第12章　与AI共同生活的未来

候选稿 v0.1　｜　2026年10月8日

再看最初的那个问题

第1章里，我们从一张旧包装纸开始：它除了包东西，还能用来做什么？有了纸和手电筒，怎样向同学展示一种会变化的影子？AI可以提出做法，但纸能否立起来，影子有什么变化，同学看到了什么，都需要实际尝试。

你也许选择了另一个问题，想介绍一件熟悉的物品，弄懂一种现象，或者让一份说明更容易阅读。现在，再找出当时写下的问题。它可能已经有了回答，也可能变得更具体了。最初想“做一个好看的网页”，后来发现自己更关心的是：第一次打开它的人，能不能看清那处值得注意的细节？

几章之间，我们接触了数据、模型、生成和证据，也尝试让内容变成可以运行的小工具。我们学习怎样说明要求，怎样看待不同结果，怎样听取别人的反应。这些经验还会延伸到以后怎样学习、与人交流、参与工作，以及怎样对待不断变化的技术。

本章不要求再增加一项程序功能。我们把已有的问题、作品和经历放在一起，看看认识发生了什么变化，也想一想接下来愿意探索什么。面向未来，可以保留期待，可以提出疑问，还可以带着理由作出暂时的选择。

学完本章，你将能够：结合一个实例说明工作任务怎样变化；用自己的解释和尝试检查学习情况；讨论AI参与交流时的信任与人的联系；考虑技术的使用机会与代价；回看一个问题，形成有经历、有理由的继续探索方向。

12.1　工作和学习正在发生什么变化

12.1.1　工作任务的变化与新的协作方式

设想你要向一位新读者介绍笔袋作品。完成这件事，可能包括选择照片、说明修补经过、安排文字、制作网页、检查按钮，以及听取读者意见。它看起来是一件事，里面却有多种任务。

第7章中，AI可以提出图文安排，你比较后选择自己的表达。第8章中，AI可以生成程序，你打开页面，看看按钮是否产生了需要的变化。第9章中，配有工具的AI还可能参与读取、修改和检查文件。随着工具能力变化，同一件事的分工也会变化。

工作中也有类似问题。一份物品介绍以前可能需要人从头起草，现在可以先生成候选文字；逐份整理的材料，也可能由工具先分类。随后仍要确认讲的是哪件物品，向谁介绍，哪里需要补充。环节怎样分配，要结合实际结果决定。

工作任务的变化，包括原有步骤被调整，一些步骤交给工具，也可能出现过去没有安排的新任务。例如，生成介绍后，需要辨认哪些细节来自观察，哪些是模型补充；多人协作时，还需要让后来接手的人知道材料和修改的来路。任务的多少、先后和要求，都可能随之改变。

国际劳工组织在2025年的研究中，按职业包含的任务分析生成式AI可能带来的影响。技术影响部分任务，不能推算为相同比例的人已经失去工作；潜在影响与实际变化需要分开理解。[1]

因而，听到“某种职业会被AI替代”时，可以先问：说的是哪项任务？依据什么能力和条件？现场是否实际采用了这种做法？一种职业还包含哪些事情？这些问题帮助我们理解消息，也避免仅凭一张职业清单安排自己的未来。

技术的作用还受到组织方式影响。同样能生成介绍的工具，可以被用于减少重复填写，让人有时间了解使用者，也可能被用于要求人完成更多份材料。我们需要继续问：时间用在了哪里，质量有没有改变，参与的人能不能表达意见？这些选择由实际使用技术的人和组织共同面对。

回看自己的作品，也可以把一次协作讲清楚：AI提出了哪些办法，程序实际做了哪些事，自己与同伴作出了哪些决定。若一项工作由人完成，就按实际情况说明。把过程中的贡献看清楚，才能讨论哪些分工值得保留，哪些需要改变。

你也可以选择亲手写下一段介绍，先画一张草图，再请AI帮助比较。亲自练习、了解材料或与人共同做一件事，本身就可能是目的。采用哪种方式，需要联系此时想得到的结果和愿意经历的过程。

