当知识获取异常简单，教育不得不回到更本质的问题：学生到底该学什么？又该放下什么？
作者 | 于佳卉
栏目 | AI学派
2025年最后一堂学术论文写作课上，北京理工大学教授吴杨做了一个小实验：让学生测试对比市面通用的大模型，以及课程专属的“24小时学伴”。结论出奇一致：在知识含量、表达规范和专业度上，课程学伴更胜一筹。
这门面向全校的课程，曾让吴杨颇为头疼。班级人数近百，而学术写作偏偏最需要一对一的批改与即时反馈。“我们连让学生小组讨论的时间都没有，”她自嘲道，“只能做填鸭式的讲授。”
于是一个悖论在教育领域反复上演：我们向往“个性化”，却只能运行“标准化”；我们高频提起“因材施教”，却难以真正把它落在每个学生身上。直到AI技术进场，这道僵局才第一次被撬开了一条缝。
“以前的教育现代化，很多时候是在做加法。”吴杨感慨：大屏、平台、系统、资源，一层层叠上去，仿佛只要设备足够多、工具足够新，学习就会自然发生。但生成式AI近两年的跃迁，反而让她更确信：AI时代的教育内核，是“减法”。
当知识获取异常简单，教育不得不回到更本质的问题：学生到底该学什么？又该放下什么？
在吴杨看来，传统教育的第一个问题，是对“全面发展”的执念正在挤压长板优势。人们习惯于拼命修补最短的那块木板，于是“全面发展”逐渐变成一种集体性的风险规避，看似安全，却让孩子的长板无处伸展。
而现实世界恰恰相反：分工越来越细，拔尖人才的赛道越来越垂直，一个人的价值往往由长板定义。
在AI时代，这种“补短板”的惯性甚至会阻碍拔尖人才的诞生。吴杨指出一个颇具颠覆性的“新木桶理论”：一个人的价值取决于三个维度——桶底的厚度（核心价值是否厚重）、板间的紧密度（多维能力如何耦合），以及当木桶倾斜时，长板能托起多少水（长板优势能承载多大可能）。
换句话说，未来的竞争不是把所有短板补齐，而是让长板真正成为“承重结构”。
第二个问题，是课业量过高、缺少留白，正在透支孩子的大脑。吴杨引用对比数据：中国基础教育新课标总学时高达9522学时，学生平均在校时长至少6-8小时；而人才竞争力排名全球第四的挪威，学生在校时长仅4-5小时，留出大量户外活动时间。
她用认知负荷理论解释：人的工作记忆容量有限，承载过多会显著影响处理问题的效率。“我们需要给孩子的大脑留白，让他们有复盘的过程，甚至有大脑放空的时间。”
第三个问题，是训练了回答问题的能力，却忽略了“提问”。相比解决问题，提出问题往往需要更多的知识积累与想象力。她以科研为例：找到一个好问题，可以沿着它研究十几年，在领域内形成真正的积累。在答案过剩的时代，精准提问的能力反而更稀缺，也更有意义。
对全面发展的执念、过重的课业负担、提问能力的缺失，这三个问题在吴杨看来都指向同一个症结：工业时代的标准化教育模式，正在阻碍个体潜能的释放。
而AI的到来，恰恰提供了一根新的杠杆：它并非要把教育变得更重、更满，而是意在消解冗余，把被集体节奏挤压的空间还给个体。
这是吴杨对两个时代教育逻辑的清晰切分。传统课堂里，老师以讲授为主，而AI时代，老师更像是一位诊断医生，不只传授，更要基于学生行为数据做精准判断，给不同学生开出不同的“学习处方”。
在学术论文写作课上，她和团队做了两项尝试。
第一项是“24小时学伴”。它不同于豆包、DeepSeek、ChatGPT等通用工具：团队把课件、教学大纲、教材，以及学生高频问题与标准答案都输入模型，做成课程专属助教。学生的反馈很直接，专属学伴更贴近课堂语境，写作规范更严谨，知识点也更完整，学生还会主动提示哪些回答不够好，倒逼团队持续迭代。
