八届格莱美得主 Rick Rubin 不会弹任何乐器。他制作了 Jay-Z、Adele、Johnny Cash 的专辑，在 CBS 采访里对 Anderson Cooper 说自己没有任何技术能力，对乐器一无所知，靠的是对判断力的自信。
Karpathy 的这条评论在 2025 年初被硅谷工程师圈子广泛传播。配文是 Andrej Karpathy 的那句“vibe coding”：用自然语言告诉 AI 你想要什么，让 AI 处理技术实现，人类只负责选择和判断。一个不会乐器的音乐制作人，成了 AI 时代最被追捧的职业样本。
说穿了就一句话：当 AI 能做所有“对”的事情时，唯一稀缺的，是“什么是值得做的”的判断力。这个判断力有个名字，叫品味。
现在是八月初，高考报志愿的窗口正在关闭。每年这个时候，家长群里都在传同一个问题：孩子该学什么，才能在 AI 时代活得下来？回答是三样：数学、哲学、艺术。
先看清对手：孩子要跟谁竞争
这一代孩子是特殊的。他们不是“学会使用 AI 的一代”，是“被 AI 陪伴着长大的一代”。AI 对他们就像手机对我们，像电视对父辈，不是工具，是环境。
国务院《关于深入实施“人工智能+”行动的意见》写的是硬指标：2027 年智能终端和智能体应用普及率超 70%，2030 年超 90%。跟环境竞争是没有胜算的。比写代码，AI 的产出速度已远超人类工程师；比做设计，AI 一次生成大量不出错的图；比翻译、比数据分析、比法律文书，AI 全面碾压。任何一个“技能”维度，孩子都不可能赢，也没必要赢。那孩子该赢什么？赢“技能之外的东西”。
科幻作家 Ted Chiang 有一个比喻：大型语言模型是互联网的“模糊 JPEG”。它压缩了海量文本的统计规律，生成的是概率上最“合理”的输出。什么叫“合理”？就是平庸、安全、可预测、不会冒犯任何人。AI 永远倾向中间地带，因为中间地带在统计上最可能出现。
换句话说，AI 的强项是“在无限可能性里选最可能的那个”。而人真正能守住的位置是“在无限可能性里选‘不太可能但就是对的’那个”。前者叫计算，后者叫判断。计算可以外包给机器，判断不能。孩子要学的，就是那个判断力。而判断力的地基，恰好是数学、哲学、艺术这三样被功利主义教育挤到边缘的东西。
数学：让孩子能验证 AI 的结论
先给数学正名。很多人以为 AI 时代学数学没用，因为 AI 算得比人快。这是对数学最深的误解，数学不是算数，数学是逻辑的训练场。
AI 给结论，从来不解释它为什么给这个结论。它能告诉你“这道题选 C”，但你要是没有自己推理一遍的能力，你连质疑它的资格都没有。数学练的正是这个：从公理出发，一步步推到结论，每一步都问“凭什么”。
这不是纸上谈兵。一个学过证明的孩子，面对 AI 生成的财务报表、法律意见、医疗建议，第一反应不是“它说的对吗”，而是“它的推理过程能不能走一遍”。能走通，接受；走不通，质疑。2027 年普及率 70% 的目标落地时，这批孩子正好大三，他们读大学的后半程，就是 AI 全面上岗的前半程。这个能力就是逻辑验证力，AI 时代最值钱的技能，没有之一。
数学还有一个被忽略的价值：它教人诚实。数学题对就是对，错就是错，没有“大概行”。这种对精确性的本能，恰恰是 AI 时代最稀缺的品质，AI 最擅长的就是“看起来差不多”，而“差不多”是错误和灾难的温床。
数学怎么学，分两个阶段。初中阶段（11 到 13 岁），重点不是刷题速度，是建立对数学之美的直觉。推荐三本书。吴军的《数学之美》讲的是搜索引擎和语音识别背后的数学原理，让孩子看到数学不只是试卷上的题。Jordan Ellenberg 的《魔鬼数学》用真实案例讲统计陷阱和逻辑谬误，比课本生动得多。波利亚的《怎样解题》出版于 1945 年，至今仍是最好的数学思维训练手册，核心方法就一句话：拿到任何问题，先问已知什么、要求什么、能不能换个方式表述。
