熊辉教授开讲!用AI时代算法“算算”自己 | 开学第一课+新学年首场家长学堂
摘要
如果有一天,AI可以替你读完一堆论文、写出一篇文章、完成实验,甚至一天24小时不间断地工作,那我们还需要学习什么?
现在想来,人类社会的平静被人工智能彻底打破,已经是很久之前的事了。
从ChatGPT、Deepseek等对话型AI,到现在触及各行各业,衍生出越来越多“取代”人类工作职能的AI Agent(AI智能体)产品……创造算法的人类,似乎终于被算法困住。
如果有一天,AI可以替你读完一堆论文、写出一篇文章、完成实验,甚至一天24小时不间断地工作,那我们还需要学习什么?这个问题,在“后AI时代”我们从未停止向学生、向教育者发问。而从学界到产业界、再从产业界回归学界,正是熊辉教授给出的答案:人工智能的发展离不开真实的应用场景,人才培养也同样离不开实践。
李校长一直告诉老师们“教育始终要面向未来,要为学生的未来服务。”当学生的未来被放在AI时代的大前提下,要培养怎样的孩子、如何为学生赋能去抵抗时代的冲击,一直是清澜山在实践的教育命题。
第三届创新教育论坛上,熊辉教授的演讲围绕AI时代的教育,寓理于事,深入浅出,让全场观众意犹未尽,更与李校长关切的教育问题不谋而合。
新学年的开学第一课,李文平校长特别邀请香港科技大学(广州)协理副校长、人工智能与数据科学领域学者熊辉教授“惊喜返场”,再次回到清澜山校园,以「寓学于做,知行合一」为主题,为高中生和清澜家长们带来一场关于AI、学习与未来的分享。

