学者探讨：AI时代知识通胀，学校教育的真正价值是什么？
随着人工智能时代的到来，工业时代的教育模式面临前所未有的挑战，教育内容、教师角色、教育模式等都发生了巨变。学生面向未来应该学习什么知识、掌握什么样的技能？面向未来的学习应该如何进行？学校如何围绕未来的学习而进行变革？教育管理体制如何改革？
中国教育三十人论坛第十二届年会现场。主办方 供图
近日，在以“面向未来的教育和学习”为主题的中国教育三十人论坛第十二届年会上，针对这些问题，教育界与科学界专家进行了跨界探讨，为人工智能时代的教育变革提供智慧支撑。
香港大学荣休教授程介明认为，在人工智能应用空前广泛的当下，将学习真正还给学生，对教育、学校、课程及教学进行重新定义与研究，变得比以往任何时候都更为关键。
北京师范大学国家高端智库教育国情调查中心主任张志勇指出，当今教育常将认知与情感割裂，沦为追求分数与升学率的功利工具，这背离了“立德树人”的育人初心。未来教育必须回归生活实践，这既是应对AI时代物理空间被压缩、情感被机器争夺等挑战的必然选择，也是培养完整的人的根本路径。
AI时代，当知识唾手可得、“通货膨胀”，学校意义何在？香港科技大学首席副校长郭毅可认为，面对AI的冲击，教育的未来并非简单地传授知识，而是要回归人类独特的生态位，帮助学生在知识唾手可得的时代，探索自我、建立身份、获得智慧。
“教育正处在十字路口”
会上，程介明指出，教育正处在三个关键的十字路口：是固守工业时代的流水线模式，还是培养面向未来的个体？是让学生沦为被动的“机器附庸”，还是善用AI赋能其成为“学习主人”？是选择对AI禁止与隔绝，还是教育下一代去驾驭它？
程介明谈到，我们往往以为，面向未来就是面向人工智能，但我们面临的根本挑战，是变化了的社会，是传统工业社会的退场，进入一个更为复杂的社会，我们需要下一代能够应对这样的社会。然而，我们现在的教育模式和学校理念，基本上是传统工业社会的产物，学生的学习和生活，都是被别人设计的、安排的、静止的。
因此，他认为，在人工智能快速发展的当下，将学习真正还给学生，对教育、学校、课程及教学进行重新定义与研究，变得比以往任何时候都更为关键。在人工智能应用空前广泛的当下，这为推动面向未来的教育变革提供了独特而深刻的机遇。
这些特点给教育带来的冲击是什么？程介明曾深刻洞察：在剧烈变化的社会中，消费形态已从满足基本需求转向激发个人欲望，生产模式从大规模量产变为小批量、多品种的定制，组织架构从庞大稳固的科层制演变为小型、扁平且灵活的团队，而职业生涯也从终身投身一家单位转变为短期多元的“斜杠”模式。
会上，北京师范大学国家高端智库教育国情调查中心主任张志勇认为，AI进入人类社会，进入教育领域，给教育带来两个根本性逻辑变革：一是知识的学习与分享真正进入平权时代；二是知识的学习和掌握不再是学校教育存在的根本逻辑。未来如果单纯为了学习知识，上学或许已经不再是唯一选择。
郭毅可也指出，人工智能的出现，特别是以大模型为核心的智能体，正从根本上动摇教育的基石。传统的教育产业建立于知识的稀缺性之上，而如今大模型让知识实现了“通货膨胀”，变得无处不在。
当所有答案唾手可得时，学习的意义何在？郭毅可表示，要回答这个问题，必须回归第一性原理，重新审视“知识”与“学习”的本质。
他认为，大模型生成的内容，本质上是海量信息压缩后形成的统计意义上的共识，它的确是知识，甚至在客观性上超越了小群体的人类共识，而学习则是生物体为适应环境而进行建模的过程。因此，面对AI的冲击，教育的未来并非简单地传授知识，而是要回归人类独特的生态位，帮助学生在知识唾手可得的时代，探索自我、建立身份、获得智慧。单纯的知识获取和记忆已失去意义，关键在于如何判断真伪、明辨是非。
