注：本文为 "AI 重塑教育范式" 相关合辑。
略作重排，如有内容异常，请看原文。
AI 逼出了教育的真相，美国大学开始复兴一种古老传统
不懂经也叔的 Rust 不懂经 2026 年 3 月 27 日 22:31 上海
一个人真正拥有的能力，往往不是他能交出一份多漂亮的答案，而是当别人把答案拿走之后，他脑子里还剩下什么。
这其实是一个很古老的问题。只是过去很长时间里，我们不太需要正面回答它。现代教育替我们做了一个方便的简化：你写得出来，通常就被视为你学会了。大家默认，文字是理解的外壳，同时也差不多就是理解本身。
今天，这个默认正在迅速失效。
最近，美国一些大学开始重新把口试带回课堂。康奈尔大学生物医学工程系的教授克里斯·谢弗，要求学生在提交书面作业后参加 20 分钟的苏格拉底式提问，与教授面对面坐下，为自己的推理过程进行答辩。
宾夕法尼亚大学的教授把口试和书面作业结合起来，纽约大学斯特恩商学院甚至开始试验用语音 AI 代理参与口头测评。老师们给出的理由惊人地一致：学生交上来的书面作业越来越完整流畅，可一旦面对追问，他们就很难清楚解释自己的推理过程。
"你无法靠 AI 蒙混过关通过口试。"谢弗说。
表面上看，这像是一场针对 AI 作弊的应急反应。但往深里看，它照亮的是另一个问题------教育系统过去几百年太依赖文字了，依赖到我们已经分不清，自己测到的到底是知识，还是文字生产能力。
这件事，其实并不让我意外。因为我们之前已经讨论过：按照麦克卢汉的媒介四定律来推演，AI 带来的一个重要后果，就是口语文化的复兴。
凡是能够被写下来、存下来、格式化、标准化的东西，都会越来越容易被 AI 接管。到了这一步，那些只能在当场发生、只能在关系中展开、只能在追问里被检验的能力，反而会重新升值。大学口试的回潮，不过是这个趋势最早浮出水面的一个信号。
印刷术创造了考试
如果把时间拉长一点，你会发现，书面考试从来都不是教育天然的形态。它是印刷术的产物。
在印刷机出现之前，知识的主要载体不是试卷，不是论文，也不是标准答案。它更多存在于口传、讲授、示范、辩论、追问和反复修正之中。师傅带徒弟，哲人带学生，知识是活的，是带着语境和关系流动的。
一个人有没有学会，最直接的检验方式，不是让他回家写一篇文章，而是让他站在你面前，当场说清楚、接得住追问。
苏格拉底没有写过一个字。他留下来的，不只是一套思想，更是一种教育原型：真正的学习和理解，发生在追问之中。
你以为自己懂了，可老师再问一句，你忽然卡住，才发现刚才那个"懂了"其实很薄。很多真正的理解，都是在这种被逼着往下想的过程中长出来的。
后来印刷术来了，教育开始大规模扩张。书可以复制，教材可以统一，课程可以标准化，考试也可以工业化。现代学校就是在这样的媒介环境里长出来的。它必须面对规模，必须面对效率，于是书面考试就成了最方便、最经济的方式。这当然有巨大的历史功劳，没有印刷文化，就没有现代大学，也没有如此广泛的普及教育。
但它也同时完成了一次悄无声息的替换。
它把"真正理解"慢慢替换成了"可以复述"，又把"可以复述"进一步替换成了"可以写出来"。到了最后，我们看见一份完整的文本，就会默认背后站着一个真正理解了问题的人。
这个替换过去能长期成立，是因为写一份像样的文本本身成本并不低------你总得读书、整理、归纳、修改。可今天，AI 把这层劳动的门槛压到了几乎接近于零。
于是那个原本被遮住的问题，一下子暴露了出来：原来过去很多被视为"学习成果"的东西，更像是一种文本表演。
Perfect homework, blank stares: Why colleges areturning to oral exams to combat Al
完美的作业，茫然的眼神：为什么高校转向口试来应对人工智能
AI 没有创造问题，它照亮了问题
宾大教授 Emily Hammer 指出："这看起来好像我们是在试图防止作弊，但这不是我们这样做的原因。我们这样做是因为学生们实际上正在失去技能、失去认知能力和创造力。"
她说的是"正在失去"，不是"因为 AI 而失去"。
因为在 AI 出现之前，这个失去就已经在发生了。只是它的速度足够慢，慢到可以被书面考试的分数掩盖。一个学生可以在没有真正理解的情况下，通过大量练习和模板积累，写出看起来相当不错的论文。这件事在 AI 出现之前就已经是公开的秘密，只是代价不够高，所以没有人有足够的动力去改变它。
AI 把代价拉高了。当一个聊天机器人可以在三十秒内生成一篇结构完整、论证流畅的学术论文，"能写出好文章"这件事就失去了作为认知证明的价值。教授们被迫去问一个他们应该早就问的问题：我们到底在评估什么？
这个问题让人尴尬。
我们在评估的，好像是一种表演。一种在特定规则下生产特定格式文字的表演。这种表演有时候和真实的理解高度相关，有时候完全无关。AI 出现之前，我们没有办法把这两种情况区分开来，所以就默认它们是同一件事。
AI 出现之后，这个默认崩塌了。
媒介四定律，透视这场崩塌
麦克卢汉留下了一套分析任何新媒介的框架，"媒介四定律"，四个问题，可以透视这场变革的真实轮廓。
AI 淘汰了什么？
它淘汰的不只是书面作业的可信度，而是整套"标准化文字生产"作为教育货币的逻辑体系。过去几百年，教育市场里流通的货币是：你能写多好，你能答多准，你能在规定格式里组织出一篇合格文本。这套货币现在贬值了，因为 AI 可以无限量地、零成本地制造它。
当货币贬值，真正的价值就浮出水面。
AI 增强了什么？
它把"事后生产文字"和"当场生成思维"之间的差距，放大到了肉眼可见的程度。这个差距一直存在，只是之前没有工具能精确测量它。现在有了，口试就是那个测量工具。
当你坐在教授对面，没有准备时间，没有搜索机会，他追问的每一个"为什么"都必须从你真实的理解中生长出来。这时候差距就清晰了：你是真的懂，还是只是事后整理得很好？
AI 召回了什么？
这是最深的一层，也是我们此前在分析 AI 媒介效应时就已经推演出的结论：AI 正在召回口语文化。
苏格拉底式的追问，师徒制的当场博弈，对话作为知识传递的核心形式。这些比印刷术古老得多的东西，正在重新浮出水面。不是因为有人决定复古，而是因为技术的逻辑把我们推到了这里。当书面文字失去作为认知证明的功能，剩下能证明你真正懂了的，只有当场的对话。
我们最初做出这个推演时，它还只是一个理论上的结论。现在，康奈尔、宾大、纽大正在用行动把它变成现实。
AI 反转成了什么？
书面教育被推到极端------AI 可以替所有人完成所有书面任务------它反转成了对口头能力的强制要求。效率的顶点，反转成了对真实在场的渴望。这不是第一次发生。
电视本来被认为会摧毁家庭聚会，结果它反而成为家庭成员聚在一起的理由。互联网本来被认为会让面对面交流消失，结果线下社群在互联网时代反而更活跃。每一种媒介推到极端，都会召回它试图取代的东西。AI 也不例外。
教育从来是对话，不是批改作文
苏格拉底的方式不是一种教学技巧，不是一种应对作弊的手段。它是教育最原始、最根本的形态。
知识不是一个可以从一个容器倒进另一个容器的液体。它是在思维的摩擦中生长的。当你被追问"为什么"，当你必须实时解释你的推理，当你意识到自己其实说不清某个环节，这个时刻，才是真正的学习发生的时刻。不是当你在键盘上打出最后一个字，不是当你提交论文，而是当你在某人的追问下卡壳，然后重新组织自己的理解。
