人工智能并没有使学校变得过时。它揭示了学校已经多么过时。

简而言之：您的孩子会问为什么他们需要学习，而人工智能知道一切。诚实的答案是：他们不需要学习您曾经那样。未来属于那些能够质疑答案的人，而不是那些仅仅记住答案的人。教育不是关于知道更多，而是关于知道更好。

这里是詹姆斯，水星科技解决方案的首席执行官。香港 — 2026年8月

不久的将来——也许已经——你的孩子会直视你的眼睛问道：

“人工智能的数学运算速度比我快。写的论文更好。编程更好。翻译也很完美。那我为什么还要做作业？”

大多数父母会感到恐慌。他们会结结巴巴地谈论纪律、工作伦理和努力工作的价值。他们会为一个自己忍受过的系统辩护，却从未质疑过。

他们回答了错误的问题。

问题不在于人工智能是否取代学习。问题是：学习本来是为了什么？为了什么？

答案经济已死。判断经济万岁。

丹尼尔·科科塔伊洛 — 前OpenAI研究员 — 去年发布了一个场景，称为 AI 2027。他团队的核心预测是：人工智能不仅会协助人类研究。最终，它将驱动自身的发展。循环闭合。进步加速，超出人类的理解或控制。

无论这是否在2027年或2037年发生，这并不是重点。轨迹是明确的：答案正变得渐近于免费的。

那么，完全围绕知道答案？

它死了。不是因为AI杀了它。而是因为AI揭示了它早已是一具尸体。

想想学校实际上训练学生做什么：

记忆词汇表
机械地复述历史日期
死记公式
背诵教科书的解释

这些任务都假设了一个信息稀缺的世界，信息稀缺和获取受限。那个世界已经消失。今天的学生可以问AI“第一次世界大战为什么会爆发？”并在10秒钟内得到一个比任何教科书提供的更结构化、更全面的答案。

教育的旧理由 — “你需要知道这些，因为以后没人会告诉你” — 已经消失。

稀缺的新资源：辨别力

以下是不会消失的：评估一个答案是否值得相信的能力。

考虑这个场景。AI告诉你的孩子：

“每晚睡5小时对青少年的学习没有负面影响。”

没有基础知识的情况下，你的孩子接受了这个观点。为什么不呢？AI自信、详细、有说服力。他们开始每晚只睡五小时。他们的健康恶化，表现崩溃。

有了基础知识，你的孩子会问：

有哪些研究支持这一观点？
这些受试者是青少年还是成年人？
这是一个研究还是一个共识？
引用的来源确实存在吗？

现在最重要的技能是什么。不知道答案。知道如何去质询答案。

教育应该变成什么

目标不是生产行走的百科全书。我们已经有了这些——它们被称为语言模型，具有无限的耐心和完美的记忆。

目标是产生认知架构师：能够：

准确地框定问题 — 大多数人无法清晰表达他们实际上需要知道的内容
驾驭模糊性 — 真实的问题没有简单的答案
评估证据 — 区分信号与噪声、相关性与因果关系
跨领域综合 — 连接不同领域的见解
识别胡说 — 识别何时信心超过证据

这些不是软技能。它们是更难的比记忆更重要。它们需要真正的思考，而不仅仅是检索。

父母的困境

如果你是父母，你面临着一个真正的悖论。你希望你的孩子在一个尚不存在的世界中取得成功，而这个教育系统是为一个不再存在的世界设计的。

最糟糕的反应是防御性的怀旧：“我必须记住元素周期表，所以你也必须。”这相当于要求你的孩子学习锻造，因为这能培养品格。

更好的反应是战略适应：

停止庆祝死记硬背。如果你的孩子能在10秒内用谷歌搜索到答案，那么死记硬背就是认知表演。
开始奖励质疑。当你的孩子质疑一个答案——即使是你的答案——他们正在练习21世纪最宝贵的技能。
让他们接触真实问题。学校的问题是经过消毒的。真实问题是混乱的、模糊的，并且没有答案钥匙。这就是训练场。
教他们人工智能的局限性。人工智能会产生幻觉。人工智能将信心与正确性混淆。人工智能优化的是合理性，而不是事实。这些不是需要规避的错误，而是可以利用的特性。

历史类比

每一次技术变革都迫使我们进行这种重新校准。

当计算器出现时，数学教育并没有结束。它演变了。我们停止训练人类计算器，开始培养数学家——理解为什么操作有效，而不仅仅是如何执行它们的人。

当印刷机出现时，记忆并没有结束。它变得不再那么重要。我们从口头传统转向了批判性读写能力——阅读、评估和与书面文本辩论的能力。

人工智能是同样的转变，压缩在十年而不是一个世纪内。那些能够蓬勃发展的，不会是抵制它的人。将会是那些在理解其边界的同时利用它。

真正的风险

让我彻夜难眠的其实是：不是人工智能会取代人类思维，而是人类会自愿将思维外包给人工智能。

危险不是机器人起义，而是习得性无助。一代人停止质疑，因为人工智能总有答案。停止挣扎，因为人工智能总能提供路径。停止发展品味，因为人工智能总能生成足够的东西。

足够是优秀的敌人。而人工智能在提供足够的方面非常擅长。

在这种环境中获胜的学生不是那些使用人工智能最多的人，而是那些有选择地使用人工智能的人 — 知道何时委托，何时思考，何时接受，何时挑战。我对我的团队说

在水星公司，我不是根据人们知道什么来雇佣他们，而是根据他们的思维方式来雇佣他们。具体来说：

At Mercury, I don't hire people for what they know. I hire them for how they think. Specifically:

你能清楚地表达出真实的问题背后的问题吗？
在给出解决方案时，你会问它假设了什么吗？
你能在脑海中同时持有相互矛盾的模型并评估哪个更合适吗？
你有品味吗——能够在不需要评分标准的情况下说“这个很好”？

这些品质在学校里是无法教授的。它们是通过与困难问题的互动培养出来的，不符合规定的答案。

底线

您的孩子不需要学习更少，因为人工智能。他们需要以不同的方式学习。

未来的课程不是关于覆盖更多的材料，而是关于深入探讨 — 理解基础知识以足够评估主张，培养足够敏锐的判断力以应对模糊性，建立足够精致的品味以识别卓越。

人工智能将处理答案。问题是你的孩子是否会成为那个提出重要问题的人。

停止为他们准备一个信息稀缺的世界。开始为他们准备一个辨别力稀缺的世界。

这是唯一值得付费的教育。

水星科技解决方案：加速数字化。