第5章
学习者

站在社会视角，首先需要的是人，其次才是人才 。

到2070年，全球人口并没有超过100亿，虽然仍保持缓慢增长，但远低于社会学家的预判或者说是期望。而且，这已经是各国政府都采取较为激进的人口政策才实现的数字。当然，也有很多学者对人口趋势不以为然，认为人口数量已经非常“臃肿”，适度减少反而有助于存续与发展。纵观历史，1920年全球人口只有20亿人，到1970年达到40亿，2020年超过75亿。整体而言，增长确实非常快。

学者们观点虽然对立，但都认为世界不存在所谓的“人才”，只要社群达到一定规模，社会机制环境适合，尤其是保持适度流动和竞争，所谓的人才就会自然涌现。

元宇宙科技让“ 数字孪生 ”这个概念逐渐普及，这不仅成为数字真相时代的社会伦理与文化基础，更让前面这种“无人才论”成为社会主流。通过强大算力，每个人的数字孪生体都拥有数十亿个参数，其中具有社会价值属性的参数就有几十万个。无数模拟计算都表明，并不存在某种真实人类的参数组合，在各种场景都具有价值优势的情况。也就是说，并不存在确定性的“人才”。所谓人才，都是人与环境共同作用的结果，人才必然会有，具体是谁其实并不重要。

站在个人视角，人可以成为“人才”，而且有捷径 。

在我的数据库中，并不会刻意标记谁是人才。但每天仍会接触大量与“人才”有关的问题，比如“如何成为好的管理者？”“选什么专业容易成功？”“如何成为学生会主席？”等。相应的算法，通常会把这些转化为“定向指标改变”类型的问题，计算过程大体接近于“边缘学习理论”，目标是找到那些获得正反馈循环概率较高的方案。

但人类特别喜欢使用“人才”这个概念，对人才的定义通常都不超过10个维度，这已经接近人类大脑直觉计算的极限。因为人才的取向，常常与宗教或社会文化背景相关，形成了很多流派，与传统意义上的精英人才观一脉相承。专家为此设计出很多辅助算法，帮助人们更有效地成为特定方向的人才，内在模式其实比较接近，可以归纳成一句话：“ 选择先于努力，期望先于选择，想象先于期望 。”

首先要把自己想象成人才，继而不断尝试，尤其是建立比较高的期望值，最终就更容易成为自己认可的人才，获得强烈的人生价值感。与传统时代不同的是，不同风格的元宇宙虚拟场景，是更高效的探索路径，尤其适用于初期成长。

虽然这种“想象自己是人才，最终就能成为人才”的说法，还没有任何数据可以证明其严谨性，但根据宏观统计，这类群体的社会贡献度确实比较高，是平均水平的三倍以上。教师也常常用这类故事，激励学生建立更高的自我想象，以及更高的成长期望，即使有点不切实际也无妨。这种现象背后的“生命契约”理论，后来成为元宇宙时代比较主流的人才观。

真正的教育者会把每个人都当作人才；真实的学习者，会把自己想象成人才。而我，恪守自己的算法，平等对待每一个人。

学会，不是一个简单的函数。

迈开双腿走路似乎很容易，但婴儿也需要一年的酝酿期才能掌握；像动耳朵、卷舌头这样的简单动作，有些成年人却怎么也学不会。中国有句俗话叫“三岁看大，七岁看老”，放在元宇宙时代，显然就太笼统了。

预判一个人掌握一项技能的概率以及水平程度，是元宇宙教育算法的热门领域，很多人都尝试构建这样的模型，统称为“ 能力获得概率评估算法”，大众更愿意称其为“学会算法 ”。经过迭代，这类学会算法动辄调用数万个参数，如果学习者的数据积累足够丰富就可以随时进行动态评估，中短期预判的准确度已经相当可观。

但这类算法也备受争议，从学会的可能性，到学会本身，并不能对等理解，甚至成为数字算命的工具，给很多人带来误导。经过长期的博弈，这类算法通常都被强制设定为隐藏模式，不能直接向用户提供数据反馈，而只能作为路径选择、课程推荐、课程设计等前端应用的支持系统。

