点击关注「张不惑聊成长」
不鸡娃不躺平,让家庭和孩子一起成长
AI时代还鸡娃?先搞清楚AI替代不了孩子什么能力
上个月去朋友家吃饭,他儿子今年初二。饭桌上朋友一直在念叨,给孩子报了五个补习班,周末排得比上班还满。我问他图什么,他说"现在不卷,以后考不上好大学"。
我问他,"那你觉得,十年后你儿子找工作的时候,企业最看重的是什么?"
他愣了一下,说"学历呗,好大学嘛"。
我笑了笑,没再继续这个话题。
这其实是一个挺普遍的现象。很多家长在鸡娃这件事上,投入了大量时间、精力、金钱,却很少停下来问一句:我培养的这些能力,十年后还值多少钱?
今天这篇文章,我想聊一个很多人没想清楚的问题:在AI快速崛起的时代,我们到底该把孩子培养成什么样的人?

AI时代的路,不止一条
莫拉维克悖论:一个被大多数家长忽视了几十年的洞察
先从一个有意思的悖论说起。
1988年,机器人学家汉斯·莫拉维克提出了一个观点,后来被称为"莫拉维克悖论":
让计算机在智力测验或下棋中表现出成人水平的智力,是相对容易的;但要让它们具备一岁小孩般的感知和行动能力,却是难以置信地困难。
翻译成人话就是:AI下棋能赢世界冠军,但让它系个鞋带——直到今天最先进的机器人,处理一件柔软变形的T恤,其表现往往还不如一个笨手笨脚的幼儿园孩子。
这个悖论背后有一个进化论的解释。人类大脑的"高级认知能力",比如逻辑推理、数学证明、编程——这些在进化史上出现的时间非常晚(不到1万年),虽然看起来复杂,但在计算上往往基于清晰的规则和符号逻辑,很容易被算法逆向工程。
而那些我们觉得理所当然的能力——识别面孔、在崎岖路面保持平衡、伸手抓住飞来的球——这些看似简单的感知运动技能,却是经过数亿年自然选择残酷优化的结果。我们的视网膜处理边缘检测的效率、小脑控制肌肉协同的精妙程度,早已被写入基因层面。
这就是为什么,AI可以在围棋上击败李世石,但如果把棋盘换成"一堆乱糟糟的衣服",最先进的超级计算机可能束手无策。
而现在的鸡娃方向是什么?刷题、提分、解难题。这些恰恰是在训练AI最擅长的能力。
一份让你坐不住的就业报告
光讲理论可能有点虚,我们来看一组数据。
世界经济论坛2025年发布的《未来就业报告》显示:
到2030年,全球将净增7800万个工作岗位 但同时会有9200万个岗位被淘汰 净增的岗位集中在技术、绿色转型和医疗领域:AI工程师、数据科学家、可再生能源工程师、护理人员等 淘汰的岗位则集中在"重复性高、技术含量低"的类别
麦肯锡全球研究院的预测更激进:到2060年,全球约50%的职业可能被AI取代。
注意,这些预测的共同指向是:首先被替代的,不是体力劳动,而是白领工作。
翻译成大白话就是:AI最先取代的,是那些坐在办公室里做重复性认知劳动的人——数据整理、基础文案、翻译、初级编程、标准化流程处理。
而这些岗位,恰恰是过去二十年"鸡娃"路线培养出来的孩子最对口的方向。
💡一个真实案例:一个在银行做柜员的朋友告诉我,他们行去年裁员30%,不是因为业务下滑,而是因为AI系统可以处理80%的常规业务。我问他那些被裁的人去哪了,他说"去送外卖了"。
讽刺吗?但这就是正在发生的事情。
四种能力,AI替代不了
那么问题来了:未来什么能力最值钱?
综合多项研究和报告,我总结了四种AI很难替代的核心能力。这四种能力,恰恰是当前教育体系中系统性缺失的。
第一种:真正的同理心
很多人觉得AI已经很会"共情"了——它可以识别你的情绪词汇,可以写出安慰人的话。
但这里有个本质区别:共情是情绪层面的共振,而同理心是认知层面的理解。
共情是"我感受到了你的痛苦";同理心是"我理解了你为什么会这样想"。
AI可以模仿共情的表达,但很难真正站在另一个人的立场上做决策——因为那需要价值判断,需要对人性复杂性的洞察,需要在灰色地带里做出取舍。
举个例子。一个产品经理面对用户的投诉,AI可以分析投诉数据、生成处理方案,但当用户说"我不是要赔偿,我只是希望有人认真听我说"时,AI可能还是会把问题导向"退款/补偿"的解决路径。而一个有同理心的人,会先问一句:"发生这件事,你最失望的是什么?"