大学阶段（17 到 18 岁），重点是证明思维和建模能力。可以读 Aigner 和 Ziegler 的《Proofs from THE BOOK》，收录了数学里最优美的证明，每篇都像一篇干净利落的议论文。同时开始啃线性代数和离散数学的证明，这两门是 AI 和数据科学的数学地基。训练方式不是题海，而是每学一个定理，合上书自己写一遍证明，再对照原文查漏洞。
哲学：让孩子知道边界在哪
第二样是哲学。这个建议会被很多人当成“不实用”，哲学又不能当饭吃。但恰恰是“不能当饭吃”的东西，在 AI 时代成了饭碗。
哲学训练两件事。第一件是观察事物发展的本质。AI 能回答“是什么”，但回答不了“为什么是这样”和“该不该这样”。从苏格拉底的诘问到马克思的历史唯物主义，哲学练的是穿透表象看结构的能力：一个现象背后是什么力量在推动，一个制度的设计动机是什么，一个时代的底层矛盾在哪。这些判断 AI 给不了，它能给你一万篇分析，但“哪个分析切中了本质”要靠人自己掂量。
第二件是了解自我边界。这是哲学最朴素也最被忽视的功能。AI 时代最普遍的精神危机是“我没有价值了”，因为技能可以被替代，人开始怀疑自己的存在意义。哲学恰恰是回答“人是谁、人为什么存在、人和机器的区别在哪”的学问。一个在中学阶段认真想过这些问题的人，面对 AI 替代浪潮时的心理韧性，和没想过的人完全不在一个量级。
萨特在 1943 年出版的《存在与虚无》里说存在先于本质，人没有预设的目的，要通过选择来创造自己的本质。这句话在 AI 时代突然变得具体：当“技能”这个旧坐标消失，人更需要哲学来重新锚定自己“为什么值得存在”。
哲学怎么学，同样分两个阶段。初中阶段，乔斯坦·贾德的《苏菲的世界》是公认的入门首选，它把整个西方哲学史写成了一部悬疑小说，14 岁的孩子能一口气读完。读完之后接冯友兰的《中国哲学简史》，用一百多页讲完从先秦到近代的中国哲学主线，脉络比任何教科书都清晰。
大学阶段，可以进入原始文献。罗素的《西方哲学史》虽然有人诟病其主观，但可读性和判断力是教科书替代不了的。关键是不要只读哲学史，要读哲学家的原作。柏拉图的《理想国》前几卷、笛卡尔的《第一哲学沉思集》、康德的《道德形而上学基础》，这些文本的核心训练价值不在结论，而在论证过程本身。读哲学不是记住谁说了什么，是跟着他走一遍推理，然后问一句：这一步跳了没有？
艺术：让孩子保住 AI 学不走的东西
第三样，艺术。这个建议在功利主义逻辑下最难辩护，但可能是最重要的。艺术练的是审美判断力，而审美判断力就是品味的最直接形态。1757 年，休谟在《论品味的标准》里给“真正的裁判”列了五个条件：敏锐的感知、精细的情感、通过实践提升、通过比较完善、清除所有偏见。这五条读起来像一份训练手册，品味既有天赋成分，但更主要是后天磨出来的。Rubin 躺在录音室里听了四十年，这就是“通过实践提升”。那篇讲品味的帖子在 X 上被转发了 101 次、收藏了 673 次、浏览接近 6 万，说明焦虑是真的。
康德的说法更精妙：审美判断是主观的，但美的对象呈现为具有普遍有效性。当孩子说“我喜欢这个”，那只是偏好；当孩子能说“这个值得被喜欢”并说出为什么，那就是判断力。品味就是从“我喜欢”到“这个值得被喜欢”的跨越，这正是 AI 给不了的东西。
还有一层更实在的：艺术是人与人接触的载体。AI 可以生成完美的画、完美的音乐、完美的设计，但人类需要的是人和人之间的真实接触。一场现场的演奏、一幅手写的字、一个不完美的拥抱，这些的价值恰恰在于“它是人做的”。人类在艺术上的不完美，本身就是艺术本质的一部分。AI 越完美，人味儿越值钱。这跟五月底写过的那篇开发者文章是同一个母题的两端：开发者要靠品味保住职业位置，孩子要从零开始建立品味。一个是在存量里抢救，一个是在增量里播种。
艺术怎么学，这个最难给书单，因为艺术的核心训练不是读书，是看、听、做。但有几本书可以打开门。初中阶段，贡布里希的《艺术的故事》是公认的西方艺术史入门第一书。它不讲流派年表，而是讲艺术家面对的具体问题是什么、他怎么解决，本质上训练的是问题意识和判断逻辑。蒋勋的《写给大家的西方美术史》和《写给大家的中国美术史》更轻量，适合先做兴趣铺垫。
