“教育理论认为，学习的本质是大脑对信息的⼀种加工，而有效的加工来自于有效的情境互动。在未来，师生关系将发生逆转，教师成为课堂的发起者或者组织者，而不是讲授者。”——徐子沛《大数据: 正在到来的数据革命以及它如何改变政府、商业与我们的生活》
0. 引言
2020年开始的这几个月来，拜疫情所赐，我一直在家辅导邻居家的孩子准备高考。据这两个月以来和这位00后高中生相处的经验，个人认为目前的教育方式对00后的吸引力为零。实际上公立教育的课堂填鸭、死记硬背已经被一些家长所看不上。北京顺义那些的国际学校，采取的是国外推崇的“项目制”学习模式，老师不讲课，学生自己组队研究。
我也在思考应该怎么能把玩和教育结合在一起，未来的教育一定是基于兴趣的，一定是基于沉浸式体验的，基于“五感”（视觉、听觉、嗅觉、味觉、触觉）融合的。迪斯尼拍摄的现象级的动画电影、票房创记录的《冰雪奇缘》，里面实际上就是用的大气物理引擎，来渲染电影里的风、雪、冰特效。如果能让科学的研究过程和结果渲染成好莱坞电影或者游戏那样，那么科学和教育才会超过今日头条、王者荣耀、抖音快手的吸引力。
北京建国路SKP南馆在去年以“数字 模拟 未来”为主题，讲述了一个关于“移民到火星”一百年后的完整故事，一天的销售额达到了惊人的10亿元人民币。电影《流浪地球》就不用多说了，得到官方的力挺，因为它融合了科学与人文教育。去年中国美术学院就开设了“玩吧”工作坊，寓教于乐，作为本科生的小学期课程教学方式。滔滔大势已不可挡。
教给自己的东西和教给别人的东西应该是同样好的、有用的才行，否则就跟食品安全一样，国人“易粪而食”，迟早会被眼睛雪亮的人民群众看穿，被历史的车轮抛弃。未来我们所有人都是学生，都是菜鸟，都是新手，所谓的“导师”，其含义将越来越接近“学习的发起者或组织者”。
龚自珍有云：“纵使文章惊海内，纸上苍生耳”。读书人的“引而不发”是虚伪和欺诈。既然不愿承担此恶名，那让我们就此开始吧。虽然知道已经晚了，但是没有时间去做，也就意味着没有时间不做了。就像《冰雪奇缘2》里面雪宝唱的那首歌一样: “If you can’t see the future, just do the next right thing.”
1. 意外：黑天鹅的孕育
统治世界的是随机，而非逻辑。人是通过大脑中构建的理论模型来认识这个世界的。所以，一个人的大脑中的模型越接近于现实，那么这个人对于现实的预测和控制力就越强。但是，现实是混沌的，是圆融的，是瞬息万变的。即使是最缜密的逻辑，和现实也是有差别的，就像是几何学中，哪怕是内切的方与圆之间也是有空隙的。总有一些突发性的、随机的、小概率的“黑天鹅”事件会断然改变一切，无法预料，不可预判。教育也是如此。和一个陌生人的偶然谈话可能会改变一个人生轨迹。
Whereas schooling has a certain predictability, education quite often produces surprises. A chance conversation with a stranger may lead a person to discover a totally new life journey.
