在2026年政府工作報告中，“人工智能”被多次提及。

報告明確提出，打造智能經(jīng)濟新形態(tài)。深化拓展“人工智能＋”，促進新一代智能終端和智能體加快推廣，推動重點行業(yè)領(lǐng)域人工智能商業(yè)化規(guī)�；瘧�(yīng)用，培育智能原生新業(yè)態(tài)新模式。

今年春節(jié)前后，各大廠商集中更新大模型，為何選擇這個時間點？AI賦能千行百業(yè)，還需要突破哪些瓶頸？如何平衡算力爆發(fā)增長與能耗約束的矛盾？AI時代高等教育需要怎樣的變革？

全國兩會召開期間，《每日經(jīng)濟新聞》記者（以下簡稱NBD）圍繞上述問題專訪了中國新一代人工智能發(fā)展戰(zhàn)略研究院執(zhí)行院長龔克。

龔克曾長期任教于清華大學(xué)，在清華大學(xué)副校長任上歷練7年后，先后作為天津大學(xué)、南開大學(xué)的校長長達12年。他也是世界工程組織聯(lián)合會成立50年以來首位中國籍主席。龔克曾連任第十一屆、十二屆全國人大代表。

在采訪中，龔克提到：“今天談現(xiàn)代化離不開智能化，沒有智能化就沒有這個時代的現(xiàn)代化。智能經(jīng)濟、智能社會是2035年基本實現(xiàn)社會主義現(xiàn)代化的重要標(biāo)志�！�

談及AI技術(shù)趨勢，龔克特別希望具身智能或物理智能有更大突破，這對AI進入產(chǎn)業(yè)融合階段非常重要�！耙獜钠聊蛔叱鰜�，進入物理系統(tǒng)包括生產(chǎn)系統(tǒng)和服務(wù)系統(tǒng)；從優(yōu)化生成內(nèi)容到優(yōu)化生產(chǎn)和服務(wù)過程，使AI先進生產(chǎn)力真正能在‘十五五’期間助力產(chǎn)業(yè)高質(zhì)量發(fā)展�！�

1

生成式人工智能技術(shù)

正處于快速上升期

NBD：春節(jié)前后，國內(nèi)外各大廠商集中推出新一代大模型，你怎么看待這種迭代速度？這背后有哪些原因？為什么他們選擇在這個時間點進行更新迭代？

龔克：我認(rèn)為他們并非刻意選擇春節(jié)這個時間節(jié)點。技術(shù)如果不成熟，即便等到春節(jié)也發(fā)布不出來；技術(shù)一旦成熟，也不必刻意等到春節(jié)。在當(dāng)前你追我趕的競爭態(tài)勢下，發(fā)布延遲就意味著被他人搶先。真正的驅(qū)動力在于技術(shù)進入快速迭代期。

任何技術(shù)發(fā)展都有起步期、快速迭代期，進而進入相對穩(wěn)定的飽和期，類似移動通信和互聯(lián)網(wǎng)的發(fā)展。當(dāng)前人工智能技術(shù)，特別是生成式人工智能技術(shù)正處于快速上升期，這是一個大的技術(shù)趨勢，國內(nèi)外模型均體現(xiàn)出這一特點。

以DeepSeek為例，雖然總體上大家尚未脫離Transformer的基本框架，但其在底層代碼優(yōu)化、模型訓(xùn)練上采取了諸多有效工程化措施，顯著降低了訓(xùn)練成本，并實現(xiàn)了開源，而開源模式又加速了技術(shù)迭代。作為中國開源模型的代表之一，2023年千問開源以來，成千上萬甚至上百萬的開發(fā)者在開源平臺上進行創(chuàng)新，開源模型進展十分迅速，與GPT-5閉源模型的性能差距正在縮小，有報道說它已超過LLaMA，成為全世界下載次數(shù)最多的開源模型。

