如果 AI 成为默认工具，我们到底还需要教什么？
一场关于未来教育的访谈
这篇文章来自 ChatGPT 与 Yiran Wang 关于 AI、teaching 和 future learning 的一场长时间对话。Yiran 提出了文章中的核心观点、例子和大部分未来设想；ChatGPT 主要负责提问、追问、提出反例，并将原始对话编辑成下面的 Q&A。部分概念，例如 “co-evolving cognition”，是在对话过程中由 ChatGPT 提出、再由双方共同展开的。
ChatGPT：这场讨论最开始是怎么来的？
Yiran 今天课上有一个人问了一个问题。他觉得学生使用 AI 会直接回答比如作业的问题，影响他们的 critical thinking。
我当时给了一个 comment：那是不是我们的问题问错了？我们没有在基于 AI 已经存在的条件下去设计这些问题。
我觉得这是我现在对 teaching 一个比较核心的想法。课堂之外，不管是公司还是学校，很多工作都已经有 AI 的参与。即使一个人本来不懂某些东西，他也可以通过 AI 做到一定程度的结果。
你不可能禁止学生一辈子不用 AI。甚至学生课后到底有没有用 AI，你也不知道。那是不是应该重新构建 teaching framework？
ChatGPT：所以你的意思不是简单地“允许学生用 AI”，而是连我们现在认为重要的一些 skill 都应该重新考虑？
Yiran 对。
现在很重要的 reading、writing、coding skills，其实已经开始大规模转向使用 AI 了。那以后这些 skill 是不是还会像现在这么重要？
比如 reading 和 writing paper，本质上是把知识、理论和观点传递给别人，也就是 communication。那是不是可以用 presentation 作为 course evaluation？
我小时候没有电脑，要用字典查单词。后来有了电脑，那时候的小学生很可能已经不知道怎么查纸质字典了。这些 skill 本来就在不断进化和迭代。
既然科技带我们到了下一个 level，那我们还有必要让所有人都继续学怎么查字典吗？
当然不是说这些 skill 对所有人都没价值。比如这种搜索和检索能力，对图书馆学可能还是很重要。我的意思是，它可能不再是所有人都需要掌握的 skill。
ChatGPT：那什么东西是不能简单交给 AI 的？
Yiran 理解知识、消化知识、运用知识，还有进一步扩展知识。
这些是人需要拥有的。AI 可以提供知识，但不代表你理解了。
我其实想得比较激进，已经有一点 sci-fi 了。几十年以后，随着 AI 长大的刚出生这一代人，他们可能会有完全不同的 communication method。
假设 AI 真的可以把一篇 paper 的信息完整准确地提供给你，那我觉得没有必要一定把 paper 从头读完。尤其以后 paper 本身都有可能是 AI 写的。
Paper 也只是知识的一种承载形式。如果知识可以精确传递，那也不是非得有 paper。
ChatGPT：那 expert 还会存在吗？如果 AI 已经储存了一个领域全部的知识。
Yiran 当然会。
有一本字典也不代表你会这个语言。如果你真的要探索一个方向，你还是要花时间理解、消化、运用这方面的知识，然后你才能探索它的边界。
AI 有所有知识，不意味着所有人都能理解和运用这些知识，也不意味着所有人都对这个方向感兴趣。
另一个问题是，knowledge bank 里面是人类已经知道的东西。未知的东西还是在那里。
人本来就是被好奇心驱使的。我很难相信人会因为 AI 出现就突然失去好奇心，然后不再发展任何科学技术。
而且每个人感兴趣的东西也不一样。我可能对统计感兴趣，另一个人对生物感兴趣，那我们就可能分别成为自己方向的 expert。
ChatGPT：你一直说 knowledge bank。你具体是怎么想这个概念的？
Yiran 我之前就想过，未来的 knowledge 可能就是一个 bank。你需要的时候就提取，不需要全部记住。
但这不代表你什么都不用记。记忆的方式本身也可能改变。
再科幻一点，如果以后有足够好的人机接口，那“记忆”是不是也可以更好地储存？甚至可能有接近无限的记忆，而且不会忘记。
就像《黑客帝国》，如果 skill 可以像硬盘里的信息一样输入脑子，那很多东西都会完全不一样。
当然这个已经很远了。
我用 bank 这个词还有另一个原因。我会担心前期可能出现很资本主义的情况，大公司垄断这些 knowledge resources。
直到未来某种社会变化以后，knowledge 才可能真正开放给所有人。
但这个就已经超出我的专业了，我对 sociology、political economy 这些并不了解，只能想象。
ChatGPT：你觉得 AI 会改变人的思维方式吗？
