這位復(fù)旦教授和他的數(shù)字分身共同給當(dāng)下大學(xué)教育開出一份診斷書

人工智能正在深刻改變知識生產(chǎn)方式、社會分工結(jié)構(gòu)和人才能力版圖。當(dāng)大模型能夠快速完成算法推導(dǎo)、代碼編寫、文本生成乃至復(fù)雜的數(shù)據(jù)分析時，教育必須重新回答幾個根本問題：機(jī)器越來越會“做題”，學(xué)生還應(yīng)當(dāng)學(xué)習(xí)什么？大量標(biāo)準(zhǔn)化認(rèn)知勞動可以由人工智能完成，學(xué)校應(yīng)當(dāng)培養(yǎng)什么樣的人？當(dāng)知識傳授和技能訓(xùn)練不再稀缺，教育的不可替代價值究竟何在？

這些問題指向同一個時代命題：人工智能帶給教育的，不只是增加一種工具、更新幾門課程，而是對教育目標(biāo)、培養(yǎng)過程、評價方式乃至學(xué)校形態(tài)的系統(tǒng)性重塑。教育改革不能僅僅追求讓學(xué)生“會用AI”，而應(yīng)努力實現(xiàn)“人+AI>AI”。關(guān)鍵不在于人與機(jī)器爭奪機(jī)器更擅長的工作，而在于發(fā)展人的主體性、判斷力、創(chuàng)造力和責(zé)任意識，以人的智慧駕馭機(jī)器智能，以人的發(fā)展引領(lǐng)技術(shù)發(fā)展。

從“人與AI競爭”轉(zhuǎn)向“人機(jī)協(xié)同增益”

工業(yè)時代的教育習(xí)慣于通過統(tǒng)一課程、標(biāo)準(zhǔn)答案和集中考試，訓(xùn)練學(xué)生準(zhǔn)確、快速地完成規(guī)定任務(wù)。這套體系適應(yīng)了大規(guī)模社會分工的需要，卻也容易將學(xué)生塑造成知識的記憶者、規(guī)則的服從者和任務(wù)的執(zhí)行者，個體差異、探索欲望與原創(chuàng)能力則可能被標(biāo)準(zhǔn)化流程遮蔽。

人工智能使這一矛盾更加突出。記憶、檢索、計算、模式匹配以及部分程序化推理，正在成為機(jī)器的優(yōu)勢。如果教育仍把大量時間用于訓(xùn)練可重復(fù)、可計算、可標(biāo)準(zhǔn)化的能力，人的成長就可能被鎖定在機(jī)器最容易替代的區(qū)域。讓學(xué)生與AI比較答題速度，或者把會不會使用某個工具視為數(shù)字時代的核心競爭力，都沒有觸及教育變革的本質(zhì)。

真正值得追求的，不是人與AI進(jìn)行簡單的勝負(fù)比較，而是“人+AI>AI”。AI可以拓展知識邊界、降低實踐門檻、提高試錯效率，但目標(biāo)由誰設(shè)定、問題是否值得解決、答案是否可信、結(jié)果應(yīng)當(dāng)如何使用，最終仍需人作出判斷。代碼可以交給AI生成，判斷不能交給AI；步驟可以由AI執(zhí)行，方向必須由人決定。只有當(dāng)技術(shù)放大人的智慧，而不是替代人的思考，人機(jī)協(xié)同才真正成立。

培養(yǎng)機(jī)器難以替代的“不可計算心智”

教育面向未來，必須更加重視人的不可計算心智特性。所謂“不可計算”，并非斷言某種能力永遠(yuǎn)無法被機(jī)器模擬，而是強調(diào)人的成長不能被簡化為一組指標(biāo)，也不能被還原為一套確定算法。面對開放世界，人需要在信息不充分、價值相沖突、后果不確定的條件下作出選擇。這既依賴知識和邏輯，也涉及好奇心、同理心、想象力、審美、意志、勇氣、價值判斷與責(zé)任意識。

真正重要的問題往往沒有現(xiàn)成答案。能否發(fā)現(xiàn)尚未被看見的問題？能否質(zhì)疑題目本身的前提？能否在多個可行方案中辨別何者更有價值？能否理解技術(shù)行為對他人與社會的影響？……構(gòu)成了人與AI協(xié)同的深層基礎(chǔ)。這些品質(zhì)不是脫離知識的玄思，而是在長期閱讀、討論、實踐、反思與真實責(zé)任中逐漸形成的。

因此，教育不能只關(guān)注學(xué)生知道多少、算得多快，還要關(guān)注學(xué)生能否提出好問題、辨別證據(jù)強弱、解釋判斷依據(jù)、面對錯誤并修正結(jié)論，以及為技術(shù)應(yīng)用劃定邊界。過去容易被視為“軟能力”的心智品質(zhì)，正在成為人工智能時代更為堅硬的競爭力。