NBD：此輪發(fā)布呈現(xiàn)鮮明的技術(shù)路線分化，從視頻生成到代碼工程，從多模態(tài)創(chuàng)作到長文本推理，以及企業(yè)級Agent平臺等。你如何看待這種差異化？

龔克：人工智能要感知的模態(tài)不僅限于文字，還包括語音、視頻、音頻、靜態(tài)圖像、代碼、手勢等。在我看來，長文本、多模態(tài)并非某一家獨有的特點，而是大家的共同追求。不同公司基于自身技術(shù)儲備、人才積累，各有側(cè)重是正常的。但從大的趨勢來看，多模態(tài)、長文本、具身化、代理化是共同的技術(shù)趨勢。目前尚難判斷哪一家在某個方面具有絕對優(yōu)勢。

需要重視代理式AI的發(fā)展，代理或智能體（Agent）和模型是兩個有關(guān)但不同的概念。智能體是人工智能發(fā)展的重要方向，它不僅是人與AI的便捷的接口，它還有工具調(diào)用能力——可以調(diào)用AI模型和應(yīng)用軟件如Word、Excel、計算器、天氣預(yù)報軟件等。

NBD：2月份中國AI模型調(diào)用量爆發(fā)式增長，以4.12萬億Token的調(diào)用量，首次超過同期美國模型的2.94萬億Token。這是否具有標(biāo)志性意義？

龔克：這反映模型使用量增加。將來如果達到70%至90%普及率，使用量還會增加。我們目前使用模型時，有時會覺得不好用，這一方面取決于用戶是否善于使用，一方面是模型能力本身不夠。隨著模型性能提升，token使用量也會隨之增加。AI模型的調(diào)用量增長，一方面是中國的應(yīng)用在增加，也包括國外的調(diào)用在增加，說明中國開源模型不僅能適配中國的場景，也能以低門檻服務(wù)海外用戶。

同時要看到，智能體的發(fā)展非常重要�，F(xiàn)在人只需要給智能體布置任務(wù)，智能體可自主規(guī)劃如何完成，同時多智能體之間還可互相通信協(xié)作。智能體改變了人與智能工具的界面，會大大降低AI使用門檻，大量的AI普及率會通過智能體的形式實現(xiàn)。

NBD：最近AI“養(yǎng)龍蝦”爆火，你怎么看？是不是剛好印證了“智能體會大大降低AI使用門檻”？

龔克：最近火起來的“養(yǎng)龍蝦”（OpenClaw）是一款頗具代表性的智能體應(yīng)用。claw是“爪子”，說明其具有手足的“干活兒”能力，open則代表開源。

與那些綁定特定大模型的內(nèi)置智能體不同，盡管它的部署要稍微“專業(yè)”一些，但它有四個突出的吸引力：一是跨模型調(diào)用，不依賴單一模型，可靈活切換；二是能動手干活，比如像手指操作鍵盤那樣直接處理本地文件，完成匯集、整理、刪除等操作；三是本地化，數(shù)據(jù)無需上傳云端，具備本地記憶能力；四是開源，代碼透明、便于二次開發(fā)。它其實是智能體的框架，可調(diào)用其他智能體，有專家甚至認(rèn)為它具備某種“操作系統(tǒng)級”的潛力。

“養(yǎng)龍蝦”的走紅，恰恰印證了用戶對智能體的強烈需求——這不僅是單個產(chǎn)品的成功，更預(yù)示著Agentic AI（代理式人工智能）正在從特定任務(wù)能力走向多任務(wù)能力，代表了需求驅(qū)動的AI發(fā)展方向。

2

突破可解釋性

可提升AI整體可靠性和可信度

NBD：你曾強調(diào)大模型“可解釋性”是AI的下一個里程碑，但當(dāng)前各廠商仍聚焦性能指標(biāo)而非理論突破。在你看來，追求可解釋性與追求性能提升之間是否存在矛盾？

龔克：二者并非矛盾關(guān)系�？山忉屝躁P(guān)注的是性能表現(xiàn)背后的原理，其本質(zhì)是對模型工作原理的深入理解，它不但不會制約性能的提升，反而可以通過對原理的理解，進而更自覺地朝著高性能方向優(yōu)化模型。

