2026年9月23日，人民日报一篇评论提到，复旦大学面向2026级新生调研时发现，几乎所有受访学生都使用过AI，近八成已经形成使用习惯。“遇事不决问AI”正在成为大学生的日常，于是“AI原生一代，读大学还有什么用”成了绕不过去的问题。
我不认同“大学没用了”，也不认同“把AI赶出课堂”。更准确的说法是：AI正在让大学失去一部分知识分发功能，却放大了大学本应承担的另一部分价值。真正的大学学习，是通过海量知识的沉淀，搭建属于自己的逻辑体系、认知框架、思辨能力和价值判断。AI可以参与学习，但不能替学生完成认知归属和责任承担。
同样需要认真讨论的，是另一个问题：中小学到底要不要把AI课纳入正式课程教学？不是偶尔办一次讲座、展示几个工具就算完成AI教育，也不是看到新工具就马上写进教材。关键要看哪些能力应该成为所有学生都要掌握的基础素养，以及学校该怎样教得不落后、又不形式化。
一、学生问：答案一秒就有，为什么还要上课？
学生的质疑很真实。过去老师花一节课讲一个概念，现在AI可能几秒钟就给出定义、例子和总结。如果一门课的价值只是把教材内容念一遍，那确实很容易被AI替代。
但“拿到答案”和“形成能力”不是一回事。AI给出的结论，可能是正确、片面、过时甚至错误的。学生真正需要练习的是：问题从哪里来、结论有什么证据、不同观点如何比较、适用范围在哪里、出了错谁来负责。
一门好课的价值，不只是告诉学生答案，而是让学生经历推导、讨论、试错和修正。课堂上和同学争论一个观点，实验失败后重新设计方案，项目被否定后再找问题，这些过程看起来低效，却是在把外部知识变成自己的判断力。AI可以辅助这个过程，不能替代这个过程。
所以我的观点是：大学不应该和AI比赛谁给的答案快，而应该提高问题的复杂度，要求学生展示推理、证据、过程和责任。如果课程只考记忆和标准答案，它当然会被AI冲击；如果课程考的是分析、论证和创造，AI反而会逼着教育做得更好。
二、老师问：不禁止AI，怎么知道作业是学生做的？
这是AI进入学校后最现实的冲突。完全禁止很难执行，完全放开又会让部分学生直接把任务外包给AI。问题并不是“用不用AI”，而是AI用了多少、用在哪里、学生还能不能证明自己的理解。
更合理的沟通方式是建立透明规则：
- 允许AI辅助搜集资料和检查语法，但必须披露使用范围。
- 要求保留过程记录，包括提纲、修改痕迹、数据来源、遇到的分歧和最终选择。
- 增加课堂口头答辩和现场分析，看学生能否解释自己的观点，而不是只看最终文档。
- 降低纯记忆题比例，增加真实问题、开放项目、反方论证和方案比较。
- 不把“AI检测率”当成唯一证据，因为检测本身也可能误判，应结合过程、访谈和作品表现综合判断。
老师需要的不是一台更聪明的查重机，而是一套新的评价方式。学生也需要明白：可以使用 ChatGPT详情页 里的ChatGPT或 Claude详情页 里的Claude帮助思考，但签名交作业的人仍然要对每个结论负责。
三、中小学要不要把AI课纳入正式课程教学？
支持纳入正式课程的人认为：AI已经进入学习和生活，如果学校不系统教学，学生只能在家庭条件、短视频和商业工具之间自行摸索。结果可能是会用的越来越早，不会用的越来越被动；遇到隐私、版权、虚假信息和过度依赖时，也没有老师及时引导。纳入正式课程，至少能保证每个学生都接触基本概念、安全规则和验证方法。
反对急着纳入的人也有道理：AI工具变化太快，今天写进教材的软件明天可能已经过时；部分学校缺少懂AI、懂数据又懂教育的老师；如果最终变成背概念、考按钮、拼展示课，只会增加负担，却不能提升真实能力。AI课还可能挤占语文、数学、科学和体育等基础课程时间。
我的判断是：要纳入，但纳入的不应该是“最新工具操作课”，而应该是一套相对稳定的AI基础素养。它至少包括理解AI的能力边界、判断信息真伪、保护数据隐私、认识算法偏见、合理披露人机分工，以及用AI解决真实问题并承担结果。工具可以不断换，这些底层能力不能缺。
家长最容易把AI教育理解成“越早学工具越好”，但工具更新速度远快于课程标准，今天教一个按钮，明年界面可能已经变了。孩子真正需要掌握的不是某个软件的技巧，而是面对新技术时的基本素养。
我认为中小学AI课应该分成三层，而不是所有年级都用一套内容：
| 阶段 | 重点学什么 | 不建议怎么教 |
|---|---|---|
| 小学 | 认识AI能做什么、不能做什么；保护隐私；遇到不确定答案先求证 | 不教复杂Prompt套路，不把AI当标准答案机器 |
| 初中 | 信息检索、来源判断、数据偏见、版权和AI使用边界 | 不只讲概念，也不让学生长期依赖AI完成作业 |
| 高中 | 用AI完成真实小项目，学会验证、记录过程并说明人机分工 | 不追最新工具排行榜，不把会使用工具等同于创新能力 |
因此，问题不应停留在“每周或每月上几节课”，而要看课程是否真正进入正式教学体系。可以有独立课时，但不能只靠一节展示课；更应把AI素养渗入语文、数学、科学、信息技术等学科。用它查资料、做实验模拟、提出反方问题，同时训练验证和表达。考核也应看项目过程、证据和能否解释，而不是看谁更会背工具名称。
