通识逆袭专业？——从课程考核方式到chatGPT漫谈

按：本文最初只是想吐嘈一下对一波严重抄袭作业的感受，结果顺势就谈到AI了，有些散漫，先这样吧。

上学期的两门课（技术通史和技术哲学导论）直到最近才算结课。原本我的课程都是学期最后一周课上随堂考试，因为上学期末疫情爆发的原因，学校建议改变期末考试流程，安排期末和寒假后两场考试，让学生自由选择考试时间。我觉得学校的考虑是合理且人性化的，不过出两套卷子考两次有点麻烦，所以我和学生商议，决定把考试改成作业，给学生一个寒假的时间完成。考卷的题目不变（事先已经出好），本来就是开卷考，所以其实答题策略和阅卷标准也基本不变，为了防止内卷，我额外规定了答卷总字数不超过5000字。两门课的考题都是开放性论述题，从7或8道题目中任选4题作答。

之后我会分别在两门课的课程总结中评讲考题，这里我先想讨论一下开卷考试这一设计。当然，事实上我第一年开课的时候就已经总结过我设置开卷考试的考虑了（见老师希望看到怎样的作业）。简而言之，一个关键点是，我认为“检索信息的能力要比背记信息的能力更重要”。

所谓检索信息的能力，当然不只是用搜索引擎的能力，不过怎么用搜索引擎也是最起码的一步，很多同学哪怕是这一步都用不好。许多同学停留在以百度百科为最佳选项的阶段，个别同学用维基百科，竟然用的是中文版维基——你都翻墙搜维基了还不用英文版吗？更多的同学只会用百度，顶多翻墙用google，而不会用cnki、google scholar等工具搜专业学术文章。

制定恰当的关键词也是很重要的，光是把问题敲入搜索框往往是得不到好结果的。——要注意，chatgpt的出现彻底改变了前两点，检索信息不再需要借助搜索引擎，同时也可以直接把问题完整输入进去求得答案，所以说chatgpt的出现迫使我重新考虑考试形式，后面再细谈。

除了善用检索工具之外，检索信息的能力更包含如何拾取信息的环节。无论百度还是google还是知网，搜索完了往往不是点开第一条就有用，最终还是需要人去浏览和筛选，先粗看摘要，找到可能靠谱的资料，然后点开细看，摘选出可以利用的文本。如果本人毫无判断力，缺乏对良莠的甄别力，那么也很难有效利用网络。

这次考试我收到了一批非常奇葩的作业，有的作业（不止一篇）直接给我抄来一段广告软文，这就属于极端个例，属于毫无判断力，以至于连自己读一遍都做不到，更不用说筛选合适的资料了。大多数同学当然正常许多，但鉴别能力仍然层次不齐。在比较优秀作业中，对资料源的选取能力是分辨出最最优秀一档作业的主要因素。

为什么说是在优秀作业之中呢？因为一般和偏差的作业压根就没有“资料源”的意识，缺乏引用注释，最差是抄袭，好点的就是借鉴。他们一般意识不到注明引用了一个好的资料是加分项。

当然也有不搜索资料，或者只参考课件的学生。这两类学生如果能够体现出认真听课和独立思考，也可以得到比较高的分数。甚至一些可能没太认真听讲的（表现为完全没有提及老师讲过的相关内容），如果能写出一些别有特色的、或者带有个人体验的答卷，也可以得到高分。当然，最好的答卷一定是写成“小论文”式样的。

很多同学听说开卷考，可能会低估这一考核的难度。特别是这轮的《技术哲学导论》课，我甚至都没有要求读书笔记或小论文等作业，就是一场开卷考定成绩（为何要求如此少？之后我可能在课程总结中再讨论，简言之我对“哲学课”有更强的“自由”的执念）。（结果这门课涌入了一批组团来的学生，交上来的作业简直骇人听闻、前所未见、让我大开眼界，直接抄广告在其中都不算最过分的。）但事实上，要答好开卷考并不容易。审题能力、搜索能力、筛选能力、语言和逻辑能力等等，拉开差距的环节很多。虽然中游的答卷不容易区分高低，但最优秀的和较差的放在一起是一目了然的。

这次的期末考卷出得有一点疏忽，往年的考卷上一般我会罗列许多考试规则，例如“不得抄袭剽窃，引用或借鉴的话语应当用引号或醒目标记注明。来自纸质材料的资料出处至少应注明作者和书名或论文标题；来自网络的材料可直接粘贴网址链接。”而这次我没有罗列这些规矩，只是直接给出考题就完事。

