AI时代学习的连续性
如何在最需要的时候避免大脑萎缩
人工智能为每个问题提供即时答案，悄然短路了使学习成为一个过程而非结果的认知机制：努力、挫折、记忆重激活、缓慢构建持久的心理图式。 我们在流畅性上的收获，可能会在深度上失去：正是在世界的复杂性要求更敏捷、更批判、更自主的头脑时，我们却被诱惑将智能委托给机器。
AI，我们智能的单向镜
2023年，一位美国知名大学的法学学生提交了一份完全由生成语言模型撰写的60页论文。他的教授们没有发现任何异常。无论是结构、论证还是风格都很正常。一切都连贯、有据、令人信服。然而，缺失的东西是看不见的：没有任何将信息转化为知识、将数据转化为理解、将答案转化为判断的智力努力痕迹。学生获得了分数。他什么也没学到。
人工智能是一个无法避免的陷阱：它反映了人类积累的全部知识，但对咨询它的人隐瞒了自己思想正在消失的形象。一方面，它代表了自印刷术发明以来最壮观的知识获取放大之一，即时、个性化、以所有语言提供且全天候可用。另一方面，它悄然短路了使学习成为一个过程而非结果的认知机制：努力、挫折、记忆重激活、心理图式的逐步构建。
这种张力并非偶然。它定义了我们时代最深刻的教育挑战之一。要理解这一点，必须回到认知革命的悠久历史，审视神经科学对学习大脑的发现，衡量算法神谕时代特有的风险，最后提出具体路径，以免在数字便利的祭坛上牺牲人类智能。
五个相互依存的轴线构成了这一问题地图。
与进步同样古老的忧虑
教育史充满了技术革命，每一次都引发了同样的根本焦虑。柏拉图在《斐德罗篇》中记录的苏格拉底担心书写会削弱记忆，向头脑灌输知识的表象而非真正的知识。他在诊断上没有错，但在结论上错了：书写没有使人类愚化，而是重新配置了其学习模式。基于辩证法和思维努力的希腊教育理想（古希腊的教育和文化理想）正是重视书写威胁稀释的东西：与不确定性的生动对抗。
在中世纪，抄写僧侣体现了另一种通过努力学习的形象。手工复制文本不是机械任务，而是完全的记忆实践，对他人思想结构的沉浸。当古腾堡革命化思想传播时，伊拉斯谟感到兴奋，但其他人在书籍的增加中看到了对批判精神形成的威胁：如果一切都已写成，为什么要独立思考？
伊拉斯谟，昆汀·马西斯作，1517年。
18和19世纪见证了共和学校的诞生，由孔多塞及其通过知识实现平等的梦想推动。但卢梭已经警告过纯粹传授式教育的危险，那种只填充而不培养头脑的教育。杜威在20世纪之交理论化了我们今天所说的体验式学习：学习就是做、摸索、重新开始。然后出现了广播、电视，以及麦克卢汉和波斯特曼，他们警告基于被动消费图像和声音的文化的肤浅性。每个时代都有其认知衰退的预言家，每个时代都部分正确。
AI不是绝对的断裂。它是工具与使用它的智能之间千年辩证法的最新篇章。但其强度、速度和无处不在赋予它前所未有的维度。它不满足于传播知识：它声称产生、综合知识，现在还要在教育上体现知识。怎能不在其中看到媒介与不仅是信息而且是其接收者的融合点？这就是问题性质发生变化的地方。
努力对抗流畅性：在节省时间时失去的东西
几千年来，学习方法一直缓慢、昂贵且经常痛苦。正是这种缓慢保证了它们的有效性。间隔重复，由赫尔曼·艾宾浩斯在19世纪末编纂，基于一个简单原则：以递增间隔定期回顾信息，才能将记忆持久地锚定在长期记忆中。苏格拉底的助产术方法基于同样的逻辑：强迫学生自己产生知识，让他面对自己的矛盾。这些过程在认知上是昂贵的。正是它们的成本使其有效。
新的数字方法优化了访问，但有时以深度为代价。Khan Academy或Duolingo Max等平台提供了卓越的教育个性化，根据每个学习者的需求调整节奏、水平和格式。游戏化吸引注意力并激发参与，至少最初如此。微学习允许将学习整合到日常间隙中。这些创新是真实和宝贵的。
但它们有一个盲点：它们偏向外在动机（奖励、徽章、分数）而牺牲内在动机，只有后者才能实现持久和自主的学习。卡尼曼（现在杨立昆在讲座中经常引用）在系统1（快速、自动思维）和系统2（缓慢、深思思维）之间的区别为我们提供了宝贵的分析框架：为流畅性设计的数字工具几乎完全激活系统1。然而，正是费力、不舒适、抵制的系统2构建了深度理解。
综合不是拒绝新方法，而是认识到它们需要有意识的教育治理。AI优化了知识获取，但它无法替代锻造人类智能的缓慢和昂贵机制：努力、挫折和时间。
当机器代替大脑思考时，大脑失去了什么
神经科学今天对认知外化的影响提供了惊人的洞察。唐纳德·赫布正式化的大脑可塑性原理规定，神经连接通过重复使用而加强，一旦不再被激发就会衰弱。大脑根据我们委托或免除它的任务而重新配置。当机器代替我们思考时，我们节省的不仅是反思的几秒钟：是我们让神经回路萎缩。
Betsy Sparrow和她的同事在2011年证明了他们所谓的"谷歌效应"：当我们知道信息可以立即在线获取时，我们的大脑投入较少努力来记忆它。海马体，长期记忆的所在地，较少被激发。支配抽象推理和决策的前额皮质被绕过。我们储存的不再是知识，而是找到它的地址。斯坦尼斯拉斯·德阿纳在其学习研究中强调，深度阅读、手写和复杂问题解决激活广泛而分散的神经网络，正是那些AI的委托使用倾向于使用不足的网络。
元认知，这种思考自己思维的能力，由弗拉韦尔理论化，可能是这种委托最沉默的受害者。使用语言模型写作文的学生与阅读、综合、犹豫、重新表述和书写的学生激活的神经网络不同。前者储存答案；后者构建心理图式。维果茨基提醒我们，认知发展在最近发展区进行，这是已经能做和尚不能独立做之间的不舒适空间。在这个空间放置AI，正是消除了大脑成长的地方。
算法神谕和全知的错觉
除了个人机制，AI产生了一个新幅度的认识论问题：它给出答案。不是问题。然而，从苏格拉底到波普尔，智力培养的核心正在于怀疑的艺术、假设的制定、接受不确定性作为活跃思维的条件。
