AI 时代有一个特别诱人的词，叫做“知识平权”。打开一个 AI 对话框，从编程到量子物理，什么都能问，什么都可以快速获得答案。曾经那些被少数精英垄断的信息，现在好像人人都能轻松获得了。但我最近越来越意识到，这可能是一个巨大的错觉。知识变得容易获得，并不代表这些知识就属于你。我是小圆，是一位美国公立美高的理科老师。最近期末了，我发现越来越多学生用 AI 辅助学习复习。不少人数学题的解题速度和正确率都有明显的提升，但是只要稍微改变一下题目的情境，哪怕底层逻辑完全一致，他们就会立刻变得手足无措。好像 AI 让他们变成了刷题机器，慢慢丧失了将知识构建到一个新场景的能力。作为一个跨学科教育者，我能感觉到学生们似乎并没有真正地学会。被篡改的知识定义为什么会这样呢？在 AI 时代，知识的定义正在被悄悄地篡改。认知论里有一个对知识的经典定义：知识等于有根据的真信念。这句话的意思是说，知识不仅仅是答案，而且包含了完整地推导出知识的过程和理论。哲学家戈蒂尔在一篇论文里，重塑了人们对“知道”的定义。如果一个人有正确的信念和表面的理由，但这两者只是通过纯粹的巧合连在一起的，这并不叫知道。这是什么意思呢？就好比在我的课堂上，学生和 AI 对话拿到了正确的解题步骤，他们就误以为自己已经掌握了知识。他们确实有一个表面的理由——因为 AI 告诉他们要这样做，他们尝试了，并且做对了，所以他们产生了一种“我知道了”的错觉。但是这些知识是从哪里来的？是怎么推导出来的？在当前场景中又是如何构建的？这些过程并没有经过他们本人的思考，也没有内化成他们真正拥有的知识。这也就是为什么他们无法在全新的场景中迁移知识，因为他们从未真正“知道”过，只是恰好拿到了答案。而 AI 正在大规模地制造这种“侥幸正确”的信念。真正的学习是什么样的？真正的学习应该是什么样的？我们可以把自己的脑容量想成一个很满的格子。很多时候，当我们学习新东西时，就像是把新内容塞进一个内存紧缺的格子里。也许试了好几种方法都塞不进去，这时你会被迫把格子拆了，重新搭建一个能装下它的新格子。这个过程可能很慢，甚至会让人感到很不舒服，但学习恰恰就是在这种不舒服中产生的。适度的挣扎本身就是学习的必要条件，而非障碍。建构主义将学习过程分为两个动作：
在这个过程中，我们会一度出现认知的失衡。但在失衡之后、再度达到平衡时，就是我们突破旧有框架、实现底层认知升级的时刻。而 AI 用丝滑的体验，把大部分的学习都变成了“同化”的过程。它允许我们把一切的新知识、新挑战，都舒服地塞进“我问 AI 答”这个固有的框架里，不需要经历试错的痛苦，也不需要面对认知失衡的挣扎。大脑也因此没有足够的挣扎而刻下新的褶皱。信息就像水一样流过我们的大脑，不留痕迹。我们以为自己在学习，其实只是在借用 AI 的算力。应用不是高阶思维很多人会以为，只要把学到的知识用起来，就是学习的终点——会用了就是会了。但从布鲁姆认知分类学的角度来看，应用其实处于认知层级的中段。它虽然不是最底部，但远远不是顶部。这是因为应用往往发生在别人已经制定好的框架里——你拿到一个工具、按照工具的规则开始操作，产出一个结果。框架是现成的，你只是这个框架内流水线上的工人。真正的高阶思维包括了分析、批判、整合和创造。这些需要你站到框架之外去回看框架本身：这个框架存在的前提是什么？它的边界在哪里？如果换一套前提，这个体系会不会崩溃？当全社会都在为这种 AI 流水线上的工业制品繁荣而欢呼时，我们真正丢失的是什么？哲学上有一个经典的区分：有解的、可以通过既定步骤处理的，叫做 Problem（难题）；而需要不断追问、反思、没有答案的，叫做 Question，这些才是真的问题。AI 确实实现了解决 Problem 的平权。无论是小白写代码，还是普通人学习量子力学的信息汇总，在这个起跑线上，所有人的起跑点确实变得更加接近了。但是，当拥有答案变得廉价，真正拉开人与人之间差距的，是提出好问题的能力，是提出 Question 的能力。能够提出一个好的问题，需要我们经历无数次的顺应和重构，建立起扎实而属于自己的知识框架。它也要求我们在一次一次认知失衡的挣扎中，不断地站到系统外去审视系统的边界，重塑系统的架构。
夜雨聆风
