跨文化對話：人工智能時代人類關鍵能力的培養

人工智能迅猛發展重構人類知識生產與認知模式。教育面臨“培養什么人”的本源性追問。2026年1月22日，由中國教育科學研究院主辦的“國際教育創新趨勢研討會”在北京舉行。會議期間，我們圍繞“人工智能時代教育如何變革”進行對話，并就其中人工智能時代人類的關鍵能力展開深入交流?，F將主要觀點整理成文，就教于學界同仁。

一、“要不要記憶”與“思維為什么重要”

李永智：當前，人工智能發展日新月異，社會普遍期待教育變革，卻缺乏行動層面的共識和指引。我想提出的首要問題是：在人工智能能力替代和超越人類的趨勢下，培養什么樣的人？如何培養？人工智能時代應該如何重新定義教育的目標和方式？

安德烈亞斯·施萊歇爾：這是一個極具挑戰性的問題。我認為，答案的起點在于“祛魅”人工智能并理解其本質。

首先，雖然人工智能可以基于既有數據做出高度理性，甚至優于人類的決策，但是它不進行倫理判斷。這正是人與人工智能的關鍵差異，人類能夠超越數據與算法，將正義、公平等價值納入決策。因此，區分善惡、進行倫理判斷，是最核心的人類能力之一。其次，創造力也需重新界定。人工智能可以在既有模式上生成“新組合”，但并非真正意義上的“從無到有”。而人類擁有想象與建構全新事物的能力。此外，人類還具備人工智能所缺乏的社會性能力—— 自我覺察與對他人的覺察。人工智能沒有意識，也缺乏這種深層的感知能力，而這恰恰構成人之為人的基礎。因此，面向未來，教育應重點發展三類能力，即倫理決策能力、創造力，以及人際洞察力。而這一切的前提，是對人工智能形成清醒而真實的認識。只有如此，我們才能將重點從“人與人工智能的對抗”轉向“用人工智能放大人類智能”，走向人機協同發展的未來。

李永智：經濟合作與發展組織（下文簡稱為“經合組織”）長期關注“高階思維能力”。在其相關框架中，除了倫理決策能力、創造力、人際洞察力這三類能力之外，是否還包含其他重要維度？您能否對“高階思維能力”做一個整體概括？

安德烈亞斯·施萊歇爾：經合組織正在構建一套人工智能能力指標體系，將人類日?；顒痈爬榫蓬惸芰S度。這一框架的核心方法是先界定人類能力的基本維度，再評估在當前階段，人工智能在多大程度上逼近人類能力——而這種逼近是加速演進的，隨著模型的發展不斷迭代。例如，在社會性能力上，人工智能已經能夠完成大量人類行為，因為許多社交行為本身具有較強的可預測性?；诖?，人工智能在理解與模擬人類行為方面已相當成熟，甚至可以以高度“可信”的方式扮演社交角色。經合組織所構建的能力指標，本質上是以“人類能力”為參照框架來理解與刻畫人工智能的發展水平。

同時，我們也需要意識到，生成式人工智能只是眾多技術路徑之一。未來可能出現新的模型形態，對應模擬人類的其他能力維度。

李永智：在您提到的九類能力中，我理解也包括記憶能力及其相關維度。人工智能與數字技術正在重塑“記憶”在學習中的角色。過去，學習高度依賴對大量信息的準確記憶，并在此基礎上進行分析與關聯。而今天，個體可以借助技術實現大范圍的信息調用、關聯與應用。在這樣的背景下，您如何看待“記憶能力”在學習體系中的角色變化？

安德烈亞斯·施萊歇爾：我認為，記憶的重要性并未降低。若缺乏記憶，即缺乏對概念與思想的存儲與理解，個體就會淪為“人工智能輸出”的被動消費者，不再自主思考。

因此，關鍵不在于“是否記憶”，而在于“記什么”。相較于事實與數字，概念與思想變得更為重要：理解歷史，需要把握其核心觀念；進行科學思考，需要內化科學概念；理解思想體系，則離不開哲學框架。如果記憶能力被削弱，那么人類能力本身就可能被侵蝕。事實上，人工智能的一個重要風險正是對人類能力的“替代性削弱”。正如因依賴導航削弱了方向感，因依賴生成式人工智能可能削弱批判性思維。記憶不僅是信息存儲，而且是概念建構的基礎。遺憾的是，我們的記憶中往往充斥著大量程序化、套路化、已失去價值的內容。

