清华大学教授白峰杉：低龄学段的教育要慎用人工智能

白峰杉，清华大学数学科学系教授，全国中小学科学教育专家委员会教育实践分委会副主任

智能革命作为人类历史上又一次巨大的文明演化，已成为今天的社会热点。智能化时代的到来将改写历史，但对教育而言并非一路高歌，很可能是喜忧参半。在“积极拥抱人工智能”的社会热潮中，教育工作者尤其要保持足够的冷静，理性地关注和思考人工智能在教育中的应用，积极但不失谨慎地行动。

从工业化到智能化：一次巨大的社会转型

今天，人类正在从工业化社会步入智能化社会。以色列历史学家尤瓦尔·赫拉利在《人类简史》中指出，人类近一万年的社会生活方式经历了两次大的变化，今天正在经历第三次巨大的变化。人类经历农业革命进入农耕时代，是从一万年前开始的，经历工业革命进入工业时代则是最近两三百年的事情。工业革命的本质是人的体力外包，而今天我们正在经历的智能革命，人的脑力劳动开始外包，或者乐观一点说就是解放大脑。当脑力劳动开始深度外包的时候，教育将面临前所未有的挑战，我们需要用教育的第一性原理深度思考这个大问题。

农业革命是千年尺度的进程，时间窗口期很大，我们没有错过，中国人在农耕时代拿到了比较大的文明红利；工业革命是百年尺度的进程，时间窗口期比较小，因历史的原因我们错过了定义工业时代的机会（这也即是“李约瑟之问”试图探讨的）。在过去的百余年里，我们一直处于追赶的状态，在工业时代拿到的红利有限；如今，智能革命正以前所未有的速度推进，其时间窗口期以“数十年”为计，远比以往任何一次社会变革更短暂，也更紧迫。这意味着挑战更大，机会更稀缺。谁能在这极短的时间内把握住机遇，谁就有可能定义未来并主导即将到来的智能时代。我们正身处一个巨变的时代，正如尤瓦尔·赫拉利在最近的访谈中所言，今天的历史学家甚至无法预测10年后的世界。这种未来的高度不确定性，正是人类文明从未经历过的全新局面。

在以人的体力外包为标志的工业革命中，教育从小规模走向了大规模。工业革命之前，无论在什么样的文化或文明中，教育都是小规模的，只有少数人接受教育，教育是个性化的，是关注人的个体差异的。教育在工业化进程中不可避免地导致规模化，而当教育规模化的时候，采用的方式是标准化。今天教育的许多问题，正是源于采用了这样一种没有充分体现人性的方式，这无疑是矮化了教育，也窄化了教育。

基于此，我们今天对教育本质的反思，应该是如何突破标准化、回归个性化。真正好的教育一定是个性化的。回顾35年的教书生涯，我认为20年前的学生更有创造力。今天的孩子很小就进入了这种所谓的标准化的过程，考试过分低龄化，摧毁了孩子的好奇心，创造性就无从谈起了。

对教育来讲，形势严峻且逼人。今天的教师成长于工业时代，其教育也是在工业时代完成的，但是我们培养的孩子是信息时代的人，世界已发生巨变，我们不要过度相信已有的经验。

人的智力活动非常复杂，人对自己，对智力、意识等方面的认识是有限的。著名教育心理学家本杰明·布卢姆将认知领域的教育目标分为记忆、理解、应用、分析、评价、创造六个层次（见图1），对我们非常有启发意义。本文试图借助布卢姆对教育目标的分类作为认知分层，刻画今天人类脑力外包的深度，也就是今天人工智能的认知水平。

20多年前我就开始讲，人的脑力开始外包了。有了互联网，特别是有了高效的网页搜索之后，人的记忆就开始外包，我们不需要记忆那么多内容了。回想那时候的心情，我是非常高兴的。以人脸识别、机器翻译等技术成熟并进入大规模市场应用为标志，人类脑力的外包到了理解层，大规模的自动化流水线导致部分产业工人被机器人所替代。这一轮以ChatGPT（包括DeepSeek）为标志的人工智能发展高潮的到来，却让我感到很焦虑，与20多年前的心态完全不同。从人类脑力外包的视角来看，今天的外包已经到了认知的应用层。认知层级内的积累是从1到10或者从10到1000的，认知层级间的跃迁如同从0到1，是突变，可能引起结构性改变，更加值得关注。这一轮人工智能实现的不仅是认知层级的再次跃迁，而且将低阶认知全部外包给了机器。在低阶认知上，人工智能将很快会完胜人类。工业化塑造了当下的教育，其核心是对“已知”的学习与传授，认知培养主要停留在低阶层次——记忆、理解和应用。然而，面向未来的教育，则强调高阶认知，尤其是以创造力和批判性思维为内核的核心素养的发展。这种以创造性为导向的教育转型，是未来社会对人的根本性要求，却恰恰是当前教育体系所不熟悉、不擅长的。这一矛盾，正是教育转型发展中需要直面的关键问题。

