我们当前所处的时代是全新的，其根本特征是人工智能。我们需要
理解人工智能，才能驾驭人工智能，尤其是校长、老师，如果只是把人工智能当作工具来辅助教育工作的开展是不够的。
2022年ChatGPT出现，它
比AlphaGo带来的冲击更加深远，因为下围棋的人毕竟是少数，而撰写文章是几乎所有受过教育的人都需要做的，ChatGPT能完成的任务与我们所做的事情相同。
事实上，人工智能早在1956年就已存在，IBM就曾努力推动这一进程，例如Deep Blue、Watson系统等。后来微软投资了OpenAI，不仅开发了ChatGPT、Sora，还致力于打造一个智能代理公司，让AI和机器也能够执行原本只有经过教育、接受良好训练的人才能胜任的任务。
提到这场科技变革，就不得不说华人李飞飞。她是一位理论物理学家，
她认为，数据重新定义了我们对模型的思考方式。从AlexNet到ChatGPT，都是将人类的工作转变为机器的工作。换句话说，就是“工业化”。一旦某事物被“工业化”之后，它就会成为“工业品”，而且不再稀少。
而这场以人工智能为代表的科技革命，已经从过去的科学引领技术，变为技术倒逼科学。人类做出了ChatGPT，对科学的认知却没有半点进步。
AlphaGo的成功源于大家下过的棋谱对它的训练，ChatGPT的成功源于大家写过的文章对它的训练，所以它们都是经验主义的胜利，因而新的经验主义呼唤新的理性主义。
这场新的科技革命是将应用场景与技术的创新、产业的落地一体化进行。
再说技术发展，第一次工业革命的代表人物瓦特、史蒂芬孙、富尔顿等其实都没有读过大学，都是学徒出身，技术本来就是从应用中产生，所以我们现在需要一场新的革命。
我们需要对科学进行一些反思。科学是什么？科学可分为三大流派：数理主义、实证主义以及量子力学流派。科学只研究现象及其规律，回答是什么、会怎样，而不回答为什么。回答为什么，那不是科学的任务，而是神学、哲学、社会学、历史学、政治学等其他学科的任务。
科学研究包括实证范式、理论范式、计算范式、数据范式（“第四范式”）4种范式，“第四范式”是2007年提出来的。前三个范式都是自然科学的范式，它研究的是不以人的意志为转移的物质现象。“第四范式”则回到以前的“开普勒范式”，先有大量已知数据，通过计算得出之前未知的理论。
如果说现代科学的诞生是第一次科学革命，那么“第四范式”就意味着第二次科学革命。它颠覆了千百年来人类的思维惯例，对人类认知和与世界交流的方式提出了全新的挑战。人类总是会思考事物之间的因果联系，而对于基于数据的相关性并不是那么敏感，“第四范式”使得科学回归本原，即透过现象看本质，科学方法经过前三类范式，螺旋式上升到新的起点。
新时代，数据催生了新科学的诞生，
数据已从人类社会经济活动的副产品变成当前的新要素。因此，我们对数据的认知需要发生根本的改变。
数据不仅是计算机中可处理的信息，更是人类对世界认知的数字化表达。基于数据的“第四范式”已经超越了传统的自然科学范式，因为数据成为连接万物的桥梁和纽带，是一种新的能源和动力。数据与传统能源如石油不同，它不具有稀缺性、独占性和排他性。数据的使用和共享能够增加其价值，而非减少。通过使用，数据才能发挥其真正的价值。
在过去十年，我们国家一直致力于推动大数据发展，
如果将数据视为一种新的动力，它将引领我们从工业经济、工业社会向数字社会转型。这一转型不仅改变了工业生产方式，甚至会推动世界中心的改变。
数据将成为推动人类从工业文明向数字文明转型的关键力量。当前，我们所讨论的数字化转型或数智化转型，是基于数据的人工智能，而非其他类型的人工智能。这意味着数据本身就是一种动力，它不是弯道超车，而是开辟新赛道，所以需要“自我革命”。尤其是在教育领域，更需要进行“自我革命”。
在中国，数据被视为“第五要素”。为了彰显数据的力量，我们需要构建数据赋能平台，就像我们做数据中台一样。首要任务是确保数据能够像电力一样，被送到千家万户、千厂万店，这是我们应当追求的目标。