事实上这不完全是疏忽，因为这次考试是临近期末时临时由随堂考改成回家作业的。原本的试卷里还有诸如21:20前提交、可参考网络资料、不得交流等等罗里吧嗦的规则，我就一股脑全删了。因为我以为既然是“作业”，默认当然就是可以参考网络资料的，当然也是不允许抄袭的。

结果还真有学生过来申诉，说我布置作业时没说不能抄资料，原话是“老师既然都叫我们可以用手机了且期末要求也没有说什么，那我找到一篇比较好的文章里面比较好的观点也自然可以搬用”。

我当然没有接受这类申诉，抄袭肯定是不被允许的。当然我其实不是对抄袭现象赶尽杀绝，比如上面这位同学，助教只是判定涉嫌抄袭的题目不及格，而不是总分不及格。同样是抄袭，有一些情况是可以适当通融的，例如：1.看得出来学生是认真答题的，因为对学术规范缺乏了解，所以缺乏引注或引注不规范；2.看得出来学生是认真答题的，只是极小篇幅的非关键文本涉嫌抄袭（如个别客观信息）；3.看得出来学生是认真答题的，但可能是一时疏忽漏加了一处引注（其它部分正常注释）……总而言之，如果学生能体现出认真答题，只是无意识地犯错，那么我仍然会给予低分，但可能保住及格。当然，如果明显是敷衍了事，甚至是出现抄广告之类的，自己抄完一眼不看或者赌老师不看一眼就给分这样的现象，那么哪怕认定抄袭的篇幅不多，也不可能拿到及格。

我个人前几年的课有时还喜欢三令五申不得抄袭，开学第一课先讲一次，中间随时重审，考前一周两周再讲一次，考试时在公告和试卷上都提一次……我这次不爱这么提了，顶多只是在开学第一周提一提。反省下来其实与其说是因为疏忽，不如说是因为厌倦。不得抄袭应该是一个最基本的要求，反复唠叨这个要求总感觉是浪费生命，也是对学生的不尊重。就好比你进一间屋子，屋子门口没写禁止偷窃，屋子里也没人拿大喇叭喊不要偷窃，甚至屋子里都没人盯着，然后你就可以在这屋里偷窃了吗？

当然，与偷窃的情况略有不同的地方是，很多学生可能确实不了解抄袭是错误的，这一点我很早也谈过，结论是作假成风已经成为我们的文化环境。以前我很想通过自己的课程多少纠正一下风气，不过现在我越来越懒了，特别是我了解到清华专门开了许多“写作课”，主旨就是教学生写作，那我就更是放任不管了。从我的私心而言其实还有一点或许阴暗的想法：我如果三令五申不能抄袭，恐怕也并不能使大多数混子突然就学会认真写作，他们反而可能额外研究洗稿之类，或者被吓得退课了，祸害其它课程去。索性我多做做恶人，多给几个不及格，也是大快人心了。

关于抄袭以前谈过很多，这里也不再多谈了，之所以要谈以上这些，其实也是要联系到chatGPT的影响——chatGPT问世之后，比东拼西凑抄文章更简单的混作业方法诞生了：直接让chatGPT答题。

事实上，我这两课的作业提交期限，已经是chatGPT初步流行之后了。已经有了同学用上chatGPT了，一位很认真的同学用与chatGPT对话的形式交了作业，作业本身挺好但严重超出字数限制所以得分不高；另外有一两个同学答卷有点像用chatGPT攒的，但我不按是否使用chatGPT判分，总之是答得很生硬文不对题的，无论是不是用AI答的，都是低分。如果回答能够切中题意，语言通顺，那么即便是chatGPT写的也正常给分。

令人遗憾（欣慰？）的是，最差劲的那群学生似乎还没学会用chatGPT来写作业，确实，他们连抄来广告之后亲眼看一遍的耐心都没有，怎么有心思去研究chatGPT呢？不过，等技术再普及普及，以至于最差的混子都可以随手使用AI答题的时候，判卷可能就非常困难了，这也是为何我未来的课程如果设置开卷考，或许会禁用网络，而是只允许参考纸质文本了。

