本文为作者原创，欢迎分享，若需转载请联系微信（ddupxyz），谢谢！
关注我的朋友知道，我是做青少年编程教育的，简单来说就是教孩子学习编程的，做得比较早，前几年少儿编程赛道开始火之前就在做了，这两年冷下来了还是在做。
最近陆续有一些家长也在问我，听说现在 AI 都自己会写程序了，程序员都要失业了，孩子还有必要学习编程吗？
这个问题很具体，但其实很好，它促使我思考了好一段时间，我自己也是两个孩子的爸爸，除了关心自己的学习与工作，也会关心孩子的未来教育，接下来将最近的一些思考和大家聊聊，也希望能从个人角度回答下面两个问题？
- AI时代，未来的学习和教育会有什么改变？
- 当下，孩子还有必要学习编程吗？
要回答这两个问题，我们需要稍微梳理一下，尤其是 ChatGPT 的出现，带来了什么样的影响？
短话长说。
一、ChatGPT 是什么
简单来说，ChatGPT 就是一个由一家名叫 OpenAI 的公司 开发的很简单但很厉害的聊天应用，你可以问它任何问题，就像你在和一个什么都懂的人聊天一样。
它之所以功能强大，是因为背后有一个叫 GPT 的大语言模型技术在发挥作用，所以首先要区分一下，GPT 是一个大语言模型技术，而 ChatGPT 是基于这个技术推出的一个具体应用。
那什么是 GPT，更专业的称呼是生成式预训练模型（Generative Pre-trained Transformer），具体它的实现大家可以不用那么关心（我也不太明白），简单来理解可以把 GPT 看作是一个黑盒子，你给它一句话，它可以在内部帮你计算出这句话接下来可能出现的不同词的概率，然后根据设定的规则输出接下来会出现的词。就像下图一样。
至于最终是输出哪个词，这和你设定的程序参数有关，如果需要精确，就按概率高低来接下面的词，如果更具创造性（精确度就下调一点），它就会接其它的一些词。
大致理解这么多就够了。
二、ChatGPT 为什么影响这么大
可能大家在网络上也有听到一些名人对 ChatGPT 所带来影响的说法。
原本不看好 ChatGPT 的微软创始人比尔.盖茨，现在将 ChatGPT 与互联网的发明相提并论；英伟达 CEO 黄仁勋称 ChatGPT 的出现是 AI 的 「iPhone时刻」；更有一些人将 ChatGPT 看作印刷术、电力一样的伟大发明。
事实上，从 ChatGPT 的一些数据来看，确实了不起，它的用户数 2 天达到 100 万，2 个月达到 1亿，2023 年 5 月在上架苹果应用商店后，很快就冲上了免费 App 榜榜首。
ChatGPT 这么火背后的原因是什么？大致有下面两个原因。
1. 打破了人与机器交流的屏障
在 ChatGPT 出现之前，人与计算机的直接交流基本上是通过各种「非正常」的人类操作来完成的，像鼠标单击、双击，框选等，这些操作是在人们的日常生活中并不存在，它们是为了与计算机沟通而专门发明出来的，在这个阶段，人类实际上是在被迫学习和适应机器的范式。
ChatGPT 出现之后，人们可以通过自然语言直接与计算机交流了，上面是 ChatGPT 刚出来时的界面（现在也差不多），使用非常简单，甚至比大家天天在用的微信还要简单得多，你把它当作一个「人」来看待就行了，它可以理解你日常说的话，哪怕有些话你自己都没描述特别通畅，它也能理解。
在这个阶段，计算机在学习和理解人类的自然语言，它在适应人类的范式，人与计算机的交流屏障被打破了，任何人，只要能基本的沟通和表达，你就可以与计算机交流。
2. 第一次通用智能的出现
AI（人工智能）的发展也有很多年了，在工业领域已经应用很广的各种工业机器人，自动驾驶汽车，还有像 2017 年，由 Google 旗下公司 DeepMind 开发的 AlphaGo ，当时还击败了世界冠军柯洁，这些都是人工智能应用，但为什么它们就没有像 ChatGPT 这样影响广泛呢？
这是因为这些都是某一特定领域的专用人工智能，离普通大众的日常生活其实很远，而 ChatGPT 的出现，首次让人们感觉到了通用智能的到来。
使用过 ChatGPT 的人都知道，它不并限于特定领域，你可以与它交流任何领域相关的内容，2023 年 3 月对外发布的 GPT-4 在抽象、理解、视觉、编程、数学、医学、法律、理解人类动机和情感等领域都表现出色，在很多考试中都能排进所有人的前 10%，它去参加考试，甚至能考进像斯坦福这样的顶尖大学，人工智能真正走进了普通大众的生活。