更重要的是，記憶本身包含“認知努力”。這種努力具有不可替代的價值，我們在意的不只是結果，更在意人的投入與生成過程。無論是一封道歉信，還是一件藝術作品，一旦被標注為由ChatGPT生成，其意義與分量都會明顯下降—— 因為其中缺失了人的努力與主體性意義建構。從本質上看，記憶是在大腦中建構對世界的內部表征。若放棄這一過程，人就會退化為被動接受者。相比“人工智能變得更像人”，我更擔心“人變得更像人工智能”—— 降低對自我的要求，以便利交換能力與自由。之前，機械替代了動手能力，今天的風險在于大腦的認知能力也可能被類似方式削弱。人類往往傾向于以便利為代價交出主體性。如果記憶這一關鍵環節被放棄，一切都“存儲在外部”，那么人之為人的某些根本特質也將隨之消解。記憶之所以重要，正是因為它承載著人類的概念體系與自我認知，并支撐個體的自主行動。

李永智：我非常贊同這一視角?；厮輾v史，很多曾具有生死攸關意義的原始能力，如爬樹避險，隨著文明演進與社會組織化而漸次退場，并被一輪輪技術進步所替代。由此引出的核心問題是：當具體技能不斷被讓渡于技術，什么才是“人之為人”的關鍵能力？我的判斷是，思維能力。它不僅是人類區別于技術存在的根本標識，而且是智能時代“人之為人”必須守住的最后防線。

思維能力內在地包含主體性，即對“我是誰”的認知與認同，以及由此衍生的自我保護與自我調節能力。人工智能之所以難以構成對人的根本性替代，一個重要原因正在于此，即它缺乏主體性。機器在運行過程中，不會反思自身狀態，也不會出于“自我保護”去調整行為；而人類天然具備這種意識，并據此修正決策。因此，我想討論的問題是：在當前技術條件下，“人之為人”的關鍵能力，是否可以理解為思維能力？如果可以，這種思維能力究竟包含哪些核心要素？其中，自主性與自驅性，是否應當成為教育必須重點關注與培育的關鍵維度？

安德烈亞斯·施萊歇爾：這是很有意思的問題。但是我不確定，因為這取決于如何定義“思維”。如果思維僅僅是信息處理，那么人工智能是可以做得比人類更好的。

李永智：思維當然不僅僅在信息處理上。人工智能只是在低維展開的簡單信息和海量碎片化信息方面，在可處理數量和速度上超過人類。人在復雜信息、多模態信息，比如“字符之外的所指和意指”層面的信息處理能力，人工智能并不具備。比如我說“您今天狀態不錯”，字面之外我可能在表達尊重、表達希望有一個好的談話開始。這種“意義指向”，人工智能是不具備的，它更多是概率生成的字符堆砌。所以從這個角度，我想說：人類和人工智能之間在處理信息上是有本質差別的。

安德烈亞斯·施萊歇爾：我非常贊同。這本身就是一種人類式的反思。我們的交流，不僅是信息傳遞，而且更是思維的相互激發。與不同類型的人交往，能夠不斷修正和深化我們的判斷，因為他們帶來了多樣化的經驗與視角。

正如您所強調的，信息與經驗的多樣性至關重要。人類能夠在不同思維方式與行動路徑之間進行切換與整合，以應對具體情境變化，而這種能力，很難被簡化為算法規則。這正是人類的重要優勢。這也解釋了為何應將人類視為與人工智能并行的重要“伙伴”。人類與人工智能系統的對話，本質上依賴“預測式推理”，更接近一種在既有知識約束下的“收斂式思維”，傾向于給出最可能、最合理的答案；而與真實的人對話，則可能不斷打破預期，帶來不可預設的回應—— 而這種“出乎意料”，恰恰是最有價值的部分。

因此，基于個體經驗的多元反思能力尤為關鍵，而且需要被有意識地保留與發展。這也意味著，在人工智能可以高效完成知識傳遞的今天，教師的價值依然不可替代。教育不僅是信息傳遞，而且是關系建構與社會互動。人類作為社會性存在，天然重視這種互動，并在其中感知到“不可被完全預測”的他者。這種維度極為重要，卻也難以量化。在經合組織的人工智能能力指標體系中，尤其是在社會性能力方面，無論是衡量人工智能接近人類的程度，還是刻畫人類自身能力，現有工具都存在明顯局限—— 許多關鍵能力，難以被標準化測量或算法化描述。

