Select a result to preview

LearnerStudio High Resolves Group AI 时代的人类技能：为什么核心能力比以往任何时候都重要。 作者：Karen L. Murphy 博士和 Alex Logan，为 LearnerStudio 撰写。

在 2022 年的最后几周，OpenAI 在几乎没有任何宣传（也完全没有新闻报道）的情况下，发布了一款名为 ChatGPT 的新产品。在一周内，已有超过一百万用户注册。两个月后，这一数字攀升至一亿。在某种意义上，人类自那时起就一直在努力追赶。在 LearnerStudio，我们希望帮助激发重塑美国教育所需的变革。2023 年的论文《构建学习的未来》标志着我们最早的努力。令人鼓舞的是，我们并不孤单——该领域的许多同事都在就年轻人需要在人类历史这一勇敢的新篇章中茁壮成长提出自己的建议。

这促使我们思考：所有这些不同的框架在多大程度上是一致的？ 它们是否互补？ 是否有办法将它们整合起来——不是为了创建一套新的、通用的评估指令，而是为了支持关于年轻人需要什么以有效应对快速变化的世界的共同对话？ 这份名为《AI 时代的人类技能》的报告为这些问题提供了一系列答案。它由我们的合作伙伴 High Resolves 制作，他们借鉴并整合了来自广泛学科的一百多个框架和研究研究。在 Karen Murphy 博士的带领下，团队在先进大语言模型的辅助下进行了严格的审查，并提炼出了未来就绪型教育系统所需的十二项核心人类技能——包括批判性思维、沟通、韧性、领导力和跨文化能力——以及两项关键的跨领域能力：迁移性和主动性。

在明确哪些人类技能对未来最至关重要时，本报告并不建议这些技能比学科知识更重要。在 LearnerStudio，我们认为这是一个错误的选择。知识和技能是不可分割的。缺乏技能培养的学术内容知识可能会让人感到脱节且无关紧要。而在缺乏知识的情况下，技能是不可能培养出来的，因为它们是在知识构建的过程中产生的。因此，当务之急是使年轻人的学习内容以及我们促进学习体验的方式现代化，以满足当今世界的需求，并激励和准备让年轻人在人工智能时代蓬勃发展。

对于我们所有致力于重新构想所谓的“学校”结构和目标的人来说，我们认为这篇论文可以为我们共同努力应对这一时刻日益增加的紧迫性提供强大的助力。我们希望读者不仅能深入思考这里提出的想法，还能反思如何在自己的社区和系统中采取行动。毕竟，建立一个面向未来的学习生态系统需要我们所有人的参与。

序言。

“请记住，今天的 AI 是你将使用的最糟糕的 AI。” 沃顿商学院教授 Ethan Mollick 的这一观察概括了人们对人工智能的普遍看法：它的能力可能只会继续提高。虽然毫无疑问生成式 AI 正在以惊人的速度进化，但这些言论反映了一种令人担忧的被动性——仿佛技术发展是独立于人类主动性发生的，而不是由人类的决策和价值观积极塑造的。当我们迈入这个新时代时，至关重要的是要记住，人类必须掌管一切，而不仅仅是“参与其中”。

我们近期在使用智能手机和社交媒体等技术方面的历史，为让技术超越我们管理其影响的能力提供了一个警示故事。虽然这些工具创造了非凡的联系和获取信息的机会，但它们也导致了日益严重的孤独感、注意力缩短、隐私受损、虚假信息传播以及心理健康状况恶化，尤其是在年轻人中。此外，生成式 AI 正是在更广泛的社会政治和经济背景下发展的，这包括民主的脆弱性、政治两极分化、经济错位、日益加剧的不平等、基于身份的分歧以及气候危机。

在人工智能时代，以及在多重危机的更广泛背景下，培养和练习基本的人类技能比以往任何时候都更加紧迫。有了这些技能，我们将成为更好的学生、邻居、雇员、雇主和民主公民。在我们应对这些动荡时期时，我们和我们的社会将变得更加强大，更具韧性。

