高中辍学，就可以在OpenAI担任研究科学家了，K12教育是不是真的完蛋了？

大家好，欢迎收听老范讲故事的YouTube频道。

今天为什么要讲这样的一个故事呢？这两天在X上面，大家都在围绕李飞飞访谈中说“要革K12教育的命”的一些金句展开了讨论。今天呢，就给大家举这样的一个案例吧。

瑞典高中辍学生：OpenAI的研究科学家

这个人叫做加布里埃尔·彼得松（Gabriel Peterson），是一个瑞典人，瑞典高中辍学生，现在也就是23岁。他是OpenAI的研究科学家，2024年年底入职的，到现在依然还在OpenAI上班。他呢，是Sora团队的，也就是做视频的这个团队。

加布里埃尔呢，2025年11月28日参加了一次访谈。他在访谈里讲到了他具体是怎么学习的、怎么求职的。那这个过程中，到底有什么不一样的地方？有什么值得我们去思考的地方？

加布里埃尔的学习法：从任务出发的递归学习

首先是加布里埃尔说，我怎么学习的呢？是从任务出发的递归学习。大家记住，这个词是他给他的学习法起的名字，叫“从任务出发的递归学习”。这个名字是什么意思，咱们讲的过程中大家自己去领会。

现在他的学习呢，主要是通过ChatGPT；在没有ChatGPT之前呢，主要通过YouTube和谷歌进行学习。他是要带着目标学习。首先他说我要做一个什么事，从这开始，学习是自上而下的学习。我要做什么，怎么做，里边具体的细节搞不懂，那就再去ChatGPT里去问。

比如说我现在要去做大模型了，我没有数学基础，没有统计学基础，那我就到大模型里去问去。大模型告诉你，这是使用的哪些论文、哪些代码。论文不懂，我再接着去问。他是这样去工作的。问了半天还是看不懂怎么办？有些东西不是说一个没上过大学的人，你再怎么问你能看明白的。他会用这样的一个方式，说：“ChatGPT，给我按照12岁孩子能够听懂的方式再讲一遍。”那ChatGPT就会老老实实的给他再讲一遍。

但是当时他肯定已经不是12岁了，他当时可能已经20岁了。他就通过这样的方式，不断的去追问，不断的去刨根问底儿，然后要求ChatGPT去写代码。写完了以后呢，并不是直接用这些代码，他是要求ChatGPT去解释代码中的每一行。如果他懂了，他也就不要去解释了；如果哪一行不懂，他就要求ChatGPT给他解释，说这一行为什么这么写，到底是怎么回事。

在这里要专门注明一点，这位加布里埃尔，他是反对Web coding的。原因也很简单，Web coding很多人是不看代码的，你提出要求，那边生成代码，代码你是不看的，直接就去运行去了。行也是他，不行也是他，最后到底为什么不行，你也没办法，只能重新提要求，让AI重新给你去生成全新的代码。

加布里埃尔说这事是不对的，你去问了AI问题，AI给你的答案，你必须要自己理解，想透了你才能去应用，而不是说拿一个你自己都不知道是干什么用的东西，就接着往前走了。

写完代码以后呢，他会要求ChatGPT给他多个解决方案，不是一个解决方案。我原来也讲过，你每一次让AI给你一个解决方案的时候，它一定会给你一个四平八稳的，为什么统计概率最高的一个结果一定是最四平八稳的。他说你给我多几个方案，这个AI就会按照不同的方式、不同的评估体系，提出多套方案来，然后由他自己决定如何选择。

选择好方案以后，进行编码、执行和测试。编码呢，他还是自己去编码的，不是Web coding直接编完就完事了，而且一定是要把这个所有代码都搞明白。测试完了以后会有错误，再把错误截图扔给ChatGPT，说你再给我解释哪不对了，然后你再告诉我为什么，里头涉及哪些细节了。再不断的往下追问，不断的往下刨根问底儿，然后到什么样的程度呢？一直到一个“click”。他这里头讲的叫CLICK，实际上就是一个“Aha”一个状态，就是顿悟了。他突然觉得，原来是这么回事，我懂了。

这就是他的从任务出发的递归学习法。首先要有需求，然后不断的去刨根问底，不断的去进入细节，搞懂所有的细节，不断的向下递归。他不从大部头系统化的知识开始，像我们正常去学习，一定是从大部头开始的，先去学习一个基础知识，然后考试，考完试以后再提出我们的想法，我们想怎么去做这个实验，老师批准了我们再去做去。正常是这样的一个方式，但是人家不是，就开干。从具体需求开始。别人做AI视频，必须要是博士，要学数学、统计、Transformer编码，五六年了以后才可以去做这个AI视频，因为这哥们是在Sora团队里头，但是他只用了3天。从任务出发的递归学习，从问题开始倒推知识链条，一层一层填补空白，这是他的学习法。

求职策略：跳过HR，直接找老板

那他怎么去求职的呢？你说这样的一个人，是怎么被OpenAI发现了呢？是不是只要你是千里马，总会遇到伯乐的呢？别扯淡了。他呢，是直接向OpenAI的山姆·奥特曼这些顶层的管理人员去发求职信。

在这个里头要注意，直接跳过HR，千万不要去找HR，要去找老板。因为什么呢？公司本身要的并不是文凭，这哥们高中就辍学了，更别说上大学，这个公司不要这东西。但是为什么我们没有文凭还进不去呢？是因为HR要这东西。老板不需要，老板要的是什么？解决问题，要赚钱。

加布里埃尔的求职呢，是直接用成功项目去求职，说你看我做了什么什么东西，我有哪个开源项目，这开源项目在你们的系统里头可以帮助你们解决什么问题。而且会写出来，我是怎么怎么做这个项目的，这个项目谁用过，有什么样的效果。每一次呢投可能上百份的简历和申请去求职，总有一两个愿意跟他聊一聊，给他一个机会试一试的。如果没有的话，就再发100份。他是这样的一种求职方式。

关键在于做项目：从14岁到Sora团队

最重要的一部分，其实并不是学习和求职，而是什么呢？而是如何做项目。加布里埃尔从14岁开始就在做项目。

• 14岁：倒卖宝可梦卡
  当时他做的第一个项目，是倒卖宝可梦卡。宝可梦的这个卡大家买回来以后收藏，然后再去进行交易。但是交易的信息呢是零碎的，我想卖，你也想买，但是在这个过程中，怎么把这个交易撮合起来？所有的价格都搜集齐了以后，进行价格发现，这个实际上就是跟炒股票似的。所以这个孩子写了一个网络爬虫，把所有这些想去买卖宝可梦卡的这些信息都搜集起来，有人想用多少钱买，有人想用多少钱卖，然后呢他在这个里边去进行倒买倒卖。做了这样的第一个项目。当时呢还没有ChatGPT，它是在YouTube上和谷歌上找到相应的知识，把这个项目做成的，据说是赚了2万。
• 18岁：消毒剂比价网站
  到18岁的时候呢，这位小伙子遇到了新冠。你想他原来做过的项目是做什么的？做爬虫。所以呢他做了一个消毒剂交易的爬虫比价网站。继续往前走，赶上新冠疫情呢，一周就可以挣出2万来了。
• 云厨房CTO
  这个项目做完了以后，很快这小伙子就被瑞典最大的云厨房创业企业聘用为CTO了。什么叫云厨房呢？基本上你把它理解成预制菜就可以了。这样的一个企业做CTO，开发厨房管理系统。这个小伙子呢，也是自己从零开始招人，也有一定的项目管理经验了。把这个项目做完了以后离职了，觉得好像跟我想象的不太一样，估计整个的过程并没有那么愉快了。
• Midjourney交互框架
  再往后呢，还在Midjourney里边上班。2023年Midjourney横空出世，但是交互实在是不怎么样。因为Midjourney画图，你是要在DISCORD里边写提示词，然后画图，他的网站一直做的是比较烂的。于是呢，这小伙子自己就开发了一个开源的Midjourney的交互框架，然后呢去Midjourney求职，说你看我给你做这多多漂亮，提示词管理整个这套东西多好使。Midjourney说那行吧，你上我这来上班吧，你把这套系统上我这实施一遍。

