ep3.人工智能之后，还需要学习吗？对话脑科学实验室负责人与智能体开发者

当数以亿记的神经元彼此连接时--我们的意识涌现了。只不过我们对于意识的解释似乎也难以更进一步了。我们的神经元可以解释我们如何接收信息，处理刺激，以及进行复杂的计算。但是却对我们的“体验感”本身没有太多的解释力。一台算力足够强悍的计算机可以实现太多事情了。基于这样算力的人工智能甚至可以解决世界上所有的问题。它的出现完完全全可以替代掉我们每天赖以生存的那颗生物计算机的工作。可是对于生命来说，“解决问题”这件事本身从来都不是唯一的答案，有时甚至不是最重要的那个。那么，当AI具备强大的学习与推理能力时，它重新定义了学习与智能。我们又该如何去理解学习，成长和教育？今天我们一起来听听曾经脑科学实验室、现AI产品研发团队负责人--慎行老师，他如何讨论AI在教育中的应用，以及家长如何在教育的实践中真正与AI协作。【叭叭的人】制作与主持｜小牛“想写学历介绍但是被制止的人”嘉宾｜慎行“一个从未教过课的教育工作者”【方便偷懒】01:27：生成式AI的变革06:48：一个AI教育的产品09:32：与通用模型的区别11:38：AI与教育公平14:07：AI替写作业18:32：为什么还要学习21:54：回到快乐24:56：学到什么程度31:40：AI所缺乏34:03：实用技巧：如何配合AI40:32：AI之下，学习的意义44:35：未来工作范式【敲黑板】 伊利亚（Ilya Sutskever）：OpenAI 联合创始人之一，人工智能领域顶尖研究者 情绪识别：AI 通过面部表情、语音或文字分析人的情绪状态的技术 算法（Algorithm）：指计算机为完成特定任务所遵循的规则或步骤集合 机器学习（Machine Learning）：让计算机通过数据“学习规律”并自行改进性能的技术 支持向量机（SVM）：一种早期常用的机器学习算法，用于分类或预测任务 神经网络（Neural Network）：模拟人脑神经元连接的算法结构，是深度学习的核心 规则式 / 分类式 AI：通过人工设定规则或分类逻辑来运行的传统人工智能 生成式 AI：能够根据输入生成新文本、图像、语音等内容的 AI，比如 ChatGPT 提示词：人向生成式 AI 输入的指令或提示，用来引导其输出内容 最近发展区：维果茨基提出的教育心理学概念，指孩子在帮助下能达到的潜在学习区间 习得性无助：指个体在多次失败后产生的“无论怎么做都没用”的心理状态 Temperature（温度）：生成式 AI 的参数之一，控制回答的随机性；数值高 → 输出更有创意，低 → 更稳定 Top-p（核采样概率）：另一种控制随机性的参数，决定 AI 从概率前 p 的词汇中采样生成内容 氛围编程（Vibe Coding）：开发者向AI提出需求，由AI完成编程以及修改 鲁棒性（Robustness）：系统在面对噪声、干扰或异常输入时仍能稳定运行的能力 存在主义：一种哲学思想，强调个体自由、选择与在荒谬世界中寻找意义的责任在小宇宙查看该单集文稿