这场小众争论照见了教育的未来：不要把孩子培养成AI的完美竞争对手

视觉中国

最新研究成果发现，将认知任务外包给AI工具可能会使得人类陷入“温水煮青蛙”的困境——人工智能辅助可以立即提升表现，但代价是巨大的认知负荷。人类的认知能力在不知不觉中会逐渐被削弱。这个消息使得已经被困于两难选择中的人们更加焦虑：一边是苦口婆心的警告——太依赖AI会使自己独立思考的能力被弱化，最后会变成只能给AI提需求的“工具人”；另一边是无处不在的提醒——不能拥抱AI就会被时代甩在身后，当AI能够“蒸馏”每一个岗位技能，下一个被淘汰的就是你。

最近Qualitative Inquiry（《定性研究》）杂志上两篇针锋相对的文章，正是表达的这两种截然不同的观点，虽然争论没有定论，但是却让人看清一个真相，在AI时代，我们需要做的不是把孩子培养成AI的完美竞争对手，而这恰恰是过去我们忽略的问题。

这场学术争论，是社会对AI焦虑的缩影

那两篇文章的争论，恰好代表着很多人每天纠结的问题的正反两面。

419位来自全球32个国家的资深定性研究学者联名发表公开信，旗帜鲜明地反对在反思性定性研究中使用任何生成式AI，甚至连初始编码阶段都不行。他们认为，AI只是在机械匹配文字符号，根本不懂文字背后的意义、情感和权力关系；定性研究的灵魂是人的反思性和主体性，用AI做研究，是对学术本质的背叛。

而另一位学者，英国阿伯泰大学（Abertay University）教授斯蒂芬·泡里（Stefano De Paoli）的文章观点完全相反。他认为，不能把一个有争议的哲学假设当成绝对真理，更不能用学术权威推行一刀切的禁令。AI和人工分析就像工厂生产的五斗柜和工匠手工打造的五斗柜，虽然质感不同，但其基本功能是一样的，都是装东西。但并非所有人都买得起、等得起“纯手工”，AI给了更多人做定性研究的机会。

表面上看，他们在吵AI能不能做定性研究；但就其深层意义而言，他们争论的是一个更根本的问题：人的价值到底是什么？

一方认为，人的价值在于独特的体验、反思和意义建构，这些是不可替代的；另一方认为，人的价值在于解决问题，工具如果能帮我们更好地解决问题，同样应该被使用。

学术界和工业界，活在两个完全不同的AI世界里

这一争论不仅是整个社会AI分歧的根源，同样也是工业界和学术界的争议。看上去两者都有道理，只是站在不同的坐标系里。学术界和工业界看待AI的底层逻辑，从根本上而言，是两套完全不同的评价体系。

工业界看AI，永远是结果导向。对他们来说，AI是一个提升效率的工具，只要能解决问题、降低成本、提高生产力，就是好工具。一个AI客服，只要能解决99%的用户问题，没人会关心它“懂不懂”用户的愤怒；一个AI写的代码，只要能跑通、没有bug，没人会关心它“懂不懂”代码背后的逻辑；一个AI做的设计，只要能通过甲方的验收，没人会关心它“懂不懂”设计的美学。工业界的终极恐惧，是“不用AI会被淘汰”——竞争对手都在用AI降本增效，你不用，你就会落后甚至破产；同事都在用AI提高产出，你不用，你就会落伍，甚至被边缘化或者被裁员。

而学术界看AI，永远是过程导向。对他们来说，做研究的意义，不只是得到一个答案，更在于思考和探索的过程本身。一个AI写的论文，哪怕逻辑再严密、数据再扎实，只要它没有体现出研究者的反思和主体性，在很多学者看来就不是一篇真正的学术论文。学术界的终极恐惧，是“用了AI会失去自我”——如果所有的数据分析、文献综述、甚至论文写作都由AI完成，那学者的价值在哪里？如果研究变成了输入问题、输出答案的流水线，那学术的意义在哪里？

这就是为什么工业界觉得学术界“矫情、保守、脱离实际”，而学术界觉得工业界“肤浅、功利、没有底线”。他们站在完全不同的坐标系里，用完全不同的尺子衡量AI。

AI的能力有争议，但教育的错位却再清楚不过

关于AI未来到底能做什么、不能做什么，其实至今没有定论。AI是否已经拥有或者未来是否能够拥有真正的意识和创造力，不同观点都有顶尖学者站台，至今未有胜负。但从这些争论中我们可以看到，或者说学术界已经达成共识的是：我们现行的教育体系，几十年来一直在倾尽全力，把学生训练成“高效找标准答案的机器”。