12.1.2　借助AI学习，同时保持自己的理解

遇到一段不明白的解释，可以请AI换一种说法，补一个例子，或者提出问题帮助自己检查。第3章里的参数怎样影响分类，第5章里为什么要区分当前输入与训练，都可以由不同的例子逐步理解。

但读完一段顺畅的解释，还需要观察自己是否能够运用它。熟悉的句子有时会让人觉得已经懂了；换一份材料、一个数字，才发现不知道该从哪里开始。我们可以通过说明理由、实际计算和改变条件，让理解变得可以看见。

例如，第6章的纸桥材料写到，纸桥托住24枚硬币后，因为硬币用完而停止。有人据此说“这座纸桥最多能托住24枚”。读过解释以后，试着暂时合上材料，用自己的话说明这句话缺了什么依据。能够指出试验没有继续到塌下，就比只记住“要核对信息”更接近这个问题本身。

再把数字改成30枚，停止原因仍是硬币用完。你的解释是否还能成立？如果另一份记录确实写到放上第31枚时塌下，判断又会怎样变化？在改变条件后继续说明理由，有助于分清自己记住的是原来的句子，还是理解了材料与结论之间的关系。

AI可以参与这一过程。你可以先给出自己的解释，请它指出哪一步还不清楚；也可以请它提出一道条件稍有变化的问题，自己作答后再比较。准备新的练习材料时，要核对其中的事实和计算。模型给出的评语，也可以与原文、演算或实际运行结果对照。

学习的目的不同，使用方式也可以不同。想理解按钮怎样改变页面时，自己读一段关键程序并实际点击，能够帮助建立联系；想尽快把已经理解的重复格式整理完，可以更多地借助工具。开始之前说清此时要练什么，更容易决定哪些步骤值得亲自经历。

还有一些学习需要与他人相遇。向同伴解释一次计算，听见对方追问，可能让你发现省略的条件；请读者试用网页，才能知道他怎样寻找按钮。AI可以提供练习和建议，同伴、教师、书籍以及亲手尝试，也提供不同的帮助。

联合国教科文组织的学生AI能力框架，把基础知识、批判判断、创造和以人为本的思考联系起来，也关注持续学习。[2]在本书里，这可以落实为一个具体习惯：得到帮助以后，再留下一次自己的解释或尝试，看看自己能否在新条件下继续思考。

不必为每段学习都填写记录。选一个真正困惑过的地方，讲清原来怎么想、现在能够解释什么，以及仍有哪一点不确定，就已经留下了有意义的变化。

12.2　技术怎样影响人与人的关系

12.2.1　交流、信任与真实的人际联系

第7章里，一位读者可能喜欢笔袋上不整齐的针脚，另一位读者可能觉得更整洁的画面好看。他们理解了同一份材料，却有不同偏好。倾听这样的分歧，可以帮助我们了解对方，也看清自己的选择。

AI可以提出另一种看法，帮助整理不容易说清的句子。不过，模型给出的意见，与一个人看过作品后说出的感受，形成过程不同。第5章已经讨论过，模型利用训练中学到的关联和当前材料生成回应。具体读者的意见，则来自他这一次的观看与经历。

例如，你想解释为什么留下蓝色补丁，却担心话说得太生硬。可以先请AI提出几种表达，选一段符合自己意思的文字，再与同伴交流。对方可能提出AI没有考虑到的问题：“我不知道这是谁修的”“我最想看的是修好后能不能继续用”。认真回应这些话，交流就会向前推进。

信任涉及我们愿意依据谁的信息作判断，也涉及相信对方会怎样对待自己。它在长期来往与具体事情中逐渐形成。一次准确的回答可以成为依据，说明错误以后愿意修正，也可能帮助维持信任；只让语气显得亲切，还不能说明事情已经办妥。

第9章的工具协作提供了一个例子。AI说“网页已经改好了”，你仍要打开它，查看实际结果。同伴答应帮你试用，也需要真正看过页面，才能反馈。对象不同，我们都可以把一句承诺与已经发生的事情联系起来，而不只依靠表述是否流畅。

说明AI参与的部分，也是在帮助别人理解交流的来路。如果一段作品介绍经过AI协助，可以具体交代自己提供了材料、工具帮助修改了句子，以及最后怎样选择。别人既能读作品，也能进一步问作者为什么这样表达。简单署上自己的名字，不能代替对作品内容的了解。