简单说：中小学AI教育的目标不是培养一批“会点按钮的人”，而是培养能理解、能质疑、能安全使用AI，并且保留独立表达和真实交往能力的人。
四、校长问：大学最应该培养学生什么能力？
如果只把大学理解成知识搬运，AI确实更有优势。但大学真正不可替代的部分，是把分散知识连成体系，并在复杂环境中形成判断。至少包括五项能力：
- 知识结构：知道一个领域有哪些基本问题、方法和边界，而不是只记住结论。
- 问题定义：把模糊需求变成可研究、可验证、可执行的问题。
- 证据判断：会区分事实、观点、预测和宣传，能检查AI引用和信息来源。
- 沟通协作：能向不同的人解释观点，也能在争论中修正自己。
- 价值与责任：知道技术能做什么，更知道什么值得做、谁承担后果。
这也是我认为大学不能被在线课程和AI完全替代的原因。知识可以远程学习，但真实的讨论、合作、竞争、失败和承担责任，需要一个共同体。大学的意义，不只是提供资料，而是提供一个让你不断被不同观点挑战、重新组织认知的环境。
五、我们还需要专门讨论“怎么和AI沟通”
AI时代的沟通至少有三层，不能混为一谈。
第一层：人对AI怎么说
提问能力确实重要。目标、背景、限制、输出格式和评价标准说得越清楚，AI越容易提供有用结果。但会提问不等于会思考。更高级的用法，是主动要求AI给出反方观点、风险、证据缺口和不确定性，而不是只要一个顺着自己说的答案。
第二层：学生和老师怎么约定边界
双方不应停留在“能不能用”的争吵，而要提前约定哪些任务可以辅助、哪些必须独立完成、使用后如何披露、如何证明真正理解。规则说得越清楚，AI越不容易变成灰色作弊工具，也越能成为正常学习工具。
第三层：人和人为什么还要面对面讨论
AI可以模拟争论，但它通常更擅长迎合用户。真实的人会犹豫、反驳、举出意料之外的例子，也会因为情绪、经验和立场产生分歧。正是这些不确定性，让讨论变得有价值。如果只看AI总结，人容易掉进信息茧房：给它的指令越窄，得到的回答越像自己原本的想法，最后误以为看见了世界，其实只是看见了自己。
六、我的判断：AI不是让学习变简单，而是让“假学习”暴露得更快
过去，一个学生可以通过背答案、套模板、复制资料获得不错的成绩。AI把这种浅层能力进一步自动化后，只考核标准答案的教育会越来越失去意义。
这并不是坏事。它迫使学校重新回答三个问题：
- 为什么学，而不只是学什么？目标是理解世界、解决问题，还是完成一张卷子？
- 怎么证明学会了？看最终答案，还是看过程中的判断、修改和表达？
- 人要保留什么？至少保留提问权、判断权、选择权和责任，而不是把所有决定交给AI。
AI最适合承担资料整理、重复计算、初稿生成和方案比较，把人从低价值劳动中释放出来。但越是工具强大，人越要练习慢思考：读完整本书，听不同意见，亲手做实验，接受失败，再写出真正属于自己的结论。
七、常见问题FAQ
- Q：AI时代读大学还有什么用？
A：大学不只是提供知识，还提供系统训练、真实讨论、项目实践和价值观塑造，帮助学生形成AI无法代为承担的逻辑、判断和责任。 - Q：中小学要不要把AI课纳入正式课程教学？
A：应该纳入，但重点应是稳定的AI素养、隐私安全、信息验证、伦理责任和真实项目，而不是追逐最新工具。可以设独立课时，也要与各学科结合。 - Q：学生用AI做作业算作弊吗？
A：要看课程规则和使用方式。辅助检索、讨论和检查通常可以，直接提交AI生成内容并冒充独立完成则可能违规，关键是透明披露和能否解释。 - Q：AI会不会让老师失去作用？
A：不会。老师从知识传递者转向问题设计者、讨论组织者和价值引导者，但需要改变评价方式。 - Q：孩子应该先学Prompt还是先学基础知识？
A：先打牢阅读、数学、科学和表达能力。Prompt只是工具使用方法，基础认知才是判断AI答案的基础。 - Q：怎样避免被AI信息茧房困住？
A：主动要求AI提供反方证据，持续接触不同来源，并保留与真实的人讨论、争论和验证的习惯。
八、总结：大学要教的不是和AI抢答案，而是让人拥有最终选择权
AI时代，大学当然还有用，但它不能再把自己定义成知识入口。真正的大学学习，是通过海量知识的沉淀，搭建自己的逻辑体系、认知框架、思辨能力和价值判断。中小学AI课也应该纳入正式教学，但不是为了让孩子追最新工具，而是让他们学会安全使用、验证结果、尊重事实和承担责任。
我的最终看法是：AI可以成为学习搭子、研究助手和讨论对手，但不能成为人的替身。工具越强，人越需要保留提问的能力、判断的能力、沟通的能力和负责的勇气。技术可以不断向前，人的主体性不能后退。大学和学校真正要培养的，不是“最会使用AI的人”，而是即使拥有强大AI，依然知道自己为什么学、为什么判断、为什么负责的人。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