印刷文化让教育变成了一种内容生产和评分系统。这是一个历史性的偏离，不是错误，是在特定技术条件下的合理妥协。当你需要同时教几百个学生，书面文字是唯一可行的媒介。所以教育跟着印刷术走，把自己改造成了一套文字生产和评估体系。
这个妥协维持了几百年，它有巨大的价值。但它同时埋下了一个根本性的漏洞：它混淆了"能表达"和"真正懂了"。AI 把这个漏洞炸开了。
AI 越强需求越大的方向是什么？
教育的变化，通常是社会能力结构变化的前哨。
大学先改评估方式，企业接下来就会改招聘方式，市场最后会改付费方式。今天大学开始重视口头答辩和临场推理，明天企业就会更重视面试中的真实表达，后天客户就会更愿意为那些能把复杂问题当场讲清楚的人买单。
首先会发生的，是口语表达重新变成硬通货。
AI 会迅速抬高整个社会的平均写作水平。一个原本不太会写的人，也可以借助 AI 快速产出一篇结构完整的文章或提案。平均值一上升，单靠写作形成的差异就会被压缩。
这时候真正能拉开距离的，是那些 AI 很难替代的能力：解释、追问、答辩、说服、临场回应。不是"能写一篇好文章的人"，而是"能把复杂问题在现场讲透的人"，会变得越来越稀缺。
其次，很多赚钱方式会从卖内容转向卖互动中的理解转化。
AI 时代，内容本身会越来越泛滥。文章、课程、框架、清单、分析、摘要，供给会爆炸式增长。可用户真正缺的，很多时候并不是这份内容本身，而是有人根据他的具体情况，把内容变成他听得懂、接得住、用得上的东西。
这意味着，未来更值钱的不是单纯卖一份文档，而是那些带着强烈口语文化属性的服务形态：一对一辅导、小班讨论、答辩式训练、高密度问答、闭门工作坊。这些东西依赖对话，依赖临场，依赖即时反馈，AI 很难完全替代其中的信任关系和现场判断。
还有一个方向值得关注：创业机会会从"卖标准答案"转向"卖验证过程"。
过去很多教育生意，本质上都在卖答案------卖题库、卖模板、卖万能结构、卖面试话术。以后这些东西的护城河会变得非常薄，因为 AI 本身就能提供大量类似供给。
真正的新机会，会更多出现在"验证"这一端：帮人做模拟口试和答辩训练，帮求职者做面试实战演练，帮专业人士把自己的知识变成可讲、可信、可成交的话语。这些服务看起来分散，背后解决的其实是同一个问题：如何让一个人从"看起来懂"走到"真的能讲清楚"。
这恰恰是 AI 越强、需求越大的地方。
从更大的角度看，AI 逼出来的教育真相，不只属于教育本身。
现代教育曾经让我们形成一种错觉，好像学习的终点就是交出一份漂亮结果。可 AI 一来，我们才突然意识到，结果本身已经越来越不稀缺了。
真正稀缺的，是你如何得到这个结果，你能否解释它，你能否在它失效的时候修正它，你能否把它转化到一个新场景里继续使用。
文本会越来越便宜，现场会越来越贵。标准答案会越来越多，真实理解会越来越稀缺。能生成内容的人会越来越多，能把内容转化成信任、转化成判断、转化成行动的人，会越来越值钱。
AI 没有摧毁教育。它摧毁的是教育的替代品。
真正的教育，那种必须当场发生、必须在追问中完成、必须在对话里流动的东西，一直都在那里。在苏格拉底和他的学生之间，在每一个真正的师徒关系里，在每一次你被问倒然后重新想清楚的时刻。
印刷术压制了它两千年，AI 用两年把它逼了回来。这是一种巨大的范式转变。
每个人都在靠 AI 作弊上大学，传统教育已死
不懂经也叔的 Rust 不懂经 2025 年 5 月 8 日 21:59 河南
名校不再是学习知识的场所，甚至不是为了获得文凭，名校只是你遇到创业伙伴和未来另一半的最佳地点。
AI 正在削弱人类智力与创造力
从 1930 年代开始，人类的智商测试分数一代高过一代，但自 2006 年左右开始放缓，部分地区甚至出现下降。
"在这个 AI 时代，最令人担忧的不是它可能损害人类的创造力或智力，而是它已经做到了这一点。"康奈尔大学心理学教授罗伯特·斯滕伯格说。
厨AI 时代的能力异化
假设有两个厨师。
一个厨师通过多年的实验，以传统方式学习烹饪，从掌握个别食谱到更加直觉地理解食材和技巧的搭配。另一个厨师则依赖 AI，逐一生成食谱，通常是根据冰箱里的食材或市场上正在特价的东西。
AI 能够成功地做到这一点，因为它像第一个人类厨师一样，接触了无数食谱，并通过它们来培养对烹饪的直觉。它也经历了一个训练过程，从具体到抽象。相比之下，第二个厨师根本不需要培养这种直觉；他停留在个别食谱的层面。
在这三位厨师中------第一个厨师、第二个厨师和人工智能，第二个厨师实际上是最没有训练的。
这意味着什么呢？第二个厨师与第一个厨师，在作为厨师的层面上有什么不同吗？做为人呢？
当然，第二个厨师的思维、能力和经历都不同。他做决定的方式也不同。当一个技艺精湛的厨师根据自己一生的烹饪经验，为你做一顿饭时，那与一个人用 AI 挑选的食谱做饭是两回事。
或许可以说，从某种程度上，他的品格也不同。第二个厨师或许能做出美味的晚餐，但他不是一个通过不断尝试、失败，并最终取得成功的厨师。他没有真正经历过作为厨师的生活，他只是在做表面功夫而已。
但这又意味着什么呢？是不是他更难找到工作，更难在社会上获得生存的空间，还是什么？
假设这些差异在许多领域中重复发生。想象一下，作为极端情况，两个个体，一个自己尝试解决问题，另一个则在需要进行智力劳动时经常借助人工智能。他们会是截然不同的人。一个会成为思考者，另一个则是一个消费者。
一个人的心智会因为学习而被塑造，另一个人的心智则会由偏好塑造。一个会拥有广泛的、可适应的、内化的能力；另一个则拥有寻找帮助的能力。
在现实生活中，当然，这并非两个完全不同的人，而是我们每个人内心中两种潜能的体现。在多大程度上，我们会沦为人生的乘客，而不是驾驶员呢？
在未来，如果你按月或按年订阅的智能体、大模型把你封禁了，或者就像最新一季《黑镜》第一集里，数字永生的服务，需要你经常听广告，要你不断升级会员，你付不起会费，又会怎样？
不过，人们无法抵挡技术的诱惑，就像水手无法抵挡塞壬的歌声。随着 AI 的普及，很多人会开始质疑，当计算机已经非常精通时，训练自己思维的价值和意义何在？
哥大学生的 AI 作弊与创业闹剧
去年秋天，钟仁（Roy）·李踏入哥伦比亚大学的校园。他坦言，几乎所有的作业都是靠生成式 AI 完成的。在哥大，他很快找到了一个创业搭档，做出了一种利用 AI 帮助面试者作弊的工具。结果遭到哥大的处分，被留校察看。
李同学感到荒谬：哥大不是还和 ChatGPT 母公司 OpenAI 有合作关系吗？虽然哥大和多数高校一样，禁止学生未经授课教师明确许可使用 AI，但李表示："在学校，我没见过一个不用 AI 作弊的学生。......我觉得，距离大家不再把用 AI 写作业看作作弊的时代，只剩下几年，甚至几个月。"
nymazaine 发了一篇长文，引起了广泛的热议，《每个人都在靠 AI 作弊上大学》。传统教育已死。"现在上大学，就是看你的 chatgpt 用得有多好。"
Everyone Is Cheating Their Way Through College ChatGPT has unraveled the entire academic project. James D. Walsh
