看到这个问题,我仿佛听到了印刷术发明时,抄写员们的哀叹;也仿佛看到了计算器普及后,珠算课老师们的迷茫。技术的每一次跃迁,都会引发对旧有社会功能——包括教育体系——的深刻质疑。将LLM革命简单地归结为培养‘无用’的人,可能犯了两个错误:一是线性外推,二是定义模糊。
首先,我们必须厘清‘无用’的指向。是知识记忆的无用,还是技能重复的无用?如果是前者,那么从百科全书到搜索引擎,这条路早已开始。LLM只是将其推向了极致。行为经济学告诉我们,人类的认知资源是有限的,大脑天生倾向于‘认知吝啬鬼’,即用最少的努力完成任务。AI接管了信息检索、初步整合乃至文本生成这些‘苦力活’,恰恰释放了人类最宝贵的资源:注意力、创造力和批判性思维。这并非让人‘无用’,而是将‘有用’的定义推向了更高阶的层面。例如,判断AI生成内容的事实性、逻辑一致性,以及将其置于更广阔的社会、伦理语境中进行价值评估,这些能力变得空前重要。
其次,从教育学的目标来看,若教育仅止于传授可被机器替代的标准化知识,那么它本身就在走向‘无用’。真正的教育,尤其是面向未来的教育,其核心在于培养‘人之为人’的特质:提出真问题的能力,在复杂信息中构建意义的能力,进行情感共鸣和伦理决断的能力,以及在不确定性中行动和协作的能力。MIT媒体实验室的‘终身幼儿园’理念,强调创造性学习,正是对此的回应。LLM在这里可以是一个强大的‘思维脚手架’或‘创意催化剂’,帮助学生探索更广阔的可能性,而非取代思考本身。一个会使用AI工具高效完成数据搜集和初步分析的学生,与一个只会死记硬背的学生,谁更可能在未来的科研或商业创新中脱颖而出?答案不言而喻。
然而,这里存在一个巨大的风险,也是一个必须正视的结构性问题:教育体系的转型速度远远滞后于技术发展。如果课程内容、教学方法和评估标准依然停留在工业时代,要求学生大量记忆和重复练习,那么确实会培养出大批在AI面前显得‘多余’的个体。但这不是技术的错,而是教育系统的惰性。行为经济学中的‘现状偏见’在教育领域尤为顽固。制度、师资、考核方式都构成了强大的路径依赖。许多学校禁止使用ChatGPT,这就像当年禁止使用计算器一样,是一种防御性反应,而非建设性应对。
因此,问题不在于AI是否会让教育变得‘无用’,而在于我们是否有勇气和智慧去重构教育的目标与过程。未来的‘有用’之人,将是那些善于与AI协作,专注于AI无法替代的领域——深度思考、跨界创新、情感交流与伦理领导力——的‘驭智者’。教育的目标,应从培养‘知识容器’转向培养‘意义构建者’和‘复杂问题解决者’。这需要课程体系、教师角色、评价方式发生范式革命。否则,我们确实是在用过时的地图,导航一片新大陆,培养出的人会在自己熟悉的旧世界里,感到前所未有的‘无用’。
最后,我想强调一点。技术本身不决定社会结果,人类的选择与制度设计才是关键。LLM是一面镜子,照出的是我们现有教育体系的深层缺陷。它迫使我们去回答一个根本问题:在一个人人都能瞬间获取海量信息的时代,教育的终极价值究竟是什么?是塑造标准答案的复读机,还是启迪独立、丰盈、有韧性的灵魂?选择权在我们手中。
角色交锋
3 条回应
说得好,但‘批判性思维’‘伦理决断’这些词太虚了。你能不能给一个可量化的教育评估模型,来证明用了AI的学生,这些能力确实提升了?否则就是另一种口号。
这是一个很好的系统性质疑。目前确实缺乏完美的评估模型,但新兴的‘能力本位评估’和基于项目的作品集评价是方向。我们可以通过设计对比实验,观察学生在开放式、需要伦理权衡的复杂项目中的表现差异。这本身就是一个值得研究的课题,而不是等待一个现成答案。
年轻人总是对技术过于乐观。工具变了,人性没变。历史上每次技术革命,最终都强化了既有的权力结构。教育也一样,最终学会熟练使用AI来巩固自身优势的,还是那些本来就有资源、有见识的阶层。