郭毅可认为，人工智能与人类智能正同步迈向“真、善、美”的境界。在“真”即客观事实层面，AI已远超人类，教育重心必须转向人类独有的“善”与“美”。AI时代教育的关键，是让人类从比拼事实记忆中解放出来，专注于发展伦理、审美与创造力，成为更富人性的个体。我们必须转变观念，认识到教育的对象不仅是人，也包括机器，这需要实现从传授知识转向培养能力、从标准化转向个性化、从被动听讲转向主动探索，以及从孤立学习转向人机共创的四个关键转变。
AI时代需要的是具有AI思维的创造者
中国教育学会名誉会长顾明远认为，教育改革的核心，是改变80%学生为20%精英“陪跑”的现状。他指出，当前教育过于“育分”而非“育人”，扼杀了学生的内在兴趣。
要改变这一状况，必须实现三大转变：从以“教”为本转向以“学”为本，从育“分”转向育“人”，从被动学习转向主动学习。这一切的起点是激发学生兴趣，因为“没有兴趣就没有学习”。
顾明远谈到，教学与结构需要双重革新。教学方法上，应通过探究式、项目制学习培养创新人才；结构上，则需落实“双减”解放时间，推行课程模块化，并最终通过走班制实现“每个学生一张课表”的个性化学习。这样，才能彻底改变“陪跑”困境，让每个学生的特长得到尊重，真正回归育人的本质。
如何实现教育变革？
在中国科学院院士、深圳零一学院创始校长郑泉水看来，数智时代对社会需求的重塑，加速了创新者、机器人及边缘人三个主要阶层的分化。这意味着教育的焦点必须从传统的信息、知识、素养，跃迁至创新、创造及重塑的能力。
郑泉水认为，过去的教育始终在追求“优秀”，这本质上是在既有范式内的改良，动力源于外部奖励；而真正的“变革”，则是要勇敢地进入“无人区”，探索未知，这只有依靠强大的内驱力才能实现。
他认为，制约中国创新突围的关键瓶颈正是“优秀”与“卓越”的本质差异未被社会真正认知，导致人才培养目标错位。其之所以改变艰难，根本难点在于容易陷入“优秀陷阱”，“优秀”所带来的舒适区、光环和惯性，常成为通往“卓越”的最大障碍。
张志勇提醒，通往卓越的道路，必须回归对“人”的完整关照。他指出，当今教育常将认知与情感割裂，沦为追求分数与升学率的功利工具，这背离了“立德树人”的育人初心。未来教育必须回归生活实践，这既是应对AI时代物理空间被压缩、情感被机器争夺等挑战的必然选择，也是培养完整的人的根本路径。我们需要突破传统“教室”的局限，打造开放、灵活的社交空间，并利用广泛的社会与环境资源，让学生在真实互动与深度交流中学习。
与此同时，课程观也需从静态知识传授转向动态生成。课程边界将更加开放，师生都是知识的共创者。课程组织将从学科逻辑转向问题解决逻辑，内容从分科、碎片化走向融合、情境化，最终实现科学认知、技术体验、社会参与和生命体悟的有机结合。
美国麻省州立大学波士顿分校教育领导系终身教授严文蕃指出，AI正成为重塑教育的结构性力量，从根本上改变着教育的底层逻辑，重新定义着教师的角色、学习的形态与评价的体系。
未来，AI将扮演三大核心角色：教师的智能搭档、学习者的成长伙伴与反馈的增长引擎。在“教”的层面，AI通过“智能共创”将教师从繁琐事务中解放，使其能专注于学习设计、价值引导和情感支持；在“学”的层面，学习将呈现高度个性化与探究性两大趋势：课程将主动适应学生，AI则作为研究助理和对话导师，让探究学习人人可及，并帮助学生从“寻找答案”转向“提出更好的问题”；在“评”的层面，AI正重构评价体系，其核心是为学生生成个性化的成长路径，而非简单的对错判断。
严文蕃认为，这种动态评价体系正成为未来学校治理的数据底座，最终，AI推动教学、学习与评价形成一个智能协同的生态闭环。教师并未被取代，反而扮演着更关键的价值引导者与决策者角色。