去年秋天，钟仁（Roy）·李踏入哥伦比亚大学的校园，并坦言，几乎所有作业他都是靠生成式人工智能完成的。作为计算机科学专业的学生，他在入门编程课上尤其依赖 AI："我直接把题目丢给 ChatGPT，然后把它吐出来的答案交上去。"
按他粗略估算，他提交的每篇论文有 80% 都是 AI 写的。"最后我会稍微润色一下，加一点人味进去。我大概只加了 20% 的'人性'，自己的声音。"他最近这样对我说。
李出生于韩国，在亚特兰大郊区长大，父母经营一家大学升学顾问公司。他说自己高三时提前被哈佛大学录取，但因毕业前一次夜宿实地考察活动中偷偷外出而被学校停学，哈佛随后撤销了录取资格。
一年后，他申请了 26 所大学，但无一录取。于是他先读了一年社区大学，然后转入哥伦比亚大学。（他的个人陈述，把这段曲折的升学历程描绘成自己立志创业的寓言，也是在 ChatGPT 的帮助下完成的。）去年九月，他作为大二学生入学，并不怎么在意学业或 GPA。
"大学里大部分作业根本没意义，"他说，"用 AI 轻松就能搞定，我一点兴趣都没有。"当其他新生还在苦苦应付被学校宣传为"思想拓展、个人转变"的课程时，李已经靠 AI 轻松应对。
他为何如此辛苦才考进常春藤盟校，却又把学习交给一个机器人？"因为这是你能遇见创业合伙人和未来老婆的最佳地点。"他说。
第一学期结束时，李已经实现了其中一个目标。他认识了联合创始人------工程学院大三学生尼尔·尚穆甘（Neel Shanmugam），两人一起开发了一系列创业点子：一款只针对哥大生的交友 App、为酒类分销商设计的销售工具，还有一款笔记软件。但这些项目都未能成功。后来李想到一个新点子。
作为程序员，他曾在 LeetCode 上花了约 600 小时，那是一个为面试准备算法题的平台。李和很多年轻开发者一样，觉得这些题目枯燥且与实际工作关系不大。他想，那这些训练还有什么意义？如果他们能做一个工具，在远程面试时把 AI 隐藏在浏览器背后，让应试者也能靠作弊通过呢？
于是，在今年 2 月，李和尚穆甘推出了这样一个工具。网站横幅上写着："F*CK LEETCODE"。李还在 YouTube 上传了一段他使用该工具"骗过"亚马逊实习面试的视频。（他确实拿到了实习机会，但后来拒绝了。）一个月后，哥伦比亚大学学术诚信办公室找他谈话。委员会认定他"传播作弊工具链接"以及"教学生如何访问和使用该工具"，对他做出留校察看处分。
李对此感到荒谬：哥大不是还和 ChatGPT 母公司 OpenAI 有合作关系吗？虽然哥大和多数高校一样，禁止学生未经授课教师明确许可使用 AI，但李表示："在学校，我没见过一个不用 AI 作弊的学生。"李并不认为这是坏事："我觉得，我们距离大家不再把用 AI 写作业看作作弊的时代，只剩下几年，甚至几个月。"
AI 作弊席卷全球高校，学生依赖成常态
早在 2023 年 1 月，也就是 ChatGPT 上线两个月后，一项面向 1000 名大学生的调查显示，近 90% 的学生使用了该聊天机器人完成作业。上线第一年，ChatGPT 的月访问量持续上涨，直到 6 月学校放假（并非偶然，2024 年暑期流量同样下降）。
教师们越来越常见到语言生硬但语法完美、听起来不像是人写的论文。两年半后，从大型州立大学、常春藤、东北部文理学院，到海外高校、职业学院和社区大学，学生们在学习的各个环节都开始依赖 AI。
ChatGPT、Google 的 Gemini、Anthropic 的 Claude、微软的 Copilot 等生成式 AI，不仅帮他们记笔记、制定学习计划、总结课本和小说，还能头脑风暴、起草论文提纲、直接写作。STEM 专业的学生用它来自动化研究和数据分析，轻松应对复杂编程任务。正如一位犹他州学生在 TikTok 上配文说："现在上大学，就是看我 ChatGPT 用得有多好。"
来自加拿大安大略省威尔弗里德·劳里埃大学的大一新生 Sarah（化名）表示，她第一次用 ChatGPT 作弊是在高三春季学期。熟悉之后，她就全学科通用，包括原住民研究、法律、英语，还有一门叫"绿色产业"的"嬉皮农耕课"。"我的成绩超棒，"她说，"彻底改变了我的人生。"大学开学后，她继续使用 AI，"为啥不用？几乎每次上课都能看到别人的笔记本上开着 ChatGPT。"
临近期末时，她开始觉得自己可能已经依赖这个网站。她已经自认为对 TikTok、Instagram、Snapchat 和 Reddit 上瘾，在 Reddit 上的用户名是 maybeimnotsmart。"我花太多时间刷 TikTok 了，"她说，"几个小时几个小时地刷，眼睛疼得难受，根本没法做作业。有了 ChatGPT，本来要写 12 小时的论文，两小时就搞定。"
防作弊手段失效，教育者陷入绝望
教师们尝试通过"AI 免疫化"作业来应对，比如回归手写答题册（Blue Book），或改为口头考试。布莱恩·帕特里克·格林（Brian Patrick Green），圣塔克拉拉大学的科技伦理学者，在第一次使用 ChatGPT 后立刻停止布置写作类作业。
不到三个月后，他教授一门名为"伦理与人工智能"的课程，想着布置一篇低风险的读书感想应该安全------毕竟，没人会用 ChatGPT 来写一篇个人化的反思吧？结果他收到一篇语言生硬、表述怪异的感想文，一看就知道是 AI 写的。
在阿肯色大学小石城分校，一位哲学教授也在其"伦理与科技"课程中发现学生使用 AI 回答课程自我介绍的问题："简要介绍你自己，以及你希望从本课中收获什么。"
当然，作弊并不是新鲜事。但现在，"天花板被掀飞了，"一位学生如此形容。谁能抗拒这样一个几乎没有后果、又能让作业变简单的工具？过去两年多来，诗人、哲学家，也是加州州立大学奇科分校的伦理学教授特洛伊·乔利莫尔（Troy Jollimore）几乎每天都在批改 AI 写的论文。
他对此深感担忧："会有大批大学毕业生走入职场，他们几乎是文盲------不仅是字面意义上不识字，也不懂历史、不了解自己的文化，更别提别人的文化。"考虑到大学其实只是人生中的一个短暂阶段，这种后果可能会比我们想象得更快显现。
目前，大约一半本科生从未体验过一个没有生成式 AI 的大学生活。"我们可能正在见证一整代人的学习被严重削弱，"圣塔克拉拉的格林教授说，"学习过程正在被短路，而且来得非常快。"
从传统工具到 AI，监管陷入两难
其实早在 OpenAI 于 2022 年 11 月发布 ChatGPT 之前，作弊问题就已达到顶峰。很多大学生是在疫情期间远程完成高中课程的，基本无人监督，且可以使用 Chegg 和 Course Hero 等工具。这些公司打着教材库的幌子，实则是"作弊多功能工具"。
Chegg 每月收费 15.95 美元，承诺 24/7 提供作业解答，最多 30 分钟响应，由其雇佣的 15 万名高学历"专家"完成，大多数在印度工作。当 ChatGPT 推出时，学生们早已为这种更快、更强的工具做好了准备。
然而学校管理者却束手无策。不可能全面禁止 ChatGPT，因此大多数学校采取了零散策略，让教师自行决定是否允许使用 AI。有的高校敞开怀抱，和开发商合作，推出自己的聊天机器人帮助学生选课，甚至开设与生成式 AI 相关的新课程、证书项目和专业。但监管依然困难：到底允许多少 AI 参与？学生能否与 AI 对话获取灵感，却不能让它代写内容？
