最近 AI 项目李飞飞在博客里说了一个很刺激的判断。

10年后的职场呢只剩下两类人，前1%的顶尖专家，某些能力或者智力超过 AI；

另一种呢是高主动性的跨领域通才，自己造工具，自己定义工作流。

中间那一大片还凑合的执行者正在消失，她管这叫“杠铃效应”。

一个还凑合的文案撰稿，现在任何人用大语言模型都能做，但如果你是前1%最好的那个，就没法被轻易打败。

我觉得这个模型很准确，但今天要聊的是我们的教育准备好了吗？

我们现在的教育体系费了九牛二虎之力就在选那个1%，高考、竞赛、强基全是筛选机器，但有一尴尬的事实，真正有原创性的孩子恰恰不按标准答案走。

你选出来的1%和真正超越 AI 的1%，重合度没有那么高。

我觉得被体系漏掉的天才，可能比选中的要多好几倍。这条路呢，投入产出比极低，已经做到头了。不只中国，最近我看国际教育，其实也一样尴尬。

标准化考试加漂亮文书，筛出来的还是传统意义上的优等生。

真正的原创者，往往在体系边缘长出来。

我更关心的是，另外那些被半抛弃的90%的孩子，该怎么办？

李飞飞有个底层判断，智能成本归零是误解。

体力劳动、认知劳动、情感劳动，人类智能至今仍是未解之谜。任何声称智能成本趋近于零的，都是不负责任。

语言智能之外呢，人类还有空间智能、身体智能、感知智能、情感智能。

他举了投篮的例子，投篮一瞬间，语言智能判断局势，空间智能瞄准篮筐，身体智能调整肌肉，几种智能同时协作。进化花了超过5亿年才让空间智能成熟起来，语言智能花的时间则短得多。AI 打穿的还只是语言任务。这几种能力呢，每个人与生俱来，但传统教育却不系统训练，反而在全面的扼杀。

我们在练什么呢？记忆力、计算力、语言组织，全是 AI 最擅长的。

一直用工业时代的方法呢训练，AI 时代最不值钱的技能。新高考已经在改变了，好的地方我之前也夸过了，但我觉得呢，这种渐进式的改良已经 来不及了。

毕业生找不到工作，不是孩子不努力，是教育流水线在批量的生产过时的标准件儿，产量越大错配越严重，还不如马上停下来。

李飞飞说，教育的目标不是标准化考试的成绩，教育的目标是培养人，让人成为有意义的贡献者。

我们需要的不是小修小补，而是一次教学结构的硬切换。说的狠一点，就是教育的休克疗法，快速降低分年级分学科板凳观的比重，把结构化的 PBL 项目式学习变成主轴，不是以前那种点缀式的 PBL，做个海报，搞个展示，拍几张照片儿。

我要说的是，把跨学科知识系统高强度的融入真实项目，让孩子动手走进真实场景，解决实际问题。李飞飞说，我们教孩子怎么用火、用刀、再用互联网。现在作为一个物种、一个社会，我们必须学会怎么用 AI 这件事儿。我们在工作中已经通过 AI 提效几十倍了，孩子们的 PBL 学习可以更高效地完成，学会自己定义问题、自己造工具。

不是所有孩子都会成为全能型人才，但绝大多数孩子都可以训练出通才的底层能力：自己定义问题、调用工具、整合知识、动手验证。

这种能力不是天上掉下来的，它需要从小就在真实项目中解决真实问题的环境里长出来。

PBL 以前有三大致命问题：难系统化、难评价、对教师要求极高。

现在 AI 第一次有机会把这3个问题同时压下来。

我自己也在尝试用 Deep Learning 来做这件事儿，但工具不是重点，重点是 AI 可以把跨学科知识体系推入到 PBL 项目里，做过程性评价，大幅降低教师的门槛。如果这件事儿跑通呢，结构化的 PBL 就不再是少数创新学校的奢侈品，而可能成为各学段尤其是中学教学的主体。

目前的大学教育，除了少数真正承担前沿科研和高强度专业训练的顶尖高校，大量资源都应该重新配置，知识、师资、实验室，不应该只关在大学围墙里，应该更早进入中学的 PBL 体系。具体的方法呢，还有一些创新学校的尝试，我后面会进一步的拆解。