Yiran 我觉得已经在改变了。
比如我前一天去了 ROM，看恐龙化石。我看到一个东西，产生一个问题，就问 AI。
得到答案以后，我又想到另一个问题，再继续问。然后答案又让我继续想到更深的问题。
就这样一直循环，直到走到一个没有很好已知答案或者解释的地方。
这个过程中，我确实可以想得比以前深很多。
但我想强调，是我在提出问题。不是我在跟着 AI 的问题走。
ChatGPT：我们当时用了一个词，叫 co-evolving cognition。
Yiran 对，我很喜欢这个词。
但我觉得思考还是人类做的。思考需要的所有知识可以通过 AI 得到。
人的好奇心提出问题，AI 提供知识，新的知识又让人想到新的问题。
如果你根本没有理解前面的东西，其实你也很难问出下一个更深的问题。
所以我不觉得“随时都可以问 AI”会让人的知识框架越来越浅。反而可能会让知识深度和理解深度都增加。
ChatGPT：很多人会说，AI 会让人变懒。
Yiran 我觉得对现在的学生，确实可能有这个问题。
尤其这一代学生还经历了疫情，教育水平中间肯定受了很大影响。他们很尴尬，有了工具，但是没有真正学会怎么用工具。
旧的教育体系也没有很好地融合 AI。结果可能是既没有把原本应该学会的知识学好，也没有学会怎么正确使用 AI。
但是“AI 会让人变懒”这句话本身还有另一个问题。
如果原本需要大量 effort 完成的事情，现在可以一键完成，那这件事情是不是本来就已经被时代淘汰了？
以前你要大量笔算，后来有了计算器。人突然不用自己在纸上算那么多东西了，那数学家就变懒了吗？
没有。他们只是去做更难的数学了。
所以为什么 effort 本身一定有价值？难道不会有其他更值得努力的事情吗？
ChatGPT：还有一个常见说法：AI 会让人失去耐心，大家越来越不愿意读一本书、啃一个难题、做很多年的研究。
Yiran 我觉得这个还是局限在我们现在的思考方式里。
如果你的目的是读书，那你当然可以读。但如果你读书的根本原因是获得知识，那如果 AI 能让你更高效地获得同样的知识，为什么一定要慢下来？
同样，啃难题、做研究的根本原因是什么？
如果是获得知识、解决未知边界、得到科研成果，那 AI 能帮助你更快达到这些结果，为什么一定要人为把速度降下来？
如果你只是喜欢慢慢读一本书，那当然没有人会阻止你。
但不能因为我们这一代习惯了这种方式，就觉得未来的人也必须保持一样的速度。
ChatGPT：那原创性呢？有人会担心 AI 只能基于已有知识，把 A、B、C 重新组合，最后人也只会跟着做 A+B+C。
Yiran 我反而觉得现在的人花了太多时间和精力去系统学习很多他们可能根本不需要的东西，所以想象力被限制得更多。
而且如果 AI 的发展足够快，A+B+C 这种东西可能人还没来得及做，AI 就已经做完了。
那人为什么还要把时间放在这里？
原创性对我来说不是生成一个新的内容形式，而是探索未知边界。
如果我已经知道一个知识是已知的，我还会花很多时间再去探索它吗？
我可能更想知道未知的是什么。
所以 AI 如果能让我更快地穿过已知知识，我反而可以更早去探索未知。
ChatGPT：这个思路会不会让学科边界也变弱？
Yiran 我觉得会。
如果每个人都有自己真正好奇的方向，那方向可能会变得更细。
比如我不是说“我要学整个植物学”。我可能就对“叶绿体在进化史上是怎么产生的”特别感兴趣。
那我就围绕这个问题去学需要的 evolutionary biology、cell biology、biochemistry。
我不一定要先把所有生物学系统地学完。
如果后来这个问题又带出新的问题，我可能再进入新的方向。
一个人一辈子当然也不可能只提出一个问题。
所以 future expertise 可能不一定是按 discipline 来的，而可能越来越围绕问题形成。
ChatGPT：那 prerequisite 呢？比如研究某个问题之前，很多基础知识很无聊，但不得不学。
Yiran 如果这个人真的确定要研究这个方向，那就再把基础补上。
而且在补这些基础的时候，他可能又产生新的问题，进入别的方向。这不还是好奇心带来的吗？
我不觉得系统性学习一个完整学科本身有独立价值，除非你真的就是想系统性学习整个学科。
比如我可能是“叶绿体进化”这个问题的 expert，你可能是整个 biology 都很熟的 expert。
两个人都可以。
ChatGPT：那如果未来 AI 能让人很快穿过已有知识，人是不是会更快碰到“没有答案”的地方？
Yiran 我觉得会。
不是因为我们要刻意训练人去忍受未知，而是客观上，你可能很快就到知识边界了。
那你就会长期面对“这里还不知道”。
但我不觉得这是一个特别 negative 的事情。
如果你本来就是因为好奇心在探索，那 hypothesis 不成立、某个方向没有答案，可能反而会继续激起你好奇。
ChatGPT：所以你其实非常相信人的好奇心。
