本文最初发表于LinkedIn。
人工智能正在以大多数人没有预料到的速度发展。新模型、新功能、新用例——每周都会带来一些让上个月感觉过时的东西。
但事情是这样的：人工智能的发展速度并不是真正的问题。 真正的问题是我们的准备情况。
我们有工具。开源模型、免费 API、学生云学分。该技术比以往任何时候都更容易获得。
差距在于理解。大多数人——学生、专业人士，甚至一些工程师——对于人工智能到底是什么、它能做什么以及它的局限性在哪里，并没有一个清晰的思维模型。
如果没有这种理解，人工智能就像魔法一样。当某些东西感觉像魔法时，你要么害怕它，要么盲目地相信它。两者都没有用。
大学正在更新课程，但进展缓慢。大多数人工智能课程仍然假设你拥有数学学位。大多数在线内容要么太基础（“人工智能就像大脑！”），要么太高级（幻灯片 3 上的梯度下降推导）。
有一个巨大的中间地带几乎没有得到服务：聪明、好奇、积极主动，但不具备传统先决条件的人。
从直觉开始，而不是方程式。 你不需要微积分来理解人工智能在数据中发现模式。首先从日常示例中建立理解。
动手实践。 阅读有关神经网络的内容是一回事。在浏览器中根据您自己的数据观看一列火车 - 就在此时，您会心满意足。
在人们所在的地方结识他们。 并非每个人都会说英语。并不是每个人都有 CS 学位。并不是每个人都会从 YouTube 视频中学习。全纳教育意味着多种形式、多种语言、多种切入点。
诚实面对局限性。 人工智能不是魔法。它产生幻觉。它有偏见。教导人们人工智能“不能”做什么与展示人工智能能做什么同样重要。
下一个十年的定义不是由谁构建了最好的人工智能模型，而是由谁对如何负责任地使用它们有最广泛的了解。
这就是教育问题。教育问题有教育解决方案。
这正是我开始 AI Educademy - 免费的多语言 AI 教育，任何人都可以通过浏览器访问的原因。
人工智能的步伐并没有放缓。但如果我们投资让人工智能素养像数字素养一样普及，我们的准备工作就能赶上。
你怎么看？我们是否做了足够的努力让人们为人工智能驱动的世界做好准备？我很想听听你的想法。