AI 什么都会了，人为什么还要学？
一篇关于 AI、教育与科研的冥想：教案 AI 写、作业 AI 做、论文 AI 写又忙着去 AI 味——当交互变成 AI 与 AI，教师和学生在哪里？既然 AI 什么都会，人为什么还要学习？
最近上课，我常在讲台上想一个问题：这节课的内容，AI 早就比我熟；我批的作业，AI 改得可能比我快；学生交上来的作业，也可能是 AI 写的。那么，站在讲台上的我，价值在哪里？坐在下面的学生，学习的意义又在哪里？
这不是矫情。它是我这个大学老师，在 AI 时代必须正面回答的问题。
一、先说一个越来越常见的“怪圈”
我们正在进入一种奇怪的循环：
- 老师用 AI 写教案、做课件、批作业；
- 学生用 AI 写作业、做报告、答考题；
- 老师再让 AI 检查学生有没有用 AI，学生再让 AI 把内容改得“不像 AI 写的”。
绕了一圈，交互变成了 AI 与 AI 的交互，而人与人的交互反而被简化了。
这个怪圈里，每个人都很忙，都很“高效”——但高效在替谁忙？如果一篇教案只是 AI 生成、教师转发，一份作业只是 AI 生成、学生提交，那么教学中最宝贵的东西——一个人认真讲给另一个人听——就悄悄消失了。
二、AI 到底起什么作用？先看看权威机构怎么说
2023 年，联合国教科文组织发布《在教育和研究中使用生成式 AI 的指南》，这是全球第一份针对生成式 AI 的全面政策指引。它的核心立场很明确：
AI 在教育和研究中应服务于以人为中心（human-centred）的目标；教师不应被替代，而应被赋能；学生不应被动接受 AI 输出，而应被培养出批判性使用 AI 的能力。
来源：UNESCO. Guidance for generative AI in education and research (2023) · UNESCO: Governments must quickly regulate Generative AI in schools
用一句话翻译这个立场：AI 是“工具的主人请进门”，不是“把主人请出去”的工具。 它可以替我们省下执行的时间，但省不下的是判断、责任与人的成长。
三、人为什么还要学习？
这是我被问得最多的问题：AI 什么都知道、什么都会做，我为什么还要辛辛苦苦去学那些“网上都能查到”的知识？
一个诚实的回答是：学习的目的，从来不只是“知道答案”。
美国国家科学院在《人是如何学习的》这份经典报告中总结过一个被大量研究支持的结论：真正的学习不是往脑子里拷贝信息，而是把新知识“长”进自己已有的知识结构里——理解、迁移、在新情境中运用，这些都需要学习者自己主动加工，没有任何外部工具可以替代这种“建构”。
而认知心理学里最被反复验证的效应之一——“检索练习效应”（retrieval practice）告诉我们：同样一份资料，反复读的人记得浅，逼自己回忆（测试）的人记得牢。记忆之所以牢固，恰恰是因为大脑经历了一次困难的主动提取，而不是因为信息被“喂”了进来。
这两条加起来，回答就清楚了：
AI 能替你“完成”，但替不了你“学会”。 学习是让知识长进你的身体里——长出判断力、长出提问的眼光、长出敢于负责的底气。这些无法从对话框里复制给你。
四、那“去 AI 味”，到底在去什么？
你可能会追问：既然 AI 写的论文，只要内容正确、确有价值，为什么不算好论文？为什么大家还要忙着“去除 AI 味”？这看起来确实矛盾。
我想了很久，试着这样理解：
论文的价值，从来不只是内容；它还包括“谁为它负责”。
Nature Portfolio 等主要期刊的 AI 政策都写得很清楚：大语言模型不能被列为作者——因为作者必须对论文负责，必须能在被质疑时站出来解释、修正、承担后果，而模型不能。
来源：Nature Portfolio. Artificial intelligence (AI) policy — no LLM authors, and AI use must be disclosed · Nature Methods editorial: Using AI responsibly in scientific publishing
所以，期刊并不是在歧视“AI 写的”——它是在保护可问责性（accountability）。一篇署名你的论文，哪怕 90% 由 AI 起草，你也必须能解释每一个论断为什么可信、每一个数据为什么可靠；“去 AI 味”去掉的不是文风，而是把责任从 AI 手里接回自己手里的过程——去完之后，这篇论文才是“你的”成果，你才配署上名。
这也能解开你那个“想不通”：AI 写的内容可以是好论文的素材，但“好论文”之所以叫“好”，是因为有一个人站出来为它负责。 两者不矛盾——AI 负责效率，人负责担当。
五、如果工作都被 AI 做了，人还能做什么？
最后一个问题最重：如果未来许多工作都被机器人取代，我们学了一身知识技能，还能做什么？
世界经济论坛《2025 年未来就业报告》给出的图景，比“机器取代人”要复杂得多：到 2030 年，约 39% 的现有核心技能将发生变化——但同时也预估 AI 将净创造大量新岗位，且增长最快的技能恰恰是分析性思维、韧性与灵活性、领导力、好奇心与终身学习这类“人味”十足的能力。
来源：World Economic Forum. The Future of Jobs Report 2025
换句话说：被 AI 大量替代的，是“执行给定任务”的那部分；而“决定该做什么任务、为什么要做、做到什么程度、出了错谁负责”的那部分，正在变得更加值钱。 而那部分，恰恰是要靠学习、靠被认真教过、靠跟人争辩过，才长得出来的。
六、我的答案是：学的不是答案，是“成为”
回到开头那个讲台上的问题。
如果教育的终点是“会做所有题”，那 AI 时代的教育确实可以解散了。但如果教育的终点是让一个人成为能独立判断、能提出好问题、能为自己的判断负责的人——那么 AI 越是强大，这件“成为”的事就越重要：
- 学生要学的，不是 AI 的答案，而是“为什么信这个答案”的能力；
- 老师要做的，不是跟 AI 比赛生产知识，而是示范一个活人如何思考——如何在不确定中作判断、如何接受质疑、如何为结论负责；
- 论文要“去 AI 味”的真正原因，也不是看不起 AI，而是署名即负责：把成果变成一个人的承诺。
所以，AI 什么都会了，人为什么还要学？
因为学习的终点不是“会”，是“成为”。AI 让我们不必再为“会”花那么多时间，正好可以省下时间来学习“成为”——成为那个能判断、能提问、能负责的人。
而这，是任何模型都无法替你完成的事。😊
参考来源：
- UNESCO（2023）——《在教育和研究中使用生成式 AI 的指南》
- Bransford, Brown & Cocking（2000）——《How People Learn（人是如何学习的）》，美国国家科学院出版社
- Roediger & Karpicke（2006）——《Test-enhanced learning》, Psychological Science
- Nature Portfolio——《AI policy：LLM 不得列为作者、使用须披露》
- World Economic Forum（2025）——《The Future of Jobs Report 2025》
文中插图（封面与分界示意图）均为本站自制。