對話嘉賓：

　　中國教育科學研究院數字教育研究所所長、研究員  曹培傑

　　復旦大學計算與智慧創新學院教授  肖仰華

　　教育科技公司AI學習業務負責人 程 飛

　　北京郵電大學計算機技術專業研一學生  高德潤

　　我的大學階段是在AI（人工智能）大模型環境中度過的。過去，遇到不懂的概念，大家會去翻教材、問老師；後來，會打開搜索引擎輸入關鍵詞檢索；現在，更多人習慣了用AI工具“一鍵求答”。AI時代的教育，不再停留于“會不會算”，而是逐步轉向“會不會判斷、會不會提問”。在這樣的背景下，我們該如何提出更高品質的問題，如何更好地應用AI？

　　——某高校學生小劉  

　　AI時代，會提問的人，或許要比只會答題的人走得更遠。當AI能快速給出完整解答，能夠提出高品質問題、辨別答案真偽，正成為學習者的關鍵素養。怎樣通過一個巧妙的問題去開啟知識的大門，收穫更有價值的答案？記者對話多名嘉賓，共同探討“面對AI，如何成為會提問的人”。

　　學生如何成為“定義問題和評判答案的人”？

　　【場景】

　　上個學期期末，復旦大學“數據挖掘技術”課程考試打破常規，學生沒有坐在考場裏答題，而是全部成了出題人。每個人要設計10道題，去“考倒”3個AI大模型，AI答錯的題越多、被難倒的大模型越強，出題學生的得分就越高。結果顯示，有50名學生至少讓AI答錯過一題，4名學生甚至讓部分大模型得了0分。

　　【老師説】

　　肖仰華：傳統考試在AI時代已經部分失效，如果老師只是出標準題、判標準答案，AI往往比學生答得更快更準。所以我讓學生反過來出題考AI，效果超出預期。

　　會提問不是隨便問，而是建立在理解之上的高階能力。我要求學生必須自己會解題、會推導、知道標準答案，然後再去設計能檢驗AI能力邊界的問題。一個好問題，應該有清晰約束、完整推理鏈，還要能命中AI的結構性短板。課堂上我也會鼓勵學生討論：AI為什麼錯，錯在哪？怎樣判斷一個結果是否可信？這樣學生就從“接受答案的人”，變成“定義問題和評判答案的人”。

　　【專家説】

　　曹培傑：讓學生會提問、善思考，需要雙管齊下：一方面，引導教師建立新的“課堂觀”。一堂好課是“問題的孵化器”而非“答案的生産線”，教師要從知識講授者轉向任務設計者、場景構建者和認知引導者，讓學生在真實場景和具體任務中主動提出問題，激發好奇心、想像力、探求欲；另一方面，引導學生建立新的“學習觀”。學習的真諦是對事物本質的極致追問，“定義一個問題”比“解決一個問題”重要，學生應成為善用AI的主動提問者而非被AI“喂”答案的被動接受者。

　　【研發人員説】

　　程飛：AI學習産品的設計，應當給孩子留出提問的空間。産品更新迭代中，我們有一個很重要的原則：不能只看AI有沒有把題答對，還要看學生有沒有真正學會。所以每更新一項能力，我們會關注3個結果：學生是不是理解了，遇到類似的問題能不能自己解決，使用過程中能不能逐漸減少對AI的依賴、形成獨立完成的能力。對AI學習産品來説，幫助學生形成理解問題、解決問題的能力更重要。

　　【學生説】

　　高德潤：要想善於提問，首先應該對AI的能力和不同模式有一定的了解，比如AI大模型內置了哪些知識，何時該開啟聯網搜索，何時該使用“深度研究”模式來獲取複雜問題的深入報告。能清晰地定位自己的問題也很重要，自己要先做基礎思考，把問題説清楚，而不是直接丟給AI一個大而空的問題。

　　有了AI，學生會變“笨”還是變強？

　　【場景】

　　遇到難題問AI，幾秒鐘便得到完整解析；寫作文卡殼，讓AI快速生成一篇行文流暢的文章……有人擔憂長期依靠AI，學生會喪失獨立思考的能力；也有人認為AI可以承擔重復性勞動，解放人的創造力。被AI“伺候”得太好，學生會變“笨”還是變強？