当人工智能越来越会学习,我们为什么更不能只会学习?
向AI,发出“人生之问”
当AI可以快速获取海量知识,也能够跨越不同领域进行关联;甚至在推理、证明等方面,也正在不断突破过去人类能力的边界。
如此,人的优势还在哪里?
过去,一个人工作,意味着一个人完成自己的任务;而在AI时代,一个人可以同时调动多个AI Agent,让机器承担信息检索、实验、写作、分析等不同的工作。这是一个“1+N”的时代。“1”是人,“N”则是可以被人调动的智能体和机器。
如果你把AI变成自己身体的一部分,变成自己大脑的一部分,你的工作效率会指数级地提升。这听起来像是一场关于效率的革命。AI可以让一个人完成过去需要多人协作的工作,可以让科研人员把实验、绘图、资料整理等任务交给不同的Agent;可以让一个原本需要几天准备的演讲,在与AI反复协作之后,只用几分钟完成初稿。
可也正是因为AI承担的越来越多,人更要清楚自己应该承担什么。
我们每天都在解决问题,而完整的问题解决过程,可以被拆成:发现问题、形成问题、分解问题、解决问题,再对结果作出判断。
过去,人类往往把大量时间花在最后那个“解决具体问题”的环节。而现在,这一部分正在越来越多地交给AI,于人类而讲最重要的那一点,前移至问题的源头。
为什么要解决这个问题?
真正值得解决的是什么?
一个复杂的问题应该如何拆解?
AI给出的答案到底可不可信?
这些“问题”,开始成为人的“新工作”。
熊教授举了一个很有意思的例子:
如果让一个学统计的学生估算一家咖啡店每天的流水,真正困难的并不是最后把数字算出来,而是如何把“这家店一天到底能赚多少钱”这样一个现实问题,转化成可以被分析、被验证的问题。
·进店人数怎么统计?
·购买人数怎么判断?
·一天卖出多少杯?
·数据从哪里来?
......
当问题被拆解之后,算法和AI都可以参与其中。而人的角色,是发现问题、形成问题、分解问题,并最终判断结果。
这也是为什么,熊教授反复提到一个词:「提问」。
过去,教育更多是在帮助我们获得知识。而在AI时代,仅仅“知道得多”已然不够。
李文平校长曾多次提出:AI时代,人工智能已经掌握了所有已有的知识,人的优势就在提出问题的能力。因此,她呼吁家长保护孩子的好奇心,在全体教师大会上向老师们提出要让学生敢于提问、敢于犯错、敢于尝试的要求。
Intelligence is always asking the right question.
真正的智慧,始终始于提出正确的问题。
——熊辉教授
熊教授把人的智能分为四个境界:博闻强志、触类旁通、一叶知秋、无中生有。
其对应的是从掌握知识,到跨领域连接,再到判断趋势、预测未来,最终走向真正的“0-1”创新。而当AI已经能够在知识获取、跨领域关联,甚至部分推理任务上展现出惊人的能力时,人,需要向更高处走。
不是和AI比谁记得更多,而是比谁更能发现别人没有发现的问题,更能提出值得回答的问题,更能创造从0-1的新答案。
所以,AI带来的真正挑战,也许并不是“AI会不会取代人”。而是如果我们还停留在AI已经擅长的地方,我们凭什么与它竞争?
答案只能是,去成为机器之外的那一部分。
现在开始,成为“问题学生”
AI已经在改变“学习什么”,同样,它也正在改变“怎么学习”。
熊教授分享了自己过去的学习经历,学微积分,就尽可能把题目全部做一遍;准备语言考试,就一页一页地背牛津词典。
这样的学习固然有效,却未必是今天“最聪明”的方式。在信息爆炸时代,真正稀缺的已经不是信息,而是找到与自己有关的信息,并且知道自己到底缺什么。
他把AI比作学习中的一部“雷达”。比如学习线性代数,可以先把整门课程的知识结构梳理出来,再通过AI进行测试。答错的地方亮起“红灯”。哪里不会,就精准找到哪里;针对薄弱节点继续学习,再接受下一轮测试。
这样一来,AI不只是帮你“找答案”的工具,它还可以帮助你找到自己的问题。而这恰恰对人提出了更高要求。因为AI可以生成答案,却不能替你决定什么答案值得相信。
要永远找到一个聪明的“快学习”,指导自己的“慢学习”走在正确的方向上,避免自己的“慢学习”浪费了自己的时间和精力。
熊教授分享了自己使用不同大模型“互相批评”的方法:让一个模型给出答案,再把它交给另一个模型评价,然后再把评价交回去,经过多轮对抗和修正,最后由自己作出判断。
在这个过中,AI越来越强,而人的作用也越来越清晰:提问,筛选,判断。
所以,他特别强调:“你的提问能力、鉴赏能力高,整个AI给你提供的贡献也就越强。”这意味着,AI时代并不是“不需要学习了”,而是学习的目标正在发生变化。
过去,我们更多是在积累知识。现在,我们更需要培养元认知能力、判断能力、建构能力和提问能力。从“记住答案”,走向“知道该问什么”;从“接受信息”,走向“判断信息”;从“完成任务”,走向“整合资源”。
而在这些能力之外,还有一类能力,AI很难通过单纯的数据学习替我们获得。那就是——做。
熊教授用游泳作了一个简单的比喻:你可以读100本关于游泳换气的书,但如果从来没有下过水,依然不会游泳。因为有些能力属于“可意会不可言传”,它必须在真实的行动中形成。
这也是“寓学于做,知行合一”在生活的真实落点。学习不应该只发生在书本里。它可以发生在实验室、项目中、竞赛里,也可以发生在一次次失败、修改和重新尝试中。




熊辉教授把这种实践的前沿称为“离太阳升起最近的地方”:真正站在技术前沿的人,往往最早看到变化,也最有机会参与创造变化。
而对于还在高中阶段的学生而言,“前线”未必意味着立刻进入某一家科技公司。它也可以是一场PBL项目、一次科研探索、一项竞赛、一个自己真正想解决的问题,甚至是一次失败的尝试。
重要的是,不要只学习别人已经得到的答案,也要去经历自己寻找答案的过程。
他希望同学们尽可能靠近真正发生变化的地方,尽早接触真实的问题,理解技术究竟如何改变世界。因为真正的能力,往往不是“知道这个世界已经有什么”,而是:亲手做过,真正试过,失败过,再重新找到答案。