GPT 的出现，让本是复杂科学中的「涌现」一词进入了大众视野，它的内部结构与大脑的神经元的构成非常类似，人的大脑有 1000 亿神经元，这些神经元的链接网络造就了人的智慧；而 GPT 的参数就像大脑的神经元链接，当这些参数达到一个量级（一些公开资料显示超过 650 亿参数）就会涌现出智能，神奇的是，到目前为止，还没有人能完全清晰的解释，为什么会有这样的涌现出现，这种现象在「科学」领域也属罕见。
三、重新思考学习与教育
先给大家讲一个真实的故事，疫情期间某一天，在一个群里突然有位群友发了一个大红包，原来是她的儿子考上了一所国内非常知名的中学，大家在恭喜她的同时希望她传授点育儿经验，这位妈妈的回答令人意想不到，她实际也没有做什么，疫情期间，她和孩子的爸爸每天都还是要在家远程办公，儿子的学习上也帮不上忙。
后来在与儿子沟通时，儿子说：这得多亏了疫情，儿子讲了讲为什么这么说。
这位同学在学校的成绩中偏上吧，按成绩来说绝对考不上那所知名中学，遇上疫情后只能在家学习，除了部分网课外，时间都是自己安排，这下他感觉一下子如鱼得水了，以前在学校，每天的学习安排非常固定，每堂课 45 分钟，上一两或两堂，立马切换到另外一门学科，自习课大多是做试卷或老师评讲试卷。
实际上，他特别不习惯这样的学习节奏，他希望自己来安排学习内容，今天想集中学习数学，可能就会花比较多的时间就在数学上，这个时段想看看书就选 一本喜欢的看看，以前在学校就没办法，疫情在家就不同了，他基本上都可以自由安排自己的学习内容和节奏，学习效率反而一下就上来了。
疫情反复，对大多数孩子和家长来说，都是一段非常难熬的时间，很多孩子学习成绩也不断下滑，而这位同学的成绩却在不断提升，这一上一下，加上考试发挥得好，考入了以前都不敢想的学校。
这件不大的事对我的触动非常大，其实从另外一个侧面反映出当前学校教育的一些问题，当面对不确定的因素（疫情）出现时，对于在接受教育的这些孩子来说，什么样的能力才是更重要的。
过去的一年，AI 领域发生的事甚至比十年发生带来的变化都大，随着 AI 的出现，语言与知识不再是壁垒，人与知识之间的距离也变得越来越短，我们唯一能做的，就是通过学习去对抗这种未来的不确性。这一点与前面故事中遇到的疫情（不确定因素）类似。
那我们应该学些什么呢，什么样的知识和能力才是重要的呢？
1. 当下 AI 的优劣
我不担心机器会像人一样思考，机器让人的工作更有价值，更有尊严。人有灵魂、信仰、价值观，有自信可控制机器。但我担心人像机器一样思考。 --- 蒂姆.库克
当面对一个新的范式转移时，很多时候归纳法就失效了，因为没那么多经验可借鉴，我们只有回到源头，重新来看，AI有哪些优势和短板，我们人类有哪些优势和短板，这也算是另外一种知彼知已，才可能百战不殆。
目前 AI 的优势大致有这几点：
- 涵盖了几乎所有人类生产的知识。只要你愿意，就有办法从它那里去获取到。
- 天生强大的逻辑与语言能力。编故事的能力一流，一本正经的胡说八道比人还厉害。
- 迭代与更新的速度很快。对于 GPT 来说，几个月的能力提升可能相当于人学了十多年。
目前 AI 的短板：
- 真正的创造力（原创）还比较弱。
- 暂还不具备独立思考与判断的能力。
- 缺乏人类所特有的共情能力。
知彼知已，才能扬长避短，专注于我们人类更擅长的。
2. 传统教育的问题
布鲁姆分类法（Bloom's Taxonomy）是由美国教育心理学家本杰明·布鲁姆（Benjamin Bloom）在1956年首次提出的，下面引用的是 2001 年经修订后的版本。布鲁姆分类法不仅可能帮助教师明确教学目标，也为学生提供了一个清晰的学习路径，从基础的记忆和理解，到更高层次的评估和创造。
借用布鲁姆分类法来看看我们当前教育所存在的问题。
我们可以简单的将布鲁姆分类法中的六层目标划分为两个层次：下面三层可称为低阶思维能力；上面三层是高阶思维能力。
我们传统教育目标中比较侧重的，也算是我们比较擅长的（大量背诵、刷题与考试），正是在下面三层，也就是对低阶思维能力的培养。
尴尬的是，我们所擅长的这些低阶思维能力，也恰恰是 GPT 非常擅长的，而且比我们做得更好。而上面三层的高阶思维能力，是当下 GPT 还不太擅长的，但这部分也正好是我们当下的教育所欠缺的，我们更不擅长。
问题来了，面对这样的现状，我们如何应对？
