張崢教授

撰文｜張崢 （香港大學教授、港滬創研院首席科學家）

我們前面兩篇分別講了AI的開權與閉源，以及AI4S(AI讓科研變成“科學自動機”，副作用是什麼？)，這裏接着再聊聊AI4Edu，也就是 AI 時代的教育怎麼改，一個大家都應該更關心的問題。

大而不倒？

2025 年 11 月，我在香港參加數字教育理事會（Digital Education Council）的全球峯會。會議由香港科技大學承辦，邀請制，來的是世界各地一百多所高校的教務長、副教務長和院長，層次不低。會議的真正主題只有一個：AI 來了，怎麼辦。

有一個環節是現場投票，問題是：Is the university too big to fail？

當時我還在辦入職港大的手續，心想，好麼，剛回學校就要下崗了嗎。

“大而不倒”在這種會議裏出現，是全球大學一種很有必要的自我挑釁，但指向落在未來。給我的觀感是，要不是 AI 突然來了，眼下這套慢慢修修補補就行。

但我從來不這麼看。

現代教育的失敗在哪裏

從普通教育到大學、再到研究生教育的這套流水線，在當下是一個特別龐大而複雜的生態。從人類文明的發展史上看，現在這套教育流水線極其年輕，不過區區80多年的歷史。我母親是復旦外文系第一屆碩士生，全系就兩個人，聽她說，系裏的老師完全不知道拿她們倆怎麼辦，我聽了特別驚奇。那是上個世紀六十年代的事了。

但這個似乎理所當然、已經定型的流水線，無論中外，都有不少問題。最突出的有下面兩個。

第一，能進好大學的，都是幸運兒，被攔下的是大多數。當一個人沒有受過批判性思維的訓練，也沒有足夠厚的知識底子——這些恰恰是好大學能給的東西——這個人在錯誤信息面前是沒有防禦的，而且還會成爲傳播錯誤信息的導體。

要阻止一場傳染病的傳播，得讓每個接觸者平均再傳給不到一個人，也就是 R 小於一。麻省理工學院2018 年發在《科學》上的一項研究統計了推特上十幾年的數據，真消息傳到一千五百人所需的時間，大約是假消息的六倍。不是造謠的人有多勤奮，是人羣的 R 太高。

如果大家的 R 降不下來，啓蒙和開智就沒有完成。

謠言遠遠跑過真相，這不是社交網絡造出來的問題——我以前以爲是。“烏合之衆”的本質是教育問題，信息社會只是把它放大了。

第二，這條流水線的目標是培養出色的專家。但是“專”，也經常是“窄”。學 文科的不懂得甚至不屑於懂得最基本的科學常識，而學理工科的對歷史和藝術無知也無感，是常態。C.P. 斯諾說的“兩種文化”之間的鴻溝，在培養“專家”的目標導向下一路狂奔，越來越深。

每一個專業都會養出自己的思考習慣，它是本專業的利器，卻也同時屏蔽了其他視角。我把這種出不了專業之門的常識叫做“不通的通識”。

比如：科學家追求唯一的、普適性的真相，但在研究之外的世界裏經常是很軸的槓精；工程師在約束中尋求最優解，但人性簡化不成一串約束；投資人講投入產出，但不是什麼都可以歸結成 ROI（投資回報率）；人文學者重敘事和自由，卻容易低估系統本身的硬約束。

這些專業常識各有各的用，而以培養專家爲導向的流水線，只能教會你一種。結果就是越成功，視野越窄，偏見越深。成功的人還握着巨大的影響力和資源分配權。

這一頭一尾兩大問題，正是這條流水線絲滑運作的結果。

在變化中錨定不變量

今年六月，香港的學與教博覽（Learning & Teaching Expo）上，在一場由數字教育理事會主持的三人對談裏，“大而不倒”這個問題又被拋了過來。我的回答是：先把“大學”這個標籤摘掉，看看它到底是什麼。