在这上了一段时间班以后，发现Sora要出来了。因为Sora是2024年年初进行的预演，2024年年底正式上线的。那小伙子看到Sora以后，感觉这才是方向的，就提交了前面的项目经理以及Midjourney的工作经历，就开始在OpenAI的Sora团队担任研究科学家了。

他真正向OpenAI提交了什么？

他真正向OpenAI提交的东西是什么？没有文凭，因为这哥们压根就没有。他提交的是：

1. 一份能够运行的Git Hub上面的项目，甚至可能不是一份，是多份可以运行的Git Hub上面的项目；
2. 一个能够解决问题的产品演示，你看看我怎么给你做成这样，做成这样以后，你们的效果就会变得更好；
3. 以及呢，一个真实在做事的人，他自己能说的清楚这块我是怎么做的，我怎么想的，我为什么这么做。

OpenAI说那来呗，我们正好需要解决这样的问题，他就去上班了。

加布里埃尔是不是一个天才？

那下面我们要思考的一个问题是什么呢？加布里埃尔是不是一个天才？这个是很多人听到这样的故事以后会想的，也许我上我也行。这事也许可以，但是如果有人跟你说“你上你也行”，那一定是惦记割你韭菜的人。大家记住这个话。首先我要给出结论：加布里埃尔绝对是一个天才，绝不是普通人可以达到的。

1. 欲望与驱动力

能够看到问题，能够产生解决问题的欲望，并且在欲望的驱动下前进，这在当下的年轻人中已经是凤毛麟角了。现在的年轻人很多是低欲望的，这个事行吗？就这样吧。那个事怎么样？哎呀没什么意思。去谈个女朋友吧？太麻烦了。现在好多年轻人是这样的一个状态。这样的无欲望的年轻人，不可能像加布里埃尔这样——我看到这个事情，好像不是那么顺畅，我要去改一改；我看到那个事情，我觉得可以再改进一下，我要去试一试。你没有这个初始的驱动力，就直接输在起跑线上了。

2. 刨根问底的能力

再下一步是什么呢？能够刨根问底，而不是直接就认为自己看到的只鳞片爪就是全部了。这也是挺反人性的。绝大部分的人是，只要看到一个简单的答案，稍微的符合自己的心理预期，跟自己过往的逻辑是自洽的，他就认为我已经把这事搞明白了，不用再去刨根问底了。但是加布里埃尔说不，我就认为我自己不知道，我一定要把所有东西都搞明白。这个对于绝大部分的年轻人来说，其实也是做不到的。

3. 耐心与深挖

第三个，不断的刨根问底说的容易，真正有耐心、有能力不断深挖下去的人，其实还是很少的。你像我也每天用AI去研究各种各样的问题，但是经常是到了，比如说真正的一些数学问题，或者是一些代码问题，很深层次的，我就放弃了。对于我来说我能用就完了，至于这东西到底是怎么回事，我也说不太清楚，反正用完了效果就这样，我也就只能做到这一步了。做不到像加布里埃尔这样，可以把所有的论文、涉及的数学公式、涉及的代码都搞明白。

写代码这块，我其实是很喜欢用Web coding的。虽然那个代码我是能看懂的，因为我原来是程序员，但是我其实是不看的，或者大部分情况下不看的，只要它不出错就这样了。出了错以后，我才会把这个代码拎出来看，甚至有的时候那个代码出错了，我都不看，直接把所有错误扔给AI，再给我写一遍就完事了。为什么？这省事，这舒服，算是在我们的舒适区里头。

那么加布里埃尔这样的，其实也是大家所难以达到的高度。直接得到的答案并不是答案，必须是自己搞明白了才行，这也是加布里埃尔比别人强的地方。目标明确，当知识点散开之后，没有深陷其中，不忘初心，最终能够完成项目。大家扪心自问，有几个人能做到？

我们现在去研究了一个事情，研究的过程中，这个事情也很好玩，那个事情也很好玩，最后我都忘了我为什么开始的了。我是见过很多这样的创始人呐。原来我们投过一个游戏项目也是这样，这哥们就是CEO是一个技术宅，做着做着说游戏驱动Unity 3D有一个新版本还不太成熟，里头还有很多的bug，所以这个更好玩，我要去研究这个，至于那个游戏，算了等一等吧。当时我们都急，每天去找他说，你先得把游戏做出来，再去研究你这些底层技术行不行？不，那个玩意好玩，这个做游戏不好玩。对于投资人来说，对于他的公司的其他员工来说，对于他的其他股东来说，真的是为他着急，搞不定这个事。但是很多人都是这样的，我们看到一个特别好玩的事情，我们就陷进去了。

但是加布里埃尔不是这样的，他把整个的这些知识点铺开了以后，他最后还能把项目做完。而且呢，他不怕承认自己不懂，也不会不懂装懂，搞不明白不罢休。其实上过大学的人，大多都失去了这种品性。为什么呢？因为我们上完大学以后，其实很多东西也是一知半解的，但是呢你越是一知半解，你就越怕什么？怕别人说你不懂。因为我们就是靠这张纸，靠这张文凭去后边混饭吃的，你要说我不懂的话，那你不是质疑我前面所有努力和汗水吗？这事肯定不行。但是加布里埃尔他没有这种包袱，高中辍学了，那我不懂是应该的。所以这个也是大部分人做不到的。

而且他不怕失败，不怕被拒绝，反复去尝试。像前面他做项目，也不可能哪一个项目是一帆风顺的，一定是反复调试了以后，才有可能得到一个结果。他跑去求职也是这样的，一次发上百份的求职的信出去，有人愿意让他去试一试，他就跑去试试。我相信也不可能是每次尝试都会成功，他会不断的去投递，不断的去尝试，最终得到了他所想要的这个职位。

加布里埃尔真正天才的地方，就是他的欲望以及执行能力，是普通人所难以达到的高度。跟大家讲一个有意思的事情吧，像我们以前做投资的时候，有一个很奇葩的点是什么呢？就是有时候你投项目的时候，要求看一看这个创始人的太太。当然大家别想歪了，什么意思呢？如果这个创始人的老婆长得比较好看，说明这个创始人是欲望很强烈，而且执行力很强的。大家自己想一想是不是这样？因为美女其实也是一种很稀缺的资源。因为创始人通常一开始在找女朋友的时候，都是一穷二白，他可以通过努力，找到了一个稀缺资源大美女，那么他后边去创业的时候，他大概率也可以在这种旺盛的欲望的驱动下，把这个项目做成。大家想想是不是有道理。

这种模式可以推广吗？

那下一件事，加布里埃尔这种模式是不是可以推广？大家要想第一个问题，加布里埃尔为什么求职的时候一定要绕过HR？为什么一定要去找老板？原因很简单，HR并不对最终结果负责任，只是螺丝钉。于是HR就会筛简历、筛学历。你像他这种高中辍学的，你把简历递到HR那去，肯定你是过不去的。没有学历的人，他是不是也能干活呢？肯定有能干的，但是一定是一个概率很小的事情。发现和验证干活能力的这件事情，其实已经超出了绝大部分HR的能力范围。

加布里埃尔必须找初创公司的创始人，职业经理人也是没戏的。原因也很简单，初创公司的创始人是真的干活的，你说我是怎么做的，他能听明白。职业经理人呢，大量是从公司巨大的行政体系里边打怪升级慢慢升上来的，这些人很多他是不干活的，他也不知道这个系统到底是怎么做的。

