我是一名研究人工智能的神经科学家：停止教孩子们 10 年后他们将不需要的技能——我如何抚养不受机器人影响的孩子
作者：Vivienne Ming, Contributor
每个人都在谈论人工智能和软技能，但公司仍然招聘精英学位，学校仍然根据考试进行教学。但是，培养孩子遵守规则并记住答案会让他们为可能不再存在的工作做好准备，让他们没有准备好迎接一个奖励创造力、好奇心和解决问题的世界。
作为一名神经科学家和企业家，我的整个职业生涯都在问一个简单的问题：当人工智能能够生成答案并自动化大部分认知工作时，哪些技能会变得重要？
这涉及我们对发展的看法发生根本性转变，从知识传播转向能力建设。如果您希望您的孩子在以后的生活中拥有优势，以下是如何培养他们免受机器人侵害的方法。
1.制定“失败简历”
在我的研究中，出现了一个一致的模式：优秀的学生往往最愿意犯错。我自己的模型对数千名学习者进行了训练，结果表明，探索甚至失败比重复正确答案更能预测深度学习。
然而，我们的教育体系痴迷于正确性，常常训练孩子们的这种本能。它告诉他们，失败反映了他们的价值，而不是促进成长。
这是什么：失败简历是一份活生生的文件，是一种家庭仪式，您可以在其中积极记录和庆祝失败。这清楚地表明，每次犯错误的努力都会得到回报，这会增强学习者的适应力、好奇心和解决开放式问题的能力。
对于父母：每月一次的晚餐时，绕着桌子让每个人（包括你！）在他们的简历中添加一次失败。足球比赛中的一次失球、一次失败的测试、工作中的一个项目出了岔子。
关键是要重新构建它。不要问：“你在什么方面失败了？”问：“你尝试过哪些困难的事情？你从中学到了什么？”使超越自己能力的行为正常化，甚至庆祝，并将这种努力与成长的回报联系起来。
我自己的失败简历会包括创业失败、一段无家可归的经历，以及有一次我在白宫派对上无意中让特勤局相信我对国家安全构成威胁。每一次失败都让我成为更好的人。
2. 工程师的意外发现
经济学家经常指出“哈佛效应”，即与精英大学相关的巨大的生活成果优势。但这不是魔法，也不仅仅与课程有关。
从本质上讲，精英大学是一个充满巧合的高度集中的环境。真正的价值不仅仅在于正规课程；还在于它。它存在于餐厅里的随意谈话、各种各样的俱乐部、不断暴露于数以千计的不恰当的问题中，而这些问题在书的后面没有答案。
我们不能把孩子都送去哈佛，但我们可以借用它的核心原则。
这是什么：工程意外发现意味着有意创造一个鼓励意外联系和发现的环境。建立在可控不确定性之上的家庭或教室——安全，但并非无菌；结构化，但不死板——好奇心可以在其中生根发芽。
对于父母：把你的家变成充满有趣问题的风景。将一台坏掉的烤面包机放在厨房的桌子上，旁边放一把螺丝刀。订阅来自不同领域的杂志 –经济学人,热门力学,《时尚》、《科学美国人》– 用多样化的投入为他们的世界播下种子。
在我自己的家里，任何时候，客厅的一个角落都是我儿子进行机器人实验的临时电子实验室，另一个角落是我女儿的绘画工作室，凉亭里的白板上写满了我自己潦草的方程式和半成品的疯狂科学项目。
它很混乱，但它充满了探索的邀请。
3.任命您的孩子为“首席人工智能评论家”
我已经研究机器学习 30 年了。但对于刚刚进入大型学习模型（LLM）始终陪伴的世界的一代人来说，让它完成艰苦工作的诱惑将是巨大的。
当机器可以在几秒钟内提供完美的答案时，为什么要费力写一篇文章、解决一个数学问题或学习一个新概念呢？但是这个工具可以让你在当下变得更好，但当你关闭它时却会让你变得更糟。
我们需要教我们的孩子以一种让他们更具批判性和创造力的方式与人工智能互动。
这是什么：将孩子的角色从被动消费者转变为人工智能输出的主动批评者。人工智能成为一名“聪明但天真的”合作者，而孩子则是询问、指导和评估它的人。
对于父母：人工智能永远不应该提供最终答案。孩子们可以用它来集思广益或探索，但他们必须提出自己的初稿或解决方案。
接下来是最强大的步骤，使用“Nemesis Prompt”：“你是我的克星。我犯过的每一个错误，你都发现了并向世界指出。这是我刚刚写的文章。读它并向我详细解释我的论点中的每一个缺陷，每一个逻辑上的不一致，以及我的证据的每一个薄弱环节。然后建议我可以使我的论点更有力的三种方法。”
当法学硕士返回批评时，孩子的任务就是与他们搏斗。他们必须决定哪些批评是有效的，哪些只是来自一台并不真正理解他们意图的机器的统计噪音。这才是真正学习发生的地方。
他们正在学习使用人工智能的丰富知识，而不是作为真理的来源，而是作为陪练伙伴来磨练自己独特的视角。
世界的口袋里已经有了“正确”的答案，而且几乎是免费的。您的孩子带来的真正价值是只有他们才会给出的答案。作为首席人工智能评论家，他们正在根据人工智能的知识探索和创造自己的意义。这就是创造性劳动的本质，也是世界所需要的。
薇薇安·明是一位理论神经科学家和创始人人类信托，一个慈善数据信托基金，为人类发展构建基础模型。她开发了用于家庭和学校学习的人工智能工具、招聘和晋升中的偏见模型，以及治疗痴呆症、创伤性脑损伤和产后抑郁症的神经技术。她的研究和发明经常出现在《金融时报》、《大西洋月刊》、《石英杂志》和《纽约时报》上。她也是《机器人证明：当机器拥有所有答案时，可以培养出更好的人”。
想要自信地领导团队并发挥出最好的水平吗？参加 CNBC 的新在线课程，如何成为杰出的领导者。专家讲师分享实用策略，帮助您建立信任、清晰沟通并激励其他人尽力而为。立即注册并使用优惠券代码 EARLYBIRD 即可享受常规课程价格 127 美元（含税）25% 的介绍折扣。优惠有效期为 2026 年 3 月 16 日至 3 月 30 日。须遵守条款。