谁都无法置身于外的AI乱局

封面:书桌上一台屏幕显示 AI 对话框里一段工整完整的解答,旁边一本册子上画着带斜线的百分号和向下箭头,一只手执笔停在两者之间

南风窗有篇文章,叫《孩子越来越笨,AI正在惩罚下一代》。报道介绍了一项针对中国中学生的研究:使用 AI 后,学生完成作业更快、作业成绩更好,闭卷考试成绩却下降了。

这让我有些不安,也有疑问。我是一个为实际需要自学开发的项目经理,正在借助 Qoder 做软件,也是一名父亲。对我来说,AI 确实让原来做不了的事有了做成的可能,也提供了理解陌生知识的帮助。但这并不能证明,同样的工具交给正在建立基础能力的孩子,也会产生同样的结果。

我把这篇报道拿去和 AI 讨论,最初主要在找它的论证漏洞。重新核对以后,我发现,不仅报道的标题需要审慎理解,我和 AI 当时的一些反驳也说得过满。比起判定谁赢了,更值得弄清楚的是:AI 到底改变了学习中的哪一部分,我们又凭什么判断这种改变是好是坏?

先把目前的判断放在前面:

  • AI 提高任务完成效率,不等于提高学习效果。它既可能帮助人跨过理解上的障碍,也可能替人完成原本需要亲自练习的部分。
  • 研究提示的学习风险值得认真对待,但特定环境中的考试表现,不能直接概括成一代人整体“变笨”。质疑这种概括,也不能反过来否认已经观察到的损失。
  • 面对技术变化和新闻争论,我更愿意分别检查:借助 AI 能完成什么,离开它又掌握了什么;报道实际证明了什么,还有哪些只是解释和推测。

一、这项研究究竟告诉了我们什么?

报道涉及中国中部某县的 9 所中学、26811 名初高中生,使用了跨度约 30 个月的学业记录。研究关心的是,学生在日常环境中自行使用生成式 AI 后,作业表现和后续学习结果怎样变化。

这不是把同一批学生“使用前”和“使用后”的分数简单相减。根据研究团队公开介绍的转载文本,研究利用学生开始使用 AI 的时间差异,将已经开始使用的学生,与同期尚未开始使用的学生作比较,并考察两组此前的成绩走势。

因此,旧稿把研究概括成“同期发生了很多事,只凭排除法归因于 AI”,是不准确的。观察性研究也可以通过研究设计识别因果,只是其可信程度仍取决于比较条件和相关假设是否成立。没有核查具体方法,不能直接说研究已经排除了所有干扰,也不能说它完全没有处理这些干扰。

数字也需要核对口径:

结果公开介绍中的口径
开始使用 AI 约六个月后,月考成绩下降约 20%相对于使用前平均成绩的降幅,不是下降 20 分,也不是 0.2 个标准差
使用时间达到约两年时,中考、高考成绩的估计负面影响分别约为 24%、18%分别以相应的基准平均成绩为参照,不表示每名学生都下降相同比例
作业投入时间相近的 AI 使用者与非使用者,考试表现较接近这是不同使用者之间的比较,不能直接证明“只要保持学习时长,就能消除损失”

这些结果至少说明,把作业做得更快、更漂亮,与真正掌握知识,可以朝不同方向变化。

这也不能用“考试只会考死记硬背”轻轻带过。数学和物理考试包含分析与推理,阅读和写作同样需要知识积累。考试不能覆盖人的全部能力,但它测到的部分并不因此失去价值。何况,中考和高考还关系到现实的升学机会。

所以,我愿意接受这项研究提出的警示:在它考察的环境中,学生自行使用通用 AI,可能带来相当明显、持续一段时间的学习损失。至于具体估计有多稳健、能推广到哪些环境,还需要进一步查看论文和其他证据。这篇文章不是对原始数据的独立复核。

二、为什么研究值得重视,标题仍然需要警惕?

从“特定学生群体的考试表现下降”,到“孩子越来越笨”,再到“AI正在惩罚下一代”,讨论的范围逐步扩大了。

前者有明确的样本、时间和测量指标。“变笨”却可能让读者联想到智力下降、创造力退化,甚至整体发展前景受损。“下一代”又把一个地区、一定年龄段的观察,扩大成了对整代人的判断。这些含义并不是同一回事。

但公平地说,南风窗的正文比标题保留了更多条件。受访者明确说,这不意味着用了 AI 就会直接变笨,也讨论了不同用法、家庭与学校支持,以及不能一刀切的问题。因此,不能因为标题强烈,就把正文说成毫无保留地反对 AI。

真正需要注意的是传播中的落差:很多人看到标题、开头和一张转发截图,就形成了判断;正文后面的限制条件未必会跟着传播。研究结论原本有条件,进入公共讨论后,却可能只剩下一句没有条件的结论。

