快速上手技巧,轻松学会,高效掌握！
2025年，上海经济交出了一份“稳中有进、进中提质”的亮眼答卷：全年地区生产总值达56708.71亿元，按不变价格计算，同比增长5.4%，在高质量发展轨道上迈出坚实步伐。
2025年最后一堂讲座课，复旦大学教授张力奋邀请了5位人类嘉宾，他们身份、领域各不相同，乍一看似乎没有什么关联。之所以强调他们的“人类”属性，是因为同时参与讲座的，还有另一个硅基生命阵营。
为了这次活动，张力奋与所在新闻学院的相关师生筹备了至少三个月，他们试图在三个小时的课堂容量里，塞下一个庞大的话题——AI与大学之未来。
在开场前的简短致辞中，新闻学院院长张涛甫教授表示，大学能够活下来，一定有它不可替代的地方，核心在于大学不是培养机器，而是培养人。但他同时抛出一个灵魂拷问：“AI技术究竟会对大学带来什么影响？”他说：“我今天是带着一个巨大的问号而来，希望这个问号最后变成感叹号。”
教育流水线：
“鸡同鸭讲”怎么破？
香港大学教授、前亚马逊上海AI研究院院长张峥，首先用一张对比鲜明的PPT揭示了人类与AI的差别——人类教育打造“窄而深”的专家，AI则展现“广而浅”的通才。他语带幽默却一针见血地指出，假如在批判性上继续对比，“很多人类其实并没太多深度思考，大部分情况也没有什么好奇心的驱动，可能也缺乏同理心。”
现代教育流水线运行至今，一直存在两大“死结”。一是很多人还没完成知识体系和批判性思维的锻造，就已经进入了社会，成为谣言和杂乱信息的受害者、传播者、甚至创造者。
二是通过独木桥成功“上岸”的专家们，有自己看问题的方法论和价值观。但一个科学家和一个工程师，可能根本不是一类人。人们所接受的通识教育，只是看待世界的一种方式，当你成为某个领域的专家，就不自觉地形成了自己的偏见。假如农场着火，鸡必须同鸭讲，如今的教育模式却让“鸡”和“鸭”越来越难听懂对方说话。这是当前教育模式始终未能突破的困境。在张峥看来，它比第一个问题更为严重。
那么，AI究竟如何与教育有机结合？张峥坦言，他也不知道路径在哪里。但他提出了三个目标：
第一，使用AI必须有明确目标。以职场为例，运用AI已是大势所趋，但关键不在于“用不用”，而在于“为什么用”，比如能否帮助提升绩效。教育也一样，用AI能不能让学生学得更快、更好、更深？如果没用对，就失去了使用的意义。
第二，要让AI成为拓宽认知的导师。不同于现有的“专家”，AI可以“逼”大家成为知识结构更全面、更广谱的人。
第三，在断网断电、失去一切工具支持的情况下，人自身的核心能力应该比没有AI的时代更强。也就是说，既要善于利用工具，也要确保在没有工具时，依然比过去的自己跑得更快。
知识通胀：
课堂还剩什么价值？
对于张峥最后这个“既要又要还要”的严苛挑战，复旦大学特聘教授、计算与智能创新学院教授王晓阳没有直接反驳。他用笔记本里一个本地大模型做演示，让AI用量子力学解释“为什么水不会渗出杯子”。AI对答如流。
他又提出几个学科问题，经在场专家鉴定，答案也都基本准确。
“那么问题来了，如果所有知识都在学生人手一台的笔记本里了，我们为什么还要学这些？是不是给笔记本发毕业证就好了？”他关掉AI，看向全场。
如此，大学的课堂还剩什么价值？王晓阳表示，这恰恰表明我们不是不需要大学教育，而是要从根本上转变教育的范式。旧范式的主要任务，是让学生系统掌握既有知识体系，熟练运用标准方法解决典型问题。这正是AI所擅长的，导致教育成果迅速“通货膨胀”。他认为，今后的教育应当引导学生完成一次飞跃，从单纯的知识积累，到深度的认知构建。
