A principled way to think about AI in education: guidance for educators and policy makers based on goals, models of human learning, and use of technologies

大脑升级：当机器开始替我们做作业时，会发生什么？

想象一下，你正站在一座巨大的图书馆里，这里的书不仅能和你对话，还能为你写论文，并在眨眼之间解决复杂的数学难题。这并不是科幻电影中的场景，而是随着**生成式人工智能（Generative AI）**出现后，教育领域的新现实。为了理解为什么这很重要，我们首先需要了解人类是如何学习的。几十年来，科学家们一直知道，学习不仅仅是将事实像存入电脑硬盘一样塞进大脑。相反，学习是一个社会化过程，我们通过与他人互动、使用工具并成为社区的一部分来进行学习。这就像学习一项运动：你不仅仅是背诵规则，你还要进行练习、犯错，并习得那些让你成为优秀选手的“思维习惯”。

现在，想象有一种工具可以替你完成所有的训练。如果机器人可以帮你跑圈、制定战术，甚至编写比赛计划，那么人类运动员还剩下什么要做呢？这是当今学校面临的大问题。如果机器能比老师更快、更好地传递信息和解决问题，我们为什么还需要学校？如果学生可以瞬间获得完美的作业答案，他们为什么还要费力去学习？本文并不试图预测这些机器未来会变得多么聪明。相反，它提出了一个更实际的问题：哪些学习环节是人类必须亲自完成，以保持人性化的？ 作者认为，我们不应该与机器对抗，也不应任由它们接管，而是需要一套引导规则，来决定哪些工作属于我们，哪些可以外包给机器人，从而确保教育依然能够塑造我们的品格、同理心以及独立思考的能力。

---

原则之路：AI 丛林中的地图

作者诺亚·芬克尔斯坦（Noah Finkelstein）认为，我们目前正困于两个糟糕的选择之间：要么因为恐惧而恐慌性地禁止 AI，要么因为觉得它很酷而盲目拥抱它。他提出了“第三条路径”：一个原则性的框架。这就像是一本新桌游的规则手册。规则手册不只是简单地说“开始玩游戏”，而是告诉你游戏的目的是什么，你可以移动哪些棋子，以及哪些棋子是由计算机移动的。

论文从一个简单但有力的观点开始：明确你的“初衷”（Why）。在你接触任何技术之前，你必须先问：“我们想要实现什么目标？”作者提出了教育的三大主要目标：

1. 培养个体： 帮助人们成长为聪明、善良且深思熟虑的人。
2. 构建社会： 创造一个人们可以协作并做出正确决策的社区。
3. 职业准备： 教授技能以便人们能够获得工作。

论文指出，虽然获得工作很重要，但不应是唯一的目标。如果我们只关注职业技能，可能会忽略培养那些真正能做好工作并过上幸福生活的人才。作者建议，如果我们利用 AI 仅仅是为了传授事实或完成作业，我们最终可能会得到一群虽然能通过考试、却无法独立思考的学生。

伟大的交接：谁该做什么？

论文的核心是一套关于**“谁该做什么”**的原则。作者使用了建筑工地的比喻：你拥有建筑师（教师）、建造者（学生）以及全新的、超快速的机器人（AI）。问题在于：我们是让机器人盖好整栋房子，还是只让它们负责搅拌水泥？

原则 1：教师的角色
论文建议教师应该停止扮演“信息传递员”的角色。在过去，教师是掌握书籍的唯一来源，因此必须朗读课文。现在，AI 可以瞬间传递信息。那么，教师应该做什么呢？

• 策展，而非仅仅传递： 教师不应只是给学生列出一堆事实，而应帮助他们辨别哪些事实是真实且有用的。这就像是在一座巨大的博物馆里担任导游，而不是对着剧本念稿子的讲师。
• 专注于“思维习惯”： 教师应该教学生“如何思考”，而不只是“思考什么”。这包括辨别力（判断一个答案是否真的优秀）、同理心（理解他人）以及自我意识（了解你是谁以及你的价值所在）。
• 设计体验： 教师应该利用 AI 来辅助设计更好的课程，但必须保持人文连接。如果机器人可以批改试卷，那很好！但机器人无法注视着学生的眼睛说：“我知道你在挣扎，但我相信你。”

原则 2：学生的角色
学生也必须改变他们的游戏方式。

• 不要外包你的大脑： 如果一名学生在没有任何思考的情况下使用 AI 写论文，他们就没在学习。论文警告说，如果我们让 AI 完成所有的思考，学生可能会失去形成自己观点的能力。
• 学习如何训练 AI： 学生不应只把 AI 当作作弊工具，而应学习如何“构建”和“训练”AI。想象一下，一名物理课的学生不仅是在解题，还在教 AI 如何解题。这会迫使学生深入理解规则。
• 协作： 学生应该与教师合作，共同决定如何在课堂中使用 AI。这就像是一种“副驾驶”的关系，学生和教师共同决定何时让自动驾驶接管，何时手动驾驶飞机。

“如果……会怎样”的情景：窥见未来

论文描绘了几幅画面，展示了如果我们做对了或做错了，未来会是什么样子。

• “蓝皮书”陷阱： 如果学校对 AI 感到恐惧，可能会退回到旧式方法，比如在没有电脑的安静房间里进行闭卷考试。作者说这是一个坏主意。这就像是在健身房里通过跑步来练习足球赛。现实生活（以及真实的职业）是伴随着工具和资源的。在课堂上禁止 AI，只会教会学生如何更好地隐藏作弊行为，而不是如何负责任地使用工具。
• “追赶”的危险： 有些学校希望利用 AI 导师来帮助在数学或写作方面落后的学生。虽然这听起来很棒，但论文警告说，如果我们仅仅因为一个学生饥饿、疲惫或感到不被接纳，就直接把一个机器人扔给他们，机器人是解决不了问题的。有时候，学生最需要的不是一个更快的计算器，而是一个关心他们的真人。
• “AI 训练员”的梦想： 最令人兴奋的情景是，学生利用 AI 来创建自己的模拟实验和模型。例如，一名学生可能会利用 AI 构建一个虚拟实验室来测试物理概念。在这个过程中，他们必须检查 AI 的结果是否正确。这让学生变成了一名侦探，去核实机器人的工作，这比单纯背诵答案是一种更深层次的学习。

最终结论：为什么我们仍然需要学校

论文通过回答以下大问题来结束：“如果 AI 能教书，为什么我们还需要学校？”以及“如果 AI 能写论文，为什么学生还要学习？”

答案很简单：因为我们不仅仅是信息处理器。 我们是社会性生物，需要学习如何建立联系、如何感受以及如何共同理解这个世界。如果我们让 AI 完成所有的思考，我们可能会得到一个高效但空洞的社会。

作者建议，学校应该成为我们练习“如何成为人”的地方。我们利用 AI 来处理那些枯燥的事情（如评分或整理数据），从而让教师和学生能把更多时间投入到那些困难且重要的事务上：提出宏大的问题、理解彼此，以及弄清楚我们想要建设一个什么样的未来。

简而言之，论文并没有说“AI 是好的”或“AI 是坏的”。它说的是：“AI 是一种工具，就像任何工具一样，取决于我们如何使用它。”如果我们用它来取代人类学习的部分，我们就失去了人性。但如果我们用它来帮助我们专注于人类学习的部分，我们或许就能创造一个每个人都比以往更聪明、更善良、更有能力的未来。目标不是与机器竞争，而是确保机器服务于我们，而不是相反。