AI 不是一个技术问题，它是一个教育问题
一、一个让我改变想法的问题
有人曾经问我：“你觉得 AI 最终会改变什么？”
我最初的回答是产业、效率、组织方式。这些答案都没错，但现在我觉得它们都不是最根本的答案。
最根本的答案，我现在认为是：AI 改变的是人与人之间的差异的来源。
这是一件比“AI 会取代哪些工作”重要得多的事情，但讨论它的人要少得多。原因可能是它太慢、太深、太难被直接测量——它不会在一个季度的财报里显现，但它会在一代人成长完成之后，以无法被忽视的方式显现。
在这个系列前面几篇里，社会学那篇谈到了“认知放大的不平等”——智能体时代，人与人之间的认知差距不只是在知识层面，而是在“思维被放大的程度”层面分化。这篇想做的，是把这个判断往更深处推进一步：既然差异的来源在变，教育这件事，就必须从第一性原理重新被定义。
不是“如何把 AI 用进现有的教育体系”，而是“当 AI 已经在这里了，教育的目的是什么，教育应该生产什么”。
二、人与人之间的差异，一直在被什么决定
不同的时代，决定人与人差异的核心变量是不同的。
农业时代，差异主要来自土地和体力。一个人能耕种多少地，能出多少力，基本决定了他的位置。这种差异是相对透明的，也是相对公平的——至少在同等条件下，努力和差异之间有清晰的关系。
工业时代，差异的来源转移到了知识和技能的掌握。会操作机器、会计算、会阅读——这些认知能力成了决定一个人社会位置的关键变量。教育系统于是承担了一项工业使命：把知识和技能批量传递给大量的人，让他们能够进入工业生产体系。这套系统在它被设计出来的历史条件下，是有效的。
信息时代，差异进一步转移：知识的获取不再是门槛，处理信息的能力成了更重要的变量。一个人能不能快速学习新东西、能不能在大量信息里找到关键信号、能不能把知识转化为解决问题的能力——这些东西开始决定差异。
AI 时代，这个逻辑再次发生了一次结构性的转移。
信息处理能力，正在以一种前所未有的速度变成“可以外包”的东西。记忆知识可以外包给 AI，检索信息可以外包给 AI，生成文本可以外包给 AI，做基础分析可以外包给 AI。这意味着，建立在“谁能掌握更多知识、处理更多信息”这个逻辑上的差异，正在被大幅压缩——不是因为每个人的能力都提升了，而是因为这部分能力的稀缺性降低了。
那么，差异接下来会由什么决定？
我认为答案是：驾驭智能的能力，以及驾驭智能之后做什么的判断力。
这两件事加在一起，不是“AI 技能”——不是会不会用某个软件、会不会写 Prompt。它们是更深层的东西：有没有足够清晰的问题意识，能不能判断 AI 输出的质量，能不能在 AI 给出大量可能性之后做出真正有价值的选择，能不能定义自己想要解决的问题而不是等着别人告诉你要解决什么。
这是一批很古老的能力——某种意义上，哲学家、艺术家、真正意义上的创业者，一直都在练习这些能力。只是在 AI 之前，大多数人的大部分时间被信息处理任务占满，这些更深层的能力没有机会成为决定差异的关键变量。AI 清空了信息处理的“杂音”，让这些能力的重要性第一次真正显现出来。
而这批能力，偏偏是传统教育系统最不擅长培养的东西。
三、传统教育在优化一个正在消失的目标
传统教育系统建立在两个核心假设上：知识是稀缺的，执行能力是有门槛的。
知识稀缺意味着：掌握知识的人具有竞争优势，教师作为知识的传递节点有核心价值，学校作为知识的分发机构有不可替代的地位。整套围绕知识传递的设计——教材、课时、考试、学历——都是这个假设下的合理产物。
执行有门槛意味着：写作、计算、分析、设计，这些执行性工作的熟练程度构成竞争力，所以教育需要大量时间训练这些执行技能，评估的核心也是“执行得有多熟练”。
AI 同时击穿了这两个假设。
知识不再稀缺——任何领域的知识都可以被即时调用。执行门槛大幅降低——很多以前需要多年专业训练才能完成的任务，现在借助 AI 可以在很短的时间里完成。