目前来看，AI还没法完成最优秀的作业，但是至少一部分试题其实已经答得比中下游水平的学生要强了。比如如下问题（我问了三遍，三遍答案都不同，都是3.5版本，最后第四遍文本版是托人用4.0问的，明显有更多更细节的信息了，但不知为何没回答完就停了）：

美国从18世纪末开始就在许多技术领域高速发展，甚至有一些领域领先于欧洲。在福特的生产流水线之前，美国的技术发展已经有了哪些特长之处？请适当列举，并讨论原因。

美国自18世纪末以来在许多技术领域的高速发展确实是令人瞩目的，尤其是在一些领域超越了欧洲。在福特生产流水线之前，美国在以下几个技术领域已经展现出了特长：

电气技术：美国科学家和发明家本杰明·富兰克林（Benjamin Franklin）是现代电气技术的奠基人之一。他在1752年进行的闪电和电击实验揭示了电的基本性质，为电气技术的发展打下了基础。

蒸汽动力：虽然蒸汽机起源于英国，但美国在蒸汽动力领域的发展也非常迅速。例如，罗伯特·富尔顿（Robert Fulton）在1807年成功研发出了第一艘商用蒸汽船，使得水上交通得以迅速发展。

交通运输：美国在铁路技术方面取得了重要突破。例如，1830年代，美国开始建设跨州铁路，极大地推动了美国大陆的经济一体化和国内贸易的繁荣。

农业技术：美国在农业技术方面取得了显著成果。例如，赛瑞斯·麦考密克（Cyrus McCormick）在1831年发明了机械化收割机，使得美国农业生产率大幅提高。

通信技术：19世纪中期，美国的塞缪尔·摩尔斯（Samuel Morse）发明了电报机和莫尔斯电码，极大地推动了国内和国际间的通信发展。

制造业：美国的制造业也有很多值得一提的成就。例如，托马斯·布兰奇德（Thomas Blanchard）在19世纪初发明了一种可以复制不规则形状物体的机械装置，为标准化生产和制造业的发展奠定了基础。

这些技术发展的原因主要包括以下几点：

自然资源：美国拥有丰富的自然资源，如煤、石油和矿产，为工业发展提供了基础。
创新精神：美国民众具有强烈的创新精神和实践精神，这为技术创新提供了源源不断的动力。
教育与

New chat

综合AI给出的答案，其实要点非常全面，我自己想到的无非是标准化生产、交通网络（船运和铁路）、通信技术（电报和报纸）等，我看到AI的答案时才想起来漏了能源技术（石油和水力）这一要点。当然我可能仔细琢磨琢磨也能想起来，但AI显然可以非常迅速地为我提供辅助。原因方面，无非也是实用主义、市场环境、自然资源等，AI也都提到了。有一些相对主观的观点，我课上提过但AI不可能提到，比如美国相比英国而言缺乏熟练工人但劳动力过剩的情况更适合傻瓜式生产方式（如标准化工艺）的推广。还有比如美国没有经历漫长的农业国时期，西部大开发是工业化先于农业化，新开垦的农田从一开始就是适应于大规模机械化耕种，所以现代化农业没有历史包袱迅速发展……但这类观点其实绝大部分学生也没提到。可以说仅从提及的要点而论，AI已经达到优秀的标准了。3.5的答卷也有很多张口就来的漏洞，比如说美国人发明蒸汽火车之类的，在4.0已经得到改观，在New Bing中可能更完善，还能加参考链接。

可以预计，如果未来我不改变考核模式，那么在普遍应用AI的前提下，最优秀的同学也许还是可以脱颖而出，他们可以在AI的帮助下更好地完成答案，他们可以把AI的答案视作启发或参考，仍然加入个人化的阅读和思考。但是关键问题是，原本中游的学生和最差的学生之间可能就难以分辨了。原本中游的学生是个什么水准呢？大致上就是一个高中生的议论文水准：审题准确、文从字顺、条理清晰、能自圆其说、偶尔引经据典两句，这就不错了。优秀的高中生议论文就是能够排在中游偏上的位置。很多学生都做不到这个水准，不说别的，很多人写起文章来1000多字“一气呵成”，压根不分段，想想看高中作文你写800字就一个自然段是什么感觉。语句表达都不利索，更不说条分缕析了。这方面直接把AI给出的答案不加修改拍出来，也能超过一小半学生了。那么原本最差的学生是什么样呢？思路混乱、东拼西凑、不知所云。明显就没听课，不知道问题在问的是什么，大概搜了一些文章东看一句西摘一句，凑出来一份似是而非的答卷，因为多少是看了一下重新拼接过，所以也抓不出抄袭，就是只能给个低分出来。真正不及格的就是那些囫囵抄，抄得过于明显以至于我不判抄袭显得我是傻子，这种情况往往才会不及格。

