问题：技术突破加速，“该怎样培养孩子”焦虑上行 近期，DeepMind最新研究智能体Aletheia数学界“FirstProof”挑战赛中取得突破性进展，面对十道被视作世界级难题的题目，该智能体完成其中六题的求解，并得到出题或有关研究者的验证认可；这个进展在学术圈引发关注，也在社会层面放大了对“技术是否会替代人”的讨论。面对技术能力边界不断外扩，不少家庭在教育选择上出现两难：既担心传统技能快速贬值，又不确定应将资源押注在何种能力结构上。 原因：创新往往来自长期积累与跨界融合，而非单一赛道的“提速竞争” 与社会焦虑形成对照的，是对创新者成长过程的再审视。近日出版的《哈萨比斯：谷歌AI之脑》以三年采访与资料梳理，呈现哈萨比斯的成长经历与思想脉络。材料显示，这位被称为“AlphaGo之父”的科学家，并未沿着外界想象的“单科尖子—竞赛夺冠—一路保送”的线性路径前进。 哈萨比斯出生于英国伦敦，家庭具有多元文化背景。童年时期，他在国际象棋领域展露过人天赋：从早期观看父亲对弈快速掌握规则，到少年阶段屡获佳绩并跻身国际象棋大师行列，一度被视为职业棋手的“准新星”。但他在十几岁时选择退出职业棋坛，这一转向源于一次长达十小时的残局失利以及由此引发的深层反思：大量聪明才智若仅困于棋盘胜负，是否会错失解决更重大问题的机会。此后，他将更多精力投入计算机与编程，自学相关知识，并通过阅读关于智能与意识的理论著作，逐渐形成对“通用智能”问题的长期兴趣。 从教育规律看，这一路径揭示了两点：其一，使命感并非一次“顿悟”的偶然，而是长期阅读、反复试错与持续训练的积累结果；其二，跨学科兴趣与高强度专注并不矛盾，反而可能构成创新者的“组合优势”——在复杂系统问题上，广阔知识面与强执行力常常缺一不可。 影响：对教育与科研提出双重提醒——既要抗“短期风向”，也要补“底层能力” Aletheia的表现意味着自动化推理、形式化验证等工具正在加速成熟，数学、化学、生物等基础学科的研究范式或将深入改变：一上，研究者可借助工具缩短验证周期、扩大探索空间；另一方面，问题提出、假设构造、价值判断与跨领域迁移等“高阶能力”的重要性将更加凸显。 在社会层面，技术进展容易引发两种误读：一种是“只要越早接触越能领先”，把学习简化为工具堆叠；另一种是“技术必然替代人”，进而陷入消极防御。哈萨比斯的经历提示，真正具有韧性的能力结构，往往并非围绕某一工具打造，而是围绕思维方式、科学素养与长期目标建立：敢于提出大问题、能在挫折中维持定力、愿意投入长期训练，并在不同领域间建立可迁移的知识框架。 对策：把“会用工具”与“会做研究”区分开来，重塑人才培养坐标系 面对新一轮技术变革，教育和人才培养需要从“单点最优”转向“结构最优”。 第一，强化基础学科与方法论训练。数学、统计、计算机科学的核心概念与严谨表达能力，是理解并驾驭新工具的前提。工具可以更新，但底层方法与逻辑训练应保持稳定投入。 第二，鼓励跨学科探索与项目式学习。哈萨比斯从棋类到编程再到智能研究的路径表明，跨界并非“走弯路”，关键在于能否形成稳定的问题意识与系统化学习能力。学校和家庭可通过科研实践、工程项目、竞赛与开源社区等方式，提升学生的建模、实验、复盘与协作能力。 第三，营造允许失败的成长环境。创新高度依赖试错成本的可承受性。对青少年而言，适度的失败经历与反思机制有助于建立心理韧性与自我驱动，避免在外部评价体系中被动摇摆。 第四，面向未来强化伦理与公共意识。随着智能工具进入科研与社会治理场景，价值判断、责任意识与合规意识的重要性上升。培养既懂技术又理解社会影响的人才，是降低风险、放大红利的关键。 前景：基础研究与产业应用将更深耦合，人才竞争回归“长期主义” 可以预见，随着自动化推理与计算平台持续迭代，基础研究可能迎来新的组织方式：更多学科问题将被形式化表达，更多验证工作将被自动化工具加速，跨学科团队协作成为常态。在这一背景下，创新优势将更多来自“提出关键问题的能力”和“组织复杂系统的能力”。对个人而言，短期追逐热点不如打造可迁移能力；对社会而言，稳定支持基础研究、完善人才培养链条、营造鼓励探索的创新生态，将决定能否在新一轮科技竞争中把握主动。
哈萨比斯的经历不仅是一位科学家的成长故事，也为当代教育提供了清晰参照：在技术快速演进的时代，教育的重点不应停留在技能清单的更新，而应帮助年轻人建立长期目标与内在动力，形成可迁移的思维与方法，并在驾驭技术的同时保持对社会影响的理解与责任感。培养能做难题、能做长期事、也能守住价值底线创新人才，才是面向未来更稳妥的答案。