但突破模型可解釋性確實面臨很大困難，因為模型的規(guī)模巨大，參數(shù)量達到千億甚至萬億量級，了解各參數(shù)及參數(shù)間的相互作用非常復(fù)雜�，F(xiàn)在，不斷用更多、更高質(zhì)量的數(shù)據(jù)來訓(xùn)練更多參數(shù)模型，這是一種通用逼近，即利用大量網(wǎng)絡(luò)連接參數(shù)逼近任意復(fù)雜的系統(tǒng)功能。但具體到模型形式、層數(shù)、每層神經(jīng)元數(shù)量、激勵函數(shù)選擇等如何進行優(yōu)化，以及價值對齊時如何設(shè)置有效的護欄，如何有效地將知識、規(guī)則與數(shù)據(jù)結(jié)合起來，都需要可解釋性方面的突破。

可解釋性突破意味著模型開發(fā)者對模型的基本架構(gòu)和運行原理有根本性認(rèn)識。事實上，業(yè)界一直在向這個方向努力，不斷有所進展，但目前尚未突破。這帶來的問題并非直接影響模型完成物理題或數(shù)學(xué)題的功能，而是涉及安全性和可信性的根基問題。在我看來，現(xiàn)在對模型準(zhǔn)確性的驗證，還沒有達到嚴(yán)格的數(shù)學(xué)證明。比如圖像識別的正確率，是用在N張圖片中發(fā)生錯誤的比例來表征的，這不是嚴(yán)格的數(shù)學(xué)上的出錯概率，更談不上掌握概率的分布及其影響因素。即使10000張圖片都識別正確，也無法保證第10001張一定正確。

我認(rèn)為應(yīng)該努力向這個方向突破，因為一旦突破，就能控制甚至預(yù)見錯誤發(fā)生的概率。發(fā)生錯誤本身不是問題，人也會犯錯，但我們可以像控制自動化機械那樣，將可靠性控制在一定的范圍內(nèi)，這個范圍可以根據(jù)使用要求設(shè)定，比如99.9%或99.9999%等不同精度水平。目前我們對人工智能錯誤的控制還做不到這一點。突破可解釋性不僅可以幫助提升某項任務(wù)性能，更重要的是整體可靠性和可信程度的提升。

可解釋性也不是絕對的，從不可解釋到逐步深化解釋，是一個發(fā)展過程�？尚判耘c可解釋性相關(guān)，但不一樣。可信性要求模型在未知場景下保持穩(wěn)定（魯棒性）、不因偏見歧視特定群體（公平性）、保護用戶數(shù)據(jù)隱私（隱私保護）、符合社會倫理規(guī)范（倫理合規(guī)）等�？山忉屝耘c可信性是AI“有益、安全、公平”的基石。隨著AI在關(guān)鍵領(lǐng)域（如工業(yè)、醫(yī)療、金融、司法）的深入應(yīng)用，二者將越來越成為技術(shù)發(fā)展的重要驅(qū)動力。

3

加速AI在生產(chǎn)中應(yīng)用的重要趨勢

是向物理智能發(fā)展

NBD：你提出中國發(fā)展AI要抓住“與實體經(jīng)濟融合”這條主線，當(dāng)前市場呈現(xiàn)“大模型熱、制造業(yè)冷”的態(tài)勢，大量資本涌向聊天機器人、文生視頻等消費級應(yīng)用。你怎么看待這種態(tài)勢？背后的原因是什么？

龔克：AI作為先進生產(chǎn)力，必然要在生產(chǎn)中發(fā)揮作用。歷史上，任何先進生產(chǎn)力的引入都是為了提高生產(chǎn)水平，AI也不例外。如何加速AI在生產(chǎn)中應(yīng)用？目前業(yè)界看到一個重要趨勢——向物理智能發(fā)展。AI不僅要能聽、能看、能說、能思考，還需要“手和足”，即行動能力，實現(xiàn)知行合一。這是非常重要的發(fā)展方向。