当未来医生将鉴别诊断的识别委托给算法系统时，他可能获得正确答案。但他没有发展临床推理，这将使他能够管理非典型病例、矛盾症状、不符合训练模型的患者。他也没有发展迈克尔·波兰尼所说的隐性知识，这种体现的、不可形式化的智能，通过重复经验、失败和人际关系获得。训练于算法神谕的医生将知道如何诊断，但不太倾向于倾听和预期。
还有第三个风险，更结构性的：大型语言模型复制并放大其训练数据的统计偏见。哈拉里在对智人的反思中，预期人类将逐渐将决策委托给不透明系统。凯西·奥尼尔则记录了算法如何在数学客观性的外表下制度化不平等。AI没有教给我们我们尚未教给它的东西，通过标准化知识，它有贫瘠化认识论多样性的风险，而这构成了人类思维的真正财富。
在机器时代重新学会学习
面对这些风险，激进拒绝的诱惑是可以理解的但无用的。AI已经存在，其好处是真实的。问题不是在它和人类智能之间选择，而是定义解放性共存的条件。
对学生而言，这意味着采用可称为三E规则的方法：努力作为默认姿态，错误作为知识的构成阶段，探索作为拒绝预制答案。具体来说，这转化为使用主动记忆技术、思维导图、费曼互教原理、间隔重激活，以及在需要批判思维的任务中有意限制AI使用。
对教师而言，优先级是教育而非技术：学会质疑AI而非服从它，构建混合序列，其中数字工具管理信息获取，而人类承担综合、辩论、判断。师生关系在其情感和即兴维度上仍然不可替代。正是在这种关系中发生隐性知识的传递。
对机构而言，评估模式的改革是紧迫的。减少记忆性复述，增加跨学科项目、开放情境、没有唯一解决方案的问题。培训AI的局限性、偏见、幻觉、无法生成真正问题的能力，必须成为与阅读或计算同等重要的基本技能。我们还远未达到这一点，尽管似乎出现了一些良好意愿的迹象。
需要保护的智能
AI是知识的加速器，但没有努力，它就成为智能的刹车。这个悖论不是宿命：它是认知、教育和制度治理的挑战。
在乐观情况下，AI成为最好的技术一直所是的：人类能力的放大器，将头脑从机械任务中解放出来，让它能够上升到创造、细致和同理心。在悲观情况下，它成为从未发展过质疑其答案所需认知肌肉的学习者世代的思维替代品。
这两种情况之间的选择不是技术性的。它是深刻人性的。它取决于将努力保持在教育核心、在即时文化中重视深思缓慢、抵制便利等同于进步错觉的集体意愿。
终极挑战是：如何使AI成为解放而非依赖的工具？答案既不在算法中，也不仅在公共政策中，它在我们的大脑中，在继续锻炼它们的有意识决定中。
附录——资料来源和参考文献
神经科学和认知
- Dehaene, S. (2018). Apprendre ! Les talents du cerveau, le défi des machines. Odile Jacob.
- Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
- Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google Effects on Memory: Cognitive
- Consequences of Having Information at Our Fingertips. Science, 333(6043), 776–778. https://doi.org/10.1126/science.1207745
- Hebb, D. O. (1949). The Organization of Behavior. Wiley.
- Ebbinghaus, H. (1885). Über das Gedächtnis. Duncker & Humblot.
教育科学
- Vygotski, L. S. (1934/1985). Pensée et Langage. Éditions Sociales.
- Dewey, J. (1897/1990). The School and Society. University of Chicago Press. Flavell, J. H. (1979). Metacognition and Cognitive Monitoring. American Psychologist, 34(10), 906–911.
- Piaget, J. (1970). L'Épistémologie génétique. Presses Universitaires de France.
AI、社会和认识论
- O'Neil, C. (2016). Weapons of Math Destruction. Crown Publishers.
- Polanyi, M. (1966). The Tacit Dimension. Doubleday.
- Postman, N. (1985). Amusing Ourselves to Death. Viking Penguin.
- McLuhan, M. (1964). Understanding Media: The Extensions of Man. McGraw-Hill.
历史和哲学参考
- Platon. Phèdre (trad. L. Robin). Gallimard, coll. Pléiade.
- Condorcet, N. de (1791/1994). Cinq mémoires sur l'instruction publique. Flammarion.
- Érasme, D. (1511). Éloge de la folie. (éd. de référence : Flammarion, 2011).