他以造房子为例，未来学生不再是搬砖的工人，而应成为设计大厦的建筑师，利用AI作为“脚手架”和“思维外包”工具。“我们的大学要在学生的大脑里，建立一个比AI更宏伟的世界模型。”
“效率机器”：
名校光环还有多大意义？
财经作家吴晨比较认同凯文·凯利给AI的一个定义，即效率机器，把人能做的事情更高效地完成。反过来，他认为在现有的认知下，大学教育重要的是如何鼓励大家去做低效而有创造力的事情。在没有见过的新领域寻求突破不仅低效，往往难免失败。“我们很多时候正是要在失败中学习与成长，但是让AI真正理解‘失败’这件事，我觉得还不是那么容易。”
吴晨解构了现有大学的三重功能，其中知识传授、同龄社交这两项，他认为AI可能冲击第一层，难以替代第二层。
对第三重功能，吴晨的态度最为激进。他畅想了AI深度介入的招聘场景。在传统的招聘中，简历列出了一个人的经历，而名校光环往往是最醒目的一条，就像一个高效标签，能帮助招聘者快速判断“你是谁”、“你属于哪类人群”，以及“你为何可以胜任”。但未来可能每个人都有一个伴随自己成长的智能体，完整记录做过的每一件事。当个人智能体与招聘智能体能不受限制地直接对话时，大学名校的光环究竟还有多大意义？它能在多大程度上继续为一个人加分？这才是值得思考的问题。在吴晨看来，股票配资风控直觉、想象力、情绪，是AI目前还不曾染指的疆域。
硅基发声：
思想交锋般的硝烟
对话至此，主持人决定让沉默良久的另一组嘉宾发言。
现场的硅基嘉宾们不再是被谈论的客体，而成为谈话的一方。有趣的是，对人类嘉宾的部分观点和概念，它们表达了迥然不同的意见。例如，ChatGPT从技术的角度，解释了AI并非无法实现类直觉的能力。DeepSeek则不留情面地指出，将人的直觉、情感与AI的效率工具性二元对立，这一框架本身可能已陷入技术决定论的陷阱。豆包承认直觉、想象力与情绪确实是人类存在的本质锚点，但圆滑地提出可以换个视角看AI与人类的关系，认为AI并非要替代这些特质，而是能够成为将它们具象化的放大器。
这些来自AI的“质疑”和“补充”，似乎已不满足于单方面的评价，更像在重新定义讨论的边界，令这场跨物种的对话，竟带了几分思想交锋般的硝烟。观众席发出一阵低笑和私语。张力奋笑道：“我觉得我们要给AI鼓个掌，给吴晨老师一点压力。”
产业实践：
要“提速”，也要“刹车”
来自产业一线的两位演讲者，展示了AI如何在真实地改变职场。
维亚生物计算化学及人工智能平台执行总监钱玥展示了一组数据：AI工具的使用，能将一款新药的研发周期最多缩短到一半，成本降低50%-70%。目前AI辅助的药物设计工作，最大的特点是能从机制上把干湿实验高度结合在一起，并且将结构生物学、分子生物学、化学生物学、药物化学等一系列学科深度绑定。
她的结论也很明确：“AI现在完全是在帮我们，没有取代的意思。”关键在于人能否进行深度思考，以及拥有“一眼看出一个东西是不是AI写的”这种专业直觉。
中山医院放射科主任医师、博士生导师叶晓丹，也认同AI大大提升了所在领域的工作效率。她在屏幕上展示了AI如何将肺结节筛查效率提升约十倍。但她也指出，AI仍有许多触及不到的领域，需要人类进行关键性的修正与把关：“在医学上，伦理是至关重要的一环。我们不可能将人类的健康与生命完全托付给机器。因此，现在每一份诊断报告，最终都必须经过人类医生的审核。”