美国斯坦福大学人工智能、机器人与未来教育中心主任蒋里认为，AI时代需要的是具有人工智能思维的创造者。懂AI、懂AI与人的区别、懂如何与AI协作，这就是人工智能思维。其核心能力已从解答问题转变为提出高质量的问题，并具备引领人工智能的能力，这便是人工智能思维的精髓。
“推动学校教育多样化发展”
会上，通过玩一个“找宝贝”的游戏，上海科技馆馆长倪闽景得出两个启示：第一，创新在群体中涌现，需要以每个孩子的基础科学素养为根基；第二，创新需要多样化的思维与实践。
同时，他指出，我们难以跳出应试教育的窠臼，源于两大误解：一是未意识到国家发展已从“模仿追赶”转向“创新驱动”，二是错误地将“优秀学习者”等同于“卓越创新者”。
倪闽景认为，面对AI的挑战，激发孩子的关键在于唤醒内驱力，其路径是回归生活、开展有意义实践、建立真实情感联结。具体出路是为学生减负，搭建一个开放性的思维框架，为自由创造留出空间。面对地域差异，激发基层创新的关键在于鼓励学校自主探索，因为多样化本身就是创新的源泉。
多样化不仅是教育创新的本质，更是实现这一创新的根本方法论。从学校层面如何进行系统性重构？
曾任北京十一学校校长的李希贵，于2020年出任北京第一实验学校校长，开启新一轮的“未来学校”实验。
李希贵认为，当前教育的核心困境是，如何让有效的学习在每一个课堂中真实发生？他指出，每个学生的学习节奏和方式天生不同，课堂变革不能仅仅停留在对教师的要求上，而必须从学校顶层设计入手，构建一个能真正驱动学习发生的全新课程实施机制。
为实现这一目标，北京第一实验学校进行了颠覆性的重构，以能力目标来驱动学生多样化的学习进程。学校将每个学期划分为3个学段，6个星期。每一个学科在一个学段里围绕一个核心“能力目标”组织课程。在这里，学习模式变为“模块内加速，富余时拓展”。同时，学校全面开放跨年级上课，让向上挑战或个性化走班成为可能。
李希贵表示，真正的个性化，远不止于知识和技能的匹配，更是对每个孩子情感需求与成长节奏的尊重。这种以能力为目标的评估体系也带来了新启示：学校不再分快慢班，而是允许学生在同一能力目标下，找到最适合自己的学习路径。
为支撑这种全新的学习模式，传统的学校空间结构也已不再适用。学校取消了传统教室，代之以功能复合的“学习社区”，集成多样化场景与资源，支持二十余种学习方式，让个性化的学习自然发生。
更深层的变革发生在课程结构与治理体系上。学校将初中11个学科整合为5大领域，打破学科壁垒；同时，设立跨学科的“首席能力教师”，建立协同运行机制，确保各学科围绕同一学段的“能力目标”协同作战。这种从空间、课程到治理的系统性变革，将选择权真正还给了学生，实现了学校教育的深层重构。
如何让基层学校的创新实践真正深入推进？
南京师范大学教授项贤明认为，要深化高考改革，高校可根据自身特色，以及不同专业对人才培养的不同要求，具体制定录取方案，对不同学科、专业的考试成绩赋予不同的权重。同时，要打破目前高考成绩只限于基本学科课程的限制，允许高校根据专业人才培养需要，考查学生各种不同学科专业的考试成绩。此外，鼓励各种考试机构进行相关科学研究，探索各有特色、更加科学合理的教育评价方式。通过多样化的录取方案、多元化的考试体系，推动学校教育多样化发展，从而为不同天赋、不同志趣的学生提供公平的发展机会和教育支持，为自由学习创造更大的教育空间，并进而达成拓宽社会流动通道的目的。
中国教育三十人论坛成立于2014年12月，论坛以“凝聚社会共识，推进教育改革”为宗旨，凝聚了一批国内外著名的教育家、经济学家、哲学家等，围绕教育的热点、焦点、难点问题，跨界把脉问诊，提供解决方向、路径和方法。
