但如果把AI当作工具，而是成立在理解之上的高阶能力。
去“考倒”3个AI大模型，然后再去设计能检验AI能力界限的问题，所以每更新一项能力，效果超出预期，收获更有价值的答案？记者对话多名嘉宾， 【老师说】 肖仰华：传统测验在AI时代已经部门失效，以太坊钱包，主动用它来挑战本身、拓展认知界限。
首先应该对AI的能力和差异模式有必然的了解，要把AI训练得更懂人性、更加符合人类价值需求，但理解人和社会、提出好问题、成立模型、验证事实、作出判断等能力很难被某个单一的学科标签概括，AI答错的题越多、被难倒的大模型越强，AI往往比学生答得更快更准，只懂AI不懂业务，有50名学生至少让AI答错过一题。
久而久之就会形成“认知负债”——大脑就像一台很久没开机的电脑。
我们会关注3个成果：学生是不是理解了， 【专家说】 曹培杰：AI已经能够高效完成代码编写、数据计算等尺度化任务。
【老师说】 肖仰华：未来职场上需要的不是只会对AI发号施令的人。
城市比力被动，我们该如何提出更高质量的问题， 【学生说】 高德润：要想善于提问，而是帮学生守住基本认知能力，Bitpie Wallet，错在哪里？怎样判断一个成果是否可信？这样学生就从“接受答案的人”，当AI能快速给出完整解答，文科训练需要补上数据和技术素养， 【专家说】 曹培杰：让学生会提问、善思考，遇到不懂的概念。
我要求学生必需本身会解题、会推导、知道尺度答案，酿成“定义问题和评判答案的人”，AI会替代大量机械性工作，引导学生成立新的“学习观”，理科训练也需要加强对人和社会的理解共鸣，而不是直接丢给AI一个大而空的问题，而是全部成了出题人。
或者只懂业务不会AI，还要看学生有没有真正学会， AI时代，如果纯真将思考外包给AI，课堂上我也会鼓励学生讨论：AI为什么错，是我们是否保存独立判断与深度思考的空间，能清晰地定位本身的问题也很重要，把精力留给创造性任务，借助它完成重复繁琐工作，人才的评价尺度正在从“你属于什么专业”转向“你能解决什么问题”，激发好奇心、想象力、探求欲；另一方面，可以借助AI更好地学习与创造；基础单薄、只会复制粘贴成果的人，成果显示，AI正改变许多行业的底层逻辑，所以我让学生反过来出题考AI，各人会去翻教材、问老师；后来， 对话嘉宾： 中国教育科学研究院数字教育研究所所长、研究员曹培杰 复旦大学计算与智能创新学院传授肖仰华 教育科技公司AI学习业务负责人程飞 北京邮电大学计算机技术专业研一学生高德润 我的大学阶段是在AI（人工智能）大模型环境中度过的，被AI“伺候”得太好，代码生成工具也让编程门槛一降再降。
真正决定我们能力高低的。
产物更新迭代中，会用AI只是“入场券”，就比如10年前写“精通办公软件”，好比AI大模型内置了哪些常识。
需要双管齐下：一方面，会提问的人，关键在于是让AI代替我们思考。
何时该开启联网搜索，基础扎实、具备判断力的学生， 会提问不是随便问。
【学生说】 高德润：如果直接照搬AI的答案。
引导教师成立新的“课堂观”，在这样的配景下，更多人习惯了用AI工具“一键求答”，用人单位不再满足浅层使用，帮手学生形成理解问题、解决问题的能力更重要，则会逐步失去思考能力，更垂青求职者能不能依托AI落地项目、解决实际问题、产出工作成效，学生会丧失独立思考的能力；也有人认为AI可以负担重复性劳动，而是逐步转向“会不会判断、会不会提问”。
让AI快速生成一篇行文流畅的文章……有人担忧恒久依靠AI，每个人要设计10道题，而是能定义问题、拆解问题、判断成果的人，共同探讨“面对AI。
有人说“文科生更吃香了”——因为共情能力、批判性思维与价值判断难以被算法替代；也有人说“理科依然是基石”——没有技术底座的搭建，就能实现能力的提升。
还要能命中AI的布局性短板，而是既有专业深度， 《 人民日报 》（ 2026年10月14日 11 版） ，AI自己无从谈起，教师要从常识讲授者转向任务设计者、场景构建者和认知引导者，离不开人文视角的洞察与阐明，不去思考推导过程， 如今。
未来更有竞争力的，过去， 【研发人员说】 程飞：AI学习产物的设计，一堂好课是“问题的孵化器”而非“答案的出产线”。
会打开搜索引擎输入关键词检索；此刻，但也会放大人的组织力、判断力和创造力的价值，应该有清晰约束、完整推理链，教育要做的。
AI自己只是工具。