守住核心認(rèn)知，發(fā)展高階認(rèn)知

強調(diào)高階認(rèn)知，并不意味著基礎(chǔ)知識和核心認(rèn)知能力已經(jīng)過時。教育改革必須警惕另一個極端：把AI當(dāng)作外置大腦，認(rèn)為記憶、計算、閱讀、寫作和基本推理都可以交給機(jī)器，學(xué)生只需保留所謂“創(chuàng)意”和“判斷”。事實上，沒有堅實的核心認(rèn)知，就難以形成可靠的高階認(rèn)知；缺少知識結(jié)構(gòu)的人，甚至無法識別AI究竟錯在哪里。

核心認(rèn)知是理解世界的地基，包括必要的知識儲備、概念體系、邏輯推理、語言表達(dá)、數(shù)量意識和基本的問題解決能力。高階認(rèn)知則建立于其上，表現(xiàn)為綜合、評價、創(chuàng)造、遷移、反思以及在不確定條件下作出判斷的能力。二者不是相互替代，而是基礎(chǔ)與躍遷的關(guān)系。

沒有核心認(rèn)知，高階認(rèn)知容易滑向無根的想象；沒有高階認(rèn)知，核心認(rèn)知則容易停留在知識的機(jī)械搬運。

當(dāng)前教育的根本問題，不是重視核心認(rèn)知，而是在核心認(rèn)知的訓(xùn)練與評價方面走得過遠(yuǎn)。大量時間被用于重復(fù)訓(xùn)練已有明確答案、便于統(tǒng)一評分的任務(wù)，學(xué)生不斷證明自己掌握了多少知識、能以多快速度復(fù)現(xiàn)標(biāo)準(zhǔn)步驟，卻很少有機(jī)會提出問題、挑戰(zhàn)假設(shè)、綜合證據(jù)和創(chuàng)造方案。其結(jié)果是，核心認(rèn)知訓(xùn)練擠占了高階認(rèn)知生長的空間，評價手段反過來定義了教育目標(biāo)。

當(dāng)前教育改革的關(guān)鍵，是在守住核心認(rèn)知底線的同時，為高階認(rèn)知培養(yǎng)留出足夠的時間與資源。AI提升知識獲取和技能執(zhí)行效率之后，節(jié)省下來的時間不應(yīng)被更多練習(xí)重新填滿，而應(yīng)投入深度閱讀、開放討論、跨學(xué)科項目、真實問題解決和創(chuàng)造性實踐。改革不是降低基礎(chǔ)要求，而是減少低效重復(fù)；不是取消標(biāo)準(zhǔn)，而是讓標(biāo)準(zhǔn)為人的成長服務(wù)。

考試應(yīng)從檢驗答案轉(zhuǎn)向發(fā)現(xiàn)能力

“數(shù)據(jù)挖掘技術(shù)”課程的考試改革，是對上述理念的一次實踐。傳統(tǒng)考試由教師出題、學(xué)生答題，重點考查記憶、計算和標(biāo)準(zhǔn)化解題能力。然而，關(guān)聯(lián)規(guī)則、決策樹、貝葉斯分類等任務(wù)，已經(jīng)成為AI的強項。如果仍讓學(xué)生與AI比速度、比準(zhǔn)確率，所測量的可能不再是學(xué)生面向未來的真實能力。 為此，期末考核改為“學(xué)生出題、AI答題”。每名學(xué)生設(shè)計10道具有唯一正確答案的數(shù)據(jù)挖掘計算題，既要給出完整推導(dǎo)過程，也要測試三個不同能力水平的大模型。完成合規(guī)題目可獲得基礎(chǔ)分，發(fā)現(xiàn)并命中更強模型的盲區(qū)則獲得更高加分。這樣的評價既守住核心知識和規(guī)范推導(dǎo)的底線，又把能力上限指向提問、分析、判斷與創(chuàng)造。 51名學(xué)生中，50人至少讓一個模型答錯過一道題，4人讓某個模型整張試卷得零分。真正拉開差距的，不是題目形式有多復(fù)雜，而是學(xué)生是否深入理解知識，能否發(fā)現(xiàn)模型的結(jié)構(gòu)性缺陷。有的題目檢驗?zāi)Ｐ湍芊癫煊X條件不足，有的利用多重約束考查模型是否遺漏關(guān)鍵前提。這表明，只有先把知識學(xué)深、學(xué)透，才可能找到AI的盲區(qū)。自己出的題自己不會，不是真本事；能夠?qū)徱暣鸢笧楹纬闪ⅰ⒑螘r失效，才是更高層次的能力。 考試由此不再只是知識學(xué)習(xí)的終點，而成為促進(jìn)深度學(xué)習(xí)的過程；學(xué)生不再只是標(biāo)準(zhǔn)答案的接受者，而成為問題的提出者、方案的設(shè)計者和結(jié)果的裁判者。不要做AI的執(zhí)行者，要做AI的裁判官。“裁判”必須比AI更理解知識，也更理解AI的能力邊界。