所以加布里埃尔这个案例，其实是相对来说比较难以推广的，绝大部分的公司和职位，还是会继续用传统的方式进行筛选和匹配。加布里埃尔的这条路，成功的概率是很低的，绝大部分人也不是加布里埃尔这块料。而且人家在整个求职的过程中，做项目的过程中，所经历的各种的艰辛，也是咱们普通人所难以想象的。咱没吃人那份苦，就别惦记人家那个成功。

K12体系真的会被干掉吗？

那下一个问题，K12体系是不是可以被干掉了呢？很难。首先我们要想清楚，教育到底是干什么的？很多人说教育就是教孩子一些东西，让孩子能够有知识。不对，教育不是干这件事的，教育是为社会分配机制进行筛选和人员匹配的。大家想一想是不是这样？你去上了大学，上了名校，才可以去大厂；你如果连名校都没上过，你连35岁被裁掉的机会都没有。所以最终我们是要去社会上去抢这些萝卜坑的。中国人为什么要去千军万马挤独木桥呢？这个其实就可以看到教育的本质了。我们没有给那些挤不过独木桥的人，在分配体制中留下稳定的位置。

但很多人说不对，很多没有上过大学的人也没饿死。对，是没有饿死，但是我讲的重点是稳定的位置，稳定、有保障、有尊严。很多人都用德国的这种方式来举例子，他们有很多这种二元制教育上来的，没有上过大学的人，或者是他们算不算上过职高吧，这些人就出来了，他们也可以开开心心的活一辈子，有尊严有保障。德国你经过二元制教育以后，你会得到一个证书，还有工会，人家想要辞退你，想要去给你减减薪水，想逼着你加班的时候，工会会站出来保障你的利益。而且还有整套的法律制度来保护你，谁想去违反这些法律了，法律会去制裁这些资本家的。他在这样的一个体系下才可以说，那我不用去挤这个独木桥了，我去上个二元制，我上个职高，我这一辈子也过得开开心心的，该结婚结婚，该生孩子生孩子，我也觉得一点都不丢人。跟孩子说我是电工，你看我该休假的时候休假了，人家也对我很尊重，整个的收益也会随着年龄的增长，随着经验的增长不断的上升，支付我的家庭和整个后续的一些成本，都没有任何问题。

中国就不一样了。中国的电工是随时会被老板裁撤的，你裁了以后，你都没地儿告他去。老板随时可以找到更便宜的、没有经验资质的人来替代这份工作。很多的这些比如包工头说，我现在需要一个电工，你有没有证？要那玩意干使？有证的贵，没证的便宜，你只要上去没把自己电死了，你就接着干呗。

那你说电工上灵活用工平台吧。家里比如说有一点什么需要电工的地方，我们可以在灵活用工平台、58同城这种地方找到电工来给你干活来。但是灵活用工平台也是很内卷的，他们也不会去校验说这些人到底有没有资质，别人用过了以后到底是如何评价。虽然它上头有评价体系，但是那个评价体系是可以刷的，没有那么公正。那上面大家怎么办呢？内卷呗。你愿意20块钱给人干一什么事，我愿意15块钱干，那个人说我愿意13块钱干。那你在这个过程中，他就没有工会的保护，他们自己之间就卷起来了。

所以在中国做电工，虽然有电工证了，但是你真正去上岗的时候，其实大家并不那么在意这个事，也没有工会的保护，无法持续获得收益，也无法保证后续的稳定、有保障和有尊严的生活。这就是为什么我们要去挤这个独木桥。

教育变革的阻力与未来

还有是什么呢？由焦虑所引导的畸形的教育产业。那教育产业本身也是有一定惯性的，有既得利益的一个团体。一帮老的这些教师，原来负责教育标准制定的这些人，那你说换一套全新的评估体系，现在教育产业中的这些人怎么办呢？你说我现在需要上AI来去给这个教育赋能了，那原来这些不会AI的这些老师，他怎么办？他没法整了是不是。要么你学习，要么被淘汰，像公司里那样真没那么容易。即使这些教师说我愿意学习，我们算是这个社会里边比较先进的一帮人了，但是最大的问题根本就不是教师愿不愿意学习的问题，而是什么呢？他的筛选机制是僵化的。我们到底怎么去考试？这件事并没有那么快发生变化，不是教育产业本身有能力去改变的。

2025年中国高考报名是1,335万人，本科录取了500万人，专科录取了300万人。那你在高考这个独木桥上，AI改革之后的这种教育成果如何？考试如何评估优劣？现在高考连计算器都不让你带进去，你更别说我在现场可以问ChatGPT了，这不是扯吗？那你说我既然没有办法去进行这样的评估，那谁该去清华北大呀？谁该去上本科？谁该去上专科？谁该名落孙山呢？那怎么办呢？我们依然要使用现在这套千军万马挤独木桥，上了名校才可以进大厂的这样的一个社会利益的分配机制。那我们就只能继续使用现在这种考核机制，那现在这个考核机制，就只能是把AI排除在外。这个是没有办法的。就像中国古代依靠八股文科举取士的一个过程一样。古代这些人他傻吗？他也不傻，他也知道，会做八股文的人未必能够治理地方，他未必能够成为一个好的官员。但没办法呀，他这套东西是最容易衡量的。

那你说未来会发生改变吗？是不是就咱就一直是在这条路上绑死下去呢？也不会，未来还是会发生改变的，但是过程可能是极其残酷的，有可能真的会有革命。很多人说，咱们不是讲的就是K12要被革命吗？要注意，“革命”并不仅仅是一个词。帮大家理解一下吧，西奥多·罗斯福有一句名言：改革目的是什么？避免革命。为什么改革要去避免革命？大家心里想一想，革命是要有统治阶级或者是既得利益者被推翻的，是要流血牺牲的。改革就是我不需要去让统治阶级跌落神坛，可以只要稍微小改小闹一下，只要稍微的改变一些不合理的地方，这个制度可以继续走下去。所以真的发生革命的过程，一定是极其残酷的。

要改变教育体系，首先要改变的是分配机制。除了少数平台和基础设施公司可以微利运营之外，大量的现有的经济结构会崩塌掉，大批的公司会倒闭，很多专业技能的价值会被颠覆，包括HR等很多为了维持巨大组织架构运转的这些职位，他们所构成的中产阶层，都会跌落斩杀线。大量的新兴产品和服务会涌现，并替代传统的体系。很多个人和小企业会在平台的基础上，提供差异化的全新的价值，服务于这些个人和小企业，帮助他们更好的跨越公司进行协作的这些企业也会不断的诞生。

传统的评价体系是靠什么？证书、职级来去确定的。但是未来的这个评价体系，是由推荐系统来去确定的。像我现在做YouTube，我做的内容好不好，不知道，大家各自去评价就好了。但是有多少人能看到老范的内容，是靠YouTube推荐系统的。我没有给YouTube提供证书，说老范有这个资质，有那个资质。所以未来的评价体系，都是依靠AI的推荐系统来的。

新的分配机制确立以后，才会需要新的筛选机制；有了新的筛选机制，才会有新的教育体系。大家一定要把这个教育体系升级的过程把它搞清楚。

总结

最后总结一下，K12是不是要被干掉，成为了一个热门话题。中国人很喜欢聊这个，因为我们一直都很焦虑。AI会给社会带来改变，但是教育体系的改变，可能并不会第一个到来。分配机制改变推动筛选机制改变，而教育体系是为筛选机制服务的。所以我们再去讨论K12是不是要被革命的时候，首先要去想明白教育体系到底是干什么的，而且“革命”这个词不要随便乱用，很吓人的。

好，这个故事就跟大家讲到这里。感谢大家收听，请帮忙点赞、点小铃铛，参加DISCORD讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

