E47-AI这么厉害，我们为什么还要学习？

本期立意

赫小妹提出了一个可能让老师心跳加快的问题：AI会写作文、做题、翻译、画画，还会写程序，学习时间是不是可以直接减半？她甚至已经安排好了新职位——自己当“人类总经理”，让AI这个“全能员工”替她学习。

爸爸没有急着反驳，而是把问题推向一次真正的小游戏挑战：请AI设计一款“企鹅滑冰接草莓”的游戏。谁来决定草莓掉多快？谁来发现企鹅穿墙？如果AI自信地宣布“完美无误”，画面里的企鹅却一开场就飞出屏幕，又该相信谁？

这一期不讨论怎样和AI比赛背答案，而是追问一件更实际的事：当AI可以迅速交出第一版，人为什么仍要学习？因为目标要由人提出，结果要由人看懂，错误要由人发现，修改方向与最终责任也仍然在人手里。学习，是在脑子里建立一把基本的尺子，让孩子既有能力怀疑AI，也有能力不乱怀疑，并把AI生成的草稿变成真正属于自己的作品。

主播列表

爸爸：康尼
女儿：赫小妹

本期金句

“你刚才偷偷给它加了一个并不存在的‘全能’。”
“AI可以写第一版，但目标、规则和检查，还是你的任务。”
“检查不是按一下‘检查’按钮，而是你得知道自己在检查什么。”
“学习让你有能力怀疑，也有能力不乱怀疑。”
“AI能帮我跨过第一道门，但门后面往哪儿走，我还得自己看。”

本期内容大纲：你将会听到

一场关于学习时间的父女谈判：赫小妹想把学习时间减半，用省下来的时间研究零食、测试动画片，再“监督AI替自己学习”；爸爸则从“全能员工交错东西怎么办”开始追问。
一只企鹅引发的小游戏挑战：主角要滑冰接住天上掉下来的草莓，但不能穿墙，草莓也不能掉得像闪电一样快。AI能写第一版，游戏的目标、规则和“怎样才算好玩”却要先由孩子说清楚。
企鹅卡在墙里之后，谁来负责检查：让第二个AI检查第一个AI，再让第三个加入，最后可能只得到一个“AI检查委员会”，以及一只仍然动弹不得的企鹅。
AI为什么会一会儿很厉害，一会儿又很离谱：父女用“锯齿状能力边界”理解AI的不规则表现——它可能完成某些看起来很难的任务，也可能突然在一道相似问题上掉进坑里。
AI怎样改变真实工作：客服、程序员和医生都可以让AI先找答案、写代码或标记可疑影像，但听懂需求、发现漏洞、结合现实作决定并承担责任，仍然不能只交给机器。
脑子里的“尺子”有什么用：懂一点植物、数学和故事，才能发现仙人掌的浇水建议不对、价格算错了，或者人物性格突然变了；遇到“暖地方的企鹅”，也不能只凭印象下结论，而要继续追问和查证。
有了翻译工具，为什么还要学外语：翻译可以搬运句子，却未必能替人听懂玩笑、语气和文化。否则别人讲完笑话，全场都笑了，赫小妹可能三秒后才收到翻译，成为“全场最有时差的人”。
从讨价还价到真正动手：赫小妹最终争取到一次家庭AI挑战——自己制定“企鹅接草莓”的游戏规则，亲自试玩，至少找出一个问题，再完成一次修改。

亲子讨论与家庭延伸

听完后，可以和孩子一起完成一次 “AI帮了什么，我又做了什么？”家庭挑战。

不必从复杂编程开始，可以选择小游戏、互动问答、植物小百科或简短外语情境对话。使用AI之前，先让孩子用自己的话写下三件事：

1. 我想做什么？

2. 这是给谁使用的？

3. 怎样才算成功？

AI交出第一版以后，不急着接受“已经检查，完美无误”。让孩子亲自试玩、重新计算或查找可靠资料，至少发现一个事实错误、不符合目标的地方，或“看起来能用，实际不好用”的问题，再决定怎样修改。

最后一起回答：

AI替我节省了哪一步？
AI哪里做错了，或者没有理解我的目标？
如果我完全不懂这件事，会发生什么？

挑战应由家长陪同，使用适龄工具，不上传真实姓名、学校、住址、照片、账号、成绩单或健康信息，也不把AI生成内容冒充成孩子独立完成的作业。

参考资料与事实边界

国际劳工组织（ILO）《生成式AI职业暴露指数》：AI更常先改变职业中的部分任务，不等于整份职业立即消失；“职业暴露”也不等于确定的失业人数。
NBER《Generative AI at Work》：客服使用生成式AI助手后的生产率变化，以及经验较少员工的收益；研究结果不能外推为AI能独立处理所有顾客问题。
微软、埃森哲及企业现场随机实验：代码助手对开发任务完成情况的影响；不代表AI可以独立开发完整软件，也不适用于所有团队和项目。
哈佛商学院与BCG“锯齿状技术前沿”研究：AI在能力范围内可能提高速度与质量，在边界之外也可能让结果变差。
《Nature Medicine》乳腺癌筛查研究：AI支持医生主持的筛查流程，不等于AI独立诊断或取代医生。
剑桥大学外语教育综述与ACL英语辅导研究：AI可用于反馈、练习和学习支架，但长期效果仍需研究，适合用于促进思考，而不是直接代写答案。
联合国教科文组织（UNESCO）生成式AI教育与研究指南：强调人的判断、主体性、年龄适宜性、隐私、偏见与准确性。

本期不主张“AI会取代所有职业”，也不保证“AI绝不会取代任何职业”。节目中的客服、软件开发、医疗和翻译案例都有具体工具、任务与研究条件，不能把其中的效果数字直接套用到所有场景。“新手受益更多”也不意味着基础知识不再重要：AI可以加快某些步骤，但判断答案、识别边界和承担责任仍需要真实理解。