开通VIP，畅享免费电子书等14项超值服
首页
好书
留言交流
下载APP
联系客服
当你的孩子靠着 AI 轻松拿下高分，当作文被润色得无可挑剔，但是当心，别被表面的轻松拿高分所迷惑，一切违背规律的，必将被时间淘汰。
在 AI 时代，作文越来越好写、高分越来越好拿，越来越多的学校、教育科技公司也在用 AI 来提高效率，但这个研究却在清醒地提醒我们：
不要被短期的好处所迷惑了，
来得容易的，去得也快。
在 Peterson 的模型里，AI 在教育中有两个作用：一方面，它让某些技能更容易被教会，学生学得更快；另一方面，这些技能往往也是未来最容易被 AI 替代的。
一句话说清楚，这个机制是如何运作的？
这意味着：教育者越是把时间和资源集中在 AI 能高效教授的技能上，学生未来在劳动市场上就越可能被边缘化。模型里把这种现象称作 “技能错配”。
教师和家长看到的是“孩子进步快了”，但没意识到：这些进步的技能，可能正是 AI 最快取代的。我们用最尖端的科技，训练孩子掌握最快过时的技能。
这就是教育的效率陷阱：我们越追求眼前的效率，越可能牺牲孩子的长远竞争力。
哲学家海德格尔在《技术的追问》中提醒过：
技术最大的危险，
在于让人自身也被简化为“可计算、可替代”的存在。
我们要问：当孩子掌握的只是那些最容易被机器替代的技能，他们还在成为“人”，还是在被训练成另一种工具？
研究者指出，最令人担忧的负面影响是：如果教育者忽视那些“非认知能力”，比如毅力、情境判断、审美、复原力等，那么 AI 的采用反过来可能削弱这些能力的培养。
因为很多非认知能力正是在“解决难题、承受挫折、处理模糊性”中锻炼出来的，而 AI 为我们规避困难、提供“答案”，可能让这些锻炼机会减弱甚至消失。
研究者发现：如果时间分配低、AI 使用水平高，非认知能力的产出会受到直接影响。也就是说，当更多时间用在 AI 强化的技能上，能用于培养非认知能力的时间就会减少。
简言之，AI 强化教学可能会削弱孩子在“面对未知、解决不确定性、情境判断、坚持”这些最人性的能力上的成长。
从长期来看，这对于培养人来说，是得不偿失的。心理学研究表明：非认知能力比认知能力更能预测人生长期成就（Duckworth 的“坚毅”研究，也可并参考 Mischel 的延迟满足实验）。
正如哲学家阿伦特在《人的境况》的警醒：教育的任务，不是制造工具，而是让新人有力量面对一个不确定的世界。
Peterson 总结了现实中过度使用 AI 的几种现实场景，并分析了背后的风险。
第一、过度聚焦“可测指标”的内容
当 AI 用于考试训练、题库强化、标准化测验练习时，教育系统倾向把资源投入那些“容易衡量、容易反馈”的知识技能，如公式、语法、编程基础操作等。这些正是 AI 能够辅助甚至代替的部分。
于是，教学设计可能越来越“机械”：让学生不断练习“结构化题目”，减少探索性、开放题、批判性思考的空间。孩子成了“应试机器”，但真正的判断力、抗挫能力、元认知可能被边缘化。
第二、学生依赖性增强，失去驾驭能力AI 可以给出提示、补全答案、辅助思路，这在学习中确实有好处。但如果长期依赖，学生可能变得“不会在没有 AI 的时候继续思考”。一旦面对没有 AI 辅助的环境，如考试、现实问题，可能束手无策。
比如：AI 可以帮助写作文、润色句子、纠正逻辑，但写作的底层能力（素材联想、语言锤炼、情感表达）可能逐渐被旁路化。
第三、非认知能力的流失与长期代价毅力（persistence）、延迟满足、自我驱动、承担责任意识、批判思维……这些能力很难测量、也难在短期内用考试分数体现。
AI 的“捷径”如果替代了“摸索—失败—修正”的循环，我们可能培养出技术访问能力强、但内在驱动力弱、情境判断力贫乏的一代。教育不仅是技能传递，更是人的存在方式与价值建构。
以下是四种效率至上的典型版本：
版本一：AI 全面替代教师：便宜、可扩展、全天候服务——但情感交流与个体识别薄弱，教师身份被弱化。
