在科技界引发广泛讨论的DeepSeek-R1模型正式发布后，人工智能（AI）再次成为公众瞩目的焦点。社会各界对AI的迅速发展及其在各行各业的应用展开了深入探讨，展现了人类对于这一技术进步的复杂情感。在教育领域，AI的渗透尤为显著，家长、教师和学生正逐渐接受并探索生成式AI在学习和教育中的应用。
如今，家长利用AI为孩子制定学习计划，教师尝试通过AI寻找课堂教学的新方法，而学生则似乎已将AI视为他们的“最佳学习伙伴”。面对AI带来的颠覆性影响，教育行业的各个角色都在思考如何迎接这场“科技风暴”。
在诸多专家提出的见解中，亚马逊云科技上海人工智能研究院院长张峥的演讲尤为引人深思。他以《AI时代的教育，应该做什么？》为主题，提出了在人工智能时代，教育应如何通过革新，实现人类自我能力的飞跃。
张峥首先通过比较人类教育系统与大语言模型的训练方式，揭示了两者在智能发展路径上的差异。他指出，人类教育系统类似于一条流水线，从小学到大学，再到高等教育，最终培养出各行各业的专门人才。这一过程虽然高度模块化、标准化，但缺乏灵活性，难以培养出跨领域的复合型人才。
相比之下，大语言模型的训练方式则更为灵活。它通过预训练、多任务学习和强化学习等步骤，实现了对多种任务的快速适应和组合。然而，大模型也面临着数据瓶颈和价值判断的挑战。由于文本数据中充满了互相矛盾的观点，大模型在输出时需要进行价值对齐，以确保输出的内容真实、无害。
张峥进一步分析了数据背后的统计分布规律，指出世界万物的现象背后存在着正态分布和长尾分布两种根本的统计规律。这些规律不仅影响着世界万物的互动现象，也影响着大语言模型的语料库。由于语料库反映了这种统计分布，大模型在处理复杂问题时可能会遇到困难，因为复杂问题在语料库中的出现频率较低。
在比较人类智能与大语言模型的差异时，张峥指出，人类智能通常是窄谱的，聚焦且深入，而大语言模型则是广谱的，上知天文下通地理，但思考相对浅显。然而，随着技术的发展，大模型已经开始突破传统的浅层思维模式，能够在思维链中间回溯、评估并调整路径，使思考更加深入。
张峥认为，大模型之所以强大，是因为其规模庞大，能够完成多层次的模式补全，并在不同层次间切换和重复。这种工作方式在很多任务中超过了人类。然而，真正的可泛化智能仍处于起步阶段。大模型虽然能够学习很多模式并做出预测，但缺乏抽象化思考和发现新规律的能力。
最后，张峥提出了AI时代教育的三个目标：挑战现有教育的极限、学会像文艺复兴时期的科学家那样思考和提升核心能力。他鼓励教育者放开学生对AI的使用，通过设定更高、更具挑战性的目标来提升学生的学习效果。同时，他也倡导学生利用AI工具拓宽知识面，成为广谱型人才。最终，教育的目标是培养出无论在有AI还是无AI环境下都能强大自我的人才。
