📄 阅读范围说明：本文是《Nature》观点栏目 World View 评论，全文需登录订阅。本站卡片依据可公开获取的文章开篇、标题与导语、参考文献及元数据整理；中后段的完整论证（作者对大学具体做法的建议）未能核对全文，如需引用具体主张，请以原文为准。

文献：Schmitt, M. (2026). Use AI as a sparring partner, not an oracle. Nature, 657, 575. DOI: 10.1038/d41586-026-02846-1（栏目：World View 评论；作者为英国牛津大学研究者，研究 AI 技术如何重塑金融市场中的决策）

一句话主旨：AI 已经深度嵌入学术生活，真正的危险不是 AI 本身，而是被动使用——把它当成“成品答案的来源”；它的价值来自主动交锋。因此大学必须教学生质疑这类系统，并评估自己是否具备这种能力。

一、已经发生的事实：AI 已嵌入学术生活

作者开篇给出两组数据，说明这已不是趋势预测而是既成事实：

• 学生端：英国 3 月的一项调查发现，94% 的本科生使用生成式 AI 完成被评分的课程作业（见 go.nature.com/45pced3）。
• 科研端：2025 年发表的论文中，超过一半带有大语言模型（LLM）的语言痕迹，而 2023 年约为十分之一。

上述第二项数据来自作者所引的 Siler 研究（PNAS, 2026），即参考文献 [1]。

这一变化让教育者与研究者警觉：担心 AI 会侵蚀批判性思维，并让低质量成果涌入科学记录。

二、核心判断：危险不在 AI，而在「被动使用」

作者的身份是“AI 工具的常规使用者 + 牛津研究者”，他明确表示——危言耸听者（alarmists）把问题搞错了对象：

• 他认为这些担忧是真实的（those concerns are real），但它们瞄错了对象（aimed at the wrong object）；
• 危险不是 AI 本身，而是被动使用：把机器当作“成品答案的来源”，而它的价值恰恰来自主动参与；
• 担忧的具体形态是：学生不再思考、研究者把科学判断外包给 LLM——这些都是“被动使用”的表现，而非工具本身的属性。

三、为什么「陪练」这个隐喻重要

作者用“陪练（sparring partner）“来解释 AI 的正面价值，论证分三步：

1. 好的智力陪练极其稀缺。要找到一个人实时挑战你的推理、要求你拿出证据、对你的论证提出反驳，你需要一位很强的老师、一位敏锐的同事，或一个合适的研讨班（seminar）听众——而多数人从未获得过这种机会。
2. LLM 首次把这种机会变得可得。它提供了一个按需可得、有能力与你一起推理的对话者，作者称这是一种”智力火力的再分配（this redistributes intellectual firepower）“。
3. 科研想法本来就是在对话中成形的。研究者都知道，科学想法不会完整地降临，而是在反复对话与反复“把它说清楚”的尝试中浮现；如今这种思想交流可以在任何时间、多数地点进行，并且讨论有可检索的转录，可供复盘。

因此，“陪练”与“神谕（oracle）“的区别不在工具，而在用法：一个是持续交锋、逼你举证；另一个是索取成品答案、停止自己思考。

四、对大学的含义，以及它与既有证据的呼应

据文章标题与导语，作者的主张落点是：当 AI 成为科学中关键的协作者，大学必须教学生去质疑这类系统，并评估自己是否有能力做到这件事。

这与本站此前收录过的两条实证证据形成呼应：

• Bastani 等（PNAS, 2025）在土耳其高中数学的实地实验中发现：使用通用 GPT-4 辅助工具的学生，练习表现有所提升，但撤去工具后的独立考试成绩比对照组低约 17%；而加入教学保护设计的辅导工具大幅缓解了负面影响，却未带来独立成绩的显著提升。用本文的框架看，这正是“被动使用”的典型后果：工具在场表现与真实能力脱钩。
• **Kosmyna 等（arXiv 预印本, 2025）**被作者列为参考文献，属“人机交互对认知过程影响”方向的实验证据。

顺带一提：上述 Bastani 研究也正是本站教学文章《AI 越来越强，为什么还要亲自学习？》所引用的同一篇论文——两处证据指向同一结论：关键变量是使用方式，而不是工具是否存在。

精读笔记

核心论点：AI 是否损害思考，取决于用法而非工具本身。把 AI 当“神谕”（索取成品答案）会带来认知退化与判断外包；把它当“陪练”（要求它反驳你、逼你举证）则是一种智力资源的再分配。据此，大学的教学目标应从“是否允许使用”转向**“能否质疑与评估 AI”**。

三点可操作启示：

1. 把“质疑 AI”变成可教、可评的目标。既然要求是“教学生挑战系统并评估自身能力”，课堂上就应设计相应的表现性任务——例如让学生指出 AI 输出的证据缺口、复现其推理链、或在新情境下检验其结论。这比单纯禁用或放任都更可操作。
2. 用“谁在负责”区分主动与被动。一个简单判据：输出有问题时，是学生负责还是机器负责？被动使用的特征是“结论由机器负责”；主动使用要求学生对每个结论都能举证、反驳、改写。
3. 警惕把评论当作实证结论引用。World View 属观点性栏目，不是同行评议研究；其数据均来自所引论文。引用具体数字（94%、超过一半论文、17%）时，应回到下列原始文献。

本文所引参考文献：

1. Siler, K. Proc. Natl Acad. Sci. USA 123, e2605754123 (2026). DOI: 10.1073/pnas.2605754123
2. Kosmyna, N. et al. Preprint at arXiv (2025).
3. Bastani, H. et al. Proc. Natl Acad. Sci. USA 122, e2422633122 (2025). DOI: 10.1073/pnas.2422633122

原文：Nature · Use AI as a sparring partner, not an oracle（全文需订阅）