阅读量、转发量和商业收益,都可能推动媒体选择更强烈的表达。有些内容可能有意夸大,有些也可能只是理解不充分,或在压缩篇幅时丢掉了条件。但对具体作者是否故意,我没有证据。能够核对的是,报道有没有把数字解释清楚,有没有区分研究发现与个人推演,标题是否超出了正文能够支持的范围。

这种标准也必须用于检查我的反驳。

旧稿认为,“考试成绩不是能力的全部”,便足以反对用成绩下降证明学习受损。这不成立。一个指标不全面,不等于它不能揭示部分损害。合理的结论是“这里测到的能力出现了问题”,而不是“什么问题都没有”,也不是“所有能力都出了问题”。

旧稿还认为,用法不同、结果不同,就证明问题只能归于用法,不能归于 AI。这同样过强。如果一种工具让直接拿答案变得十分容易,它就可能改变使用者的行为。不能先把工具引起的行为变化排除,再宣布工具本身没有影响。使用方式、产品设计和学习环境,需要放在一起看。

至于“AI 无论带来正面还是负面影响,都可能扩大城乡差距”,也不天然构成逻辑矛盾。资源较多的人,可能更能获得好处,也更能避免损失。这两条机制可以同时成立,只是实际是否如此、影响多大,仍需要证据,不能把一种推演写成已经发生的事实。

回头看,这也是本次讨论给我的提醒:AI 可以很快替我列出一张“漏洞清单”,但条目整齐、措辞笃定,并不表示那些漏洞真的成立。如果我只要求它证明自己的怀疑,它可能帮助我把怀疑写得更像结论,而不是帮助我理解问题。

三、AI 对学习是灾难还是福音,区别究竟在哪里?

我自己的开发经历,提供了另一个观察角度。

使用 Qoder 重构 Query Toolkit 时,我并不熟悉 Electron。我先向 AI 请教它是什么,再比较不同方案能否满足自己的需要,确认需求以后,让 AI 制定和执行开发计划,最后测试产出的功能。

在这个过程中,两件事同时发生:AI 替我完成了大量实现工作,也帮助我理解了一些原来陌生的概念和选择。

但我需要把成果分开说。得到了一个能用的软件,不等于我掌握了其中全部代码;理解了为什么选择一种方案,也不等于我能独立完成同样的工程。前者是借助工具扩展了做事范围,后者才涉及哪些知识和判断留在了自己身上。

这段经历不能拿来反驳中学生的学习研究。我已经有 VBA 开发经验,也知道自己要解决什么问题;正在学习基础知识的孩子,条件并不相同。它能说明的是,“把部分工作交给 AI”和“从此不再学习”,并不是必然相连的两件事。

区别往往不在动作表面,而在当时要达到的目标。

如果我要的是一个自用工具,让 AI 编写代码、由我确认需求并检验结果,可以是合理的分工。如果我此刻要学的是怎样编写一段程序,却把实现、解释和检查全部交给 AI,只留下一个能运行的文件,那么学习目标就很可能没有完成。

同样,阅读 AI 给出的完整解答,不一定就是放弃思考。初学者有时确实需要看示范,才能理解问题怎样展开。需要继续检查的是,看过以后,能不能解释关键步骤,换一道题能不能运用,而不是只记得那份答案看起来很有道理。

因此,我不想把“学习必须有困难”理解成“越费劲越好”。到处寻找一份过时资料、反复处理与学习目标无关的环境问题,并不天然比及时得到解释更有价值。但如果被省掉的正好是辨认条件、组织思路、尝试和纠错,学习结果就需要另行确认。

AI 的帮助可能在于降低求助成本,让人有机会开始原本不敢开始的事;风险则在于,它也能让人绕过学习,直接取得一个像是已经学会的结果。广泛使用以后,哪一面占上风,不只取决于模型有多强,也取决于任务如何安排、使用者有什么基础,以及结果怎样被检查。

模型继续进步,可能让讲解更好,也可能让代做更容易。不能仅凭“下一代 AI 会更强”,就推断人的学习一定会随之改善。

四、落到我和孩子身上,应该检查什么?

对我自己来说,下一步不是简单减少 AI 使用量,而是先分清这次到底要完成任务,还是要学会某件事。

这两种目标可以同时存在,但不能拿其中一种的成果,冒充另一种的成果。我可以承认某段实现完全依赖 AI,同时要求自己弄清输入输出、适用条件和检验办法;如果确实要学习其中的方法,就再安排需要自己完成的练习。

对于孩子,我也更愿意从具体学习内容出发,与孩子和老师讨论使用边界,而不是先制定一个适用于所有年龄、学科和任务的总规则。下面这些,是我准备采用的检查思路,不是已经验证有效的家庭教育方案:

