执镜与破镜:AI时代大学生自我发现的教育路径

摘要：生成式人工智能的普及，使知识获取的效率空前提升，但也对大学生的主体性发展构成隐性挑战——当答案唾手可得，“提出问题”与“体验过程”的能力趋于萎缩。自我发现并非天赋，而是需要在与技术的对照性实践中主动建构。本文提出“技术对照法”，主张大学生以AI为镜确立认知立场，以低效实践抵抗效率裹挟，以追问精神超越工具理性，从而在AI时代保持自我发现的敏锐与韧性。

关键词：人工智能；自我发现；大学生；主体性；教育策略

一、问题的提出

2023年以来，以ChatGPT、DeepSeek为代表的生成式AI快速渗透高等教育领域。调查显示，超过60%的大学生曾使用AI辅助完成作业或论文。效率革命的背面，是一个容易被忽视的教育危机：当AI可以瞬间生成结构工整的论文大纲、逻辑自洽的论证段落、甚至风格多样的创意方案时，学生还需要经历那些笨拙的思考、混沌的摸索和充满挫败的试错吗？如果答案是否定的，那么大学教育的核心使命之一——帮助学生“发现自己”——将如何实现？

“自我发现”在此处指向个体对自身兴趣、能力边界、价值立场和情感偏好的持续觉察与确认。它不同于知识积累，更像是一幅内在地图的绘制过程。AI擅长扩展地图的外部信息，却无法代替行者迈出那一步时的犹豫、摔跤后的疼痛以及选择岔路时的纠结。本文认为，大学生需要的不是抵制AI，而是建立一套与技术共生但绝不成为其附庸的自我发现策略。

二、困境：效率遮蔽下的主体性危机

AI对大学生的自我发现构成三重挤压。

其一，问题意识的钝化。传统学习中，学生必须先完成对材料的阅读、理解与困惑提取，才能向教师或图书馆求助。AI则直接跳过这一阶段——学生输入题目，AI输出答案。长此以往，大脑习惯于接收现成结论，而提出“真问题”的能力（即从混乱经验中提炼出值得追问的命题）迅速退化。

其二，情感体验的稀释。自我发现高度依赖“带温度的体验”：独自在图书馆找到一本冷门书的惊喜、小组讨论中意见被反驳时的刺痛、实习中搞砸一项任务后的羞耻。这些体验效率低下，却构成认知自我的原材料。AI生成的完美方案恰恰过滤掉了这些情感杂质，使学生误以为“不需要痛苦的过程也能得到结果”。

其三，认同感的模糊。当AI可以模仿任何风格——学术的、文艺的、幽默的——学生很难分辨“这是我喜欢的内容”还是“AI推测我会喜欢的内容”。个人的审美偏好、价值判断在无限适配的算法面前变得游移不定。

这些困境的根源并非AI本身，而是大学生尚未建立一套与技术共处的“认知免疫系统”。

三、路径：以AI为镜的对照性实践

要破解上述困境，核心在于将AI从“替代者”转为“参照系”。具体而言，有三条相互关联的实践路径。

（一）先亮立场，后问AI：构建认知坐标

大学生应在任何使用AI的任务前，强制完成一轮“无AI初探”。例如，写课程论文前，先用纸笔写下自己对题目的原始疑问、初步判断，乃至明显的偏见与困惑。这一过程的目的不是追求准确，而是确立一个属于“我”的认知起点。随后再让AI生成它的回答。此时，学生手中的红笔不再用于全盘接受，而是专门圈出自己与AI之间的“差异点”——那些让自己“不舒服”“想反驳”或“觉得遗漏了重要细节”的地方。论文正文应当围绕这些差异展开，而非复述AI已经说过的常识。这种对照性写作训练，能在每一次认知交锋中强化学生对自己思维特征的辨识能力。

（二）主动选择低效：为体验预留空间

AI的本质是效率工具，而自我发现恰恰需要“低效”的滋养。大学生应有意识地在学习生活中划出“无AI时段”——例如每周两个晚上，禁用所有生成式工具，只进行面对面讨论、纸质阅读、手写记录或实体操作（修理物品、手绘草图）。这些活动的共同特点是：无法跳过过程、无法抹除失败、无法用更快的速度获得相同的体验。正是在反复调整方案的小组争吵、画了又擦的铅笔痕迹、拧坏螺丝后的懊恼中，学生才能真实地感知自己的耐心阈值、协作风格与抗压能力。这些数据，AI无法提供。

（三）追问“为什么”的第三层

AI可以回答“是什么”和“怎么样”，但追问“为什么”到第三层时，便会暴露其统计本质的局限。例如，AI说“直播带货的情感连接促成购买”。第一层追问：“为什么情感连接在这里有效？”AI可能回答“因为降低决策焦虑”。第二层追问：“为什么降低焦虑就能促成购买？”AI可能给出神经经济学解释。到了第三层——“为什么我亲身体验中，那种大喊大叫的主播反而让我反感？”这个问题已经脱离了统计规律，进入了个体经验与价值判断的领域。大学生应当训练自己，把每一次AI回答都追问到触及个人体验或伦理判断的那一层。这个过程，本质上是将冷冰冰的预测与有温度的选择区分开，从而照见自己的独特性。

四、实践载体：可操作的校园行动方案

将上述路径落地，需要具体的行动设计。以学期为单位，大学生可以执行以下四项最小行动：

1. “手稿第一”原则：所有作业、策划、作品，必须先完成无AI的初稿（哪怕只是凌乱的提纲），再使用AI进行信息补充或语言润色。初稿与终稿的差异，即自我发现的证据。

2. “失败方案”练习：每个月选择一个课题，专门要求AI生成10条“大概率会失败的做法”。从中挑出最离谱的一条，逼迫自己找出其中“可能挽救的一丝合理性”。这一训练刻意反直觉，旨在锻炼在AI否定中坚持创造性修补的能力。

3. 个人感知日志：每天睡前用一句话回答：“今天有没有一个瞬间，是AI绝对无法替我感受的？”例如“食堂阿姨多给我舀了一勺肉”“跑步时左脚踩到一个松动的井盖”。记录这些细微感受，是抵抗体验被算法格式化的日常训练。

4. 期末对照展演：在班级或社团内举办“我与AI的不同”短讲，每人用3分钟展示一个自己坚持而AI不认可的判断，或一件自己做了而AI认为“不高效”的事情。集体分享能形成正向的同伴压力，帮助学生在社群中确认自我发现的正当性。

五、结语

AI时代的自我发现，不是退回到前技术时代，而是学会与AI建立一种“对照而非依赖”的关系。大学生应当像使用镜子一样使用AI——先看清自己原本的模样，再看镜中像，然后觉察两者的差异，并最终拥抱那个与AI不同的、带着缺憾却真实的自己。技术越能替我们“搞定”答案，那个会笨拙地提出错误问题、会在低效过程中忽然大笑或流泪、会固执地坚持某种“不划算”热爱的自我，就越显得珍贵。教育的终极目的，正是守护这种珍贵的不划算。