但现有的教育系统，在很大程度上依然在优化这两个已经失效的目标：用更多的时间让孩子记住更多的知识，用更严格的训练让孩子把执行技能练得更熟。
这不是老师的错，也不是学校的错。一个系统的惯性，来自它被设计出来时所服务的那套逻辑。当底层逻辑改变，系统的惯性会在一段时间里继续把它推向旧的方向，直到现实的压力大到无法忽视。
但这段时间里，有真实的代价。
每一个孩子被大量时间训练“用脑子记忆”的能力，而 AI 可以帮他记住一切——这是时间的浪费。每一个孩子被教导“把解题步骤练得足够熟练”，而 AI 可以帮他完成大部分执行工作——这是注意力的错置。更重要的是，这段时间里，那些真正需要被培养的能力——问题意识、判断力、创造力、与 AI 有效协作的能力——没有被认真对待，因为现有的评估体系里没有给它们留下位置。
四、智能体时代的教育应该生产什么
从第一性原理重新问这个问题：当 AI 可以承担大量的信息处理和基础执行工作，教育的任务是什么？
不是教孩子“学会用 AI”——这是工具层面的训练，会随着工具的迭代很快过时。
教育真正需要生产的，是一种更深层的能力结构：在智能极度充沛的环境里，能够保持主体性、能够驾驭工具、能够做出真正有价值的判断。
这套能力结构，有几个相互依存的层次。
最底层是问题意识。能够识别什么问题值得被解决，能够把模糊的不适感转化为清晰的问题表述，能够区分一个问题的症状和根因。这是一切其他能力的起点。AI 可以帮你回答问题，但它不能替你提出一个真正值得解决的问题。
中间层是结构化思维——把复杂的问题拆解成可以被处理的部分，理解各个部分之间的关系，在多重变量里做权衡。这不是一种可以被直接教会的技能，而是在大量真实问题的处理中形成的判断能力。AI 可以执行给定的结构，但它无法针对一个新情境生成恰当的问题框架。
更高层是批判性判断——当 AI 给出一个输出，能够评估这个输出的质量，能够识别它的错误和盲点，能够决定什么时候接受、什么时候质疑、什么时候重新来过。这种能力在 AI 时代变得极其重要，因为 AI 的输出会越来越流畅、越来越看起来可信，辨别它的能力却没有随之自动提升。
顶层是价值判断——能够问“这件事值得做吗”而不只是“这件事怎么做”，能够在大量的可能性里决定什么是真正有意义的方向，能够定义自己想要创造什么。这是 AI 最难触及的领域，因为价值的设定本质上是一个关于“我是谁、我在乎什么”的问题，而不是一个可以被优化的目标函数。
这四个层次加在一起，我把它理解为“主体性”——一个人在智能充沛的环境里，依然保持自己是行动发起者而不是被工具带着走的状态。
主体性不是天生的，它需要被培养。而培养它的方式，和传统教育培养知识掌握和执行技能的方式，是根本不同的。
五、主体性是怎么被培养的，又是怎么被消灭的
主体性的培养，需要一种特定的学习条件：真实的问题，真实的后果，以及在这个过程里不断被要求做出真实的判断。
注意，是“真实的”——不是模拟的、不是为了练习而设计的、不是已经有标准答案等着被发现的。
当一个孩子面对一个真实的、没有标准答案的问题，他首先要做的是定义它——这个问题的边界在哪里，核心是什么，我真正想解决的是什么。这个过程会让他感到不适，因为没有一个“正确方向”可以依赖。但正是这种不适，在激活他的主体性。
然后他需要做判断——在多种可能的路径里，选择一条。这个选择没有人帮他做，他必须用自己的判断来承担这个选择的后果。
然后他会遇到反馈——他的判断对了，或者错了，或者部分对、部分需要修正。这个反馈是真实的，不是教师给的分数，而是来自问题本身。
在这个循环里，主体性在一次次被使用、被验证、被强化。
传统教育在很多地方压缩甚至消灭了这个循环。提前给出问题的结构，消灭了“定义问题”的必要；提供标准解法，消灭了“判断路径”的必要；用分数替代真实反馈，消灭了“从结果本身学习”的必要。每一步都是在降低学习过程的摩擦，但摩擦被消灭的代价，是主体性没有了生长的空间。
AI 让这件事更加紧迫，因为 AI 的默认使用方式，会进一步压缩主体性的空间。