四、AI时代的学习能力模型
教育首要的目标永远应该是对独立思考和判断的总体能力的培养，而不是获取特定的知识。 --- 爱因斯坦，在纪念美国高等教育 300 年的会议上发表的演讲中提到
毋庸置疑，未来很长一段时间，将会是人与 AI 共同进化的状态。明智的做法是，AI 擅长的归 AI，人类擅长的归人类。
见上图，尝试对 AI 时代的学习能力做了一个简单梳理和重新划分。
1. 知识层
这一层包括常识、核心学科知识和跨学科知识。
核心学科知识，涵盖了数学、物理、文学等基础学科的专业知识，是我们深入理解世界的基础，这也我们当前学校教育的主要内容，实际上也是传统教育唯一侧重的内容。
跨学科融合知识，强调不同学科间的联系和综合应用。在我们的教育中，虽然很早就在提了，但实施得一点都不好，一方面，我们的考试选拔基本上还是按不同学科来进行的，不同的学科，从出生起就打上了高低贵贱的标签，这就决定了跨学科融合这个新物种很难出现在舞台中央；另一方面，跨学科融合，除了需要教师具备跨学科协作的思维外，更是需要学校从内部的组织结构与管理上做出根本性调整，这一点在当下也很难实现。
常识，就是那些我们每个人都应该掌握却没有掌握的那些知识，比如生活技能、社会与文化 规则等，这在我们的传统教育课程里也基本上没有，然而这些常识对每个人都很重要。
在知识这一层，GPT 可以快速提供全面、准确的学科知识以及跨学科知识融合帮助，甚至常识也可以借助 GPT 来获取，这将极大的提升我们在知识层的学习效率。我们在获取这些知识后，需要做的就是学会将这些知识与现实世界的问题联系起来，应用于实际情境，进行创造性思考和问题解决。
2. 素养层
这一层包括科技素养与人文素养两方面。这对我们认识与理解当下这个时代与社会非常重要，人如何更好的理解和运用科技，在人类与 AI 共同进化的过程中，如何处理不同文化之间的冲突，如何处理科技与道德伦理之间的关系，甚至人与人之间的关系，都是非常重要的。
AI 可以为我们提供丰富的信息和案例，帮助我们去了解科技与人文，但人类的首先判断、审美体验以及文化理解，是 AI 很难去替代和加速的。
3. 元认知层
这一层包括独立思考、批判性思考和学习如何学习三方面。
就像前面提到的，在瞬息万变的 AI 时代，人类的独立与批判性思考才是最重要的，AI 可以为我们提供丰富的学习资源和数据，但人类通过自己的筛选和过滤，从而做出判断，这也是人与 AI 最大的不同所在。
当然，人与 AI 的共同进化，并没有太多经验可循，更多的需要我们去学习、去反思，培养和锻炼学习的能力，养成终生学习的习惯，这样才能适应未来不确定性因素带来的挑战。
五、AI 时代的教育模式
正如历史上教育模式的演变一样，每一次技术革命和范式转移，都伴随着教育的适应性转变。
1. 教育模式的演变
在农业社会，教育如同手工作坊，是一种精英化的私塾教育，这种教育有点像定制的手工艺术品，学生是独一无二的，教育方法和内容都高度个性化。但教育资源稀缺，只有极少数人能够享受到受教育的机会。
随着工业革命的到来，为了适应工厂对工人的大量需求，教育转变为大规模生产模式，学生类似流水线上的标准化产品，一批批从「知识工厂」被制造出来，送往工厂，这种教育模式虽然提高了教育的普及率，但忽视了个体差异，也很难有对创新和创造力的培养。
AI 时代，标志着教育的个性化与自主化的到来。知识的传递不再局限于传统的教师和学生之间，任何人都可以借助网络和 AI 去获取或分享自己的知识和技能，做学生的同时，也可以当老师。学习也不再限于传统的教室，内容实现真正个性化，互动与反馈也更加实时。
2. 终身学习成为常态
《人类简史》作者，以色列历史学家尤瓦尔·赫拉在接受采访时，当被问到未来 20 年最重要的技能是什么时，他讲到，我们每个人都需要有一种不断蜕变、不断革新和重塑自我的能力，终身学习将成为一种常态。
他还有一个有意思的类比，以前的教育，就像建造一座地基很稳的房屋，而现在呢，教育更像是要建造一个帐篷，你可以随时把它折叠起来，能够快速的移动到另一个地方。
六、我们可以做些什么
未来已来，尚待分布均衡。 --- 美国作家 William Gibson
AI 时代已经拉开序幕，我们唯一能做的就是去了解它，拥抱它。
总体原则是：从新的学习能力模型三个层次来思考，学会如何学习，从房屋到帐篷，构建一套高适应、高敏捷度的思考与学习框架！
