到，就我们这个行业的大公司，其实在社媒上，就是在什么小红书之类的，有大量的这种帖子都是说被毕业了，对吧？其实所谓的传统的吸纳了大量的，优秀高校应届毕业生的这个互联网大厂，其实是也在大规模的。大部分我们具体是谁我们就不说了，至少我们从社媒上看到似乎大规模的在减员。那我其实也和一些大厂的朋友认识或者有交流，那多大规模我们不好说，但是减员这件事情已经是非常明显的那这个事今天是已经传导到高校了吗？还是说高校是说只是表达焦虑，但是这件事情暂时还没有发生。
13:06 1
我觉得这个是一个很典型的社会现象。社会现象的意思就是说，首先感谢老徐一直对我们学校赞赏有加，希望能更多优秀的学子能够以后来我们学校就读。回到我刚刚所说的，它它是一个很典型的社会现象。社会现象的意思就是说就是很多的感受它并不一定是基于直接的数据方面的传导，它很多的是基于就像你说的，我在我听别人说，我在社交媒体上看见遇到了一个比方说一个挫折，求职上的挫折。我其实不知道是为什么，但是我听到跟我一起面试的人或者其他人跟我说，有可能是这个原因，对吧？所以综上所述，我觉得 AI 可能是现在这几年里也会被大家认为造成很多社会原社会这个现象的一个主要的推动作用。但是事实上你要说你有没有什么非常好的高质量的研究或者是数据来跟我们说明这一点其实也没有特别多。但是大家只是从各自的一个普通人的一个观感上来说，觉得 AI 可能是带动，就像你刚刚说的很多相关专业，它它的这个就是就业的模式发生改变的一个非常重要的原因。
14:21 2
其实换句话说，可以这样讲，不管 AI 有没有真的造成失业，或者现在的失业是不是因为 AI 造成的，但是 AI 这个锅他肯定是背定了。
14:30 1
对吧？对对对，这个就是我们和我们社会学里面所说，就是你不知道它到底有没有造成。但是所有人当所有人都告诉你说，他们认为这个事情造成的时候，他已经成为一个社会事实了，对吧？它已经成为一个很就是一个明白无误的社会事实。
14:45 2
我以我们自己公司举例子，我觉得它是一个客观事实。就是说过去我们还可能还倾向于说要扩张，或者要招人，觉得有东西不够，你始终有很多想做的，然后你始终会觉得缺人。但是今天以我们公司或者我周围为例，往往就像你说的，其实就是我觉得可能也是对所有人，就是我自己也有这个困扰。就是好像我不需要一个主页面本就是一个是我的体感。可能也是很多时候我觉得很多我周围的朋友，包括我自己，我们在做决策时候的一个决策。
15:16 2
客观讲就是我们在 20 年前也是个 junior member。就我大学毕业的时候，一开始的工作，我自己如果我今天回想起来，可能我当然我的第一份工作，那个公司特别有意思，它其实给了我们很长的培训时间。但是如果让我自己回想的话，我可能头半年对公司其实是不产生什么太大的生产力的。就是我在我在工作的前六个月是没有产生太大的生产力的。
15:41 2
但是后来随着你自己在这个过程中的成长，你慢慢自己成为了那个中流砥柱，对吧？然后能够干很多很多的事儿。但是今天的你给我一个主界面，我也会很这个成长过程其实是需要 senior 的，就是更资深的人去去花时间去教你和带你的。这也是为什么后来其实我很愿意去带专业的人，因为这个是我自己也是这样成长过来的。但是今天其实你就会比较犹豫，犹豫的这个原因。
16:12 2
我我我先讲我的体感，其实也很简单，就是我觉得我花六个月时间带他的，这六个月我把带他的时间我跟 AI 来沟通。能够完成的工作，可能是原来一个中间版本要干两三年才能完成的工作。那很有可能这个 junior member 他也不一定会在我这里待两三年，因为对他来讲，他可能过了一年就走了，对吧？那那过去我觉得带不带你是没有办法的，就是你不带你也得带不带，这就没有人干活。但是今天你不带，你反正感觉，我跟 AI 说一下，也能中间 member 一两年内能干的他也能干。
16:47 2
这个就带来一个两个问题，第一个困扰就当然是说好像就业机会就消失了，特别是对于慢慢的就有机会就消失了。因为前两天在我们这个行业，就是我们说 coding 或者 program 这个行业，特别明显。这个是有统计数据的，应该是之前有一个统计数据是说的，当然是美国，不是国内，就是在这个科技行业的。
17:08 2
22 岁到 25 岁的工作机会减少了 25%。然后 25 岁到 35 岁好像是大概减少了 2%，基本上你可以认为持平，但是 40 岁以上的工作机会增加了 18%。今天其实带来的是一个新的问题，就是新年版本就像我们这样的老头？就是他的工作机会或老邓对，老邓工作机会，他其实是或者说他的产能是在 AI 的辅助下是大幅提升的。但在逐年版本好像他的工作机会就消失了。
17:44 2
我记得你当时我们聊你，你还有有一个专有名词是吧？这件事儿是历史上发生过。就作为一个教育。
17:52 1
和社会学的研究者，一个技术的引入导致说行业技术栈的重新分配，对吧？就这个事情其实是我觉得是在职业的行业里面是一直一直是存在的，它不是一个新的东西。因为人和技术的互动，就是人和技术的一个说互动可能还有点太浅。他是因为我们所有的工作，其实你可以把都把它理解成一个人和技术的一个 configuration，对吧？你到底是百分用简单一点的比喻来说，你 60%人 40%技术，还是 80%的人 20%技术，对吧？当然现实会更复杂一点，它人和技术嵌入的模式会不太一样。你有一个新的革命性的技术带来的时候，它确实会对于原有的这种 configuration 带来一个非常大的一个冲击。其实这个观点还是咱们上一次过今年年初过年时候，那次我们聊的时候，你给我的一个 idea 就是我觉得 AI 的一个大的特点是它在一个纯数字的环境里面，它现在这个可验证性的逻辑闭环可以做的非常好，对吧？
18:53 1
就像你说的，一方面他给你作为一个 senior member，他给你一个很强的一个正反馈。这个非常强的反馈。这个反馈比以前任何的这种所谓的传帮带对吧？老师老师带徒弟的这种模式都要强很多，包括你自己做 project，所以我们这种就是 senior level 的。我觉得不管是程序员，包括像我做 management 或者是我自己做科研，他带来的正反馈非常强。绝对都是 one more round，对吧？咱们就是停不下来，我天天想干干了，我自己脑子都快爆炸，都是就是这个感觉。是一个现实。对于 junior level 来说，简单来说他们可能就是他们往上流动，这个梯子被被抽掉。
19:39 1
而对于这种结构所采用的一个比喻，我们社会科学家，我们一般认为你刚刚说的就是你喜欢带学生，对吧？你我们所有人都是从一个从一个 junior 变成一个 senior，其实有非常多的研究，我们有一个很漂亮的词，我们就是从你从 junior 变成 senior 这个过程，我们叫做 legitimate prefer participation，它是三个词拼在一起的，对吧？Legitimate 就是你的学习你你你的学习得是正儿八经的学习。你并不是只是在那儿翘着二郎腿刷手机，你是正儿八经的在完成一项工作。Prefer 的意思就是说你是边缘的，第一个是正经的对吧？第二个就是你，第二就是你是边缘的。
20:22 1
因为你所有年轻人不可能一上来就给你一个非常 core 的，非常 hard core，非常 high stick 的一个工作。给你做的也是让你做的一开始都是简单工作，你通过简单的工作来熟悉男的工作，熟悉这个公司的文化，熟悉老板的脾性，吧？这第二个第三个就是你得参与对吧？你不能够只是在旁边纯看，让一个程序员，你不可能让他看看 code book 或者是看看这个看看文档，对吧？他必须得手写。
20:52 2
你也不可能说靠看书学会写程序，你也不可能说我就观察别人怎么做手术，我就能学会做手付了，你总得先从一些简单的开始？对你先得开一个什么切阑尾炎，最后才能去开大刀，切一个皮下囊肿再去开大刀？你不可能说我看了 20 台手术，所以我现在能干了。
21:13 1
是的，所以你必须要有这个过程。这个过程人类的大部分的职业其实都是这样子。就是一个新手怎么样变成一个熟手的这个过程。不管是你比较高比较比较高科技的，或者是所谓的这种比较低科技的，哪怕你是农民，也没有人一生下来就知道怎么种地的。他都是要通过观察和学习模仿来了解说别人是怎么样来完成这个工作，一个特定的工作的对吧？
21:39 1
我觉得这个 legitimate pro participation 是在在这个物理面向比较强的工作里面，其实它还是存在的，因为你没办法代替它。也许等到哪一天就是非常高级的巨星智能出现的时候，它可以代替这个。但大部分时候目前不行。因为人的你直接靠你的骨感或者是其他的这种反馈能够带来的这个速度和这个 inversion，对吧？
22:03 1
对于这个工作的了解还是非常强的。但是在数字领域里面就是完全不一样。这个是我觉得你你你肯定有一个非常直观的感受。就是在数字领域里面我不再需要 junior 的人，通过这么痛苦缓慢低效的方式，我培训了他他还可能走，对吧？就是我花六个月时间，就像你说的，我花六个月时间我可以出一个很好的 agent 来来熟悉我的工作风格。
22:30 1
所以我个人感觉是一个它不单单只是在写程序，但凡是数字化的工作它都有这个问题。但凡是可验证的这种数字化工作流程，它都有这个问题。因为有一些流程你是很难验证的。比方说你你比方说做个设计，画个画对吧？或者是帮客户设计一个品牌什么这种这个你很难去验证它。就是你很难通过 one shot 的方式来验证。你写个程序开发一个产品，这个都是直接可马上可以验证了。
23:02 1
在但凡是这种环境里面，我觉得就是 AI 所展现出的对于我们这种 senior 人来说，它的便利性，它的效率，甚至是很多程很多情况下，他的在现在有 agents 的这个 awareness 的情况下，它的创意都比一个 junior 人能够给你带来的反馈要强很多。所以这个我觉得是一个我们我们今天教育行业也好，我们觉得就是公司的这个培训领域里也好，一个核心的一个难题。我们还需不需要 train junior member？
23:33 1
答，如果答案是 yes 的话，那我们怎么 train 它？这个我目前没有什么特别好的答案，因为我自己也是听了你过年的时候跟我推荐用 agent，然后我开始尝试用 agent 来融入了工作流之后，我马上就意识到了你当时跟我说的这个就是我不再需要我的学生了。那问题是我我是老师，我当我当我不再需要我的学生的时候，那我的工作是干啥？我的工作不是去教 AI 我的工作是教人。但是确实就是说 feedback 的反馈的强度时效各方面的差太远了。这个其实是带来我下面两个问题。
