会，尤其是早期的通识教育。
从幼儿园到小学三年级之前，绝大多数孩子的学习时间都被要求记住语文、数学、科学、历史等被称为基础学科的零散知识上，而剩余的学习时间则被消耗在一次接一次的考试和家庭作业上。
尽管这种通识教育有助于孩子从各方面去理解自己所处的环境，但这些零散的通识教育却很难让孩子面对更加复杂的现实问题。
这不是我自己的个人判断，而是人工智能之父，马文·明斯基，在其遗作《创造性思维》中所直接提出的对通识教育的质疑。
马文·明斯基被成为人工智能之父，是因为他组织并参与了1956年的首次人工智能大会（Dartmouth Conference），后来又发明了机器人视觉系统、手臂、手指等多项关键技术。更重要的是，他所提出的神经网络模型，正是ChatGPT作为LLM所使用的Transformer深度学习算法的基础！
马文·明斯基认为，是因为人类的学习（认知，cognitive）过程并非线性的知识记忆，而是循序渐进的，包括：
注意：注意到外界的信息记忆：将注意到的信息记忆/储存下来理解：理解上述记忆/储存的信息应用：应用上述信息，解决实际生活中所面对的问题
这一人类大脑所独有的认知模型被称之为「认知塔」(Cognitive Tower)。早期的通识教育，倾向于给孩子灌输大量的外界信息，被让他们将这些信息记下来；就连理解和应用都很少涉及，更别提促使孩子们发展在这些信息中进行检索和使用的心智技能了！
简单来说就是：早期大量的死记硬背，对孩子的认知和学习能力的发展，并无促进作用。
我画了一张图，来帮助大家更好地理解，如果一个人形成了健全的认知塔，他对知识的理解和应用能力是会逐步发展出来的；但如果一个人在早期教育中更多是灌输（注意）和死记硬背（记忆），那么理解和应用能力的发展会相对延后和迟滞。
而早期的儿童，因为通识教育的原因，还要把有限的认知资源拆散成语文、数学、英语、科学……等各个基础学科，由此导致早期的注意力资源和记忆储存的信息量不足，从而理解能力更弱，甚至完全缺乏最最基本的应用能力：
两相对比，就会发现早期把大量学习时间用于分散科目、零碎知识的学习，对儿童认知能力（学习能力）的培养，有多么地低效！
正应了我家一句老话（方言）：样样懂、门门瘟。
那么，在有了ChatGPT这样的LLM以后，儿童在早期教育中的前两个环节：对信息的注意和记忆会被快速补充，甚至ChatGPT还具备相当的语义理解能力。两相对比，早期浪费在大量多学科、零散、仅需记忆的碎片化知识，几乎不堪一击。
上面这个对比图只是示意，实际上ChatGPT所记忆（存储）的信息，对人类来说几乎是压倒性的，而在有了类似New Bing之类up-to-date的海量信息以后，在注意层面的信息优势，也绝对是压倒性的。
这也是每一次AI进步所带来的焦虑所在：低价值的脑力劳动者，已经在传统的人工客服、人工电话销售、人工机械性重复操作等方面，被AI所大量取代。
那么，作为普通人、普通孩子，应该如何在教育方面，适应扑面而来的人工智能时代呢？
马文·明斯基的建议是：支持孩子的爱好，甚至包括早期的偏科以及成人眼中「不务正业」的爱好。
2017年，我在美国亚利桑那州修习早期教育课程时，老师一再强调的就是「Learing by playing」，因为无论孩子还是成年人，当我们想「玩」的时候，往往是大脑最活跃的时刻。这种由好奇心和兴趣所驱动的学习行为，会让我们试着去注意和记住更多信息，试着解释背后的原因，并想象是否有其他的可能性。
正如马文·明斯基所言：
探索、解释和学习会是孩子最执着的动力。
现实里，很多父母担心孩子太过专注自己的爱好，从而挤占学习时间、影响学习成绩，进而找到各种方法来阻止孩子发展自己的爱好。
然而事实却是：
当一个人在某些专业领域内，获得了专家的能力，才能发展出相对健全的认知塔！
而基于他在某一个领域所建立的认知塔，就可以形成一整套认知（学习）的方法论：
而右边结构性框架，是很容易向其他多个领域进行迁移的，就像：
孩子成为一名小小的恐龙专家后，很容易用同样的方法论研究其他动物；我们经常用已知的知识来类比未知的知识，例如我们说一款啤酒是「啤酒里的爱马仕」，很容易理解这款啤酒的市场定位……
更进一步，当我们用这套运作良好的认知方法论去看待不同学科时，会更容易把不同学科的知识结合起来综合思考，从而更高效地解决问题！
垂直结构向多个领域迁移。图源《创造性思维》
当教育模式着重于培养学生在理解、应用层面的能力时，才能让学生更好地驾驭ChatGPT这样的AI工具，而不是在实际应用层面（例如就业市场上）被ChatGPT所取代。
马文·明斯基对「水平专长vs垂直专长」的也有具体的阐述：
一些兴趣爱好通过持续不断地重复相似的过程积累相同级别的知识，从这个意义上来，这些兴趣爱好在概念上体现为水平的知识积累。从儿童收集漫画书、统计电影或体育的资讯情报中，我们可以看到这一点。
相比之下，另一些更垂直的爱好，会将低层级的知识碎片，例如原因、来源和影响，引导到认知塔更高层级的概念上。
简单来说，就好比：
孩子会背1000个单词，只要不会用，也不代表英语层级好，而是水平专长；孩子认知100种恐龙，但如果仅限于认知，再多问几个问题，例如「迅猛龙和疾龙有什么关系」，他答不上来，也只是水平专长；孩子能应付60%的考试题，因为通过大量刷题积累了脑海中的题库，但无法应对题型变化，那在该学科目前所取得的成绩，也只是水平专长。
马文·明斯基甚至略显「激进」地建议：
与传统方法在小学算数的沙漠中跋涉相反，我们可以鼓励孩子从几何学、逻辑学、群论和拓扑学的一些简单概念出发，去攀登与对称性、映射和类比思想相关的高峰。这样的探索可以让孩子用更少的努力和时间得到更多的知识和能力，并最终让其他许多学科也变得更加易学。
2019年，我作为知乎儿童教育类答主，有幸受邀为马文·明斯基的撰写推荐语时，为他所提到的人工智能时代下教育模式所需要的变革所深深震撼！
2020年，我组建了志同道合的团队，尝试践行他的教育理论。在我们所设计研发的家庭启蒙课程中，并不是上来就让孩子用水平专长的方式识字、刷题、背单词，而是先教给父母英语学习中构建认知塔的不同阶段，以及家长需要给到孩子的支持。
例如，如果希望孩子能接近双语水平，0~8岁的英语启蒙路线图可能是下面这样的，而不是一味地背单词、唱儿歌：
尽管这个项目因为公司业务的变更终止了，但当时很多家庭都曾因此而受益。
今天，ChatGPT的横空出世，还只是在写作、搜索和coding等领域，逐渐开始改变人们的工作方式；
但工作方式的改变，会倒逼用人需求的变化，也一定会挑战现有教育模式所培养的学生，对实际工作的适配性。
靠知识取胜的教育模式，在应试教育的指挥棒下，也许不会有太大改变；但当应试教育培育出的学生即将就业之时，一定会面临巨大的挑战，从而倒逼现有教育模型的颠覆和改革。