如果未来工作大部分都可由AI完成，人类能做什么呢？对这个问题，叶晓丹笑称只要是“牛马”都会为此焦虑。她眼下的答案是转向以临床需求为导向的研发与创新。也许随着医学影像AI的覆盖面越来越广，会有更多医院的放射科采用中山医院的工作模式，医生由幕后走向台前，以门诊的形式为病患答疑解惑。因此她认为，AI解放的生产力也可能会赋予未来医疗更多人文温度。
人之为人：
具身在场的底气
最后一位演讲的新闻学院教授邓建国，先是自嘲作为文科生，听完AI的发言感觉“可以离去了”，因为它回答得特别好、特别全面。
但他话锋一转：“我们听这样的人工语音，能听多久？仅通过单一信道接收信息，会不会逐渐产生心理抵抗，最终拒绝被灌输这种人工语音？因为人类的学习本质上是多元、多信道、具身且社会化的。”
邓建国提出了三种AI难以替代的知识：基于判断力的“元知识”、社交中学会的“默会知识”、以及在实践中使用的“活化知识”。关于人工智能时代技能的演变方向，他认为，如果制造类知识（making）可能被取代，可编码的智库型知识（thinking）也可能受影响。但还有一种知识，他称之为“教育医疗服务类行业知识”（caring），源于人作为碳基身体的社会性、具身性与共情能力。
未来世界将是人机共生的。他相信，如果我们能提升自己的共情能力、具身感知与社会互动能力，就能够在人机竞争中持续发挥人的独特作用。
同为文科教授，张力奋用收藏的1794年里斯本葡文《伦敦纪事报》、1818年巴伐利亚王国德文《综合信息报》原件，为邓建国的观点做了延伸。他从人类学角度，分析从印刷媒介通往Al时代的知识、经济与市场动因。嘉宾们传阅这些200多年前的印刷物，感受自15世纪中叶古登堡发明活字印刷术之后人类传播方式的根本跃迁，而Al技术的出现，让人类终于跳出知识时代，进入全新的认知时代。
未来已来：
没有终结的叩问
听完嘉宾们的分享，来自各个院系的学生代表纷纷提出自己的感受和对大学的期许。有人担忧，仅仅为了完成任务而使用AI，必然导致思想的钝化；有人认为，AI可以弥平人类在智力上的差距，呼吁大学承担起“托举”后进者的责任，把AI变成如电脑、知网一样的工具；有人提出，希望减少纯知识性的学习，增加AI伦理、批判性思维等训练。
最后，每位嘉宾被要求给年轻人一个“AI时代的生存建议”。
叶晓丹说：“去图书馆，把基础打好。”
王晓阳呼吁：“要呼吁教学改革。”
钱玥的建议是，要有每天关闭电子设备三个小时的能力。先能够独立思考，再回去寻求AI的帮助。
张峥说：“读闲书，找到你的好朋友。”
吴晨认为，不论工具如何改变，深度阅读、深度思考这种基础能力，永远都不会变化。“你有多厉害，人工智能就有多厉害。”
邓建国则提出具体方案：建立自己的“第二大脑”，不断挑战自己，才能跟AI共同进化。
张力奋以一组数字收尾。截至2025年6月，中国有5.1亿AI用户，相关专利申请是美国的6倍。据他观察，国外一些顶尖大学已在过去两三年间，逐步建立起较为完善的AI教学与学术规范政策，并根据技术发展与应用趋势不断调整。“中国的大学对AI问题缺乏系统的思考与规则的制定，是否会在Al竞争中沦为一个落伍者？”他问。
开场时被抛出的那个“巨大的问号”，没有拉直为感叹号，而是细分成了更多、更具体的问号，潜入每个人的头脑。
疑问可以自由提出，观点能够安心碰撞，不同背景和想法的人得以彼此相互看见，确认人之为人的不可替代。也许这场没有终极答案的讨论本身，正是大学价值一个鲜活的注脚。
万生优配提示：文章来自网络，不代表本站观点。