24:07 2
第一个问题就是比如我是个公司，今天我可以说我不要主业的人。就是我如果狠心一点，我们可以选择裁员，对不对？就是我对我只要给我给了赔偿，我可以选择裁员，说我不再学主页面本。但是你是个老师，对吧？就是你不可能不要你的学生，对吧？你每年还得招学生，对吧？就是不管你是你可能要招研究生或者怎么样，或者说你每年都有本科生或者需要进实验室或做研究。所以你没有办法强迫你不带学生。
24:36 2
就像你说的，带学生就面临两个问题，以前我让你去研究一些子课题，它是个真实的任务，并不是说我已经有个标准答案在那等你了，对吧？在今天的实际操作中，这件事情你是怎么做的呢？我觉得定位会比较好奇。第二个就是我们待会儿来聊聊，就是你的日常工作在 agent 发生之后会起什么样的变化。对，我们先来聊第一个问题，就是那你今天肯定还是在带学生的，你没有选择说我把学生裁了。
25:03 1
对不对？对，这个问题在过去的大概 1 到 2 个月里面，对我来说越来越突出了。因为咱们之前聊的时候是过年的时候，然后我们后来马上就学期开始了，我在忙着忙学校里的这些事情，我也没空去想这么多。然后我等到 6 7 月份，我自己尤其是我自己的科研的时间多了一点，我开始用 AI 高强度的来跟我做科研的时候，你刚刚所说的这个问题就立马就立马就浮现了。所以我一边做科研，我一边也开始在想说这个对于学生而言意味着什么。我就是我没找到一个特别让我玩满意的答案，我设想过一些情况，比方说有一种情况是什么呢？就是也许以后比方说你知道大学教授，我我我跟我学生的工作的模式一般是尤尤其是像我们这种社会科学，我们一般是一对一的，我们不是说这种开个大的组会对吧，有很多学生，我一般就是一个学生，它更像是这种以前老式的这种师徒制这种模式。
26:00 1
那那有一种可能，就是以后这个师徒制的形式，就是我和我的 agent 跟学生和他的 agent 聊，对吧？但是我们四个人有一个我不知道，有一个飞书 group 或者是一个 slack group 对吧？就是让互相的 agent 来了解对方的品味和工作习惯有没有？这是一种可能，但这个可能其实并没有回答你刚刚说的一个核心的问题。就是学生的技能他怎么样来锻炼出来？
26:26 1
在这个问题下面，第一就是是不是我们还需要有一些在没有 AI 介入的情况下的一些 task，是要有人故意设定，就是我作为老师要有意给我的学生设定让他来做的。那么这些 task 是什么？以前这个问题比较容比较比较容易，因为所有的 task 都得由你手干。所以对我来说，我根本就不用去想，我只要把这个东西扔给你，你就做就行了，对吧？现在等于是我还得想说哪一些你手干，哪一些你让你的 agent 干，或者是你的 AI 来干。这个其实对我来说，比如说我的我的 cost，我的 cognitive cost，这个要增加很多。因为我得想明白，我我得我是不是要故意设计一些这个东西的那。
27:10 2
在这个过程现在是你故意设计要告诉你的学生这个手干这个用机器干嘛？还是说比如说今天当会不会就是你你学生今天其实你交给他的任务，他已经在用 A 在干了，他只是没有告诉你。对，打个比方。
27:25 1
我其实还挺希望如果我的学生已经在用 agent 来再用 agent 来干这个，让让他早点习就是习惯一个 agent 的 workflow，其实是个好事情，对吧？我现在不知道，我是假定我的学生多多少少都会用一些 AI 的，但是什么程度我很难说每一个人到底你是到底是在一在一个什么样的 level 上去去使用对吧？那我大概两周前，我给我几个学生写写过一个比较长的一个邮件，大概就解释过我担心的这个问题。就是 exactly 就是咱们刚才所讨论的，就是他们以后和我的关系会和我以前和我的老师，我学习的时候的这种关系很不一样，对吧？就是我以前就是他们任何东西给我，他们也不管这东西到底是复杂的还是简单的，他就知道这玩意儿要做，你把它做完就行了。那么现在做和教育它的这两个功能现在被被分开了。以前他们是一起的，对吧？你做了就是受到了教育，你现在有个现在的问题是你做了有可能完全不经你脑子，你让 AI 来给你做，所以你的脑子其实没有 training。
28:27 1
那么我们是不是以后要变成要强制性的？我没有特别好的，我就跟他们说了，说这个是个现实。有可能是比方说学生自己要有意识的来说，这个事情我也也许我自己手搓一下会比我纯纯让 agent 来干要更好，更有 educational 或者是怎么样。
28:45 1
第二个就是说有大量的工作，就像你们现在我相信也是就是你大量代码已经是 AI 写的了，对吧？你可能人人介入 AI 的这个不太多了，你人大概就是 review 对吧？你可能一个什么什么 orchestration，指明道路，指明方向。就是现在所有代码。
29:08 2
都是 AI 写的，其实不存在说大量，至少在我们的这个场景，因为我不知道你做 research 或者做统计，我觉得大概率也是代码都是 AI 生成的。我只是人 review 一下代码大概写的对不对，或者让他解释一下他是在干什么。或者我们可能因为一些 critical 的代码，可能会看的是比较仔细，不能能 critical 的。就是不同的功能，其实你深入看的程度也不一样。我相信你们做 research 如果也不太可能说再去手写代码了。
29:35 1
如果我们我们认为这条路是以后所有的路的话，对吧？就是以后唯一的或者是一条大部分人会走的路的话，那也许学生学的就是怎么样来读你写的代码。但是 anyway 这个问题又又回到说你还是需要一些基本知识，你才能够读懂机器写的代码。所以有没有可能比方说是学生和他的 agent 来试图搞明白我和我的 agent 写出来的代码和东西。这个过程也许对学生来说是 educational 的，但是我觉得我不是特别乐观，因为你太容易在这个过程里面，对吧？咱们的其实都碰到过这个事情，你碰到一个很复杂的事情，你让 AI 给你解释一下，其实你说你自己真正理解多少呢？他的 AI 可以给你理解了，你让他按照小学五年级水平，他说帮帮你写一个东西出来，他他可以写，你可以看懂，没问题。当时当刻当下你可以理解他，但是他不过脑，就是因为他给你提供了一个 solution，对我们来说，我们的脑子里面所经历的 friction 太太低了，所以他没办法我们的脑子没办法 retain 这个 hard skills，her knowledge， 对。
30:37 2
我我我觉得这个还是很很明显的。就是我觉得这个其实问题也不只是今天有啊，就跟之前在没有 AI 的时候也会面临这个问题。这个书我看过了，是我理解了吗？其实不一定对吧？那就就就就像我说的扣 coding。我有一个。
30:52 1
更好的例子，就是你在 stack exchange 或者是 overflow 上面看到的这个 solution。没有一个是你自己想出来的 solution，你也不会自己的人，你以后肯定会去再再找，对吧？Exactly.
31:03 2
我们以前发生过这个事情，就是往往只有什么是你就是你遇到一个非常困难的问题，你绞尽脑汁花了很多时间发现了，然后你就会记得特别住，我觉得这是一类。第二类是以前是什么呢？就是说我要去写 cos 给别人，然后我要去分享。我怕别人问了我其实答不上来，所以我会做非常深度的研究，做很多实验或者写很多 sub code 去验证这个事情。这个事情我会记得，但是不管是日常工作还是一些解决问题，可能一次解决就结束了。其实我也没有过脑子，我可能依赖的是 so changing，对吧？
31:36 1
对对对，这是一个非常好的 idea。我们教育领域或者教育心理学领域里面，其实有一个比较成熟的例子。就是当你让比如说让你家两个宝贝要学东西的时候，我们检验他是不是能够学进去的。一个最好的方法是让他给你用他自己的语言解释一遍。这个事实上就是我们所说的所谓教学相长，就是教學。
31:59 1
为什么？其实是让你巩固你自己知识一个很好的东西。因为你作为老师，你得把它讲出来，你得自己先过你的脑子，你得让你的脑子把它梳理成一套你的脑子能够理解的一套一个一个一套话语也好，一个说法也好，一个什么呢？你得干这个事儿，你干完之后，他就是通过干这个几。比方像我们上课，你上过几遍之后，你就自然而然把这套话语就可以记到自己脑子里面去了。
32:24 1
我们现在的问题是，反正就是说我们能够用 AI 干非常 fancy 的工作，coding 也好，分析数据也好。但其实过脑的部分真的不多不多。所以我其实也担心就是我的某些技能在某些意义上面也退化了。这个毫无疑问就是我和机器的结合程度，就是我们每个人都可能比相比昨天而言更多一点，变成了赛博格对吧？这个赛博格的意思就是我得依靠机器我才能够完成这个工作。以前是我手搓或者是怎么样，但是以前的我是一个效率非常低下的，我是一个效率非常低。我一天能写代码的数量和我今天 1 个小时根本就可能可能就根本就比不过，对吧？
33:04 1
咱们回到刚才所说的，就是培训教育的这个过程。没有目前我没有看到有人给出一个特别让我信服的，就是所有人其实都在一个一片，你叫迷茫也好，你叫他混沌也好，在这个过程里面摸索前进。因为教育的还有一个大的问题，就是说教育的反馈的这个弧线，对吧？这个湖很慢的，你今年交的东西你不知道几年以后才会有一个有一个反馈，所以你你你根本就不知道你现在做的东西到底直观而言，到底有多多大程度上是有用的或者是有害。
33:38 2
你不知道你刚才说那个我其实体感也特别明显，我一直说就是感觉我最近半年虽然我的产能大幅度提升，但是我的技术水平毫无进步。
33:47 1
我们所谓的进步都是我们翻着翻着花翻翻着花样的跟 AI 提问的。然后他给我们搞出来一些看起来很 fancy 的一些做法。但是有些做法真的是我觉得挺 fancy 的，就是一些一路线新的分析路线或者怎么样。但说实话我的脑子没有那么多的带宽来来处理它，就像你说的赛博格。
34:08 2
但是现在这个其实已经有人搞，这个当然是个题外话，因为随着这一轮 AI 我觉得大家都在尝试做更硬科技的东西。现在有一个叫做干细胞学习，就是提取大脑的干细胞，然后用这个东西培养出一个人工大脑，然后跟神经网络对接。这个假设是未来可能我们大脑能不能直接让神经能接入神经网络，然后让神经网络更理解我们的大脑，然后能够完成工作，对吧？就像就说白了。
34:38 1