场景AI 可以提供的帮助还需要怎样确认
我做自用软件解释方案、承担实现、协助排错我能否说清需要什么,按预期检查结果,知道哪些部分仍不理解
学习陌生概念换一种说法,提供例子,解释不懂的地方收起解释后,用自己的话说明,并尝试应用到另一个例子
孩子学习解题先给提示,必要时展示完整讲解让孩子说明关键步骤,再尝试一道类似但不完全相同的题
阅读和写作练习解释难句,讨论结构,指出表达问题是否真正读过材料,能否说明依据,能否自己组织一段表达

这些检查不宜变成另一种机械要求。

讲不清楚,可能是尚未理解,也可能是不擅长表达,不能立刻判定孩子偷懒或作弊。遇到困难,应该继续寻找卡在哪里,而不是把“讲不出来就重做”当成全部办法。

同样,学习时长也不是学习效果本身。研究中投入时间不同的学生,可能还在学习动机、基础和使用方式上存在差异。不能由此推出,AI 省了多少分钟,就必须补回多少分钟。省下的时间可以用于进一步学习,也可以用于休息、运动和其他活动;需要观察的是,原定的学习目标有没有完成。

涉及基础练习、独立测验和学校明确禁止使用 AI 的任务,保留不使用 AI 的时段是有意义的。这与是否支持技术进步无关,而是为了看清真实掌握程度。对于年龄较小、还难以自主判断的孩子,限制范围也可能需要更明确。

我希望保留两种检查:一是没有 AI 时,自己能理解和完成什么;二是允许使用 AI 时,能否提出问题、核对结果,完成更复杂的事情。前者不能代替后者,后者也不应该遮住前者的不足。

五、面对每天变化的 AI 消息,怎样不被结论牵着走?

如果只看新闻标题,一会儿是 AI 让人变笨,一会儿是 AI 让普通人拥有专家能力。这些说法看似完全相反,却可能在讨论不同的对象。

一个研究测的是学生离开 AI 后的考试表现,另一个测试测的是成年人借助 AI 完成任务的质量;一个观察短期效率,另一个观察长期积累。把条件删掉以后,它们才变成了对“AI 到底好不好”的争夺。

以后遇到会影响我判断的报道,我准备先核对几件具体的事:

  • 测的是什么? 是作品质量、完成速度、考试成绩,还是长期掌握程度?测试时允不允许使用 AI?
  • 和什么相比? 是同一个人使用前后,还是与同期其他人比较?百分比的基准是什么?
  • 适用于谁? 使用者的年龄、已有基础、工具功能、使用方式和观察时间是什么?
  • 哪些已经发现,哪些仍是推断? 数据结果、机制解释和未来预测,有没有被写成同一种确定程度?

不是每篇新闻都值得花几个小时追论文。对于只影响谈资的消息,可以暂不判断;涉及孩子的学习安排,或者准备据此改变自己的做法,就值得多找一层来源。如果来源暂时找不到,也可以把结论留在“值得注意,但还不能确认”,不必急着转发或反驳。

AI 可以帮助寻找资料、解释术语、比较不同观点,但它给出的出处还要打开核对,分析也要回到原文。这次改稿就是一个例子:原先看起来很有条理的反证,重新检查以后,有些需要撤回,有些只能保留为问题。

对新工具的判断也一样。以前的使用经验可能过时,新版本的一次成功演示却也不能自动代表稳定能力。与其跟着每条消息重建一遍认识,不如围绕自己的实际目标,小范围尝试,记录帮助、失败和仍不理解的地方,再决定是否调整用法。

回到最初的问题,AI 的广泛使用究竟是灾难还是福音,我现在还不愿意给一个覆盖所有人的答案。研究中的学习损失不能因为我从 AI 获益就被忽略,我获得的帮助也不应因为一项负面研究就被抹去。

对我更有用的做法,是把这些不同的结果分别看清:哪些负担可以交出去,哪些能力正在形成,哪些进步已经发生,哪些只是产出变得好看。面对新闻,也用同样的耐心,区分它提供的事实与它希望读者接受的结论。

这样做不能保证每次判断都对,但至少能让我在需要修正时,知道自己该修改哪一部分,而不是在“全面拥抱”和“彻底拒绝”之间来回摆动。


资料与核对范围:

  • 南风窗,黄泽敏:《孩子越来越笨,AI正在惩罚下一代》:原文链接。
  • David Strömberg、Victor Lei、Yanhui Wu:The Generative AI Learning Penalty: Evidence from Chinese Secondary Education,论文页面。
  • 研究团队的公开介绍:The generative AI learning penalty in secondary school,VoxEU 页面。本次数字口径与研究设计的核对依据为该文转载文本,未独立复核论文全文、附录及原始数据。
  • 个人开发经历依据本站已发布的《一个人的软件工程(2):从辅助开发到包办开发,再到亦师亦友》;最初讨论依据本人保留的对话记录。
0 0 投票数
文章评分
订阅评论
提醒
0 评论
最旧
最新 最多投票
0
希望看到您的想法,请您发表评论x