凌宗伟:AI时代,学生究竟该学习些什么,才能真正应对未来的挑战,实现自身价值的最大化?

【异史氏曰】教育的根本职责之一，是为学生创造开展复杂认知活动的条件，比如深度阅读文本的内在逻辑、严谨写作表达的思维深度、推理解题的批判性以及评判论据的独立性。如果一款工具的核心功能是降低学生开展这类活动的必要性，甚至直接替代这些关键的认知过程，那么教师就有充分的理由质疑它究竟是促进学习，还是在不知不觉中阻碍学习。尤其是在当前AI的教学应用场景尚处于探索阶段、边界依旧模糊之时，我们更需要回到教育的本源，追问一个核心问题：在AI时代，学生究竟该学习些什么，才能真正应对未来的挑战，实现自身价值的最大化？

在教育实践中，将AI应用于“明显节省时间的场景”，其本质是将大量机械性、重复性、低认知负载的任务外包给机器，以提升整体效率。例如，AI能够迅速完成海量资料的检索、自动生成文献摘要、格式化处理标准文本草稿，或是高效批改客观题和标准化测试。这些任务的共同特征在于，它们虽然占据了学生和教师宝贵的时间和精力，但本身并非核心学习目标，也无法直接贡献于高阶思维能力的培养。因此，当教师允许AI介入这些辅助性工作时，其深层用意恰恰是为了将节省下来的时间重新分配给那些真正需要深度投入的认知活动。学生可以用节省下来的半小时，去更细致地推敲一个论证的逻辑漏洞，反复修改一段文字的表达精度，或是与同学进行更深层次的探讨。这种“划定边界”的策略，并非对技术的抗拒，而是基于教育内在逻辑的专业裁量：AI应当如同计算器之于数学学习，它能够解放繁琐的计算负担，但绝不能替代学生对数学原理的深入理解和推导过程的独立练习。这种态度要求教育工作者具备清醒的判断力，精确区分“工具性辅助”与“认知替代”之间的微妙而关键的界限，确保技术始终服务于教育的本质目的。

深度阅读、严谨写作、推理解题与评判论据，之所以被视为核心学习任务且必须由学生亲自完成，根本原因在于它们所塑造的认知结构和思维模式，是无法通过观察AI的输出而获得的。深度阅读训练的是学生对文本隐含假设的敏感度、修辞策略的洞察力以及思想脉络的精准把握，这种深层理解需要经历反复的“试错—反思—修正”过程，并在模糊与歧义中挣扎、抉择。AI生成的总结虽能提供概要，却剥夺了学生在复杂信息中进行高阶认知加工的宝贵体验。严谨写作，作为思维的显性化与结构化过程，是学生将混沌的思想转化为清晰、逻辑严密的语言的关键环节。一旦AI替学生完成了初稿，学生便绕过了这一核心的逻辑训练。同样，推理解题与评判论据，其价值在于培养学生对前提、推理链条及其潜在漏洞的主动侦测能力。AI给出的答案即便正确无误，若学生未曾亲身经历独立推导时遭遇困境、重审假设的艰辛过程，便难以真正形成批判性思维习惯。因此，教育者衡量一款教学工具的标准非常明确：它是否能够促使学生更频繁、更高质量地投入到这些核心认知活动中？如果答案是否定的，那么无论它在效率上表现得多快多准，都可能在本质上阻碍学习的深入与思维的成长。

基于上述对核心学习任务不可替代性的深刻理解，我们可以将AI在教学中的应用归纳为三类明确许可的场景，它们共同遵循“不替代核心学习活动”的核心原则，致力于提升学习的效率与质量。第一类是“脚手架辅助”：学生首先自行尝试解决问题，然后利用AI验证自己的思路或对比不同的解题方法；或者，通过AI生成多份风格迥异的范文，供学生进行批判性分析与鉴赏，而非简单地模仿抄袭。在这种模式下，AI充当了学生进行反思、对照、批判和拓展思维的“反思镜”，其作用是辅助而非替代思考。第二类是“认知减负”：例如，运用AI快速筛选和整理海量文献，生成关键词列表，从而显著节省学生在信息检索上耗费的时间和精力；或是让AI自动批改编程代码中的语法错误，使学生能够将更多精力集中于算法逻辑与程序设计。这类场景旨在释放低阶认知负荷，让学生得以将宝贵的认知资源投入到高阶思维任务中。第三类是“个性化反馈生成”：学生提交作文后，AI能够迅速给出关于论点清晰度、证据充分性等方面的初步分析，为教师进行深度点评提供有价值的参考；或者，让AI模拟不同的学术立场与学生进行辩论，以此训练学生的论证能力和临场应变能力。这些场景的核心在于，AI能够提供即时、多样化的反馈资源，但最终的评价权与指导权依然牢牢掌握在教师手中，确保教学的人文关怀和专业指导不会被技术所取代。

当AI在教学中的应用场景始终模糊不清，教师们难以明确何时应禁用、何时可允许时，学生们面临的真正危机，并非仅仅是“学不到新技能”，而是对学习本身意义的深层感知逐渐模糊乃至丧失。在这样的背景下，教育需要回归到更根本、更具哲学意味的问题：学生究竟应该学习些什么，才能在与AI共存的未来世界中，不仅不被取代，反而能够驾驭AI，实现更高层次的创造与发展？具体而言，未来教育的核心素养至少应包含以下四个关键维度。首先是“提出好问题的能力”：AI擅长高效地回答问题，但问题的价值、视角的独特性、对既有前提的质疑与挑战，这些仍是人类独有的智慧体现。其次是“批判性评估AI输出的能力”：学生必须掌握如何验证信息来源、如何识别AI可能存在的逻辑谬误与偏见、如何判断AI结论的适用边界，这正是传统“评判论据”能力的升级与深化。第三是“元认知与自我调控能力”：AI的便捷性极易诱导学生产生“认知偷懒”，因此学生需要学会觉察并反思——“我此刻是在用AI辅助我的深度思考，还是在逃避思考本身？”最后是“跨情境迁移与创造能力”：AI的“智慧”往往局限于其训练数据的范畴，而人类则能够通过类比、隐喻等高级认知方式，在不同情境之间建立新的联系，从而产生真正的创新。这种核心能力，唯有通过大量的亲自深度阅读与严谨写作等核心学习活动，方能得以持续锻炼与提升。

对不可避免的技术创新，是采取“抵触”的态度，或者“来者不拒”的态度，还是秉持“专业判断”，这本质上是工具理性与价值理性之间的一场博弈。教育界拒绝的并非AI本身，而是以效率之名，消解学习内在意义和价值的倾向。当AI的应用场景及其边界被清晰地界定后，教育工作者便能以更加自信而专业的姿态，向学生阐明：“这个任务AI不能做，因为它会剥夺你练习核心思维的机会，削弱你深度学习的能力；而那个任务AI可以做，因为它能帮助你节省宝贵的时间，让你能够投入到更具挑战性、更富创造性的学习活动中去。”当场景依然模糊不清时，教育者最紧迫的任务，并非急于传授学生AI的使用技巧，而是应与学生一道，共同探讨并深刻反思：究竟什么是值得人类亲自投入的思考？什么又是对人的成长与发展真正重要的体验？归根结底，AI进入课堂所带来的真正挑战，并非仅仅是技术层面的落地与融合，它更是一次深刻的倒逼，促使所有教育者重新审视并厘清“人的不可替代性”究竟体现在何处。而这，正是每一次重大技术革命面前，教育所必须给出并不断完善的最根本、最核心的回应。