如今，教师们通常会在教学大纲中说明自己的政策------比如允许使用 AI，但需像引用其他资料一样标注；或只允许用于构思，不可生成具体语句；或者要求提交与 AI 的对话记录。学生往往将这些说明理解为"参考建议"而非强制规定。有时，他们甚至自己都不清楚，在请求 AI 优化段落或找一篇参考文献时，是否已经违反了校规。
学生对 AI 的依赖与自我矛盾
Wendy 是本市某顶尖大学金融专业的大一新生，她告诉我自己"反对使用 AI"。她补充道："我是说我反对复制粘贴，我反对作弊和剽窃。这些行为都违反学生手册。"但接下来，她却详细描述了上周五早上 8 点，如何用 AI 帮她写一篇需要在两小时内提交的 4-5 页论文。
Wendy 用 AI 写论文的流程分三步。第一步："我会告诉它，'我是一个大一新生，在上这门英语课。'"否则，她说，"它会给你一个非常高级、复杂的写作风格，那不是我想要的。"第二步，她向 AI 提供课程背景，并粘贴教授的作业要求。第三步："然后我问它，'根据题目，请你给我一份提纲或组织结构，这样我就能照着写。'"接着，AI 就会提供一个完整的结构，包括引言、主题句和每段的要点。有时她还会要求提供支持或反驳某观点的要点列表："我写作组织能力不强，这种方式让我特别容易跟着写。"
等到 AI 给出提纲，提供了各段要点后，Wendy 所要做的就是"填空"。她最终在早上 10 点 17 分提交了一篇整整五页的论文，虽然略微迟交，但仍算及时。我问她成绩如何，她说得了个好分。"我其实挺喜欢写作的，"她说着，语气中对高中英语课充满怀念------那是她最后一次独立完成写作。"说实话，我觉得写作过程本身挺有意思。你得思考，'这一段该写什么？'或者'我的论文主旨是什么？'"但相比这些，"我还是更想拿好成绩。用 ChatGPT 写论文，它会直接告诉你该怎么做。你几乎不用怎么思考。"
我请求 Wendy 让我看看她交的那篇论文，打开文档后，我惊讶地看到她的写作主题是"批判教育学"（critical pedagogy），即巴西教育家保罗·弗雷雷（Paulo Freire）提出的教育哲学，关注社会政治力量对教学和学习方式的影响。她的开头句写道："学校在多大程度上阻碍了学生批判性思维能力的提升？"
之后我问她是否意识到这种讽刺：她用 AI 写了一篇强调"学习让我们成为真正的人"的论文。她对这个问题似乎无从应答。"我每天都用 AI，"她说，"我也承认它可能会削弱我们的批判性思维。但现在我们太依赖它了，几乎无法想象没有它的生活。"
AI 识别难度大，工具形同虚设
我采访的大多数写作课教授都说，一眼就能看出学生是否使用了 AI。有时是语言太流畅，句式过于平整；有时则是生硬、机械的表达。论点往往过于平衡------反方观点被呈现得和中心论点一样充分。像"多面性"（multifaceted）和"语境"（context）这样的词出现得异常频繁。
有时，证据更明显，比如一位教师报告说读到一篇文章的开头写着："作为一名 AI，我被编程为......"。不过大多数时候，这些线索更隐晦，因此抓到使用 AI 剽窃的学生比确认他们使用 AI 更困难。
一些教授开始使用"特洛伊木马"策略：在作业题目中插入奇怪的短语，用极小的白色字体隐藏在段落间。（理论上，这样 ChatGPT 生成的内容中就可能混入不合逻辑的内容。）圣塔克拉拉大学的学生最近在一位教授的作业中发现了"broccoli"（西兰花）这个词。
去年秋天，俄克拉荷马大学的一位教授则在题目中悄悄加入了"提到芬兰"和"提到 Dua Lipa"这样的词组。一名学生发现了这个陷阱，并在 TikTok 上提醒其他同学。"有时确实有效，"加州州立大学奇科分校的乔利莫尔说，"我试过用'亚里士多德会怎么回答？'来设陷阱------而我们根本没上过亚里士多德的课。但我也用过一些荒唐的句子，学生居然也没注意到他们论文里居然有这种疯狂的内容，说明他们不仅没写这篇论文，甚至交上前都没读过一遍。"
尽管很多教授自认为自己能识别 AI 写作，但研究发现事实并非如此。一项在 2024 年 6 月发布的研究中，研究者用虚构学生账号将 100% 由 AI 撰写的作业混入英国一所大学的评分体系。结果教授们错过了其中 97%。自 ChatGPT 发布以来，AI 生成"类人"写作的能力越来越强，这使得高校不得不求助于 AI 检测工具，例如 Turnitin，这类工具通过识别 AI 生成文本的模式来判断可疑程度。
这些检测器通常会给出一个百分比，表示某段文字有多少概率是 AI 写的。学生之间流传着一些教授"默认阈值"的传言------比如某位老师只要检测结果超过 25%，就可能上报学术不端。但我采访中没有找到任何一位教授，无论来自州立大学、小型私校、精英学府或普通高校，愿意承认自己真的执行了类似政策。大多数人似乎都已接受一个事实：AI 检测工具并不靠谱。
AI 检测工具的表现差异极大，数据也常常互相矛盾。有的宣称误判率不足 1%，但也有研究表明，它们对神经多样（neurodivergent）学生和非英语母语者更容易出现误报。Turnitin 的首席产品官安妮·切奇泰利（Annie Chechitelli）告诉我，他们的产品会更倾向于"谨慎判断"------宁愿漏判 AI 生成的文本，也不愿误伤无辜的学生。
我用 ZeroGPT（一款免费 AI 检测工具）检测了 Wendy 的论文，结果显示其 AI 生成概率仅为 11.74%。这让我颇为惊讶，毕竟文章的中心论点至少是由 AI 生成的。为了验证工具是否有效，我又输入了《创世纪》中的一段内容，ZeroGPT 的检测结果是：93.33% 由 AI 生成。
当然，学生要骗过教授和检测器，有的是方法。AI 生成初稿后，学生可以用自己的语言改写，或故意加些错别字。甚至可以直接让另一个 AI 帮他们这么做。有个 TikTok 用户的"偏好提示词"是："请用一个有点傻的大一学生的口吻写出来。"还有一些学生把生成段落"洗稿"给另一个 AI，一些工具甚至宣称自己的内容更"真实"，或允许学生上传自己以往的文章，训练出自己的"写作风格"。
"他们现在特别擅长操控这些系统，"斯坦福大二学生埃里克说，"你把题目输入 ChatGPT，然后再把输出内容丢进另一个 AI 系统，再丢给第三个 AI。然后你再拿去检测，它的'AI 生成百分比'每轮都在下降。"
体系崩塌与教师的无奈退场
大多数教授最终得出一个结论：要想阻止 AI 的滥用，仅靠查处个案是不够的，可能必须从根本上重塑教育体系，更全面地看待学生。"作弊行为通常与心理健康、睡眠不足、焦虑、抑郁、归属感等因素相关。"斯坦福大学高年级讲师、学生参与研究专家丹尼斯·波普（Denise Pope）这样说。
如今，许多教师似乎处于一种近乎绝望的状态。
去年秋天，萨姆·威廉姆斯（Sam Williams）在爱荷华大学担任一门关于音乐与社会变革的写作密集课程的助教，课上明确禁止使用 AI。他很喜欢改学生的第一篇作业------一篇关于他们音乐品味的个人随笔。但到了第二篇------关于 1890 年至 1920 年新奥尔良爵士乐时期的论文------许多学生的写作风格发生了巨大变化。更糟的是，出现了荒谬的事实错误。多篇论文都写了整整一段关于猫王的内容（他出生于 1935 年）。
