企业官网建设流程全解析

AI这么强了，大学还得上吗？

作者：龍德明宇

大学录取快结束了。有人在欢呼，有人可能要复读。

但今年多了一种声音：AI这么强了，何必呢？高中这么苦，考大学这么难，反正什么知识AI都能给你，何必再熬四年？

听起来很有道理。但这个道理，经不起推敲。

知识和知识不一样

先说一个事实：百度搜索能搜到任何知识点，中国知网能查到任何论文，IEEE数据库里有全人类的工程智慧。这些资源十年前就有了。

怎么没有人人都变博士水平？

因为获取信息和理解信息是两回事。

信息是「是什么」，理解是「为什么」和「怎么来的」。你搜到微积分的公式，不代表你会用；你查到量子力学的方程，不代表你懂它的物理含义；你读到一段法律条文，不代表你知道法官会怎么解释它。

数据库给你的是结论，教育给你的是路径。

你不仅要拿到答案，还得知道这个答案从哪来、为什么对、在什么条件下会失效。这才是认知。而认知不是搬运信息，是重塑你的思维结构。

搬运信息，一个U盘就够了。重塑思维结构，只能靠学习。

教材是人类对世界最高效的压缩

这是很多人忽略的一点。

从小学到大学的教材，从内容选取到难度编排，不是随便凑出来的。每一章、每一节、每一道例题，背后都是无数教育研究者和学科专家反复筛选、迭代、验证的结果。

小学学加减乘除，不是因为加减乘除最简单，而是因为在这个年龄段，儿童的大脑刚好具备从具体运算过渡到抽象运算的能力，错过这个窗口，再学同样内容的效率会大幅下降。初中学代数、几何，高中学函数、微积分初步，每一步都踩在认知发展的节点上。大学分专业，是在通用认知框架上加载深度模块，这个时候你的抽象思维已经成熟，可以承受专业知识的密度了。

这套教材体系的本质，是对人类几千年知识积累的高品质、高效率压缩。

什么叫高品质压缩？人类知识浩如烟海，但教材只选了其中极小的一部分。选什么、不选什么，不是随意的。入选的每一条知识，都满足两个条件：第一，它是该学科最核心的结构性知识，不是边缘碎片；第二，它能在学习者的认知结构中产生最大的杠杆效应，学了一，能理解十。

什么叫高效率压缩？在6岁到22岁这16年间，这套体系用最优的节奏、最优的顺序，把人类文明的知识骨架植入你的大脑。太早，你接不住；太晚，你错过了神经可塑性最强的窗口。教材的难度梯度，就是在和大脑发育的节奏赛跑，既不能跑得太快让学习者崩溃，也不能跑得太慢浪费认知潜能。

两种压缩，不是一回事

教材的压缩和大语言模型的压缩，方向完全相反。

教材舍弃了表面的庞杂，保留了理解的最短路径。它教你走通答案的路，不是把答案堆在你面前。

大语言模型的训练恰恰相反：它保留了语料中的表面模式，但丢弃了理解路径。你问它一个问题，它给你答案。但这个答案怎么来的？它走过了哪些推理步骤？哪些假设被排除了？哪些边界条件被忽略了？你不知道。

就像有人给了你一个压缩包，但你没有解压密钥。那个密钥，就是你的认知结构。

没有认知结构，大语言模型给你的不是知识，是黑箱输出。你拿到了答案，但你无法判断它对不对、该不该用、用在哪儿。

这就是为什么同一个AI，博士生用起来如虎添翼，中学生用起来可能南辕北辙。不是因为博士生更聪明，是因为他有一个认知框架来筛选、验证、整合AI的输出。他的解压密钥是完整的。

而你想要完整的密钥，只能通过学习来锻造。

所以，当有人说「AI什么知识都能给你，何必再学」的时候，他混淆了两件事：拥有信息和拥有认知结构。AI给你的信息是解压后的原始数据，而教材给你的是压缩后的认知骨架，看似更少，实则更重。骨架长在你身上，信息随时可以查。哪个更值？

