在我的学生时代，大多数计算机还是体型巨大的机器。当时我有一个朋友，他的博士导师坚持让他对一个冗长又困难的原子理论进行手写计算。他用了一页又一页的草稿纸，最终屈服于自己的挫败感，在一个晚上溜进计算机实验室，写了一段简短的代码来进行计算，再费力地将输出结果抄写下来，交给了导师。

　　导师对他说，这才表明你是一个真正的物理学家。导师显然对发生的事情一无所知。虽然后来我和这位朋友失去了联系，但我认识许多没有像老一辈那样精湛地掌握纸笔运算技巧，却同样成功地开拓了自己的科学事业的人。

　　2018年，《科学》杂志向数十位年轻科学家提出这样一个问题：“学校应该教给下一代什么？”许多人说，我们应该在记忆事实方面少花些时间，为更有创造性的事物提供更多的空间。

　　互联网已发展得越来越强大和全面，因此我们为何还要费心去记住和保留信息？如果学生可以通过智能手机接触到整个世界的知识，为什么还要求他们往脑袋里塞下那么多知识？

　　现在，如果没有智能手机GPS，许多人很快就会迷路。有了无人驾驶汽车，我们会忘记如何亲自驾驶吗？如果识别语音的人工智能可以解析出最微妙的话语表达，我们会忘记如何拼写吗？而且，这些都无关紧要吗？

　　毕竟，我们中的大多数人已经不知道如何种植我们吃的食物，也不知道如何建造我们居住的房屋。我们不懂畜牧业，也不懂如何纺羊毛，甚至不懂如何更换汽车上的火花塞。大多数人不需要知道这些事情，因为正如社会心理学家所说，我们是“交互记忆网络”里的成员。

　　我们不断地通过对话、阅读和写作等活动，与一个有“记忆搭档”的社区进行“记忆交易”。作为这个社区的成员，多数人不再需要记住大部分的事情。这并不是因为知识已经全然被遗忘或丧失，而是因为会有别的人来记住它们。我们只需要知道找谁交谈，或者到哪里去查找就足够了。这种合作行为是进化赠予我们的遗传天赋，它极大地扩展了我们的有效记忆能力。

　　由于机器必须在有限的数据集上进行训练，人们会在一旁进行裁断，因此算法往往会放大我们已有的关于种族、性别等问题的偏见。

　　但是对网络的依赖也意味着新的弱点产生了。人类的福祉，如食物或能源所依赖的任何关系网络一旦崩溃，都将会引发一场灾难。没有食物我们就会忍饥挨饿，没有能源我们就得蜷缩在寒冷中瑟瑟发抖。正是由于记忆的普遍丧失，文明才可能会陷入这样一个隐约可见的黑暗时代。

　　通过与人工智能合作，我们能下出更高明的棋局，也可以做出更好的医疗决策。所以，为什么不使用智能技术来促进学生的学习呢？

　　技术可以潜在地改善教育，极大地拓宽获取途径，促进人类的创造性和福祉。或许教育工作者最终会与人工智能伙伴合作，成为更好的教师。但与象棋或医学诊断中的协作不同的是，在教育环境中，学生还不是成熟的专家。人工智能作为无所不知的记忆搭档，很容易会成为一根拐杖，培养出一些自认为可以独立行走的学生。

　　我的那位物理学家朋友的经验告诉我们，记忆是可以适应和演化的。这种演化必然包括忘掉旧的方式，以便腾出时间和空间来学习新的技能。如果旧的知识形式被保留在我们网络中的某个地方，并且在我们需要的时候就可以找到，那么也许它们并没有被真正遗忘。