AI能提供答案但无法替代经验中的学习

本文来自微信公众号： 斯坦福社会创新评论 ，编译：|施桂娟，作者：SSIR中文版

在过去的童年生活里，玩耍常常也是学习的一部分：人们在其中学着和别人商量规则、面对分歧、判断情势，也在不确定中继续探索。如今，搜索、推荐算法和AI正在成为越来越重要的学习入口，知识获取更快了，信息和建议也更容易得到。

但越来越高效、顺滑的技术环境，并不只是在改变我们怎样学习，也在改变我们如何注意、判断以及与他人和世界建立关系。本文作者提醒我们，很多关键能力并不是从信息中直接获得，而是在真实经验、关系互动和具体情境中慢慢形成的。当技术不断替我们压缩过程、提供答案，我们也需要重新思考：哪些能力仍应坚持由人自身保有，又该如何为这些能力创造继续生长的空间。

小时候，我和许多孩子一样，是在街头学着如何与这个世界相处。玩耍从来不只是玩耍。每天傍晚，我们聚在一起，先商量玩什么，再为怎么玩争得热火朝天：要遵守什么规则、守住那些界限，谁和谁组队以及怎样才能取胜。就在这短短一个小时里，我们练习协商、表达不同意见，也学着寻找彼此都能接受的中间地带。我们逐渐体会到，权力会随着关系和情境不断变化，但与此同时，游戏的乐趣和对世界的好奇也始终没有消失。在这场不断变化的社会互动中，每个人既是参与其中的演员，也是旁观的观众；既在共同制定规则，也在从中学习。

你上一次看见孩子在街头玩耍是什么时候？

你上一次以这样的方式学习，又是什么时候？

如今，无论是孩子还是成年人，学习往往从完全不同的地方开始：搜索框、推荐信息流，以及AI生成的摘要，都成了新的入口。

当围绕AI的讨论越来越集中在生产力和效率上，一个问题也随之浮现：如果那些曾经帮助我们通过社会交往和身体实践学习的环境，逐渐被追求速度、便利和确定性的系统取代，我们会失去什么？

如果原本发生在真实互动中的社会学习，越来越交由技术系统完成；如果想象力变成可以随时调用的东西，而不再需要在实践中慢慢培养，我们又会成为怎样的人？这些技术变化，将如何重塑人们学习、建立联系和参与世界的方式？人们又将如何理解身边不断发生的社会变化？即使AI能够自动完成某些事情，而且做得更快、更高效，是否仍有一些能力和技能，需要坚持由人来培养和保有？最后，对于各项工作恰恰有赖于这些能力的社会领域来说，这可能意味着什么？

在人类历史的大部分时期，街道、森林、游乐场、图书馆和教室，共同构成了我们可以称为“公共成长空间”（developmental commons）的环境。在这些共享的社会空间里，人们练习专注、拓展想象、建立关系；更重要的是，知识始终扎根于真实的生活经验之中。

如今，数字平台正逐渐成为年轻人以及许多其他人认识自己、理解他人和建立关系的重要环境。因此，我们需要进一步思考：我们长期置身其中的环境，究竟会塑造出怎样的能力？越来越多研究表明，认知并不只发生在大脑内部，而是在身体、物理环境、行动、物体以及与他人的互动中共同形成的。学习也不只是接收信息，它同样取决于我们在怎样的环境中接触知识，以及这些知识如何与经验发生联系、获得意义。

那么，我们正在创造一个怎样的学习世界？

在自然保护和环境相关的工作中，要建设一个对人类和地球都更加友好的社会，重新建立人与自然的联系至关重要。这离不开亲身接触鲜活的自然世界、探索户外，并面对其中种种矛盾与不确定性。有时，这意味着进行严谨的科学观察；有时，也需要从具体经验中获得启发，弥合知识与实践之间的距离。无论哪种方式，走进现实世界都免不了经历一些摩擦，而这也是真实参与的一部分。

技术能否帮助我们与自然建立更深的联系，而不是取代这种真实的体验？还是说，当学习变得毫无阻力，我们也会逐渐失去探索的乐趣与惊奇感？

自然并非学习之外的背景，而是学习发生其中的认知环境之一。这一点，对于我们如何思考社会领域中的技术应用也有重要启示。一名社区工作者阅读AI生成的摘要，或许能够快速获得信息；但真正走进一个村庄，在那里生活一段时间，倾听人们的故事、观察人与人之间的关系，才能形成立足具体情境的判断力，也能理解当地的细微差异，让这些信息置于真实的地方语境中。很多时候，我们如何获得知识，与最终获得什么样的知识，本就无法彼此分开。

因此，真正的挑战在于：我们该如何设计和运用技术，使其强化具身学习与参与的方式，而不是取而代之？即使技术能够提高效率、迅速带来成效，有时选择不用技术，反而更有助于保留那些建设性阻力（productive friction），也可能是更合适的选择。