我们为什么需要这样一个生物界面生物体界面生物质界面来作为两个都是数字，对吧？就是这个 input 和 output 都是数字，我们干嘛需要这个玩意儿来做？我不需要，我可以把它换成一个纯数字的界面。
34:53 2
这样的话效率可能更高一些。对，而且就是因为它的就相当于说我的神经网络是不是直接能跟大脑的神经元去适应它，去学习。今天你还是基于文字？基于外部的抽象的信息？是一个中介。
35:07 1
而且这个中介也不是特别完美。
35:09 2
就是在做这个研究的他们有一个假设，有一个说法，说是前额叶也是人类在进化的过程中发育出来的，是我们的第六脑区，对吧？所以它就称之为这就是第七脑区。就是未来我们的大脑会发育出来一些东西，方便跟这个人工智能网络对接。
35:27 1
我能能够能够想象到这个，对，所以这个就是你回到你刚刚说的问题，就是说我们培育学生我只能说有一些尝试，然后大家都在摸索。没有什么已经被证明说非常成功的方式，我不觉得没有，但是我倒是能够给你描述几个趋势，就是说在这个教育的这个领域里面趋势，我觉得第一个就是具身性的重要性，就是在某些程度领域里面其实还是得到加强，这个也比较容易理解。因为你你数字在在这个数字领域里面，你人很容易被 AI 替代。那人就去一些不太容易被 AI 替代的域领领域对吧？所以这个是一个一种就是我们很多的不管是教学的模式也好，或者是这种体验式的这种也好，它会增加这方面的权重。就是在整个教学你的培养方式里面，可能是比方说像医生他的临床，或者是和和客户和病人打交道的这些机会会增加。
36:30 1
第二个就是说我们传统的那种评估学生能力的方式。比方说让你交个闭卷，不是让你回家写个论文，或者是写一个代码什么的，这种可能就越来越少了，对吧？它更多的是要检验，就是当场检验对吧？就是在你没有机器辅助的情况下，你能不能够做出一个东西来。这个我们也看到是挺多的。还有一个就是说口头的，因为你当场的话你还得让你自己去说。你写这个东西，你毕竟考试毕竟效率也不是很高。所以口头检验可能也会变得很多。
37:07 1
还有一种就是说所谓面向过程，所谓这个词是我造的，就是我们所谓的 process oriented 和你这个 outcome oriented 的这种检验的方式。就以前我们都是会让学生，比如说交个活儿？写个论文，写个代码。现在可能不是了，现在是代码机器写的。但是让学生上课来给我们分析？或者是我让学生来检验机器写的东西对的还是错的，到底机器干了些什么东西，所以这个是面向过程的，他不是说最终让学生去检验一个去去做出个东西来。
37:40 2
所以在你们实际在教学中，或者说在这个东西其实已经开始发生改变了。
37:45 1
对吧？对对对，这些改变都是从小的地方开始的。像我在我们学校我比较了解的情况就是在课堂里有一些老师就是在没有一个在没有任何协调的情况下，就是同事之间协调情况下，他们已经。在自己的课堂里面开始尝试了。我现在的工作，因为我我我在学校园里面做管理，我现在的一个工作的很重要的部分就是把这些尝试给它找出来，然后找到那些有代表性的，然后我们试图在不同的领域里面都去把它给拓展。对吧？
38:15 1
就是你你比方说你是在一个计算机的课程里面，你做这个事情，那么这个课我在数学课里面能不能能干，在物理课里面能够干。我如果理科可以这么干的话，那文科但是他们的知识体系不太一样，文科里面是不是也能够这么干？所以这个是我们现在在在尝试的事情。
38:33 2
然后再讲一个可能更多人会更关心的问题，就是因为你们还是一个大学，然后我们周围的很多朋友都有玩，大部分都还没有上大学，大部分可能都在小学初中，可能最多也就到刚到高中这样的年龄，可能真的已经上高中了，大家没有什么选择对吧？因为未来虽然不明确，但是你总得考个好大学，对吧？就还是以卷成绩为。
38:55 2
但是也有很多孩子现在今天比如说孩子是在刚上小学，周围有很多朋友啊或者大家也会很困惑，那我们现在应该让我们的孩子去学什么东西呢？就比如说我们这一代人有很多计算机，就我们学校很多学计算机的人，原来都是新奥比赛出来的对吧？就是去打那个信息奥赛来的。但是很客观的讲，今天的 AI 你去打呃信奥比赛，他大概率你打不过 AI 也就是你掌握的所有这些技能。其实用文书可能夸张，但你只要把这个题目念给 AI，AI 一定能做对。所以有些人就尝试说，我不要玩，去再学 program 这个事情，然后我就去让他玩 web coding，这是一种选择。也有些人就觉得，就比如我我其实我我其实觉得说我让我们的家，我们有两个娃，让一个娃其实他也在学 programing，但是他就可能是用最传统的方式在学，就在学 C 加加在学。就跟传统信号比赛的那个路径一样。
39:58 2
当然我并不在并有那么在意他是不是比赛一定能拿奖或者怎么样，但是我觉得这个更像一个像肌肉训练一样的过程。你就因为对对我因为我自己作为一个专业人士，我其实也不太能接受说最后我都是 web 的这代码我也看不懂，反正他能上线，就我至少到目前我还接受不了。所以我让他去按最传统的方式去干这个事儿。
40:20 2
但我也会看到他他虽然上课或者对着那个电脑，因为他们的这些课或者这些作业的 ID 都是强制要求的对吧？都是一些连 VS code 都不是对吧？他可能连代码提示都没有，更像真实比赛中的场景，所以他会用那个写 C 加加他自己玩的时候，在写 python 的时候，他可能就开一个什么豆包，或者开一个什么 tree 之类的。反正他用 python 写点小游戏对吧？这个过程中他就是纯 web 的。他其实我观察了一下，他应该也不怎么看那个代码逻辑。所以其实我会很好奇。
40:55 2
那你自己又是一个教育学家、社会学家，你有两个孩子，你曾经年轻的时候也去支教对吧？去过就是你你在上海这样的城市，大家去去上自己上过学对吧？你也去，那个时候可能中国还没有那么发达，你去一个乡村或者乡镇跟今天的乡村乡镇也不是一回事儿。我觉得最真实的是你会让你的玩法是什么。因为我觉得大家其实觉得这个是最实际的。
41:21 1
对不对？多谢老徐，你高估了我作为一个作为一个思考者和一个行动者的这种 coherence，就是两者之间的。因为你知道其实大部分的学者，你可以简单理解成比较会想事儿，但是不太会行动。大部分人其实行动方面并不是特别强。回到教育这个问题，其实也是就是我觉得所有人的大部分人，至少我认识大部分人其实还都是在摸索，没有人有什么特别实际的经验。因为 AI 这个东西，2022 年 11 月到现在也就是四年，不到十年是吧？
41:51 1
所以但是回到你说的，我觉得孩子的兴趣还是很重要的。我我我个人的看法还是强扭的瓜不甜。如果这个孩子他本身天性方面没有这方面的兴趣，你要硬给他加上去的话比较难。就是我自己的一个理论有有一定的实证背景，但是有有一部分当然也是 improvise 了。就是说孩子他的他和他会成长成什么样的人，对吧？有一部分是他自己天生的能力。比方说你和你太太都是名校毕业，都是在非常好的学校工作。他们你的成长经验和家庭背景各方面，他都会会会给这个孩子的基础能力。
42:33 1
你要是换一个打一个网游的这个术语，它的基础的属性肯定都是可以的。但是并不是说这个人什么都能干，对吧？因为人他有各种我们所谓的倾向性 disposition，有的孩子可能是社交方面比较行，有的孩子可能是独自思考这方面比较行。就是每个人 disposition 不一样，然后通过孩子和外部环境的互动，他的这个他的这个倾向性 disposition 会影响你身体里面的那那一部分某一部分特质被激活，有一部分特质会被压抑的。这个东西你很难说到底是在什么情况下，什么东西发生了，你不知道很多是随机的，就是周围的这个环境，大体上这是我的一个看法。
43:20 1
所以回到你刚刚说的那个那个问题，我个人觉得说我说说首先我不知道什么行业会成功，我不知道，我觉得长远来说不是那么的重要。我个人的感觉因为其实很多人最终在某一行里面干的好，尤其是干的好的那些人，并不是他最初选择学习或者是选择工作这个行业对吧？你当然一辈子都在计算机行业里面干了，所以这个例子可能不太适合你。比如像我，我现在是干社会科学，但是我本科根本就不是学这个的对吧？我本科是学一个偏数学方面的一个专业，更重要几点，我觉得一个就是孩子的好奇心，这个我觉得是人人类的天性，就是所有孩子都有的。但不管是什么样背景的孩子，都有的。这个东西我觉得不能够把它给特别多的，就是不能够压抑制他。
44:11 1
因为今天我们学习的我们所谓的学习的经济学，the economics of learning，就是因为今天的学习的经济学发生了变化。就是以前你要学一个东西，你的我们所说这个学习曲线，就是你从一个最基本的要变成一个比较 profession 的这个人。这个过程其实在很多的行当里面还是蛮陡峭的对吧？尤其是那些比较技术性的行业。但是今天所有在 AI 有了之后，你如果把 AI 把神经网当成是一个把所有人类知识科编码成一个松散的一个语义网络，对吧？
44:49 1
你在他的这个情况下，你要 pick up 任何的一个具体的技能，或者是一个进入一个具体的领域，其实蛮容易的，真的想干这一点。就是我刚刚所说的，你的好奇心，就是你人要有好奇心，你你你才能够去去学习。所以这个我觉得是第一个重要的东西，不管文理。
45:09 1
第二个就是你你你孩子还得 engage，就是 engagement。这个当然和学习没有什么直接的关系，但是我个人感觉和我们刚才讨论的有一点点关系。就是说你不要因为说 AI 懂了很多，AI 能够给你的结果很快，所以你就不想说你你你觉得反正都是这样子的，我为什么还花花这个时间，对吧？你不应该有这个想法，我不觉得这是我不觉得这是一个正确的想法。就是你要 engage 到一个具体的事情上面，你能够 engage，它可以是体育，它可以是解决一个奥数问题，这个奥信的比赛的问题也可以。它可以是体育里面，你想把一个动作练好，你想提高那几秒，你想某一个过弯的速度变得更漂亮都可以的。我不觉得这是一个某个具体的东西。
45:55 2
我觉得这个事儿就是为什么要问这个问题？是因为我觉得这个事儿在很多人看来还是重要的。大家还是很怕说，马上辛亥革命要发生了，但是我还在。
46:07 1
学科举对不对，这个 HA 联系到我的第三个观点，我的第三个观点是就是内容和形式。你简单来说就是说学习的内容和学习的形式现在被分开了，就是说学习的内容可能变得没有那么重要。我所说的学习的形式这个词不是一个很非常精确的词，意思大概就是说这种可迁移的技能，就是你不管是学什么东西，你都是总是有些可迁移性的技能，这个我觉得挺重要的。我自己回想我的职业生涯，我相信你的职业生涯肯定也也肯定也有这样。就是你还记得你大学时候学的具体的东西吗？你并不记得。
