扎心！世界首富马斯克点破AI最大的软肋，而这正是中国孩子「高分低能」的真相
（来源：陆向谦）
作者：赵老师
在最近一场访谈里，马斯克和主持人聊到一个技术圈的老问题：
现在那些 AI 排行榜，到底还可不可信？
聊着聊着，主持人打了个比方，说这就好比——
「这个人门门考第一，可他是专门照着考纲练出来的。」
全场笑了。然后马斯克接了一句：
「那他真的是第一吗？」
这句玩笑背后，是 AI 领域一个非常严肃的概念。而我认为， 它恰恰第一次精准地解释了一件中国家长困惑了很多年的事——为什么那么多「高分」的孩子，进了社会就不灵了。
过拟合：一个孩子考满分，有时恰恰说明他不够强
马斯克说的那个问题，叫 「过拟合」（overfitting） 。
在 AI 领域，它指的是这样一种情况： 一个模型在特定的测试集上表现完美，但换一个场景就不行了。 因为它学会的不是真本事，是「如何在这套题上得高分」。
马斯克的原话说得很不客气：
「所有这些评测现在的问题是——它们被严重过拟合了。模型把它们过拟合了，然后你就说：『哇，这是个很棒的模型。』」
「真的是吗？」
他还补了一句： 「过拟合这个问题，已经存在至少两三代模型了。」
现在，请把「模型」换成「孩子」，把「评测」换成「考试」。
刷题，在技术上就是一次标准的过拟合训练。
见过所有题型、记熟所有套路、背下所有解法——这个过程优化的从来不是「解决问题的能力」，而是 「在这套特定测试上拿高分的能力」 。
结果就是：考试满分，可一旦换成一个没见过的、真实世界里的问题，就不灵了。
「高分低能」这个词，我们说了几十年。 但它只描述了现象，没说清机制。而「过拟合」三个字，一次就把机制说透了：
不是孩子笨，也不是他不努力。是他被优化的目标，从一开始就错了。
而 AI 领域最反直觉的一条经验恰恰是： 一个在榜单上刷到满分的模型，往往并不是最强的那个。
怎么破解过拟合？马斯克给的答案是「异质性」
那怎么判断一个模型是真强还是刷出来的？
马斯克给出的办法，很朴素： 让完全不同的人，从完全不同的角度，去测它。
他说，如果同时有八个 异质的 团队——SpaceX、谷歌、Meta，还有几家领先的中国公司——各自用自己的一套方法去测同一批模型， 「发现问题的概率会大幅提高」 。
因为 「这些模型本身也是异质的，它们各不相同。所以你会从不同的角度切进去。」
「如果你有八个视角完全不同的异质小组，你也会大幅降低过拟合的风险。」
而他为此举的那个例子，我认为是整场访谈里最适合说给家长听的一句：
「为什么作家要请别人来给自己的书校对？因为有时候，你很难看见自己的错误。」
主持人接了一句： 「是的，你会对它们变得视而不见。」
你会对自己的错误，视而不见。
这句话对教育的启示，是极其直接的。
我们给孩子的反馈，几乎全是 同质 的： 分数、排名、老师评语、家长评价 ——听起来来源不同，但它们量的其实是同一个维度，用的是同一把尺子。
用同一把尺子量一万次，量不出这把尺子本身的盲区。
孩子真正需要的，是异质的反馈 ：一个陌生人用他做的东西时皱了下眉；一个真实用户说「这里我看不懂」；一个不同领域的人问出一个他从没想过的问题。
这些反馈会从他完全没设防的角度切进来——而那，恰恰是分数永远照不到的地方。
比如像陆向谦实验室，就是把不同背景、不同年龄、甚至是不同国家和文化的孩子聚在一起玩，打造一个聚天才英才名师一块玩的环境，这样才能产生」化学反应「。
管理风险，而不是回避风险
这场访谈的开头，闪过几句 SpaceX 的信条。其中两句，值得每个家长抄下来：
「快速失败，快速学习，让你的设计足够健壮。」
「管理风险，而不是回避风险。」
请特别注意第一句里的那个词—— 健壮（robust） 。
因为「健壮」，恰恰是「过拟合」的反义词。
过拟合的东西，是在特定条件下完美，条件一变就崩。 而健壮的东西，是在各种没预料到的情况下，依然能用。
那怎么才能把一个人变得「健壮」？答案就在第二句里： 管理风险，而不是回避风险。