这种能力,在服务型社会里只会越来越值钱。
第二种:创造性问题解决
这里说的不是"创造力"本身——AI已经可以生成相当有创意的文案、图片、音乐——而是在模糊情境中发现问题、定义问题的能力。
真正的创新往往始于一个"好问题",而不是"好答案"。
爱因斯坦说过:"提出一个问题往往比解决一个问题更重要。"
为什么?因为解决问题可能只是对现有方法的优化,而提出新问题意味着你看到了别人没看到的东西,承认了别人认为理所当然的东西里有漏洞。
这种能力需要跨界整合、需要质疑精神、需要容忍不确定性。而这些,恰恰是刷题训练的反面。
刷题训练的是:已知问题,求标准答案。
真正重要的能力是:在没有标准答案的情境里,自己定义问题。
第三种:跨领域整合能力
AI很擅长在单一领域内做到极致——AlphaFold在蛋白质结构预测上超过了所有人类专家,但它的能力边界就是"蛋白质结构预测"这个单一任务。
而人类真正的优势,恰恰在于跨越边界。
一个好的医生,不仅要懂医学,还要懂心理学、伦理学、社会学。一个好的产品经理,不仅要懂技术,还要懂用户心理、商业逻辑、设计审美。
这种跨领域的整合能力,本质上是一种"翻译"能力——把一个领域的思维方式迁移到另一个领域。
它的前提是:对多个领域都有足够深的理解,能够发现它们之间的潜在联系。
而当前的学科分科教育,恰恰在系统性地破坏这种能力。孩子被训练成"数学很好但不会写作文"、"物理很强但不懂人情世故"的碎片化存在。
第四种:元认知能力
这个词有点学术,简单说就是"对自己思考过程的思考"。
具体包括:知道自己知道什么、不知道什么;知道自己擅长什么、不擅长什么;知道自己的思考方式有什么盲点;能够在失败后复盘、调整策略。
为什么这种能力重要?因为在AI时代,知识本身是廉价的、可获取的,但知道自己需要什么知识、如何获取知识、如何验证知识——这些元层面的能力,反而是稀缺的。
世界经济论坛的报告里特别提到,未来需求增长最快的技能中,"分析思维"依然排在首位。这说的不是分析某个具体问题,而是分析问题本身的能力——判断什么问题是真问题、什么问题是伪问题、什么因素才是决定性的。
简单说:AI很擅长在给定框架内优化,但很难自己跳出框架思考。
而元认知能力,恰恰是"跳出框架"的前提。
一个让我印象深刻的对比
说到这里,我想分享一个我做调研时遇到的家庭对比。
两个男孩,都是初二,都是男孩,都在一线城市。
💡男孩A:成绩年级前三十,五门补习班,周末没有完整的休息时间。数学竞赛拿过奖,英语PET通过。
💡男孩B:成绩年级一百名左右,没有补习班,但花了大量时间在机器人社团、做手工、跟朋友一起做小项目。
两个孩子的家长在一次聚会上聊起来。A的家长明显更焦虑,"孩子很努力但竞争太激烈";B的家长反而更从容,"孩子说他喜欢捣鼓东西,以后想学工科"。
五年后我再见这两个孩子,变化很有意思。
A考进了一所还不错的高中,但高二开始出现明显的厌学情绪——他说"一直不知道学习是为了什么",从小到大都是"被安排"的。
B上了一所普通高中,但他的机器人项目拿了市里的奖,高三时已经被一所知名大学的工科专业"锁定"。
这个对比当然有偶然因素,不能以偏概全。但它揭示了一个问题:过度聚焦于可量化的"硬技能",可能会以牺牲更重要的"软能力"为代价。
家长可以做什么
说了这么多理论,家长最关心的还是:我能做点什么?
我的建议是,在保证基本学业的前提下,把更多精力放在培养这四种能力上。具体来说:
关于同理心
多让孩子参与需要协作的活动——不是那种有标准答案的"合作",而是需要分工、沟通、妥协的真实合作。比如一起筹备一场活动,一起完成一个复杂的项目。过程中一定会出现冲突,如何处理冲突、如何理解他人的立场,这比任何情商课都有效。
关于创造性问题解决
给孩子留白的时间。现在的孩子日程排得太满了,连发呆的时间都没有。但创造性思考往往发生在"无聊"的间隙。当孩子说"我好无聊"的时候,别急着给他找事做,而是问他:"你觉得有什么有意思的事情可以做?"
关于跨领域整合
鼓励孩子发展"杂食性"兴趣。喜欢阅读的孩子,不一定非要在文学里深耕,让他接触一点哲学、心理学、社会学。喜欢数学的孩子,不一定非要刷竞赛题,让他试试用数学建模解决生活中的实际问题。知识的价值不在于深度,而在于连接。
关于元认知
定期跟孩子做"复盘对话"。不是那种检查作业式的对话,而是聊一聊:"最近你觉得哪件事做得比较好?为什么?""如果重来一次,你会怎么做?""你觉得自己在哪方面还有提升空间?"
这些问题没有标准答案,但它们在帮助孩子建立"自我觉察"的习惯。
写在最后
回到开头的那个饭桌场景。
我跟那个朋友后来又聊了一次,这次他问我:"那你说,我到底该怎么鸡娃?"
我说:"不是不鸡,而是要想清楚往哪个方向鸡。知识会过时,技能会折旧,但那些底层的能力——理解他人的能力、发现问题的能力、跨领域思考的能力、认识自己的能力——这些反而是越老越值钱的。"
莫拉维克悖论给我们的启示是:我们以为困难的东西,对AI来说可能很简单;我们以为简单的东西,对AI来说可能很难。
与其把孩子培养成"AI化的天才"——会解题、会考试、会刷分——不如培养他们成为真正的人:有温度、有好奇心、有判断力、有韧性的完整的人。
因为这些东西,AI再强大,也替代不了。
张不惑聊成长
不鸡娃不躺平,让家庭和孩子一起成长
关注我,一起聊透家庭教育那些事
夜雨聆风