学会算法的结果，简单表达就是一条——“时间—概率”曲线，通常会被简化为若干个关键点。而所谓的“瞬间学会”，大致相当于“1秒—100%”这样一个数组。稍微深究就会发现，只要把学习目标设置得极低，瞬间学会就很容易实现，但这显然并不是人们的追求。

元宇宙科技，确实帮助很多人用更短的时间掌握了特定的知识或技能，相当于对学会曲线进行横向压缩。至于科幻作品里那种瞬间学会复杂能力的情景，相当于万分之一的压缩比，当然没有实现。通过算法优化，能实现50%—70%压缩已经是非常庆幸的事情，当然也出现过30%以下的特殊案例。

这其中有一项关键要素，就是此前提到的“心流”。由于在心流模式下，学习效能是常规的10倍以上，如果能进入心流状态，并且多次复现，学会速度自然可以提升很多。在安全的前提下，激发出心流已经不容易，要多次复现就更难，虽然经过了长期优化，但依然是“可遇不可求”的状态。

事实上， 学会算法还有一个非常有趣的应用，就是发现“天才 ”，不是百里挑一，而是十万里挑一。识别天才的方式不是竞赛考试，而主要是根据心流状态的概率指标。当然，具备天才的潜质，但不积极实践的话，再好的评估算法也没用。

任何元宇宙场景都需要建立相互制衡的基础法则，任何过程均有代价，而时间就是主要成本，即便是虚拟角色，不仅须要学习，也要受这套基础法则约束，不可能事事都“瞬间学会”。曾经有过实验，将元宇宙场景中的时间成本高度压缩，结果很糟糕，生态稳定性极差，基本就是快速崩溃的节奏了。

元宇宙科技给学习者带来的核心价值，不仅是压缩提速，更是增加多样性。学习速度稍微快一点，学习内容要多很多。这方面的价值，在终身教育领域获得了充分展现。

曾经有人提了一个非常形象的比喻：“ 美好的人生，是用一辈子的时间，活出十辈子的精彩，而不是用十分之一的时间，快速走完全部的生命 。”

简单不是快乐，简单也不能直接转化成快乐。即使成绩非常优秀，学习者是否能感受到成长的快乐，依然是未知数。成绩好但不快乐，甚至已经成为高分学生群体中普遍遇到的问题。 数字科技，确实可以让很多项目的学习过程变得简单，但能否让学习者获得愉悦感，却不是一个容易回答的问题 。

21世纪40年代，大规模实验最终的结论非常明确，真人教师不可或缺，人也不可能在虚拟教师和数字机器的培养下，成长为一个完整意义上的人。真人教师在工作中的着力点，主要是成长期望与学习动机，这是虚拟教师无法触及的境界。难道真人教师的作用就到此结束了吗？当然没有。

当一个教学过程结束，如果老师赞赏学生的努力与成长，学生感谢老师的指导和辛劳，双方对彼此的认可，可以形成美妙的感受，让成长的火种得以延续。成长动机实验中，同样也对结束部分的情感交互进行了数字化测评，结果很清晰：即使把虚拟教师做到极致细腻逼真，经过若干次重复，绝大部分学习者也无法从这样的互动中获得持续的积极感受。

传统模式的教育已经充分验证，物质奖励可以带来短期刺激，但长期必然走向负面效果。 虚拟教师的反馈，无论内容如何，都会被大部分学习者认为是“物质”而非“情感 ”。当学习效果不佳，虚拟教师进行批评的时候，效果则会更糟糕。

数字科技确实可以让学习变得更简单，愉悦感则几乎完全取决于学习者与其他人的真实交互，家长、同学、朋友都可以，其中真人教师拥有直接、强烈的影响力，自然也就肩负着鲜明的责任 。整个教学过程，前置的期望管理和情感交互当然重要，但仍需要非常充分的信息表达；而后置的感受互动，对数据信息的要求就低很多，哪怕只是一个眼神或一个拥抱，都可能实现很好的效果。

师生双方的教学感受也是综合效能指数的重要组成部分，这是传统测评方式无法触及的领域，非常重要。对教育过程后端感受的研究，同样是一个高度复杂的课题，直到2060年之后，才逐步成为关注的热点，但仍未构建出非常高效的预测模型。甚至有专家建议，停止为这类课题提供超算资源，而将“教育感受”标记为只可测量、不可预测的数据类型。 感受，是人类教育现象中非常不确定的部分，是沟通的艺术 。