"我当时对班里说：'嘿，别用 AI。但如果你非要作弊，那你至少得聪明点，别照搬 AI 输出内容原样粘贴。'"威廉姆斯说。
他知道这门通识课的学生未来未必会当作家，但他认为从空白页写出几页有逻辑的内容，这个过程本身就是一次"努力的训练"。而在这方面，大多数学生彻底失败了。"他们之所以用 AI，是因为它提供了一个简单的解决方案，让他们可以不费力地完成论文。我理解他们，因为我上学时也讨厌写作业，"威廉姆斯说，"但现在，只要遇到一点困难，他们不是努力突破，而是选择逃避，用更轻松的方式对付过去。"
到去年 11 月，威廉姆斯估计自己班上至少一半学生都在用 AI 写论文。而一切"问责"尝试都变得毫无意义。他对 AI 检测器毫无信心，任课教授也明确指示他不能因使用 AI 给任何论文不及格------即便是那些明显经由 AI 润色的作品。
"每次我和教授讨论这事，我都感觉他低估了 ChatGPT 的能力，系里的态度大致就是：'这事太复杂，我们也没法证实他们用了 AI。'"威廉姆斯说，"我被要求按'如果这是学生真写的该得的分数'来打分。换句话说，我是在给学生使用 ChatGPT 的能力打分。"
这种所谓"真实写作努力评分法"彻底打乱了威廉姆斯的评分标准。如果一篇显然由 AI 写的高质量论文得了 B，那一篇明显是学生亲笔但"几乎是文盲水平"的论文该得什么分？这种混乱让威廉姆斯对整个教育体系彻底失望。学期结束时，他决定干脆退学，不再读研究生。"我们处于一个新时代，一个新阶段，而我不觉得自己还想继续走这条路。"他说。
乔利莫尔已经教写作二十多年，他现在确信，人文学科------尤其写作------正迅速沦为类似"篮筐编织"这类可有可无的选修课程。"我每次跟同行聊这事，大家都会说同一句话：'我什么时候能退休？我什么时候能走？'我们现在全都在想这个。"他说，"这根本不是我们最初投身教育的原因。"
威廉姆斯和我采访的其他教师都认为，AI 带来的冲击已经是一场彻底的存在性危机。"学生们大致也知道这个系统已经坏掉了，他们不知道再做这些作业还有什么意义。也许我们原本希望传达的那些教育目的，已经彻底失落，或者根本没能传递给他们。"
职场隐患与人类能力的退化
他也担心长期后果：让一群 18 岁的年轻人自行决定是否认真完成作业，是否会加速未来职场中软技能鸿沟的扩大？如果学生的整个教育过程都依赖 AI，他们还能带着什么技能进入职场？
加州大学伯克利分校的计算机科学讲师拉克希亚·贾恩（Lakshya Jain）尝试用这些问题与学生讲道理。"如果你交的是 AI 写的作业，"他会说，"那你和一个 AI 引擎的人工助手没有区别，那你也就非常容易被替代。谁还需要雇你呢？"这并不是假设。最近，一家科技研究公司的首席运营官就当面问贾恩："我们为什么还要程序员？"
事实上，大学原本被视为思想成长的殿堂，是人们沉思、探讨深刻观念的地方。但早在 ChatGPT 出现之前，这一理想就早已开始瓦解。高昂的学费与赢家通吃的经济结构，使大学越来越被视为一项"交易"，一条通向好工作的通道，而非本身有意义的经历。（德勤最近的一项调查发现，只有刚过半数的大学毕业生认为自己所受的教育"物有所值"，相比之下，76% 的技校毕业生认同自己的投资值得。）
某种意义上，AI 之所以能如此迅速、高效地完成大学水平的任务，恰恰揭露了体制的腐烂。"如果我们这些教育工作者，都还没来得及清除社会对学校造成的精神与认知伤害------即把学校看作一条高薪工作的路径，或者一些社会地位的来源------那我们又怎么能指望学生理解什么才是真正的教育？"
乔利莫尔在一篇文章中写道，"更糟的是，许多人已经开始认为教育根本没有价值，把它看成一场信心骗局，一种精致的骗局。"
这不仅仅是学生的选择：现在有多种 AI 工具，可以自动为学生论文生成评语反馈。这意味着什么？可能是学生用 AI 写作，而教授用 AI 批改------整场"学术训练"简直成了两个机器人之间（甚至一个机器人自言自语）的对话。
我们要花很多年时间，才能真正搞清楚这一切对学生大脑造成了什么影响。一些初步研究已经表明，当学生把认知任务交给聊天机器人处理后，他们的记忆力、解决问题的能力和创造力可能都会下降。
过去一年中，多项研究发现 AI 使用与批判性思维能力退化之间存在关联，且这种影响在年轻人群体中更为显著。2025 年 2 月，微软与卡耐基梅隆大学联合发表的一项研究发现，一个人对生成式 AI 的信任程度越高，越可能减少独立思考的努力。
这一切所带来的净影响还无法完全预测，但至少可确定，我们正在从"高强度的探索和信息搜集"转向"整合和验证"型的学习结构。而如果你再加上 AI 不完美这一现实------它可能引用错误信息，甚至完全捏造------再结合社交媒体对 Z 世代判断真假能力造成的破坏，这个问题的规模就远远超出了生成式 AI 本身。
所谓"弗林效应"（Flynn Effect）指出，从 1930 年代开始，人类 IQ 测试得分一代高过一代，但自 2006 年左右开始放缓，甚至在部分地区出现下降。"在这个 AI 时代，最令人担忧的不是它可能损害人类的创造力或智力，"康奈尔大学心理学教授罗伯特·斯滕伯格（Robert Sternberg）在接受《卫报》采访时说，"而是它已经做到了这一点。"
依赖与挣扎的矛盾心理
学生们也在担忧------尽管他们并不愿放弃 AI 所带来的极大便利。佛罗里达大学的计算机科学专业学生丹尼尔告诉我，他清晰记得自己第一次用 ChatGPT 的情景。他走到高中计算机老师的办公室，打开 Chromebook 给老师展示。"我跟他说：'哥们，你得看看这个！'我爸会把乔布斯发布 iPhone 的演讲当成改变世界的时刻。对我来说，那就是我人生中每天都要用的东西。"
AI 让丹尼尔更好奇，他喜欢有问题就能立刻得到详尽答案的感觉。但他也常常想：如果我不是直接找答案，而是自己去学，我是不是会收获更多？
在学校里，他用 ChatGPT 来润色语法、生成段落，或者在时间紧迫时直接代笔，还用它完成编程作业中重复性的工作，几乎在所有能"抄近路"的地方都用到了 AI。有时，他清楚地知道这违反了学生行为准则；但大多数时候，他觉得这是灰色地带。"没人会说请家教算作弊，对吧？可如果那个家教开始直接给你写段落呢？"他说。
最近，芝加哥大学数学系新生马克向朋友坦白，他在一个编程作业中比平常更多地使用了 ChatGPT。朋友给了他一个略带安慰的比喻："你可以是个盖房子的承包商，虽然用了各种电动工具，但房子毕竟还是你盖出来的。"不过，马克说："问题就是，这到底算不算是我的作品？真的很难判断。"
我给丹尼尔提出一个假设，想了解他如何划分自己和 AI 的劳动边界：如果你发现你的伴侣给你写了一首 AI 生成的情诗，你会生气吗？他想了一下，说："我觉得问题在于------这首诗的价值是什么？是它表达的内容，还是它是对方亲手写的？在过去，送一封情书通常意味着两者兼具。"
如今，他依然写手写信------但通常是在用 ChatGPT 起草之后。
教育的本质与科技的反噬