当然，我经常有冲动，想把那些并没有抓到抄袭，但是作业写得仍然狗屁不通，达不到高中语文水平的学生，也都判成不及格拉倒。但是这样一来一方面杀伤面太大了，另一方面确实也更可能出现误伤：有些同学可能确实很认真在答，真是因为过于偏科，以至于就是写不好文科作业。所以我还是只给最不可救药的判F，可以说可能有该判F的没抓出来，但不会有该判D的被判成F的情况。

而AI出来之后，原本的B、C、D、F各档次，甚至部分的A-档次，都会变得模糊不清。比如原本是F=不可救药；D=狗屁不通；C=思路混乱；B=大概凑合；A-=总体优秀或总体过关但有亮点。现在是只要用AI来答，就能达到“肯定能凑合用，偶尔带点惊喜，偶尔思路混乱，至少文辞通顺”的程度，亦即B为主，C+到A-的程度。

在这种情况下，肯定要做出调整。一种办法是彻底改变评分尺度，以AI的水准作为及格线，重新设定更高标准。这样做的话可能一些原本得B的作业徘徊在及格线附近，而原本能得A的作业只能得C之类的。这种办法过于决绝，而且对教师和助教以及学生而言都有很大的压力。另一种办法就是最简便的，取消或减少可上网的作业，以现场讨论和现成答题为主要给分依据。

当然，还有一个更加简单粗暴的办法，那就是彻底取消考试，来选课就给过，大家完全自由。想写论文的还是可以写论文，老师会更用心批改和回应，但不计分。其实这是一种非常理想化的状态，即学生完全是由于内在求知欲的驱动而上课，而不是为了得到一个分数。当然，缺少强制力也会导致许多懒散的同学完全不在课外花功夫，未必有益于求知欲的培养。但“强制力”其实也可以体现在其它环节，比如经常在课上公开讨论，迫使学生为了不丢人或为了辩赢别人而在课后用功。总之，上一门课的主要收获应该是在课堂和课外听到、读到和思考过的东西，而不是一个学分或绩点。

“为自己的求知欲而学习”或者说”以内在的快乐为目的而学习“并不是高不可攀的奢求，事实上，每一个低年级小学生或每一个一流大学的大学生都应该多多少少有所体会。小孩子还没有意识到分数的压力时，肯定会有一些把学习看作一项乐事的时候，无非是家教好一点的可能快乐更多一些。某种意义上说学习是符合人类天性的事情，从学走路到学说话，孩子都是乐在其中的。而一流大学，一定有开放自由的选修课，以及开放的教学环境。至少就我个人的体验来说，有几个同学没有完全自发地去旁听一些与学业或分数无关的课程或讲座呢？哪怕是那些没有学术追求，最后都是去做社畜的同学，在本科期间也会多少有自愿自发去听课的经历。

总之，其实为乐趣而学习是很自然、很人性的事情，反而是为了分数、绩点、考证、求职等等外在目的而学习，才是异化的形态，不是学习的本真样貌。

为什么异化的学习模式反而成为主流呢？简言之，还是因为技术的发展。技术从远古开始就是趋向于专业化的，而在工业革命之后，专业分科和流水线化成为整个技术系统的底层逻辑，人类为了适应越来越严密的技术环境，就必须顺从于技术的运转模式。正如生产流水线的逻辑：一群全面发展的、兴趣使然的工匠，远远比不上一群专于特定动作的、枯燥刻板的工人。当然了，工业革命以来，随着教育的普及，越来越多的人有机会学习自由的知识，“自由技艺”不再是精英贵族的特权，总体来说人类还是走向解放的，但仅就“自由技艺”本身而言，其地位确实是一落千丈了。选课听课过程中的自由空间不再被视作目的本身，而是经常也被看作手段，看作培养学生积极性或者说学习热情的一种手段，最终的目的还是要完成特定的“专业”。