短期来看，借助 GPT 这样的 AI 技术和工具，为自己赋能，提升学习与工作效率；长期来看，多思考，去建立自己独特的个性化原创优势。
当然，最关键的是，立即行动起来，积极拥抱 AI，认知与洞见不会凭空产生，都是在行动的过程中建立起来的。
附：我对学习编程的一点看法
这个问题很具体，很容易引来争议，既然是个人观点，我会尽可能将结论与缘由表达清楚，关心这个话题的朋友可以根据自己的认知来做出判断。
当身边的朋友在问我对于学习编程的态度时，我都会明确地告诉他们，对于现在的孩子，学一点编程是很好的，学习编程并不是要让他（她）们去当程序员或工程师，而是让他们通过学习这门比英语还要通用的语言技能，去更好的认识和理解这个世界。
不可否认的是，我们当下的世界在很大程度上就是一个由程序和算法驱动的世界，伴随 AI 的发展，这个程度还在不断加强。我相信，在当下的数字时代和未来的AI时代，编程会像阅读、算术和写作一样，是每个人应该学习的内容。
我自己也在带着我 9 岁的女儿学习编程，玩过一点 Scratch，目前在学习 Python。
1. 此编程非彼编程
学习编程，更是通过编程去学习。
首先需要说明的是，当我们在谈编程学习的时候，我们到底谈的是什么？我不是简单的谈 Scratch、Python，或者 C++ 这样的编程语言，我们更多是在谈背后的逻辑、计算思维和解决问题的能力。
诚然，我们要以某种具体的语言为载体，但这不是最重要的，语言上带来的差异远不及中文与英文，或与法文这样的不同语言之间的差异。
说到具体语言，以 Python 与 C++ 为例，尽管从工程的角度来看，这两门语言差异挺大的，但对于孩子学习编程来说，差异也没想像的那么大，工程中会涉及到的一些复杂度，比如这两门语言中的面向对象设计，Python中的装饰器、闭包、垃圾回收机制、C++ 中的内联、重载、动态内存分配等，这些内容基本上在青少年学习编程中都不会涉及到，他们主要学的是这些语言中更通用、用于表达逻辑的核心部分，掌握些内容，就可以去实现很多甚至有难度的算法了。
以 Python 这样的纯代码编程语言为例，我在带孩子学习的过程，至少有几点体会：
- 孩子是可以学会使用的。很多成人觉得自己学不会，不代表孩子不行。
- 对英语学习有一定帮助。毕竟目前的代码绝大部分是由英文单词或缩写组成的。
- 有助于增强对一些数学知识的理解。数学往往过于抽象，而通过编程可以把抽象的符号具体表达出来，并用于解决问题。
- 学会从算法的角度去思考和解决问题。
在 AI 时代，程序员这个职业可能会慢慢消失，像 Python、C++ 这些编程语言也可能会消失，但一定会有更高级的形式（比如自然语言）用于描述和表达逻辑，现实中存在需要解决的问题不会减少，人人都是程序员还真有可能。
参考： 之前写过一篇关于编程与数学关系的文章： 当数学遇上编程，所有的边界都打破了
另外，强烈推荐西摩.佩珀特（Seymour Papert）所著的《因计算机而强大-计算机如何改变我们的思考与学习》一书，这本 30 年前的书到今天来看也不过时，我自己也受本书的启发非常大。
2. 学什么，什么时候学
每个孩子的成长花期都有所不同，有的快点，有的慢点，关系并不大。学习应该是低门槛、高天花板的一件事。慢点的孩子能跟得上，快些的孩子也有空间持续向前。
总的来说，如果要学，我的建议是刚开始可以玩玩 ScratchJr 或 Scratch3，再过渡到 Python，如果确实有参加竞赛的需求，可以考虑过渡到 C++。
竞赛有竞赛的规则，如果要在国内参加信息学竞赛，目前只支持 C++，要去参加，就得学；另外，这个比赛一年只有一次，如果要想取得什么样的成绩，就得倒过来推算，你的时间及投入合不合适。
另外，如果时间允许，了解一些计算机相关的历史与知识，学会用一些 AI 工具，如果能将它们用到自己的学习当中并帮到自己，最好不过了。
简单总结一下，个人建议是学一学编程，不学也不是一个什么大不了的事。但在选择学或不学的时候，多深入了解一下，找到这中间变与不变的因素，结合自身的情况，做出自己的判断，不要被网络上的各种信息所影响，大佬们所讲的无论正面的或负面的，都有其上下文背景，如果不加思考就下判断就只能靠撞运气了。
附：联系反馈
关于本篇文章，如果你有更多的想法希望交流或分享，欢迎联系我，聊一聊，期待有更多深入的讨论！
本文章也会保持持续更新～ 欢迎大家关注！
