作者：赵老师

最近，「AI教母」李飞飞接受了一次访谈。
当被问到，为什么整个AI行业都在押注ChatGPT这样的大语言模型，她却偏偏要走另一条路时，她反问了两句：

「语言能灭火吗？语言能煎一个蛋吗？」

这两句话，我看完之后愣了很久。

李飞飞是谁？她创建的ImageNet——一个包含1400万张图片、超过2.1万个类别的视觉数据库，直接点燃了这一轮AI革命。她做过斯坦福教授、谷歌高管，给多位美国总统和联合国当过AI顾问。

而现在，她创办的World Labs，正在押注一个和ChatGPT完全不同的方向：空间智能。今年2月，这家公司又融了10亿美元，累计融资12.3亿，估值约50亿。

她要做的事，说白了就是：让AI从「只会说」，变成「能在真实世界里动手」。

而当我把她这番话，和中国孩子每天在经历的事情放在一起看时，一股寒意涌了上来——

AI正在拼命学着走进真实世界。而我们，正在拼命把孩子从真实世界里拉出来。

「在黑暗中的文字匠人」——这句话说的是AI，可听着像在说我们的孩子
李飞飞对大语言模型的局限，有一个我认为近年最精准的比喻。她说，这些模型虽然强大，但它们仍然是：

「黑暗中的文字匠人——雄辩，却没有经历；博学，却没有落地。」

请把这句话读两遍。

雄辩，却没有经历。博学，却没有落地。

她说的是AI。可你把这句话放到今天很多孩子身上，是不是严丝合缝？

一个孩子可以流利地背出光合作用的全过程，却从没种活过一盆植物；能精准解出浮力题，却没在澡盆里认真观察过一个漂浮的物体；能写出漂亮的作文描述「母亲的辛劳」，却从没完整做过一顿饭。

知识很多，经历很少；说得很漂亮，做得很少。

李飞飞在访谈里进一步解释了这个区别。她说了一句特别朴素、也特别有力的话：

「描述如何接住一个球，和真正接住一个球，是完全不同的两件事。」

一个孩子可以把「接球」的物理原理讲得头头是道——抛物线、初速度、重力加速度，全都算得出来。但这跟他能不能在球飞过来的那一瞬间伸手接住，是两码事。

而恰恰是后者，是AI用了几十年、烧掉几百亿美金还在拼命追赶的能力。

定居硅谷三十年的陆向谦教授，把这件事讲得更直白。他的方法论就一句话：

「学理论不如学案例，学案例不如做案例，做案例不如玩案例。」

从「学理论」到「玩案例」，走的正是从「描述接球」到「真正接住球」的那条路。

什么是空间智能？你每天早上都在用，只是从没意识到
很多家长听到「空间智能」，第一反应是：这不就是几何、立体图形吗？

不是。李飞飞给的定义，比这大得多。

她说：「看，很大程度上是在为行动做准备。」

然后她举了一个特别日常的例子：你早上醒来，抱一抱孩子，下楼准备早餐，抓起钥匙，开车去上班——

「我刚才描述的这一切，你都是靠空间智能完成的。」

抱孩子时手臂该用多大力、下楼时脚该落在哪一级台阶、煎蛋时锅铲该怎么翻、开车时该在哪个距离踩刹车——这些你根本不用「想」的动作，背后全是一套极其复杂的、关于真实世界的理解。