人类必须通过后天的学习去适应技术环境，因此技术环境的变革也会刺激学习模式的变革。工业革命引出了专业化教学，但这种教学模式也将在另一场技术革命中过时。

AI技术的发展势必会为未来的技术环境奠定一个完全不同的底层逻辑，为“专业化”赋予新的意义。

近年来AI的最显著的进展就在于，AI学会了“学习”，AI有了“学习”的能力，而且相对于人而言，对于AI来说，“填鸭式”学习的能力是无限的。一个人一天啃不完一本书，而AI可以把有史以来人类的全部著作都啃下肚里（只要电子化了），还能很快消化，活学活用。目前这个趋势已经很明显了，就是说一类专业知识如果你能够以“填鸭式教学”的方式让一大部分人类学会，那么这种能力也很快就会被AI学会。画画、文献综述、编程等等，只要人类可以按部就班地学会的事情，AI非但也能学会，而且往往学得比人更好。

就考试能力而言，据说GPT4.0已经达到了考上斯坦福的水平，一些高难度的奥赛考试几乎能拿满分，已经超过99%的人类。即便那些暂时还只处于人类中流水平的领域，相信AI过几年也会迅速赶超，想想当年围棋领域，AI从业余棋手水平到顶尖水平最后到远远甩开人类用了几年？未来只会更快。从不会到会是一个很大的鸿沟，但从中游水平到顶尖水平，往往只是积累量变而已。

我们先不谈AI有没有“创造性”的问题（我认为当然已经有了），关键是富有创造性的人才本来就是凤毛麟角的，大部分的人类在大部分的专业工作岗位上能有多少创造性？生产流水线本身是排斥创造性的，让你拧一圈半螺丝你就得拧一圈半，你能耐大创造性地多拧半圈反而是添乱。就按部就班地消化资料产出成果而言，AI已经能超过大部分人的脑力能力了。

所以说，所有填鸭式的、枯燥无趣的、有按部就班训练步骤的学习过程，基本上都可以宣告过时了。这可不只是专科技校的问题，也已经向顶尖的科研领域渗透，比如AlphaFold、ProGen等AI工具对分子生物学早已造成了巨大冲击。可以想象目前以及未来的AI技术也将让至少一部分“科研民工”同样面临失业危机。

现在的教学模式之所以异化，是因为这个技术社会需要大量的“螺丝钉”，而成为“螺丝钉”则必须学会相应的专业技能。所以很多人不是为了乐趣，而是为了谋生糊口，不得不投入学习。所以他们学习的目的也不是为了追求卓越、改变世界或者享受乐趣，学习的目的是为了达到成为“螺丝钉”的门槛，因为人们都争着做更高级的螺丝钉，所以学习总是陷入内卷，为了公平起见，就需要用分数、文凭等客观标准去衡量学习过程。

但是如果整个社会不再需要“螺丝钉”了将会怎样呢？那么所有被迫的、机械化的、填鸭式的教学都不再必要，教学的模式势必发生变革。

当然，变革未必一定是往自由和解放的方向。可以参考体育运动这一领域。事实上不需要AI，机器早就已经超越了人类的身体能力。体育锻炼理应早已脱离外在的功利要求。个别运动在个别国家确实如此，这些体育运动完全以俱乐部形式开展，参与某项体育训练的人往往主要是出于享受快乐和追求卓越的目的。但在另一些地方并非如此，由于体育比赛仍旧有利可图，许多从事体育训练的人往往也还是把它视作“谋生技能”，即便缺乏乐趣也仍然趋之若鹜。

这是因为人们不仅要去适应技术环境，同时也在适应社会环境。比如虽然电报技术让传讯员过时了，但源自传讯员的马拉松变成了一种体育运动，长跑的技能也就仍有用武之地。未来AI技术进一步取代大量专业之后，许多专业也可能游戏化、竞技化，那么就还是会有人去学习，而且还将向AI学习，正如各种棋手现在需要向AI学习那样。

理想的状态是，AI的加入让许多专业重新变成“自由技艺”。

当一门技艺不再成为谋生手段时，还会有人愿意花功夫学习吗？当然有可能，各项竞技、游戏已是例证。而且，现在的状况是，所有人或多或少都需要去学习若干门谋生技艺，这类学习占用了太多时间和精力，以至于很多人无法为了单纯的乐趣投入太多。但如果压根就不再需要去学谋生技艺了，人们有可能把更多的精力投入在兴趣使然的学习之上。

当然，以上是理想状态，现实更可能发生的是，当谋生技艺过时之后，整个社会将陷入混乱或迷茫，大多数人什么都不想学，只想混吃等死，学会的最高的技能就是打开手机刷刷短视频之类的。各种专业重新变成“自由技艺”的同时，也很可能“逆大众化”，重新变成只有极少数人还会参与的“精英技艺”。

