AI真正颠覆的不是课堂，而是工业社会的教育制度

今天讨论人工智能对教育的影响，很多人仍然停留在比较局部的层面。学生能不能用 ChatGPT 写作业，老师怎样判断论文是不是 AI 写的，考试应该怎么改，课堂怎样使用人工智能，学校是不是应该增加 AI 课程。这些问题当然都存在，但如果 AI 最终只是让学校增加一门课、改变几种考试方式、给老师增加一个辅助工具，我们就严重低估了这场变化。

AI 对教育真正可能产生的影响，并不是教育技术的一次升级，而是现代教育制度赖以存在的社会基础正在变化。

首先需要对一个历史判断稍微修正。学校和大学并不是工业革命之后才出现的。欧洲中世纪已经有大学，中国也长期存在官学、书院和私塾。真正和工业社会一起成熟的，是我们今天熟悉的这种大规模、标准化、按年龄分级、按照统一课程教学，并通过考试和文凭进行认证的现代学校制度。

所以，更准确的说法不是“教育产生于工业化”，而是现代教育制度是在工业社会中完成了大规模制度化。

这并不是偶然的。工业社会需要大量具有基本识字、计算和专业技能的人，需要工程师、教师、会计、技术人员、公务员和各种经过训练的劳动者。民族国家也需要统一语言、共同知识和社会规范。教育于是第一次成为一种需要国家大规模组织的社会基础设施。

从结构上看，现代学校和工业生产之间确实存在明显的相似性。工厂按照生产流程组织机器和工人，学校按照课程组织教师和学生；工厂有生产周期，学校有学年；工业产品有标准规格，学生有课程标准；工厂进行质量检验，学校进行考试；产品合格以后进入市场，学生毕业以后获得学历进入劳动力市场。

当然，学校并不是简单地按照工厂设计出来的。现代教育还有宗教、国家建设、军事管理、启蒙思想和社会治理等更复杂的来源。但它最终形成的运行方式，确实具有工业社会典型的规模化、标准化、同步化和专业分工特征。

几十个年龄相近的孩子坐在同一个房间，在同一个时间学习同样的内容，由一个老师统一讲授，再用同一套考试评价。这种方式从人的认知差异来看其实并不自然。

有人数学理解很快，有人语言能力更强；有人需要反复解释，有人几分钟就已经掌握；有人适合阅读，有人必须通过操作和对话才能真正理解。传统学校并不是不知道这些差异，而是没有能力为每个人提供一套独立的教学系统。

一个老师面对三十个学生，不可能同时准备三十条学习路径。

所以，标准化教育首先是一种规模化技术。它解决的核心问题不是怎样让每个人以最适合自己的方式学习，而是怎样用有限数量的教师，让几千万甚至几亿人获得基本一致的教育。

AI 恰恰开始改变这个约束。

一个学生不理解微积分，可以让 AI 换一种解释，可以从图像讲，也可以从物理问题讲，可以反复追问，直到真正理解。另一个学生已经掌握了基础内容，就可以直接进入更复杂的问题。语言、编程、历史、哲学甚至音乐理论，都可以形成不同的学习速度和路径。

过去，一个优秀教师只能同时照顾有限数量的学生。现在，一个人工智能系统可以同时服务极大规模的人群，而且能够根据对话调整解释方式、发现知识漏洞、改变难度。

这时候真正值得问的问题就不再只是“AI 怎样进入课堂”，而是为什么所有知识学习还必须继续按照今天这种课堂结构进行。

但这仍然只是第一层变化。

AI 对教育更深的冲击来自社会生产本身。现代教育之所以让一个人先花十几年甚至二十几年学习，然后再进入社会，是因为工业社会拥有相对稳定的职业结构。医生需要一套知识，工程师需要另一套，会计、律师、程序员和教师都有相对固定的专业体系。

因此传统教育实际上包含一个隐含假设——社会可以提前预测一个人未来几十年大致需要什么知识，所以可以在年轻阶段集中进行一次大规模知识装备。

于是形成了我们熟悉的人生结构，先上学，然后工作。

AI 正在破坏的恰恰是这种结构。

当越来越多的知识工作变成人和 AI 共同完成时，一个人的价值就不再主要取决于他事先储存了多少知识，而越来越取决于他能不能提出问题、判断结果、理解背景、发现错误、组织资源、承担责任，并且在环境变化之后迅速重新学习。

这并不意味着知识不重要。没有基础知识的人，甚至很难判断 AI 给出的答案是否可靠。但知识在人类能力结构中的位置正在变化。过去强调的是大量预先掌握，现在更重要的可能是基础知识、结构理解以及重新组织知识的能力。

一旦这个变化继续发展，老师、考试和文凭都会被重新定义。

过去老师同时是知识提供者、解释者、监督者和评价者。AI 首先削弱的是知识提供者这个角色。如果一个老师最主要的价值只是“我知道，你不知道”，那么这种稀缺性正在快速下降。