第二项是作业批改。期末开放式小论文，面对上百人的批改量，团队把过去500多份已批改作业以及详细的批改标准输入模型，让AI先完成初评，再由老师复核微调。
“当我看到AI给出的作业评语比我写的还详细时，我甚至感到了一丝愧疚。”吴杨坦言。过去面对100多份论文作业，我们往往只能写几句概括性的总评，而AI可以做到几乎“每一段都有针对性反馈”。
但在吴杨的研究蓝图里，这还只是开始。未来的教室不仅是授课场所，更像一座“诊断实验室”：通过眼动、微表情、互动频率等数据，再结合能力与性格信息，为每个学生绘制一幅立体学习画像。
“我们会知道孩子的兴趣爱好，他的长板是什么。”她强调，这种了解并非依靠考试，而来自平时点点滴滴的实时监测，“不会干扰孩子，而且非常客观。”
她举了一个很形象的场景：课堂第10分钟，一个学生眼神定住了十几秒，这时学生不一定是认真听讲，也许是走神了。系统据此锁定这个时间点对应的知识点，并结合表情与互动信号判断理解状态。下课后，系统把练习精准推送到这个“卡点”上：原本要刷十道题的内容，可能只需要做两道针对性训练；而掌握良好的部分，直接跳过。
于是，在同一间教室里，作业可以变得真正“因人而异”：全班同学的练习不必相同，刷题量显著下降，学习效率却反而上升，这便是吴杨所认为的“诊断式教育”。
不过，她对技术的“暗面”始终保持清醒。为了防止“思维外包”带来惰性，她为学生设计“反依赖训练”：先建立自己的判断与框架，再去与AI互动；并始终保持批判性，在质疑中前进。她要守住的底线很明确：AI可以放大你的思考，但不能替代你的思考。
谈到教育的未来，吴杨没有继续谈某一种具体工具，而是把视线放到了更高处。她给出的两个关键词是：绿色教育与人机对齐。在她看来，这是AI时代教育的“方向盘”，决定技术往哪里走、在什么地方停。
“绿色教育”是北京理工大学党委书记张军院士提出的理念：在教育资源有限的情况下，以人为本，拓展资源，提升效率，形成能够自我迭代的教育生态。“无论智慧教育还是智能学习，其实都是实现这个终极目标的手段。”吴杨说。
如果说前面谈到的“画像、学伴、批改”属于工具层，那么绿色教育就是价值层。它提醒我们：技术的意义，不在于把课堂塞得更满，而在于让教育更可持续、更以人为中心。
而“人机对齐”则为这套价值体系提供了底层逻辑。这个概念来自美国作者布莱恩·克里斯丁的同名著作。吴杨解释，随着机器系统越来越强大，我们希望它既自主又顺从。书中提出四个维度的对齐:情感对齐（理解情感变化和情绪波动）、价值对齐（决策符合人类伦理和价值观）、沟通对齐（信息输出和接入同频共振）、目标对齐（技术执行与人类可持续发展一致）。
“目前这四个方面还有很大空间，”她补充说，“这会是未来AI时代我们必须持续努力的方向。”
任教十五年，吴杨亲历了AI在教育领域从无到有的过程。面对这场“飓风”，她的姿态从容而坚定：先接受、先学习，再思考如何用它赋能工作与生活。
而这也让她重新理解教师的角色边界。“我们正与学生站在同一起跑线上，甚至学生的学习能力和接受能力更强。”在她看来，AI时代的老师需要弱化身份，与学生一起学习，成为学习伙伴，甚至要向学生学习、请教，只有这样，教师才能更快完成自我更新。
当世界进入一个“答案过剩”的时代，教育要守住的就不再是知识的高墙，而是人类的方向感。要培养学生的，是提出好问题的能力、搭建框架的能力、做价值判断的能力，以及在强大工具面前仍能保持独立与清醒的能力。
也许，这才是“让教育变轻”的真正含义：把教育从冗余里解脱，把学生从无效竞争里解脱，把老师从机械劳动里解脱，把时间还给真正的思考与创造。
而在技术改变一切之前，永远不要忘记：教育的本质，始终是人点亮人。