尽管是个坏消息，但是教育也是分等级的。底层的教育是应试工具，中层是变得更好从而被挑选，顶级的教育分层是决策力、领导力、共情感、娱乐精神、探寻意义讲故事。看起来顶级的教育没那么专业和硬核，有些像搞关系，但是生产关系影响生产力，有时瓶颈就是出现在生产者之间的关系不协调。天底下也不存在真正的专业对口，总统和企业家是没有任何一家学校能培养的。
这个教育分层在目前又接受到了新的挑战，那就是人工智能的到来。AI的其中一个领域，知识表示，在未来十年内便能打穿各个学科之间的界限，将人类不同的知识整合成一个统一的结构。这将会像中世纪阿拉伯人将中国的火药传入欧洲一样，新的技术革命将击碎所有的骑士贵族和权威人士。这当然不是坏事，诺贝尔物理学奖获得者埃尔温·薛定谔曾经说过：对于统一的、普遍性的知识的不懈追求，是我们从先辈那里继承下来的最好品质。
怎样避免在人工智能时代被淘汰？最好的答案是除了重视顶级教育中的领导力和共情力之外，让计算思维消化为自己大脑中的一部分，成为人工智能的受益者，搭上时代的快车。就像英语和编程日益普遍成为小学生的课外培训课程一样，计算思维和编程语言，并不是只有计算机专业的人具有的能力。
语言是一种思考方式，没有语言，人无法精密而有逻辑地去思考。数学也是如此，当我们看到尘世间纷扰绕绕的杂乱无章，总会想去归纳分类，看看能发现什么规律。这些想法已经成为了我们思维的一部分。计算思维也是如此。人告诉机器怎么做，而后机器去执行并产出结果。这需要逻辑性，需要设计整个系统的格局，需要将问题分解执行，这些能力都可投射到现实问题。
计算机思维和人工智能允许犯错，这是显著区别于传统公立学校应试教育的特点。你背错了一句诗词的一个字，就不得分，就会被拉长脸的老师批评。而计算机思维允许迭代、允许优化、允许意外。至于初始状态，并不重要，计算机甚至有时会随机给定一个值，然后慢慢进步到最优。研究表明对于动物学习和人工神经网络的学习在错误率为 (error rate) 达到15%左右时候最优，学习效率最高，太小则让进化速度太慢，过大则缺乏足够的稳定性，会让系统失去前进的方向。这也就是人工智能中的“85%准则”。在日常学习中，拿出20%的时间来干一些从来没有尝试过的新鲜事物，并享受试错的过程，这是最佳的进步方式。
来源：Wilson R C, Shenhav A, Straccia M, et al. The Eighty Five Percent Rule for optimal learning[J]. Nature Communications, 2019, 10(1): 4646.
有一个段子，说孔老夫子所云“四十而不惑”是什么意思呢？就是人到了四十岁，甭管遇到什么奇葩的”黑天鹅”事件，都不会惊喊出一长声“嚯~~~”。这并不是说，你到了四十岁，就能看惯了各种意外。此次新冠病毒疫情，很多七十岁的老人也没见过这种阵势。巴菲特活了89岁，说他有生之年见过美股四次熔断，三次发生在2020年的三月份。不惑或不嚯，指的是你已经拥有计算机思维，知道计算机使用逻辑推演出来的结果并不能完全相信。一个初始值的细微误差发展到最后能让整个系统崩溃，一个蝴蝶煽动翅膀最终能引发一场暴风。你利用思维逻辑来最优化地分析、预测、判断这个真实世界的走向，但是又能不囿于其中，享受随机性带给生命的幸福和痛楚。
2. 先幻化再具象
有时候我们需要先快速的跑起来，再去花大量时间学会怎样慢慢走路。这个可能难以理解，稍微了解运动解剖学的人知道，正确的走路姿势是个全身的技术活。再比如游泳的时候一顿猛冲扑棱当然能浮在水面上，但是慢慢地、悠闲地、手脚动作很小地漂在水面上不下沉，非几年的功夫难以达到。在刚学游泳的时候，我是被同学突然一把推入水中的，然后一个小时内用姿势错误的、损伤肩袖关节的“大风车”直臂划水漂浮起来，从而克服了对水的恐惧。
巧妇难为无米之炊。计算机思维的基础是数据，是对客观世界的数字化描述。例如随处可见的传感器测得的温度、气压数据。这好比是西方画家中的具象派油画，如实地描绘光线和色彩。而中国水墨画讲究的是意象，讲究只可意会不可言传，这种思维被西方的逻辑推理思维当头一棒打醒无数次。抽象派画家讲究幻化，理解一个现实问题后，将它按照自己的想象力表达出一个幻象，就像魔法一样，吸引观众听你讲的故事。例如毕加索的名画《格尼卡尔》，这个城镇被纳粹“神鹰军团”的轰炸机炸成一片废墟，画的中央是一只死去的马和一位拿着灯的妇女。右边是着火的房子和尖叫的女人，利用抽象的立体几何图形控诉了法西斯惨无人道的暴行。
在公共领域，官僚系统的麻木的神经需要极其强烈的视觉效果才能冲击到影响其决策。当科学家把一份几十页的分析报告呈交给决策机构时，官僚们可能只有五分钟的决定时间。他只看最后一页的结论，行或者不行。然后再根据政治需求来决定是否采纳专家的意见。这也是为何武汉一开始反应如此迟钝的原因。因为官僚看不懂科学的数据，也没有耐心看枯燥的文字论证。如何利用现有的知识和技术，将我们居住的自然和人文环境的变化，用数据理解，但是用幻象来表示，是目前急需解决的问题。
