夜雨聆风
编者的话：1月23日，由中国高等教育学会联合南京大学、南京理工大学、江苏省高等教育学会，以及中国高等教育培训中心共同举办的首届高校教师教学创新学术研讨会在南京召开。教育部高等教育司、教育质量评估中心有关负责同志，南京大学、武汉理工大学、浙江大学、天津大学、复旦大学等高校领导及专家学者出席会议。研讨会以“人工智能·教学创新·面向未来”为主题，与会专家围绕人工智能时代高校教师教学创新的理念变革、能力重塑与生态构建等议题展开深入研讨。此次研讨会汇聚了学界对智能时代教师教学创新的前沿思考，为回应“智能时代，教师何为”的时代之问提供了富有建设性的方案。本刊特开设“高校人工智能发展研究”专栏，选发研讨会部分专家报告，以期为深化高校教师教学创新、推进人工智能赋能高等教育高质量发展提供参考。
摘 要：AI时代的到来暴露出传统大学教育模式的一种困境：当前高校普遍开设AI课程，甚至将其设为必修课，但教学方式仍沿用以“统一、可控、线性”为特征的工业时代标准化模式。这就把本质为“生成、开放、非线性”的AI课程内容装进了旧框架，形成“马车拉蒸汽机”式的“AI教育悖论”，学生“沉默”“逃课”正是这一悖论的外在表现。破解上述悖论的关键，并非简单“教会学生用AI”，而是重构“人机共在”的教育范式：让学生重归学习主体，让教师转型为教育的架构师，推动教育模式从“教AI”走向“与AI共学”，并在技术变革中坚守人文价值。历史表明，尽管AI将深刻改变教育的观念、方法及评价机制，但大学教育本质不会改变，唯有如此，大学教育才能在AI时代真正回应其根本使命。
关键词：AI教育悖论；人机共在；范式重构；主体性；人文价值
一、问题的提出
AI的迅猛发展正在重塑高等教育形态、深刻地影响和改变高等教育理念、范式和评价方式，大学教育进入一个新的AI情境，成为一种“全球共识和行动”。为回应这一变化，全球许多高校纷纷开设AI相关通识课程和专业课程，有的甚至要求所有在校学生修读AI课程，以提升其AI应用能力。然而，不少学校在讲授AI课程时沿用的仍是工业时代形成的标准化模式，绝大多数教学实践仍聚焦于用技术“赋能”既有体系、提升运行效率，而较少真正触及教育模式的根本重塑。结果是，学生在课堂上依然更多处于被动接受的位置，“不抬头”“沉默”甚至“逃课”等现象并不少见。究其原因，未必主要在于学生是否“偷懒”，而在于AI时代正在更集中地暴露传统教育模式本身的局限。在教授AI时，是否采用了智能化教学逻辑？当课程内容更新了，课堂组织方式、师生关系和评价方式是否进行了同步改变？这种教学内容与教学方法的错位可以概括为“AI教育悖论”，具体而言就是仍试图用工业时代形成的标准化、批量化教学模式，去传授属于智能时代的非线性、生成性知识。就像“马车拉蒸汽机”：教学内容已进入新时代，教学方式却还停留在旧逻辑里。因此，传统以单向讲授为主的课堂，在AI时代越来越难以承担培养学生创造力与批判性思维的任务。这也引出了一个值得追问的问题：人工智能作为颠覆性的技术革命，正重塑人类认知的方式和边界，但承载这一革命性内容的教育载体，是否真正利用了AI技术优势？如果答案是否定的，那么需要改变的就不只是“教什么”，而是“怎么教”。
当今AI技术全面深刻地影响着大学教育变革，在AI与人协同机制基础上发展的“人机共存”的教育生态将持续推进教育理念、教学结构、学习方式等的进一步变革，学生通过数据主权赋予重塑了学习主体性，教师通过知识“权威”退让转型为“教育架构师”。尽管如此，技术在飞速发展，但大学教育本质与人才培养根本任务不会改变，这一判断构成了批判性审视与建构性超越的出发点：我们既要打破“马车”的束缚，又要守护那些使“人之为人”“大学之为大学”的永恒教育价值。