46:46 2
大部分都不记得。
46:48 1
对，大部分都不记得。所以那个并不是特别的重要，对吧？重要的是他给了你一种可能是一种你叫他心态也好，亦或者是一种看待问题。就是你要当当你要面对一。问题你要解决他的时候，他给你的一种姿态，一种立场，这个东西我觉得变得更重要。这个当然和我之前说的这个 curiosity 和 engagement 是有关系的。就是我我自己就是认为这种可迁移性。
47:14 1
那回到你刚说的这个辛亥革命的这个辛亥革命的这个问题，那当然就是说你你你说你的这个 49 年了，你干嘛还要去学科举，这个肯定是啊，怎么说这个内容是毫无任何用处的。你回到我们今天所说的这个，这个就是比方说中国历史上的这种以考试为基础的教育，我并不是来捍卫说这是一个好的教育模式。我不是我只是把它作为一个例子来分析一下。就是考试这个东西，它考的很多的是你的记忆，某种程度上的逻辑推理。可能是一种叙事能力对吧？你能够把这玩意儿给讲成一个故事，写出了一篇申论，或者是写成一个你古代人可能要写一篇论证的这个文章。这玩意儿我觉得当然是社会情境不同，它的重要性不一样，但是他确实是有可迁移性的。所以我觉得说我个人倒反而不就是说不太在乎我孩子到底学一个具体的什么技术。我觉得第一他想学，哪怕他今天学的是一个可能在我们所有人看来技术上是条死胡同。
48:17 2
比如说比如下围棋。
48:18 1
我瞎说，他他他他可能要学，像我小孩儿喜欢学学下围棋。exactly。对，就是人为什么下围棋呢？对吧？你既然阿尔法狗都能够把把把你把你击败，你为什么下围棋呢？就好像你今天问人家说你为什么要去跑田径一样，你都有汽车了，你这就跑的快多了。你说你跑步呢没但。
48:38 2
这个我觉得还是有一些差别。第一个是下围棋，它本身是一个非常 naked 的，就是以围棋职业围棋为生的人，全球可能也就 1000 个人。对，是个非常励志的对吧？包括像跑步，我觉得它其实就今天它其实更像个表演性的行业，就是文娱文体的文娱这一类。今天比如说跑步是因为大家想要比赛，大家并不想看人和车谁跑得快，大家就想看一群人跑谁跑的比较快。他们大家觉得这事情 whatever，他就你内心的你就是会喜欢这个东西。所以他更多的是通过表演来获得名誉、地位、收入，对吧？但是大部分我们普通人可不是从事这些行业的。
49:24 1
我的意思并不是让你的孩子去跑世锦赛，我不是这个意思。我的意思是说他作为一个学习的对象，就是这个跟你画画，跟你学乐器其实是一样的。就是我并不认为你通过学这些东西，孩子就是要成为世界第一。上海也不是世界第一，比如说上海市锦标赛这些，我并不是这样，我觉得做这件事情本身就是有意义的对吧？
49:46 1
你通过跑步，你对自己身体有了解，你知道怎么样面对逆境，这也是体育比赛的一个最重要的一个东西，你通过这个绘画，你对于自己手和眼的协调和控，你对于审美有一定的了解，这 taste 怎么来呢？这 taste 是凭空来的吗？我不觉得 taste 是凭空来的，我觉得其实 taste 有蛮大的可迁移性的。
50:10 1
你喜欢读什么样的文学小说，你喜欢看什么样听什么样的音乐，对于在多大程度上影响了你喜欢写什么样的 code，什么样的风格，什么样的管理风格。我没办法说的很明白，对吧？就是这个不是一个 definitive 的一个东西。我觉得说现在的学生和家长确实是处在一个比较难的状态，因为它是一个旧范式断裂，新范式还没有形成的过程。所以在这个过程里面，所有的人都会觉得很迷茫。对，就是因为你不知道未来路是怎么样子的对吧？你你你唯一知道的是以前这条路 probably not working anymore。
50:44 1
但是我觉得如果你往好处想的话，你不知道也没有人，别人也不知道。你说每个年代都有自己的属于这个时代的，就是所谓吃到时代红利的人，对吧？你今天做 AI 的，你上次跟我讲过了，做基模的那些牛牛人们，今天是一个什么样的收入情况？当然这是很棒了，但我并不觉得说我的孩子要变成那样，他才能够成他才能够有一个所谓的 for feeling，对吧？就是他很有很有成很有满足感的这样一个生活，他有很多不同的方式可以过这个。
51:15 2
这是一个彩票问题。就是你并不能因为说今天做基模的或者说做 computer size 的人收入高，就是因为他做了正确的决策。因为他们也有低谷跟收入低的，比如说五年前可能你搞直播对吧？你做游戏直播，你做唱歌的直播，你的收入高，然后你就觉得所以我职业应该那样选择，那我觉得这个肯定还是不成立的。
51:39 2
但是听起来今天大家面临的主要挑战是，过去总是觉得学习这个事儿，或者说他跟我的最终的我的职业跟就业是有关联的。这也是大部分人选择文理科，包括选择大学选择专业中一个重要的考量因素。就是我们很现实的讲，我们当然可以讲这个你叫素质教育或者文理教育。就是说我的基础素质，我要锻炼身体，我会乐器。但是对大部分人来讲，他还是非常重视说我要学理工科，因为我能找得着工作，对吧？我要选这个专业，因为它的就业比较好，这个是今天客观，这是过去客观存在的一个问题。
52:18 2
然后第三个就是还是围绕这个，我觉得这个话题，虽然其实永远我我我也能理解这个是话题。今天可能没有标准答案，也不可能说因为你是教育学者，所以我们问你今天拿到了一个金标准，对吧？大家就去做，就能得到好的结果。但是我觉得这个又是很多人很关注的一个话题，特别是在我们这个年龄段很关注的这个话题。因为自己想干什么，能干什么，不管清不清楚，反正也就这样了，对吧？但是孩子又又处在一个，你往往觉得他既好像又有无限可能，也有可能明天它就不行了，对吧？
52:53 2
就是因为我们看到说包括硅谷，包括周围有一些朋友就有一另外一种说法。当然这个在硅谷会比较多，或者比较极端说他应该比如说高中毕业也不一定有必要读大学，去找一个 AI 公司就去实习，先去干活。因为大学里学的这个就因为 knowledge 这个事情本身其实价值或者说我不对着 chat BT work，或对着 cloud 或者去跟他聊天去学习，并不比我去上课学的慢。虽然我只要找到一个可以去实践的场景，对吧？所以很多很多硅谷的这些比较 rich 的，比如说的 VC，或者说一些 entrepreneurs 经退休了，他们的子女可能说我先让他高中毕业去一个 AI 的 data 去实习，就疯狂使用 AI 然后来成长。我抛弃掉传统的所谓上个大学名校，什么读个 NBA 之类的道路。你对这件事情怎么看？
53:48 1
其实这个事情我觉得一直以来，今天 AI 时代只是加深了现代教育。就是现在高等教育领域里面的这样一个长久以来就存在叫他动态或者是矛盾。就是这样，说白了就是你在学校里面学到的真就是学校里面给你的价值，说白了就是他的所谓的硬的价值，是他的知识、技能这些东西你到底在多大程度上你能够把它拼单，对不对？就是你能够多大程度上能够说出来，大部分人其实说不出来，尤其是付大价钱，就是想要去爬藤的那些家长，就是那些想要把孩子送到精英最精英的大学里面的，就最精英大学里面给你提供的东西，其实并不是那些知识和技能，它能够给你提供的是把你和一批和你差不多聪明的孩子放在一起，然后你跟他们成为朋友啊。然后这个人是社会性动物，这种你叫友情也好，你叫这个社交网络也好，事实上是成为你就是在一个让人呈向上流动的一个最重要的动力。这个比你什么怎么怎么有人有多聪明要要重要的要重要的很多很多。
54:55 1
他其实是某种程度上是一种 echo chAmber，是一个回音。武汉市某种程度上是一种自我实现的预言。所以就是硅谷你刚所说的硅谷的这个硅谷的这个做法，事实上就是一种比较极端的要回应他的一个方法。就是说既然你不给我提供什么价值，那我自己那那那我干嘛还上学呢？对吧？我为什么还要去上大学呢？
55:18 1
这个之前就是在 AI 年代出来之前，已经有一批人在做这个事情，就是我们所谓的在家上学、home school 这个运动，他们不就是干这个事情吗？为什么要把孩子，为什么小学要上五年？为什么中学校上四年？为什么高中要上三年？为什么没有什么道理的？这个是一个历史形成的原因，就从学习的角度上来说，它既不是最优的，他也不是最经济的。我为什么干这个事情？所以以前就有人这么干，就是我我我我而且在这个 home school 过程里面，也不乏出现过所谓天才型的学生人，他就是在这个能够适应的很好。
55:53 1
也可以，也没有对吧？他在更大范围内没有展开的一个原因，更多的可能是文化习惯和历史原因。它并不是一个就是从道理上来讲，他这条路走不通，并不是这样的能够走通了。所以就是说你刚刚所说这个点我觉得一直有，只是现在可能比较怎么说？终于大家有了一个依靠 AI 对吧？也就是 AI 给了更多人这个信心，可以不走寻常路。对，但这个。
56:20 2
其实我有一个比较大的疑问，就是说这个会不会让这个人又失去一些东西。因为我自己的感受是说，当然学校里没有学会什么。对，这个不能这样说，我们的母校还是教了很多东西的，但是我这个是我怪我自己。对，因为不太去上课，所以没有学会什么东西，对吧？但是它是个社会化过程，就是我觉得他倒不一定是说我就是需要，或者说至少我在我年轻的时候没有那么强的功利心说觉得这是一个社交场所对吧？但是我自己的感觉是说，在学校或特别是你要住校，你和一群人，一群你并不一开始未必那么熟悉的人生活在一个空间里，它其实是个社会化过程？但是会不会说我不去学校，特别是像我们国家大部分人可能是上大学才住校，或者离开自己所在的城市。如果失去了这个社会化过程，是不是本身就会对人的发展造成一定的影响？当然。
57:20 1
但是有几个第一个，首先你不可能面面俱到，你就是所谓的 give and take，你不可能什么都要，而且你选定了一条路，你就意味着你要放弃另外一条路，对吧？或者是放弃另外的其他很多路。你不知道到底是什么样的，这个肯定是存在的。然后你说的这个社会性，其实这个也是为什么大家觉得学校重要的一点，就是学校是一个社会化的一个过程。他们担心说在家里面的这些孩子，他可能就是他可能社会化的程度确实是有限。这个没有什么没我我没看到什么特别令人信服的这方面的研究，但是这个确实是一个广为被很多人接受的一个解释一个解释。人类就是社会动物，就是这样。他觉得这个解释听起来像这么回事，然后有很多人都都觉得他是这么回事儿，那我就觉得他是这么回事儿，这个不知道。
58:11 1
