人工智能时代，新加坡需要的是更优质的学习，而非更多课程

一名专业人士在周六参加了一门人工智能课程，完成模块，获得证书，然后在周一返回工作岗位。从表面上看，这似乎是一种进步。

但当他需要使用人工智能来分析报告、质疑输出结果、做出判断或决定该工具是否遗漏了重要信息时，他真的准备得更充分了吗？

这正是新加坡现在需要面对的问题。

多年来，新加坡通过技能创前程计划以及一项更广泛的全国性持续技能提升运动，正确地投资于终身学习。

与此同时，新加坡正大力推动人工智能的普及应用，包括一项新的“全国人工智能影响力计划”，旨在为1万家企业提供支持，并帮助10万名员工更熟练地应用人工智能。

这个方向是正确的，其紧迫性也是确实存在的。

但在人工智能时代，挑战不再仅仅是让更多人参加课程，而是要确保学习的有效性。

我们常常仍将终身学习视为一场数字游戏：报名人数、出勤率、结业率、获得的证书数量。这些都易于统计。

但这些数据未必能告诉我们，人们是否通过学习改变了自己的思维、工作和适应方式。

SEE ALSO

Fast AI adoption is not enough; Singapore must care about redesigning work

The premium skill now commanding higher pay for Asia’s graduates

AI may reshape the labour market, but the deeper disruption is in education

发掘大脑的学习方式

一个人可能上完一堂课，通过了考核，拿到了证书，但对知识的记忆、应用以及向实际情况的转化却少之又少。

这就是为什么基于大脑的学习比以往任何时候都更加重要。

基于大脑的学习源于一个简单的理念：当教与学的方式与大脑的实际运作方式相契合时，人们的学习效果最佳。

大脑不是一个等待信息填充的存储设备，而是一个活跃的、具有适应性的器官，它通过关联性、情感、专注力、意义、实践、反馈和反思进行学习。

在人工智能时代，这一点尤为重要，因为信息的获取成本已变得极为低廉。

人工智能可以在几秒钟内生成内容、总结文件、回答问题和自动执行常规任务。真正的价值现在已转向其他方面：判断力、洞察力、情境理解力、创造力、伦理推理、协作能力和智慧。

这些都是深层次的人类能力，它们不是通过被动接触信息就能建立的，而是通过更深度的学习才能成长。

对技能创前程、职场学习和专业提升的影响

在人工智能时代，终身学习若要保持其意义，就必须着重于能力建设。

任何培训结束后，真正的问题在于，学习者是否变得更能批判性地思考、应用知识、解决陌生问题并自信地适应变化。

教育工作者和培训师应思考这一点。

许多成人学习项目仍然过于侧重内容灌输、讲座驱动和应试考核。学习者被信息淹没，却没有足够的时间去讨论、提问、应用、复习和内化所学知识。

仅靠被动倾听，大脑的学习效果很差。当学习者积极参与、有情感上的安全感、建立社交联系，并获得反复练习和反思的机会时，学习会更加深入。

同样，雇主也应注意到这一点。

如果商界领袖希望员工善用人工智能、持续创新并迅速适应，就必须创造有利于大脑学习的工作环境。

在恐惧、尴尬或持续评判的环境下，人们的学习效果不佳。在可以提问、验证想法、犯错、获得反馈并能在没有威胁感的情况下不断改进的环境中，他们的学习效果会好得多。

一个有利于大脑学习的工作环境并非一个“软性”概念，而是一项战略性举措。

许多机构声称他们需要创新、实验和转型，但员工往往感受到的恰恰相反。他们感到压力重重，必须表现出色、显得能干，并且不能因为问“基础”问题而拖慢进度。

在这种环境下，学习会变成一种防御性行为。人们可能表面上顺从，但他们会减少深度探索，不愿承担经过深思熟虑的风险，也无法建立起真正的能力。

因此，商界和企业领袖不仅要反思培训项目本身，更要反思学习发生的环境。

新加坡已有更好的实践案例可供借鉴。

例如，Micron Singapore发起了一项内部人工智能技能提升计划，培训了300多名员工使用生成式人工智能工具。该计划不止于提升认知。在三个月的时间里，员工们利用Python和Power BI等工具，更快地提取见解、更好地分析风险、自动化处理日常任务、更高效地规划项目并改进决策。

他们的例子体现了多项基于大脑的学习原则：学习与实际工作挂钩；是应用型而非抽象型；是循序渐进而非一次性的；并且将学习与真实的工作场所问题联系起来，而这正是让学习更令人印象深刻、更易于转化的关键。

专业人士本身也需要改变思维模式。

长久以来，许多人将学习视为一个孤立的事件：上课、完成一个项目、获得一张证书。但这种模式已不再足够。

专业人士需要更主动、更有意识地学习。他们需要尝试使用工具，反思错误，将新知识与实际工作联系起来，与他人共同学习，不断重温旧有想法，并摒弃过时的假设。

重在构建能力，而非收集证书

在一个人工智能可以即时提供信息的世界里，真正的优势不在于知道更多的事实，而在于更好地思考。

新加坡成功地将终身学习纳入了全国性的议题。但下一步的方向现在已经明确：我们必须超越“更多课程等于更好结果”的假设。

如今，重要的不仅是获得学习的机会，更是学习本身的质量。

如果我们继续将参与等同于转型，我们最终可能得到一支证书齐全但准备不足的劳动力队伍——他们纸上谈兵，却未真正为复杂性、变化和判断做好准备。

如果技能创前程要真正保持其未来的现实意义，那么下一步就不应仅仅是增加技能培训。它需要的是基于大脑的学习，帮助人们更好地思考，更快地适应，并以智慧而非依赖的方式使用人工智能。

作者是南洋理工大学的名誉教授