认知的底层操作系统

12年基础教育加4年大学，这套体系不完美。但你仔细看它的每一环，没有一环是多余的。

• 数学训练逻辑推理，让你学会从前提推导结论，而不是拍脑袋。
• 语文训练表达理解，让你能准确说出自己的想法，也能听懂别人真正在说什么。
• 物理训练因果思维，让你学会区分相关和因果。
• 化学训练实证精神，让你知道任何结论都要经得起实验检验。
• 生物让你理解生命的复杂性和涌现性。
• 历史让你看到人类犯过的错。
• 地理让你理解空间和资源的约束。
• 政治让你明白制度不是天生的。

这些不是知识，是认知的底层操作系统。

大学里分不同的专业，是在底层系统之上装专业软件。没有底层系统，专业软件跑不起来。你连操作系统都没有，装什么应用都是闪退。

这套体系是人类几千年试错后找到的最优路径。你可以质疑它哪里不够好，但你拿不出一个更好的替代方案。AI也拿不出。

目标何来？

大语言模型能在你目标明确的时候帮你深入获取知识。但目标何来？意义何来？

目标不是天生的，是在学习过程中长出来的。你在数学课上发现一个反直觉的定理，在物理课上撞上一个想不通的悖论，在历史课上看到一段无法接受的叙事，这些困惑就是问题意识的种子。

没有认知基础的人，不会产生困惑。没有困惑，就不会提出问题。不会提出问题，大语言模型再强大也帮不了你。

因为它的回答质量，取决于你的提问质量。

一个学过物理的人问AI：「光电效应的量子解释和经典解释的根本分歧在哪里？」一个没学过物理的人问AI：「光电效应是什么？」这两个问题的深度完全不同，得到的回答也完全不同。

更危险的是，大语言模型的答案看起来太像正确的了。格式工整，逻辑流畅。一个没有认知基础的人，几乎不可能识别其中的错误。而一个有认知基础的人，至少知道在什么地方需要怀疑、在什么地方需要交叉验证。

这就是元认知的力量：知道自己知道什么，也知道自己不知道什么。而元认知，只能通过学习获得。没有捷径。

而目标感、意义感、存在感，AI是零。你问它「我该学什么专业」，它能列一百条建议，但做决定的是你。你在物理课上对天体运动着迷，在实验室里第一次做出成果，这些瞬间不是AI能替你体验的。

错的是你，不是它

这是最扎心的一层。

大语言模型不承担任何责任。它给你一个错误的医学建议，它不坐牢；它给你一个错误的法律解读，它不赔偿；它给你一个错误的投资分析，它不赔钱。

你用了它的答案，后果全由你承担。

这已经是现实。有人因为盲信AI的医疗建议延误了治疗，有人因为轻信AI的法律解读输了官司，有人因为照搬AI的投资分析亏了钱。

更可悲的是：如果你判断不了对错，你甚至不知道自己已经错了。你不是被AI欺骗了，你是被自己的无知困住了。而AI一丁点都不会为你负责。

它没有欲望，没有意图，没有责任。它只是一个统计压缩器，在字面上生成了看起来合理的回答。对它来说，正确答案和错误答案没有任何区别，它既不在乎，也不承担。

但你在乎。你必须在乎。因为后果落在你身上，没有人替你扛。

所以，大学还得上

不是因为有张文凭好找工作，虽然这也是事实。

而是因为认知是你的铠甲。没有这层铠甲，AI的每一个回答对你来说都是赌博，你不知道自己赢没赢，但输的永远是你。

书还是得自己读。大学还得上。认知必须提高。

不然你连问题都提不出来。提出来了你也看不懂AI的回答。看得懂你也判断不了对错。判断不了，但后果全由你承担。

这不是鸡汤，是生存策略。

好好学习，天天向上。

这句话在AI时代，不是过时了，是比任何时候都更有价值。

本文所属专栏：AI存在论：探索AI从读AI哲学开始。真正的哲学理解，是“内在化”为一个人稳定世界观的过程。 哲学的魅力在于，当你真的“懂了”，它就不再是你“有”的观点，而是你“是”的那个世界。 建立一个有AI的世界观。有助于大家更好地理解AI，使用AI。这个哲学专栏是以AI的哲学存在论为根基，回答很多AI时代的现象和问题。