要進入生產(chǎn)領(lǐng)域，必須與行業(yè)生產(chǎn)知識深度融合，這是跨越門檻的關(guān)鍵。目前這方面并非不熱，國內(nèi)外大量公司都在做。麥肯錫最新的全球AI現(xiàn)狀調(diào)研顯示，至少在一個職能中常態(tài)化使用AI的企業(yè)比例，從2024年的78%上升至2025年的88%。

世界各國都非常重視人工智能的產(chǎn)業(yè)應(yīng)用。中國的“人工智能+”行動就是要加快產(chǎn)業(yè)應(yīng)用，包括改造傳統(tǒng)產(chǎn)業(yè)實現(xiàn)智能化升級和創(chuàng)造AI原生新產(chǎn)品新產(chǎn)業(yè)新業(yè)態(tài)兩大方面，目的是在整個生產(chǎn)流程中提高質(zhì)量、提高效益，降低能耗和物耗、減少碳排放，真正實現(xiàn)高質(zhì)量發(fā)展。中國制造業(yè)規(guī)模全球最大，但在一些消費者的心目中并非高質(zhì)量制造的典型代表，“瑞士制造”“德國制造”“日本制造”在國際市場仍有更高的認(rèn)可度。我們希望通過智能化改變這一局面，讓“中國制造”成為高質(zhì)量的象征。

事實上，目前已經(jīng)看到成效。例如，新能源汽車動力電池的價格、性能、續(xù)航能力、安全性與電池技術(shù)密切相關(guān)。中國動力電池國際市場占有率越來越高，這并非僅靠技術(shù)補貼，而是通過AI賦能帶來的技術(shù)競爭力。

比如，深圳計算科學(xué)研究院與產(chǎn)業(yè)合作，引入大數(shù)據(jù)和AI技術(shù)，通過機器學(xué)習(xí)對電池數(shù)據(jù)建模，有效解決新能源汽車動力電池在生產(chǎn)的化成與分容、自放電率檢測等程序高耗能、長耗時和低精度的難題，實現(xiàn)核心工藝周期縮短80%，能耗下降60%，預(yù)計每10億瓦時產(chǎn)能可節(jié)省上百萬元的電費，而且精度比行業(yè)標(biāo)準(zhǔn)提升一個數(shù)量級。這樣的例子還有很多，比如將機器視覺引入產(chǎn)線上的瑕疵檢測，不僅顯著地減少漏檢率和縮短檢測用時，還可以進一步追溯瑕疵產(chǎn)生點，改進生產(chǎn)工藝，降低次品率。

此外，AI還催生了新產(chǎn)業(yè)。最典型的是智能網(wǎng)聯(lián)車，目前中國智能網(wǎng)聯(lián)車試驗正快速推進；智能眼鏡等新終端產(chǎn)品也在發(fā)展；家用智能掃地機能根據(jù)家庭環(huán)境自動規(guī)劃路線、識別環(huán)境變化完成清掃；自動剪草機可精確定位，能識別草與菜的區(qū)別。這些全新產(chǎn)品也帶來了新消費。

同時，新職業(yè)正在涌現(xiàn)。智能網(wǎng)聯(lián)車在云端有車輛監(jiān)管員，還有數(shù)據(jù)清洗師、標(biāo)注師、算法審計師等職業(yè)隨著AI的推廣使用逐漸出現(xiàn)。

“人工智能+”行動的目標(biāo)是到2027年底，新一代智能終端、智能體等應(yīng)用普及率超70%；到2030年超90%，為2035年全面步入智能經(jīng)濟和智能社會奠定基礎(chǔ)。