　　【專家説】

　　曹培傑：這個問題的答案並非簡單的變“笨”或變強，而取決於能否科學合理地使用AI。如果單純將思考外包給AI，久而久之就會形成“認知負債”——大腦就像一台很久沒開機的電腦，啟動變得遲緩；但如果將AI作為“思維夥伴”，主動用它來挑戰自己、拓展認知邊界，它反而能成為增強認知的杠桿。關鍵在於是讓AI代替我們思考，還是讓AI幫助我們思考得更好。

　　【老師説】

　　肖仰華：AI是能力的放大器。基礎紮實、具備判斷力的學生，可以借助AI更好地學習與創造；基礎薄弱、只會複製粘貼結果的人，則會逐步失去思考能力。教育要做的，不是簡單地禁止使用AI，而是幫學生守住基本認知能力，學會驗證、質疑和指揮AI。

　　【學生説】

　　高德潤：如果直接照搬AI的答案，不去思考推導過程，時間一長確實會弱化獨立思考能力。但如果把AI當作工具，借助它完成重復繁瑣工作，把精力留給創造性任務，就能實現能力的提升。AI本身只是工具，真正決定我們能力高低的，是我們是否保留獨立判斷與深度思考的空間。

　　當人人都會用AI，競爭優勢體現在哪？

　　【場景】

　　在應聘時，越來越多的求職者在簡歷上標注“熟練使用AI大模型”。當人人都會用AI，這項技能還能帶來競爭優勢嗎？

　　【專家説】

　　曹培傑：目前，掌握AI技能的人才需求正在不斷增加，但“會用AI”的定義也在不斷變化。今天的簡歷上寫“熟練使用AI大模型”，就好比10年前寫“精通辦公軟體”。用人單位不再滿足淺層使用，更看重求職者能不能依託AI落地項目、解決實際問題、産出工作成效。會用AI只是“入場券”，能用AI解決複雜問題、做出獨立判斷才是真正的競爭力。

　　【老師説】

　　肖仰華：未來職場上需要的不是只會對AI發號施令的人，而是能定義問題、拆解問題、判斷結果的人。AI會替代大量機械性工作，但也會放大人的組織力、判斷力和創造力的價值。真正吃香的是擁有“專業能力+應用AI能力”的複合型人才。只懂AI不懂業務，或者只懂業務不會AI，都會比較被動。

　　AI時代，需要怎樣的文科生和理科生？

　　【場景】

　　AI寫詩、作畫、寫文案的能力越來越強，代碼生成工具也讓編程門檻一降再降。有人説“文科生更吃香了”——因為共情能力、批判性思維與價值判斷難以被演算法替代；也有人説“理科依然是基石”——沒有技術底座的搭建，AI本身無從談起。

　　【專家説】

　　曹培傑：AI已經能夠高效完成代碼編寫、數據計算等標準化任務，但AI生成內容缺乏“人味”、缺乏對人類情感和社會語境的深刻理解，要把AI訓練得更懂人性、更加符合人類價值需求，離不開人文視角的洞察與分析。

　　如今，AI正改變許多行業的底層邏輯，固守單一思維模式將面臨嚴峻挑戰，文理兼備、跨界融合才是稀缺能力——既有理科生的技術思維和邏輯能力，又有文科生的人文洞察和情感素養。

　　【研發人員説】

　　程飛：AI時代，人才的評價標準正在從“你屬於什麼專業”轉向“你能解決什麼問題”。AI能夠處理越來越多標準化的文字、計算和信息整理工作，但理解人和社會、提出好問題、建立模型、驗證事實、作出判斷等能力很難被某個單一的學科標簽概括。文科訓練需要補上數據和技術素養，理科訓練也需要加強對人和社會的理解共鳴。未來更有競爭力的，可能不是最典型的文科生或理科生，而是既有專業深度，又能跨學科解決問題的人。