1.0 引言。

通过对公民身份、公民学、社交情感学习、21 世纪技能、职业准备和就业部门等领域的数百个不同框架和组织报告的分析，我们确定了 12 项基本人类技能。我们的研究包括来自经济合作与发展组织（OECD，2019, 2023, 2024）、欧洲委员会（2018）、世界经济论坛（2023）、America Succeeds（2023）、课程重新设计中心（Fadel 等人，2015；Fadel 等人，2024）、教科文组织（UNESCO，Marope 等人，2017）、联合国儿童基金会（UNICEF，2021）以及学术、社交与情感学习协作组织（CASEL）的影响力框架。

这些基本人类技能代表了核心胜任力，就像化学元素周期表中的元素一样，是不可简化的基础要素。我们选择避免重复和冗余，转而采用基于学习科学的重点方法。在充满压倒性变化和变革的时代，专注于培养这十二项技能为教育者、学生、雇主、社区成员以及我们必须成为的所有终身学习者提供了一条可行的前进道路。

除了这些具体的胜任力外，还有两个元特征起着至关重要的作用：

迁移性 (Transferability)。 在不同语境和领域应用技能的能力，识别模式和底层原理。迁移性通过对每项胜任力的深刻理解、在不同语境中的练习，以及对原理如何应用于跨情境的反思而增强。

主动性 (Agency)。 这是一种构成所有胜任力行使基础的基础性元特征。主动性代表了采取行动和做出选择的能力，将知识转化为跨所有领域的行动。正如领英（LinkedIn）首席经济机会官 Aneesh Raman 在讨论未来工作时指出的那样，在新经济中“主动性是关键”——个人既需要技能本身，也需要有效运用这些技能来追求自己想要的工作的能力。根据 Rebecca Winthrop 的观点，“年轻人需要认识到自己的主动性，不仅在于选择如何参与数字世界（或是否参与），还在于重新想象其结构”。实现有意义的变革需要多种方法：监管、公众意识运动、创新的技术解决方案，以及至关重要的是，帮助我们所有人看到可能性的教育。

核心人类技能。

1. 批判性思维。 对于分析信息、解决问题、做出决策和应对复杂性至关重要。批判性思维使人类能够评估人工智能的输出，识别模式，并以敏锐的眼光评估各种主张。 为什么它很重要。 关键子维度：解决问题、决策制定、逻辑推理、分析思维和系统思维。 研究支持这一点：2024 年的一项研究发现，ChatGPT 和其他系统产生“幻觉”参考文献的比例在 28.6% 到 91.3% 之间。当人工智能系统具有说服力但错误时，用户往往会变得比不使用人工智能的人更不准确，因为他们“在驾驶时睡着了”并停止行使批判性判断。Lee 等人 2025 年的研究发现，“对生成式人工智能执行任务能力的信心越高，与批判性思维努力越少相关”，这表明随着人工智能变得越来越复杂，人类行使批判性能力的意愿可能会降低。Abrami 等人（2015）对批判性思维教学策略进行了元分析，发现显性教学和批判性推理技能练习能显著提高学生的成果。而且，重要的是，Lee 的研究确实表明，虽然对生成式 AI 的更高信心与较少的批判性思维相关，但更高的自我信心与更多的批判性思维相关。

2. 沟通。 对于清晰表达想法、准确解读信息、适应不同受众以及建立关系至关重要。在人工智能介导的世界中，真实的人类沟通对于传达细微差别和维持联系仍然必不可少。 为什么它很重要。 关键子维度：口头和书面沟通、积极倾听、讲故事和说服性沟通。 2024 年，领英将沟通列为“总体顶尖技能”之首。研究还显示领导者需要进行更多的沟通。Francis Flynn 和 Chelsea Lide（2023）发现，“平均而言，领导者因沟通不足而受到批评的可能性是沟通多度的九倍”，这挑战了关于信息过载的假设，并强调人类沟通不仅涉及信息传递，还涉及建立信任和理解。Hohenstein 等人 2023 年的一项研究考察了算法反应建议如何影响人际沟通。虽然人工智能建议的回复提高了沟通速度，但如果人们被怀疑使用了算法回复，受到的评价会更负面。