4

AI作為通用技術(shù)會打破

原有的產(chǎn)業(yè)分工和管理模式

NBD：如果AI要更全方位賦能千行百業(yè)，在算力、數(shù)據(jù)或治理體系方面，還有哪些需要突破？

龔克：新的生產(chǎn)力導(dǎo)入需要系統(tǒng)性變革。國際上用詞有區(qū)分，中文都叫“應(yīng)用”，但英文有“application”（應(yīng)用）和“adoption”（采用）之分，現(xiàn)在國外談AI產(chǎn)業(yè)更多會使用adoption。應(yīng)用強調(diào)技術(shù)如何使用，而采用包括技術(shù)、流程、組織的整體改變。任何工業(yè)革命都會帶來產(chǎn)業(yè)結(jié)構(gòu)變化。有電和沒電前的產(chǎn)業(yè)結(jié)構(gòu)、工廠生產(chǎn)流程不同；有網(wǎng)絡(luò)和沒網(wǎng)絡(luò)，公司組織結(jié)構(gòu)也不同�，F(xiàn)在向智能化發(fā)展一定會帶來類似改變。

具體而言，算力方面，算力不僅需要芯片和云架構(gòu)，還需要強大、穩(wěn)定、高效的能源支持，這就落到了基礎(chǔ)設(shè)施層面，對整個工業(yè)體系的改變是巨大的。

目前，我國國產(chǎn)GPU與英偉達相比，盡管性能有差異，但進步很快，相對于芯片的性能來說，生態(tài)是更為突出的問題。在芯片加工工藝方面，先進制程還存在短板，但經(jīng)過一定時間我們完全有可能趕上世界先進水平，而且這期間還可能突破傳統(tǒng)工藝技術(shù)。目前需要在現(xiàn)有工藝水平上，通過更高效的網(wǎng)絡(luò)連接、更快速的存取吞吐、更優(yōu)化的訓(xùn)練方法等，彌補先進制造工藝和芯片水平的不足，這方面已經(jīng)有很多進展。另外還要加快開源生態(tài)的構(gòu)建。

數(shù)據(jù)方面，目前AI主要靠大量數(shù)據(jù)訓(xùn)練。今后相當(dāng)長的時間內(nèi)，數(shù)據(jù)質(zhì)量仍然決定模型能力，而數(shù)據(jù)質(zhì)量取決于標(biāo)注，高質(zhì)量標(biāo)注需具有專業(yè)知識的人。數(shù)據(jù)標(biāo)注目前已成為快速發(fā)展的行業(yè)，正在吸納大量就業(yè)。

另外，更重要的問題是數(shù)據(jù)打不通、不能共享。原因包括對隱私、企業(yè)秘密、知識產(chǎn)權(quán)的擔(dān)憂以及長期條塊分割下形成的種種壁壘等。要創(chuàng)新數(shù)據(jù)共享機制，在安全的前提下實現(xiàn)共享。技術(shù)上可采取很多辦法，如通過可信數(shù)據(jù)空間實現(xiàn)數(shù)據(jù)“可用不可見”。

治理體系方面，一是AI作為通用技術(shù)會打破原有產(chǎn)業(yè)分工。比如小米跨界造車，實際上是突破了傳統(tǒng)行業(yè)管理界限和分工。新質(zhì)生產(chǎn)力必然會突破舊有的生產(chǎn)關(guān)系。

二是安全性治理。在大模型不能完全解釋、錯誤概率不能精確控制的情況下，必須進行安全審查，防止安全事故。比如在工業(yè)領(lǐng)域，易燃、易爆的生產(chǎn)環(huán)節(jié)等不能出事故；在倫理和法律上，要防止用大模型造謠生事以及制造危害品等。治理是要讓先進生產(chǎn)力健康發(fā)展和安全應(yīng)用，而非阻礙其發(fā)展。治理與創(chuàng)新不是對立的，好的治理會提升公眾對AI的信任，進而促進創(chuàng)新發(fā)展；治理也需要技術(shù)創(chuàng)新的支撐，離開必要技術(shù)手段，治理就只能是空談。