所以你刚刚说一下硅谷这个事情，它你说它极端，它也极端。就是我我不去上大学了，对吧？我就直接通过实习，尤其是去好的 AI lab 实习这条路打通。但是你也知道这个 AI lab 需要多少人，对吧？你你你你顶尖的这些这这些大厂。
58:30 2
我觉得这个也是不一定所有人都有这个选择。因为它往往都是说说因为我他的父母本身比较有 power，对吧？所以我能把他塞到一个公司里去实习。他不一定是 AI lab，只是 AI lab 只是今天火，明天可能是具身智能，或者后天可能是 crypto 对吧？
58:48 1
有可能是 NVIDIA 对吧？我我我完全同意，这个又是回到另外一个问题，就是说能够做出这种安排的人，往往是父母比较有权势，或者是比较有 connection 的，或者是比较有想法的人，对吧？他可能会不会。
59:05 2
从另外程度上，对，但是我就特别好奇，如果给你选择。
59:09 1
你会这么选吗？如果有有合适我孩子的这种，当然首先就是他得去一个行业，是就是这种东西，就是这种所谓的学徒或者是这种你知道吧？就是做中学的这个模式是一个有效的模式。那我可能会让他去的，我觉得高中就去干个，就是你你最终哪怕不一定是这样，你我我可能会让他比方说高中毕业以后待个一年，就是你不用那么早去上海大学。如果你不知道你要干什么的话，如果他已经知道他他很明确的他知道他想干什么，那当然是干了，对吧？
59:42 1
你就是很多孩子，我觉得他这么想的原因是他不知道他想干什么，这个一年是给他一个探探探索的一个机会，还还是回到我们一开始所说，就是说 AI 带来的一个很重要的一点，就是说在现实世界里面的经验这个东西变得很重要。因为它一方面是说因为我们 junior 变成 senior，这个梯子可能变得越来越难找。以前是所有人都会有，对吧？你不觉得还有什么，现在是变成说能够给你提供这种机会的场合，它的数量可能在减少。所以我们需要有有这样就是我们得刻意的去培养这种。咱们讨论的可能是一个极端的例子。
01:00:18 2
所以还有今天还有一些人提出了一些更极端的观点，说未来你要找工作，你先得付费实习。
01:00:24 1
有有对这个现象我觉得可能还会被很多人拿来做一个商业的东西。
01:00:30 2
所以你觉得这个事情会发生吗？就未来可能我为了得到一个工作机会，我先要付费，像一个学徒一样先去。这个我理解在今天的现代社会里，其实很少更往前。我理解他虽然不是付费实习，但是更像是我是个学徒。
01:00:46 1
其实我是没有收入的。这个就是学学徒制。就是你如果看，尤其是像德国的职业教育，它的一个职业教育作为一个经济就是作为一种经济安排，它的一个核心就是学生是没有工资的。他就是老师傅之所以愿意招学生的一个很重要的原因是他可以有一个劳动力给他干活。我传授你一些东西，但是你得免费给我干个三年五年的。而且德国人用法律的形式还把它确定下来。第一你不能跑，第二你不能过去，你不能够像一个敬业协议，你不能够去看跟你。
01:01:20 2
师傅一样的事儿。德国现在是今天。
01:01:23 1
还有这个法律是吧？记不起来了。但是我知道职业教育在德国在 20 世纪的早期发展起来的一个很重要的原因就是地方的小手工业者，他们通过这种用法律的形式固定下来，就等于说能允许把把这种师徒带教。你知道吧？这个模式成为一种国家能够接受的教育模式，固定下来的一个很重要的因素。对，就是经济上它是他是互利的，互惠互利的。
01:01:57 2
最后来聊聊你自己使用 AI 工作的体验。因为年初我们聊的时候，其实你还没有尝试非常 agented 去用 AI 来完成工作。前一阵子看你朋友圈感觉应该非常 agented 了，就是我称之为我称之为像今天工作有点像玩文明，它这个回合制游戏，你像 AI 下了一个指令之后，然后他去干活了，过一会儿你回来看，然后你会选择不断的下下一个指令。能聊聊你现在日常的工作是怎么样的吗？你是怎么用 AI 来工作的吗？
01:02:30 1
我对我我其实算是比较后知后觉的。因为我觉得因为你们算是在科技的第一线，所以你你你捕捉到各种新的动向的，这个肯定是最早的。我们过年聊的时候，我还没有进行 agent 的。因为我那时候觉得好像没什么，没有这个必要。因为我当时的理解，事实上证明是错误的理解。就是说他的学他还有比较高的学习成本，我觉得我没有时间去学习这个东西。我主要当时是这么想，然后过完年我大概其实要到 4 5 月份问的时候，我才想说，我应该试一试。
01:03:04 1
我试的方式就是给信仰充值，对吧？给大厂充了个 max 会员对吧？瞬间觉得一切都不一样，就是突然发现有一个人能够给我无时无刻的在干活。然后能够把我想要做的事情，就是在数字环境里面所要想做的事情做得非常的好。马上就不一样了。然后我自己因为我不算是写 code，只是我工作里面很小的一个部分，所以 code 方面带来的冲击我觉得没那么大。
01:03:36 1
因为我自己我觉得两方面，一方面就是我的管理方面的工作，管理方面的工作就是因为我我有团队，我有下属，我有同事，我在一个算是一个中型的一个组织里面。邮件我有一些预算，我有一些这种这种活动，各方面的。那么 agent 可以通过阅读我以前写的各种各样的东西，notes 文档、邮件？比较好的了解我的意图，对我来说算是一个蛮大的解放。
01:04:08 1
而且我最近还发现，就是因为他他帮我整可以帮我整理文件什么的，这个又省了我很多很多时间。因为你你你作为一个组织的中层，你会面临的一个最直接的问题就是有大量的文档会被通过各种各样的这种共享文档的方式共享给你。就突然就莫名其妙又又被加到加到一堆的这种共享文件夹里面。我们毕竟还不是一个纯科技组织，所以我就我觉得他他帮我能够把这个事理得很明白，所以我现在没有这种文档和信息方面的焦虑，这个我觉得对我管理类的工作来说是一个巨大的一个飞跃。
01:04:43 1
他的 memory 比我的 memory，尤其是对于像数字？预算这些数字的记忆程度比要要要高很多，比我强很多，我有的时候我记不住，因为我事儿一多就是人类的因为记忆的这个带宽确实很有限很有限？我的记忆的深浅也很有限，所以他能够帮助我这第一个我的科研工作，因为我是一个社会学家，所以我会收集数据，各种各样数据。我不太做访谈，我现在主要就是一些这种所谓的 digital data，可能比方说年报或者是一些统计年鉴这方面的数据。这个 AI 我觉得太强了，你上次看你你之前看到我发过几次朋友圈，主要就是他把我堆积了很多年那些劳动密集型的那些工作，就是一个月之内全部给我干完了。
01:05:34 1
我当时真的是这个是给我带来最大冲击的一点，因为我是一个咱们已经认识这么多年，就是我想法还挺多的。其实我这么多年来开过很多坑，对吧？我说我想要北京中考数据，我想分析一下过去十年我想知道什么什么哪几个区的中考。我我我瞎说，这并不是北京，我就举个类似的例子，哪几个区它的这个成绩的这个 cut point 可能什么样子？什么样的学生能进什么样的学校，就是类似这种想法非常多。但是当我真的要把它落地的时候，他需要付出非常多的体力。其实因为你以前是要整数据，你得去网上一个 excel 表或者是一个天猫网页，你得把它给拉下来，对吧？你哪怕能写个脚本能够爬下来，但是这种网页它天天在变，它的验证机制在变，你还是要靠大量的人力投在这个里面。
01:06:27 1
以前就是你扔给学生，我可能或者是或者或者是我雇一个我雇一个 RA。那那学生第一他交上来的东西可能质量参差不齐，第二我不是怪我的学生，如果我的学生未来听到这个 podcast，对不起，我不是在怪你们人都是这样的，周老师年轻的时候也是这样的对吧？很多时候我会不靠谱，我老板就跟我说一个事儿，你能不能把它干完？我有有的时候是两天之后干完，有的时候是两个星期之后干。
01:06:57 2
因为老板也没有布置说我必须后天就要，对吧？如果老板说这东西非常紧急，我后天要可能你也就对吧。但有时候你觉得反正那就做呗，我又有考试，我又有自己的 paper，反正两星期内我做了就做了。
01:07:10 1
对不对？但是你你你反正咱们都跟 A 站的工作过，你就知道 A 站的就是你今天跟他布置一个，他 overnight 给你做。我我我我最夸张意思就是我要整理一批数据。就是我只是很模糊的跟他描述了说大概是什么数据，你能不能够帮我去这几个地方看一看。他干了整整 10 个小时，当然我不知道这 10 个小时里面的效率是如何，但他最后给我整成了一套非常完备的一套数据库。就是我只是给他给了他一个非常 general 的一个 idea。这个让我觉得简直是挖了金矿，就是我根本就不想停工作，就是我天天都想做科研，我现在就是我天天都想干科研，因为。
01:07:50 1
他带来的正反馈，正反馈实在太强了，这个是他的优点。目前而言它的缺点就是说我觉得他做这种 labor intensive 作相当可以，他要做更高级别的这种，比方说是把理论和数据结合起来的工作，我觉得他不太行。可能是因为他后训练方面没有什么特别好的数据，我也不知道。但是他写出来的这种社会理论，或者是写出来的这种分析就比较大众化，就是大众化对吧？就是没有什么特别。
01:08:24 2
有意思的东西。对你你尝试用过跟这个 sota 的模型，比如用 GPT pro 或者用 fable 去做做这个尝试。你的体感也是这样的，它还是一个跟大陆化的内容。
01:08:36 1
对我用我用过收藏模型的，我觉得他们带来的收益其实没有那么的明显。确实好了，这个级别的模型确实比其他的一般，比方说比 gamma，现在 german 明显不行了，现在就是预 2 加了，现在不是御三家了，他们比 gma 大家的结果明显要好很多。他的这种我很难描述，就是他的这种 awareness，他的思维的这种敏捷和能够 get 到点，我觉得又更有又更好了又更好。但是就是我觉得算算是一个就是一个算是一个名校 PHD 学生的水平。博士生已经是个很高的班了，对吧？已经是个很高的班了。
01:09:19 2
这其实是一个非常高的标准了。但是他可能还没有，就是说你还是想做更更有创新性或者突破性的 research，他可能今天还不是是吧？
01:09:28 1
嗯，这一点我不能把话说说死，因为这方面我其实我还读了我读了很多文章，包括最近的包括一些前沿的科学家们的一些文章，演讲什么的。主要是因为你自然科学和社会科学的知识的底层结构上面差太差差差别太大，所以我没办法说它一定是什么样的。因为因为最近讨论比较多的是数学，就是大部分的数学中等程度的数学问题都可以靠 A 来解决的，没有什么不行。但是社科它主要是它不存在什么所谓的中等结构的社会科学问题。因为社会科学它并没有比方说希尔伯特问题，它它并没有社会科学里面有这个东西，它不是一个 hierarchical 的一个知识结构。所以你没办法说说什么样的问题它不能够解决。