同样的道理也适用于照片、声音和转述。生成的一段声音、整理过的文字，可以传达信息；它们是否记录了某个人实际说过的话，需要另外确认。第6章对原始材料和转发配文的比较，提醒我们回到具体内容及其形成过程。

技术有时能帮助人们更容易交流。例如，把已经允许使用的声音材料转为文字，可以给不便听音频的人另一种阅读方式。帮助应当联系对方的实际需要。有人希望看文字，有人希望先听口头说明，直接问一问，比替所有人预先决定更合适。

当有人愿意向你讲一件重要的事，倾听、陪伴和回应也有自己的意义。一起修补物品，一起看完一次试验，记得对方关心的细节，都构成了人与人之间的关系。我们可以在这些事情中使用技术，也保留面对面交流和共同经历的时间。

想一想，你曾经获得的一条帮助来自哪里？它可能是一段解释，也可能是一个人耐心等你再试一次。说清它为什么重要，有助于认识自己希望怎样与人相处，而不只比较哪一种工具回应得最快。

12.2.2　使用机会、个人数据与技术带来的代价

做出一个网页以后，我们开始问谁能打开它，谁看得清，谁可以操作。第9章增加放大文字的功能，正是从一位读者的需要出发。不同使用者还可能有不同设备、网络条件、语言习惯和阅读方式。

技术提供的机会，只有在实际条件允许时才能被利用。一个需要持续联网的活动，可能让连接不稳定的人难以参与；一段只有音频的说明，可能让当时不便播放的人错过内容。工具收费、设备配置和是否有人指导，也会影响学习的起点。

这些差异提醒我们，评价一份作品时，可以同时考虑内容与参与条件。有人采用简单文字，有人使用声音或图像，只要能够说明目的、讲清原理并展示实际结果，都可以形成值得讨论的成果。漂亮的生成画面，不能独自代表学习过程的全部价值。

改善机会也可以从小处开始。已有网页能否保留文字说明？不播放声音时，是否仍能找到主要信息？没有图片时，能否先完成表达？第7—9章提供过这些选择。具体条件有时需要学校和资源提供者一起改善，个人的一次调整未必解决所有差异，却可以让一个真实的人更方便参与。

使用技术时，我们还会提供材料。其中，一些信息能够与具体的人联系起来，如姓名、照片、声音或一段个人经历。别人向你讲述的事情，可能同时包含他的想法与处境。处理这样的材料时，要考虑他是否知道它将被怎样使用。

假如你只想请AI帮助修改笔袋介绍，可以先提供物品的颜色、用途和修补过程。是否需要同时放入同学姓名、照片和私下谈话，要另作判断。材料与任务之间有什么联系，哪些部分可以省去，可以在输入之前想清楚。

第4章中，录音留下的是采集到的声音。设备放在什么地方，可能影响还录到了谁、哪些内容。我们可以调整材料和采集方式，让注意力集中在本次要研究的对象上。只修改文件名，不能说明原来的照片或声音已经与人无关。

联合国教科文组织关于生成式AI教育应用的指导，关注人的自主选择、数据隐私、参与机会以及文化与语言差异。[3]这些问题并不都能由使用者独自回答。当我们不清楚材料会怎样保存、由谁接触，可以先询问学校安排的使用方式，再决定提供什么。

技术的代价还包括运行所需要的设备和资源。AI模型的训练与使用通常涉及数据中心中的计算设备；设备处理数据需要电力，保持工作温度也需要相应系统。国际能源署的报告对此作了说明。[4]屏幕上的一次生成很轻便，背后仍有实际运行条件。

不同任务、模型和设备的耗用情况会有差别。缺少相应测量时，我们不能把每一次提问都换算成同一个用电量。可以先考虑自己是否需要继续生成，已有材料能否修改后使用，以及简单程序能否完成当前功能。第8章的展开按钮在运行时就由普通程序完成，并不需要每次点击都调用模型。

技术可以带来帮助，也占用时间、资源并改变一些安排。比较时，把受益的人、需要的条件和可能付出的代价放在同一个问题里，能帮助形成更具体的看法。我们不必为技术贴上永久的“好”或“坏”标签，可以依据此时的目的和条件决定怎样使用。