一个孩子遇到问题，直接问 AI，得到一个答案，接受它，问题解决了——在这个过程里，他的主体性全程是缺席的。他不需要定义问题，不需要做判断，不需要承担选择的后果。AI 帮他跳过了所有需要主体性参与的环节。
长期下来，他会变得越来越依赖工具，越来越难以在没有工具的情况下形成自己的判断，越来越不确定“我自己真正想要什么”。这不是 AI 的错，是使用方式的问题。但这个使用方式，在今天的教育环境里，是默认发生的。
六、为什么这是一个教育问题，而不是技术问题
这里是我真正想说的东西。
每次我参与 AI 相关的讨论，话题的中心总是技术——哪个模型更好，哪个应用场景更有前景，哪种能力正在被替代。这些讨论有它的价值，但它们共同忽视了一件更根本的事：
所有技术问题的长期后果，最终都是社会结构问题；而社会结构问题，最终都是教育问题。
技术改变了什么东西有价值——教育需要回应，培养新的有价值的能力。技术改变了人与人差异的来源——教育需要回应，重新定义它想要生产的东西。技术改变了权力的结构——教育需要回应，确保更多的人有能力在新的权力结构里保持自己的位置。
如果教育没有回应，技术变革的后果就会以一种放任自流的方式展开——那些已经有能力驾驭 AI 的人，认知能力被持续放大；那些没有能力的人，被工具替代了思考却浑然不觉。这不是一个抽象的社会学预测，而是在今天的教育现场里，已经可以观察到的分化。
李约瑟的问题，在教育领域有一个非常具体的版本：一个社会拥有了先进的 AI 技术，但如果它的教育系统依然在培养上一个时代需要的能力，这些技术最终会造成什么样的社会后果？
技术不会自动带来人的发展，制度才决定技术向哪里去。教育，是所有制度里离人最近的那一层。
这就是为什么，在所有关于 AI 时代社会科学的问题里，我认为教育是最需要被认真讨论的那一个。因为它处理的，是人这个基础变量本身——当这个变量没有被认真对待，其他所有维度的讨论都是在往一个有漏洞的底上建东西。
七、我没有答案，但有一些真实的问题
我给6-60岁的人都上过课，在我在K12也实践事，本质上是一个实验。
我们试图在一个真实的教育环境里，验证一个假设：当孩子被放在真实的问题前面，被允许犯错，被要求做真实的判断，同时有智能工具可以调用——他们发展出来的能力，和传统教育路径产生的，会是不一样的东西。
这个实验还在进行中，我没有可以拿出来说“这证明了什么”的数据。
但我有一些在这个过程里越来越清晰的问题，我觉得这些问题比任何目前可以给出的答案都更值得被认真对待。
如何评估一个孩子“主体性”的发展？我们有无数方法评估孩子掌握了多少知识，有多少测试可以衡量技能的熟练程度，但几乎没有成熟的方法来评估“这个孩子的主体性在过去一年里有没有成长”。没有评估，就没有反馈，就没有真正的优化方向。
如何让家长和这场转变同步？我在教育实践里遭遇到的最大阻力，通常不是来自孩子，而是来自家长的焦虑——这种焦虑是真实的、合理的，它来自一个深刻的不确定性：旧的成功路径正在失效，新的路径还不清晰，而孩子在这个模糊地带里成长。家长的焦虑会压缩孩子探索的空间，而这个空间恰恰是主体性生长最需要的东西。如何处理这个张力，我没有一个好答案。
如何在大规模的教育系统里创造真实的问题情境？真实问题驱动的学习，在小规模的实验环境里可以做到。但当教育规模扩大，真实问题情境的供给就变成了一个系统性的难题——不是每个老师都能设计出真正有张力的真实问题，不是每个学校都有足够的资源维持这种学习模式。如何在规模化的过程里保持质量，是一个我觉得至今没有被充分讨论的问题。
最后一个，也是最根本的：我们在用什么样的价值观，来定义“一个 AI 时代成功的人”？
这个问题如果没有被认真回答，所有关于教育方法的讨论都只是在技术层面打转。而回答这个问题，需要的不只是教育学家，而是这个社会里所有关心下一代的人，一起认真地坐下来想清楚：我们真正想要培养的，是什么样的人？
这个对话，我觉得现在还没有真正开始。
“智能体社会科学”系列 · 教育篇。