NBD：數(shù)據(jù)顯示，AI算力需求正以每年300%的速度增長。你曾提出AI應(yīng)服務(wù)于“聯(lián)合國可持續(xù)發(fā)展目標(biāo)”，當(dāng)技術(shù)演進本身成為能源消耗巨獸時，如何平衡這種算力爆發(fā)式增長與能耗約束的矛盾？大廠“各自為戰(zhàn)”是否造成算力資源浪費？

龔克：目前還不能簡單說是“浪費”，因為是由需求拉動，整體算力仍然不足。國家也在部署大訓(xùn)練場等新型基礎(chǔ)設(shè)施，但能耗巨大且增長快，這是個全球性問題，所以現(xiàn)在提出發(fā)展太空算力。

解決能源問題有兩條路：一是提高能效，讓每token訓(xùn)練和推理的能耗盡可能少，但token總量大量增加，能效提高不等于總能耗減少；二是能源供應(yīng)要綠色化，靠煤、石油、天然氣等有限的化石能源不可能支撐經(jīng)濟社會的智能化。必須轉(zhuǎn)向可再生能源，國家統(tǒng)籌算力基礎(chǔ)設(shè)施建設(shè)，提出“東數(shù)西算”，就是因為西部可再生能源豐富，推動能源供給結(jié)構(gòu)的轉(zhuǎn)變。

5

AI時代對教育系統(tǒng)提出更高要求

NBD：到“十五五”末，新一代智能終端與智能體等應(yīng)用普及率將超過90%，這是否意味著大量知識工作者可能面臨“技術(shù)性失業(yè)”。當(dāng)AI從“工具”進化為“同事”時，教育體系是否應(yīng)該前置性地培養(yǎng)AI無法替代的能力，還是需要進行更深層次的制度設(shè)計來加以應(yīng)對？

龔克：關(guān)于就業(yè)問題，世界經(jīng)濟論壇《2025年未來就業(yè)報告》預(yù)測，到2030年期間，全球?qū)⒂?200萬個工作崗位被替代，同時預(yù)計催生1.7億個新崗位。新增方向主要是數(shù)字化和綠色化：與數(shù)據(jù)、智能體相關(guān)的數(shù)據(jù)清洗、模型審計、模型訓(xùn)練調(diào)推服務(wù)等；與環(huán)境優(yōu)化治理、新能源導(dǎo)入、可再生能源利用等相關(guān)的崗位。新生產(chǎn)力會帶來想象不到的新崗位。

歷史上，從宏觀上來看，沒有證據(jù)證明新生產(chǎn)力會導(dǎo)致社會就業(yè)減少，機械化、電氣化、信息化非但沒有在整體上減少就業(yè)，反而大大增加了就業(yè)，但中間會有結(jié)構(gòu)轉(zhuǎn)換期。廣東的數(shù)據(jù)顯示，過去十年隨著廣東的智能化升級，制造業(yè)就業(yè)是增加的，因為產(chǎn)業(yè)規(guī)模在發(fā)展。有加工制造企業(yè)在數(shù)字化轉(zhuǎn)型中實現(xiàn)了產(chǎn)能、質(zhì)量、品種的顯著提升，在自動化、智能化程度大幅提升后，用工總量并沒有減少，但是發(fā)生了結(jié)構(gòu)變化，即辭退3000多人又新聘了3000多人，因為崗位上干的活不一樣了，崗位能力要求也不一樣，這就是結(jié)構(gòu)性變化。實際上，目前中國就業(yè)市場對具備機器學(xué)習(xí)等使用AI能力的用工需求不少于500萬，同時存在就業(yè)難的問題，這就是結(jié)構(gòu)上的“錯位”。因此，對于被替代崗位的人員需要良好的社會培訓(xùn)系統(tǒng)來幫助其轉(zhuǎn)型，因為新崗位一定需要能夠駕馭人工智能能力的人。

