夜雨聆风最近，我认真读了 CEPR 的讨论论文《The Generative AI Learning Penalty: Evidence from Chinese Secondary Education》。这篇论文给我的震动，不在于它证明了“AI不能用于教育”，恰恰相反，它让我更加确认：AI一定会深度进入教育，但如果我们把AI用错地方，它会比传统低效学习更快地制造虚假繁荣。论文中最值得警惕的现象是：AI让学生的作业表现更好、完成时间更短，但真实考试成绩却下降。换句话说，学生看起来更高效了，作业更漂亮了，过程更轻松了，但学习没有真正发生。这正是今天很多AI教育产品最危险的地方：它们满足了一个看似真实的痛点——“作业不会做”“题目太难”“时间太长”——但如果解决方式只是快速给答案、自动生成步骤、替学生完成思考，那么它解决的不是学习问题，而是把学习中最关键的认知劳动外包了出去。一、学习不是答案的获得，而是能力的形成教育行业很容易陷入一个误区：把“完成任务”当成“完成学习”。学生交了作业，不代表他掌握了知识；学生看懂了解析，不代表他下次能独立做出来；学生在AI帮助下做对了，不代表他在考场上也能做对。真正的学习，发生在学生独立审题、调动旧知识、尝试解法、犯错、被反馈、再订正、再迁移的过程中。这个过程有时缓慢，有时痛苦，有时低效，但它恰恰是能力生长的地方。如果AI直接越过这些过程，把“标准答案”端到学生面前，学生短期内会获得一种“我会了”的错觉。老师也可能看到作业正确率提升，家长也可能觉得孩子效率变高了。但到了闭卷考试、延迟测试、综合迁移题面前，虚假的掌握会迅速破裂。所以我越来越清楚地意识到：AI教育首先要区分“表现提升”和“能力提升”。表现提升可以被AI包装出来，能力提升必须在学生大脑里真实发生。二、AI不应该成为“作业外包机”，而应该成为“学习操作系统”作为学而拾光的创始人，我认为AI在教育中的应用绝不应该停留在“帮学生处理作业问题”。这是一个太浅的切口，也是一个很容易滑向偷懒的切口。真正有价值的AI教育，应该至少覆盖七个环节：1.学情诊断：孩子到底是概念不会、方法不会、审题不准、计算粗心，还是时间分配和考试心态出了问题？2.学科规划：在有限时间里，哪些知识点最值得先补？哪些题型最影响提分？哪些内容应该放弃低效重复？3.学习路径设计：不同基础、不同目标、不同时间窗口的学生，不应该拥有同一张学习地图。4.过程数据分析：作业正确率、完成时长、提示次数、订正质量、错题复发率、阶段测表现，必须被连续记录和解释。5.反馈与纠偏：AI可以快速发现共性错误，但纠偏方案必须服务于下一次独立完成。6.督学与陪伴：孩子不是机器，学习动力、情绪波动、家庭关系、目标感都会影响学习结果。7.升学与选择支持：高考志愿、艺考文化课集训等服务，本质上不是信息匹配，而是基于孩子实际情况的人生决策辅助。这才是学而拾光要做的事情：不是提供一个会答题的AI，而是建立一套围绕学生成长的个性化教育解决方案。三、AI要替代的不是老师、学生和家长，而是低价值的重复劳动我非常反对一种观点：有了AI，老师可以少管了，学生可以少想了，家长可以完全退出了。恰恰相反，AI越强，人越不能退出。只是人的工作重心要改变。AI应该替代的是大规模、重复性的脑力劳动，例如批改作业、整理错题、统计学习数据、生成阶段报告、识别高频薄弱点、提醒学习节奏异常等。这些工作过去消耗了老师和督学大量时间，但它们本身并不是教育中最有价值的部分。教育中最有价值的部分，永远是对具体孩子的理解和判断：这个孩子为什么明明会却总考不好？他是真的懒，还是长期挫败后形成了逃避？他应该先补基础，还是先建立考试策略？家长应该加强监督，还是减少压力？