"语言是思想的母亲，而不是女仆，"杜克大学教授奥林·斯塔恩（Orin Starn）在一篇名为《我与 AI 作弊的败战》的文章中引用了 W.H. 奥登（W. H. Auden）的一句名言。但，培养批判性思维的不只是写作。
"学数学其实是训练人有系统地解决问题的能力。即便你日后不会用到代数或三角函数，这种能力依然能帮助你在混乱中理清头绪。"得克萨斯农工大学副教务长迈克尔·约翰逊（Michael Johnson）说。
青少年需要经过"有结构的困难"来成长，无论是数学题还是家庭琐事，这些都有助于建立自尊与责任感。社会心理学家乔纳森·海特（Jonathan Haidt）也曾主张，让孩子学会"做难事"的重要性。而科技正在让逃避变得前所未有地轻松。
OpenAI 的 CEO 山姆·奥特曼（Sam Altman）对 AI 在学术界的使用问题一贯轻描淡写。他把 ChatGPT 比作"文字版的计算器"，认为"作弊"的定义需要更新。"传统方式写论文将不再是主要形式。"奥特曼（斯坦福肄业）去年如是说。但在 2023 年出席美国参议院科技听证会时，他也表达了自己的担忧："我担心随着模型越来越强大，用户自身的判断和思考会越来越少。"
OpenAI 并不掩饰其对大学生市场的兴趣。最近他们在期末考试季向大学生免费提供原本月费 20 美元的 ChatGPT Plus 服务。（OpenAI 表示，师生都需要接受 AI 的"正确使用教育"，并推广其面向高校推出的 ChatGPT Edu 产品。）
AI 作弊工具的升级与教育的未来
3 月底，当李在 X（原推特）上公开其听证细节后，哥伦比亚大学将其正式停学。他无意重返校园，也不想进入大厂工作。
李告诉我，他通过演示 AI 如何在远程面试中作弊，是在推动整个科技行业和高等教育一同"进化"。"每一次技术革新都迫使人类重新思考什么才是有价值的工作。"他说，"以前也有人抱怨机器取代铁匠。但现在，学打铁已经毫无意义。"
李已经不再折腾面试作弊工具了。4 月，他和尚穆甘推出了新产品 Cluely------一款可实时扫描用户电脑屏幕并监听音频、在不需要提示的前提下提供 AI 建议和答案的工具。"我们开发 Cluely，是为了让你永远不必独自思考。"他们的宣传语如此写道。
这一次，李还尝试了一次病毒式推广------他们制作了一支价值 14 万美元的广告视频，由李饰演一名年轻程序员，在一次和年长女性的初次约会中偷偷佩戴安装了 Cluely 的眼镜。当约会逐渐冷场时，Cluely 提醒他"提及她的艺术"，并给出对话脚本："我在你资料里看到那幅画，有郁金香。你真的太美了。"李照着眼镜屏幕读出来，成功扭转了局面。
在 Cluely 上线前，李和尚穆甘从投资人那里筹集了 530 万美元，用来招聘两名他在社区大学结识的程序员（不需要面试或 LeetCode 测试），并搬到旧金山。当我在发布后几天与他通话时，他正站在地产经纪人办公室，准备拿新办公室的钥匙。他一边说话，一边在电脑上运行 Cluely。
虽然 Cluely 目前还无法通过眼镜实时输出答案，但他们的目标是：不久后它就能在可穿戴设备上运行，能够"看见、听见并实时响应"用户周围的一切。"最后，它就会在你脑子里了。"李平静地说。
现在，他希望 Cluely 能继续攻陷教育系统："我们将直接对准数码 LSAT、GRE、所有校园作业、测验和考试。"他说，"它会让你几乎在任何方面都能作弊成功。"
近千年的书面阅读走向终结，不加 AI 的学习力恐在三年内归零
不懂经也叔的 Rust 不懂经 2025 年 6 月 23 日 23:53 河南
延续千年的"书面阅读"时代，真的要终结了。这并非危言耸听，而是正在加速到来的现实。
在 AI 面前，我们引以为傲的、通过十年寒窗苦读建立的知识壁垒，正被瞬间夷为平地。
当机器能比最顶尖的教授更懂你、更会教你时，那些拒绝使用 AI、坚持"苦读"的人，他们的学习能力将在未来几年内迅速贬值，价值趋近于零。
这无关努力，而关乎选择。你选择的工具，将决定你最终是在浪潮中幸存，还是被无情淹没。
假如让 AI 来讲解相对论，它能讲得比爱因斯坦本人还清楚，你信吗？
这不是胡扯，而是一位叫尼特什的工程师亲身经历的一个周末。他对物理几乎一无所知，却决定用 ChatGPT 来"从零学懂狭义相对论"。他没有查百科、没看视频，而是像和老朋友聊天一样，连续发出了超过 100 个语音提问------从"光速恒定为什么会导致时间膨胀"，到"请让我感受到这个概念"。
结果出人意料。
因为 AI 不会厌烦，还能用一个又一个拟人化比喻、视觉化描述和互动演示，把那些被无数人视为"天书"的物理概念，一步步拆解成可以理解、可以感知、甚至可以"体验"的直觉画面。尼特什甚至让 AI 构造了一个"光速被调慢的宇宙"，用来更直观地演示时间与空间的扭曲。
结果，他不仅搞懂了相对论，还用 gpt 生图功能制作出一套****通俗连环**漫画（本文图片，题图除外）\，成功让**他的女友和弟弟都\听懂了。
于是，一个更大胆的问题也随之浮现：****当 AI 可以成为比教授更懂你的"私人导师"，我们还需要读书吗？还需要独自去啃那些晦涩、抽象的原始文本吗？\
还是说，我们正站在一个"重新定义阅读"的临界点上？
一个周末，AI 教会我相对论：一个工程师的"顿悟"时刻
让我们先来看这个真实的故事，这个故事的主人公是软件工程师尼特什·阿加瓦尔（Nityesh Agarwal）。
几周前的一个周末，当 OpenAI 发布了其最新的模型后，尼特什做了一件听起来颇具挑战性的事：他决定让 ChatGPT 给他讲讲爱因斯坦的狭义相对论。请注意，尼特什并非物理专业，而他上一次接触数学课已经是八年前的事了。
学习的过程和效果出人意料。
他与 AI 进行了一场长达数小时、酣畅淋漓的深夜对话。他全程使用语音输入，像与一位朋友聊天一样，向 ChatGPT-4o 发起了"连珠炮"式的提问，总共超过了 100 个问题。
他的问题不是那种能在教科书上找到标准答案的类型，而是充满了个人化的困惑和感受性的需求：
- "当爱因斯坦说'不存在所谓的宇宙同时刻'时，他到底是什么意思？请让我感受到这种概念。"
- "如果我以光速的 50%旅行 100 光年，再给我算一遍时间会怎么流逝？"
- "换一种方式再解释一遍，我还是没懂。"
面对这些刨根问底，甚至是有些"无理取闹"的要求，AI 展现出了超乎想象的教学天赋。它没有像维基百科那样，甩出一堆冷冰冰的词条。相反，它用朋友般的口吻鼓励尼特什继续深挖，不断切换比喻和故事。
当尼特什对光速不变的悖论感到困惑时，AI 为他构建了一个"船上的人"的比喻；当他觉得绕圈子时，他甚至会拿起纸笔画下图，告诉 AI 自己的思考盲区，而 AI 则能精准地"看到"他的卡点，并为他量身定制解释路径。
在这个过程中，尼特什总结出了几个秘诀，让 AI 从"合格讲解者"跃升为"最佳私人导师"：
-
保持极致的耐心：
AI 的耐心是无限的，瓶颈在于提问者自己。尼特什光是为了理解"爱因斯坦想解决的是什么问题"，就问了 30 多个问题。他意识到，只要你肯不停地问，AI 就能精准地填补你所有的知识空缺。
-
善用隐喻和故事：
AI 是天生的故事大王。当一个概念难以理解时，要求 AI"给我讲个故事"或"用一个比喻来解释"，往往能奇迹般地打通思路。
-
大声说出你的"顿悟"：