01:10:13 2
这个我觉得有道理，因为社会科学也没有一个 reinforcement learning 的 environment，对吧？它不存在一个我做了这个假设做个实验我能够得到这个结果。因为你基本上没有办法说，比如说我们的教育制度做一个改革，然后这个实验第一个他没办法在短期内做 AB testing，他甚至没办法做 AB testing。有时候他只能做一些区域化的试点，然后反馈周期又很长，对吧？
01:10:38 1
简单来说理工科自然科学构建在 verification，不管这个 verification 是用实际的数据还是形式化的验证的情况下，是可以是是是可以这样的对吧？可以从上往下 build up。自然科学里面它不存在 build up 这个问题。就是你可以在一些细小的问题上面让让他来完成 verification，然后你一套一个一个工作流程让他来做这个。但是大的问题上面，社会科学的知识形成的方式并不是这样线性演进的，它又有点像绕弯弯，或者是它像一个一张大的网。它可能是你可以把这个网里面的节点用各种各样的方式把它给排列组合在一起。简单来说它没有一个固定的标准说什么样的知识是好的知识，所以就会带来一个很现实的问题，就是说 AI 给你吐出来的这些东西，他口吐莲花给你吐出来这种玩意儿到底好还是不好？就是你你们你你你找不到三个人能够给你三个，这个很一致的可能也会有。
01:11:41 2
就是我理解像这些 sota 的公司，它其实也害了很多 PHG 或者科学家去做三号在做 data 雷伯林，或者说去写答案。但是咱们。
01:11:51 1
因为没有什么实际的数据，我就给你举一个很咱们就思考一个很简单的问题。比方说你的公司你要帮人去做一个 branding，或者是你请人，你请一个广告公司，或者请一个 consulting firm，来帮你们公司设计一个 logo，或者是设计一个 corporate identity。你什么标准说它是好的，咱们什么样的东西能够说它是好？它是因为首先视觉语言，视觉风格就有很多很多不同种，你没办法说它它就是这种视觉语言就比那种视觉语言好。然后有的人喜欢用繁复的，有的人喜欢用极简的那他他没法他不是到最后就是他完全是凭个人化的一个决策来制定它，来说明他。就这种问题在在理工科的，就是在逻辑的世界之外，有很多很多这样的东西。这玩意儿咱们就是 AI 能够给你什么呢？他能够给你提供一套各种各样的说法。是的，但是他并不能最终帮你来做这个决定。
01:12:51 2
但是我们的假设说，当有更多人去 library 这个 data，它就会逼近一个更好的效果。就像今天其实 AI 因为有了很多 training data，它能够让就像你说的，它也能到一个 PHD 的名下 PHD 的水准。这个比起比如 coding 跟比起什么数学，它肯定更困难了。因为他的确没有那么他他没法验证，他没法有一个非常客观的 result 的验证。
01:13:15 1
或者咱们这个就是换一个问题，换一个引战的问题，就是苹果好还是安卓好，就是这种类型的问题。
01:13:23 2
我觉得这个问题你倒过来问，为什么有时候你又觉得就是假设你今天是一个公司，你希望你自己是 apple 还是某一个安卓手机厂商？
01:13:31 1
问题就问问题就在这儿了。就是所有人不是所有人都要成为苹果，也不是所有人都可以成为 android，right 不同的公司可以不同的方法来活下来。
01:13:39 2
但是你一定要说客观去比一个好坏，有些时候他也能比出来。
01:13:43 1
对吧？就是他在技术指标上他他可以他可以给你比出来，对吧？但是你怎么样比较，比方说两个品牌，两个技术路线它的优劣。我的观点是就是你找再多的人去 label 他。
01:13:54 2
你都 label 不出来，他没有确定性答案。但是他就像我们今天说 taste，很多人也是说今天他能解决很多问题，或者我们觉得这模型还不错。就像我们今天很多时候说这个模型还不错，往往也不是靠跑。Bh mark 也是说我用了有一个体感。
01:14:11 1
是的，就是人类。你你你如果让我作为一个社会学家，你让我稍微讲话，讲的抽象一点的话，就是说就是人类和和一般动物其他可能不太一样的一点，就是我们还是一个 mini making animal，就是对我们来说意义很重要。还是回到一个，比如说刚才说苹果和安卓或者是怎么样，其他的这些就是一个品牌，它不仅仅只是一个 logo 而已，它对于用户来说，它是和某些价值偏好是结合在一起的。这个是一个主观的空间，它不是一个客观的空间。所以你没有办法在这种情况下建构出一个 A 就是 AI 没有办法在这个空间里面能够给你所谓的达到一个更好的答案。它确实可以给你提供很多不同的 perspective。这个是他比一个人要好，但是最终当你要做决定的时候，还是你自己，对吧？
01:15:05 2
这下面一个问题其实也是我觉得比较好奇的。其实但是我一直其实没有时间去思考，也是上次我们其实聊的时候，我们聊过的一个问题。就是今天因为工作都是在数字世界，或者我们大部分人，或者今天现代的白所谓的白领工作，很多都是我们叫知识工作者，对吧？那尽管这个 AI 一方面我们觉得面临的第一个挑战是说，他让很多入门级的工作似乎消失了。其实我们今天没有好的答案，但是我们也听到今天你们在学校里其实已经有各种在尝试各种各样的教学手段的变化了。我不再给你一个 result，是我希望你能够把过程展示出来，变成结果怎么样不重要，你要上来讲解释你这个东西是什么的，这个是在叫这个层面的变化。我觉得另外一个层面的变化就是，但是最近我其实没有做太多这方面的实验。
01:15:58 2
但是我其实也有一些困扰，就是就衡量一个人产出的变化。传统我们的知识工作者其实是很难非常精确高频的去衡量一个人的产出的。比如说我是一个程序员，我当然可以定性的、主观的或者根据业务结果去评估一些一个人的产出。但是今天因为 agents 能力跟他的带宽，其实我是可以知道。比如说过去可能虽然也可以，但是我们可能不会投入那么多精力或者要去做这个事情。很复杂我们就算了，我其实可以精确的知道每一个人为写了多少代码。我可以精确的知道每一个人写的代码它的复杂程度是怎么样的。甚至我也也可以去联系说我的业务结果变化，实际使用了哪些功能，这些功能是谁提出的，谁写的。
01:16:45 2
因为今天所有的知识工作的大部分信息，我们都 record 在线上了。当然这个只是比如说在程序员这个当中特别明显，就是比如我所写的所有的代码都在 get 里，对吧？然后。我所有的这些需求都在一些艺术，一些需求管理平台里，还有详细的描述。我们今天所有的公司内的会议往往都是线上的会议，它都有 recording。那意味着这个东西是谁提出来的，谁具体干了什么事情，结果是什么，都是可以数字化的那理论上讲，其实你可以让 AI 来评判一个人的绩效，然后觉得这个人应该给他更高的 salary 给他升职，还是说这个人其实没有什么产出，应该把他放掉。我们如果极端一点的来讲，就是就当时你提出来说这不是，这是一个福柯的环形监狱是吧？
01:17:38 1
对对对，我当时就是开开个玩笑。
01:17:40 2
但是我其实是很好奇，因为那就抛开一个教育学家，你又是个社会学家，对吧？实际上在过去的十年里，就是中国的互联网平台已经把很多工作变成这样的工作了。比较典型的就是外卖跟外卖，骑手跟打车，就是其他已经完全把这个工作给数字化了。包括我们也看到，也有很多，包括美国也有很多这样的，比如亚马逊的仓库，对吧？
01:18:09 2
但是其实今天的所谓白领工作，somehow 我就某种程度上可能也会变成这样。第一个我就是有什么相关的研究吗？或者说有谁开始关注这个事情吗？就是在在一个社会学家，就是因为你们肯定看过更多的 history，或者过去的研究历史上发生过什么事情。在你看来这个事情最终会演变成一个什么样的结果？
01:18:32 1
那就是在社会学领域里面，因为有很多研究劳工的，就是在这个领域里面其实有的。就今天早上我其实还在那个 twitter 上还刷到有一个很有名的马克思主义学者，就是说了这样一句话，就是老先生已经快 90 岁了。大意就是说就是说技术和就是技术和劳动力之间的关系，新的技术的产生，一般而言总是意味着对劳动更多的前和监视。所以他说 AI 这个时代也是不例外的，就是以前的老以前的技术产生也是这样子。他的这个观点其实代表了蛮多一批所谓的批判社会学家的观点。
01:19:13 1
在资本主义这个环境下面，就是技术所有的技术到最后都变成了剥削劳动力的一个手段。所以 AI 只是把这个东西推到可能推向更极端，尤其是对于数字劳动者来说。首先有多少人是就是有多少人是在一个纯数字的环境。当然是在中国这种国家里面可能挺多的对吧？但是你可能在一些发展中国家里面，他们可能会说，比方说我是挖矿的对吧？我真的是个挖矿的，比方说煤矿或者是其他。那那我的体力体力上给我的这个体力上给我的这种剥削可能会比你我脑力上的更多的。
01:19:45 1
就是你你很难说到底哪个更严重，对，但是更精细肯定是的。就是有了 AI 之后，你肯定可以对于劳动力的控制做的更精细，这个毫无疑问可以做到。但就是说企业愿愿不愿意选择愿第一是他愿不愿意做，第二个就是说这个社会对他的这个反扑，就是社会对他的这个 push back 有多严重，对吧？因为你在很多国家里面，你可以通过立法的方式，当然这个可能有点拿意思对吧？就是通过立法的方式说。
01:20:15 2
你不能这么做。我自己有另外一个想法，但是不是很多时候其实也不是企业，或者说因为他也需要另外付出额外的监控的成本。那往往其实有很多工作，他其实不是靠这种方式。其实今天我们讲的更多的叫内卷，是因为说它靠经济方式驱动，你自己去卷，他其实也不需要监控你，对吧？比方说今天我就像我们今天即使讲一个外卖骑手，它虽然有各种各样的系统，但他的核心的手段还是靠订单的金额的激励。他就在忙时给你更高的激励，希望你来在闲时，他包括今天可能更多的，虽然比如说因为 AI 出现了，有很多人说我们要做艺人公司或者 NPC。就是今天中国有大量的人，他的劳动或者说他获得收入的方式是在社交媒体，对吧？他是可能是个做一个主播，就是以前的主播，他今天并不是靠摄像头盯着你说你有没有好好播，他还是靠一个经济的条款来钳制你。或者说他通过一个前面的有一个 example，但是在 AI 出现之后也会不会有没有可能产生另外一个情况，假设能源问题解决了，对那智能问题就解决了，那是不是就传统我们定义意义上的跟一个更美好的共产主义社会就要实现了呢？