二、技术驱动下的大学教育变革
在印刷术发明之前，手抄本是知识的主要载体，教育者的讲述、背诵和注释是学生获取知识的基本方式，此时知识传播缓慢、有限，也高度依赖讲授者本人；15世纪中叶，随着古登堡发明欧洲金属活字印刷术，教育迎来一次重要转变：知识被固定在纸面上，并获得标准化、可复制和广泛传播，学生不再像过去那样完全依赖课堂上教师的口头讲授。教师也逐渐从“知识守护者”转向“知识阐释者”，教育重心也从记忆训练转向批判性阅读，课堂形式则越来越多地围绕文本展开讨论。换句话说，印刷术推动了知识获取的民主化，但它带来的并不是教育的终结，而是大学对自身不可替代价值的再次确认。
到了19世纪，以蒸汽机为代表的工业革命再次重塑了教育。为了满足工业社会对识字劳动力的需求，普鲁士逐步建立起一套高度标准化的义务教育体系。其运行方式本身就带有浓厚的工业色彩：铃声划分课时，统一教材规范内容，学段晋升则像流水线一样层层推进。到了20世纪，这种以效率、秩序和标准化为核心的“工厂模式”教育发展到顶峰。
与印刷术或蒸汽机的技术发展相比，AI技术不仅是传播知识或提高效率的工具，还在一定程度上开始参与内容分析、生成和判断。也就是说，人类第一次在认知领域要面对一个由自己制造出来的“他者”。这一变化意味着，教育所面对的已不再只是工具更新，而是知识生产方式、学习过程、师生关系等都要被重新定义，AI技术对教育带来的挑战更为根本。哈拉维所说的“赛博格”状态，恰好提供了一个理解这一变化的视角：人与机器之间的边界正在变得模糊。在AI教育中，这种模糊未必只是威胁，它也可能成为重新理解教育的一种契机。
但无论技术怎样变化，教育的根本任务不会动摇，教育的政治属性、人民属性、战略属性不会改变。技术可以改变教育实现方式，却替代不了教育的使命。大学教育之所以仍然重要，也正在于它关心的从来不只是知识和技能的传授，更是它关乎人的全面发展、文明的延续与对真理的追问。
三、AI教育悖论的存在根源
“马车拉蒸汽机”的隐喻以及学生“沉默”“逃课”等现象所暴露出来的并不只是教学效果的问题，而是具体表现为AI教育在方法论、知识观和价值取向等出现的错位。AI教育方法论错位的根源在于工业逻辑与智能逻辑之间的冲突。在工业逻辑的可预测性、控制性视野下，知识被视为静态的、可分解，因此，教学被理解为一种准确、高效的知识传递过程。在这样的框架下，课堂很容易变成一条流水线，教学追求统一标准和最小误差。但在AI技术世界里，无论是大语言模型的生成，还是机器学习的模式识别，其知识核心都不是沿着预设路径机械展开，而是在概率、涌现和不确定性中不断生成。因此，当教师用PPT讲解神经网络的层级结构，要求学生在闭卷考试中写出反向传播公式时，学生学到的更多只是关于AI的表征性知识，而非AI如何运作、如何生成、又如何参与问题解决的过程。他们或许能够复述AI算法的相关架构，却无法真正经历过与AI协同思考的认知实践。从这个意义上说，学生的“被动”并不只是态度与投入问题，而是AI教学内容与教学方式本身的失配。要真正回应AI这种不确定性，课堂就不能只是在旧框架里加入新技术，而必须在教育方法上发生根本性变化，推动教学模式从传统的“师-生”简单的教与学关系，逐步转向“师-机-生”共存的新教学策略。