因此，我也想進一步追問：在這樣的情境下，相對于人工智能，“他者/他人”作為人的價值究竟體現在哪里？應如何理解人類所獨有、不可替代的價值？

李永智：我很認同您之前所說的一個前提—— 我們如何理解人工智能，決定了我們如何面對它。當前的人工智能，本質上仍停留在對符號與表達的“概率生成”，依賴既有數據，但缺乏真正的“意義指向”。人類在理解世界時，會調動情境、經驗與整體認知，形成完整的意義系統，而這一點，人工智能尚未具備。因此，它今天呈現出的“強大”，更多是在特定任務、特定語境中的優化表現；一旦進入開放、復雜、無確定有效參數的真實世界，其能力仍然有限。我想，這也正是經合組織所強調的人類“高階思維能力”對人工智能形成相對優勢的原因。

當然，我們也需要保持一種開放的警覺：倫理決策能力、創造力、人際洞察力，是否未來也可能以某種形式被“模擬”？倫理可以被規則化，創造有其生成機制，社交本身也是復雜系統—— 如果這些被有效擬人化，那么是否也可能在“硅基”中出現某種“類秩序”？也許這還很遙遠，但不宜輕易否定其可能性。

綜上，我認為對人工智能的理解，既要有對不確定性的警惕，也要有對現實階段的清醒判斷：不過度焦慮，不盲目樂觀，而是積極采取有針對性的應對。

二、“教學如何用人工智能”與“能力如何不惰化”

李永智：基于以上討論，我想提出一個更具體的問題：您在不同國家的觀察中，哪些國家或地區已經在教育中實現了較為“系統性”的人工智能變革？這種變革，不僅體現在工具使用上，而且體現在教育目標（如關鍵能力的重構）、教學方式（課程、教材、課堂組織）等層面的整體轉型？是否有一些具有代表性的實踐，可以幫助理解“人工智能真正進入教育系統”意味著什么？

安德烈亞斯·施萊歇爾：我們確實看到很多國家的人工智能作為工具在教育中的應用，甚至在生成式人工智能出現之前就已經有基于更廣義的人工智能進行的個性化學習系統。人工智能使得學習分析已經非常強大，教師可以實時獲得學生學習情況的深入洞察。但對于學生直接使用人工智能，我們更為審慎。到目前為止，我們看到的負面效應多于正面效應，人工智能主導會外包思維過程，進而導致“元認知惰性”（Metacognitive Inertia）。對我來說，這跟使用計算器不同。后者外包的是常規認知過程，這些過程繁瑣且效率不高。但使用人工智能時，可以清楚地看到學生外包了他們的思考，他們不再有寫作的意圖，只是提出問題并接受答案。

所以，到目前為止，通用人工智能工具對教育來說還很難真正融入。我們需要創造具有教學意義的人工智能引擎，需要為特定的教學目的設計學習工具。比如，年齡是非常重要的考量因素，小學生還沒有基本的思維技能來批判性地審視信息，這個時候給他一個看起來既像先知又像伙伴的人工智能引擎，這個孩子可能再也不會發展出人類必需的基本能力。而當學生已經發展出某些能力時，人工智能可以成為能力放大器。就像你不會給卡車司機和三歲小孩制定同樣的交通規則。同樣道理，我們需要根據學習者的發展階段和具體目的精心設計人工智能工具。

到目前為止，在我們的評估中，學生使用通用人工智能的正向效果有限。如果你問我今天哪個國家在這方面做得非常好，說實話，給我印象最深的是將人工智能用于學習分析，幫助理解學生的學習情況，即幫助教師了解不同學生如何以不同方式學習，實現個性化學習。這非常了不起。《經合組織2026年數字教育展望：探索生成式人工智能在教育中的有效應用》就提供了很多這方面的例子。但是，當涉及面向學生的學習時，我至今仍持懷疑和謹慎的態度。我尚未發現有哪一個學生直接使用的人工智能工具，從根本上改變或顯著提升了學生的學習，也許未來的國際測試會告訴我們答案。

李永智：我也還沒有看到考慮周全的對于人工智能的接觸和應用方案。因為他們都不免陷入這樣的困境：不用人工智能顯得封閉保守；用了，如果不能很好地管控或控制風險，那么就會造成某些思維能力的退化。

