ARTICLE · 1159983
AI都能答题了,孩子还要背知识吗?从怀特海的＂惰性观念＂说起
AI都能答题了,孩子还要背知识吗?从怀特海的＂惰性观念＂说起今天开辟一个新的栏目：教育规划。 想写这个专栏很久了。在AI时代，这个事儿，没有标准答案，甚至没有答案。 所以这个专栏，更多只是给同为家长的、或同在财富管理、保险行业的你，提供一点思考的参照。 今天我们在教育最大的困惑可能是：AI 什么都会了，孩子还学什么？如果学的东西十年后用不上，我现在花的教育投入，如补习班、学区房、将来可能的留学，是不是在往水里扔钱？ 这个问题，今天我们参考一本写于 1929 年的书，来看看有什么回答：怀特海的《教育的目的》，书里有个词，叫作"惰性观念"。 怀特海是英国数学家、哲学家，当过教师、也做过教育管理者。他在《教育的目的》里说了一句很狠的话：教育中最有害的，是那些“仅为被接受而未被运用、检验或重新组合的观念”。他给这种观念起了个名字：惰性观念（inert ideas）。 注意他的三个动词：运用、检验、重组。这三个词，就是区分“活知识”和“死知识”的三把尺子。 第一把尺子：能不能运用。孩子能背诵光合作用的定义，但你问他：阳台上那盆绿萝为什么黄了，是不是该挪位置，他答不上来。这就是惰性观念。 第二把尺子：能不能检验。孩子背过平均分的公式，但你给他一组明显有异常值的销售数据，问他这个平均数能不能用来定业绩目标，他说不明白。这也是惰性观念。 第三把尺子：能不能重组。孩子学完历史事件的时间、地点、人物，但你让他用这些材料分析为什么同样的改革，在两个地方结果完全相反，他写不出三段连贯的话。这还是惰性观念。 怀特海批评的是当时的教育现实：把一堆碎片化的知识塞进孩子脑袋，考试时倒出来，考完就蒸发。他说，这样的教育不是在培养人，是在制造“装满知识的行李箱”。 一百年过去了，情况变了吗？ 变了，也变得更糟。因为怀特海那个年代，惰性观念至少还能在考试中兑换分数；而现在，AI 让所有能被复述的知识都大幅贬值。背得再熟，也不如一句话问得准。 但我反对另一种极端。 有一部分家长的应对方式是把 AI 供起来：作业让 AI 写，资料让 AI 搜，连读一本书都只看 AI 生成的摘要。他们的逻辑是：反正都要被替代，不如早点习惯。 这条路走下去，孩子会得一种病，我管它叫：依附性认知，看上去什么都知道，实际上什么都不会判断。 为什么会这样？《AI3.0》这本书讲得很清楚。作者梅拉妮·米歇尔是认知科学家，她反复强调一件事：当前的 AI 系统在很多任务上表现惊人，但它们并不真正理解自己在做什么。这些系统依赖的是海量数据中的统计相关性，而不是对世界的因果模型。一旦场景跑到训练分布之外，它们的表现会以一种很滑稽的方式崩塌，比如 confidently wrong，答错的时候语气一样笃定。 米歇尔提醒读者：机器知道得越来越多，理解却几乎没有。 这意味着两件事。 第一，AI 给你的答案，本质上是海量人类表达的一个加权平均。它不知道你家的具体情况，不知道你的孩子是内向还是外向，不知道你这道题的背景是考试还是真实决策。它输出的是多数情况下说得通的话。 第二，判断这句话对不对、适不适合你，是你的责任。而这个判断，必须建立在知识之上。你没有知识骨架，就接不住 AI 递给你的肉。 所以知识不是不需要了，知识需要重新分层。 我在跟客户聊教育的时候，常用一个三层模型，家长一听就懂。 第一层，检索层。事实、定义、公式、流程、年份、法条、产品参数。这一层的东西，AI 可以随时给你，而且比你背得准。孩子在这一层的要求只有一个：知道这些东西存在、知道去哪儿问、知道怎么问得准。背诵可以大量减负，但我知道有这么个东西这个意识必须保留，你不知道自己不知道，就问不出问题。 第二层，结构层。 