大学阶段，约翰·伯格的《观看之道》必读，只有一百多页，但会彻底改变你看绘画和广告的方式。陈丹青的《局部》系列不是书是视频，但它的价值在于示范了一件事：一个人怎么用自己的眼睛看一幅画，然后说出别人没说过的判断。这就是品味的活教材。
但书和视频都是辅助。艺术判断力的核心训练是反复接触原作。去美术馆、去音乐厅、去剧场，让自己的感官在真实作品面前反复校准。AI 可以生成一万个版本的星空，但只有站在梵高真迹前面，你才知道颜料堆叠的厚度传递了什么情绪。这不是知识，是身体记忆。
三样合起来，是一套完整的判断力系统
数学、哲学、艺术，三样不是并列的三门课，是一套系统的三个部件。数学解决“能不能验证”，AI 的结论靠不靠谱，孩子有能力独立走一遍推理。哲学解决“该不该做”，技术能做的不等于应该做的，孩子能看穿现象背后的结构和动机。艺术解决“什么值得被爱”，在无限的选择里，我知道哪一个是对的，因为我训练过自己的感知。
这三样恰好对应 AI 的三个死穴：AI 不解释推理过程，数学让人能自己推理；AI 只回答“是什么”，哲学让人追问“为什么”和“该不该”；AI 选择概率最高的，艺术让人选择“概率上不太可能但就是对的”。当然，这三学科的交叉远比这个对应关系复杂，数学也需要哲学的追问，艺术也需要数学的结构。这里提取的是它们各自最不可替代的核心。
孩子学这三样，学的不是知识，是判断力的操作系统。7 月底 OpenAI 刚把 GPT-5.6 Luna 的价格下调了 80%，推理成本正在以肉眼可见的速度归零，技能贬值的速度只会更快，判断力的稀缺只会更贵。知识会过时，今天学的编程语言十年后可能没人用，但判断力不会，因为判断力的训练材料是永恒的逻辑、追问和审美。
AI 是陪练，不是敌人
前面把 AI 定位成了对手和竞争环境。但还有另一面被忽略了：AI 是训练这三样技能最好的陪练，而且几乎免费。数学训练中，AI 可以充当一个不知疲倦的检查者。孩子写完一道证明，拍给 AI 看，让它逐步检查逻辑链。AI 找到的每一个推理漏洞，都是一次真实的逻辑训练。更好的用法是让 AI 出变体题：把一个几何证明的条件改一改，看结论还成不成立。这种改条件看结论的练习，训练的正是公理到结论的推理力。
哲学训练中，AI 最适合做苏格拉底式问答的对手。让孩子选一个立场，比如“技术进步总是好的”，让 AI 不断追问为什么，逼孩子一层层往深处走。AI 的优势是不带情绪、不会嘲笑、可以无限追问。一场 30 分钟的 AI 哲学对话，比读十页哲学史更能训练思维。
艺术训练中，AI 生成工具可以成为比较训练的素材。让 AI 用五种不同风格画同一个场景，然后让孩子说出哪一幅最好以及为什么。这不是在训练 AI，是在用 AI 训练孩子的判断力。休谟说的“通过比较完善”，在 AI 时代有了最便宜的实践工具。
这里需要画一条线：陪练的前提是孩子已经有了独立判断的基础。一个还没有建立审美坐标系的孩子，如果在 AI 生成的海量图片里反复选择，训练出来的不是品味，是对算法推荐流的服从。陪练的有效性取决于孩子是否已经有了“自己的标准”来判断 AI 的产出。先有判断力，再用 AI 放大判断力，顺序不能反。
必须承认这套说法的边界。数学、哲学、艺术是判断力的地基，但地基之上还需要一层“跟 AI 协作的能力”，会用 AI 工具、懂基本的数据素养、有跨学科视野。一个只会哲学思辨、连 AI 提示词都不会写的人，在就业市场上依然艰难。这三样不是保险箱，是护城河：让孩子的判断力不塌，但能不能打出去，还要看他在 AI 工具上的熟练度。
另外，这条路径的代价是“慢”。数学的证明、哲学的追问、艺术的感知，都需要长年累月的浸泡，效果不立竿见影。而报志愿的现实是：家长要的是四年后能就业的专业。这两者之间的张力是真实的，选“判断力”路线，意味着要忍受前几年的“看起来没用”。
家长最容易踩的三个坑
