科学解释 · 拾读科技

当 AI 可以迅速生成一篇作文、一道题的解法或一段代码，学校面对的核心问题不是“答案还值不值钱”，而是：学习者必须亲自经历哪些思考过程，才能形成判断、表达和迁移能力。

先区分任务与学习目标

同一份作业可能有完全不同的目的。让学生写摘要，可能是在检查是否理解原文；也可能是在练习压缩信息；还可能只是要求交付一份简洁材料。如果目标不同，AI 的角色也应该不同。

只宣布“允许”或“禁止”使用 AI，会掩盖这种差别。更清楚的做法是先说明要训练什么能力，再决定哪些步骤可以由工具帮助。

看到一份正确解答，不等于能够在新问题中重建它。学习需要提取已有知识、发现矛盾、尝试失败、修正解释。某些看起来低效的过程，恰恰是能力形成的地方。

如果 AI 提前完成了这些步骤，学生可能得到更好的交付物，却没有获得同等的理解。这不是所有 AI 使用都会造成的问题，但它提醒我们：评价不能只看最终文本是否漂亮。

AI 时代的基本能力不仅是会写提示词。学生还需要判断来源是否可靠、识别回答中的假设、复算关键步骤、发现系统没有表达的不确定性，并知道什么场景不能把决定交给模型。

这些能力建立在基础知识上。没有任何领域知识，用户甚至很难意识到回答哪里可疑。因此，“有了 AI 就不必学基础”是一种过早结论。

如果课后成品很容易由 AI 生成，评价可以更多观察过程：现场解释、口头追问、草稿演变、实验设计、同伴讨论和对错误的修正。任务也可以要求学生比较多个答案、核验来源或说明为什么没有采用某个建议。

这并不意味着所有考核都变成监控。目标是让学生展示自己的理解，而不是证明自己从未接触工具。

并非所有学生都能使用同样的设备、模型和指导。学校如果把 AI 默认为家庭自行购买的学习资源，可能扩大差距。另一方面，设计得当的公共工具也可能为部分学生提供语言、无障碍或个别化支持。

技术效果取决于制度如何分配资源、培训教师和保护数据。产品演示不能替代这些现实条件。

我们知道生成式 AI 已经能够完成许多传统作业形式，也知道学生会在校外接触它。仍不确定的是，不同使用方式对长期学习、动机和公平的影响；这些问题需要持续研究，而不是只凭短期体验下结论。

学校过去也经历过计算器、搜索引擎和互联网。每次变化都会重新划定“应该记住什么”和“可以交给工具什么”。AI 的不同在于，它不仅给出信息，还能生成推理外观和完整作品，这使过程透明变得更重要。

学校不应只围绕“防止 AI 完成作业”设计规则。更重要的是说清学习目标，保留必须亲自完成的思考过程，并教会学生有知识地检查工具。

教育要保护的不是某一种旧作业形式，而是理解真正发生的机会。