版本二：全量课堂练习交给 AI：即时反馈、减轻压力——但练习集中在可模式化题型，忽视开放/探究任务。
版本三：AI 精准诊断 + 定制路径：看似“千人千面”——但一旦误判，学生被困在“小箱子”，自由探索受限。
版本四：压缩“讲授+讨论”，拉满 AI 练习时间：效率更高——但质疑、争辩、慢思考被削弱，课堂趋于单向。
这些思路都是“效率流”的极端版本。若缺乏对人的长线视角，它们都可能把教育导向“训练—使用—淘汰”的循环，而非“成为人”的成长路径。
如何用好AI的红利，又不偏离教育的本质，以下是 Peterson 的几点建议：
第一、AI 可做“工具助手”，不能做“思维主导”。基础练习交给 AI；而主题生成、结构规划、情感表达、逻辑推敲，需要人与人之间的对话、批评与共创。
第二、别把资源全部压在“AI 易提升项目”上。把毅力、延迟满足、自主计划、反思能力、协作能力等纳入评价维度。即便难测，也给出权重（可用过程性评价、同伴互评、项目日志等方式）。
第三、保障课堂留白与试错空间。在作业里有意保留“适度难度”和“故意留白”，让学生在困惑中停一停，反思、推敲、试错，非认知能力才有增长的土壤。
第四、避免培养短平快能力。不要把 AI 视为“替代者”，而是“助力者”；把就业信号和市场前景纳入课程设计，避免培养“过度可替代”的短平快能力。
第一、自信心比成绩更重要。
在教育的奠基理论中，自信来源于自主性、参与度、成效感。AI 时代成效感容易获得，但自主性与参与度需要家庭持续供给：让孩子参与家庭决策、个人学习计划与社区公共事务，培养“能动感”。
第二、创造“容错环境”。过去我们为“做不对/做不好”焦虑；现在请允许“慢一点、错几次、再修正”。这恰是人成长的必经之路。
小锦囊1：每周一次“无答案作业”（家长只问三问：你怎么想？你怎么证伪？下一步？）。
小锦囊2：每月一次“失败复盘夜”（全家各讲一次失败、复盘原因与下一步改进）。
把 AI 当“可错的工具”，一起讨论它的错误、偏差与价值判断。与老师/学校沟通时，建议把非认知能力纳入评价，把 AI 用作辅助而非核心驱动力。每个家长都是教育的参与者、共建者。
第三、关注AI的教育政策。
在AI时代，我们可以成为孩子 AI 的共学者，与孩子一起探索 AI 的边界，讨论 AI 出错的地方、偏差、价值判断、伦理问题。让孩子知道 AI 有局限，它不是万能答案
在与老师、校方沟通时，可以建议把非认知能力纳入评价，把 AI 用作辅助手段，而不是核心教学驱动力。
每个家长都是教育的参与者、共建者，关注政策制定，也是一个负责任的公民可以做出的积极贡献。
从 ChatGPT 诞生那天起，AI不可避免地融入教育、改变格局。但教育的本质，从来都不是追求效率最大化。
人的成长，是在不确定、矛盾、模糊中形成自我；在失败与反思中重塑信念；在情境判断与责任承担中铸就人格。
如果我们把教育过度交给 AI，而不守护那些不可测、不可量化、却最核心的人性维度，那么学生可能在“更快学会”中，失去成为自己的可能性。
在 AI 大潮之下，愿我们作为家长、教育者与社会成员，保持清醒，不被功利主义淹没方向，只有这样，我们才能为孩子创造过上良好生活的可能性。
Peterson, A. J. (2025). Training for Obsolescence? The AI-Driven Education Trap. arXiv.
Duckworth, A. (2016). Grit: The Power of Passion and Perseverance.
Heidegger, M. (1954). The Question Concerning Technology.
Arendt, H. (1958). The Human Condition.
Jaspers, K. (1954). The Idea of the University.
Nietzsche, F. (1888). Twilight of the Idols.