中國教科院準備開展一項實驗性的活動，讓學生能更好地建立一種不被人工智能替代或超越人工智能的能力，即讓學生基于某個領域提出自己的問題。比如，“天空為什么是藍色的”這類日常問題。然后讓人工智能以蘇格拉底教學方式來回答。通常，人們使用人工智能可能會停留在這一階段就結束了。我們的設計是要持續深入：人工智能回答后，學生要根據自己是否聽懂來進行下一步反饋。因為人工智能回答時，可能會涉及學生不一定知道的概念和原理。學生可以根據自己不懂的地方進行一系列有邏輯的追問。當學生認為自己懂了，或是覺得人工智能回答的問題也沒什么新的幫助時，學生的任務是基于以上的追問，概括出一個對這個問題的完整答案。雖然“概括總結”可能只是“最后一公里”或“最后一百米”，但最后的概括非常重要。我相信在這個過程中，學生大腦的思考會貫穿整個系列的追問，最終形成他自己認為完整的答案。他的思考過程是完整的。

在這個設計中，人工智能類似建筑工程中的“腳手架”。當學生完成最后一個完整的分析和概括時，已經獨立于人工智能，形成自己完整的思考。學習過程中，學生要依靠“腳手架”循序漸進以達到目的。但經過最終的反思和總結后，我相信學生在這個領域的知識建構是獨立、完整的。同時，我們還做了一個人工智能小程序，可以為學生提供這個過程完整的邏輯思維導圖，展示他提問過程中的邏輯脈絡，雖然學生的思考可能有高有低，有對有錯，但最后總結出自己的結論并形成邏輯思維導圖，可以讓他對自己的認知過程有一個清晰的把握。

這種基于人工智能的學習方式的意義在于：第一，更加有效地實現學生認知過程的引領和導出；第二，更加聚焦學生本質能力——思維能力的培養；第三，拓展學生本來可能無法抵達的思維廣度與深度。毫無疑問，未來人工智能將充斥社會各個領域，那么今天學生利用人工智能進行思考的過程，鍛煉的正是他們未來利用人工智能工作和生活的能力。

您如何評價我們這一設計？基于您的經驗，您會提出哪些改進建議？

安德烈亞斯·施萊歇爾：這正是我認為教育中需要的那種圍繞教學意圖來精心設計的人工智能應用。在提問和提供答案之間切換，正是一位好老師做的事情。像您設計的這種系統，實際上體現了優秀教學的本質：在某個階段提供“腳手架”，在下一個階段觀察學生在多大程度上掌握了概念和思想。我認為這是一個非常周密的設計思路。

經合組織目前正在進行的“職業教育國際學生評估項目”是一個類似的例子。當我們評估職教學生時，使用的往往是適用于學術技能的標準。學生在那些傳統的衡量標準下總顯得不夠成功。職教學生擅長的能力，包括解決復雜問題、承擔責任、展現能動性的能力等，這些在工作場所需要的東西，很難用傳統指標觀察，也很難直接教授。這就是為什么要把學生送到工廠或公司去學習，因為我們不知道如何在課堂環境中教授這些能力。

有些人類能力很難清晰闡述、表征或描述，需要把學生置于真實情境中讓他們自己去領悟。而借助人工智能，我們的測評過程能夠觀察個體在互動中的行為。實際上，我們正在做的正是您所建議的：在改變問題情境和為學習者提供解釋之間切換。這種互動將使人工智能成為學生在職業場景中學習的伙伴。我們已經取得了一些進展，希望在2026年的世界技能大會上展示一種與您的方法非常相似的模式。

我很有興趣了解你們是如何構建系統底層的知識庫的。是使用通用人工智能模型，還是以此為目的創建了特定的訓練數據集？

李永智：我們把它作為“智能體”來建設，分為兩部分：模型和知識庫。

模型部分基于現有開源、高效的大模型，做教育垂類訓練。通過提供專有的大量優秀教學案例數據，把通用模型專業化，在開源基礎上做垂類增強。

知識庫部分通過向量化處理建立三類知識庫。第一類是通用基礎知識庫，量很大。第二類是共享知識庫：一個小學習共同體、小研究共同體、小班級或學習小組，都可以建共享庫，且可能有多個。第三類是個人知識庫：每個人讀過的書、標注過的要點、認同的觀點等，形成個體知識系統。這三個知識庫最后形成每個人各不相同的伙伴型知識系統。在這個知識系統中，目前做的是建立“立體網狀”的知識圖譜式鏈接。我們認為，當前的知識，即使在單一學科中，呈現也是離散、碎片化的排列。比如，數學中有代數也有幾何，代數和幾何知識之間的關系就是離散、碎片化的。其實各學科都是如此。但是數字化提供了一種可能，也就是數字空間中所有知識點可以按邏輯關系進行一體化三維鏈接，如前序后序、推演關系、邏輯包含關系等（研究團隊定義了11種關系）。理論上這11種關系能把現有人類文明所有知識連接成整體。我認為這在理論上是可以實現的，事實上在局部，如基礎教育的科學教育中已經實現。

