强人工智能降临的近未来，我们应该学习什么？
我们的未来，无可避免地要和人工智能共存。但我们和人工智能的关系，也许可以不是谁压倒谁的关系。借助人工智能，我们可以开发出能更好地应对未来生活的协同学习方式，让人类智能和人工智能共同进化。
平均阅读时长：8'
我们所谈论的“人工智能”是什么
“人工智能”，顾名思义就是人类所创造出来（或者说不是自然生成的）的智能物体。关于“智能”的定义，陷入过一种过于理所当然的状态。曾经我们把“智能”算作“人类”定义的一部分（“智人”），我们确信“只有人类有智能”、“智能是人类拥有的和其他生物/物体不一样的表现”。
所以当动物学家发现黑猩猩会使用工具，合作捕猎，甚至有“政治”和“权力斗争”；当我们发现人工智能在一个个攻陷人类的“理性堡垒”（国际象棋、围棋、自然语言处理...），我们的第一反应是害怕，从两个方面。第一个方面是“机器觉醒”，担心具有了自我意识的超人工智能会摆脱人类的控制，进而控制或毁灭人类；第二个方面则是开始质疑人类自身，机械论的观点又以新的面貌回到人们的视野：人是一副机器，而“智能”只是种幻觉，就和人工智能一样，被“算法”控制。
后者是一种什么样的感觉？刘宇昆的科幻小说《爱的算法》也许可以供你参考。
我个人并不认为人是由算法构成的，不过这属于另一个问题，在这里不作展开。只想说，因为人工智能的研究，我们对“智能”有了更多更深的理解。
然而，所有这些忧虑都没有阻止人工智能不断地“入侵”不同的行业。我们的日常生活，从制造业，到我们每天都会使用的搜索引擎，背后无不有着人工智能的支持。为了区分这些日常辅助我们的人工智能，和“觉醒”了的人工智能，有一些研究者又提出了“弱人工智能”和“强人工智能”的概念。“弱人工智能”是“看起来像是智能的，却并不真正具备智能的机器”，比如Siri，IBM的Watson和最近的围棋高手Alpha Go，它们已经大量融入了我们的生活；而“强人工智能”真正能推理（Reasoning）和解决问题（Problem solving）的智能机器，这样的机器能将被认为是有知觉的，有自我意识的。（以上定义摘自维基百科）
关于“机器觉醒”，我抱持一种谨慎乐观的态度。如果我们以人类和其他有塑造环境的生物作为参考，我们会发现，它们永远都会把环境塑造成方便它们自己的样式。比如人类发明的一切工具，都是以“人去使用工具”为前提的；所以如果机器获得了意识，那么它们所塑造出来的环境，也将会是对机器来说最方便的样式，而不会是适合人的环境。不过，这里面蕴含了一个不恰当的前提，那就是觉醒的机器和人类会截然对立，并且人类还保持着现在的文化和状态。人和强人工智能，甚至超人工智能之间会如何相处，其实更可能是件无法预测的事情。
和人工智能共存的未来
人类的未来，至少是可预见的近未来，我会像更多人工智能专家和未来学家那样，认为应该是“人与机器共同进化”的未来。
这牵涉到三个现象，第一个是前面已经提到过的，人工智能大规模“入侵”我们的生活已成既定事实，并且在很多领域，例如制造业和数据分析，它们都正在接管人类同行的工作，在未来的几十年内，机器可能还会接管70%现有的工作岗位。第二个现象值得警惕，也就是当代的科技越来越成为只有少数精英才能完全理解的东西，而大众则越来越处于信息不对等的状态。
这会导致什么样的效果呢？一种可能就如同2002年播出的极具前瞻性的动画《攻壳机动队 Stand Alone Complx》里面，导演神山健治就用了里面的人工智能“塔奇克马”和大众之间的现象来作了一个对比。
动画的背景是，在近未来脑机接口被广泛使用，人们都可以不依靠电脑终端自由地链接到网上，但是这种链接还没有紧密到能够消弭人和人之间的个体差异和身份认同。另一方面，“塔奇克马”是警队使用的智能战车，为了保证其可靠性，每次出任务之后，它们都需要被信息同步，让它们拥有相同的记忆。
然而它们依靠自己的好奇心，和逻辑分析的能力，在对这些记忆和信息作不同方面的解读和讨论之后，却渐渐发展出了每一台车自己的“个性”。反而是联网了的人类，却因为越来越多地接收到同质化的信息，而失去了“个性”，思维和行动的选择越来越同质化，变成了“没有原版的复制品”。
“塔奇克马”们揭示了第三个现象，现代人工智能正在模仿人类的学习模式，并且能以人类无法比拟的速度学习和成长。
而这一点，对人类自身的智能发展而言也有可能是一件好事。因为通过研究和观察人工智能，我们可以越来越了解人类智能的本质，以及跳出“人类智能”这个我们目前唯一的参考值，更客观地去思考智能发展的其他可能性，避免过度拟合。
新的学习图景：
在人工智能辅助下的朋辈学习
当下我们人类的学习模式大多和学习围棋十分相似：从简单的定式开始，逐渐攀爬过去积累的理论，直到登顶，然后展开创新，而人类目前所累积的知识和信息是如此丰富，以至于光是攀爬过去的理论，就有可能穷尽人的一生。而人工智能在这方面，就可以帮助人类快速地学习完所有的理论，同时从另一个角度——机器智能的角度去分析和提出更多的理论，这将使我们的研究变得更加宽广，更加快速高效。和机器一起，人类也许会因此进化成一种新的智能生物。
回到前面提及的观点，“人和机器共同进化”的未来，我们，或者是我们的孩子，应该怎么做呢？
如果我们将智能定义为“与现实世界交互的能力”，或者是关注其结果，说是“解决问题”的能力，那么，我们的学习也应不再是在前人经验的累积基础上的创新，而是与人工智能一样，是面对真实环境时的问题解决（Proble Solving）。这时，我们应该学习的就不再是“知识”（或者不再主要是知识），而是交互和设计的能力。比如说，如果我希望装修我新租的房子，我不需要掌握所有工程和材料知识，我只需要学会怎么样在Google里输入正确的关键字，然后根据我房子的实际情况，组合搜索得到的答案成为一个可以操作的方案并且动手完成。
往下延伸，未来的学习场景也许会变成这样：一个“学校”将由学员、导师（Facilitator）和人工智能组成，学员们自行组队在真实的场景下了解和决定想要学习的项目/想要解决的问题，在人工智能的帮助下设计方案和执行，而导师的作用则是去推进整个过程的顺利进行。
印度教育学家Sugata Mitra尝试建立的“自组织学习环境”，正是希望依靠科技和朋辈的力量改变教育过程，促进学习的自我发生。
在这样的“学校”里，再也没有枯燥又逃不掉的讲座、烦人又无效的作业、不喜欢的课业挂科影响未来的升学或是“毕业后应该读研还是找工作”的烦恼。我们将通过朋辈学习（Peer Learning），直接学习如何更好地应对未来的生活，解决个人或社会问题，创造更大的价值。
*文中图片来自网络