王鹏 腾讯研究院资深专家
ChatGPT的爆火引发了对教育理念与方式的广泛讨论，也预示了人工智能时代未来教育的走向。明确AI的能力边界，有助于厘清实体教育空间中不可替代的核心价值。
ChatGPT与AIGC的能力边界及趋势
当前试用的ChatGPT虽在实时数据、回答领域等方面存在限制，且偶有“一本正经胡说八道”的现象，但随着模型规模扩大及数理能力增强，这些问题正快速改善。大模型将在短期内具备更综合、通用的能力。
以文生图和ChatGPT为代表的AIGC工具，正推动知识生产方式从“大脑思考”向“机器生成+大脑筛选”转变。AIGC已能自动生成文章、音视频、设计及游戏等内容，甚至控制机器人，催生海量新业态。这一过程中，对人的替代不可避免。
历史上，工业化与机器大生产虽造成岗位流失，但也创造了新就业机会。然而，此次AI可能在短期内替代大部分脑力与体力劳动，而数以亿计的新岗位尚未显现。以往行业更新至少需一代人适应，前提是公共教育系统能及时培养适配人才。目前全球教育仍以“死记硬背+有限推理”为导向，旨在培养工业社会所需的产业工人与工程师，短期内难有根本改变。因此，公共教育来不及覆盖的领域，亟需家庭教育补足。
AIGC时代的教育变革方向
当个人助理无所不知时，教育体系需重新审视人才培养目标。ChatGPT给出的建议是：培养综合能力、创新能力、学习能力、创造力及协作能力。这些关键词背后蕴含着深刻的辩证关系。
因材施教与学校空间的重构
AIGC技术使真正的因材施教成为可能。通过智能内容生成、推荐系统及交互式工具，学生可获得个性化学习体验，教师也能高效生成素材与测试题。结合XR技术，每位学生均可接受定制化教育，学校集中传授知识的功能将弱化。此时，学校物理空间存在的意义将转向人际沟通与协作，甚至可以在自然环境中开展教学。
编程能力的演变与数学逻辑的重要性
编码工作最易被AI取代。未来，人们可通过多模态API、语音或脑机接口直接与MaaS（模型即服务）交互，无需编写代码。GPT-4驱动的Copilot X已具备对话生成代码、自动修复Bug及解释代码等功能。编程能力正转化为用语言精准描述需求的能力，人机交互的核心回归到人与人沟通的语言本身。
但算法本质仍是数学。若想定义和控制AI，必须掌握扎实的数学与逻辑思维。唯有逻辑思维，才能让人在海量的AI生成信息中做出判断与批判，去芜存菁。
语言能力与人机交互的关键作用
在数字世界中，描述世界与创造世界的能力即将合二为一。尽管AI翻译发展迅速，但在处理复杂情境、微妙文辞修改时，仍需依赖高水平英语进行底层计算。未来对英文的要求不止于日常翻译，跨文化交流能力尤为关键。
中文语料仅占互联网规模的5%，且真实性与严谨性相对较弱，中文大模型质量短期内难以超越英文。因此，英语水平及英语思维方式在未来创新研究与工作中仍至关重要，在人机交互中的重要性甚至可能超过编程。
随着自然语言交互技术的发展，能用语言充分表达设计意向或复杂任务需求的能力，将替代部分传统技能（如建筑草图）。硅谷出现的“提示工程师”岗位表明，高质量使用自然语言与机器沟通已成为基本能力。虽然该岗位不会长久独立存在，但精确描述需求的能力将成为每个人与AI协作的基础素养。
学习模式的升级与创新素养的培养
大模型本质是统计模型，擅长事实性问答，但在涉及价值判断的决策场景中，仍需人类主导。AI是获取信息的工具，若人仅具备传递AI结果的能力，终将被淘汰。
AI在既有知识领域具有绝对优势，但在新领域探索上只能作为助手。创新往往产生于学科交叉地带。建立完整的知识框架、对各学科有基本了解，是跨领域创新的基石。借助AI的高效信息整合能力，我们可以加速掌握各学科基础规律，促进跨领域创新涌现。
综上所述，全能型AI并未降低学习门槛，反而对语数外及更多学科提出了更高要求。正如《第三次浪潮》所言，我们面临的不仅是科技革命，更是全新文明的到来。工业时代培养熟练工人的教育模式即将终结，未来教育特征或将回归类似农业时代的分散式、个性化状态。
在AIGC变革中，绝大多数重复性劳动者可能被淘汰，仅有少数人能与AI深度协作。这可能导致“大多数人躺平，少数人更加努力”的分化局面。
未来的基础教育并非简单减负，而是对数学、语文、外语等基础知识提出更全面、综合的要求。这不是通过刷题实现的，而是需要构建广博的知识体系。只有百科全书式的人才才能胜任未来的创新工作。在AI辅助下，人类有望重新达到这种博学状态，并发挥大脑的独特机制推动AI进化。面对孩子如何与AI共处的问题，公共教育系统尚难应对，这需要家长主动做出抉择与努力。
来源：腾讯研究院