AI时代，先分清能力评价与结果评价

围绕人工智能的使用，现在有许多争论。学生使用AI完成作业，是否应该被允许？科研人员借助AI写论文，是否影响研究成果的价值？职场人士大量使用AI，是不是就不能证明自己的工作能力？

这些问题看起来都在讨论AI，实际上却涉及两种不同的评价目的。

评价AI时代的人与成果，首先要分清能力评价与结果评价。

所谓能力评价，是要了解一个人究竟具备什么能力。他掌握了哪些知识，能够独立作出什么判断，可以完成什么工作？如果使用了AI，就需要进一步区分：哪些能力是他自身已经掌握的，哪些表现是在AI辅助下实现的。这种区分并不意味着使用AI的能力没有价值，只是两者不能被直接等同。

结果评价的出发点则不同。它关心的是最终完成了什么，结果是否正确、可靠，有没有实际价值。一个软件能否正常运行，一项研究是否得出了有根据的新结论，一份方案是否解决了实际问题，这些都不能仅凭使用了多少AI来判断。使用工具的方式当然可能影响结果的可靠性，但工具的参与本身，并不构成否定成果的理由。

中小学教育是一个比较典型的能力评价场景。学生学习数学、写作或者其他基础知识，教育者不仅要看答案对不对，还要知道学生是否真正理解了相关知识。如果一道题完全由AI解答，答案再正确，也不能据此认定学生本人已经掌握了解题方法。因此，在某些教学和考试环节，区分独立完成与AI辅助完成是必要的。当然，学习如何使用AI也可以成为教育的一部分，这同样属于需要培养和评价的能力。

到了科研和职场，情况就有明显不同。

科研工作本来就依赖各种仪器、计算机和专业工具。研究人员的价值，不应该由他摆脱工具之后还能独自做多少工作来决定。尤其在博士阶段，研究已经具有很强的探索性和创造性。评价的重点应当更多放在研究问题、研究方法以及成果的原创性和可靠性上。既然AI已经成为重要的研究工具，就没有充分理由要求研究者为了证明自己的能力，刻意回避它。

职场也是如此。一个人借助AI完成程序开发、资料分析或者其他任务，只要成果符合要求，就应当按照成果的质量和实际效果进行评价。不能因为他采用了更有效的工具，就降低对工作成果的认可。

这里容易出现两种相反的误判。一种是看到AI辅助产生了出色结果，就直接认定使用者具有同等水平的独立能力；另一种是发现成果使用了AI，就认为成果本身不值得认可。前一种混淆了结果与个人能力，后一种则把工具使用当成了否定结果的理由。两种判断都没有先弄清楚评价的对象。

提出能力评价与结果评价的区分，并不是要为所有学校、学位和工作岗位制定一条统一的AI使用界限。实际场景中，两种评价可能同时存在，各自占多大比重，还需要依据评价目的来决定。

我想强调的只是一个基本问题：当我们讨论一个人是否应该使用AI，或者应该怎样评价他的表现时，首先必须弄清楚，我们究竟是在评价这个人的能力，还是在评价他所完成的结果。

只有把这两个问题区分开来，有关AI使用的讨论才有清楚的出发点。