NBD：AI時代高等教育需要改革嗎？需要改什么、怎么改？

龔克：需要非常深刻的改革。當(dāng)然首先要看到，AI給教育系統(tǒng)帶來了積極變化。

具體而言，教育系統(tǒng)應(yīng)該是以學(xué)習(xí)為中心的，但長期以來我們一直難以解決在“老師講、學(xué)生聽”的模式下學(xué)生主動學(xué)習(xí)的問題，現(xiàn)在學(xué)生使用AI工具后，不再簡單靠課堂聽講、記筆記，可隨時向AI提各種問題，得到專業(yè)回答，實現(xiàn)學(xué)習(xí)主動性，這是以前很難做到的。其次，AI的回答往往不限于既有學(xué)科邊界，可以跨學(xué)科提供相關(guān)知識。第三，AI學(xué)習(xí)是完全個性化的，可以匹配不同的學(xué)習(xí)進度和學(xué)習(xí)習(xí)慣。第四，使用AI工具學(xué)習(xí)本身就是使用工具的實踐性，學(xué)生需要練習(xí)如何一層層地提示才能得到滿意的回答，這就是“提示工程”實踐�？傊�，AI帶來了學(xué)習(xí)的主動性、跨域性、實踐性和個性化，這些都是非常好的。

但AI也對教育帶來新的挑戰(zhàn)。

一是“即時滿足”代替了深度思考。如何把AI變成學(xué)生的深度思考工具而非膚淺獲取答案的工具？另一個挑戰(zhàn)是知識體系構(gòu)建。原來大學(xué)傳授體系化知識，從教學(xué)計劃到每個課程的章節(jié)結(jié)構(gòu)，是一個精心設(shè)計、久經(jīng)磨煉的知識體系，現(xiàn)在AI學(xué)習(xí)往往是基于問題的碎片化的學(xué)習(xí)，而非基于原理的體系化的學(xué)習(xí)。這就帶來一個問題，即如何在AI時代幫助學(xué)生構(gòu)建知識體系和培養(yǎng)學(xué)習(xí)進行知識體系構(gòu)建的能力？這些都是教育界需要思考的。

實際上，上述挑戰(zhàn)對教師乃至整個教育系統(tǒng)提出了更高的要求。學(xué)校要改革教學(xué)管理以適應(yīng)新的學(xué)習(xí)方式、師生關(guān)系，同樣要幫助學(xué)生構(gòu)建堅實寬廣的知識體系和強大的學(xué)習(xí)能力；幫助學(xué)生使用工具、駕馭工具而非依賴工具。特別是要提高提出問題的能力和判斷能力，過去老師出題、檢驗答案是老師的事，現(xiàn)在使用AI時，問題要學(xué)生提、答案要學(xué)生判斷，這就需要具備發(fā)現(xiàn)和提煉、分析和解構(gòu)、歸納和綜合問題的能力，需要進行事實性、科學(xué)性、邏輯性和倫理法規(guī)的審視和判斷能力，以及價值和審美的判斷能力。

由此，教學(xué)體系、教學(xué)方案甚至學(xué)科設(shè)置都要改變，絕不是增設(shè)幾門課程，也不是設(shè)一個人工智能學(xué)科或若干相關(guān)學(xué)科就行了。所有學(xué)生都要學(xué)人工智能，就像當(dāng)年都要學(xué)計算機一樣。40多年前我們說計算機“從娃娃抓起”，這實際上是保證今天我們能跟上信息革命的重要一步。現(xiàn)在，對于人工智能的學(xué)習(xí)也必須從小抓起，一直到大學(xué)，到繼續(xù)教育，要構(gòu)建適應(yīng)智能化時代的包括各級各類學(xué)校但不限于學(xué)校教育的全社會終身學(xué)習(xí)體系。我覺得，抓教育，應(yīng)該是中央提出要“投資于人”的重要內(nèi)涵之一。

記者|張蕊

編輯|魏官紅

視覺|陳冠宇

排版|魏官紅

統(tǒng)籌|易啟江

｜每日經(jīng)濟新聞 nbdnews 原創(chuàng)文章｜

未經(jīng)許可禁止轉(zhuǎn)載、摘編、復(fù)制及鏡像等使用