这类文章的读者主要是家长，有几个典型的方向性错误值得提前点破。第一个坑：把学编程等同于应对 AI。编程本身可能是最早被 AI 大规模替代的技能之一。据 GitHub 官方及第三方研究估算，Copilot 生成的代码在新提交中占比已超过 40%。学编程不是不重要，但如果只学怎么写代码而不学为什么要这样写，跟练打字速度没有本质区别。真正保值的是计算思维：分解问题、模式识别、抽象建模、算法设计。这些能力可以不学编程也能训练，反过来，只会写代码但缺乏计算思维的人，反而最容易被 AI 替代。
第二个坑：让孩子考艺术等级证书。考级训练的不是审美判断力，是肌肉记忆和应试技巧。一个考过钢琴十级但从不主动听音乐的孩子，和一个没考过级但听了五年不同风格音乐的孩子，谁的品味更好？答案不需要想。艺术考级制度恰好卡在 AI 最擅长的维度：精确复现预设标准。
第三个坑：把 AI 当敌人，禁止孩子使用。有些家长出于恐惧限制孩子接触 AI 工具。但 AI 不会因为你不学就消失。被禁止接触 AI 的孩子，跟被禁止上网的 90 后一样，进入社会后反而更脆弱。正确的做法是尽早让孩子学会跟 AI 协作：知道 AI 能做什么、不能做什么，知道什么时候该信任它、什么时候必须自己判断。
报志愿的具体建议
落到报志愿这个具体的动作上，思路可以拆成两条腿。第一条腿：专业选“硬”的。数学、物理、计算机科学这些有严谨逻辑训练的专业，比任何“AI 应用”类专业更保值。因为 AI 应用会变，逻辑训练不会。与其学“AI 与某某的结合”，不如学“某某”本身，AI 结合的部分 AI 自己会学，人只需要懂“某某”。
几个值得考虑的专业组合方向。数学或统计学加计算机科学，是最稳健的底层组合。数学训练推理，计算机训练工程实现，两者叠加就是能自己验证 AI 结论的人。
哲学加经济学或法学，适合不打算走技术路线的孩子。哲学训练结构分析能力，经济学或法学提供现实世界的锚点，两者叠加就是能看穿制度设计和利益博弈的人。
艺术或设计加人机交互，是 AI 时代最前沿的交叉方向。AI 能生成界面和视觉，但什么样的交互让人感到舒适和信任，是审美判断题不是技术题。
第二条腿：大学里主动补哲学和艺术。哲学系、艺术系可以不考，但课不能不上。旁听、社团、读书会，都是补品味的途径。休谟的五条件里，最关键的是“清除偏见”这一条，你以为在培养品味，很可能只是在加固已有的偏见。真正的品味需要主动走进让自己不舒服的领域，去听不喜欢的音乐，去看不理解的艺术，然后诚实地问：你的抵触，是因为这东西真的不好，还是因为还没学会怎么看它？
教育的最高目标从来不是培养“有用的人”，是培养“会判断的人”。AI 时代把这句话从理想变成了生存法则：有用的事 AI 都能干，只有会判断的人不可替代。报志愿的窗口正在关闭。但孩子的人生窗口还开着。学数学、哲学、艺术，这三样东西的回报周期是几十年，不是四年。在 AI 陪伴下长大的这一代人，恰恰是最需要它们的。
Sources
- jarodise《什么是品味（taste）以及如何获得品味》2026-02-18（Clippings + Archive 双份）
- 开发者的后AI生存法则：品味、去技能化恐惧与工会 2026-05-30（自写旧文，母题衔接）
- 刘润《这次，10年一遇的机会真的来了》2026-08-02（AI时代背景）
- 北京智能体新政10条 2026-08-01（Agent 替代执行层的政策信号）
- 波利亚《怎样解题》1945（数学方法论）
- Aigner & Ziegler《Proofs from THE BOOK》（数学证明）
- 乔斯坦·贾德《苏菲的世界》（哲学启蒙）
- 冯友兰《中国哲学简史》（中国哲学入门）
- 罗素《西方哲学史》（哲学原典导读）
- 贡布里希《艺术的故事》（艺术史入门）
- 约翰·伯格《观看之道》（审美判断训练）
- GitHub Copilot 2025 年度报告（代码生成占比）
- Rick Rubin CBS《60 Minutes》采访；Ted Chiang《纽约客》2023-02“blurry JPEG”；休谟《论品味的标准》；康德《判断力批判》