背景图片：

Prompt：watercolor illustration, abandoned classroom long unused and completely replaced by AI, empty desks covered in dust, scattered old books and papers, broken holographic projectors, faint glowing AI interfaces lingering in the air, soft diffused contrast, neon cyan rimlight, deep navy background, cinematic composition, sharp subject separation, glossy reflections on dusty surfaces, minimal palette with ink blue tones neon cyan glow and subtle gold accents, extremely legible negative space, ultra-detailed, intricate linework,silent and desolate atmosphere,vast empty floor space in foreground, –ar 16:9 –raw –s 250 –v 7.0 –p lh4so59

信仰人类的AI教母李飞飞的最新访谈，都说了些什么？

大家好，欢迎收听“老范讲故事”的YouTube频道。本月钛媒体跟李飞飞做了一次访谈，目前是把信息放出来了，还是值得大家好好去思考一下的。

李飞飞因为做ImageNet，也就是收集了大量的图片去进行AI训练，被称为“AI教母”。但是她却讲到说：“AI只是工具，我信仰的是人类，不是AI。”

这个访谈还是很长的，我们分几块来讲。第一个是“AI就是一个工具”；然后咱们讲一下李飞飞对于教育的一些看法，因为她毕竟是一位大学教授嘛；然后是李飞飞对于机器人的看法，最近各种人形机器人公司都准备去上市了，现在看看李飞飞怎么去讲机器人；最后是李飞飞自己的World Labs（世界实验室）公司，她们所生成的模型到底是在做什么。

一、AI 再强也是工具，方向盘需在人类手中

首先，她讲到了说AI再强也是工具，方向盘必须在人类手里面。她为什么会去强调这一件事情？因为有很多人已经躺平了，不停地有人告诉你说“一键生成”、“点一下就得到”，这个实际上就是已经准备去放手了。所以李飞飞在反复强调，AI不能让它去决定你的生活，你必须要去掌握方向盘。如果不掌握方向盘的话，AI可能真的会去替代人类。

当然了，工具也是有两面性的，所有的工具都是双刃剑。但是她讲到说，两种极端对待AI的方式都是不理性的。哪两种呢？

• 第一种是只发展不限制；
• 另外一种就是只去讲伦理，不发展了。

像欧洲现在就属于是更多地强调伦理、各种限制；而美国这边呢，可能更多的是在快马加鞭地往前跑，各种的限制现在变得少很多。说这两种思路都是有问题的。

她讲到说我们过往使用的这些工具，包括火、斧子、核弹、生物技术等等，都是工具。这些东西只要我们用好了，都是会造福于人类的；但是呢，也都会给我们造成一定的伤害。AI会变得越来越强大，但是责任不应该丢给AI。

权力工具 vs 向善工具

比如说AI既可能成为权力工具，也可能成为向善工具。在这里使用了一个词叫“权力工具”，就是讲到说AI是可以帮助权力部门进行一定的权力的拓展的。

其实在互联网出来以后，谷歌不是权力机构吗？其实也是的。Meta、苹果其实都是权力机构，因为它已经把大量的政府该享有的权利拓展出去了，她们去享有这些权利。而且政府其实有很多的权利也是需要通过谷歌、通过Meta这样的公司去进行增强的。比如说像前面把川普的账号封掉了，实际上就是政府通过这些社交媒体公司拓展自己的权利。AI变成权力工具，或者AI让很多的政府变得更稳定，这个都是不可避免的。所以她专门提到了权力工具，但是她并没有去说权力工具不好，只是说AI可以成为权力工具，也可以成为向善工具。它是把权力工具跟向善工具作为一个对立面给大家列出来。

再往后，李飞飞讲到，在AI变得不可控之前，它仍然是人类的工具，人类有责任让它可控。她并没有去讲说AI会不会最终变得不可控，或者最终变得不可控，她都没讲。说AI不可控这件事的可能性是存在的，但是人类该干的活，就是在它不可控之前想办法控制它。但是未来是什么样的，就要看人怎么做了。

人类应该如何引导？

那么人应该怎么做呢？就是引导AI向善。在这个过程中，不是让工具自己去决定，而是要依靠法律、制度、教育和社会共识。当然这个里面，我觉得可能对于一个大学教授来说，稍微有一点过于理想化了。法律、制度、教育与社会共识这些东西，并不是一些抽象的概念，而是有千千万万个人在各自的岗位上，每一个人都有自己的想法，有自己的利益，有私心。这些人还会形成很多的小团体、小的利益团体。所以在这样的情况下，是不是我们可以在AI变得不可控之前真正的引导它向善，或者让它始终在可控的范围内？这个真的不好说。我们现在看看，政府能够管理得了像谷歌这样的公司吗？我是打问号的。

二、李飞飞的教育观：如何不被 AI 替代？

既然AI有可能不可控了，那么人类就有可能被替代。李飞飞的观点是：关键是更新教育，要把现在的教育整个革命掉，让人学会用工具，并且发展人类的特质。通过这样的方式，我们可以保证自己不被替代。这个应该也属于叫“美好的愿景”吧。

所以下面咱们来讲李飞飞对教育的观点。首先讲到说，以后不要再被大量的标准答案和知识填充、应试教育占时间了。当然了，李飞飞并没有经历过中国教育的精华部分，她高中就到美国去上了，她在国内是上到初中，而中国教育的真正精华部分是高中部分。但她依然感觉大量的标准答案和知识填充是非常非常浪费时间的。

对于李飞飞来说，她希望什么样的呢？她希望培养人类的能力和主体性。什么叫主体性？咱们后边讲。那么到底什么是能力呢？

1. 被保护并持续燃烧的好奇心

这个倒是跟马斯克要求的一样，人类必须要有好奇心。当然马斯克希望的是AI也一定要有好奇心。现在李飞飞讲的是人类教育一定要保持好奇心。父母和老师要呵护孩子好奇心带来的快乐。这句话什么意思？孩子有好奇心这没毛病，像我们有时候管这个东西叫“淘气”。你好奇心做了很多东西以后，有些事情是会做对的，有些事情会做错。父母跟老师一定要引导孩子说，你这个好奇心带来的快乐到底是什么？你要让孩子去享受这种快乐，她才可以不会说每次有好奇心的时候就有可能挨揍，这个事是很危险的。当然有些小孩揍着揍着也没准会成才，比如说二战时候的英国名将蒙哥马利哈，他小时候就是不断地被教育长大的，他妈妈的口头禅是“去看看他在干什么，叫他停下来”。这哥们特别皮，所以长大了以后很喜欢钻空子。当然我觉得这不是一个好例子了，李飞飞还是希望更多的孩子可以快乐地享受她们的好奇心。

2. 要驾驭AI工具的能力

而不是被工具所取代。她的例子是什么呢？就是火。火是可以做饭的，但是也会带来伤害。说小孩子长大的过程中，总要学会做饭，你也不可能说我为了保护她，长大了以后不会做饭，这事不行。那怎么办呢？这小孩子就要去学会使用工具，特别是像AI工具。要理解AI如何为学习和创造赋能。你想学一个东西的过程中，怎么用AI来帮助你，也要了解AI可能带来的问题和风险。这个过程很像是我们教小孩子用火的这个过程。