從模板化培養(yǎng)回歸每個人的充分發(fā)展

工業(yè)時代教育強調(diào)規(guī)模、效率和一致性，具有特定的歷史合理性。但統(tǒng)一進(jìn)度、統(tǒng)一內(nèi)容、統(tǒng)一答案和統(tǒng)一評價，也容易把豐富的人壓縮為少數(shù)指標(biāo)，把成長變成沿著同一條軌道進(jìn)行的競賽。模板化人才培養(yǎng)本質(zhì)上難以容納人的差異，與人的充分發(fā)展存在內(nèi)在張力。

AI為改變這一格局提供了可能。智能工具可以承擔(dān)部分重復(fù)性教學(xué)工作，根據(jù)學(xué)生基礎(chǔ)提供差異化支持，并降低跨學(xué)科學(xué)習(xí)與復(fù)雜實踐的門檻。教育因而有條件從“用同一種方式培養(yǎng)所有人”，轉(zhuǎn)向“幫助每個人找到適合自己的發(fā)展路徑”。人的充分發(fā)展，應(yīng)成為人工智能時代教育回歸的本源。

但充分發(fā)展絕不等同于放任自由，更不是讓學(xué)生隨機(jī)生長。真正的教育始終包含引導(dǎo)：幫助學(xué)生認(rèn)識自己的稟賦與局限，建立必要的知識和價值基礎(chǔ)，理解自由與責(zé)任的邊界，在多種可能性中作出審慎選擇。教育既要有所為，也要有所不為。“有所為”，是提供基礎(chǔ)、方向、資源、挑戰(zhàn)和反饋；“有所不為”，是不以統(tǒng)一模板替代個體選擇，不以短期指標(biāo)窮盡人的價值。

個性化也不能演變?yōu)樾碌哪芰Ψ只I可能產(chǎn)生“馬太效應(yīng)”：基礎(chǔ)扎實、判斷力強的學(xué)生借助AI快速迭代，實現(xiàn)能力躍升；基礎(chǔ)薄弱的學(xué)生若只依賴AI交付結(jié)果，則可能逐漸失去獨立分析和驗證能力。因此，教育既要為優(yōu)秀學(xué)生提供挑戰(zhàn)上限，也要為每個學(xué)生守住核心認(rèn)知、獨立判斷和責(zé)任意識的底線。每個人的充分發(fā)展，意味著承認(rèn)差異，也意味著不放棄任何一個人的成長可能。

教師回歸導(dǎo)師，學(xué)校回歸學(xué)院

當(dāng)知識不再稀缺，教師的價值不會下降，但角色必須改變。教師不應(yīng)再主要充當(dāng)知識的搬運者和標(biāo)準(zhǔn)答案的發(fā)布者，而應(yīng)回歸導(dǎo)師角色，成為學(xué)習(xí)過程的設(shè)計者、思維方法的啟發(fā)者、成長方向的引導(dǎo)者和價值邊界的守護(hù)者。教師更重要的工作，是提出值得探索的問題，創(chuàng)造真實而有挑戰(zhàn)性的任務(wù)，在學(xué)生遇到困難時提供支架，在技術(shù)誘惑面前守住教育原則。

學(xué)校也需要從知識傳輸和資格認(rèn)證的場所，重新回歸“學(xué)院”的本義。學(xué)院應(yīng)是師生追問真理、交流思想、檢驗觀點的共同體，是允許質(zhì)疑、鼓勵爭鳴、寬容失敗的思辨樂園。課堂不只是完成教學(xué)進(jìn)度的空間，還應(yīng)成為觀點相遇、證據(jù)交鋒和新問題生成的場域；校園不只是組織課程與考試的機(jī)構(gòu)，還應(yīng)為深度交往、共同實踐和精神成長提供不可替代的環(huán)境。

這意味著教育總體形態(tài)需要從根本上重塑：課程從封閉的知識單元走向真實問題牽引的跨學(xué)科組織，教學(xué)從整齊劃一的集體推進(jìn)走向共同基礎(chǔ)上的多樣化發(fā)展，評價從一次性結(jié)果判定走向?qū)W(xué)習(xí)過程、思維品質(zhì)和創(chuàng)造能力的綜合觀察，學(xué)校治理則應(yīng)為教師指導(dǎo)、學(xué)生探索和長期成長配置更多時間與資源。

人工智能時代，教育面對的最大挑戰(zhàn)，不是機(jī)器會不會超過人，而是人是否因依賴機(jī)器而放棄思考；教育最重要的任務(wù)，也不是把學(xué)生訓(xùn)練得更像機(jī)器，而是幫助他們成為更加完整的人。

從“會做題”走向“會判斷”，從標(biāo)準(zhǔn)答案走向真實問題，從模板化培養(yǎng)走向每個人的充分發(fā)展，從知識傳授者走向成長導(dǎo)師，從教學(xué)場所走向思辨共同體，這是教育必須邁出的深層轉(zhuǎn)型。

（作者為復(fù)旦大學(xué)計算與智能創(chuàng)新學(xué)院教授和他的數(shù)字分身）