捷径与摩擦：AI 时代重新理解人类的学习

最近网上很多人在说 AI 让学生变蠢、AI 正在毁掉教育。

说实话，我有个相反的感受 —— 我挺遗憾当年自己没赶上 AI。

2019 年，我是县城普通中学的一名高三理科生，没有足够的一对一老师辅导，靠搜题软件自己学完了那些没答案的卷子。现在我是重度 AI 用户 —— 按照普遍的分法，属于"AI 加速学习派"。

最近我在 AI 的帮助下调研了这个话题，读了一批一手研究（Anthropic 的 RCT、MIT 的脑扫描实验、中美教育部政策文件），和 AI 反复辩论了很多轮，试图回答一个问题：如果我高三那年就有 ChatGPT，我会学得更好，还是更差？

答案可以压成两个词：捷径和摩擦。AI 给的是捷径 —— 而且是史上最强的那种捷径。但学习里，某些"摩擦"本身就是学习。

Act 1 · 县城故事

1.1 设置场景

2019 年，我在县城普通中学念高三。

那时候的我过得挺好的。学校不是什么"县一中"式的重点：数学老师讲评试卷时，最后一道大题的第二小题太难就不讲了；化学老师遇到某些刁钻的题，会先翻一眼答案再回答我。但我在这个学校是年级第一，每天做题、考试、再做题，有一种简单的成就感。

我当时并不觉得自己在"资源洼地"里。因为我没见过"资源富矿"长什么样。

这个意识是后来从互联网上慢慢形成的。刷到海淀学生晒的学习资料、看到一线城市学科竞赛集训营的介绍、了解到有同龄人从小就有一对一学科教练。我才后知后觉地明白：我和他们之间，不是努力或智商的差距 —— 是资源的差距。

（还好智商的差距确实存在 —— 高考的难度和公平性，让我这个资源不足的县城学生，现在混得也还行。）

不是抱怨什么。我的高中过得挺快乐的。只是现在回头看，工具和资源的不平等是真实存在的 —— 这件事当时的我没有感觉，现在的我看得清楚。

1.2 搜题软件

搜题软件是我初中就开始用的工具。打开 App、拍题目照片、上传，它给我答案。

但我用它的方式和班上一些同学不太一样。总体上是先思考、再查询 —— 想不出来的时候会先自己挣扎一会；做完一道题也会主动再搜一遍对照。很少拿到题就直接搜。

说不上什么"原则"，只是自控力勉强够用。这个习惯怎么来的我不完全清楚，可能是倔强、可能是想对得起做题的时间、可能只是一种模糊的自律。

到了高三下学期，这个习惯变得特别有用。老师临时印的、外校传来的、超纲难度的卷子越来越多，而且都没答案。搜题软件就是在这些没人讲解的题目上，替我补上了"我的答案对不对"的反馈。

1.3 搜题软件给了我什么，没给我什么

现在回看，搜题软件给我的东西挺具体的：它把我能做的练习量扩大了至少 3-4 倍。在县城老师顾不过来的环境里，它相当于一个不会疲惫、随叫随到的"答案反馈机"。

但它也不是万能的：

它只给答案，不讲原理；
它不能帮我了解课本之外我感兴趣的东西 —— 它只是"对答器"，不是"探索器"；
它也不会告诉我我的方向是不是对的 —— 它只能回答你问出来的问题，你没问的它帮不了你。