老师此刻应该讲知识，还是先修复信心？这些问题，AI可以提供数据、线索和建议，但不能替人承担最终责任。所以在学而拾光的体系里，AI不是老师的替代者，而是老师和督学的“第二大脑”；不是家长的替代者，而是家长理解孩子的“翻译器”；不是学生的代写工具，而是学生学习过程中的“脚手架”。四、AI教育产品必须有护栏：先思考，再提示；先诊断，再讲解；先独立，再辅助我认为未来所有负责任的AI学习系统，都必须建立清晰的护栏。第一，不能默认直接给答案。学生应该先独立尝试，系统再根据错误类型给分层提示。能提示一步，就不直接给完整解法；能追问思路，就不直接输出结论。第二，不能只看作业结果。如果一个学生作业正确率突然升高、完成时间异常缩短，就要警惕这不是进步，而是外包。CEPR 论文中特别指出，学习损失主要集中在那些作业时间极短但分数很高、行为特征符合“作业外包”的AI用户中。(cepr.org)第三，必须重视无AI测试。真正的提分，必须在闭卷、限时、无提示的场景中验证。AI辅助下会做，不等于孩子自己会做。第四，必须让老师和督学看到过程。如果AI只把结果呈现给老师，老师就会被误导；如果AI能呈现思考过程、错误轨迹、提示使用、订正质量，老师才有可能做出更好的干预。第五，必须保护孩子的情感和主体性。UNESCO 关于生成式AI教育应用的指导强调，人本、数据隐私、年龄适宜和伦理验证是教育AI的重要前提。对初高中生而言，AI可以辅助沟通，但不能替代真实的人际关系与成人责任。(unesco.org)五、学而拾光的定位：用AI把“规模化”和“个性化”重新连接起来传统教育最大的矛盾，是优质教育资源很难同时做到规模化和个性化。线上名师课解决了优质内容的规模化问题，但它天然难以知道每个孩子到底听懂了多少、卡在哪里、下一步该怎么走。线下老师和督学能看到孩子，但如果没有数据系统支持，他们又会被大量重复劳动淹没，很难长期、稳定、精细地跟踪每个学生。AI的真正价值，就在于把这两个系统连接起来。在学而拾光，我们希望形成的是这样一个闭环：测评发现问题，AI分析问题，老师讲透问题，学生训练问题，督学跟进过程，数据验证结果，再进入下一轮规划。这不是简单的“线上课+AI工具”，而是一个围绕提分目标持续运转的学习系统。对于初中生，我们更关注习惯、基础、方法和信心；对于高中生，我们更关注学科结构、时间分配、考试策略和升学路径；对于艺考生文化课集训，我们更强调短周期、高密度、强反馈；对于高考志愿填报，我们则要把分数、位次、专业、城市、家庭预期和孩子长期发展放在一起分析。AI可以提高信息处理效率，但教育决策不能只靠信息。教育决策必须理解人。六、我的最终判断：AI教育的分水岭，不是有没有AI，而是AI站在哪一边未来教育行业一定会被AI重塑。但真正的分水岭不是“用AI”和“不用AI”，而是：AI到底站在答案一边，还是站在学习一边？如果AI站在答案一边，它会让学生越来越依赖，老师越来越误判，家长越来越焦虑，最终制造出大量看似高效、实则空心的学习结果。如果AI站在学习一边，它就会帮助我们更早发现问题，更准确理解孩子，更高效组织训练，更及时完成反馈，更持续地陪伴学生走过艰难但必要的成长过程。学而拾光要选择后者。我们不希望AI让孩子绕过学习，而是希望AI帮助孩子真正学会；我们不希望AI让老师退出教育，而是希望AI让老师有更多时间做真正重要的教育；我们不希望AI让家长只看分数，而是希望家长看见孩子成长背后的过程。AI教育的未来，不应该是“机器替人学习”。它应该是：机器处理重复，人回到教育；数据看见问题，人理解孩子；技术提高效率，人守住成长。
论文原文：
https://cepr.org/publications/dp21577