科技是以算法和数据做为主要驱动的，而艺术则是主观表达和情感驱动。虽然二者看起来有区别，但是在美国乃至西方的大学中，理学院和艺术学院是合并在一起的。关于这个真实的世界，发现不了什么新东西的科学家和艺术家都是失败的；不能有效地表达自己见解的科学家和艺术家也是失败的。能够有效的沟通、交流、表达但没有新发现的科学家是骗子或炒作者；对世界有新的洞察但不能有效表达的艺术家会成为不被人理解的疯子。科学家更多的是为了获得新发现而辗转反侧，而艺术家往往更多的是陷于怎样表达和交流中挣扎。
“Science = art. They are the same thing. Both science and art are human attempts to understand and describe the world around us. The intended audiences are different, but the motivations and goals are fundamentally the same.” by Forbes《Why Art And Science Are More Closely Related Than You Think》
我们可以用计算机编程把两者紧密地结合，并用艺术化表达来重现科学研究的过程和结果。在文艺复兴后的这几百年间，物理学家和数学家已经对真实的三维世界进行了长期的研究，把我们观察到的世界解构为物理变量以及它们之间的相互作用。我们可以利用这些物理定律，建立真实世界在计算机中的虚拟镜像，并实时地记录预测真实世界的所有变化。2015年-2019年，中科院大气物理研究所联合中科院计算所、中科曙光等单位启动“地球数值模拟装置”原型系统。2017年，青岛海洋科学与技术国家实验室联合美国大气研究中心NCAR共建设地球系统预测实验室。2018年4月，美国能源部建成地球系统模型(E3SM)，世界第一个端到端的多尺度地球系统模型，模拟地球的地壳、大气、冰山及海洋运动。
但是这些学术圈子内的模型仍然不能满足普适性、交互式教育需求。我们不仅要实现对真实世界的分析和控制，还要创建虚拟场景满足人类的想象力发挥，为其提供全新的沉浸式体验，从而实现有效的情境互动。不是可以，而是必须。每个人都应通过编程创造一个属于的虚拟世界。就像在游戏中学到的知识更容易被记住一样，高质量的三维内容创作和互动式学习是最合适的教育方式，无论是对自己还是对他人来说，皆是如此。
3. 能抓到吗？
有没有对“文明进步”更客观的定义呢？这里我们想把进步定义为增加对生活环境的控制。——威尔·杜兰特《历史的教训》
所谓文明的进步，无非是科技提高了对人类对生活环境的控制力。自然科学的三大特征是可解释、可预言、可证伪。2019-2020年发生了这么多黑天鹅事件，我们还能精确的预测未来乃至控制它吗？
就像天气系统是永不重复的一样，每一次事件都是独特的。无论是横扫日本的台风、席卷中东的蝗灾、弥漫澳洲的山火，我们过去的应对经验往往很难直接复制。
自然界里许多复杂结构和过程，归根到底只是由大量基本单元的相互作用所引起。虽然地球系统模式一共有18000页百万行代码，但是这个世界的“终极算法”，可能一共没有多少行，也有可能是个分布式的运算，有多套系统。每个人都可以找到一个算法，其计算结果是局部最优点，接近于对这个世界的分析和预测。除非你真的是无可救药的完美主义者 (那真是很遗憾)，否则没有必要去苦苦追寻那个全局最优点，那个东西可能连爱因斯坦和牛顿也没找到。
每个人都应找到属于自己的那个局部最优点，也就是最接近天空的那个顶峰，然后像亚历山大一样对着天空喊出“我来了，我看见，我征服”，就足以达到“为往圣继绝学”的境界，无愧于作为科学和哲学千年来留下的遗产的继承者。
教育是终身的事，我们一辈子都只有一个职业，那就是学生。其他的职业title都是暂时的，干不了太久。所以别理那些蠢货，在这个有趣的世界里活得逍遥。
People are engaged in education from infancy on. Education, then, is a very broad, inclusive term. It is should be an integral part of one’s entire life. The path a person take can only be seen clearly after the destination has been reached.