1.4 一个冒出来的念头

很多年过去了。我从县城出来、读了大学，进了科技行业。这行技术迭代快，你必须持续学习才能跟上 —— 工作这些年，我一直像学生一样在啃新东西。

只不过这一次，我手边有 AI。

我能明显感觉到它对我学习速度的加速 —— 用 Claude Code 写代码、用 AI 辅助学习、用 AI 探索新领域。吸收新知识的速度比过去快了几倍。

有一天我自然冒出一个念头：如果我高三那年就有现在这样的 AI，我会是什么样？

第一反应当然是：会飞起来啊。可惜它没早几年出现。

但这个念头之后一直在脑子里转 —— 尤其是最近网上关于 AI 影响学习的讨论越来越多。

我心里开始有个声音。

我的答案，不等于所有人的答案。

Act 2 · 互联网舆论四派 + 我是加速学习派

2.1 我自己的位置

我得先坦白：我自己就属于"AI 加速学习派"。日常高度依赖 AI —— 实话说，这篇文章本身就是我跟 AI 辩论了一个下午才写出来的。

但也正因为我在这一派，我觉得我反而有责任看看另外几派在担忧什么，而不是把他们当"过虑"打发掉。

2.2 网上四派说法

我刷了一圈社交媒体上关于 AI 和学习的讨论，大致能分成四类说法：

一派：AI 正在毁教育

常看到的说法：「全班一半作文是 AI 写的」「学生失去了思考能力」「长期依赖 AI 写作大脑会变笨」
发声的多是老师、家长、以及一些自觉"变笨"的成年人

一派：AI 加速学习派（我这种）

常看到的说法：「48 小时学完一门课」「只靠 AI 学数学也能搞定」
大家互相晒方法、相互印证

一派：方法论派

常看到的说法：黄仁勋那句「我每天都用 AI，但 90% 的人都用错了」被反复转；类似的还有「AI 不是你的人生导师」「AI 只能放大你已经做的思考」
这派认为不是 AI 好不好的问题，而是怎么用的问题

一派：被动卷入的家长和老师

常看到的说法：「女儿用 AI 写作业，难道只有没收手机才行吗？」「这比给大学生讲课难多了」「AI 时代乱现象，我们真需要这么多'高效'么？」
这派在问：孩子到底该怎么办？

2.3 过渡到研究

四派说法各有共鸣，但我还是得看看数据怎么说。

既然我是"加速学习派"，我有责任自己去看研究 —— 看看那些说"AI 让人变蠢"的人到底有没有证据。

Act 3 · 两篇一手研究

这个话题既然讨论得这么热，学界和工业界不可能没出手。我找到了两篇最有代表性的一手研究 —— 一篇来自 AI 厂商自己，一篇来自 MIT 的脑科学实验室。两篇给出的结论，都比小红书上任何帖子都复杂。

3.1 Anthropic 的 RCT

第一篇研究很有意思，因为它出自 AI 厂商 Anthropic 自己。2026 年 2 月发布。他们同时发了一篇博文《How AI assistance impacts the formation of coding skills》做大众传播，对应的原论文题目是《How AI Impacts Skill Formation》（arXiv:2601.20245）。

实验设计：52 名初级软件工程师，Python 每周使用 ≥1 次、持续 >1 年，但所有人都没用过 Trio（Python 的异步编程库）。分 AI 辅助组 vs 手写组；三部分流程：warm-up / 实现两个功能 / 测验。

结果：测验均分 AI 组 50% vs 手写组 67%（Cohen's d=0.738，p=0.01）；debugging 题差距最大；完成时间 AI 组快约 2 分钟（统计不显著）。

关键分化（7 种使用模式聚类）：低分组（<40%）—— AI delegation / Progressive reliance / Iterative debugging；高分组（≥65%）—— Generation-then-comprehension / Hybrid / Conceptual inquiry（n=7，只问概念）。

作者原话："Productivity benefits may come at the cost of skills necessary to validate AI-written code." —— 翻译过来就是，"生产力的提升可能以你失去验证 AI 输出所需的技能为代价"。

这只是一个任务、一次测验。还有没有更"深"的研究？有。

学得快，往往忘得也快。

3.2 MIT 的脑扫描实验

2025 年 6 月，MIT Media Lab 的 Kosmyna 和 Pattie Maes 组发了一篇 arXiv 论文（arXiv:2506.08872），题目是《Your Brain on ChatGPT》。这篇更狠 —— 他们直接用 EEG 测了用 AI 写作的人的大脑神经活动。

设计：54 人做 4 个 session，跨 4 个月；三组 —— 只用脑 / 用搜索 / 用 LLM；EEG（脑电图）测 alpha / beta 频带神经活动，配合 NLP 分析 + 教师评分。

前三个 session 的发现：神经连接强度上只用脑 > 搜索 > LLM；LLM 组 83% 的人引用不出自己刚写的文章；Essay ownership（作品归属感）只用脑最高、LLM 最低。