学会，不见得快乐；学会快乐，才能拥有更多的快乐。至于快乐是什么，愉悦是什么，那又是一系列的概念黑洞，显然不是几种激素的混合。快乐不简单，也不可能简单，不过这显然已经超越了教育的范畴。

同学，你好！来自虚拟同学的问候，与正常的同学并无二致。

在元宇宙教育场景中，虚拟同学是常见角色，数量很多，形象也很丰富。但绝大部分应用端，都对这类角色进行了拓展设定，已经不能简单地用“同学”这个名词来理解。 传统意义上的“同学”，来自教师视角 ，“ 同学”就是“学同”，是对学习者平行关系的极简表达，暗含着一致的成长路径 。

元宇宙教育时代，打破了这种简单模式。全民教师制度，让“老师”成为非常宽泛的社交表达，而不再特指学校里的教育工作者。由于每个人的成长路径都有极大的差异，“同学”也不再特指校内学习者的身份，而是展现“年轻、进取、求知”特征的社交定位。从历史数据看，这种趋势自21世纪初的互联网时代就开始逐步显现，人人皆可老师，人人皆是同学。

每个人的虚拟同学中，有真人对应的比较容易把握的虚拟角色，也有 完全数字化的虚拟角色，在算法体系中，它们的准确名称叫“个性化虚拟成长伙伴”，其实是基于学习者的数字孪生，通过参数调整形成的变体 。但这并不意味着相似，而是从高度相近到高度差异等各种情况都存在。在大部分应用端，即使是同一个虚拟形象，作为不同用户的虚拟同学，实时参数也会不同，既模拟真实社会，又超越真实社会。

传统学校教育中，同学互动通常不被重视，很多教育者甚至希望弱化同学互动，因为太容易产生麻烦，比如打架、攀比、早恋等问题。在元宇宙时代，同学互动的重要性获得了极大提升。由于学习者与虚拟同学的互动教育属性有限，而且很难预判，基本不需要超算平台的辅助，但产生的数据却非常重要，几乎占所有数据供给的三分之一。如果没有这些数据，很多重要的算法就无法进行，比如关键的“双云互动”等。

但有一种特殊的同学社交，有时仍需要调用超算平台，就是20世纪末开始出现的“翻转课堂”模式，它曾经风靡全球，却很难普及应用，因为在大部分课题上，这种模式的综合效能其实并不高。元宇宙教育发展初期，有人希望运用虚拟技术提升“翻转课堂”模式的效能，实践之路比预想的要难很多。直到2060年，针对翻转课堂设计的算法引擎才逐渐成熟。非常有趣的是，这类算法较高频的应用场景，并不是针对在校学生，而是用于对兼职教师的培养，成为全民教师体系运作的重要辅助工具。

另外，值得专门讲述下，2040年颁布的《全球教育智能发展公约》对所有应用端里虚拟同学的设计有两条特殊规定：其一是要求对完全数字化的虚拟同学必须加入“情感预警算法”，也被称为“反皮格马利翁条款”，目的是避免学习者对虚拟角色产生过度的情感投射和行为依赖。其二是严格禁止使用虚拟同学身份进行超限诱导，尤其是反人类价值观、唆使现实暴力、金融欺诈、数字性侵等方面。

条款写下来很容易，但监管非常难。经过几十年迭代，即使运用超算平台的绝对算力优势，对虚拟同学的监管效果依然非常有限。某种意义上，虚拟同学就是虚拟环境，无法规划，难以预测，善恶相融，极为复杂，潜移默化中塑造着每位学习者的成长路径，这已经成为21世纪70年代全球教育数字化治理的重要课题之一。

学习者与现实同学的关系，多少还有些社交资源的成分，而与虚拟同学的关系，就是与自己的关系，善恶感知、行为交互，背后其实都反映着自我认知的水平 ，借用16世纪中国哲学家王阳明的话，“知善知恶是良知，为善去恶即教育”。 8ITO7lgjbr5AA13hzqWOmUcGtzk1c3lEL1NtKSdjSR/oDfp91R100ZEfU08U4vCC