热点评论 | 限制近百万学生使用生成式AI:美国中小学AI教育,正在步入治理“深水区”

过去一年多，美国推动中小学AI教育与应用的步伐明显加快。从联邦政府签署行政令、明确将AI素养纳入K—12培养体系，到教育部松绑政策、允许既有联邦教育经费用于AI项目，再到总统AI挑战赛全面铺开、吸引数万名学生参与，顶层政策与公共资源都在向AI教育倾斜。

然而，就在新学年伊始之际，美国最大的两个公立学区却踩下了“急刹车”。

当地时间9月2日，纽约市明确宣布，2026—2027学年，从学前阶段至八年级暂停学生直接使用生成式AI，高中阶段只保留有限、经过审核的试点，并将同步关停30余项此前已获准进入教育系统的软件项目中的AI功能。

同日，洛杉矶联合学区也向外界披露，本学年全面暂停所有年级学生通过学区发放的设备使用生成式AI，甚至连Google账号内的AI模式也被强制关闭。

这两项重大调整牵涉学生近百万。

AI教育仍在加速，走在应用前沿的美国学校为何反而开始收紧生成式AI？

要理解纽约与洛杉矶此次的政策调整，首先要看清，它们限制的究竟是什么。

以纽约为例，新规并未把AI逐出校园，而是在重新划定AI进入教育的边界。新规虽然要求学前阶段至八年级全面暂停学生直接使用生成式AI，但到了高中阶段，经过审核的AI工具仍可通过有限试点进入课堂，职业准备类项目也可以在教师监督下使用特定AI工具。

与此同时，新规明确要求，所有高中生必须定期接受AI素养教育，了解AI的底层运作原理，深刻认识算法偏见、数据隐私等潜在风险，并掌握科学判断和合理使用AI的基本方法。

9月2日，纽约市发布新学年公立学校生成式AI使用新规

图源：纽约市市长办公室官网截图

洛杉矶的调整也传递出类似信号。虽然学生目前不能在学区设备上直接使用生成式AI，但学区仍在研究面向不同年级的AI课程，而且明确提出，学生完全可以在不实际使用AI平台的情况下学习AI素养。

9月2日，洛杉矶联合学区召开会议明确收紧学生生成式AI使用

图源：LAUSD官方会议视频截图

一收一放之间，过去常被笼统归为“AI教育”的两件事正在被重新区分：

• “学AI”（learning about AI ）：让学生理解AI、判断AI、驾驭AI；

• “用AI学习”（learning with AI）：让AI作为工具直接参与学生的具体学习过程。

纽约市长马姆达尼在阐释新规时的表态更为直接。他指出，科技行业希望公众相信，AI进入早期教育既“不可避免”，也“必不可少”，但纽约“不这么认为”。

这句话触及了过去几年AI教育中一个很少被认真拆解开的推论：AI将成为未来社会的基础性普遍技术，所以学生需要理解并掌握AI，学校也必须承担AI教育的责任。这一判断毋庸置疑。

但再往前一步，结论却未必站得住脚：孩子未来离不开AI，是否就意味着学校应该让他们更早使用AI？AI会成为普遍工具，是否就意味着它应该更多进入课堂？

“未来社会需要什么能力”与“具体学习过程是否需要AI参与”，本来就是两个截然不同的问题，不能混为一谈。“未来需要”是时代判断，“课堂需要”却是教育判断。AI融入社会的必然性，不能直接成为AI进入课堂的理由。

既然“课堂需要”不能由技术发展的必然性来证明，那么判断就必须回到教育本身。

8月20日，在纽约新规出台前不到两周，美国教育部发布了新的课堂教育技术指南，该指南提出，学校在采纳一项教育技术前，都应该能够回答五个基本问题：

在这五个问题中，第一问“它解决什么学习问题？”尤其值得注意。

过去几年，随着AI技术的突飞猛进，“怎么用AI”也自然而然成为教育界讨论的重点：教师、学生怎样规范使用，哪些学科可以融入AI，哪些教学环节可以由AI辅助？但在“怎么用”之前，其实还有一个更前置的问题：这些教育场景为什么需要AI？

这里的“需要”，不能由技术来定义。一个教育问题，应该能够在不提及AI的情况下被说清楚：教育要达到什么目标，现实与目标之间存在什么缺口，这个缺口为什么值得干预。问题先成立，才轮到技术选择。