第 4 个 session 的交叉实验（最反直觉的部分）：LLM → 只用脑 的人 alpha/beta 连接依然低，持续"欠投入"—— 债还在；只用脑 → LLM 的人大脑激活反而更强 —— 先训练过再用 AI，主动性保留。

研究给这种现象命了一个名字："Cognitive Debt"（认知负债）。

把两篇研究放一起看，给我的冲击是 —— 差别不在"用不用 AI"，而在"先后顺序"和"使用方式"。

这个观察本身还挺粗的。接下来我想把它细化成几个更可操作的框架。

Act 4 · 框架升级

4.1 两种模式 —— 答案模式 vs 学习模式

第一个框架是我觉得最关键的一个分法 —— 任何一次你和 AI 的交互，目标要么是"获取答案"，要么是"建立可迁移能力"。这两种目标下，同一个"慢"的属性完全不同：

答案模式：目标是解决眼前问题 → 所有慢都是摩擦 → AI 最优
学习模式：目标是建立可迁移能力 → 部分慢本身就是学习 → AI 最坏

同一个人、同一个工具，不同模式下应该有完全不同的用法。但关键问题是 —— 大多数人不显式区分这两种模式。默认状态下，AI 的 UX 把你推向答案模式，哪怕你当时是在学习场景。错配就这样默默发生了。

4.2 不是所有摩擦都是学习

"学习模式下要保留摩擦" —— 这话说完后，自然会有个反问：所有摩擦都要保留吗？切工具、翻文档、等系统加载，这些也要保留吗？当然不。纯物流摩擦消除掉没问题。

真正不能消除的是这两类：

元学习能力的训练：从蛛丝马迹找答案、判断答案对不对、把通用概念对应到具体问题 —— 这些是可迁移的思考力
记忆深化：像模型训练里的"上采样" —— 慢摩擦意味着更多 replay，更多 replay 意味着更深的记忆编码

AI 一键消除的，恰好是学习最该保留的。

这也解释了 Anthropic 研究里那 7 个高分"只问概念"派 —— 他们让 AI 消除了物流摩擦（查 API 用法、回忆语法细节），但保留了学习性摩擦（异步原语的概念理解）。

4.3 AI ≈ 搜题软件++，但有一个唯一的质变

第三个框架回到一个更大的图景 —— AI 不是新物种。它是参考书、搜索引擎、搜题软件这一整个谱系的延续：

同一赛道：降低"获取答案"的摩擦
同一规律：对 motivated 的人是加速器，对 unmotivated 的人是拐杖

但 AI 和之前所有工具之间，有一个唯一的质变：

搜题软件给你的是通用答案（别人的题、别人的变量，你还要自己翻译到你的场景）
AI 给你的是你自己的答案（你的代码、你的变量、你的语境）—— 翻译被替你做了

这一步翻译，就是学习发生的地方。把通用概念对应到具体问题，这个动作就是理解建构本身。AI 把它消除了。

所以 AI 比搜题软件好用得多，也比搜题软件危险得多。

从"捷径"到"终极捷径"的一步跃迁。

Act 5 · 国际组织和中美政策

研究层面已经有了一些发现。但更现实的问题是：**各国教育系统是怎么回应的？**这一节先绕开个人观点，把政策层面最关键的几点摆出来。

5.1 国际组织

UNESCO 2023：全球首份 GenAI 教育指南，建议为 GenAI 教育应用设置年龄门槛，要求做伦理和教学适配性验证
OECD + 欧盟 2025：AI Literacy Framework for Primary & Secondary Education，定义四个能力维度 —— Engaging / Creating / Managing / Designing with AI。AI 素养应嵌入所有学科，从小学开始

5.2 中美对比

中美在 K12 AI 教育的路径几乎完全相反。

中国走顶层设计路线：2024 年 11 月教育部定调 "2030 年前基本普及"；2025 年 5 月《中小学人工智能通识教育指南》提出 "知识-技能-思维-价值观" 四维素养 + 三段分层，小学阶段就写入 "基础质疑意识"；2026 年 4 月联合五部门出台《"人工智能+教育"行动计划》。