人工智能的发展路径：过去、当下与未来

今天的人工智能，核心的底层原始创新是1958年发明的集成电路。对集成电路的发展规律简洁又确切的描述是摩尔定律（Moore's Law），由英特尔联合创始人戈登·摩尔（Gordon Moore）于1965年依据观察和预测提出，其内容是：‌同样面积的硅基上可容纳的晶体管数目大约每18个月到24个月增加一倍，性能也将提升一倍，同时价格下降为之前的一半‌。最初的变化是不显著的，2+2=2×2。但是持续了60多年的今天，带来的是一个2的40次方的指数增长，形成了质的飞跃。

我们简单估测一下，1958年可以放一个比特的硅基，15年以后可以是一个KB（千字节），30年以后可以是一个MB（兆字节），45年以后就可以是一个GB（吉字节），今天则可以是一个TB（太字节）。10年以前，手机可以拍照，但是存储空间有限。用了10年的手机，或许功能尚且健全，但存储不足却限制了很多功能的应用。最近10余年在摩尔定律的持续作用下，使得深度学习算法的“深度”得到稳步提升，从而提供了“量变到质变”的可能。

目前，人工智能的底层硬件是GPU（Graphics Processing Unit，图形处理单元），底层算法是人工神经网络。我从事算法和模型研究已40余年，实事求是地说，对于这两个“技术底层”我持很保留的态度。我认为，目前的人工智能尚处于童年期，还是很浅、很粗糙的一个解决方案，从算法的角度看不够智慧，从硬件结构的角度看不够精巧，人工智能的未来充满了原始创新的机遇，一定可以被超越。当下的人工智能值得关注，但不应一味追随与拥抱，当前只是人工智能真正开始发挥作用的原点性时间点。

我们可以历史地看待人工智能，尽管时间不长但有很多精彩的高潮，其价值往往被高估。人工智能这个概念于1956年提出，借助那个时候相对初级的硬件，完成了基于逻辑的若干证明；1997年IBM的超级计算机“深蓝”（DeepBlue）战胜国际象棋大师卡斯帕罗夫，可以说是高光时刻；2016年DeepMind团队的AlphaGo战胜围棋世界冠军李世石、柯洁是此次人工智能高潮的爆点。2018年的图灵奖（Turing Award）颁给了号称深度学习“三巨头”的人工智能科学家约书亚·本吉奥（Yoshua Bengio）、杰弗里·辛顿（Geoffrey Hinton）和杨立昆（Yann LeCun），以表彰他们为当前人工智能的繁荣发展所奠定的基础。辛顿更是获得2024年诺贝尔物理学奖，DeepMind团队以生命科学研究的革命性成果AlphaFold（是由DeepMind开发的一种人工智能系统）获2024年的诺贝尔化学奖。

那么，人工智能是要一路高歌了吗？南京大学党委书记、中国科学院院士谭铁牛在2025中国移动云智算大会上的演讲表现出足够的冷静，认为人工智能发展到今天经历了“三起两落”，我深表认同。基于此，我认为人工智能有“三起”也会有“三落”，同时其第四次兴起更值得期待，未来会有更加原创性的突破。图灵奖得主杨立昆在近期的访谈中反复强调，学术界不要“卷”语言大模型。诺贝尔经济学奖得主、心理学家丹尼尔·卡内曼（Daniel Kahneman）在其著作《思考，快与慢》（Thinking, Fast and Slow）中提出，人类的思维方式可以分为两种不同的系统：系统1（快思考）和系统2（慢思考）。杨立昆认为，以ChatGPT为代表的是快思考，人类真正的深度思考在系统2，这应当是未来人工智能发展的关注点之一。对于今天人工智能的发展，我认为AlphaFold要比ChatGPT更加重要。

1890年10月9日，人类首次以动力飞行器实现了空中飞行，法国工程师和发明家克莱芒·阿德尔发明的是一架模仿蝙蝠的飞机，是模仿自然界飞行生物的扑翼飞行器；而1903年莱特兄弟的飞机则是第一架螺旋桨飞机。飞行器的核心是升力和推进力，而不是“翅膀”。人工智能不应当只是模仿脑细胞和突触。如果以飞行器与人工智能发展做类比，今天的神经网络深度学习也许更接近阿德尔的扑翼飞行器。之所以说人工智能未来可期，是因为会出现类似螺旋桨飞行器的下一代人工智能，也许还有类似喷气式飞行器的再下一代人工智能，甚至还有类似固体燃料的更高速的飞行器的人工智能，让人类飞出太阳系甚至飞出银河系，那才是人工智能真正的未来。