这和AI的基本工作机制，简直是一模一样的。我们可以用那个著名的“中文屋”思想实验来理解：屋子里是一个完全不懂中文的外国人，他有一本用自己能理解的语言写的手册，精确规定了如何对收到的中文符号做出相应的符号回应，但是完全不解释任何符号的意思。外面是一个精通中文的人，当中文问题递进去后，屋内人能照着手册递出正确的答案。外面的人看来，这是完美的中文答案，但其实屋内人根本不明白内容。

这就是我们的教育经常做的事。我们很少教学生“为什么”，但会教他们“看到什么题，就如何写答案”。理科的解题步骤必须和课本保持一致，哪怕用更简便的方法得出正确答案也可能会被扣分。语文阅读理解也有唯一的标准答案，即便作者本人的理解和答案不一样也不行。作文有固定的模板和套路，写得越贴近范文得分越高。

我们花了十多年时间，把学生训练成精准的“答案匹配器”。谁能更快、更准地从大脑里调出对应的标准答案，谁就是好学生，就能考高分、上名校。

而现在AI来了。不管AI未来能不能拥有真正的理解和创造能力，至少在“找标准答案”这件事上，它对人类形成了碾压性的优势。一个大模型，能记住人类有史以来所有的知识点，能在0.1秒内匹配出任何问题的标准答案，而且不会记错、不会疲劳、不会粗心、不会因为紧张发挥失常。

在这件AI最擅长的事情上，人类不会赢。那些我们花了十几年时间，辛辛苦苦训练出来的关键能力，一夜之间变成了AI最普遍拥有的技能。那些只会背知识点、只会应付考试、只会找标准答案的学生，哪怕考了满分，他们做的事情，本质上和AI做的没有任何区别——而且他们永远做得不如AI好。

这场争论照出了教育应有的初心

这才是AI给我们教育最沉重的一击。我们花时间把孩子培养成了AI的完美竞争对手，然后又抱怨AI抢了孩子的工作。

所以，面对AI，我们需要做一个最简单的划分：

所有只需要“符号匹配”和“标准答案”的工作，都可以放心大胆地交给AI。转录录音、整理文献、校对文字、写格式化的邮件和报告、解数学题、翻译外文……这些工作本身不会让你变得更优秀，只会消耗你的时间和精力。把它们甩给AI，你才能把宝贵的注意力，投入到AI永远做不了的事情上。

而所有需要“意义建构”和“独立判断”的事情，必须牢牢抓在自己手里。你可以用AI整理上百篇文献，但不能让它帮你提炼关键观点；你可以用AI生成代码片段，但不能让它帮你设计系统架构；你可以用AI写初稿，但不能让它帮你做重要决策；你可以用AI收集信息，但不能让它帮你形成独立思考。

未来的教育，也不应该再把学生训练成寻找标准答案的人，它应该教学生问“为什么”，而不是只教他们“答什么”。教他们质疑权威，而不是只教他们服从规则。教他们从不同角度看问题，而不是只教他们唯一的标准答案。教他们把零散的知识整合成自己的体系，教他们创造从未有过的东西，而不是只教他们复制别人已经做过的事。

更重要的是，教育应该教学生把知识和自己的生命体验结合起来。AI可以解出所有的数学题，但它永远不能代替你解开一道难题时那种发自内心的喜悦和成就感。AI可以写出所有的作文，但它永远不能代替你用自己的眼睛去看世界，用自己的心灵去感受生活。

回到最开始的那场学术争论，我们可以看到，419位学者担心的，并不是AI本身，而是我们可能会把思考的权力拱手让给AI；斯蒂芬·泡里呼吁的，也不是无底线地拥抱AI，而是不要用教条扼杀技术带来的可能性。

这场争论最终指向的，不是个人该怎么用AI，而是我们整个社会该怎么重新定义“价值”和“教育”。当AI接管了所有标准化、重复性的工作，人类的价值不再是“更会干活”，而是更会思考、会感受、会创造。

AI照出了我们教育中存在的本末倒置。我们曾经把教育当成了用标准答案筛选人的工具；而现在，AI告诉我们，这种筛选已经过时，真正的教育，不是为了培养不会被AI替代的人，而是为了培养能驾驭AI、更有尊严的人。所以，大胆地用AI解放双手和大脑，然后把省下来的时间，用来做那些只有你才能做的事。

（作者为复旦大学生命科学学院教授）

原标题：《这场小众争论照见了教育的未来：不要把孩子培养成AI的完美竞争对手》

栏目主编：姜澎 文字编辑：姜澎

来源：作者：赵斌