3. AI做不到的核心人类能力

这个才是小孩子真正要去学的东西。AI到目前为止有很多的能力是不具备的：

• 好奇心：让马斯克去努力让AI有好奇心吧，但是她觉得AI在这块上还是有一些缺陷的，所以人类要努力去补充好奇心。
• 批判性思维：这个在国内可能稍微难那么一点点吧，但是她觉得这是很重要的，因为AI其实很难产生这种批判性思维。你每次问它一个问题的时候，它会想办法给你找到一个正确概率最高的答案。我最近还发现了一个使用AI的好方法，是什么呢？就是你的提示词这样写：“给我五个答案，然后给它进行不同维度的评分。”这样的话你就会得到一些不一样的答案。如果你每次只问它一个答案的话，它给你的永远是那个最四平八稳的那个。
• 创造力：说这也是AI所不具备的，是人类应该努力去培养的东西。
• 空间想象力：至少目前的AI还不行。但是未来，比如说它的World Labs公司发展起来以后，也许AI就可以具备空间想象力了。
• 人际协作：这里并没有讲到人际关系，但是我觉得可能这一块对于未来孩子是非常非常重要的。最后还是要人跟人协作。

然后李飞飞提到说，不需要背课文之后，剩下的时间怎么办？这个时间应该用来学习AI做不到的认知和能力。因为原来我们用了大量的时间去背课文了，这个时间省下来以后，不是说让大家去疯玩的，好好学一些AI搞不定的事情。

4. 从“标准答案训练”转向“潜力开发”

说原来我们的K12里面的标准答案，AI做得比人好。用十几年去做以后机器能做的事情，就是一种浪费。这个我是完完全全赞同的。她希望21世纪能够发生一次真正的教育革命，把原来这种死记硬背的东西去掉。其实我们现在已经比原来强很多了，原来私塾先生玩的是什么？叫“念、背、打”。就是你先念书，也不给你解释，“书读百遍其义自现”；念完了以后就背，背错了以后就打手心；然后再接着去念。是这样的一种教育方式。现在虽然依然在做标准答案训练，不让你去思考，不让你去批判，但是特别像理科吧，还是会稍微的解释一下为什么呢，还是稍微有一点点思辨的。未来的话，所有机器能干的活让机器干，人就去干那些机器干不了的活就可以了。

5. 不再用文理科来束缚成长道路

现在是对学生进行文理分科，或者是考试的时候分几科来考。她说以后没必要这样了，现在所有人都可以在AI的帮助下去写代码了，所有人也都可以在AI的帮助下去绘画、去写诗、去写文章了。那你在这样的情况下，何必再去分文理科呢？这件事情关键还是看你是不是应试。如果你去应试的话，确实是很难不去分科。应试的过程中，你需要把人的能力去区隔开来，那你能力上去了以后怎么来识别你的能力上去了？这点还是挺难的。

6. 面对AI要保持主体性

前面她讲的时候，我们对教育的要求是有主能力和主体性。那什么是主体性呢？这个其实我们把它解释成“主人翁意识”也可以。李飞飞讲到说，她最害怕的一件事是人类的放弃，最担心的是有人因为AI变聪明就觉得没我啥事了，从而放弃主动性。AI只是工具，人类的潜力是创造世界，把世界变得更好，而不是说衣来伸手饭来张口。如果人类变成那样了，那就只能被AI替代了，这是她不希望看到的。上面这段就是李飞飞对于教育的一些看法。

三、关于机器人：现状与挑战

下面是机器人。她首先讲到自动驾驶汽车，说自动驾驶汽车就是个机器人。自动驾驶汽车发展到现在有20多年了，有成熟的产业链。你想汽车这个东西在做自动驾驶之前也上百年了，所以它产业链是很成熟的。而且汽车面对的问题是相对比较简单的，因为道路这个东西是二维的。虽然有立交桥，但是这个汽车并不会上下走，它只还是会顺着路走，所以它在一个二维的道路上行驶。而汽车的唯一要求是什么？就是不碰到东西就可以了，所以它相对来说要简单很多。而且汽车有一个很棒的地方是什么？就是它有很成熟的场景，有大量的数据积累。像特斯拉折腾半天，多少辆车在路上跑了多少公里了，把这些数据搜集下来以后，在这个基础上去进行训练，然后她遇到了各种各样的奇怪的问题，我们怎么把这些奇怪的问题都训练到大模型里边去，让这个自动驾驶可以使用。2006年谷歌开始做自动驾驶汽车，到2026年就整整20年了。经过20年的发展，这个事基本上算搞定了。

但是机器人要比自动驾驶汽车要复杂得多。它是在一个三维的世界里活动的，因为你有手，你还要有腿，上下的你要迈台阶，所以它是一个三维世界。而且它有时候还要碰东西，你要拿东西嘛，所以它要面对的问题要比自动驾驶汽车要复杂很多。你要把所有这些问题都解决掉了，你才可能去做家务，洗碗、做饭、洗衣服，才能干这些事情，才可以去工厂。这个是要难很多的。

而且最难的是什么呢？就是除了工业机器人之外，所有这些人形机器人在短期内没有商业应用前景。因为你把它做出来以后没地方去用它，因为它的成本实在太高了，不划算。那你没有实际应用场景，就会面临下一个问题是什么呢？缺乏成熟的产业链和应用场景，它就没有办法像自动驾驶汽车那样积累一大堆的实际数据回来。自动驾驶汽车就是我一开始先不自动驾驶，我先积累数据，积累完了以后我在这些数据上去做训练，训练了以后我再去逐步地做半自动L1、L2、L3，现在国内开始发L3牌照了，它是这样一步一步来的。而现在机器人它就没有这些数据，你也没有这个实际用途，所以这个数据积累起来就很痛苦。

所以李飞飞拒绝为机器人普及预设时间。她说AI发展了，比20年前肯定有了长足的发展，但是机器人面对的问题要比汽车复杂很多倍。所以到底是我们需要再发展20年，还是说很快就能实现了呢？她说没法预测这事。她的预测就是：有生之年，我们应该可以看到机器人普及。当然了，这对于马斯克以及国内这些准备上市的人形机器人公司来说，就不是一个好消息了。

四、World Labs（世界实验室）在做什么？

最后一条，她的World Labs（世界实验室）这公司到底在干什么？它核心目标是从内容生成走向世界生成跟空间智能。所以我们现在可以区分一下，杨乐坤要干的东西叫“世界模型”，李飞飞要做的这个东西叫“空间智能”。李飞飞就属于要做生成式的，而且是要一帧一帧地生成完整视频的这样的一个模型。对于李飞飞来说，空间智能是迈向更强通用能力的重要组成部分。她也没有说我这个东西直接就可以改变什么东西，未来这个AI会有通用能力的，那么这一步是必须要走的。

• 3D生产门槛降低：空间智能做成之后可以干什么呢？可以把原来很难的3D生产能力门槛直接降下来。原来我们做3D打印机最大的痛苦是什么？就是没有模型可以去打印。我们现在看到了一个事物，或者我们想象了一个事物，我们很难把它描述出来。都是别人做好的模型，打来打去的就没什么意思。如果李飞飞的World Labs，她们家的产品已经可以正式使用之后的话，3D打印机应该就会有市场了。这个还是一个比较激动人心的事情。
• 做各种仿真训练：这个World Labs的重要用途是什么？就是做各种仿真。因为它是生成3D空间的嘛，这个机器人就可以在里边进行训练。还记得李飞飞是怎么当上AI教母的吗？就是她做了一个叫ImageNet的一个项目，把全世界的这些能够搜集到的图片搜集在一起，让AI进去训练去。现在World Labs也可以做出大量的3D空间，让机器人在缺乏实际应用场景的情况下，在它这样的空间里边去训练去。这也是一个对未来非常有价值的事情。

五、老范的观点与思考

以上就是李飞飞访谈里边讲的东西。后边说一点点我的看法。

1. AI到底是不是工具？

我只能说目前还是，但是边界很模糊。为什么这么讲？其实人这个生物是很懒惰的，一旦机器可以做一个什么事了，我们就会放心地把这件事情交给机器去做，不会说我再要去看一眼——看绝对不看。所以AI这个东西，它在快速地突破工具的边界。而且对于不同的人来说的话，AI到底是不是工具，这件事也是有不同的定位的。我去用AI生成了图片了，那么AI对于我来说是工具，它把我脑子里想的东西生成出来了，而且我还要去校对这东西对不对，是不是我想要的东西。而对于看这些图片的人来说，AI还是工具吗？这个事就要打个问号了。