01:21:34 1
对我觉得是有可能。但是是你我觉得这两个观点之间的，你现在就跳跃有点强。就是说我还是不是很清楚说比如说更精的管理，更无孔不入的这个管理怎么样和和生产力。你的意思是说如果我们 suppose 把人管的更好用 AI 或者是怎么样能够带来生产力的极大的提升。
01:21:59 2
我倒不是说监控会带来生产力的极大提升，而是这监控这是一个对生产力的极大提升的一个负面的假设。就是因为智能 AI 的出现，其实我可以非常强的监控的工作，这是一个 developing？迪托邦他还有一个是乌托邦对吧？乌托邦是说既然 AI 能解决，假设 AI 能解决科研问题，解决能源问题，那是不是是一个乌托？我们物质没有匮乏了，我何必要解，反正都是 AI 在干嘛，对吧？人人人想干啥就好了，就也不存在今天的所有的这些，这其实是两个极端。
01:22:35 1
是，所以你说的这个就是一个很典型的 2 乘 2 表对吧？它它你你你这个表里面你可以想象它有四个格子，对吧？你 11 个 1 个维度就是说是不是监控 yes or no。另外一个就是生产力是不是极大的提升 yes or no。所以有一种情况就是说生产力得到了极大的提升，但是其实没有监控，那就是我们所说的一个纯乌托邦，对吧？也没有。但是有一种可能就是说生产力提升的它的一个代价，就是所有的人都被置于一种非常严厉的监控之下，这也是一种可能性。对这两个可能性我觉得都不为零。
01:23:09 1
我对 AI 还蛮乐观的，就是我觉得他确实可能会给我们不管是生物、能源各方面带来一种跳跃式的发展。也许这是我们人类真的能够进入这种所谓的这种什么 RSI？这个 recursive 的 self improvement？就是咱们光靠自己就可以把自己左脚踩右脚就直接升天了。有，我觉得有这个可能的，我其实还挺希望人类真的变成一个星际文明？AI 真的给我们带来一个起点基点，secularity 让让我们能够能够从我们这个肉身你去脱离出去。
01:23:45 2
最后有一些可能更个人化的会的问题，作为一个收尾，就是现在 AI 出现了对吧？你有没有有什么你觉得你原来其实从来没有想过，但你现在特别想做的事儿。就在 AI 出现之后，不管是可能和你的工作有关，是个 research 或者什么，可能没有关系对吧？就是可能在你年幼的时候你有很多想法。但是就像我们的每个人 Better with 有限，最后都会选择一个职业，吧？哎呀，就比如我选择了做一个程序员，就是我不可能再去做一个。而且我选择做一个程序员，我没有去做 gay，没有去开发游戏，吧？所以我不可能成为 game developers，我也不可能再成为一个我我也很难成为一个比方说科幻小说家对吧？
01:24:28 2
但是在 AI 出现之后，我们也看到周围有更多人开始用 AI 去做去生成视频。就有很多原来有导演梦的人，或者他原来也已经放弃导演梦了，今天回头再用 AI 去做各种科幻短剧。其实在抖音上看到很多做的非常好，对不对？你自己你有吗？你有什么 wildest dream，或者你想要在 AI 时代去尝试一下，或者甚至或者你已经开始。
01:24:54 1
动手干了。好问题，我觉得我现在还没有开始，一方面我还没有，因为这是过去的 3 到 4 个月，等于是对我来说像是个急行军一样，就是我还没有停下来想过这个事情。就是我现在还处在一个阶段，就是 AI 还在帮我把我挖的所有的过去的坑都填上这个状态就是我还没有到一个状态，是说这些事情干完之后，我还要干些啥？我我我目前还没达到这个状态，但是我能够想象这一天可能应该会来的。就是我手头上至少没有什么我 immediately 想干的事情，那我到底接下去想干些什么？就是我想干的事情可能和 AI 没有什么关系。比方说我可能想要重新捡起一个乐器，或者是做，你知道吧？就是做做这种事情。有可能我觉得我们每个人都应该想想这个问题，因为也许这一天就快来。
01:25:47 2
对对对，我同意。当然我现在也处于更像既然你说的这个状态，其实还是在疯狂的压榨或者被别人压榨的过程中。但是我自己的感觉是说，可能再过一两个月，我可能或者说我慢慢的也在尝试说是不是该干一些，原来其实想过或者梦想过要干对吧？但是一个你没有时间，一个好像也很麻烦，我也不会就算了，但今天可能是已经是有可能的了，对吧？
01:26:17 1
现在来说就是不会这个东西，可能它的越来越少的东西是可以被列入不会这个范畴。
01:26:23 2
其实我要想聊的我要问的问题其实时间都差不多了。你有什么吗？你还有什么？你觉得你想讨论的 topic 就没有尽兴的。
01:26:31 1
对你觉得 google 还能搬回来吗？我记得你有一次朋友圈里面有写的，不是你你你写的是 ChatGPT。你说大概拆就是当时因为 A 设领先，对吧？A 社领先了一段时间，你说你你你觉得 GPT 会回来了，现在就 GPT 确实回来了，就是 google 你觉得还能回来吗？
01:26:48 2
我觉得比较难，或者说我对这个的概率预测是我认为 google 回来的概率其实是比较低的。这个我也讲一下我的观点跟原因，就是我觉得公司其实都是公司跟人一样，你也有生老病死，有有青年、盛年、壮年。我觉得大部分的公司，都会面临这个问题。就是达到一定的规模，它就进入了壮年或者晚年的这个阶段。你还想要在青年时代去干很多事情，其实是很难的。
01:27:22 2
就是 google 已经算挺好的，是因为当时吉姆要追赶的时候，founder 就给 bring 回来了。他是要 get 回来了，就是这样一个人回来，而且全情投入做一件事情的意义对于公司是非常大的。就是说这个跟你只有一个管理者，这个人可能连公司的 1%的股份也没有，也不是精神领袖。但是即使 COG 能够回来，但是一样的就是你今天任何一个人去加入 google，你能拿 google 多少的股份。这个就是跟一个新的工，就是我觉得对这个是一样的。对，大厂就是大创业公司。为什么总是会有创业公司跑出来？我觉得这是个客观规律，就是我们做一个新的事儿。
01:28:06 2
50 岁的人、40 岁的人，心理跟生理的包袱总是比 30 岁的人、二十五六岁的人少。同时二十五六岁、30 岁的人的成熟度总还是比 10 就是就 16 岁的天才跟 50 岁能够返老还童都是极小概率的事件，或者说基本上很少会发生，特别是在这种大的变化情况下。所以我觉得从模型的角度，google 能够翻盘，说重新成为领先者，我觉得很难。对，但是未必说 google 在商业上会失败，因为 google 今天的 cloud 其实比其他家都做得好。我觉得这就是个传统的新钱变老钱的逻辑，对吧？就是我有很多资本，所以我去买那些收租就能这货，我是靠钱就能打赢的仗，或者靠我的积累就能打赢的仗。但另外一些账，它不是靠钱，是靠我要去不断的犯错尝试的仗，那就不适合你来打。所以我是觉得从模型的角度，我觉得 google 要翻已经很难了。当然这个被打脸也很正常对吧？
01:29:09 2
但从商业的角度，谷歌不一定落后，对吧？就甚至可能最终是这些创业公司模型上非常成功，但是他又没有办法真正拉开差距，最后发现最后收租挣钱的还是一些传统的老公司。这很有可能会发生第二个问题。
01:29:27 1
就是因为我觉得今年从去年年底，对吧？到今年今年到现在为止，可以说是一个 agent 的，作为一个 AI 的主打的爆发的一个点。那你觉得说下一个可能就是 AI 会带来一个作为一个体验上爆发式的，或者是这种跳跃式的点大概在什么地方吗？
01:29:51 2
我我们我也是瞎编一个词儿，我叫做 universal egat，就是今天的 agent。其实我觉得今天大家的体感那个 agent 还是一个可能我装了个 cloud code，装了个 cloud。然后我在我的桌面上，我有一台电脑，我在用这个东西。但是其实我觉得我自己的体感是说会有越来越多的 agent 无声无息的出现在云端，然后连接你身边的一切的设备。今天其实你还是打开一个电脑或者说好一点，有些人会打开手机，用手机远程操控电脑。但是比方说，你家里的 camera，摄像头是不是接入了 agent，你家家里的你是不是会有更多的设备，随时随地它都，而且它可能不一定是个 A 一个 agent，它是 multiple agent，会出现在你的工作生活的每一处。我觉得这个会是一个下一个阶段的过程。
01:30:45 2
就是某种程度上来讲，我们一定会在未来一两年看到智能硬件的大爆发。而且这个智能硬件可能是能够它可能跟上一代的消费级的智能硬件有一个比较大的差别是它可能是个 program。然后很容易的能够接入到你的 agent 去去访问整个物理世界的这个过程。
01:31:06 1
所以你就是意味着说这些 agent 它要能够直接在你的端侧能够跑起来。
01:31:12 2
它可能是通过网络连到云端，但他可能一部分会在端侧跑起来。因为我自己其实已经在这，这当然这不是我们公司的主业或者工作，我自己其实在家庭里已经开始，比如说我把我有一台 links server 上，我上面已经把我的 open cloud 和我的家里的所有的小 home kit 跟小米的米家的设备都打通了。所以我今天不需要在卧室里再去放一个什么小爱同学，我可以拿着我的手机在 discord 上，你说你帮我把灯关了，他就能帮我把灯关了，我就不需要装设备了。然后我还搞了一个摄像头，目前我自己在，当然这都是个人爱好，就是在考虑要不要买个机械臂，对吧？
01:31:57 2
就是做各种尝试。就是我的假设是说智能硬件可以就是所谓的巨声。一开始先不是以一个人形机器人出现的，而是以更多的 sensor 都接入到 agent 层。包括大家看到的就是我我觉得至少今天的大量硬件还是用消费硬件，它还是封闭生态。但是我觉得接下来会有一个半开放或者开放的生态。比如说当然现在传闻 apple 会做眼镜，不是他之前那个 ARVR 的那个就是我们现在看的这种眼镜。然后他的连接如果是能够开放 SDK 的，打个比方，然后连到你的他的手机，再连到网络，连到一个大语言模型，能够做视觉理解。那那能干的事儿又变多了。
01:32:39 1
对吧？明白，我知道了。这个说白了就是当年这些做物联网的人，对吧？他现在可以有一个一个 AI base 的物联网。
