数字教育委员会在2024年发布的《全球人工智能学生调查》（Global AI Student Survey）显示，接受调查的大学生中，约86%已经在学习中使用人工智能工具，超过一半的学生每周都会使用。人工智能进入大学课堂，已经成为正在发生的日常。

这组数据把一个原本遥远的问题推到了每个大学生面前：当查资料、列提纲、改语言，甚至完成一篇文章都可以交给工具时，大学教育究竟还要我们学习什么？

如果学习只为了得到一个答案，人工智能的速度确实很难被超越。但是学习同时也包含提出问题、辨别信息、形成判断和承担责任。沿着这个角度看，人工智能带来的变化就远远超过效率提升，它正在重新触碰学习的意义。

一、人工智能减少的，可能不只是工作量

过去完成一篇课程论文，通常要经历一个缓慢的过程：确定题目，查找资料，筛选信息，搭建结构，再用自己的语言表达出来。这个过程常常伴随着混乱和失败。我们会发现，自己以为理解的概念其实说不清楚；会发现不同资料之间存在矛盾；也会在反复修改中意识到，文章的问题并非语言不够漂亮，自己的观点本身还没有想明白。

很多时候，学习就发生在这些卡顿之中。

人工智能可以把若干步骤迅速整理成一份完整答案，却无法替我们经历理解的过程。一个人如果总在刚刚感到困惑时就得到现成解释，很难看清自己的无知究竟在哪里；如果总在观点尚未形成时借用成熟表达，也很难确认那套说法是否真的属于自己。

一篇文章写得流畅，无法证明作者真正理解了它。一份答案逻辑完整，也无法证明使用者具备产生这套逻辑的能力。

过去，人们担心学生通过抄袭逃避作业。今天更值得警惕的情况，是学生完成了作业，却没有完成学习。

二、真正稀缺的，正在从信息转向判断

人工智能出现以前，很多人把学习理解为积累更多知识。谁掌握的资料多，记忆得准确，谁就拥有优势。如今，信息获取的门槛迅速降低。输入一个问题，屏幕上很快就能出现大量内容，甚至是一篇结构清楚、语气成熟的文章。

知识依然重要，但知道一些内容已经不能自动等同于真正理解。

当答案很难获得时，寻找答案本身就有价值。当答案随时可以生成，判断答案是否可靠就变得更加重要。它依据的资料可靠吗？有没有把复杂问题说得过于简单？是否遗漏了某些人的处境？结论经过了充分论证，还是因为类似说法在网络上出现得足够多？

未来的差距，可能出现在两类使用者之间。一类人把人工智能当作助手，会追问、核实、修改，也知道哪些环节需要自己完成；另一类人把它当作权威，只要文字读起来顺畅，就默认内容值得相信。两类人使用着同样的技术，最终获得的能力却可能完全不同。

所以，重要能力并不只是让人工智能写出一篇文章，更在于看出文章哪里存在问题。看出问题需要问题意识，形成问题意识又需要在没有现成答案时认真思考。

三、我们为什么容易依赖现成答案

把人工智能简单归结为学生偷懒的工具，并不符合很多人的真实处境。

面对陌生题目，我们可能不知道从哪里开始；面对一篇写得不好的初稿，我们担心受到评价；面对大量资料，我们缺少筛选方法。人工智能可以迅速给出一个像样的起点，让人暂时摆脱无从下手的焦虑。

问题在于，起点很容易变成终点。

我们原本可以借助工具打开思路，后来却把有了一个思路理解成已经完成了思考；原本只想让工具修改表达，后来却让它替自己决定表达什么；原本想节省时间，最后却把最需要自己完成的部分也一起交了出去。

这背后也有教育评价方式的影响。许多作业主要关注最后交出了什么，学生怎样抵达答案，过程中的困惑、尝试和修改则很难被看见。在这样的评价环境里，人工智能自然容易被当成完成任务的捷径。

因此，人工智能提出的挑战同样指向课堂本身。与其要求学生在工具面前假装回到过去，不如重新思考作业和考试应该检验什么。学生能否说明自己的思路，能否核实资料，能否解释为什么接受某个答案，能否把工具提供的内容转化为自己的认识，这些问题更接近真实的学习能力。

四、效率之外，仍然需要缓慢的思考

我们这一代人很容易把“更快”理解成“更好”。

更快找到资料，更快写完文章，更快得到结论，更快完成任务。效率当然重要，尤其对于需要同时应对课程、实习和就业压力的大学生来说，合理使用工具可以节省时间，让精力投入到更有价值的事情中。

有些缓慢却不应被轻易消除。

读一本难懂的书时反复停顿，写一篇文章时迟迟找不到角度，和别人讨论时发现自己的观点站不住脚，这些经历看上去低效，却可能正在塑造一个人的思维。成长有时表现为产出速度变快，也有时表现为愿意在没有即时结果的情况下，把一个问题继续想下去。

现实中的重要问题往往没有可以直接复制的答案。将来我们会遇到职业选择、工作压力、公共议题和人与人之间的冲突，也会面对无法只凭利益或情绪处理的事情。到那个时候，一段漂亮的话很难替我们作出选择。理解事实的复杂性，听见不同立场，在不确定中作出决定，并承担由此产生的后果，这些能力都需要长期训练。

五、大学生仍然需要亲自完成的功课

我并不认为大学生应该拒绝人工智能。拒绝新技术既不现实，也没有必要。我们可以让它帮助自己查找关键词、梳理资料、比较观点，也可以让它指出文章结构上的问题。

使用工具之前，仍然需要问自己：我究竟想解决什么问题？使用工具之后，还要继续追问：这个答案可靠吗？它是否符合事实？有没有隐藏真正的困难？它提供的观点与我的经历和观察有什么关系？

工具可以代替一部分劳动，却无法代替一个人对问题的“在场”。所谓“在场”，指的是自己真正面对过这件事，认真经历过困惑，也愿意对最后表达出来的话负责。答案写得像真的，并不意味着它已经成为自己的认识；多数人都这样说，也不等于这个观点就无需继续检验。

大学教育的价值，也许就在这里。它让我们掌握知识和技能，也帮助我们形成面对复杂世界的判断力。人工智能越强，这种判断力越重要。

未来的大学生未必需要比机器记得更多、写得更快，但仍然需要知道什么值得追问，什么值得相信，什么不能只用效率衡量。我们还需要保留对真实生活的感受，对他人处境的理解，以及在缺少标准答案时作出决定的能力。

当答案越来越容易得到，我们真正要学习的，或许是如何与答案保持距离。

我们可以借助人工智能提高效率，也要保留自己的思考；可以听取它提供的内容，也要坚持核实和判断；可以让技术帮助我们完成部分任务，也要警惕把任务完成误认为自己已经成长。

一个人的价值，最终体现在他是否真正思考过自己说出的话，是否理解这些话可能带来的影响，又是否愿意为自己的判断承担责任。

这大概就是人工智能时代，大学生仍然需要亲自完成的功课。（文源：中央民族大学 莫欣欣）

【责编 岳钊恺】