12.3　面对未来，形成自己的选择

12.3.1　工具不断变化时怎样继续学习

未来你接触的AI工具，界面和功能可能与今天不同。某个按钮移了位置，一项过去需要手动完成的操作可能进入了工具，新的材料形式也可能出现。学习这些变化时，可以先从一个自己熟悉的小任务开始。

例如，把已经做过的物品介绍交给另一种工具，观察它接收了什么，生成了什么。它能读取照片吗？能够实际保存文件吗？回答引用的材料在哪里？只比较“看起来更好”还不够，选择一项与你的目的有关的结果，才容易把两种做法放在一起讨论。

此前学过的区别可以继续帮助你。模型训练与一次对话中的材料不同，生成操作说明与实际操作不同，某次测试通过与各种条件下都能使用不同。新工具出现时，回到这些问题，可以较快看清它的作用范围。

阅读说明也值得练习。先找与当前任务有关的一小段，确认它说明的版本和条件，再实际试一次。碰到不明白的词，可以查阅资料、请教师解释或向AI追问。必要时把多个解释对照起来，看看它们是否谈论同一件事。

持续学习，可以理解为在新的问题和条件下继续形成认识，并调整自己的做法。它包含学习新工具，也包含重新观察熟悉的东西。知道某一步可以省去，理解一项旧知识在新情况下仍然有用，都是学习的变化。

继续学习也需要适当安排。你可以选定近期真正想弄清的一件事，不必追赶每个新名称。完成一次小尝试，知道下一步该找什么材料，比收集许多尚未理解的术语更便于推进。若问题暂时超出当前条件，也可以留下疑问，等有更多帮助时再处理。

同时，给其他经验留出位置。阅读一篇写得清楚的文章，观察一件物品怎样被使用，练习一项专业技能，听不同的人说明自己的想法，都可能改变你提出的问题。AI参与其中时，可以扩展资料和表达方式；你对世界的认识仍会从多种经历中增长。

回看第1章那张旧包装纸，今天的工具也许能生成更复杂的方案，但那张纸的厚薄、你想呈现的影子，以及同学的观看感受，仍需要你了解。问题继续存在，我们可以带着更新的知识再次尝试，也可以选择研究另一个更关心的方向。

12.3.2　表达自己关心的问题与行动方向

现在，从第1章的问题和后来完成的作品中，选择一项认真回看。不必挑最精美的成品，也可以选择一段修改过的说明、一次比较，或一个仍没有完成的尝试。重要的是，你能联系具体经历说明自己的认识。

先读最初写下的那一两句话。你当时想弄清什么，已经知道什么？再看看后来的材料和作品，找出一项实际变化。问题可能缩小了，材料可能更完整了，也可能发现最需要解决的事情与原来想的不一样。

下面是一段回顾示例：

我最初想让AI把笔袋介绍写得好看。补充观察以后，我更想说明这件物品怎样继续使用。做成网页时，我注意到读者还需要看清补丁细节。我现在愿意保留简短正文和展开按钮，暂时不加背景音乐。下一步，我想请另一位读者试试看，了解他能否找到那处细节。

这段话把愿望、观察和选择联系了起来。它没有宣称所有读者都喜欢这个页面，也留下了下一步需要了解的事。你可以采用另一种选择：保留长一点的文字，改成声音作品，或者决定先把实物修好。选择不同，只要能够说明目的与依据，就可以继续交流。

接着，考虑作品和谁发生了联系。它可能帮助一位读者看清内容，帮助你向同伴说明经历，也可能只是让自己更理解一个原理。把作用说具体，能够看见已经得到的结果，也能够发现还有谁的需要没有了解。

如果第11章的作品已经得到真实反馈，可以选一条回看：你修改了什么，或者为什么保留原作？如果尚未有人试用，就说明自己现在依据哪些观察作判断，还准备向谁请教。未来设想可以大胆一些，已发生的事情仍按实际情况描述。

