AI 让孩子更早开始，难点也随之改变

八月上旬，扎克伯格发了一篇文章，叫《未来属于每个人》。他在里面提了一个很小的细节：他八岁的女儿已经能把想法写成代码，一个晚上做出一个视频。他说这叫“发明的超能力”，以后每个学生都会有属于自己的耐心导师，拥有各个学科的知识。

我没法判断这个预测有多少会兑现。但它让我想起一件更具体的事：当工具变得足够便宜、足够快，一个年轻人拿它来做什么，会越来越取决于他自己。

我们团队除了做教育，也在做预测市场相关的基础设施。以前接手一套不熟悉的代码库，光是摸清结构就要花掉几个小时，还不一定能找对地方。现在可以让智能体先梳理一遍，列出几种可能的改造方案，再动手做第一版。结果当然要自己检查，但前面那段最耗神的摸索，明显短了。

这个变化看起来只是加速，其实还有另一面。执行变快，意味着一个错误前提也可能更快地被放大。分析看起来很完整，底层数据却是错的；产品完全按设计跑，解决的是一个没人需要的问题。以前这些问题可能要很久之后才暴露，现在可能一天之内就走到你面前。

AI 缩短了执行时间，却没有减少做取舍需要的时间。很多时候，它只是让这些压力更早出现。

家长问得最多的，还是那些老问题：还要不要学编程？计算机专业还值不值得读？金融、法律、设计这些方向会不会变？说实话，一个今天十三岁的孩子到大学毕业还有将近十年，没有人能说清那时的就业市场。与其猜一个大概率会落空的答案，不如让孩子练一种更稳定的能力：在答案不确定的时候，还知道怎么往前走。

这种能力不是从“全都学会”开始的。传统教育的顺序是先打基础，再做应用。这个顺序有它的道理，基础不能凭空跳过。但 AI 允许另一种节奏：先对一个真问题产生兴趣，再在解决它的过程中补上需要的知识。一个对遗传学好奇的学生，可以从一篇真实的论文出发，读不懂的地方随时问。一个编程经验不多的学生，可以先做出一个能跑的雏形，再回头补技术概念。

基础仍然要学，只是现在可以先遇到一个非学不可的理由。我见过一些学生，平时最常问的是“这个考不考”，一旦开始做自己在乎的东西，就会主动查课纲之外的资料，问的问题也跟着变了。因为项目真的需要，他们自然愿意往下学。

工具熟练度很快就会变成基本要求。现在会用 AI 做调研、写代码、生成演示文稿的学生已经不少，半年后具体做法可能又会更新。更难得的是另外几件事：选的问题确实存在，而且具体到可以动手解决；拿到答案后知道去哪里核查；第一版效果不好时，能说清原因并决定接下来改什么。

这些事不容易被看见，但它们决定了同一个工具在不同人手里能走多远。

我常跟团队说，不要让学生为了证明自己努力，把 AI 一个下午就能解决的问题硬扛三周。省下来的时间应该拿去碰更难的问题，并在结果不理想时自己决定下一步。这样花时间，才更有价值。

AI 让很多孩子有机会在很年轻时做出可以使用的东西。接下来还要确认，他是否理解自己做了什么。工具能帮忙的地方越来越多，愿意把关键选择留在自己手里的人也会更难得。

扎克伯格那篇文章标题叫《未来属于每个人》。我读完之后一直在想，未来可能属于每个人，但更可能属于那些没有把“下一步”交出去的人。