每当尼特什觉得自己好像懂了，他就会用自己的话复述一遍给 AI 听。AI 会为他的"小确幸"喝彩，然后用更系统、更严谨的语言帮他梳理和巩固，加深记忆。
故事的高潮是，尼特什为了真正"体验"相对论，提出了一个绝妙的想法：让 AI 假想一个光速被"调慢"的宇宙，用更小的、更直观的数字来重新演示所有理论。这个请求彻底激活了 AI 的教学潜力，时间膨胀、长度收缩这些抽象概念，瞬间变得可以触摸、可以感知。
当这个周末结束时，尼特什不仅真正理解了狭义相对论，甚至还与 AI 合作，用图像生成功能制作了一套通俗易懂的连环画，成功地向对物理一窍不通的女友和弟弟解释了这一切。
他引用了一句常被归于爱因斯坦的话："如果你不能简单地解释某件事，那就说明你还没真正理解。"
这个故事给了尼特什一种"无理由的自信"：只要保持提问，以 AI 为导师，他就能学会任何东西。
这件事确实激动人心，描绘了一幅无比诱人的学习图景。那些曾经被认为是天才专属、需要多年正规教育才能触及的知识壁垒------无论是相对论、量子力学，还是古 DNA 研究------似乎都在一夜之间被夷为平地。
于是，那个问题再次浮现在我们眼前，并且比以往任何时候都更加尖锐：在这样一个 AI 比爱因斯坦本人更会"教学"的时代，我们还需要读书吗？还需要去啃那些厚重、晦涩、甚至常常让我们感到挫败的"原始文本"吗？
古典阅读的 GPT 时刻：从"古腾堡括号"到"扎克伯格括号"的闭合
这个问题并非杞人忧天。事实上，在我们意识到 AI 的威力之前，一场关于阅读的深刻变革早已悄然发生。
几十年前，阅读这件事本身并不需要被讨论。它就是阅读。正如作家艾玛·拉思伯恩所描绘的："在互联网之前，你可以窝在芝加哥的长椅上悠闲地看一本惊悚小说，这完全合理。没人知道，也没人关心。"
无论是报纸、普鲁斯特的《追忆似水年华》，还是艰深的学术专著，其本质都是一样的：一种安静的、私人的、按照自己节奏进行的、将目光扫过纸页的线性行为。
然而今天，一切都变了。
美国国家艺术基金会 2023 年的一份报告显示，在过去十年里，每年至少读一本书的成年人比例，从 55%下降到了 48%。这个数字在青少年中更为惊人：美国国家教育统计中心发现，几乎每天"为乐趣而读"的 13 岁少年，从 27%锐减至 14%。大学教授们则在不断抱怨，他们的学生已经被手机"格式化"，几乎无法读完任何冗长或艰深的文章。
我们今天的"阅读"，常常是这样的场景：在通勤的地铁上用电子书开了个头，午休时切换成有声书听上两段，晚上则在各种新闻 App、公众号和社交媒体的信息流里冲浪，最后在一个个短视频的刺激中昏昏睡去。
阅读变得既分散又集中：我们的眼睛无时无刻不在扫过屏幕上的文字，但注意力却被无数超链接、弹窗和后台推送切割得支离破碎。
这种转变，被一些学者置于一个更宏大的历史框架中来审视，那就是"古腾堡括号"（The Gutenberg Parenthesis）理论。
这个理论认为，从 15 世纪古腾堡发明印刷术，到 20 世纪末互联网普及，这大约 500 年的时间，其实是人类信息传播史上的一个"例外时期"，一个被括号括起来的阶段。在这个"括号"内，知识以稳定、线性、权威的文本形式存在，作者拥有至高无上的话语权，信息是结构化的。
而在"古腾堡括号"开启之前，人类长期处于一种口语文化（Orality）之中。知识是流动的、对话式的、去中心化的，在社群的讲述、记忆和互动中传承。
现在，互联网的出现，正在让这个维持了 500 年的"括号"缓缓闭合。我们正在"回归"到一种更接近口语文化的时代。只不过，学者沃尔特·翁（Walter Ong）将其称为"次级口语性"（Secondary Orality）。它依赖于文字和技术，表现为一种"有计划的口语形式"。
我们不再是静默的读者，而是在评论区与人激烈辩论的参与者；我们追剧、听播客、看直播，这些都比独自阅读一本大部头更具吸引力。一个头部播客（比如《乔·罗根体验》）就像古代围坐在篝火旁的部落成员，通过对话和故事来传递知识和价值观。
然而，就在我们以为已经看清了未来的图景时，AI 的横空出世，又带来了一个戏剧性的转折。它似乎要终结这个刚刚开启的、由社交媒体主导的"对话时代"------或许我们可以称之为短暂的"扎克伯格括号"。
因为，AI 对我们当下信息生态的最大威胁在于：你在线上遇到的"人"，越来越可能不是人。
它们可能是由大语言模型（LLM）"召唤"出的虚拟用户、评论机器人或内容农场。我们以为的"对话"，可能只是与一个用海量文本训练出来的复杂程序的互动。
这就像我们创造出来的书本突然"活"了过来，开始反向模仿、生成、甚至淹没我们人类自己的对话，催生出一种文字、思维与对话的诡异混合体。
当 AI 成为"读者"，阅读的疆界正在消融
这种变化，首先体现在作者与读者的关系上。
无所不知的经济学家泰勒·考恩（Tyler Cowen）在今年一月语出惊人，他宣称自己开始"为 AI 写作"了。他认为，可以合理地假设，他公开发表的任何内容，不仅会被人类阅读，更会被 AI 系统"阅读"和学习。而 AI 这个新读者的重要性，丝毫不亚于人类。
他的逻辑是：大多数作家和思想家，在他们有生之年之外终将被遗忘。但 AI 不会忘记。只要你给它提供足够多的文本，它就能为你萃取出一个高度精确的"思维模型"。在遥远的未来，"你的后代，或者你的粉丝，无需翻阅尘封的旧书，就能与你的'思想'进行互动。"
基于这个想法，考恩开始在博客里刻意记录更多看似平淡无奇的个人生活片段，比如他四到七岁时的记忆。他说，人类读者可能觉得无聊，但这些数据对"近未来的高级 AI"写出一部优秀的泰勒·考恩传记至关重要。
考恩的实践，揭示了 AI 的一个本质：它们是终极的"读书机器"。
说它们"阅读"当然不准确，因为它们没有情感，不会被故事打动，心跳也不会因悬念而加速。但它们在某些方面，展现出了超人的阅读能力。
一个大语言模型，在训练期间可以"消化"相当于数百万本书的文本量。之后，它能即时（虽然不总完美）回忆内容，建立人类难以察觉的关联，并以惊人的速度将这些知识应用到新的问题上。它们就像那种在大学里真的把教授开出的每一本参考书都读完的超级学霸，而且永不疲倦。
这催生了一种全新的阅读方式：*AI 辅助阅读*。
正如考恩所说，他现在读书时，会随时把不懂的地方丢给聊天机器人。AI 永远不会厌倦，而且能调动任何个人都无法企及的庞大知识库。任何文本，在 AI 的加持下，都变成了一个可以无限探索的知识宇宙的入口。
更重要的是，AI 能够"重塑"文本。你读不懂狄更斯的《荒凉山庄》那晦涩冗长的开篇？没问题，让 AI 用更通俗的当代英语给你改写一遍。狄更斯原文的哥特式长句，在 AI 笔下可以变得像街边咖啡馆的菜单一样直白。
于是，"原始文本"与"二手材料"的界限开始变得模糊。
多年来，像 Blinkist 这样的公司，通过提供 15 分钟的非虚构书籍摘要，已经建立起一个庞大的"摘要经济学"市场。他们成功的秘诀在于，精准地捕捉到了现代人对"高效获取核心论点"的巨大需求。人们购买的不是沉浸式的阅读体验，而是"我了解了这本书"的社交货币和实用信息。
在过去，如果你要写一篇关于某本小说的学术论文，却只依赖于它的缩编本，这会被视为一种学术不端。但现在，如果我只是想了解情节、感受氛围，我或许可以理直气壮地说，我通过 AI 的摘要和讲解，"读过"了这本书。