例如，自然保护基金会（Nature Conservation Foundation，NCF）通过一系列项目连接人与鸟类。项目最初以实地学习和纸质资料为主，后来逐步加入在线课程、数字平台和相关工具，让公众更容易参与鸟类识别。这些做法显著扩大了参与范围，但该基金会始终坚持一个简单原则：技术的价值，在于帮助人们重新进入与自然建立关系的过程。已有一些创新实践沿着这一方向展开。康奈尔鸟类学实验室（Cornell Lab of Ornithology）开发的AI识鸟应用Merlin，就是其中一例。它并不试图取代户外体验，而是帮助人们即时辨认自己看到或听到的鸟类，让一瞬间的好奇，转化为与自然更深入的连接。

我们正在进入这样一个时代：信息生成的速度，已经快过人们核实和真正理解它的速度。信息越丰富，错误信息带来的问题越容易被放大，注意力也越来越成为一种被争夺和利用的资源。事实被歪曲当然值得警惕，但我们还需要追问：究竟哪些事实，从一开始就获得了被看见的机会？

认知神经科学家玛丽安娜·沃尔夫（Maryanne Wolf）指出，随着阅读环境日益转向数字媒介，与她所说的“深度阅读”（deep reading）相关的认知过程也可能随之改变。深度阅读通常涉及反思、共情、批判性分析，以及推断和想象等能力。当信息以快速、零散的方式不断涌来，注意力也会随之变得碎片化。久而久之，我们越来越难在复杂问题上保持足够长时间的专注，让理解慢慢形成。

这种变化的影响，正在以不同形式显现。致力于性别公平的组织，正越来越关注“网络男性圈”（manosphere）不断扩大的影响力。这是一个由博主和线上社群构成的松散生态，其中常见一些较为单一的男性气质想象，也可能强化对性别角色的刻板理解。生成式AI和推荐系统可能进一步放大这类叙事的传播，形成不断强化的反馈回路，使错误信息和极化观点，比更细致的理解和对话传播得更快。

另一个同样重要的问题，是不被看见。大语言模型主要从已经被记录、数字化并能够在网上获取的内容中学习。因此，那些拥有大量媒体报道、较完整机构记录和丰富数字足迹的地方，更容易被模型学习和识别。相比之下，小城市、地方公共行动、口述历史，以及日常治理中的真实经验，往往缺乏足够的记录和呈现。这种代表性不平等（representation inequality），会让一些地方、社群，甚至某些知识形式，在人们借以学习和理解世界的系统中变得不可见。

这一问题对社会领域尤其重要。当数字时代最重要的交易筹码变成注意力，信息的准确性和代表性退居其次，公共信任会发生什么变化？

我们还需要讨论如何找回判断力。信息被看见之后，更难的任务才刚刚开始：判断它意味着什么，应该放在怎样的情境中理解，又该如何据此采取行动。

AI的强项，在于从海量信息中识别模式。但推动社会正向变化，有时需要做相反的事。例如，一名自然保护工作者要决定如何修复一片流域，就必须了解这片土地独特的历史、不同社区之间的关系、当地的社会与经济环境，以及那些可能永远不会进入数据集的生态知识。除了寻找共性，能够停留在差异之中、理解差异，同样重要。

为此，科技向好社区（Tech4good Community）牵头开展了一个自然保护联盟项目，与多家非营利组织合作，共同建设生态智能（ecological intelligence）所需的共享基础设施。该机构指出，社会领域对AI、分析技术和数字工具的兴趣正在迅速增长。但与众多基层自然保护组织合作的经验表明，这些组织如今需要的，不只是更好的技术，也包括如何让技术扎根具体地方，并结合当地知识和实际情境来使用。

通用智能要真正发挥作用，离不开贴近现实、结合情境的判断力。这意味着，人们要能够把各种信号放回特定的社会、生态和文化现实中理解，也要知道什么时候应该调整一项建议，什么时候应该舍弃它。更重要的是，我们不仅要看到数据里有什么，也要意识到什么没有出现在数据里。

这正是当下的悖论：当智能越来越能够随取随用，真正重要的能力反而可能是那些深植于人的经验、而非计算之中的能力。

从这个意义上说，“公共成长空间”的逐渐消失，实际上关乎我们作为一个社会，选择让自己更多置身于怎样的环境、经历怎样的体验。AI会越来越强大，但我们能否始终有意识地保留那些必要的条件，让人们学会保持专注、理解复杂性、对未知与惊奇保持开放，并在不同的认知方式之间建立连贯的理解？

对慈善领域而言，这或许意味着，我们需要把思考从“是否采用技术”进一步转向“如何保有能力”：支持那些能够培育公共信任的机构、空间与实践，也让过程本身获得与结果同等的重视。

或许，在此刻选择守护这一内在的学习空间，就是我们能够承担的最重要的守护责任之一。

塔尼娅·卡克负责罗希尼·尼勒卡尼慈善机构（Rohini Nilekani Philanthropies）的气候与环境资助组合，致力于在印度推动基于系统的、扎根社区的气候韧性实践。

原标题：Our Vanishing Developmental Commons