传统教育中教师被默认为知识的掌握者，学生则是知识的接受者。在相对稳定的传统知识体系中，这种结构一直保持着，但到了AI时代，它开始受到根本性冲击。生成式人工智能的出现，使知识的获取、整理和生成不再由教师或教材独占。当ChatGPT可以在几秒钟内写出一篇论文，当AI能够生成接近专业水准的视觉作品时，传统知识权威事实上已经被动摇了。如果AI比教师更即时、比教材更丰富，那么教育究竟凭什么仍然存在？教育者也不得不重新思考自己的位置，从单纯的“知识传授者”逐步转向“学习引导者”。但面对这一变化，不少高校采取的仍是一种防御性反应：禁止学生使用AI，开发识别AI生成内容的软件，继续依赖闭卷考试来维持旧有的评价方式。这种做法将AI视为对学生记忆能力的威胁，而忽视了AI挑战了“知识是如何生产、如何被理解、又如何被运用的”，这在一定程度上“知识权威”仍然得到了坚定的维护。AI时代真正重要的，不再只是对知识的背诵和复述，而是提问、质疑、辨析和判断。学生要学会的，不是如何避开AI，而是如何与AI对话，识别它的局限，并在使用中保持自己的判断力。在这个意义上，知识权威与认知民主之间的张力成为AI教育知识观错位的根本原因。
当然在AI教育实践中，也明显存在着一种技术主义倾向，往往把它片面理解为编程技能、算法应用或职业能力训练，却很少去追问这些技术背后的价值负载和社会后果。在这样的价值取向下，学生变成了等待被训练的人力资源，教育也越来越被压缩为就业准备。显然如果AI教育最终只培养高效的工具使用者，而不是去培养能够反思技术的人，那就很难回归到教育本质。所以，真正的教育不能仅停留在知识的传授与获取层面，更多应该在于价值追求与人文情怀，在于人的全面塑造。人类所拥有的创造力、伦理判断力和审美感知力，恰恰是AI时代更不能被忽视的人的能力。从这个意义上说，工具理性不断扩张，而人文精神退步是AI教育价值取向错位的一种体现。
四、构建“人机共在”的教育新生态
《教育强国建设规划纲要（2024—2035年）》明确提出，要“促进人工智能助力教育变革”，并从课程体系改革、学科专业优化以及师生数字素养提升等方面加以推进。这一变革方向的核心，不只是把AI纳入课程内容，更在于建设一种能够激发个体潜能、促进人机协同并坚守人文价值的教育生态，实现从“学AI”“教AI”到“与AI共学”的转变。换句话说，AI在大学教育中不应只作为教学内容被讲授，也应作为一种新的教育方式和协作伙伴进入学习过程。在这一前提下，真正需要推进的是学习逻辑和学习结构的调整：把更多主动权和责任交还给学生，使学习逐步走向更强的自主性，建立一种AI教育生态下的智能“自适应学习”模式。为实现这一目标，学习模式应在以下四个维度实现根本转变。
一是从“统一路径”转向“一人一径”。传统教育依赖标准化流程，往往要求所有学生按照相同顺序、相同节奏和相同内容推进，因此很难兼顾每个人在知识基础、兴趣偏向和成长节奏上的差异。AI的意义，恰恰不只是提高效率，而在于为这种差异化学习提供新的可能：借助AI技术，创造一个能够实时感知、诊断、响应、优化、反馈并指导学生学习需求的成长环境，实现学生高度个性化、自主驱动的成长。在这种智能“自适应学习”模式下，学生面对的将不再是一条统一的线性路径，而是一张会随着学习过程不断变化的个性化学习地图。AI可以依据这张地图，持续生成更符合学生自身状况的学习安排，动态生成唯一适合学生学习的最优路径，从而使“因材施教”真正获得更现实的实现条件。