美国走联邦真空 + 州自治路线：2023-2024 年 OET 发了 AI 报告和 74 页 Toolkit，但2025 年 3 月 Trump 政府关闭了 OET，联邦层面进入真空。各州自治（Vermont、New Mexico、Georgia 相继出台）。

5.3 现状数据

两组数字可以画出今天的 baseline：

Stanford HAI 2025：2/3 国家已有 K-12 CS 课程，但不到 50% 的高中 CS 教师自认准备好教 AI
Stanford HAI 2026：高中和大学生里每 5 人约有 4 人已常态使用 AI —— 教师培训和政策明显跟不上

5.4 Pedagogical AI 产品的挣扎

除了政策，产品侧也在尝试。Khan Academy 的 Khanmigo 2025 年已覆盖 140 万用户、380+ 学区；Anthropic 和 OpenAI 分别推出了 Claude Learning Mode 和 ChatGPT Study Mode，主走 B2B 路径。

但有个真正棘手的困境：B2C 市场会反向选择 pedagogical AI。用户偏好省力，而 pedagogical 模式要求用户多费点劲 —— 这让它在消费级市场商业上不可持续，只能依靠机构采购活下去。

政策追不上使用速度。这是今天所有 K12 的 baseline。

看到这里，我回到自己的问题。

Act 6 · 回到个人

前面一路下来 —— 个人经历、四派争论、两篇硬核研究、三个理论框架、中美政策综述 —— 差不多能回到开头那个问题了："如果我高三那年就有 AI，我会学得更好还是更差？"

6.1 对当年的我来说，AI 会是扩展工具

我用搜题软件的方式是"先想 → 再搜"。这种使用方式下，AI 对我不会是"省掉思考的答题机"，而会是一个扩展工具：

用来提前了解课本之外我感兴趣的东西
用来跟 AI 对话理清一个想不通的问题
用来见识更广阔的世界

对我个人而言，AI 来得越早越好 —— 这是真的。"会飞起来"这个答案是成立的。

6.2 但同一个工具，不是每个人都能用成那样

一个工具放在一群人面前，大家用出来的效果从来不会一样。我那种"先想再搜"的用法不是搜题软件教我的 —— 是某种性格、某种良性循环、某些我自己也说不清的东西。换成 AI，这种分化只会更大 —— AI 比搜题软件能力强太多，两端会被拉得更开。

说到底：

工具是平权的。但用好工具的能力不是。

历史上每次工具变革都走这个模式 —— 图书馆、电脑、MOOC，规律反复出现。

6.3 所以 K12 的真问题

我的使用方式不是典型，政策当然不能按我的情况定。但如果非要说一句，可能是这样。

我不是政策专家，也不想开具体处方。我能说的只有一点 —— K12 的核心难题是保护元认知的养成期。我今天能用 AI 用得好的根本原因，就是这一段曾经被保护得还算完整。至于具体的"保护期"到什么边界、怎么设计，全球还没有好答案。

我自己非处方式的做法是：假设我有 10 岁孩子，监督下引导开始用 AI，自控后放手，然后对结果验收。但再说一遍 —— 我不是典型，我的做法不一定对其他人成立。

Act 7 · 留白 + 开放问题

走到这里，我想把立场收一下，然后把真正不确定的东西摆出来。

7.1 立场的回归

如果你问我现在还是不是"AI 加速学习派" —— 是，但我不再是那种只晒"48 小时学完一门课"的派。

我现在知道为什么我能用 AI 用得猛：不是 AI 太神，而是我 K12 打的那些看起来笨的基础，让我今天能用 AI 用得狠。这件事没法简单复制给所有人。

我既是 AI 最大的受益者，也担心它让下一代失去什么。

7.2 三个我真不知道答案的开放问题

最后留三个问题。这三个问题我目前没有答案，可能 10 年后才能看清：

AI 教育原生代 —— 从小不看书、只问 AI 长大的孩子，会成为什么样的人？
现在出生的孩子到 18 岁时，AI 是电力级基础设施，还是仍在剧烈演化？
一个孩子的 K12 完全靠 pedagogical AI 完成、没经历过"翻书 + 问老师"，能不能形成那种"先想再搜"的习惯？

7.3 收尾

如果你也在想这件事 —— 评论区见。

有些摩擦是学习阻碍，有些摩擦是学习本身。