再提出一个愿意继续探索的方向。它可以是怎样让文字更容易读，怎样辨认材料支持的结论，怎样观察声音变化，也可以是如何向身边的人讲清技术选择。尽量给它一个能够开始的小动作，如重新拍摄一张图、读一份原始材料或邀请一次试用。

你可以写成几段话，也可以边展示作品边说明。说出一个问题、一次认识变化、一项选择和接下来准备做的事，就足以展开有内容的交流。无需为自己制定一份永久职业路线，也不要求此时回答未来的所有问题。

与同伴交换回顾时，可以询问：“哪件事让你改变了想法？”“这个选择帮助了谁？”“如果条件变化，你愿意怎样调整？”先听对方的经历，再谈自己的意见。不同方向可以并存，讨论帮助我们把各自的理由讲得更清楚。

技术还会继续变化，我们也会获得新的经验。一个现在合适的选择，后来可能需要修改。能够认真观察，学习必要知识，听取他人并说明自己的理由，让我们有机会参与这些变化，也决定自己愿意怎样生活。

本章回望

工作由多种任务组成。AI参与其中，会改变一些步骤、分工和要求。分析变化时，需要联系具体任务、实际条件和采用后的结果，不用职业名称替代对过程的了解。

借助AI学习，可以获得解释、例子和练习。自己的理解还可以通过复述理由、改变条件和实际尝试来检查。教师、同伴、书籍和现场经验，继续为我们提供不同的帮助。

技术参与人与人的交流，也带来关于信任、材料来路和参与机会的问题。关心使用者怎样接近作品，考虑提供哪些数据、运行需要哪些条件，有助于把便利与代价放在一起讨论。

回到最初的问题，我们可以看见认识怎样增长。有些问题得到回答，有些引出新的探索。对未来的判断可以暂时保留，自己的经历与理由则能够成为继续学习、创造和选择的起点。

练习与继续探索

1. 看清一项任务。选择本书中做过的一件事，说明它包含哪些步骤，以及人、模型和普通程序分别参与了什么。指出一处可能因工具变化而改变的分工，并说明还需要了解什么。

2. 检查一次理解。从第3—6章选一个曾经困惑的地方，先合上原文用自己的话解释，再改变一个条件继续讨论。哪些部分能够说明，哪些需要重新阅读或尝试？

3. 讨论一句完成承诺。有人说“我已经检查过网页，读者都会觉得方便”。这句话包含了哪些不同判断？你可以找什么材料或实际观察，分别了解它们？

4. 让另一位读者参与。回看第7—9章的作品，选一种不同使用条件，如不播放声音、没有图片或需要更大文字。提出一项小调整，并说明它帮助了谁。没有实际试用时，把预期与已经观察到的结果分开。

5. 比较一次技术选择。选择一种你使用过或想使用的功能，说明它带来的帮助，以及所需的材料、时间或设备条件。提出一个可以继续调查的问题，暂时不必给出统一结论。

6. 回到自己的问题。完成一份简短回顾，联系第1章的起点和一项后来经历：认识改变了什么，依据是什么，自己选择了什么，下一步愿意尝试什么。请一位同伴阅读，听取一个问题后再决定是否修改。

本章资料来源

[1] International Labour Organization. Generative AI and jobs: A 2025 update；How might generative AI impact different occupations? 2025-05-20。用于核对以任务分析职业影响、潜在技术影响与实际采用结果的区别；不用于预测个人就业结果。核对日期：2026-10-08。研究简报、研究方法说明。

[2] UNESCO. AI competency framework for students. 2024；官网页面更新于2026-01-16。用于参照基础知识、批判判断、创造、人的选择与持续学习之间的联系，不作为我国技工院校课程标准。核对日期：2026-10-08。官方出版页面。

[3] UNESCO. Guidance for generative AI in education and research. 2023；官网页面更新于2026-01-16。用于核对教育应用对人的自主选择、隐私、参与机会和文化语言差异的关注。核对日期：2026-10-08。官方出版页面。

[4] International Energy Agency. Energy and AI: Energy demand from AI. 2025。用于核对AI训练与使用涉及数据中心，以及计算、存储、网络和冷却设备的用电需求；本章没有估算单次提问的耗用或采用未来预测数字。核对日期：2026-10-08。报告章节。