3. 适应性。 使个人能够在快速的技术变革中蓬勃发展，接受新信息、工具和工作方式。随着人工智能重塑行业和岗位，适应性允许人类转型、重构并在变化中寻找机遇。 为什么它很重要。 关键子维度：灵活性、对变化的开放态度、机智和学习敏捷性。 Workday（2025）的研究发现，企业正在积极寻找能够应对不确定性和持续变化的员工，其对 2,500 名工人的全球研究确定“变革耐受力”是组织中最缺乏但最基本的技能之一。领英也将适应性列为“当下最急需的技能”，其需求同比增长最为显著。

4. 协作。 跨界与他人有效合作所创造的价值，是人工智能或单个个人都无法独自实现的。协作能够实现集体智慧和不同视角的整合。 为什么它很重要。 关键子维度：团队合作、关系建立、冲突解决、信任建立和包容性。 Workday 研究（2025）发现，在不同部门和团队之间“架起桥梁”的价值一贯得到认可，能够激励协作式解决问题的领导者尤其受到青睐。对于 Aneesh Raman 来说，这种转变与一个更大的转变紧密相连，即关系经济的到来。“关系经济即将到来。在其中，人际技能和人与人之间的协作将走向工作的中心”。协作对于繁荣的社区和民主也至关重要。

5. 情感智能。 理解和管理情绪的能力——包括自己和他人的情绪——仍然是人类独有的。在日益数字化的世界中，它是建立有意义的人际关系、有效沟通和心理健康的基础。 为什么它很重要。 关键子维度：自我意识、自我调节、共情、社会意识和关系管理。 随着人工智能在全球范围内连接人们，情感智能在处理技术无法替代的复杂人类互动方面变得越来越重要。为了参与日益分裂的社会以及应对我们面临的多重危机，也需要情感智能。

6. 韧性 (Resilience) 对于从挫折中恢复、管理压力以及在动荡中保持福祉至关重要。随着 AI 和自动化改变职业并引发社会变革，韧性变得越来越关键。 为什么它很重要 关键子维度：毅力、压力耐受力、气魄（Grit）、乐观和情绪恢复。 Bundle Skills（2025）的全球研究发现，韧性与跨职能和国际团队的高绩效一致相关。世界经济论坛的《2025 年未来就业报告》将“韧性、灵活性和敏捷性”列为重要性日益增长的顶尖技能。麦肯锡全球管理合伙人 Bob Sternfels 将韧性描述为“一种需要通过有意识的培养和挑战来锻炼的肌肉”。韧性与心理健康呈正相关。

7. 创造力 (Creativity) 理解和管理情绪的能力——无论是自己还是他人的——仍然是人类独有的。在日益数字化的世界中，它是建立有意义的人际关系、有效沟通和心理健康的基础。 为什么它很重要 关键子维度：发散性思维、聚合性思维、问题重构和创新。 Workday 的研究（2025）发现，83% 的受访者认为 AI 将“提升独特人类技能的重要性并增强人类创造力，从而产生新形式的经济价值”。在压力时期的人际关系，包括民主制度本身，也需要创造力，尤其是在我们应对日益加剧的动荡和极化时。

8. 领导力 (Leadership) 激励他人、制定愿景并为集体成功做出伦理决策，需要独特的人类品质。领导力引导技术的负责任开发和应用，以促进人类的繁荣。 为什么它很重要 关键子维度：愿景设定、影响力、团队赋能、决策制定和问责。 领英首席执行官 Ryan Roslansky 强调，“无论我们的技术变得多么先进，人类的共情、伦理判断和领导力需求都无法被 AI 取代”。