所以AI未必对于所有人来说都是工具。尤瓦尔·赫拉利说，未来可能只有少部分人是有用的，大部分人会变成“无用阶级”。现在AI的话可能也在向这个方向发展，它是少部分人的工具；对于大多数人来说，这就是生活中的一部分，AI会决定她们的衣食住行、喜怒哀乐。所以AI快速地在模糊工具的边界，而且这个过程是不可逆的，不是说我们号召一下让大家去学习就可以逆转这个过程，这是不现实的。

2. AI会不会作恶？

我觉得关键还是要看使用AI的人会不会作恶。这个AI不是由制度来去使用的，也不是由政府来去使用的，也不是由大公司来去使用的，而是由里面的一个一个的人、一个一个的利益团体，她们去使用的。她们使用AI的时候都是带有目的的。我的目的是为了让大家过得更好，还是说我的目的是让我的统治更加稳固，让其她人给我贡献更大的价值？咱们举一个最简单的案例：美团。美团去控制所有这些外卖员的那个程序其实也是个AI。这些外卖员会被这些AI逼得满街乱窜，罔顾交通安全。那么这个AI到底是在做好事，还是在做坏事？对于我们点餐的人来说，我可以快速地得到我的外卖；但是对于这些外卖员来说，到底是一个向善的AI，还是一个权力的AI呢？这是需要我们大家去思考的。

3. 关于教育的改革

我的感受是，现在的教育行业并不会拥抱这种变化。教育行业的目的从来就不是说我们要把这个人变得更好，教育行业的目的一直是进行筛选。变好了以后，我怎么把最好的这个人筛选出来？我们为什么要去做高考？因为高考是一个相对来说比较容易的筛选方式，大家去考试就好了，你考的高、我考的低，这事一下就明白了。你一旦说大家去学习什么好奇心，去学习各种的复杂的能力了，那这玩意最后怎么去判定？谁来去判定说到底是学的好还是不好？因为你通过教育了以后，筛选出来的人可以去使用工具，筛选不出来的人只能被工具使用。这个筛选过程的问题，李飞飞其实并没有提到。所以在这件事情上来说，我觉得大家还需要再进一步思考。

而且现在的这些教育者，或者教育行业的从业者，她们也是更习惯地说：我如何可以用最小的劳动付出，让小孩去适应这个筛选过程？因为她的KPI很简单，她的考核指标也很简单，就是我怎么能够让我教育的小孩有更高的几率通过筛选。在这点上，你不改变筛选的机制，是没有办法去改变教育的本质的。

4. 关于机器人与未来

最后关于机器人，我的感受是行业会有很多“烈士”倒下。现在这些做机器人的公司里头，大量的会倒下，但是最终的路径是清晰的，最终一定会走向机器人的时代。

最后是关于World Labs，就是李飞飞的这间公司。这个公司现在已经融了二点几亿美金了，在快速地做她们自己的产品。这些产品未来是不是可以给我们的生活带来改变？也许会。即使给我们生活带来改变，可能也不是直接的改变。就像ImageNet，咱们现在每天在用AI，在用AI画画，在用AI去进行图像识别，在这个过程中我们真的是用过ImageNet吗？绝大部分人可能听都没听说过这东西。但是没有ImageNet，我们也没有办法走到今天这一步。所以李飞飞公司的产品可能对于很多人来说是用不到的，但是它的产品有可能会让我们的机器人、让很多仿真系统得到训练数据，让科技更进一步的发展。这个是World Labs的价值。

最后总结一下，李飞飞的很多观点是值得去思考的。我们站在AI带来的冲击面前，需要更多的去思考，甭管这个思考到底会不会改变什么，但是我们不能停下来思考。

这就是今天的故事，感谢大家收听。请帮忙点赞、点小铃铛，参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

背景图片：

Prompt：high-contrast watercolor illustration, grand interior hall of Stanford Memorial Church filled with abundant Christmas decorations including wreaths garlands ornaments and twinkling lights, intricate Byzantine mosaics and vibrant stained glass windows, glossy reflections on polished floors, sharp subject separation with extremely legible negative space for text, neon cyan rim light, dramatic cinematic lighting, deep navy background, minimal palette of ink blue neon cyan and gold accents, cinematic composition, ultra-detailed, intricate textures, –ar 16:9 –raw –s 250 –v 7.0 –p lh4so59

AI用多了人会变笨吗？

大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲MIT最新的一个研究：用AI会让人变笨。

文章的标题是“你的大脑与ChatGPT：使用人工智能助手完成论文写作任务时的认知负债积累”。说白了，就是你用ChatGPT用得越多，你的认知负债也就越多。这个文章是MIT的媒体实验室发出来的，MIT这个媒体实验室还是非常著名的一个实验室。这篇文章呢，是2025年6月10日在Arxiv上的预印本的论文。现在有一个新的发论文的地方叫Arxiv，很多没有经过编辑审核、没有杂志社确认的这些论文就都可以放在这了。数学、计算机等等这些学科的大量论文都是会先放在这里，大家可以先开始看起来，因为科技实在是发展得太快了。有一些呢，修改过以后会重新发到杂志社上去，放到这上面并不算抢发。杂志社发的时候还会提出修改意见，你改完了以后会去更新Arxiv上的论文。

这个实验做了什么呢？18-39岁的54个人分成三组：纯脑力组、使用谷歌搜索引擎组和使用ChatGPT组。这三组呢，在20分钟之内写一篇SAT水平的考试作文。SAT呢，一般要求是开放式的、哲学或社会性讨论的这种问题，比如艺术的力量、成就的意义等等这样的题目。所以相对来说比较文科，比较开放的一个题目。

实验的数据是怎么获得的呢？首先，是戴脑电图头盔检测大脑活动。你说我到底思考了没有？这个脑电图头盔是可以给你一个真实的数据的。然后，是测试参与者文章的记忆情况，你写完文章了以后，你给我复述一下你文章里的内容。第三个，是对文章质量进行一下评分，到底写得好不好嘛。最后，是要询问参与者对文章归属感的认同：你觉得这文章是你写的吗？大概是做这么四项的测试。

实验的结果呢，首先从文章质量说，这一块还是符合大家认知的。AI组的得分是最高的，因为你想20分钟写一篇这种口水文，什么艺术的力量，这种哲学相关的口水文，那肯定AI的效果是最好的。文章在语法、结构、连贯性上都是表现最好的。但是，文章内容趋向于模板化和平庸，原创性和多样性不足，有很强的“AI味儿”。这个是大家能感受到的，至于“AI味儿”哪来，待会咱们再讲。

搜索组呢，居中。在获取事实和论据上有优势，写出来的文章呢，信息量比较大。它比ChatGPT组要稍微差一些，但是比那个纯脑组呢，要好一点点。逻辑性不错，但是表达流畅度呢，略逊于AI组，因为你搜索了半天，这个文章你还是得自己写嘛，那肯定是要比AI差一些的。

纯大脑组呢，文章的语言质量和结构性普遍偏弱，得分最低。但是文章的个人风格和多样性更强，更能看出作者独立思考的迹象。这就是文章的质量，特别是写口水文这件事情哈，请放心地交给AI，它已经可以干得很好很好了。

大脑活跃程度，就是拿这个脑电图帽戴在脑袋上，效果怎么样呢？这个一定是纯脑组最高，大脑活跃，思维负荷最高。搜索引擎组呢，活跃程度居中。AI组活跃度最低，脑区参与度下降。为什么说AI使多了以后人会变笨？因为你用AI干活的时候，你那脑子啥也没干，所以会变笨的。