它是一批批年輕人必須度過的四年。在這四年中：

• 這一批年輕人在同一個地方、同一個時間段，在彼此的注視和陪伴下一起成長。這是一個在時空上重疊的“羣”。
• 這是他們找到自己想成爲的那種人的黃金時間。影響他們一生的，可以是老師，也可以是學長、是同學。
• 四年結束的時候，他們手裏握着的不是一張文憑，而是向即將跨入的社會發出的一個信號：我們準備好了。

意大利博洛尼亞大學創辦於1088年，是歐洲最古老的大學。圖源：博洛尼亞大學

當下讓所有人特別焦慮的是：這些年輕人怎樣纔算是準備好了？

教育機構的焦慮更具體些：教和學的手段怎麼跟進，以及說白了，這個飯碗還端不端得住——AI 的能力正讓全通道自學成爲一種可能。雖然還沒有量化的調研，但那些出類拔萃、也有資源的年輕人主動或被動地跳出這條流水線，已經不是個案。

這個問題也不能指望用人單位來回答。AI 帶來的變動是全面的，企業自己也在調整，崗位在變，崗位性質也在變，標準定不下來，就給不出一個明確的信號。

回到大學本身，那個在時空上重疊的“羣”，以及在這個羣裏遇到的人，是無法替代的。再加上龐大的生態慣性，大學會繼續佔着這個生態位，確實還能“大而不倒”。

焦慮一定有，但必須直視的還是這個問題：什麼纔是“準備好了”？

比如說，年輕人能自如地使用 AI 工具，讓它成爲自己的延展——這算不算？

這是個很好但又很虛的命題。落到實處，會帶來一批保質期很短的答案，一個個飛快移動的靶子。

前兩年大家忙着教怎麼給模型寫提示詞，接着是怎麼和 Copilot 結對寫代碼，然後是 vibe coding，現在又變成了怎麼盯住一羣自己跑的 agent（智能體）。三年換了三輪，每一輪都被當成過“學生必須掌握的能力”。

貝索斯 2012 年在一次對談裏說，人們總問他未來十年會有什麼變化，卻幾乎沒人問未來十年什麼不會變——而後面這個問題更重要，因爲你只能把長期的投入壓在不變的東西上面。

不如參考自然界的一個案例。

可能很多人不知道，嬰兒大腦的突觸連接一開始是“過剩”的，密度在出生後的頭幾年衝到峯值，遠超成年人的水平，然後在孩子四處爬、四處摸、四處試的過程中，用不上的那些被逐步修剪掉，用得上的留下來並且加固。

這個神奇的設計只有一個點：在那個階段觸發剪枝的動作。既然無法預知將來的環境，乾脆不設計，讓環境來幫着取捨。

也就是說，可以“錨定”的並不是答案本身，而是在一個個不確定答案中塑造出來的能力。

那麼，教育需要培養的不變的能力是哪些？

• 問出好問題。
• 敏銳地捕捉到錯誤，並以對方能接受的方式反問。
• 從不完美的回答中得到啓發。

一場好的對話，從來不是單向的侃侃而談，而是在問和答之間跳躍流轉。對手是人還是 AI，並無區別。

對話也不見得只是語言的對話，提出一個問題，“如果這樣，會怎樣”，從思想實驗到真正動手去做，拿到的結果，就是回答。上一篇 AI4S 講的那條閉環演進路線，碳基科學家先是退出了自己動手做實驗，接着退出了這一問一答。

被擠壓的提問空間

在這條教育流水線上，提問的空間是被一路擠壓的。在教室裏提問需要勇氣：擔心問出”蠢問題“，擔心打亂節奏，擔心顯得自己沒跟上……所以，不提問是最安全的。

我在上課的時候儘量留出幾分鐘來給同學提問，效果可想而知，要麼完全冷場，要麼總是那幾個活躍分子提問，越問越起勁。大學四年，我想很多同學在課堂上一個問題都沒提過。

和知識的每次相遇，都沒包括提問的機會。

那麼蘇格拉底教學法呢？

去年我用大模型設計了一門講大模型自己的課，LLM4LLM，十四個主題會話，六十四個知識點，設計的時候我刻意讓它蘇格拉底附體：不直接給答案，一路反問，逼着學習者自己往下推。