9. 终身学习 (Lifelong Learning) 一种使个人在不断变化的情况下能够持续成长和获取技能的元胜任力。随着 AI 加速变革步伐，持续学习的能力对于保持竞争力至关重要。 为什么它很重要 关键子维度：自主学习、成长型思维、好奇心和知识迁移。 随着如此快速的技术变革和职场的改变，终身学习将成为常态。正如 Ehoneah Obed 博士所写：“在 AI 驱动的世界中，教育在学校毕业后并不会停止。最成功的人将是那些不断学习、试验和成长的人——而不是那些依靠 AI 来代替自己思考的人。”终身学习也将增强主动性，确保我们不是 AI 的被动消费者，也不是被动的学习者、雇员、雇主或公民。

10. 数字素养 (Digital Literacy) 导航、评估和利用数字工具（包括 AI）的能力，是有效参与现代社会的基础。这包括理解技术的能力、局限性和伦理影响。 为什么它很重要 关键子维度：数据素养、信息素养、AI 素养、网络安全意识和伦理数字实践。 Tully 等人（2025）的研究表明，较低的 AI 素养与将 AI 视为“魔法”的感知相关，这凸显了使这些技术揭开神秘面纱的重要性。至关重要的是，错误信息和虚假信息正在增加，其负面影响不容小觑。用户必须在各种媒介中具备数字素养，这包括紧跟 AI 的变化，这需要耐心和毅力。“随着我们的生活与 AI 驱动的工具和系统日益交织，为年轻人配备安全负责地使用 AI 所需的技能和知识比以往任何时候都更加重要，”Mac Bowley 写道。“AI 素养不仅关乎理解技术，还关乎促进关于如何将 AI 工具整合到我们生活中并同时减少潜在伤害（即‘AI 安全’）的关键对话”。

11. 跨文化能力 (Intercultural Competence) 随着 AI 在全球范围内连接人们并服务于多样化的人群，导航文化差异、识别偏见并跨界协作的能力变得越来越重要。 为什么它很重要 关键子维度：文化意识、敏感性、跨文化沟通和多样性欣赏。 AI 是在巨大但有偏见的数据集上训练的，这些数据集反映了人类的偏见。例如，Hu 等人（2025）的研究发现，“大语言模型可能会无意中加强或放大人类这种基于身份的偏见，从而对群体间冲突和政治极化等重要社会问题产生影响。”跨文化能力对于建立关系和信任至关重要。在极化且多元化的社会中，以及在面临多重危机且需要协作的国家和全球背景下，这是一项至关重要的技能。

12. 伦理性推理 (Ethical Reasoning) 由于 AI 系统会做出具有影响力的决策，人类进行道德审议、价值对齐和伦理监督的能力变得必不可少。伦理性推理确保技术服务于人类繁荣并尊重基本权利。 为什么它很重要 关键子维度：伦理决策、道德推理、正直、社会责任、公平和问责。 Workday（2025）对 22 个国家进行的一项全面研究发现，伦理决策被列为当前及未来 AI 全面应用后最有价值的以人为本的技能。随着创新速度超过监管，家庭和工作场所的伦理判断将变得更加关键。 我们的研究一致表明，AI 既带来了前所未有的机遇，也带来了重大挑战。正如 DeepMind 的 Demis Hassabis 所指出的，关于 AI 开发的决策往往感觉“在刀刃上平衡”。通过培养这些基本技能，人类可以保持对 AI 开发和部署方式的控制，确保它服务于而非破坏人类的繁荣。

维持人类主动性 AI 滥用的具体案例强调了保持人类主动性的重要性。OpenAI 记录了 AI 工具被用于中国影响力行动的实例，包括散布西班牙语的反美虚假信息的努力。在西班牙的另一个令人不安的案例中，西班牙警方用于分类家庭暴力案件的名为 VioGén 的算法风险评估工具被发现评估受害者危险程度时存在重大缺陷。据《纽约时报》（2024）报道，该系统多次低估了后来被施暴者杀害的女性所面临的风险。此案例凸显了即使是出于好意的 AI 系统也需要人类监督、批判性思维和伦理判断。