这是人类最了不起、也最被低估的一种智能。

而它有一个致命的特点：它没办法通过读书和听讲获得，只能靠身体在真实世界里一次次撞出来。

你没法通过看一百个视频学会游泳。你没法通过背菜谱学会颠勺。你没法通过读旅行攻略，获得那种在陌生城市里辨认方向的感觉。

现在回头看看我们孩子的一天：教室里坐着，回家写作业，周末上补习班。他们绝大部分的清醒时间，都在处理符号——文字、公式、选择题。

而符号处理，恰恰是AI已经做到最好、并且还在飞速变强的那一项。

我们正在用最大的力气，训练孩子去做一件机器已经做得比他好的事；同时又剥夺了他练那件机器做不了的事的机会。

李飞飞的童年：追虫子、追小狗、跟爸爸进山写生
有意思的是，李飞飞自己的童年，几乎是这一切的反面。

她在访谈里回忆起80、90年代在成都的日子。她说，她父亲是「一个对大自然充满好奇的灵魂」。

于是她的童年是这样的：追着虫子跑，追着小狗跑，跟爸爸一起进山里去画画、写生，还有读书。

她说，那时候她剪着短发，痴迷航空航天和物理，是个「叛逆的孩子」。而她说：「对自然、对科学、对物理的热爱，对航空和外太空的向往——那些，是我身份的一部分。」

追虫子、追小狗、进山写生——这些在今天很多家长眼里「完全没用」的事，恰恰是最扎实的空间智能启蒙。

山里的路要怎么走，虫子会往哪儿飞，画笔下的立体感怎么落到纸上——每一样，都是身体和真实世界的直接对话。

后来她十几岁随家人移民美国，在新泽西。她说那段日子「非常艰难」——语言、文化、生活全部要重来，而这发生在一个正在寻找自我的年纪。

她一边学英语、读完高中，一边在普林斯顿读物理，周末还要打理家里的干洗店。

一个日后要教机器「看世界」的人，是这样一边读着物理，一边用手打理着一家干洗店，长起来的。

陆向谦教授有句讲了很多年的话，放在这里特别贴切：「从小玩真的，不去冲着考试学。」

李飞飞的童年，玩的全是真的。

她最担心的一件事：孩子把AI当成了「拐杖」
访谈最后，主持人问她：世界模型这么强大，你最担心什么可能出错？

她提到了几种风险，然后说了一句专门针对孩子的：

「那些没有被正确激励的学生，可能会把技术当成一根偷懒的拐杖，而不是一个赋能学习的工具。我非常担心这一点。」

拐杖，还是工具，一字之差，天壤之别。

拐杖，是替你走路的；工具，是让你走得更远的。

一个孩子如果每次遇到难题都直接问AI要答案，那AI就是他的拐杖——用得越久，他自己那条腿越弱。而如果他先自己想、自己试、卡住了再让AI帮他打开一个新思路，那AI就是工具——用得越久，他走得越远。

李飞飞还强调了一句我认为特别有分量的话：「人力资本，归根结底是这个世界最重要的资源。我们想要的，是一个人繁荣的社会，而不是一个只有机器繁荣的社会。」

三件事，把孩子还给真实世界
第一，每周留出一段「必须用身体完成」的时间。

空间智能只能靠身体撞出来，读多少书都替代不了。每周至少安排一次必须动手、动身体的活动——做一顿完整的饭（从买菜到洗碗）、修好一个坏掉的东西、爬一次山、把家里某个角落彻底重新整理。关键是从头到尾自己做完，家长不插手。这些事看起来跟成绩毫无关系，但它们练的，恰恰是AI最难替代的那部分。

第二，把「讲给他听」换成「让他试一次」。

李飞飞说，描述如何接球和真正接住球，是两件事。孩子问「这个怎么做」时，忍住别一口气讲完，改成「你先试试看，卡住了我们再一起想」。哪怕他试错三次，那三次里长出来的东西，比你讲十遍都多。

第三，给AI立一条家规：先自己想，再问它。

针对李飞飞担心的「拐杖」问题，最简单有效的办法就是定个顺序。具体怎么做：孩子用AI之前，必须先写下自己的思路和判断——哪怕是错的；然后再去问AI；最后比一句「它跟我想的哪里不一样，谁更有道理」。这个顺序一固定，AI就从替他走路的拐杖，变成了帮他走远的工具。

结语
这个时代最荒诞的一幕，也许就是这个：

全世界最聪明的一批人，正在烧掉几十亿美金，教AI学会我们孩子与生俱来的那些能力——看、动、在真实世界里行动。

而与此同时，我们却在把孩子关进房间，让他去做AI早就做得比他好的事。

李飞飞说，那些大模型是「黑暗中的文字匠人」：雄辩，却没有经历。

我们真正该担心的，从来不是孩子输给AI。而是我们亲手，把他培养成了AI最擅长的那个样子——满腹经纶，却从没真正碰过这个世界。

孩子的手上要有泥，脚下要有路，眼里要有光。

这三样东西，任何一台机器，都长不出来。