当AI越来越会学习,我们并不是要停止学习。甚至我们要学习得更深,提问得更好,行动得更早。因为机器可以帮我们走得更快,但一个人最终要去哪里,依然需要自己决定。
26-27学年首场家长学堂:
人可以突破边界,但机器不能
从报名之际就不断涌来的家长需求,到一次次地追加名额,最终,分会场即使拉满最大容量,依旧座无虚席。2026-2027学年首场家长学堂,以这样一场“超额”的热切,迎来了熊辉教授。


林静姿副校长与家长们在分会场通过直播的方式,与孩子们同步“听讲”,家长们也带着各自真实的困惑与问题留下来:当孩子开始越来越多地使用AI,我们究竟应该鼓励,还是限制?当AI能够比孩子做得更快、更好,学习的过程又该如何保留?
围绕这些问题,讨论最终回到了一个朴素却重要的原则:不能省略孩子自己的思考过程。
AI可以成为校对者、陪练者,甚至可以成为“AI导师”,但不能替孩子完成从思考到表达、从尝试到判断的过程。正如熊教授所分享的,与其让AI直接写出一篇作文,不如先让孩子自己完成第一稿,再让AI帮助发现问题、提出修改建议,经过一轮轮修正,最终依然由孩子自己完成。

这种“让AI帮助自己变得更好”,也成为现场讨论的重要共识。林校长分享了学校在AI使用中的实践:孩子写完诗后,可以让AI进行修改,再将不同版本放在一起比较——究竟哪一个更好?自己喜欢哪一种表达?在这个过程中,孩子不仅学习如何使用AI,也开始形成对文字、审美和表达的判断。

而面对家长关于未来、关于孩子成长的焦虑,熊教授给出的建议并不复杂:与其一味告诉孩子应该做什么,不如把孩子带到“有道理的场景”里,去看展览、科技展,走进真实的学术与社会场景,让孩子自己看见、感受、产生兴趣。当兴趣真正发生,学习就会从“被要求”慢慢变成“我想知道”。
或许,这也是家长学堂与学生专场最终交汇的地方:AI可以成为孩子成长路上的工具,但真正重要的,始终是那个正在使用工具、不断提问、不断判断,也不断发现自己兴趣所在的孩子。

人可以突破边界,但机器不能。
熊教授的话,送给所有发出“AI时代焦虑”的家长们。
《36氪》在对中国AI Agent落地的研究中提到:近年来,一众AI Agent产品热潮将产业的关注点进一步推向应用端,随之而来的便是更为真实的业务流程与企业评价标准。
McKinsey今年4月的研究显示,全球近三分之二的企业已经尝试过AI Agent,真正实现规模化并创造实际价值的仍不到10%。
究其根本,是当模型与算力不再是唯一稀缺资源,企业级Agent的竞争也开始从单点技术比拼,转向体系能力与产业协同。真正拉开差距的,是谁能把算力、数据、模型、Agent工程能力与行业Know-how拧成一股绳,并最终转化为真正的生产力。
看,越是AI“风生水起”的时代,社会越强调“人”的重要性。AI时代真正值得讨论的,从来不是“人工智能会不会越来越像人”,而是当算法承担了越来越多知识记忆、信息检索和重复劳动之后,我们希望把自己变成怎样的人?
这个问题,清澜山的孩子们正在给出回应。在熊教授的分享结束后,学生们纷纷举手,主动追问。甚至在熊教授前往家长学堂分会场的路上开启“护送”模式:一路跟随、一路提问,围在身边不愿错过每一个继续交流的机会。


那些追着问出的“为什么”,或许正是这堂开学第一课最生动的思考。
技术会不断变化,算法会越来越强,工具也会一代代更新,但教育真正要做的,不只是让学生学会使用下一种工具,而是让他们拥有一种能力,那就是当世界不断变化的时候,依然能够提出自己的问题,做出自己的判断,并且走出去,把想法变成真正发生的事情。
新学年正在稳步推进,更多的智能学习场域正在逐步落地,当我们拥有了越来越多可以调用的智能与工具,我们又准备把时间、好奇心和行动,放到哪里?
孩子们,不必急于写下答案,这个问题值得我们去学习、去实践、去提问、去尝试、去慢慢来。