Bastani 等人（2024）关于 AI 如何影响学习的研究以及 Lee 等人（2025）关于批判性思维的研究都表明，被动的 AI 消费可能会削弱而非增强人类能力。正如 Lamont & Zarlengo（2023）在他们的教育实验中发现的那样，与其放弃传统技能（如写作）并将其交给 AI，不如将生成式 AI 的整合作为写作过程的一部分，提供一个帮助澄清和加强独特人类视角及能力的机会。我们在研究和编写本报告的过程中也看到了这一点。AI 会产生幻觉，虽然有时这意味着它会编造一些荒谬的内容，但它也能以一种掩盖其不准确性的自信和保证产生内容。这要求用户保持警惕并检查其工作。同时，与 AI 进行对话式协作，尤其是与一些较新的模型（如 Anthropic 的 Claude 3.7），是令人愉快且有用的，因为这些工具可以充当思考和写作的伙伴，或者正如 Ethan Mollick 所说的，“协同智能”。

2.0 为什么这些技能比以往任何时候都重要 这十二项基本技能的培养至关重要，原因如下：

1. 应对职场转型 AI 正在迅速改变职场、劳动力和经济。根据世界经济论坛的《2023 年未来就业报告》，到 2027 年，全球近四分之一的工作预计将发生变化，预计将创造 6,900 万个新职位，并有 8,300 万个职位被取代。AI 专家李开复预测，白领工作受到的冲击会更快，大约 50% 的工作可能在 3 年内被 AI 取代。麦肯锡咨询公司估计，到 2030 年，欧洲和美国可能各需要多达 1,200 万次职业转型，这预示着未来巨大的劳动力转移。

职场研究一致将人际交往能力、沟通、批判性思维和伦理决策列为 AI 增强环境中最有价值的胜任力（皮尤研究中心，2024；Workday，2025）。美国工人也对此表示赞同。皮尤研究中心 2024 年的一项调查发现，大约 70% 的工人认为人际交往能力、沟通和批判性思维对职场成功“极其或非常重要”。相比之下，只有 35% 的人认为 AI 技能具有同等的重要性。

在关于“AI、工作与职场新世界”的 Computerworld 讨论中，Aneesh Raman 强调，社交能力正走向工作价值的中心。“我们最具竞争力的能力集不是体力或纯粹的脑力，而是社交能力——情商（EQ）与智商（IQ）的交汇——创造力、好奇心、同情心、勇气、沟通——这些曾被低估为‘软技能’的能力”。Raman 观察到一个转变，即这些先前被低估的人类能力正因技术创新而成为核心。

此外，领英的 Aneesh Raman 和 Jobs for the Future 的 Maria Flynn 在其《纽约时报》评论文章中报告称：“去年受领英调查的高管中，超过 70% 表示软技能对他们的组织比高度技术性的 AI 技能更重要。Jobs for the Future 最近的一项调查发现，在 10 个雇佣人数最多的职业中，78% 的受访者将独特的人类技能和任务归类为‘重要’或‘非常重要’。这些技能包括建立人际关系、在各方之间进行谈判，以及引导和激励团队。”

然而，技能差距正在扩大。麦肯锡全球研究院的研究（2024）将“竞相部署 AI 并提升技能”视为全球企业的重大挑战，强调人类技能的发展必须与技术进步同步。高盛全球管理合伙人 Marco Argenti 最近认为，哲学专业的学生可能比传统的计算机科学毕业生更适合软件工程职位，他解释说，由于 AI 承担了大部分编码职责，公司现在想要的是擅长批判性思维和沟通的工程师。

