人工智能教育陷阱：为什么教学生使用人工智能适得其反

简而言之：教育中的人工智能并没有创造出一代超级学习者。它创造了两个阶层：那些用人工智能思考的人和那些让人工智能为他们思考的人。差距正在扩大，大多数教师对即将到来的变化毫无准备。

我是詹姆斯，水星科技解决方案的首席执行官。 香港 — 2026年7月

我对教育中人工智能的讨论感到越来越不安。不是因为人工智能对学习有害，而是因为那些大声呼吁“将人工智能融入教育”的人，往往是对教育真正目的理解最少的人。

乐观主义者——那些说学校应该教每个学生使用人工智能的人——通常是那些在旧技能上已经表现出色的人。他们能够搜索、过滤、综合和创造。对他们来说，人工智能是一个倍增器。它使他们现有的能力变得更快、更强大。

但他们并不是大多数人。他们是少数人。当你为少数人设计教育时，你就抛弃了大多数人。

问题不在于人工智能，而在于基础。

这是我在课堂上看到的，从中学到大学：

无法写出连贯段落的学生正在使用人工智能生成论文。无法区分可靠来源和阴谋论的学生正在使用人工智能进行“研究”。无法进行基本算术运算的学生正在使用人工智能解决问题，然后将答案呈现得好像他们理解了过程。

人工智能并没有教他们思考。它教他们将思考外包。

最危险的部分是什么？他们不知道自己在这样做。他们真心相信，因为他们能够生成一个人工智能的答案，所以他们具备了基本技能。他们将输出与能力混淆。

我认识一些老师，他们在两年前开始在课堂上尝试人工智能。他们的目标是高尚的：教学生使用人工智能，而不是被它所利用。他们向学生展示如何编写提示，如何验证输出，如何将人工智能视为工具而非神谕。

现在，两年过去了，那些老师告诉我一个不同的故事。那些已经很强的学生——具备扎实的阅读、写作和推理能力的学生——变得更加出色。他们利用人工智能扩展思维，探索他们之前未曾考虑的角度，更快地进行迭代。

但是那些本来就弱的学生呢？那些在基本理解和批判性思维上挣扎的学生？他们的情况更糟。并不是因为人工智能让他们变得更差，而是因为人工智能给了他们一条捷径，绕过了他们需要改进的实践。他们从未锻炼出能力，因为他们从未需要举起重物。

**人工智能教育悖论：** 使强者更强的工具使弱者变得依赖。

能力的错觉

我看到的最令人不安的模式不在学校，而在毕业生中。

我看到以前的学生——现在二十多岁，工作了几年——使用人工智能生成对其他人文章的“反驳”。他们将别人的写作输入到人工智能中，要求它找出缺陷，生成批评回应，并带着胜利的感觉发布结果。

他们认为自己在展示分析能力。其实不是。他们在展示提示工程。而这两者之间的差距就是思想者与鹦鹉之间的区别。

当我查看他们的学术记录时——我确实会查看，因为我对相关性很感兴趣——模式是一致的。那些最积极使用人工智能来“赢得”争论的人并不是顶尖学生。他们是那些在独立分析方面挣扎的人。人工智能并没有修复他们的思维。它掩盖了他们无法思考的事实。

这就是能力的错觉：相信因为你能产生输出，所以你具备潜在的能力。这就像相信你是厨师，因为你可以从餐厅点餐。

乐观主义者的错误

人工智能教育的乐观主义者不断做出相同的比较：“这就像互联网、计算器或电视出现时。那时人们也感到恐慌。”

这个比较是错误的。原因如下。

互联网让你可以获取信息。但你仍然需要阅读它。你仍然需要评估它。你仍然需要综合它。障碍降低了，但认知工作依然存在。

人工智能完全消除了认知工作。它不仅仅提供信息。它给出结论。它不仅仅展示数据。它告诉你数据的意义。对于尚未发展出独立评估结论能力的学生来说，这是灾难性的。

乐观主义者说：“我们应该教每个人使用人工智能。”