文章记忆情况，要求参与者引用文章中的一句话。纯脑组89%是能够成功引用的。搜索引擎组呢，差得不太远，83%可以准确引用，因为你毕竟是自己写了嘛。AI组，对不起，0%。所有参加AI组实验的人，没有任何人可以从文章里边准确地引用出句子来。这个也是一个比较悲催的结果。

至于归属感的话，纯脑组认为这个文章绝对是我的，从构思到书写都是我自己来的，所以一定是我的。搜索组呢，也是有归属感的，但是没那么强。他说我这个文章肯定算我的，但是因为很多的内容是从搜索引擎来的，所以没有那么确信。AI组的话，大家能想象，“这文章绝不是我的，跟我一点关系没有”，是这样的一个状态。

结论呢，他们叫“认知债务”。你越用AI的话，实际上你AI输出的所有东西，你连看都没看，你的脑子也没有活跃，你也不认为这东西是你的，你在这个AI的文章里头也没有办法引用任何东西。所以AI确实可能出的文章效果还可以，得分最高，但是你这个脑子就越来越笨了。

AI呢，现在确确实实是在影响我们的语言，我说话可能“AI味”越来越重了，特别是像我，我自己可能这块是比较明显的。当然这个也是结论有出处。这个文章呢，叫“模型错位于语言变化：非脚本英语口语中与人工智能相关的语言迹象”。当然他讲的是英语，我讲的是中文，但是我相信我讲的中文里头肯定也是有很多AI词汇的使用量在不断地地上升。

这篇文章呢，是由佛罗里达州立大学三位作者写的。2025年8月1日呢，也是Arxiv上首先发布了预印版。他这个文章呢，跟刚才咱们讲这个“AI用多了会变笨”这个文章呢，有一点差异是什么呢？就这个文章已经被接受了，“人工智能伦理与社会会议”第八次会议已经收取了这篇论文，所以在这个Arxiv上呢，已经给你修改过了。

这个文章的数据是怎么来的呢？他呢，是找了一堆的科技与科学的博客。你说我找别的博客，他们受AI的影响并没有那么重，但是你科技跟科学的，一定是受AI影响比较大的。所以呢，他们找了10万条录音，2210万个单词，拿这些单词去做词频分析去了。而且这些口播呢，一定是随口聊、无脚本对话。有些口播虽然是一个人坐在这聊，但是呢，他们是写的逐字稿，这种逐字稿你就没有任何统计意义了，你一定是随口讲的话才有统计意义。这个实验呢，以2022年ChatGPT发布前后的这个时间对比，2022年ChatGPT发布之前，哪些词汇用得多一些，哪些词汇用得少一些。到2022年ChatGPT发布以后，我们再拿出来去比较。

观察到了什么样的现象呢？就是有些单词出现的频率明显地增加了，而这些词的同义词呢，使用的频率并没有明显变化。你比如说我现在天天讲AI、AI、AI，那么这个词的使用频率上升了，但是如果它的同义词的使用频率也在上升，那说明大家关注的焦点在发生变化，并不是说AI真正的渗透了我们的生活。但是它的同义词使用频率没有发生变化的时候，这个时候就是AI对我们进行渗透、进行影响了。

它这个里头找到了一些词是什么呢？第一个是叫“Dive”，叫钻研、深入研讨，但是它的同义词呢，就没有明显的上升，而这个词是明显上升了。这是ChatGPT比较喜欢用的一个词。然后呢是“intricate”，是复杂的、错综的，这也是ChatGPT比较爱用的一个词。“surpass”，超越、胜过的意思。“boast”，夸耀、以什么什么为傲。这都属于明显上升的。剩下的词就不跟大家念了，我自己念这些词还是比较费劲的。他们呢，是找了8个词，说这8个词明显上升，而它的同义词并没有明显上升。以此为证据得到结论：AI正在重新塑造人类的表达习惯。

而且呢，他这里头有一个很大的潜在风险，叫“语言同质化的潜在风险”，以后大家都按这些话说了，那些这个词的同义词可能就慢慢地会被遗忘掉。但是我觉得最大的风险并没有披露，其实人思想很大程度上是受语言影响的。所以中国人、日本人、英国人、美国人，我们其实很多思考模式的差异，其实是来自于语言差异。当AI渗透到我们的语言，特别是没有稿、直接拍脑袋就来的这种口头语言的时候，那说明我们的思考方式也在发生变化。这个可能要比语言同质化要更恐怖一些。

现在呢，有很多人在批评我的内容像AI内容，我肯定是被影响比较深远的这一类。这样的结论出来以后，那很多的妈妈们就该着急了。妈妈们以前经常跟我们讲的是什么？看手机会瞎呀。现在的话，用了AI会变笨，会像AI一样去说话和思考问题，而且这都是国外有大学真的发论文了呀，这是真实存在的呀。

但是我要讲的是什么？就不要断章取义，形成这种武断的结论。就是说你看人家已经出论文了，以后我们就要少用这东西。甚至有些人说你看，有论文了，吃什么什么东西有害，以后我们不吃了。我记得原来还有一个故事讲的什么，正面躺在床上容易得什么什么病，左侧躺容易得什么病，右侧躺容易得什么病，趴着睡容易得什么病，这哥们说算了，我不睡了行不行？所以呢，我们不要断章取义，不要扩大它的范围。但是呢，我也知道，这种信誓旦旦喊口号呢，会更有听众一些，因为“群众思维单纯，缺乏逻辑推理能力，因此最能打动群众的是简洁、反复的口号，而不是复杂的论证”。刚才咱们讲的是文章是怎么去获取数据的，怎么去得到结论的，这实际上是一个论证过程，一般人是不爱听这个的，大家喜欢听简洁反复的口号。这句话哪来的呢？也是有出处的，这句话来自于一本书叫《乌合之众》，有兴趣可以去看。

这个报告最大的价值是什么呢？你既然说不是说用了AI就变笨，以后大家别用AI了，那它的价值在哪呢？在于实验设计的方法。它设计实验的过程是什么样的？我应该如何去找人，如何去用脑电波的这个帽子，如何去让大家做问卷，这些人怎么去分组，怎么去比较，怎么在这个数据里边去选择？包括刚才咱们讲找了科技博主，那你不找科技博主，他这个数据变化不明显嘛。然后呢，一定要找非脚本口播，然后呢做大量的数据分析。而且呢，他获得了一个相对比较开放的结果，但这个结果呢，只是我们观察到的现象。至于未来我们到底应该怎么用这个东西，甭管是MIT的这个文章，还是后面说AI渗透我们语言的这个文章呢，并没有说大家要如何去修改，如何注意这事，人家也没说小孩不要用AI，用AI会变笨，人家没说这话，这都是好多妈妈们自己想出来的。

而且呢，这个论文里头还有一点是让我比较喜欢的，是什么呢？他们会承认实验设计的缺陷。MIT这个实验呢，人家写了，说我们找的这50来个人呢，都是名校的学生，他们肯定是有偏差的。普通人到底是什么样的，我们不知道，但这个实验并不代表他们的数据。第二个呢，我们采样的人数太少了，就50多个人，肯定是没有那么代表性的。第三个是什么呢？他说我们选的这个作文题目，是20分钟完成一篇SAT的考题，非常非常地不全面。做其他的题到底是什么样，不知道。你说你让他去做个研究，或者做一些别的这种考题，他可能会有不同的结果出来。

