让北大、复旦等高校校长在开学典礼上不约而同发出提醒的，并不是学生接触了AI，而是AI可能从辅助工具悄然变成思考的替代品。当提问、检索、归纳、写作乃至解题都可以交给工具完成，学习者很容易获得“已经弄懂”的感觉，却没有真正经历理解、判断和表达的过程。
相关调研显示，99.18%的受访本科生都在使用AI。这说明讨论重点早已不是“要不要允许”，而是怎样使用才不会让学习只剩下快捷交付。校长们所担忧的“认知卸载”“虚假掌握”“思维外包”，指向的正是大学教育最核心的部分：一个人能否提出问题、辨别证据，并为自己的结论负责。
三种风险，为什么会让教育者紧张
认知卸载：省下的不只是时间
人们一直会借助计算器、搜索引擎和笔记软件减轻记忆负担，适度卸载并非坏事。危险在于，把本应由自己完成的关键认知环节一并交出去。例如，尚未读完材料就让工具概括观点，没有尝试推导就直接索要答案，或者不理解概念便生成一篇结构完整的作业。
这样节省下来的不只是机械劳动，也可能包括辨认矛盾、处理模糊信息和修正错误的训练。短期看，任务完成得更快；长期看，遇到没有标准答案的问题时，学习者可能缺少独立拆解问题的能力。
虚假掌握：看得懂不等于会使用
AI生成的解释通常流畅、完整，容易降低阅读者的警惕。学生读完后觉得“这很有道理”，却未必能够合上屏幕复述逻辑，更未必能把方法迁移到一道新题或一个新情境中。
判断是否真正掌握，可以做三个小测试：能否不用原文讲清概念，能否解释每一步为什么成立，能否找出结论适用的边界。只要其中一项做不到，就说明流畅答案带来的更多是熟悉感，而不是知识能力。
思维外包：最后连问题也由工具定义
更深一层的风险，是使用者不仅让AI回答问题，还让它代替自己决定“什么值得问”。如果论文立意、材料取舍、论证路径和结论措辞全部由工具安排，学生交出的作品也许形式合格，却难以体现个人的观察、价值判断与知识选择。
这也是所谓“教育空转”最值得警惕的地方：课程、作业和考试仍在运行，文本产量甚至更高，但真正发生在学习者头脑中的变化却可能减少。
AI并非不能用，关键是调整使用顺序
禁止学生接触AI既不现实，也会错过它在解释概念、提供反馈和拓展思路方面的价值。更可行的办法，是把它放在合适的学习环节。
- 先独立尝试，再请求辅助。先写下自己的问题、判断和卡点，再让AI提供解释或不同路径。没有初步思考，就很难识别回答究竟解决了什么。
- 把答案当线索，不当证据。涉及事实、数据、引文和专业结论时，应回到教材、论文或权威资料核验。网络信息也需要同样的习惯，例如面对传播广泛的说法，可以参考长沙电动车限速传言的核验过程，区分网传表述与部门明确回应。
- 要求它展示分歧。不要只问“答案是什么”，还可以追问有哪些反例、前提可能在哪里失效、不同观点各依据什么。
- 最终表达由自己完成。合上生成内容，用自己的语言重新组织。如果离开原答案就写不出来，说明理解仍未完成。
学生可以建立一套“使用留痕”规则
每次借助AI完成重要任务，可以保留四项记录：自己最初的思路、向工具提出的问题、采用或拒绝了哪些建议、如何核验关键事实。这不是增加形式负担，而是让学习过程重新可见。
尤其要留意三类信号：答案异常确定却不给出处，引用看似规范却无法检索，结论与常识冲突但语言十分流畅。生成内容的表达质量不能替代事实可靠性。类似地，面对虚构合同与流水构成的“挂靠参保”骗局，真正有效的判断也依赖记录核验和规则意识，而不是相信一套听起来顺畅的说辞。
高校真正需要改变的，不只是查作业
如果考核只看最终文本，AI自然最容易被用来生产最终文本。要减少思维外包，教学设计也需要更多关注过程，例如增加课堂答辩、阶段草稿、口头解释、同伴质询和真实情境任务。
教师可以允许学生说明AI的使用位置，同时要求其解释采纳理由、核验路径和修改过程。评价重点也应从“写得像不像标准答案”，转向问题意识、证据质量、推理连贯性与个人判断。这样既不回避工具，也不会把技术熟练度误当成学习成果。
校长们担心的，最终是学生失去提问的耐心
AI可以快速提供一个像样的回答，但大学教育的意义并不只是得到答案。它还包括在不确定中继续追问，在证据不足时暂缓结论，在观点冲突时重新检查自己的前提。
因此，面对AI最稳妥的态度不是拒绝，也不是依赖，而是建立清楚的边界：让工具承担重复整理、启发思路和即时反馈，把提问、判断、核验及最终表达牢牢留给自己。会使用AI是一种能力，知道何时不该把决定权交给它，则是更重要的能力。
本文由热词说编辑撰写，版权归本站所有。撰写日期：2026年9月21日。
本站编辑原创，发布日期：2026年09月21日 08时50分49秒（北京时间）