我说：如果一个人还没有学会思考，就无法教会他们使用思维工具。

一个无法区分可靠来源和虚假来源的学生，不会因为你给他们一个更强大的工具而神奇地发展出批判性思维。他们只会产生更复杂的无稽之谈。

课堂上真正有效的方法

我与正在实时应对这一挑战的教师进行了交谈。那些成功的教师不是在讲授人工智能，而是利用人工智能来教授其自身的局限性。

方法一：幻觉演示。

我认识的一位科学老师在学期开始时要求人工智能回答有关现实世界现象的问题。然后她向班级展示不同的人工智能模型给出的不同答案。接着，她向他们展示这些答案中有些是完全虚构的——不存在的来源、虚构的数据、听起来合理但错误的结论。

目标不是教他们使用人工智能，而是教他们不信任人工智能。以怀疑的态度看待每一个输出。在接受之前进行验证。

方法二：比较练习。

一位信息技术老师要求学生使用人工智能收集有关台湾能源生产和消费的数据。然后他挑出最戏剧性的结果——那些显示极端或令人惊讶趋势的结果——并要求班级找到官方政府来源。

学生们学到了两件事：人工智能会出错，人类验证很重要。他们学会了更好地设计提示，设定限制，要求来源。但他们是通过抓住人工智能的错误而不是通过关于“负责任的人工智能使用”的讲座来学习这些的。

方法三：迭代游戏。

一些老师让学生使用人工智能生成内容，然后进行批评，再进行改进，然后再批评。人工智能成为了一个训练伙伴，而不是替代品。学生学习评估质量，因为他们必须生产出比人工智能基线更高质量的内容。

这有效。但关键点是：这只对已经具备基本能力的学生有效。

一个无法写出连贯句子的学生无法评估人工智能生成的句子是好是坏。一个无法进行基本研究的学生无法验证人工智能来源的数据是否准确。这种方法假设了许多学生并不具备的基础。

残酷的现实

我认识的那些做得好的老师都这样描述：疲惫、痛苦，并且需要持续的警惕。

他们不仅仅在教授自己的学科。他们同时在教授媒体素养、批判性思维和自我意识。他们正在与一个承诺提供轻松答案的工具作斗争，而在这个世界上，努力是获得真正理解的唯一途径。

而他们正在失去最需要帮助的学生。

那些“善用 AI”的学生——乐观主义者所称的成功案例——本来就很强。他们是那些无论是否使用 AI 都能成功的人。AI 只是加速了他们的轨迹。

那些“被 AI 使用”的学生——将输出视为真理、无法区分生成与理解的人——正在进一步落后。并不是因为他们智力较低，而是因为他们获得的练习更少。AI 正在完成他们的大脑需要做的工作，以便发展。

前进的两条道路

那么这让我们处于何种境地？我看到两种可能的未来，而选择并不在于技术。它在于教育哲学。

第一条道路：效率模型。

我们接受 AI 将处理认知工作，并专注于教学生如何操作这些工具。我们优化输出。我们通过学生能够产生的成果来衡量成功，而不是他们能够独立构思的内容。

这条道路创造了一代操作员。能够完成任务但不理解事物为何运作的人。能够生成答案但无法评估答案的人。高效但根本脆弱的人。

路径二：基础模型。

我们认识到，人工智能是一个倍增器，而不是替代品。我们重视基础：阅读理解、逻辑推理、数学流畅性、书面表达。我们将人工智能作为这些技能的压力测试，而不是替代品。

这条路径更难。它更慢。它对教师和学生的要求更高。但它培养出能够使用人工智能而不依赖于它的人。能够验证、批判和改进人工智能输出的人，因为他们理解基础领域。

真正的问题

关于教育中人工智能的辩论其实并不是真正关于人工智能。它关乎我们相信教育的目的是什么。

如果教育是为了产生输出——论文、报告、项目——那么人工智能就是天赐之物。它使生产更快、更容易。

但如果教育是为了发展思维——独立思考的能力、评估证据的能力、构建论点的能力、发现缺陷的能力——那么人工智能就是一种威胁。不是因为它不好，而是因为它提供了一条绕过我们所追求的发展过程的捷径。

在人工智能时代能够蓬勃发展的学生并不是那些最会使用人工智能的人。他们是那些首先学会思考，然后利用人工智能来增强自己思考的人。

其他人？他们在生产自己不理解的内容、解决他们无法解释的问题以及赢得他们无法辩护的争论方面将非常高效。

他们不会被人工智能取代。他们将与人工智能无异。

水星科技解决方案：加速数字化。