2. 创建更公平的社会 数字鸿沟研究（Greenstein & Sadun, 2024）以及关于 AI 对不同人口统计数据的差异化影响的发现（Wang 等人，2025）清楚地表明，如果没有有意识的干预，AI 可能会扩大而非缩小社会差距。哈佛商学院的研究揭示了美国各家庭之间巨大的“数字鸿沟”，数字使用的显著差异反映了城乡差距，并与收入和教育水平密切相关。

教育恢复记分卡（Education Recovery Scorecard, 2025）的研究显示，在 COVID-19 疫情期间，教育公平差距显著扩大，许多地区的学习损失严重，不成比例地影响了低收入学生和有色人种学生。这些现有的不平等为 AI 潜在地呈指数级扩大社会分歧奠定了基础，因为那些能够获得 AI 工具、培训以及有效使用这些工具的基本技能的人将在教育和职场中获得优势，而那些缺乏这些资源的人将进一步落后。因此，在所有人群中公平地培养基本的人类技能，对于防止 AI 成为社会阶层化的另一个媒介至关重要。

3. 应对日益缺乏监管的环境 在美国，现任政府撤回了上届政府的指导方针，而最近的巴黎 AI 会议在很大程度上放弃了安全监管以支持创新。正如 Ian Krietzberg 在《误导性的监管竞赛》中报道的那样，监管格局仍然支离破碎且不一致。这让我想起 AI 初创公司 NetMind 的首席创意官 Seena Rejal 博士最近告诉我的，“决策者跟不上 AI 的步伐，因为他们并不‘真正从核心理解它’”。技术人员与监管者之间的这种知识差距，对创建有效的治理框架构成了根本挑战。

这种脱节体现了 AI 治理中一个更广泛的问题：促进创新与确保负责任开发之间的紧张关系。当监管者缺乏技术专长时，他们往往会制定过于严格、阻碍进步的政策，或是无法应对真实风险的不足框架。政府换届带来的政策频繁逆转进一步复杂化了这一格局，给企业和研究人员带来了不确定性。此外，AI 监管的国际碎片化——由巴黎会议转向避开安全措施所凸显——创造了一个监管拼图，使全球协调日益困难。开发 AI 系统的公司必须在这些不一致的要求中航行，而技术本身正以前所未有的速度继续进步，治理与创新之间的差距日益扩大。

4. 减轻心理伤害与误用 越来越多的证据表明，AI 技术存在相关的心理风险。像 Character.AI 这样的服务引起了人们对依赖性和心理影响的担忧，尤其是在弱势群体中。美国心理学会还向联邦监管机构发出警告，称“伪装成治疗师的 AI 聊天机器人”可能“导致脆弱的人伤害自己或他人”。这些担忧凸显了需要情感智能、批判性思维和伦理推理来引导合适的人机交互。

5. 解决教育与公民知识缺陷 AI 正出现在令人不安的教育和公民背景中，这使得这些基本技能的培养更具挑战性：

教育部门一直难以适应 AI。在 ChatGPT 发布后，许多学校系统最初的反应是屏蔽访问，理由是担心作弊。在此期间，科技公司继续开发更先进的 AI 模型，而教育界错失了专业发展和政策制定的关键机会。

也有大量证据表明我们准备不足。在国际计算机和信息素养研究中，美国八年级学生的数字素养技能在 2018 年至 2023 年间有所下降，这表明在数字技能最关键的时刻，学生对数字世界的准备程度却在降低。教育环境中也出现了一个令人担忧的模式：对长篇阅读的参与度下降。阅读参与度的下降与信息素养衡量指标的表现下降相关。

3.0 与生成式 AI 合作

AI 在本项目的研究和本文的撰写中发挥了重要作用。我们最初的研究重点是一个假设，即批判性思维等核心能力（构念）是由相对较少数量的要素（子构念）组成的。我们认为，这些能力并非由数百个子构念组成，而是由支撑这些能力的基本构件组成的，它们共同构成了一种底层语法。我们提出，建立一个软技能要素的“元素周期表”的可能性，将带来令人兴奋的机遇，包括增强我们在各行各业的教育机构和职场中定义、培养和衡量这些能力的能力。