二是从“静态目标”转向“动态调整”。传统大学教育中的培养目标、课程体系和考核标准，往往都是提前设定好的，各学年也通常有固定的修读计划。但这样的静态安排很难适应学生不断变化的学习状态，也难以及时回应学科发展和社会需求的快速变化。在新的学习模式下，学习进度、内容和策略都应根据学生的实际进展以及外部环境的变化不断调整。课程及其内容也不再是完全固定的，而应建立在对学生准备情况、学习状态、学习效果和自信心等方面持续评估的基础上，由教师与学生共同协商下一阶段的学习目标，从而形成更贴近学生发展需要的学习安排。
三是从“被动接受”转向“主动建构”。传统课堂中，教师是主要主导者，他们不仅是课堂内容的设计者，也是课程知识的传授者，而学生则是接受者和倾听者。这样的“讲授-倾听”结构，很难真正激发学生的深度思考，也不利于师生之间构建共同学习。AI的实时交互特性为打破这种单向灌输提供了新的可能。在新教育模式中，学生通过对AI的提问、对话和即时反馈，在自主探索中逐步理解知识范畴、结构、边界和延伸。在这一过程中，教师更像学习的引导者，学生则成为学习的自主建构者和调整者。此时课堂不再只是知识传递的场所，而更可能成为一个师生共同讨论的空间。
四是从“内容传递”转向“能力架构”。传统教育往往把知识传递放在教学中心位置，更强调对固定知识体系的教师讲授和阐释、学生理解和记忆。在新的学习模式中，不再强调学生记住了什么，而是他们是否具备“学会学习”的能力，是否能够把习得的知识和技能迁移到不断变化的新情境中。也就是说，教育不应只停留在知识的输入上，还应帮助学习者理解自己的思维方式，并学会把已有能力运用于新的问题之中。
在“人机共存”教育生态中，教师需要逐步从单纯的“知识传授者”转向学习的组织者和引导者。他们不只是把现成知识讲给学生听，还要学会根据不同的教学目标，在众多AI工具中作出选择和组合，而不是简单依赖某一个平台。更重要的是，教师不能把AI提供的信息当成现成答案，而要通过不断追问，引导学生去思考：AI为什么会这样回答？这个结论预设了什么前提？它的局限又在哪里？只有这样，学生才可能在使用AI的同时形成自己的判断力和思考能力。与此同时，教师还需要在技术热潮中守住教育的人文尺度，引导学生讨论数据隐私、算法偏见、劳动替代等问题，避免教育被单纯的工具理性牵着走。
对AI教育而言，它也不应只停留在几门孤立的AI通识课上，而应逐步进入不同学科内部，形成彼此衔接、层层推进的课程结构。最基础的一层，面向所有学生，重点培养与AI协作的基本能力，如提示设计、信息甄别和数字伦理。再往上一层，由各专业结合自身特点，探索AI在本领域中的具体应用，例如数字人文、智能影像、计算美学等。更高阶的课程则应进一步把问题推进到“AI不能做什么”这一层面，引导学生思考价值权衡、跨领域类比、审美判断以及意义追问。
要真正破解“AI教育悖论”，评价体系改革同样非常关键。问题不只是要不要允许学生使用AI，而是如何把“与AI共学”真正变成一种可以被看见、被理解的学习过程。也就是说，评价不能再只盯着最后交上来的结果，而应转向对整个学习过程的关注。相比标准化考试，过程性档案袋评价或许更能回应这种变化。例如，可以建立AI协作档案，把学生与AI互动的过程保留下来：最初是怎样提出问题的，多轮对话中如何不断修改和推进，最终成果里哪些部分借助了AI，以及学生又是怎样对AI生成内容进行反思、辨析和修正的。这样一来，AI的使用过程就不再只是一个需要防范的问题，而会成为学习本身留下的痕迹。这样的评价方式不仅有助于降低“AI代写”带来的学术风险，也更能呈现学生真实的问题意识、判断能力和原创思考。
五、AI时代大学教育的本质坚守