而我们大多数家庭，做的恰恰是后者——
替孩子提前扫平障碍，只让他做有把握的事，出了岔子第一时间替他摆平。
我们以为这是在保护他。 可从「健壮性」的角度看，这是在做一件危险的事：我们把他训练成了一个只在『一切顺利』这个条件下才能运转的人。
回避风险的结果，恰恰是养出一个不健壮的孩子。
掌管万亿美元公司的人，公开承认「我是个 AI 菜鸟」
这场访谈里，还有一个细节让我印象很深。
SpaceX 总裁兼首席运营官格温·肖特韦尔，被问到公司如何应对 AI 时，说了这样一句话：
「我们所有人都非常兴奋地去学 AI。我自己就是个 AI 菜鸟。」
说这话的人是谁？她是 SpaceX 的二号人物，被马斯克称为「把龙卷风粘合起来的那个人」，刚刚带领公司完成了 史上规模最大的一次 IPO 。
而她公开说：我是个新手。
然后她转述了马斯克给整个团队定的调子：
「如果你不用 AI，如果你不引领 AI，你就有很大的风险——变得无关紧要。」
注意他用的词： 无关紧要（irrelevant）。
不是「被淘汰」，不是「被取代」，而是 「变得无关紧要」 ——你还在，你还能干活，只是这个世界往前走的时候，不再需要过问你的意见了。
这个细节对家长的价值在于： 在一项全新的技术面前，承认自己是新手、然后动手去学——这本身就是一种能力，而不是一件丢人的事。
我们太多家长，是站在岸上焦虑： 一边催孩子快去学 AI，一边自己一次都没打开过，甚至还不让孩子去玩。
而肖特韦尔的做法是：我不懂，那我学。
SpaceX 怎么带人：给真正难的问题，然后让他们飞
如果说前面讲的是「怎么判断真本事」，那接下来这段，讲的是「真本事怎么练出来」。
肖特韦尔被问到：SpaceX 是怎么让一群极其聪明的人做出惊人成绩的？
她的回答里，没有任何玄妙的东西：
「我们招最好的人——不是『我们能招到的最好的人』，而是最好的人。」
「然后给他们真正难的项目，真正难的工程问题，然后让他们飞。」
「给出高期待，给出真正难的问题。」
而管理者的职责是什么？她说得特别实在：
「管理者的工作，是清除掉他们一天里的那些杂草和摩擦，让工程师能真正做 10 个小时的工程，而不是 2 个小时。」
她还说了一句关于管理者的话，同样适用于家长：
「没有『纯管理者』这回事。你必须亲自去做你所管的那件事。」
给真正难的问题，然后让他飞，同时把路上的杂物清掉——这几乎就是一份写给父母的说明书。
而这，恰恰是陆向谦实验室三十年来在做的事。
定居硅谷三十年的陆向谦教授，把实验室的方法浓缩成了一道阶梯：
「学理论不如学案例，学案例不如做案例，做案例不如玩案例。一人玩不如几人玩，几人玩不如聚天下英才名师，从小玩真的。」
这道阶梯，每一级都在往「过拟合」的反方向走。
学理论，学的是已经被整理好的标准答案——那是最容易过拟合的一层。
而「做真的」，面对的是没有标准答案的真实问题 ：它会报错，会被人嫌弃，会怎么调都跑不通。 它会从你完全没预料到的角度，测出你的漏洞。
这就是马斯克说的「异质性检验」，也是肖特韦尔说的「真正难的问题」。
陆教授还有一句常说的话： 「不要去卷那个第一，要做你的唯一。」
卷第一，本质上就是在同一套测试集上刷分——那是过拟合。而做唯一，是去解一道还没有人出过的题。
写在最后
「他门门考第一，可他是专门照着考纲练出来的。」
这句玩笑之所以让人笑完之后有点发凉，是因为它戳中了一件很多人不愿承认的事： 分数很高，和真的很强，是两回事。而我们往往只看得见前者。
最讽刺的地方在于： 连人工智能这个行业，都已经开始怀疑自己的排行榜了。 他们知道，刷爆榜单的模型不一定是最好的模型，所以他们要请八个视角完全不同的团队，来找自己的漏洞。
而我们，还在用同一张卷子，量同一个孩子，量上十二年。
真正的能力从来不是在熟悉的题目上不出错，而是在陌生的世界里不慌张。
别再急着让孩子在那张榜单上再往前挪一名了。带他去一个没有排行榜的地方，做一件没有标准答案的事——
他在那里露出的破绽，比他在卷子上拿的满分，珍贵得多。