事实上，我很可能也不会在去费力寻找那个完整的"原版"了。
未来十年，我们与文本的关系可能会彻底颠倒：我们或许会先读 AI 生成的改写版、摘要版或问答版，然后才根据需要，决定是否要去"考古"一下原文。
就像我们现在听歌，一首流行歌曲常常有各种不同的混音版。身为作者，或许不愿见到自己的文字被如此""洗稿"，但这种权力正在从作者手中，转移到读者和他们的 AI 手中。
阅读与编辑之间的距离，正在被无限压缩。
当一切皆可"摘要"，我们失去了什么？
当然，会有人立刻站出来反对。
有些东西是无法被摘要的。如果你只读了埃莱娜·费兰特《那不勒斯四部曲》的故事梗概------莉拉做了这个，莲努做了那个------你等于什么都没读。你错过了那不勒斯街巷里闷热潮湿的空气，错过了两个女性之间那纠缠一生、如藤蔓般疯长的友谊，错过了费兰特那充满力量与灼痛感的文字本身。
道格拉斯·霍夫施塔特的《哥德尔、艾舍尔、巴赫：集异璧之大成》，这本书的厚度、难度和其中精巧的结构，本身就是其意义的一部分。AI 或许能把核心论点解释得比作者还清楚，但那样做，无异于将一首交响乐压缩成一段三分钟的手机铃声。
神经科学家玛丽安·沃尔夫（Maryanne Wolf）在《读者，回家吧》一书中，从生理层面为这种"体验式阅读"提供了科学依据。她指出，人类大脑并非天生就会阅读，而是通过后天训练，才在神经元之间开辟出一条专门处理文字的"阅读回路"。**
**
深度、沉浸、线性的纸质阅读，能够锻炼我们进行批判性思维、换位思考、逻辑推理和内省的能力。 而碎片化、多任务的屏幕阅读，则可能会让这条宝贵的神经通路逐渐"荒芜"，削弱我们的"认知耐心"。
这或许是 AI 时代，我们坚持"读书"的第一个、也是最核心的理由：捍卫我们思维的深度和复杂性。 AI 可以给我们知识的"鱼"，但深度阅读的体验，是在教我们如何"渔"，是在塑造我们大脑处理复杂信息的能力本身。
此外，历史也提供了一个强有力的类比：摄影术对绘画的影响。
19 世纪，当摄影术诞生时，许多画家都感到了末日降临。如果一台机器能比人手更精确地"再现"现实，那绘画还有什么意义？但
结果我们都知道，摄影术非但没有终结绘画，反而将画家们从"精确再现"的苦役中解放了出来，催生了印象派、立体主义、抽象主义等一系列伟大的现代艺术流派。画家们不再追求"画得像"，而是转向探索光影、色彩、情感、主观感受和纯粹的形式。
今天，AI 之于写作，正如摄影术之于绘画。AI 正在接管那些"信息传递"和"事实再现"的工作，它能比任何人类都更高效地完成摘要、总结、翻译和报告。
这恰恰给了人类写作者一个机会，将精力更加集中于那些无法被轻易"摘要"和"量化"的领域：独特的个人体验、深刻的情感共鸣、精妙的文体风格、复杂的道德思辨和突破性的思想原创。
正如科幻作家特德·姜（Ted Chiang）所比喻的，当前的大语言模型，本质上是一个"有损压缩的模糊 JPEG"。它擅长对互联网上已有的海量信息进行重组和优化，但它无法创造出真正源于"无"的原创思想，也无法拥有真正的人类情感和价值观。
因此，在 AI 时代，"读书"的意义，将从"获取信息"逐渐转向"体验心智"。我们阅读，不再仅仅是为了"知道什么"，更是为了"感受某个特定人类灵魂的独特振动"。
融合之道：成为 AI 时代的"超级读者"
那么，回到我们最初的问题。AI 讲解相对论比爱因斯坦还牛逼，我们还需要读书吗？
答案已经清晰：我们需要，但我们阅读的方式和理由，必须进化。
我们不应将 AI 与书籍视为对立的敌人，而应将它们看作一套可以协同作战的强大工具。未来的"超级读者"，将是那些能够娴熟地在 AI 辅助的"效率阅读"和沉浸式的"体验阅读"之间无缝切换的人。
我们可以这样构想一种全新的"混合式学习契约"：
-
用 AI 当"破冰船"和"脚手架"：
当你面对一本像《资本论》或《尤利西斯》这样令人生畏的经典时，不要再像过去那样独自挣扎。先让 AI 为你"开路"：请它介绍作者的生平、作品的时代背景、核心的理论框架，甚至可以先"预读"一遍 AI 生成的章节摘要，建立起一个宏观的认知地图。
在这里，AI 不是替代品，而是帮助你克服初始障碍、进入文本深处的"脚手架"。
-
用 AI 做"随行翻译"和"知识外挂"：
在阅读过程中，遇到任何不懂的术语、历史典故或复杂的概念（就像尼特什遇到的相对论难题），立即向 AI 提问。把它当作一个嵌入你阅读过程的、无所不知的"维基百科 Pro Max"。这能让你保持阅读的流畅感，不至于因为频繁地查阅资料而中断心流。
-
用 AI 建"活的笔记本"和"思想火花搭档"：把你阅读时的感想、困惑、批注，随时记录下来，并与 AI 进行对话。让 AI 挑战你的观点，为你提供反方论据，帮你把你模糊的想法变得清晰、有条理。
长此以往，你将与 AI 共同建立起一个"活的知识库"，一部动态更新的、属于你自己的"思想日记"。
-
最终，回归"神圣的原文"：在 AI 的充分辅助下，当你扫清了所有外围的知识障碍后，请务必留出整块的、不受打扰的时间，关掉所有电子设备，回到那片"神圣的"文本本身。
去亲身体验托尔斯泰的句法节奏，去感受卡夫卡的荒诞与不安，去沉浸在博尔赫斯的迷宫里。因为在这个阶段，阅读的目的不再是获取信息，而是与一个伟大的灵魂进行深度共鸣，是一场纯粹的心智操练和审美享受。
这种融合，要求我们培养一套全新的"AI 时代读写能力"。
学海无涯，外挂 AI 济沧海
AI 的浪潮正以前所未有的力量席卷而来，阅读的旧大陆正在被重塑。我们可以选择恐慌，哀叹深度阅读的逝去；也可以选择拥抱，探索人机共生的新航路。
那个周末深夜，在 AI 的帮助下搞懂了相对论的尼特什，他获得的不仅仅是物理学知识，更是一种强大的赋能感------一种只要他愿意，就能撬动任何知识领域杠杆的信心。
这或许才是 AI 带给我们的最大启示。它不是要终结阅读，而是要将阅读的权力和自由，更彻底地交还到我们每个人的手中。
AI 可以成为我们最博学的老师、最耐心的学伴、最强大的记忆外挂，但它永远无法替代我们亲自踏上那段求知旅程时，内心的挣扎、迷惘、狂喜与最终的"顿悟"。
它能为我们画出最详尽的地图，递上最精良的登山杖，但那座名为"理解"的山峰，终究需要我们自己一步一步地攀登。
所以，别再问是否还需要读书了。要问的是，我们如何才能利用 AI 这件神兵利器，去读更多的书，读得更深，走得更远。
因为，未来不属于那些只会被动接受 AI 投喂信息的人，也不属于那些固执地拒绝一切新技术的"遗老"。
未来，属于那些能够一手捧起千年积淀的经典，一手掌握着通往无穷知识的 AI 钥匙的"超级读者"。他们将在人类智慧的广袤原野上，以前所未有的自由，信马由缰。
reference
- AI 逼出了教育的真相，美国大学开始复兴一种古老传统
https://mp.weixin.qq.com/s/VkLZcTZRDYguCgTkiwPLZg - 每个人都在靠 AI 作弊上大学，传统教育已死
https://mp.weixin.qq.com/s/kXNqeo7eBqol8hTR7td7_Q - 近千年的书面阅读走向终结，不加 AI 的学习力恐在三年内归零
https://mp.weixin.qq.com/s/5Nv8R2dGRTx5DNbRvKjkMw