01:32:49 2
对，就是它的 flexibility。就是原来的物联网它还是基于规则的，或者说我训练一些小的识别模型在做那些东西，我觉得不会被抛弃，但这些东西可以利用 agent 更好的完全串联起来。
01:33:03 1
挺有意思的。看看我们我们再过几个月，我们再碰头看看说哪些事儿成型落地。好的。
01:33:11 2
今天我们就先聊到这边，然后欢迎大家收听 AI 炼金术，欢迎大家在小宇宙或者各个平台上关注我们，或者留下你的评论。然后这期就到这边结束了。
01:33:24 1
时常被我去我服你。是放羊的。
Click any line to jump · Hover to ask AI
Content Overview
周玉素教授与讨论者深入剖析 AI 对教育和就业的双重影响，指出 AI 提升效率的同时，引发学习摩擦减少、认知外包和职业发展焦虑。教育模式正经历变革，具身性、过程导向评估和即时反馈成为趋势。AI 降低了学习门槛，强调可迁移技能和学习过程，但对传统教学和评估方式构成挑战。社会学家担忧 AI 减少初级岗位，加剧就业难题，同时提高资深员工效率。未来教育需培养适应 AI 时代的技能，平衡数字与实体学习，以应对 AI 带来的机遇与挑战。
#### Speaker Summaries
发言人2
介绍了昆山杜克大学的周玉素教授，这位社会学家和教育学者，同时也是他的小学同学和科技启蒙者。两人将从教育角度探讨 AI 对学习、就业和未来教育的影响，包括学生使用 AI 完成作业、AI 对就业市场的冲击以及如何培养下一代适应 AI 时代的能力。此外，他们还讨论了 AI 在工作中的应用、智能硬件的发展趋势，以及个人对 AI 时代的新梦想和尝试。他强调，尽管 AI 带来挑战，但也为个人和社会提供了新的可能性，需要我们以开放和创新的态度去面对和拥抱 AI 时代，同时注重培养学生的批判性思维和创新能力，以适应未来的教育和就业需求。
发言人1
他认为，学习过程中的挣扎与痛苦是成长的重要部分，不应完全依赖 AI，否则会丧失学习的核心价值。他指出，AI 在教育领域的普及导致学生对认知外包的依赖，影响了技能锻炼和思维摩擦，同时加剧了高等教育中学生对文凭的追求而非知识本身。此外，AI 的高效性可能削弱了 junior 到 senior 的成长路径，对职业发展构成挑战。他强调，教育需适应 AI 时代，探索具身性学习、过程导向评估等新方法，以培养学生的可迁移技能和好奇心。最后，他提到 AI 在科研和管理工作中的高效应用，但也指出其在高级思维任务上的局限性。
AI 教育 学生 昆山杜克大学 作业 学习 摩擦 认知外包 就业 职业发展 焦虑 减员 社会现象 高等教育 认知 工具 困惑 生产力 文凭 科技潮流
Content Overview
“我不再需要我的学生了——可我是老师，我的工作不是教 AI，是教人。”
这不是科技从业者的宣言，而是一位社会学教授用了三个月 agent 之后，最诚实的困惑。
这一期，AI 炼金术把话筒递给了「被冲击的那一方」。徐文浩请来自己的小学同学、昆山杜克大学的社会学家周忆粟，从一个高校研究者、教师和管理者的位置，聊 AI 正在怎样拆散教育的底层结构：学习需要摩擦，但 AI 把摩擦填平了；junior 变 senior 的梯子，正在被抽掉；「做事」和「受教育」这两个从来长在一起的功能，第一次被分开了。
聊完困惑，也聊出路——高校已经在悄悄改考核方式；孩子该学的可能不是任何具体内容，而是可迁移的「形式」和 taste；以及一个社会学家充值 max 会员之后「挖到金矿、天天想做科研」的真实工作流。 嘉宾
周忆粟：昆山杜克大学教授、社会学家，同时承担教学与学校管理工作。本科读的是偏数学的专业，大学毕业后曾在陕西一所农村学校支教一年。他也是徐文浩「幼年时期的科技启蒙者」——上世纪 90 年代初的电脑和科幻，都是他传播给老徐的。今年四五月才开始 agent 化自己的工作流，一个月内让 AI 干完了积压多年的劳动密集型科研工作。 本期亮点
→ 学习需要摩擦，但 AI 把摩擦填平了。周忆粟观察到学生里流行「认知外包」：作业扔给 AI，生成漂亮的文字直接交差。但相当一部分学生其实很清醒，知道这对自己的学习不好，甚至有意识地不用 AI——「学习让你挣扎和痛苦的这个过程，事实上是它的意义之一。」真正的困惑在于：不用 AI，是不是就 missing out 了？
→ junior 往上爬的梯子，被抽掉了。今年 5 月昆杜的毕业季座谈上，很多学生表达了对就业的焦虑。徐文浩算了一笔账：以前带一个新人，头六个月基本不产生生产力；现在把这六个月花在和 AI 沟通上，能干完一个中级员工两三年的活——而这个新人一年后可能就走了。他还提到一组美国科技行业的统计：22 - 25 岁的工作机会减少了 25%，40 岁以上反而增加了 18%。
→ 一个 30 年前的社会学概念，正好说中今天。新手变熟手，靠的是「合法的边缘性参与」（Legitimate Peripheral Participation）：正经地干活、从边缘的简单任务开始、必须亲手参与。你不可能看 20 台手术就学会做手术。但在一切可验证的数字化工作流里，这个过程正被 AI 整段替代——这正是梯子消失的机制。
→ 公司可以裁掉 junior，老师不能裁掉学生。周忆粟两周前给学生写了一封长邮件，解释自己的担忧：「做」和「教育」被分开了——以前你做了，就是受了教育；现在你做了，可能完全不过脑。他设想过一种未来的师徒制：「我和我的 agent，跟学生和他的 agent，四个人拉一个群。」但这没有回答核心问题：学生的技能到底从哪里练出来。
→ 高校已经开始悄悄改考核了。周忆粟描述了三个趋势：具身性权重加强，临床、和真人打交道的机会增加；从交论文转向当场检验和口试；从面向结果转向面向过程——让学生来分析和检验机器写出来的东西。他现在管理工作的重要部分，就是把各个课堂里老师们自发的尝试找出来，往不同学科推广。
→ 该让孩子学什么：内容和形式分开了。你还记得大学学的具体东西吗？并不记得——重要的是它给你面对问题时的一种姿态、一种立场。周忆粟给出三个词：好奇心、engagement、可迁移性。哪怕孩子学的在大人看来是技术上的死胡同（比如下围棋），做这件事本身就有意义。「我不觉得 taste 是凭空来的——taste 有蛮大的可迁移性。」
→ 充值 max 会员之后：简直是挖了金矿。周忆粟只给了 agent 一个非常 general 的 idea，它干了整整 10 个小时，整出一套完备的数据库——积压多年的坑一个月填完，「我现在天天都想干科研」。但边界也清楚：AI 做劳动密集型工作极强，做理论与数据结合的工作则「比较大众化」，体感像一个名校 PhD 学生。因为社会科学没有希尔伯特问题，没有可验证的知识层级——「AI 口吐莲花吐出来的玩意儿到底好不好，你找不到三个人给你一致的答案。」
→ 收尾彩蛋三连。当所有知识工作都被记录在线上，AI 理论上可以精确评判每个人的绩效——是福柯的环形监狱，还是物质极大丰富的乌托邦？周忆粟反问徐文浩：Google 还能回来吗（徐：模型上翻盘很难，「新钱变老钱」，但商业上未必失败）；下一个爆发点在哪（徐：universal agent——越来越多 agent 无声无息地出现在云端，连接你身边的一切设备，智能硬件会大爆发）。 时间戳 00:05 冷开场：学习需要摩擦（friction） 00:54 本期缘起：任鑫缺席，徐文浩请来发小周忆粟 03:27 学生们到底在怎么用 AI：认知外包与三类学生 09:52 就业焦虑进了校园：junior 的梯子被抽掉了 17:52 合法的边缘性参与：新手是怎么变成熟手的 24:07 「我不再需要我的学生了」：做与教育被拆开 30:52 从 Stack Overflow 到教学相长：我们正在变成赛博格 35:27 高校在改：具身性、当场检验、面向过程的考核 38:33 该让孩子学什么：信奥打不过 AI，C++ 还要不要学 46:07 内容与形式分开：可迁移技能和 taste 的来历 52:53 不上大学去 AI 公司实习？大学真正卖的是回音室 01:01:59 一个社会学家的 agent 工作流：给信仰充值之后 01:08:24 AI 的边界：社会科学没有希尔伯特问题 01:15:05 环形监狱还是乌托邦：当 AI 能精确衡量你的产出 01:23:45 收尾三问：wildest dream、Google 还能回来吗、universal agent 欢迎订阅「AI 炼金术」的播客，以及同名公众号、视频号
「AI 炼金术」是一档由徐文浩和任鑫——两位多年老友、AI 领域的资深从业者——打造的播客。这里是探讨 AI 和创业的理想聚集地，我们会邀请一线创业者、产品产品和科研学者，深入探讨 AI 如何重塑行业、变革生活，以及如何从 0 到 1 打造 AI 原生产品。
我们的讨论会涵盖多个话题：从 AI 如何改变世界的未来，到如何找到 AI 创业的 PMF；从如何利用 AI 降本增效，到怎样将 AI 技术融入日常生活……如果你对 AI、产品、创业感兴趣，这里有满满的干货和一线实战经验，欢迎关注并推荐给你的朋友，共同探索未来的无限可能！ 商务合作：公众号 「AI炼金术 」菜单栏中【商务】获取联系方式 节目主理人： 徐文浩：某AI创业公司联合创始人，正在面向全球市场开发AI应用。连续创业者，参与过多家创业公司，拼多多早期员工。广告科技公司MediaV的算法和数据负责人，后被360收购。离开后加入成立不到1个月的拼多多。后创办了基于AI的海外客服聊天机器人公司 BotHub.AI 和 海外社交电商平台 Bukito 都宣告失败。2023年再次下场创业。 任鑫：美元基金合伙人，主要在投资和孵化面向全球市场的 AI 应用。之前是连续创业者，曾经打造“今夜酒店特价”用移动互联网应用特价销售酒店尾房；被京东并购后内部创业“京东到家”开展本地即时零售业务；2015 年再次创业 Get 探索对话式人工智能助理成为先烈；2021 年出售公司，2023 年重新回到 AI 世界。 播客剪辑：
十六颗糖 BGM： 片头：Shortwire - Reconfig 片尾：Forester - Saint
Make your daily reading actually fit you.A daily brief built from the sources you follow. Get started free
00:00 / 00:00