AI不仅挑战我们如何教育，也迫使我们重新追问为何而教育。破解“AI教育悖论”的意义，归根结底在于重新回答“教育是什么”这一根本问题。虽然人工智能重塑了大学教育的形态，并深刻影响了教育的观念、内容、方法与评价方式，但无论技术如何演进，大学都必须牢牢把握立德树人的根本任务，把人的发展作为教育根本目标。从这个意义上说，如何处理好人工智能与“人”的关系，将决定大学教育未来走向何处。
工业时代的教育更多强调适应既有秩序，而AI时代的教育则必须面对一个不断变化的未来。当AI能够承担大量常规认知任务时，教育的独特价值就不再只是传递知识，而在于培养提出问题的能力、判断方向的能力，以及驾驭机器而不是被机器替代的能力。可这并不意味着教育根本使命的改变。无论技术怎样变化，大学人才培养的核心目标始终是培养完整的人，包括批判性思维、价值判断力、创新精神与社会责任感。技术可以优化训练，AI可以提高效率，却无法替代人格塑造和意义建构。
在古希腊所区分的知识、技艺与智慧三者中，当前的AI教育往往更重知识和技艺，却相对忽视了在复杂情境中作出恰当判断的“实践智慧”。而大学真正不能放弃的，恰恰是AI无法替代的部分：价值权衡、伦理判断和审美鉴赏。这样的能力不可能通过算法直接传递，只能在真实的实践、参与、讨论与反思中逐步形成。因此，AI教育越发展，越需要保留师生之间、生生之间真实的互动。思想碰撞、情感交流和意义建构，仍是大学教育不可替代的核心。
教育的重要任务是促进人对自我、他人和世界的关心。AI可以提高教学效率，却无法替代关怀本身。在“人机共在”的教育生态中，技术应当服务于关怀，而不是取代关怀。AI可以帮助教师答疑、识别学习困难，但真正的理解、支持和引导，仍然只能来自人。促进人机协同，同时坚守人文价值，正是AI时代教育最需要守住的方向。
六、结论
“马车拉蒸汽机”的隐喻，本质是在提醒我们：AI时代大学教育真正面临的问题，并不只是技术更新得太快，而是旧的教育模式已经越来越难以承载新的知识形态。当我们仍然用工业时代形成的方式去教授AI时，浪费的不只是AI的潜能，也错过了重新理解教育本身的机会。因此，破解“AI教育悖论”，不只是换上更先进的技术，而是重新回答一个更根本的问题：在AI进入课堂之后，教育究竟应当成为什么。从这个意义上说，AI不应只被看作一种教学工具，它也正在改变学习发生的方式；学生不再只是等待被填满的容器，而应成为与AI共同建构知识的主体；教师也不再只是知识的权威，而更应成为学习的组织者、引导者和同行者。
但比上述变化更重要的是教育价值的坚守。无论技术如何发展，大学的本质以及人才培养的核心目标都不会因此改变。技术可以改变教育的方式，却不能代替教育回答“人应当成为什么样的人”这一根本问题。也正因如此，未来大学教育真正需要建构的，不只是一个会使用AI的课堂，而是一种“人机共在”的教育生态：它既能够借助AI拓展认知的边界，也能够守住人类在价值判断、审美创造和伦理责任上的主体位置；既能够突破标准化教学的限制，也能够重新形成基于真实问题和深度对话的学习共同体。
归根结底，AI与人的关系处理得怎样，决定了大学教育未来会成为什么。面对技术洪流，教师的育人使命不会变化，学生独立思考的能力反而比以往任何时候都更加重要。大学真正要做的，不是简单追赶技术，而是在技术变革中重新确认自己的方向：促进人机协同，激发个体潜能，守住人文价值。唯有如此，AI时代的大学教育方能真正找到安身立命的价值所在。
【谈哲敏，南京大学校长、教授，中国科学院院士】
原文刊载于《中国高教研究》2026年第5期