老师并不会因此简单消失，但真正重要的教师可能越来越像学习过程的设计者。他要判断学生到底理解到了什么程度，发现认知上的漏洞，提出高质量的问题，组织真实的人际互动，帮助学生形成判断能力和稳定的学习习惯。

考试受到的冲击更加直接。

传统考试本质上是一种低成本的能力抽样。社会不可能长期观察一个人，所以通过几小时考试、几篇论文或者若干课程成绩，来推断他的能力。

现在 AI 可以写论文、编程、计算、翻译和分析，于是很多人首先想到的是怎样防止学生作弊。但这个问题还有另一面——如果一个人在现实工作中本来就会和 AI 一起工作，那么考试为什么一定要测量他脱离 AI 以后能够完成什么？

当然，有些基础能力仍然需要在没有 AI 的情况下检验。因为如果一个人连最基本的数学、语言和专业概念都没有，他也无法有效监督 AI。但评价方式很可能越来越从“你记住了什么”，转向“你能够借助工具完成什么，以及你是否真正理解自己完成的事情”。

文凭也会受到类似冲击。

过去企业没有能力重新测试每一个求职者，所以把相当一部分人才筛选工作交给大学。一个学历实际上是在告诉社会，这个人通过了某种长期训练和筛选。

但如果未来一个人的项目经历、真实作品、解决问题的过程以及长期能力变化都可以被持续记录，那么一次毕业所形成的静态标签，其信息价值就可能下降。

人们以后当然仍然会问你在哪里读过书，但也会越来越直接地问，你真正做过什么。

这时候学校本身就开始出现结构性分解。

今天一所学校把很多完全不同的功能绑在一起。它负责知识传授，也负责儿童托管；负责社会化，也负责同伴交往；负责考试、认证，还负责体育、艺术、纪律和人格成长。

AI 不会同时替代这些功能。

特别是基础教育，儿童仍然需要真实的人、同伴、游戏、合作、冲突和身体活动。家庭也需要学校提供稳定的社会空间。所以我并不认为学校会突然消失。

真正可能发生的是，学校这个“功能包”被逐渐拆开。

知识学习越来越可以由 AI 个性化完成，教师更多负责指导和人际互动；评价逐渐脱离一次性考试；职业训练可以更多进入真实项目；学习也不再集中在十八岁到二十五岁，而是分布到整个人生。

小学、中学、大学、职业教育和继续教育之间的边界都会因此变得模糊。

高等教育受到的冲击可能尤其明显。一个成年人为什么必须在一个固定地点，用四年时间，按照学校规定的顺序学习几十门课程？

过去这是合理的，因为优秀教师、图书资料、实验设施和学术共同体都集中在大学，同时社会也承认大学颁发的资格。

但当知识、导师、翻译、编程、模拟和研究辅助能力越来越可以通过网络即时获得以后，大学真正不可替代的东西就不再是“上课”本身，而是研究环境、实验设施、学术共同体、严格评价、专业责任以及长期形成的社会信用。

未来大学未必会消失，但它必须回答一个过去几百年很少需要回答的问题——如果知识传授已经不再稀缺，一个人为什么还要花四年时间来到这里？

把时间再拉长一点，就可以看到更大的结构变化。

工业革命把大量生产活动从家庭和小作坊集中进工厂，也把儿童的学习从家庭、教会和师徒关系集中进学校。工厂和学校实际上是工业社会两种非常典型的大规模组织形式。

而 AI 正在推动一种相反方向的变化。

生产可以越来越围绕项目、网络和临时协作组织，知识可以随时调用，学习可以发生在任何年龄，人和机器可以共同完成过去必须依靠大型专业组织才能完成的任务。

这样一来，教育就不再只是为一个已经存在的社会机器生产标准化人才，而越来越可能成为一个人在整个生命过程中不断重新组织自己认知能力的过程。

所以，AI 对教育真正深刻的影响，不能只从教育内部理解。

不是因为 AI 进入学校，所以学校需要改革。

更根本的原因是，AI 正在重新组织整个社会的生产、知识和职业结构，因此为工业社会设计出来的教育制度，也不得不一起改变。

前一种思路问的是，原来的学校怎样使用一种新工具。

后一种思路问的是，当原来的社会运行方式已经改变以后，我们为什么还要维持为那个社会设计出来的学校。

如果工业时代教育解决的问题，是怎样以较低成本大规模培养具有标准能力的人，那么 AI 时代面对的可能是另一个问题——当智能不再完全属于人，人究竟还需要发展什么能力，以及怎样在整个生命过程中不断形成和改变自己。

到了这一步，我们讨论的已经不只是教育改革，而是在重新回答一个更基本的问题。

人为什么要学习。

以及当知识、能力和智能之间的边界重新划定以后，一个社会究竟应该怎样帮助一个人成长为一个具有独立判断能力的人。