夜雨聆风1.2 AI 能否替代人
以上是从演化的角度来理解学习，我们得出了学习是文明发展与延续的方式，是广义的劳动这样的结论，由此构成了按学分配的合法性来源。但另一个问题依然没有得到回答，也就是如果我穷尽一生学到的东西，AI早就会了，我的学习还有何意义？未来是不是大部分人会沦为无用阶级？
我们给出的答案是不会的，因为未来并不是个体去比肩AI，而是每一个个体会作为类似整体中的神经元的角色，与AI共同构成文明这个生命体的神经系统。
为了解释这一切，让我们首先回到AI诞生的过程。最早的AI只是一个函数逼近的方式，数学中原本逼近一个一般的函数有两种方式，一个是用多项式，也就是泰勒展开，一个是用三角函数，也就是傅里叶展开。这两者都有一套完善的理论。而 AI 选择的逼近方式是复合函数，因为复合函数的性质很难研究，在过去的数学中一直没有向这个方向投入太多的精力。
直到深度学习的先驱Hinton 的到来，他原本是想理解人类大脑是如何工作的，在脑科学方向求而不得之后，选择了计算机模拟。人类大脑的运转迄今为止依然是世界上最为神秘的未解之谜之一，但我们已然知晓大脑是由一个一个的神经元加上突触，不断传递化学信号来完成运转的。Hinton选择了将其简化，每一个神经元当成一个非线性函数，函数的复合模拟神经元之间的信号传输，然后不断的给这套系统投喂数据，以调整复合函数的大量参数。当神经元的数量和层数足够多，投喂的数据足够大时，智能得以涌现。2016年，AlphaGo击败李世石，标志着深度学习在复杂决策领域的突破。此后，注意力机制（Attention）的提出与Transformer架构的诞生，通过 token 引入了上下文的权重，让 AI 可以理解上下文之间的关系，推动了大语言模型的发展，命运的齿轮加速运转。
当前的AI当然还有很多问题，核心的比如由于只有神经系统而缺乏眼耳鼻舌身等感知器官，导致其无法理解真实世界的运行规则而常常出现幻觉，比如由于目前还没有一个真正的突触系统模型导致训练好了的AI在下一个版本之前没法自主迭代。当然这些问题都是有可能解决的，也是未来的发展方向。
但是真正的核心是，AI无法自主扩张，它需要人的指令，它不会主动加速熵增的过程，依然是工具。这是内蕴于其诞生的基本代码逻辑之中的，因此它不是生命。这便是AI 无法取代人类的根本原因。
工具是人类通过双手与大脑在现实世界的延伸。会使用工具也是人和动物的本质区别之一。人类对工具的使用史，就是一部文明扩张史。从打制石器到磨制骨针，从青铜农具到铁器犁铧——这些工具延伸的是人的双手，让人在物质世界中获取能量、改造自然的能力倍增。从蒸汽机到电力网，从内燃机到火箭——这些工具延伸的是人的四肢与感官，让人能够跨越空间、驾驭自然力。而计算机、互联网，尤其是今天的人工智能，它们延伸的是人的大脑，让人在精神世界中处理信息、创造知识的能力发生了质变。
但无论工具在哪个世界延伸，它的本质从未改变：它始终是人的延伸，需要人的操作、指令或至少是目标的设定。石器不会自己伐木，蒸汽机不会自己点火，计算机不会自己运行，AI也不会自己给自己下达“我要扩张”的指令。它们都是人的肢体、感官或大脑的“外挂”，是人对自身有限性的超越，却从未脱离人的驾驭成为独立的生命。区别只在于：过去的工具帮我们改造物质世界，AI帮我们扩张精神世界。
哪怕你给了AI这样一条指令，去将所有的能源用来扩张算力，去加速熵增，那它也依然不是生命，因为这依旧归因于你的那条指令，而我们最好能想清楚这样一条指令的代价。