但这也许也并不可怕，本来每一个普通人就并没有什么建设社会、推进科学之类的义务，把创新的使命交给与AI互相辅佐的少数人就够了，大多数人就是混吃等死也是正常的。只要想想看在顶尖学府中，还有学生抄袭广告来应付作业，就能理解这件事了：很多人就是“混”一辈子而已，无论有没有AI都差不多。

在AI发达之后，我们可能更需要考虑的是作为个人兴趣的教学，肯定还有许多人，他们在没有谋生压力的情况下，仍然保持有学习的热情——这也并不罕见，哪怕混子也多少会有一些。不过满足这类“兴趣使然的学习需求”的，在目前看来通常并不是“主业”，而是诸如通识课、讲座、课外阅读等等。而在未来的教育中，这些目前来看“边缘”的、“额外”的教育内容，或许将变成最主要的教学领域。

相比专业课，通识课程是更难以被AI取代的。因为通识课侧重的不是培养“能力”，而是培养“理解”。一个缺乏理解的人，也可能胜任自己的“专业”。比如一个流水线员工不需要理解它正在生产什么，一个工程师也未必要理解它所运用的各种经验公式本质上是什么含义，甚至一个科学家都未必要理解某些基本概念，就可以准确地运用各种公式。

在流水线逻辑下，每一个“螺丝钉”只需要了解它所任职的一小块专业领域，而不需要知道它所在的领域在整个流水线系统乃至在整个世界中究竟处于怎样的位置，和其他事物究竟有哪些关联，在历史上究竟有哪些来龙去脉等等。专家不需要“通识”。但作为人类，如果听从自己的好奇心和求知欲，那么我们一定不会放弃对“通识”的渴求——人总是更愿意问“为什么”，而不只是满足于知道“怎么做”。

通识课程的使命就是提供这些直接而言“无用的”、贯通性、整体性的“理解”。也许AI也可以代替老师来讲授一门通识课程，但AI永远不可能代替学生来学习一门通识课程。比如说，我想要做一个网站，现在AI可以直接代劳，把代码直接写出来，我不需要理解这些代码的意思，直接拷贝过来用就可以了。但如果我想要理解为什么我要做网站，考虑我要做一个什么网站，这就不可能从AI那里获得现成的答案。因为这并不是一个“专业”的问题，而是个人判断的问题。但是这种个人问题，并不是说不需要任何学习。比如说，我可能需要了解历史（人们曾经开过哪些网站）、哲学（以便清醒反省自我的意义与欲求，哲学会回归个性哲学的本原）、社会学（潜在的受众群体需要怎样的网站）等等；根据网站的内容，我可能还需要了解文学、经济学、政治学、艺术等等；我可能也需要对编程技术有一些起码的了解，以便设想网站可能实现的功能……

总之，在“我想做……”之类的活动中，“做”的技艺可以由AI代劳，但“想”的层面并不能完全交给AI。而“想”总是在一定的知识基础之上才得以可能。一个什么都不知道的人是无从思想的，“通识”越多，思想的空间就越大。

为什么现在通识课不那么吃香？为什么通识教育只有在一流大学中才比较发达，在三流大学和专科技校中完全缺乏呢？因为大部分人压根就不需要“想”这个环节，就是听话出活就行了，找到一份职业之后就按工作要求干活就完事了。除了每天三餐吃啥，普通人的生活中没有多少需要自己去“想”的环节。在工业时代，只有企业家、创业者、思想家、艺术家等少数行当（这类行当有时并不被归入“职业”的范畴）的人，还需要经常去“想”，经常去思考“目的”而不只是衡量“手段”。

当AI全面胜任各项专业技艺之后，人类无论是始终主宰着AI还是需要去反抗AI，“自由”都将成为留给每一个人的大问题。如果AI是奴隶，把人类从必然的劳作中解放出来，那么人剩下的工作就是满足自己的自由追求；如果人成了AI的奴隶，那么当然人还是需要去争取“自由”。“自由”的基础就是“自由思想”，而自由思想的基础就是一个足够宽阔的知识空间，而这就需要通识教育。

在人工智能的时代，人类也许只需要两类课程，一是游戏课（取代专业课），二是通识课，后者将反客为主，成为最重要的教育环节。