Yiran 对。
我觉得问问题不是学会的。
孩子本来就会问：叶子为什么是绿的？天为什么是蓝的？
人天生就会问这些问题。
现在的问题反而可能是，我们的教育体系和社会体系没有让人的好奇心得到足够发展。
如果 AI 能让一个问题很快得到答案，然后让人继续问更深的问题，我很期待看到人的好奇心和想象力真正被放大以后会发生什么。
ChatGPT：这就带到了一个非常 sci-fi 的问题。如果未来学习主要由好奇心驱动，大学、major、degree 这些东西还需要吗？
Yiran 我觉得那个时候可能都不重要了。
如果每个人都有 knowledge bank，为什么一定要被这些 label 限制？
Major、degree 很大程度上也是因为现在找工作、credentialing 需要。
但如果 AI 带来的生产效率已经高到社会根本不需要今天这种工作体系了，那这些东西还有什么意义？
当然这里已经想得太远了。
我们前面甚至想到了没有工作、没有学位、没有毕业、没有传统意义上的学校。
那其实已经接近另外一种社会结构了。
再往下就不是 education 的问题，而是未来社会到底长什么样。
ChatGPT：那为什么还需要 education？
Yiran 这个问题应该先问 education 的底层逻辑是什么。
如果把学校、考试、学位这些都去掉，教育可能还是帮助一个人理解世界、处理问题、形成判断、继续探索。
但如果一个孩子有很强的好奇心，又有一个可靠的 knowledge bank，可能很多 learning 会自然发生。
所以最后还是回到了好奇心。
如果人的好奇心真的可以无限放大，也许 future learning 就会非常不一样。
但这个我们真的不知道。
ChatGPT：你对现在这代学生比较悲观，对下一代反而更乐观。为什么？
Yiran 因为我觉得三个东西都会变。
AI 会成熟。
教育体系会被强迫改变。
下一代又会从小在这个环境里长大。
我们 90 年代出生的人小时候已经有计算器，所以不会觉得计算器给出的答案天然值得怀疑，而是直接拿它做更多计算。
再下一代从小就有电脑和互联网，他们也自然觉得电脑和网络就是工具。
AI-native generation 应该也是一样。
他们不是先形成我们的思维方式，再去学习 AI。
他们从小就会把 AI 当成默认环境。
所以他们的思考方式可能和我们真的不一样。
ChatGPT：那今天的教育应该怎么做？毕竟很多老师这学期或者下学期就要教课。
Yiran 这个要现实一点。
我不会限制学生使用 AI。
如果 AI 未来就是默认工具，那为什么不教他们怎么掌握这个工具？
但这不是说什么都不用管。
AI policy 还是应该写得尽可能清楚。
哪些可以做，哪些不能做，违反以后有什么后果，都应该告诉学生。
如果我允许 AI writing、coding、brainstorming，那我就不会再用那些可以直接交 AI output 的东西作为主要 assessment。
不然这个作业本身有什么意义？
ChatGPT：所以你会怎么评价学生？
Yiran 比如 presentation、oral questioning、discussion、group work。
这些可以更好判断他们有没有理解。
如果学生用 AI 做 slides，没有问题。
但 slides 的 flow 怎么样？排版布局怎么样？信息有没有组织好？
学生能不能解释为什么这样做？问他问题的时候能不能回答？
这些都可以看出来他到底是真的理解了，还是只是让 AI 做完以后自己完全没看。
如果是纯理论考试，那 traditional written exam 当然也可以继续。
因为你就是在考理论。
有没有 cheatsheet 我觉得都无所谓，反正我也不是想让他们死记公式。
ChatGPT：大班课怎么办？不可能给每个人做很长的 oral defense。
Yiran 这个我觉得要现实一点，而且我不觉得这是一个 AI 才出现的新问题。
Group work 就可以减少 workload。
TA 怎么分工、group 怎么设置，这些 teaching faculty 应该已经有很多经验。
说实话，这部分我自己的 experience 不够。
我没有真正独立教过完整课程，主要是 TA 经验。
所以这些 practical details，我觉得应该去看更有 teaching experience 的人怎么做，而不是我在这里凭空设计。
ChatGPT：那有没有什么东西，是 AI 越强，教育反而应该给学生更多机会去做的？
Yiran 探索世界。
如果 AI 越强，人们自由出来的时间和精力越多，那就更应该去开阔视野，探索自然科学，也探索社会科学，去看看知识边界在哪里。
不是 AI 帮你省了一小时，然后我们再给你多布置一小时同样的作业。
我更希望这些时间被用来看到更多东西、产生更多问题。