一个学科的核心概念之间是怎么连起来的：经济学里供需、价格、预期怎么互相牵引；生物学里结构、功能、进化怎么互为因果；写作里观点、材料、逻辑怎么支撑。这一层必须内化，因为它是理解的骨架。AI 可以帮你画图、帮你举例，但骨架只能自己长。骨架没长起来的人，拿到 AI 给的答案也看不出哪里不对。 第三层，判断层。真伪判断、价值判断、取舍判断。这是人的地盘：这个方案在我家可行吗？这个数据是不是被污染了？这件事值不值得做十年？判断层的训练靠的不是听课，是反复做决策并承担后果。 教育的钱，应该从第一层挪到第二层和第三层。 举个具体的例子。 同样学复利，学会检索层的人会背公式 F=P(1+i)^n； 懂了结构层的人才能解释为什么时间比利率更关键，并且能把它和自己的教育金、和自己的健康习惯、和自己的知识积累联系起来； 理解判断层的人则会问：这个 4% 的假设在今天的利率环境下还成立吗？如果利率长期往下走，我的规划要怎么改？ 学到第三层的人，才是 AI 时代真正的赢家。 A 家，男孩，初三，家长选择封堵。手机断网、AI 禁用、作业必须在书桌前手写完成。三个月后，家长发现孩子用同学的手机AI辅助生成作文，只是从明着用变成偷着用。更麻烦的是，孩子的学习动力更低了。 B 家，女孩，初二，家长定了三步法：先自己写，再让 AI 改，最后自己复述改了哪里、为什么改。每一步都要留痕，家长不看结果，只看第三步的复述。半年下来，女孩的作文分数提升不明显，但她做了一件以前不做的事，她开始跟她爸争论“AI 给的这个论据其实不贴合题目”。 两个家庭的差别不在用不用 AI，而在把 AI 放在哪个环节。 A 家把 AI 放在替代环节，AI 替孩子完成了重组，孩子只剩下抄写；B 家把 AI 放在陪练环节，重组仍然由孩子完成，AI 只是提供了更好的参照。 怀特海说的运用、检验、重组，在 B 家的流程里，一步都没少。 可能有人觉得，教育的话题跟保险很远。我不这么看，三个理由。 第一，教育话题是打开深度信任的钥匙，但不是你家孩子几年级这种问法。 跟家长的互动问题，可以换成“你孩子最近自己主动研究过什么？”“他问过你什么把你问住的问题？” 聊到这一步，你再谈教育金规划，性质就变了：从推销一份产品，变成一起设计孩子未来十年的确定性。 第二，教育金规划的重心要适应时代改变。 我见过太多教育金方案，算完需求就一句话：到孩子 18 岁要准备 XX 万，然后全部塞进一个固定给付的产品里。这个设计的隐含假设是：教育支出是可预测的、线性的、一次性到位的。 但 AI 时代的教育支出是高度不确定的。你不知道孩子会在初二突然迷上编程，不知道他会不会在高二决定走艺术方向，不知道留学还要不要走。真正好的教育金结构，应该留出试错额度：一笔确定性的基础教育金（保底），加一块灵活支配的探索预算（可变），再加一层兜底保障（父母出事也不中断）。 第三，从业者自己也要过这一关。 如果你的专业知识停留在检索层：条款怎么背、产品对比表怎么背、分红演示怎么做，那你的客户问 AI 就够了，而且 AI 不会说错话、不会迟到。 你的价值必须在结构层和判断层：这个家庭的真实风险点在哪？这个企业主的现金流结构能不能撑住十年缴费？这份保单在离婚、债务、继承场景下会发生什么？这些判断，AI 给不了。 一百年前，怀特海担心的是：孩子脑子里装满了不用的知识。 一百年后，我们担心的是：孩子把思考外包给了机器。 这是同一个问题的两个版本：知识如果不能变成理解，理解如果不能变成判断，那么它存在谁的脑子里，都跟你没关系。 AI 不会抢走孩子的未来。抢走未来的，是我们一直用错误的方式，逼他学习那些连我们自己都不相信的东西。 个人观点，仅供参考。
推荐书目：《教育的目的》（怀特海）、《AI3.0》（梅拉妮·米歇尔）。