关于AI渗透效应的这篇文章呢，人家里头也说了，说我们这里头也有不足。第一个，语料来源是有限的，只找了科技与科学的口播的博主。然后呢，因果关系难以确认。到底是为什么变成这样，我们没法去确认。到底是因为AI出来了以后这些词的使用频率就上升了呢，还是说因为这个词使用频率上升了以后AI可能也在发生进化，也在这个不断地去迭代？这个事我们没法去证明，我们只得到了一个结果。然后呢，说关键词选择呢，可能带有偏差。这些词并不是直接统计出来，是他们先根据自己的印象选出来的，不到10个词吧。还有就是语言层次的局限，研究主要就聚焦在词汇频率上，就是这些词变多了，它们的同义词并没有变多，观察了这样的一个现象，并没有深入去分析句法、语法的这些变化，包括语言的一些组织是否受到AI渗透的这种影响。而且呢，他们还认为自己整个实验的时间跨度要稍微小一点。其实现在有了AI以后，完完全全是可以把非常非常大跨度的这些数据去进行统计分析，是可以重新建模，得到一些不同的结果出来的。这还是一个很有意思的研究。

那我们应该如何应对AI后的时代呢？我们现在其实已经进入AI后的时代了，我说的很多话已经在受AI的影响，但是我相信我在用AI做各种稿件或者做各种的这个视频的时候，我应该还是很努力地在动脑子，绝对不会像MIT实验里头讲的说做完了以后，他都不觉得这东西是他自己做的，让他复述里边的任何话，他复述不出来。你看我经常有时候会引用一些以前自己节目里的内容，因为我觉得这东西就是我做的，这没有任何问题。

那么我们应该如何应对呢？第一个是AI渗透，这个事其实是没有办法避免的，因为语言本身就是活的。语言的渗透带来的是思维方式的转变。既然已经发现了，就可以长期监控，然后有意引导。大家有没有发现，现在有好多人是按照提示词的方式在说话。什么意思？就是我们怎么写提示词？上来第一句话，“你是一个什么什么，我现在要做什么，按照什么样的例子来，希望结果受到哪些约束”。因为我们在很多的时候跟AI聊天的时候在尝试说，我们怎么用一个结构化提示词得到一个可控的、符合预期或者超越预期的一个结果。在这个过程中不断优化提示词，但优化的过程，你肯定你的思考方式也在发生变化。那我们现在有些人在说话的时候，就是按照提示词的方式再去说，按照这个结构去说，上来说“你是什么什么，我想要什么什么，我给你什么，我需要得到什么，有些什么样的约束”。我们现在按照结构化的方式在思考问题，你既然已经思考了，就会习惯性地把这个在口头表达的时候把它输出出来。

至于说用AI人会变笨的问题呢，也确实是敲响了警钟。这个警钟是什么？不是说不让用AI，而是不能完全依靠AI。其实在AI开始的时候，我就跟大家讲过，绝对不能不劳而获。AI开始的时候，很多人就说一键就可以干这个了，我不需要露脸，不需要做任何事情，我只要点一下，我就可以用AI生成文章，用AI生成画，用AI生成视频，然后就上外边挣钱去了。这个都属于叫不劳而获，这个事是坚决不能要的。而刚才我们看MIT的那篇文章，里头有很多这些测试的人，他们最后没有办法复述自己文章内的任何内容，他们就属于是完全不过脑子，这个就是不劳而获，这个真正是需要反对的。

AI呢，可以让人更高效地处理更多的信息，这是我自己用AI的一个很巨大的感受。我原来很多的内容，可能只能靠以前的积累、靠自己的思考。现在的话，我可以参考大量的网上信息，AI会给我搜索来总结归纳，好让我去阅读。当然我阅读了以后，我很注意的一点是什么？就是最后我给大家讲的这个东西，一定是自己写的提纲，自己写的稿子，然后再照着一个提纲，用口头语言跟大家表达出来。当我们遇到了不是20分钟SAT口水文的时候，就可以开动脑筋，调动更多的信息，完成更有价值的工作，这才是AI对我们的帮助。

人们和AI的协作方式呢，肯定是需要重新思考。无法复述内容是不可接受的。以后面试的时候一定要加进去，你发现这哥们写了文章了，你就找他来问，说这文章你写什么了呀？到底是在干什么呀？这个事我还真干过。还没有AI的时代，我想给整个投资团队招一些研究员，我们就去面试了几个36氪的写手。36氪呢，要求的这些写手之所以不能叫他们作者，是因为他们干的活真的不配叫作者。给他们的要求是每天两篇半。什么意思呢？就是他们需要去阅读英文的文件，阅读中文的稿件，每天要写两篇短消息和半篇的深度文章。为什么是半篇？就是一周两篇，你要写一些稍微深度、稍微长一点的东西。这个两篇呢，就是，要从国内的媒体和消息上写一个短消息复述下来，然后呢，要从国外的英文媒体上翻译一篇短消息复述下来。所以呢，他们每一个人的每天KPI是两篇半。

我一开始看到这样的一个简历以后，我其实挺兴奋的。为什么呢？因为我们就需要这种快速的信息处理能力。当时你想2015年那个时候没有AI，没有这些工具，最多有个搜索引擎可以用一下，确实需要有人来帮我去做一些调研。我就找了这么几个小孩回来去面试，都很年轻。我说那你们都写过什么文章？给我一个列表，说这些文章都是我们写的。我说这个文章里头，哪个你觉得写得还可以呢？或者说你自己有什么感受呢？说不出来。我说你的文章最受欢迎的哪几篇？就告诉我这几篇最受欢迎。为什么知道这事呢？因为是他们有KPI考核的，你写完文章以后点击率、文章数据指标是跟他们的公司挂钩的，所以他能记着哪篇文章的点击率高、打开率高，这能记着。后来我说，那你就给我讲讲你自己觉得写得最好的这几篇文章到底都说了什么，有些什么样的观点？说不出来。

当时我就很诧异，我说这个文章是你写的吗？他是我写的呀，我靠这玩意挣了好多年工资呢，怎么可能不是我写的？我说那你写了半天文章，为什么你没有办法复述任何内容呢？他说人在这种一天两篇半的KPI下，你的脑子完全就是一个通道，你不可能留下任何东西。如果你留下任何东西开始思考的话，你就完不成这个一天两篇半。我说那些深度的文章，每周两篇的这些文章呢？他说也是一样的。这个人的脑子已经完全被洗干净了，不停地有信息进来，不停地有信息按照一个格式输出出去，你是不会有任何残余的。后来我说这些文章算你们写的吗？他们也跟我乐。但是后来的结论就是，这样履历的学生，或者叫这样履历的同学吧，我们一个也没招进来。这个是我当时的面试标准所无法容忍的。以后大家再去面试的时候，建议使用我的这种面试技巧。你就问问他说，这文章你到底写完什么感觉？你觉得写得最好的文章跟这个比如点击率最高的文章有什么偏差？哪个文章是你觉得写得好或者有什么遗憾？如果发现他完全想不出来的话，这个慎重招聘。

对于结果没有归属感这个事情呢，其实要比这个无法复述更不可接受。为什么呢？因为没有归属感，他就不可能认真，也不可能负责任地去把这个文章写好，因为他从来不认为我需要为这篇文章负责任，这跟我有什么关系？就跟刚才我讲的36氪的小编上我这来面试似的，他并不觉得这个文章写得好，他自己怎么怎么样了，他只觉得点击率高的文章我可以多挣点钱，点击率低的文章怎么怎么样。他有这样的想法。那么在设计任务的时候，就必须要去规避这种让人失去参与感的这样的过程，这个是很重要的。

从我个人来说呢，语言和思考的方式肯定是受到了AI巨大的影响，但是应该并没有变笨，即使有，我也绝对不会承认的。

最后总结一下，请大家还是多思考、多观察，看看AI对我们到底有什么样的影响。

好，这个节目就跟大家讲到这里，感谢大家收听。请帮忙点赞、点小铃铛，参加DISCORD讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。