深度用 AI 已经两年多了。这两年最直接的感受是，它解决复杂问题的能力一直在涨，而且随着底层大模型升级， 这个边界还在往外扩。碰到真正复杂的问题，现在的头部模型，表现已经能胜过我见过的大多数本科生和研究生。
那问题就来了：AI 什么都会了，我们还要教孩子什么能力，才能让他们在这样的 AI 面前站得住？
有一点基本可以确定。机械记忆知识、题海刷题那套应试的路子，意义已经不大了。辛辛苦苦背下来的书本知识， 既解决不了实际问题，也没法拿去跟 AI 好好交互。再往下说，连经验和技能的积累，重要性也在下降，这些东西 AI 掌握得比人更全、更深、更准，也更快。既然拼知识容量、拼技能熟练度都拼不过它，那到底还有什么能力， 值得花力气去培养？
一门不考知识的考试
我想拿英国小升初的一种题型来说，它叫 Non-Verbal Reasoning，中文一般译作非语言推理。这种题不用文字， 不用公式，全靠图形、符号、图表来考逻辑思维。
上面这道是相似题，要你从五个选项里挑一个跟题干最像的。像不像，得自己一点点看：圆圈缺口朝哪边、外框是 实线还是虚线、里面那个小图形是什么颜色、什么形状，一个特征一个特征比过去。第二种是规律题，题干给你一组 图形怎么变，你得先看出规律，再照着推出下一个。第三种是编码题，每个图形角上标着字母，字母就是它某些特征 的编码，你要反过来破解：哪个字母管颜色，哪个字母管形状，一个变量一个变量地试，最后定出最后那个图形的 编码。
这几道题，没有一道需要你背知识。你要做的是盯着图形看，找出它们的共性和规律，用不同特征去标记、区分， 有时还得分析特征之间的关联，再对特征编码、解码，最后靠推理得出答案。做 11-plus 辅导的机构说的也是这些： 模式识别，按大小、方向、明暗去比较图形，还有抽象推理。
一条思维链，不是一堆知识
把这些能力排起来，是一条链：观察、分析、归纳、概括、抽象、推理。从一头具体的看，到另一头抽象的推，中间 没有一样是能靠背下来的。
这一点值得多想一层，因为它恰好是 AI 替不掉的部分。模型是很强的工具，但它不会自己跑到真实世界里，发现 哪里出了问题，也不会自己一路观察、归纳，摸到问题真正的样子。
为什么偏偏是这些能力
AI 强，但它是被动的。被问到才回答。在你把问题提出来、并且引导它之前，它懂得再多，也只是待着不动。
关于提出问题有多要紧，有一个不错的例子。心理学家 Getzels 和 Csikszentmihalyi 跟踪了一批美术学院的 学生近二十年。他们发现，决定作品好坏的，不是动笔之后画得多熟，而是动笔之前那段时间：怎么摆弄那些物件、 怎么琢磨到底要画什么。七年后、十八年后两次回访，当年更会给自己找问题的学生，成了最成功的艺术家；只顾着 解题的那一批，不少人干脆离开了这行。会发现问题，比会解一道给定的题，走得更远。
人负责两头
所以在 AI 时代，人的主动，主要用在两头。
前面这头，是发现问题、提炼问题、定义问题，再把问题转化成模型能处理的形式。后面那头，是盯着它给的东西， 引导它，把结果一步步收敛到你真正想要的样子。中间调动知识、给出初稿那段，交给 AI 就好。这也对上了这两年 大家慢慢形成的共识：最要紧的能力，是会提问，是把问题定义清楚，是能看出答案哪里不对、哪里单薄。越是习惯 把一切都甩给模型、自己不动脑子的人，越容易被它牵着走。
而会提问、会定义问题、会判断对错，这些能力的底子，恰恰就是那门考试里的那条链：观察、分析、归纳、抽象、 推理。
该培养什么
说回开头那个问题：AI 什么都会了，我们还教孩子什么？
我的答案是，别再让孩子把力气花在记得快、算得准上了，那块地方已经输了，机器占着。真正该练的，是盯着真实 世界看，看出别人没看出的共性和规律，能把一团模糊的东西，理成一个清清楚楚的问题。这套本事，一张考卷未必 考得出来，却是一个人在 AI 时代最硬的底气。
你希望自己的孩子，长成一个更会解题的人，还是一个更会发现问题的人？
注
- 关于非语言推理考什么：英国 11-plus 辅导资料（Atom Learning、Keystone Tutors）讲的是模式识别、按 大小/方向/明暗比较图形，以及抽象推理。
- 关于发现问题：Getzels 与 Csikszentmihalyi 对美术学院学生的长期追踪，见 The Creative Vision (1976)，以及 Getzels《Problem Finding and the Enhancement of Creativity》(1985)。