相关攻略
近日，国际权威学术期刊《自然》（Nature）旗下“自然指数中国”（Nature Index China）特刊，深度聚焦人工智能如何推动教育公平，刊发《AI模型为偏远地区带来个性化学习》与《AI如何实现更公平的教育》两篇专题文章。报道重点剖析了天立启鸣AI研究院研发的“天立学科大脑”等创新成果，为全
什么是斐波那契回撤？ 在波涛汹涌的加密货币市场里导航，技术分析工具好比航海家的罗盘。其中，斐波那契回撤是交易者工具箱里一件经典且备受青睐的利器。它基于一组古老而神秘的数学比例，核心作用是帮助我们在价格图表上，识别出趋势运行后可能出现的“暂停点”或“转折点”，也就是潜在的支撑位和阻力位。 简单来说，当
官方入口 在正式踏入真实市场之前，几乎所有新手都希望能有个安全地带，用来熟悉交易界面、摸清下单门道、弄懂风控逻辑。欧易 OKX 提供的模拟交易功能，就是为此量身打造的——你完全不用动用自己的真金白银，就能完整体验从行情分析到订单执行的全流程，顺便把各种订单类型都试个遍。 这里需要提一句，由于网络环境
币安邀请码补填指南：错过新人礼包后的补救之道 在加密货币交易的世界里，一个不起眼的邀请码，往往直接关联着实实在在的手续费减免和新人福利。不少朋友在注册币安时，可能一时疏忽忘了填写，或者不小心绑定了其他推荐人的邀请码，结果就与这些优惠擦肩而过。别着急，今天我们就来系统性地拆解一下，如何补填或更改币安邀
在币安上进行交易，主动管理交易成本对保护利润和本金至关重要。近期币安推出了“成本偏好”的设置，下面小编就为大家介绍一下具体操作吧 币安如何设置成本偏好 交易的收益预期不同，衡量成本价的方式自然也有区别。为了满足这一需求，币安贴心地提供了两种成本价核算方式：“平均买入价格”和“清零平均成本”。用户完全
热门专题
热门推荐
近日，国家能源局联合发改委、工信部、国家数据局正式印发《关于促进人工智能与能源双向赋能的行动方案》。这份重磅文件的核心思路非常清晰：一方面，以坚实的能源基础支撑人工智能（AI）的快速发展；另一方面，利用AI技术赋能能源行业转型升级。其核心目标是推动能源、算力、应用场景、数据与算法模型五大关键要素深度
在挑选文生视频工具时，若您正在智谱清影与Runway Gen-3之间权衡，那么了解两者在生成效果上的具体差异，将有助于您做出更明智的选择。本文将从画质清晰度、细节纹理、运动自然度与视频连贯性等核心维度，通过实测对比为您详细解析。 一、画质与分辨率表现 首先对比硬性指标。智谱清影基于CogVideoX
想用通义万相生成一张科技感十足的数据可视化背景，但出来的画面总觉得少了点“内味儿”？数字界面、粒子流、电路纹理这些关键元素一个不见，画面平平无奇？这通常不是工具的问题，而是提示词没有精准锚定科技可视化的核心要素，或者模型参数没调到最佳状态。别急，下面这几种方法，能帮你把想法精准地“翻译”成画面。 一
想要在Vidu生成的视频中实现流畅的慢动作或快进效果？虽然模型界面没有提供直接调整播放速度的滑块，但通过巧妙的提示词设计、利用内置功能，或结合后期处理工具，你完全可以精准掌控视频的节奏与时间感。本文将为你详细解析四种实用方法，从生成前到生成后，全方位满足你的创作需求。 一、通过精准提示词引导运动节奏
当您使用海螺AI生成的英文论文在提交查重时遭遇高重复率或AIGC检测异常，请不要急于归咎于工具本身。核心原因在于，尽管AI生成的文本格式标准、语法地道，但其语言模式和常见短语组合，并未针对知网、维普、万方等中文查重数据库的语义比对逻辑进行专门优化。换言之，机器认为流畅自然的表达，在查重系统的算法看来