虽然我们确定了至少一百个重要的组织、框架和研究论文作为研究起点，但我们训练了 OpenAI 的 GPTs 来帮助我们寻找更多资源。我们还让这些 GPTs 彼此之间以及与 Anthropic 的 Claude 进行对话。我们确实发现 GPTs 会产生幻觉，编造研究内容，并热衷于向我们提供根本不存在的组织框架。我们之所以能识别出这一点，是因为我们阅读并检查了 GPTs 生成的所有内容。我们开始将 GPTs 作为备份工具进行研究，并使用谷歌的 NotebookLM 作为分析工具。这款 AI 工具的优势在于，它利用用户上传的资源而非在互联网上进行泛泛搜索，并提供引文，以便用户查看其用于制定分析的具体证据。这意味着我们可以上传已经阅读和分析过的框架和研究，并使用 NotebookLM 进行交叉引用和对齐。此外，我们使用了 Anthropic 开发的大语言模型系列 Claude 来检查我们的工作，并充当“协同智能”，为我们的分析提供反馈并分享想法。随后我们整合了 GPTs，这为检查我们的工作和思考提供了额外机会。此外，我们还以更狭窄的方式训练了一些 GPTs：一个专门用于跨框架对比，另一个则充当“技能讲故事者”，借鉴 Martin Gans 博士的方法论，帮助用户进行技能审计并讲述自己的技能故事。

在研究的第二阶段，我们专注于本文的主题——人工智能时代的核心人类技能。我们利用了第一阶段产生的巨大研究成果以及新资源。Claude 充当了思想伙伴，帮助我们筛选研究，提出构思方式并提供反馈。Claude 还为本文制作了一个互动演示文稿，将 40 页的草案提炼成一个简洁、准确的互动版本。

总的来说，我们发现使用这些工具非常有帮助。它们节省了时间，提供了不同的视角和方法，而且使用起来很有趣。并且，在利用它们的同时，我们必须运用本文所描述的那些人类技能。

4.0 结论：前行的道路

前行的道路需要一种涵盖教育系统、职场实践、政策框架和个人发展的多方面方法。我们面临的挑战是巨大且多维的：日益扩大的数字鸿沟、传播的虚假信息、不断恶化的公民素养、下降的阅读参与度、对 AI 的心理依赖、疗愈性误用以及认知依赖，这些都威胁着个人主动性和集体民主。然而，机遇也是显著的。AI 可以帮助民主化教育，赋能创造力，解决棘手问题，并释放人类的注意力以进行更深层次的追求。通过专注于这十二项核心人类技能的培养——从批判性思维和沟通到伦理性推理和终身学习——我们可以确保 AI 成为人类赋能的工具，而非替代品。

我们咨询了 AI 每日通讯《Deep View》的主编 Ian Krietzberg 的看法。他回应道：“故事和艺术——尤其是具有挑战性的故事，尤其是我们不认同其信息的故事——是通往我们经验范围之外世界的窗口。看到超越自身的东西能让我们理解他人；尽管可能会出现各种自动化，但在这一天的尽头，这是一个由活生生的、有呼吸、有情感、有思考的人类组成的世界，我们与这些人竞争、欢笑，也必须与他们和谐相处。失去这些将是一种遗憾。不失去那些维系我们联系的事物的唯一方法，是过上非常有意识、有目标的生活，在与生成式 AI 互动时，这种意识应当被加强。要清楚你为什么使用它。要清楚其代价是什么。理解解决方案的背景。理解它从何而来，以及它允许你实现什么。”

进行此类深思熟虑的调查和有意识发展的时机就在当下。通过在自己和下一代身上培养核心人类技能，我们可以确保 AI 的指数级进步转化为人类的指数级繁荣，而非衰减。

参考文献