AI时代的教育平权理想与现实差距有多大？从巴哈马天才少女的成长经历，或许能看清在线教育的真正价值。核心内容有三点：巴哈马17岁数学天才通过可汗学院自学成才的案例剖析；在线教育资源普及与个体学习能动性的关键矛盾；传统教育体系与新型学习路径的碰撞与融合。

前段时间刷到几个有意思的新闻视频，本来想分两篇写，后来发现指向同一个核心问题，干脆合并成一篇文章。

先聊第一个事。早些年知乎上有人问：如果美国出了个类似姜萍的天才少女，美国名校会怎么处理？——那时姜萍还没“塌房”。得先承认一个尴尬的事实：最初很多人的确选择相信姜萍，毕竟阿里达摩院这种机构，随便派个人也能分辨真假吧？哪想到会摆出这么大乌龙？只能说对这个世界“草台班子”的程度认知不足。但往回找补一句，当时也有观点认为，倾向于相信并不等于无条件相信——如果换作名校招生负责人，或许愿意给机会，但仍需做基本的甄别和面试判断。

不过今天重点不是姜萍，而是美国最近真出了这么一位天才17岁数学少女，她的成长路径非常有意思。这个女孩其实是巴哈马人，当地教育资源极其有限，但她从小热爱数学。怎么学的？通过著名的免费教育平台——可汗学院自学。在巴哈马，没有任何学校和老师会给11岁的孩子讲微积分，但互联网上有这样的平台，而且完全免费。可汗学院是印度裔创始人打造的免费教育平台，其深度和广度无需多言，尤其数学基础教育这块，不得不承认，有些印度人在讲课上确实有天赋。这个女孩靠可汗学院，在别人上初中的年纪就快速掌握了大学数学的基础知识。后来随父母搬到美国，没有任何学历或学术背景，她直接报名了加州大学伯克利分校的研究生课程，由此结识了一群知名数学家。当然，受年龄和知识基础限制，她提出的设想和思路在导师们看来大多不靠谱、不严谨。但关键在于，导师们没有苛责她，而是给了宽松的思考环境，鼓励她继续尝试。其中一位华人教授成了她突破的关键——他留了一道作业题：用某种方法证明一个简化版的猜想（那些术语太专业了，就不赘述了），是研究生难度的挑战，但并非突破性难题。女孩解答之后，教授又追加了一道开放思考题：基于类似的方法和逻辑，还能拓展到哪些领域？没有标准答案。这一问激活了女孩的天才特质——初生牛犊不怕虎，她真从这个思路出发，解决了一个困扰数学界四十年的猜想。有意思的是，她连高中毕业成绩都没有，根本通不过大学入门审核，但如今已被知名导师破格录取，直接攻读博士。

说起这件事，表面看是天才故事，背后其实是教育平权的老话题。互联网上确实有大量免费或廉价的优质教育资源——多年前人们畅想“教育平权”，就是指望这些东西打破地域和阶层的壁垒。可现实呢？从好的方面说，任何地方的人，只要有能联网的设备，就能接触到最好的教育资源。但问题在于，每个人的主动性和驱动力千差万别。最终结果是：有想法、有动力的人借助这些资源脱颖而出；但这样的人凤毛麟角。绝大多数人只是在网上寻求乐趣、打发时间、获取情绪满足。AI时代，这个趋势可能会变本加厉。

再说第二个故事，也是最近看到的新闻视频。有个美国人，特别喜欢跟AI讨论数学问题。AI给了他大量正反馈，于是他越来越自信、越来越兴奋，最终觉得自己可以和知名学者比肩了。他跑去跟真正的数学学者分享发现，结果被现实狠狠教育了一通——他终于明白，AI一直在迎合他，而不是真的跟他讨论专业知识。

反观这个世界上最优秀的华人数学家、菲尔兹奖得主陶哲轩教授，他是AI的深度用户和强烈支持者。他经常在网上分享如何用AI探讨数学问题，认为AI能帮大忙。但前提是什么？他本身是顶级学者，能提出高质量问题，并且具备分辨AI答案中哪些有价值、哪些是幻觉的能力。这让他和AI沟通的质量远超高水平的爱好者，从中获得的价值也远超普通人。这种放大效应，值得每个人深思。

对话式AI有一个机制，过去常提搜索引擎的“点击提权”——背后涉及价值上百亿的灰产领域，这里不展开。逻辑是一样的：AI需要反馈体系来判断自己的答案好坏。搜索引擎的反馈是点击率；对话式AI的反馈则是人的赞同。用过ChatGPT或其他AI产品的人都知道，系统经常让你给答案打分：“你觉得哪个更好？”这个选择是人做的。很多AI公司会雇大量人来打标签，原则类似——让人打分。那么人怎么打分？人会倾向于认同那些“认同自己”的答案。这话有点绕，细想就明白了：在这个机制下，一个“调教优秀”的AI，会极力去赞同提问者、迎合提问者。这是反馈机制的必然结果。编程式的AI（比如写代码）会好一些，因为需要真正的代码实现和执行结果来检验，反馈体系非常讲逻辑。但对于日常沟通场景，AI并不太在乎真实或合理，它更在乎测试者的评价。

结果是什么？优秀的提问者可以利用AI让自己更优秀；平庸的提问者则会沉浸在AI提供的情绪满足中。而这个世界，绝大多数人都是平庸的。

恰巧今天碰到一个鲜活的案例。新加坡公立学校有个短假期，孩子早早回家玩iPad。我让他先学习，给他一本中文书读。他拿起iPad用Google搜索了“every day study is bad for health”，Google默认结果第一条是Gemini，直接给出了肯定并解释了原因。他理直气壮地说：不要学习。于是我换了一个词，搜“every day study is good for health”，Gemini同样给出了肯定确认并解释了一通。孩子就是典型：通过AI，轻而易举得到自以为是的满足，并振振有词。

过去五年，人们已经习惯了推荐算法的喂养，偏见与割裂不断加深。未来，AI还会放大这一切。总有人会说：新技术给了可能性，让缺乏资源、缺乏信息的人获得以前无法获得的知识。是的，洗牌确实会发生。但每次变革中，能积极把握改变自己的，又有多少？看个案，有无数励志的正能量故事；但看统计，很不乐观。人与人的差距鸿沟，从来不会因新技术而缩小，只会越来越大，越来越大。认知差距，决定了这一切。“科技打造美好世界”？有生之年……

那么，作为个体，如何抓住洗牌的机会？

1. 要意识到：迎合你的，不一定是对的。
2. 永远打开思维，愿意接受更多不同的可能性，不要沉浸在自我满足里。
3. 多利用新技术，做一些积极的、值得持续的事情。
4. AI不会取代你的专业能力，它只会放大你的专业能力。
5. 如果实在没有太好的办法脱颖而出，那就享受当下吧——做个快乐的普通人也没啥不好。

大概就这些。