更进一步说，确认了真实的教育问题，AI也未必是唯一解。学生需要更及时的反馈，未必只能通过引入AI来实现，教师指导、同伴互评、结构化练习也可能解决问题。

真正需要论证的是，相比既有教学方法，AI是否提供了不可替代的教育价值。如果原有方式已经能有效达成目标，将它换成AI，只能说明技术发生了变化，却并不能证明教育质量获得了实质提升。

纽约此次保留的五项高中AI试点，其筛选逻辑正是这种“问题与工具”的精准匹配。

例如，Quill 针对的是写作教学中“教师难以对大量学生逐句精细批改”的现实瓶颈；Edia 聚焦于学生数学独立练习时“缺乏即时分步点拨”的普遍困扰；Brisk Teaching 则瞄准了同一班级中“教师难以按不同阅读水平分层适配材料”的实践困境。

这些试点被保留下来，并非因为技术有多先进，而是因为它们都被限定在具体的教学场景中，并针对真实存在的教学难题。

Quill学习界面：学生根据文本作答，并依据系统反馈修改回答

图源：Quill官网截图

另一方面，纽约同步关停 30 余项既有软件中的 AI 功能，依据的也是同一逻辑。安全、隐私和透明度只是底线要求，任何一项AI功能若不能证明其对学生的实际学习具有“关键价值”（mission-critical to learning），即便此前已经获准进校，也会被果断停用。

安全、合规回答的是“能不能用”，教育价值判断进一步追问的则是“有没有必要用”。

正如纽约市教育总监卡马尔·塞缪尔斯所说：“创新并不意味着更多技术。”技术进入课堂，本身并不能证明教育发生了创新；它首先要回应一个真实的教育问题。

回答了“有没有必要用”，确立的只是技术介入的教育起点；而一项技术能否在教育场景中立得住，终究要回到具体的实践检验上。

纽约此次实施的暂停令为期一年。在此期间，由学生、教师、家长、专家和工会代表组成的专门联盟，将持续评估这项暂停政策以及少数保留试点的实际影响，一年后依据证据再作后续决定。 这一机制的核心，正是将技术的去留建立在多方参与的真实成效检验上。

这一点，对正在从试点探索走向规模化应用的中国同样具有参考价值。

今年4月，教育部等五部门印发《“人工智能+教育”行动计划》，明确提出“应用导向”，推动智能技术与教育“全要素融合、全过程贯通、全场景覆盖”，同时要求形成一批“高价值、可推广、可复制”的应用场景，并建立智能应用能力评估体系。教育部随后又强调，“应用导向”要从个性学习、教师减负、科学决策等现实问题出发，“不做表面文章，不搞形式主义”。

真正难的，也正在“高价值”三个字上。

规模化推进中最容易出现的一种偏差，不是学校故意追求形式，而是可统计的“应用指标”逐渐替代难测量的“教育结果”。AI课程开了多少、平台接入多少、形成多少“AI+学科”案例，远比学生究竟学会了什么、教师究竟减少了多少负担更容易被记录和比较。

但“高价值”不能这样证明。一项应用声称解决什么问题，就应该用什么结果检验它。为了改善学习，就要看知识是否真正掌握、能力是否形成并迁移；为了教师减负，就要看实际工作时间和负担有没有下降；为了个性化支持，就要看原本难以及时获得帮助的学生，是否真正获得了更适切的反馈。

其中，学生学习尤其容易出现误判。美国心理学会9月3日发布的专家报告提醒，生成式AI可能改善学生完成任务时的即时表现，却未必形成相应的知识和技能。一个重要的检验发生在工具退出以后：学生还能不能独立理解、运用和迁移所学。

美国学校此次收紧生成式AI应用，并不意味着AI教育正在退潮。恰恰相反，随着AI应用的深入，教育开始重新追问一些原本被技术热潮掩盖的问题：什么才是真实的教育需求？什么才算真正的学习改善？

对于正处于AI教育加速期的中国而言，接下来也会越来越频繁地面对这样的判断。技术总会不停地展示它还能做到什么，但哪些事情值得交给AI、哪些改变真正具有育人价值，却只能由教育本身来回答。

技术可以不断扩大教育的可能，但教育必须始终保留选择的权利。