麻煩在於：累。一直被追問的體感是在被審問，而不是在探索。這種教學法可能刺激了思考，但並沒有激發提問的能力。

（如果你想知道我是怎麼躲過“蘇格拉底”來 debug 的，簡單：一路狂按 "I don''t know. Tell me"。）

一種讓人不敢問，一種讓人沒得問。

大學應該長什麼樣？

LLM4LLM 是個半吊子工程。但收穫也很實在：只要把知識點整理好，AI 完全有能力教。整理知識點，是這門課絕大部分時間的投入，至於披上“蘇格拉底外衣”，不過是提示詞裏的幾句話。

這說明 AI 在教育裏的可塑性很強，應用的場景也多：改作業、角色扮演、課後答疑，這樣的產品不少，都在給現有的環節提速，並沒有傷筋動骨。

重新想象大學教育該如何做，先要回頭審視：這四年裏，什麼是最貴、也最不可複製的？

大學最大的優勢，恰恰在於那一個個讓年輕人時空重疊的羣：校園，廣場，圖書館，實驗室……比比皆是。

沒有人願意困在自己的孤獨星球上，年輕人尤其如此。

怎麼把這個時空重疊的羣用好，是大學的真命題。

AI 加進來，讓重新分配資源成爲可能，讓 AI 做它們最擅長的，其他交給人類。這四年裏，一個年輕人要尋找的是自己想成爲的那種人——而不是一個模型。沒有誰想成爲碳基版的 Claude/GPT/DeepSeek。

北大源源不斷走出傑出數學人才，原因之一是同輩互相激勵、良性競爭。圖爲被動北大數院2007級本科校友在2026國際數學家大會合影（左起：趙子慧、唐雲清、王虹、鄧煜、孫鑫、蘇煒傑），他們都非常優秀，其中包括兩位菲爾茲獎得主、1位統計學最高獎得主。來源：北京大學數學科學學院

知識的傳授只是其中一部分，而且是最容易被替代的那一部分。討論，辯論，田野調查，和同學一起做實驗，談一次戀愛，試着創一次業，做一件大概率會失敗的事——這些都不是 AI 替代得了的。

大學生活，從來不是也不能被一串叫做 GPA（平均績點） 的數字來定義的，而是一個貫穿學業和生活的軌跡。

這條軌跡可以穿透目前課程的框架：因果和相關的區別，統計裏的抽樣和顯著性，數據可視化。這些技能在數據科學這個專業之外，在商科、醫學、社會科學等專業裏都有廣泛的用途，爲什麼要鎖定在各自的專業裏，不讓同學們在不同的場景中反覆去用？

一樣能力在幾個不同的場景裏都站得住，纔算學會了。

這將是一個非常動態、既讓人不安也興奮的改革。在吸納合理的 AI 能力的同時，最重要的是培養和加強那些不變的能力。前面我提到的三點——問出好問題，敏銳地捕捉到錯誤並以對方能接受的方式反問，從不完美的回答中得到啓發——是我自己認爲最重要的，也許還有別的。

不變的還有大學的初心。就像港大給本科生定的六個目標：

• 追求學術與專業上的卓越、批判性的智識探究，以及終身學習
• 應對陌生的情境和界定不清的問題
• 批判性的自我反思、更深地理解他人，並堅守個人與職業倫理
• 跨文化溝通，以及全球公民意識
• 溝通與協作
• 領導力，以及爲改善人類境況而倡議

接下來，我們這個系列還有最後一篇文章：給 AI

套什麼樣的籠子。