用怎样的好奇心来对待AI?

几个月前，女儿做历史作业时随口问我一个问题，我推荐她用秘塔，半分钟不到详尽的答案连同思维导图、参考资料和扩展阅读全都有了。女儿幽幽问——这么简单就有答案了？那我们还要学这些干什么呀？

当然还有必要。信息存储的位置和被调取的速度，对我们思考的的深度密切相关。如果你了解一点点计算机存储，下面这张类比图就很好理解。

不过记忆与思考的关系我今天先不展开。我想先聊聊 AI 时代知识唾手可得，给好奇心带来的利与弊。

好奇心的毒药

学习需要摩擦力。过于容易获取的知识会损伤好奇心。

好奇心的强弱和对事物的认知之间存在一种倒 U 型曲线关系。当你对某事物知之甚少时，你不会好奇，因为你想象不出它有什么吸引人之处；当你认为自己对它已经非常了解并自信可以很好掌控它时，你多半也不会有兴趣再去深入挖掘。
请注意，我们上面说的是“自认为”。靠着 AI 搜索，几乎任何问题我们都能在一分钟之内给出答案，这会给我们带来知识的错觉，以为自己总能知道总能掌控，从而失去好奇。

2010 年，纽约时报的专栏作家本·格林曼（Ben Greenman）三年级的儿子利用互联网完成了研究水蟒的作业，其中提到绿水蟒（Green Anaconda）是世界上最大的蛇。格林曼看了作业，问儿子第二大的蛇是什么，儿子回到电脑前很快就搜到了答案，然后这个问题就被抛到脑后。格林曼回忆少年时代的他如果遇到此类问题，会查阅家里的百科全书，没找到答案就去图书馆，很可能还找不到答案他就会带着这个未解决的问题继续生活，问号时不时在他脑海中闪现，让他心里痒痒。互联网时代，这种问题得不到解答的痒痒劲没有了，少了积极的挫折（productive frustration）激发深层思考和持久的探索。这让格林曼颇为忧虑，写了篇《互联网是好奇心杀手》的文章，引发大量讨论。

毒药？那是因为问题问错了！

但在我看来，格林曼的儿子没有表现出好奇心，是因为格林曼的问题问错了。
世界第二大的蛇是什么——这种有标准答案的封闭式问题真够无聊。提供答案的互联网或 AI 不是好奇心杀手；只要求标准答案的封闭问题才是。老师们都知道：开放性的问题才能激发学生的深度思考。

试想若格林曼问儿子的是下面这些问题会有多么不同。蛇的生长因素、栖息地环境特点、蛇的天敌甚至文化传说中的巨蛇……每一个都能激发父子一起边网络搜索边深度探讨：

这些问题都是 AI 给我的，只需要一段非常简单的 prompt：

我正在使用“问题形成框架”（Question Formulation Technique，QFT）进行教学。接下来是改进问题环节，对于我给出的任何封闭性问题，请转换为多个开放性问题。

好奇心的礼物

格林曼的担忧还是有一些道理。特别是在如今连开放性问题都能瞬间给出答案的 AI 时代，如果我们只把 AI 视为便捷的答案提供者，那好奇心确实会受到伤害。

好在，我们还有无数方法，可以更积极地使用 AI，把它变成好奇心的礼物。

让 AI 扩展好奇问题

很久之前我为自己打造了一个 AI 旅伴，旅途因此精彩不少。其中我最喜欢的功能是让 AI 帮我扩展好奇问题。

没错，就这么简单几句话即可。更复杂的多功能版本我记在这篇文章里了。

靠着 AI 旅伴，我在丽江会从使用场景和书写材料的角度去分析东巴文字和楔形文字不同的原因，也会在吃米线时和当地人多聊几句民俗。甚至网上的虚拟旅行也因此增色不少：一句“巴基斯坦的艺术卡车好花呀”，AI 好奇旅伴就带着我认识了诸多卡车艺术家，了解了社交媒体对他们的影响，还找到了卡车花纹的无缝矢量图。

在 AI 的帮助下把世界当作课堂

女儿小时候我陪她天南海北聊天时常会不经意间就教她一丁点儿“超纲”的知识。例如在超市买薯片，看到大包小包不同包装，我们不只是做数学题计算哪个更划算，我还给她讲了“边际效用递减”的概念——两年级的孩子当然能明白第 50 片薯片带来的快乐远不及第一片带来的快乐。

学习在窗外，世界即课堂。这是多好的教育 3.0 理想，有 AI 的帮助后就容易多了。下图是我写的“超市课堂” GPTs，只需要给定场景物品、学科领域、孩子的年龄特点，就能有多个启发性问题以及背后可以聊的浅层、深层知识点。

让 AI 带孩子层层深入，从感知行好奇推进到认知性好奇

孩子有着与生俱来的好奇心，他们的眼睛特别善于发现问题。我们除了积极回应问题，还可以更进一步，将孩子的追求新奇的感知性好奇(perceptual)推进到有更高认知需求的认知性好奇(epistemic)。

Daniel Berlyne 的好奇心四象限

如何推进到认知性好奇呢？我想起了《为未知而教为未来而学》这本书第六章提到的“像 X 一样思考”（此处 X 代表各学科领域的专家）—— 掌握领域的大概念，培养像领域专家一样的思考习惯。

于是我尝试做了一个回答生物类问题的 bot。

当我问这个 bot 为什么“为什么同一株蕨，有的叶子背后有点点、有的没有点点？”，它不再简单地回答“点点是孢囊是里面有用于繁殖的孢子”，而是提及了叶片分化，拓展了花叶、攀缘叶、捕虫叶等特别的叶片分化现象，解释了其生物学意义。

不只是生物，其它任何领域，哲学、法学、经济学、心理学……都可以用类似的方法，制作一个能满足认知性好奇、带人深度思考的 bot。

对 AI 搜索工具的期盼

早在去年 2 月，bing 搜索刚爆出聊天搜索的谍照，我就写了篇文章《集成了 ChatGPT 的搜索长这样？期待有三大亮点的探索学习神器》。我真的非常期盼能有科幻小说《雪崩》中图书管理员那样的 AI 陪我无尽探索。

随后我一直是交替着使用 bing 搜索和 perplexity。今年年初开始重度用秘塔，近期它多了追问功能，就更好用了。
但总觉得不管哪一家，用起来都还差点儿意思，没到最理想状态。

刚写上一节、列举若干守护和激发好奇心的例子后，突然醒悟——我需要的，是一个能在探讨和搜索之间能切换自如的工具呀。当我想要答案时用搜索回我、我想深入探讨问题时就直接对话，时不时还能反客为主向我提更多问题激发我的思考……

和 AI 的协作，一定是有来有往互相激发的，而不是单一的我问、AI 答。

要不要……让 AI 帮我写个插件呢……