ChatGPT：你对 AI 的很多悲观叙事都不太认同。不过有没有哪些 concern 你觉得是真实的？
Yiran 有。
比如人与人的 interaction。
如果以后每个人都在探索自己真正感兴趣的东西，learning 很个性化，那共同学习、共同讨论可能确实会少。
这也是为什么现在教育里应该鼓励 group work，研究生应该鼓励 collaboration。
再比如 AI ethics。
Law、political science、ethics 这些领域我会更谨慎。
自然科学很多时候是对已有自然规律的总结。
但这些社会科学、人文学科涉及人类社会长期形成的法制、道德、制度、价值。
现在 AI ethics 还没有发展得很好。
AI 参与这些东西以后到底会怎样，我确实没有足够背景去判断。
我不觉得自己能比 law 或 political science 的人想得更好。
ChatGPT：还有教育不平等呢？
Yiran 这个也是现实问题。
这也是为什么我叫它 knowledge bank。
如果这个 bank 被大公司控制，最好的模型、算力、知识 access 都是有钱的人先用，那肯定会有 inequality。
而且我觉得这种垄断可能会持续一段时间。
之后会怎样，我不知道。
科幻小说一般会写有人起来革命，然后 knowledge 变成公共资源。
但那就是 imagination 了。
这已经是政治、社会制度的问题。
ChatGPT：有一个悲观叙事是，AI 会让大家的答案越来越一样，最后所有人的思维都同质化。
Yiran 我觉得这个又默认了大家会问一样的问题。
下一代学生随着 AI 长大，他们不一定会问同样的问题。
如果每个人都是被自己的好奇心驱动，那他们的问题本身就可能完全不同。
共享同一个 knowledge bank，不代表所有人走同一条路。
ChatGPT：还有一种担心是，AI 会让人不再读原始材料，只看 summary，失去 nuance 和作者原意。
Yiran 这个我其实同意会发生。
所以我觉得 reading 和 writing 可能真的都会逐渐被淘汰或者弱化。
尤其如果以后 writing 的人自己也大量靠 AI 写，那“作者原意”到底还有多重要，也会变化。
但这不代表 communication 消失。
Presentation 里面还是有口头表达、文字、图片。
以后也可能有完全新的 communication method。
我更关心的是信息有没有准确传递，别人有没有真正理解。
不是一定要保留某一种形式。
ChatGPT：所以如果把整场访谈压到一个最核心的问题，你觉得是什么？
Yiran 我觉得还是：
我们为什么要一直担心一些肯定会被淘汰的 skill？
更重要的是重新想 teaching 的根本目的是什么。
如果 AI 能帮助我们更快理解已有知识，那就应该让人有更多时间去理解、应用、继续问问题、探索未知。
我并不是说现在的学生什么都不用学，也不是说现在所有传统 teaching method 都应该消失。
我们现在还处在 transition period。
但是如果 AI 会成为默认工具，那我觉得最重要的事情不是想办法一直把它挡在课堂外，而是教学生怎么真正使用它。
然后重新想：
当一个工具已经可以替我们完成越来越多过去必须花时间做的事情以后，我们到底希望人把这些时间和精力用在哪里？
我希望答案是：去看更多东西，问更多问题，更快地走过已知，然后去看看未知的地方到底还有什么。
关于这篇访谈
这不是一份逐字 transcript，而是一份经过编辑的 Q&A。原始访谈中有许多分支、重复追问和未完成的 thought experiments，ChatGPT 在整理时删去了部分重复内容，并重新安排了问题顺序，以形成更连贯的阅读结构。
Yiran Wang 的贡献主要包括访谈中的核心观点、判断、类比和未来设想，包括 AI 作为默认工具、knowledge bank、skill obsolescence、assessment redesign、curiosity-driven learning、problem-centered expertise、AI-native cognition，以及对常见 AI pessimistic narratives 的回应。
ChatGPT 的贡献主要包括担任 interviewer，提出问题、反例和延伸情境，追踪讨论中的分支，并在编辑阶段整理、压缩和重组访谈内容。部分概念化表达，包括 “co-evolving cognition” 以及将不同 AI concerns 区分为 transition-period concerns、真实但未必负面的变化和社会制度层面的开放问题，来自访谈过程中的共同发展。
因此，这篇文章本身也是它所讨论的一种 human-AI collaboration。