人在使用工具的同时，工具也深刻地改变了人类的文明，如果有一天演化方向中机械飞升、基因改造、脑机结合中一项或者多项取得了突破，AI 或许会比任何工具都更加深入地嵌入生命本身，那个时候或许人类的定义都需要更新。
于是我们完全没有必要恐惧AI时代的到来，AI应该可以作为当前人类知识的总和，它当然应该将人们从各种不能自我发展的活动中解放出来。确实，随着AI能完成越来越多人能做的事，未来很多岗位会消失。破局之道在于扩张，未来人类应当在AI的辅助下不断的去扩张人类的精神世界，与AI一同构成文明的神经系统。
1.3 AI时代的学习
那么，在AI逐渐成为人类知识的总和时，未来学习的逻辑将完全不同，当前的教育体系将被彻底颠覆。
当前的教育体系是为批量培养适应当前社会分工的人才服务的，培养出来的人才是奔着方方面面的社会需求去的。未来核心的问题在于AI将替代人们满足大量的社会需求，社会不再需要那么多的人才。
那么既然学校是个小社会，社会是个大学校，既然这些年学校在不断的扩招扩张，既然未来毕业就失业，那就不要毕业好了。未来社会可以就是一所学校，学习就是每个人未来的劳动，让AI 去承担那些重复性的脑力和体力活动，让人凭借着多样性去扩张精神的世界，去自由的发展。
目前我们国家的政策也是朝着这个大方向去的，比如本科生、研究生、博士生持续不断的扩招；增加奖学金的规模和比例；根据当前的社会需求调整专业方向，裁撤无法就业的专业，新增面对社会需求缺口的专业；开展大类招生，增加学生转专业的机会。这无疑是面对变革所必须的改革，带来的阵痛也是不破不立的一部分。
然而，现实依然面临很多问题。AI更多的是人类知识的收集与整理者，而并非理解与使用者，一方面，当文科专业人才断档，未来还有谁能理解那些人类历史中诞生过的小众而深刻的想法？另一方面，当新增的智能类专业还在整理当前的技术作为学习内容时，这个技术很有可能即将过时，专业的调整的速度可能难以跟上时代的变革的节奏。
此外，目前AI 已经能够写出一篇凑合能看的本科毕业论文了。假如有一天，输入一个简单的指令， AI 就能够写出一篇有所谓的创新点的博士论文，那么到那个时候，当前的学位体系将会崩塌。
而我们以论文为核心的科研体系也将迎来重大的考验。论文原本是人在精神世界自由探索发现的新的想法的表达，一个一个这样新的想法推动着科学的发展和时代的进步，于是我们不断的激励这样的想法，将论文的发表与职称、待遇、项目、大学排名等等挂钩，激励大家发表更多更好的论文，继续推动科技的进步。而当激励变成了考核，论文从新思想的表达变成了为了生存而需要完成的任务，慢慢探索的理想在现实面前就不得不做出让步。更有甚者突破了学术诚信的底线，数据造假、论文工厂的新闻层出不穷。毕竟在生存的压力之下，生命会自己寻找出路。AI 的诞生使得生成这样的一篇论文的成本进一步降低，而需要分辨一篇论文真正的价值所需的时间却没有改变。随着论文的指数级增长，学术界的发表与审稿压力越来越大，整个系统的运转面临着巨大的挑战。
我们其实已经走在了变革的路上，国家提出的破五唯、将论文写在祖国大地上、鼓励坐冷板凳、教育评价体系改革、注重对教育过程的改革、淡化专业大类招生无一不是在这个方向的尝试。越来越多的大学退出所谓的各种排名、中科院停止分区表的发布、拒绝高额版面费的报销、法国国家科研中心停用WOS 系统都是各大机构面对这些问题做出的调整。旧的秩序正在崩塌，新的秩序正在探索中缓慢地建立。
在这个过程中，一个核心的问题在于如何去评价人的学习。为了回答这个问题，我们应当首先去理解个体是如何学习的。
