育，作为未来教育的要领，其实给智能教育这个热门话题也提了个醒，你这个概念是否说得太大了点。也许是智能教学或者智能知识点搜获答问程序而已。教育的育字，给了学校教育中的教育者们很大的挑战，也留着很大的天地，“一棵树摇动另一棵树，一朵云推动另一朵云，一个灵魂唤醒另一个灵魂”，树和云不好说，灵魂这事儿，机器、智能还没成人。
同时，人的器识这个未来教育的培养目标，是AI也好，高科技也好，都无法替代的人的优势。这也是我的主题，教育要想面向未来，就要更加回归本来，这个本来，说的是器识于人之所以为人的本质性，以及，教与育的完整与平衡。
谈到技术与未来教育，教育工作者就会思考，日新月异的技术发展会对教育带来怎样的挑战？“阿尔法狗”(AlphaGo)的胜利也好，奇点理论的热议也好，着实让学生和他们的父母们焦虑起来——尽管才是21世纪的第二个十年——究竟选择什么样的专业，未来才不会被人工智能碾压、打败、替代；或者转化为一个给教育者的问题是——更一般地，教育要在受教育的人身上培植（我们可不是机器，这里可不是配置）怎样的本领、特征，才更能适应未来甚至引领未来。
其实，机器答对的考题多，只不过说明考卷考察的仍是知识而非器识。苹果公司CEO蒂姆·库克说过，他并不担心机器变得像人，更担心的是人变得像机器。我加个“让”字把问题重新提一下，不管现在或未来，是否“让人变得像机器”，社会中的每个组织和个体都该反思，但是教育首当其冲。
要让人不机器化、不异化的要领同样是：器识为先。
比如，未来需要更多的人发挥自己的领导力，领导者不再是（绝不是）某一部分人的角色，每个人都要在一些不同的时刻以自己独特的方式发挥领导力。须知，领导力不是运算速度更快算法更精妙占有数据量更大的极值优化程序。这里插一句跟方才说的不教而教有关的看法，就是我们要审视不同阶段不同学科的教育的内容中，也包括教育组织自身的很多管理做法中，是否在不言而喻地向学习者展示或者渗透着某种极值优化程序，很多时候还是短期局部的极值优化，如果有，就容易导致培育出的人走向功利算计。
跟极值优化程序相反，也许你没有从这个角度想过，领导力恰恰是在某一个时点，跟基于硬数据的线性外推相反，选择不被主流所看见的歧见、异见并变成组织意志、共同意愿后使之实现——直到这时候，我们才以后见之明，“追认”他有远见——很多时候，真的就成了追认了。
与远见常搭配在一起的还有另外一个词，叫卓识。卓识是个非常美妙的词语，但其实，卓字就意味着不群，被孤立，卓识如果不能及时有效地转变为组织和社会的共识，对拥有它的领导者而言，就意味着一种充满风险的担当。远见也好，卓识也好，大多情况下来自悟性、阅历基础上的信念和热爱。有句话说，多数人因为看得见而相信，极少数人因为相信故而能看得见，注意，这时候的看得见不是通过逻辑严密的推导而来的，而是因相信、凭器识所致，这是依靠逻辑、基于证据的算法智能所无法替代的。
卓识变共识，对领导者和他所在的组织、行业来说绝对是惊险的一跃，而对社会、对世界来说，这是改变历史进程、让人类向前进步的重要的一瞬。卓识变共识，很多时候都不是逻辑数学智能的用武之地，而是要靠人际之间的激发共鸣。这时，共情力与故事力让领导者那些富有前瞻但却缺少证据支撑的愿景，能够成为追随者所共同向往、愿挥洒拼搏的梦，这又是依靠理性基于数据的算法智能所无法替代的。
《世界是平的》的作者弗里德曼曾演讲说：“我和我女儿这一代在毕业时所得到的赠言勉励是很不一样的。我们这一代人得到的赠言经常是‘find a job’，也就是‘找份工作’；而我女儿她们这一代毕业时被社会寄予期望去‘define a job’。”
说得没错，在器识力决定高下的不远的未来，我们就得靠器识去开创以前根本不存在的工作（并营造一种让人更像人而非让人变得更像机器的工作环境），升华那些无法用最聪明的计算机取代的工作（工作本身有意义有意思让人好之乐之沉浸福流），丰富那些人性本质深深嵌入其中、无法被简化为算法、异化为机器的工作。
更重要的是，我们会更加看重并有效地培养学生的同理心、人性本质、情感联系和人文关怀，这些是人类能做得好而算法、机器人、应用程序所做不到的。
是人，决定着，进步才是进化。即使人类要进化，也不是要进化到完备、精妙、可期如机器，而是进化到不完美、不可控、不靠谱（不靠着写定的图谱生活）的活生生的人，以及各美其美美人之美美美与共的人群。
所以，如果问“什么才是未来教育的要领”，我的回答是——有温度的“育”，育出人的“器识”，这是教育的本来，也会支撑起教育的未来，并塑造决定着人类的未来。
智库观点
