当 AI 能把作业写满分，我们到底在培养一个什么样的人
凌晨两点，论文还空着大半页。你把题目丢进对话框，三十秒后，一篇结构漂亮、引用像模像样、过渡句丝滑到像喝了蜂蜜的文章就躺在屏幕上。你删掉两段套话，加一句“本文认为”，交上去，老师给了 A−。你松了口气，可关掉电脑那一下，心里有个声音没停过：这东西是我写的吗？写完之后，我真的更会分析这件事了吗？
这个声音不是矫情。它是整个现代教育地基开裂时发出的声响。
几百年来，学校都默认一条很省事的等式：一个人能做出复杂任务，就大致说明他具备了相应能力。能解偏微分方程，说明懂微积分；能写法律备忘录，说明懂请求权基础；能出诊断方案，说明懂病理推演；能写出有论证的论文，说明脑子已经会组织抽象材料了。所以学校从来不把“做题”只当做题，它同时是能力形成的过程，也是能力存在的证据。完成、形成、证明，三件事绑在一块儿用，省事，也管用。
生成式 AI 干得最狠的事，就是把这三件撕开。现在一个学生可以写出远超自己真实水平的文章，可以产出能跑却讲不清架构的代码，可以给出像医生一样的回答却从没推演过从症状到机制的那段路。作业越来越像样，人却可能没长。于是我们掉进一个很怪的时代：产品越来越像人，人反而未必更像人。
问题不能再用“让不让用 AI”来回答了。真正要问的是三层：这步操作能不能交给机器？就算能交，人自己还得懂到什么程度？学校和用人单位凭什么证明这能力真长在这个人脑子里，而不是长在那套人机系统里？第一层叫委托，第二层叫内化，第三层叫担保。过去它们糊在一起，现在必须拆开，因为委托得越多，后两层反而越金贵。
所谓内化边界，说的就是那条“人身上必须留下的最低能力线”。它不是怀旧，不是逼你回到钢笔和闭卷背书的年代，也不是说 AI 能做的全不许碰。它只是在问：哪些东西，哪怕机器代劳得再好，也得留在人身上，不然这个人就空了。
比如发展性。新手手动搜文献、调 bug、复盘病例，慢得让人着急，但那点慢，正在长学科地图、系统模型和临床直觉。专家可以外化，因为脑子里早有结构；新手一上来就把结构生成也外包，就会拿到一张地图，却从没走过路。再比如认知控制。大模型最吓人的不是答错，是答得特别像对的。你没统计底子，就看不出它把相关说成因果；没教学判断，就看不出它把课堂管理讲成鸡汤。还有可问责这件事——医生用 AI 看片，出事还是医生负责；工程师用 AI 出结构图，桥塌了还是工程师担着。委托执行，从来委托不了责任。最后还有韧性：模型挂了、被骗了、碰上从没见过的局面时，驾驶位上得有个真能接手的人。
研究早就给过提醒。用 ChatGPT 的学生即时写作分更好看，但知识迁移没跟上；高中生无护栏用 GPT 做数学，练习分漂亮，撤掉 AI 后独立考试反而更差；只有被设计过的 AI 辅导才真长本事。也就是说，AI 辅助可能是增强，也可能是替代，甚至可能是侵蚀。现在太多课堂只盯“交没交、像不像样”，就把后两种悄悄包装成了第一种。
所以评估也得变。不是简单禁 AI，也不是放任用，而是先说清这次到底担保什么：是要证明他没辅助也能做，还是要证明他会跟机器协作，还是要证明他能在模型出错时挑出来、选出来、担下来。这三种证据不能混着用，混着用，文凭就贬值成“此人曾待在一个能产出好东西的系统里”。
大学尤其得想明白这件事。如果只把自己当知识传输站，那被 AI 替代一点不冤。可大学真正值钱的，从来不是信息量，而是把人按序列带进真实责任场景、用学科共同体的标准逼出判断、最后敢替他背书说“这人能负责”的能力。AI 越强，大学越不该退成内容商城，而要变成人类能力的形成与担保机构。
说到底，生成式 AI 没让学习消失，它只是让“看起来学习了”变得太便宜。我们这代教育要答的题，不是“AI 能不能进教室”，而是当机器能替我们写、替我们算、替我们检索、替我们出方案之后，还决心在人身上留下什么。那条线画不清，以后最荒诞的画面就是：机器什么都会，人类什么都能生成，可真到要有人站出来说“我为此负责”的那一刻，驾驶位上没人。
所以别再问“用不用 AI”了。问这句吧：机器进来以后，我还打算留下多少自己。能答出这个的学校，才配发那张证。