人工智能的教育应用：低龄学段要格外谨慎

随着工业革命的推进，人类逐渐把体力外包给了机器，一度因此而乐观；而今天，我们正处于智能革命的浪潮中，脑力劳动也在加速被人工智能取代。拥抱人工智能，真的可以盲目乐观吗？如果体力劳动和脑力劳动都外包了，那么人活着的意义究竟是什么？当外包成为常态，真正值得我们追问的也许是：在智能时代，我们如何才能不被时代所抛弃？又如何才能让人的精神与价值“不衰老”？

工业时代的教育，学生往往学习已知，知识即是目的。目标单一，维度单一，呈现有序关系。今天的教育过于“内卷”，家长害怕孩子输在起跑线上，面对家长的焦虑，我们常常宽慰自己“人生是长跑，不是短跑，起点不重要”，主张“终身学习”。

而智能时代，人生不是短跑，更不仅仅是长跑，更恰当的比喻应当是“铁人三项”。长跑是学习已知，是今天的教育最熟悉的；游泳是探索未知，是需要童子功的，要从娃娃抓起，也是今天的教育最不擅长的；骑自行车则是与人工智能协同工作，是未来的人生常态。所以，智能时代的教育是超越单一维度的，至少要关注“学习已知”“探索未知”和“与人工智能协同工作”三个维度。超越单一维度的教育，不再呈现有序关系，甚至也可以从根本上解决“内卷”的问题。

智能时代人类脑力的外包，致使人类的已知成为机器的领地，知识在教育中只是手段。“探索未知”应当成为智能时代教育的核心着力点，“与人工智能协同工作”则是未来人的日常和最终归宿，教育不需要也不应当在人工智能上过早着力。如图2所示，是不同人生阶段人在三个不同维度上的理想分配。“探索未知”是孩子的天性，我认为在孩子的低龄段，教育（特别包括家庭教育和幼儿园教育）要顺应孩子的天性，不要过早、过度学习已知，要努力呵护孩子探索未知的欲望，呵护孩子的无知空间，为其打下终生幸福的基石。对于成年人，则要保护好未知空间，从而持续拥有探索未知的欲望，就会激发不断学习已知的动力，才会让人远离衰老。在爱因斯坦晚年的时候，有人问他：“你的成就从哪里来？”他回答说：“一辈子好奇。”一辈子好奇就是一辈子始终拥有探索未知的欲望，这成就了他科学上的伟大和人生的幸福。

为什么今天的孩子会出这么多问题？正是因为有过早、过多的“标准答案”在打压和抑制其探索未知的欲望。尽管探索未知是孩子的天性，但是他们仍然无法抗拒逆天性的长期压制，甚至有不少孩子到10岁左右就失去了探索未知的欲望，明显的表现是不会提出问题了。探索未知的欲望如此宝贵，“学习已知”不应去抢占低龄段这个黄金窗口期，对于低龄段的孩子而言，要远离人工智能。我认为6岁以前应尽可能把更多的时间交给孩子，让他们去自由探索。

“学习已知”会在孩子18岁的时候达到人生高峰。一个理想的18岁，应该是仍然能葆有探索未知的强烈欲望（这个欲望可以被压缩甚至被压抑，但不能是0，更不能多年为0）；当孩子上大学之后，开始接触一个与高中生活完全不同的新环境，对于探索未知的欲望应当反弹，要比18岁时更大，才能够成就一段好的大学教育。

在这一意义上，智能时代人真正的衰老，就是失去了探索未知的欲望，从而失去学习已知的动力。所以，未来的教育、未来的理想人生，非常重要的一个目标就是保护人探索未知的欲望，延缓人的衰老。

今天的教育其实是满足工业化要求的，培养的是工业时代的人。过去一个时期，为了满足迅速实现工业化的要求，我们采用了过度标准化的手段，矮化和窄化了教育。人工智能时代，我们应同样保持警惕。人工智能只是工具，教师适度拥抱人工智能是可以的，让教育在人工智能的支撑下回归个性化，则是应当努力追求的。面对智能时代对拔尖创新人才的迫切需求，“钱学森之问”需要整个社会共同作答。对于未成年人，特别是低龄段的孩子，远离人工智能才能使其智能充分发展，才能成长为智能时代真正有价值的人。

文章来源：《中国基础教育》2025年第5期

文章编辑|石家丽

文章校对|吴盈盈

《中国基础教育》投稿邮箱：zgjcjy2022@163.com（请勿一稿多投）

邮件主题：作者姓名-手机号码-栏目名称-文章标题