建立這樣完整、一體化、立體網狀的知識庫的意義在于：我們推斷人類大腦中的心智模型是一體化的，而不是離散、隨意存放的。如果在教學前就已經建立了這樣一個立體網狀的外在知識庫，就可以在教學中更好地對應大腦中的心智模型，可以使教學更有針對性。

這其實也印證了為什么提問能力很重要，邏輯思維能力很重要，因為提問能力就是幫助提問者在自身心智模型中找到對應外在客觀、完整、立體網狀知識系統中的邏輯錨點。找到這個錨點，提問者在學習中的知識和認知獲取就不是隨意存放，而是有邏輯地嵌入自身大腦的心智模型中，真正增強提問者的系統認知和知識應用能力。

現在學習之所以出現很多問題，就像您剛才說的，班里有35個學生，每個人理解都不一樣，就是因為每個學生大腦中都有一個先驗的心智模型。如果這個模型在加工老師講的新知識的過程中，能夠找到對應的邏輯錨點，就能把新知識建構到合適的位置。如果沒找到，就不能把新知識安放到合理的位置，甚至放在錯誤的位置，造成學習混亂。所以學習過程，本質是在大腦中建構完整心智模型的過程。我們正在做這種嘗試，也想聽聽您怎么看。

安德烈亞斯·施萊歇爾：我覺得，這正是真正需要研究、能促進人類發展的人工智能應用。美國有一個名為“第九區（Area9）”的項目，也在做類似嘗試—— 對人類學習過程進行建模。目前的發現是：在課堂環境中，人們總是假設學習是線性的—— 你教得越多，學生學得越多。但大腦的運作規律是這樣的：你很長時間似乎什么也沒學到，然后突然建立起一個連接，你的思維豁然開朗，然后你又停滯不前。這種因人而異的學習進程在傳統課堂環境中幾乎不可能實現，因為在課堂上所有學生都按照同一線性順序學習。

我認為，如果能揭示并描述這樣的心智模型，不僅從知識庫的角度，而且從學生和人類個體學習規律的角度，理解并構建他們學習行為的表征，那么這將是非常強大的學習引擎。這是開發新型學習方法的一個非常有趣的路徑，同時，如果有一個理解你如何學習的人工智能系統，那么學習者會對自己更有信心。目前，許多在校學習者處于一種持續不斷的負面情境中：他們看到別人理解了，而自己沒有。這造成很多問題。我認為，借助這種非線性、外化不同學生學習過程的方法，可以很好地解決這個問題。

這是屬于21世紀的教學方式。20世紀強調知識灌輸，而21世紀更關注：人是如何以不同路徑建構理解的。每個人的心智認知模型各不相同。未來，人工智能或許會更擅長識別這些差異，并理解個體的學習進程。如果能夠在這一點上取得突破，那么學習將有可能被真正重塑，成為一種更高效，也更愉悅的體驗。

這就像我們問孩子“誰是最好的老師”，表面上答案一致，但深入看，卻并不相同。不同學生偏好的老師，其實是因為教學方式更契合各自的心智認知模型。同一位老師，有人覺得講解清晰，也有人覺得難以理解，本質上是與學生的心智認知模型是否匹配。而我認為，人工智能有可能在一定程度上解決這一問題。

李永智：是的，我認為這里有一個常被忽視的前提：每個人都帶著一個先驗模型進入學習—— 也就是基于基礎概念所建構的內在認知框架。對這一先驗結構的判斷，是因材施教的起點。在低年級階段，學生之間差異尚??；但隨著年齡增長，學習經驗與信息來源不斷擴展，個體的先驗模型迅速分化。未來的學習，應更加重視對學生既有認知結構的識別與理解。

三、“人類最寶貴的動力機制”與“能動性并非無法培養”

李永智：我還注意到：學習不僅關乎“能力”，而且關乎“內驅力”。一方面學習動力源自內驅力，另一方面學習可以提升內驅力。人類天然具備學習動力，是與人工智能的本質差異之一。人的內驅力是一種尚未被完全理解的內在生命力量，體現為“為什么想做”，主要源于個體對活動本身的興趣、好奇心或成就感。

人工智能不具備人類這種基于生物性、心理性和存在性的內驅力產生機制。人工智能的“動力”是一種“模擬動力”。它像是一臺調校完美的自動駕駛汽車，雖然它跑得很遠、很快，但它并不想去任何地方。而人類哪怕只是在蹣跚學步，其動力也源于內心深處對“遠方”的真實渴望。

這種“本質性區別”也為教育帶來啟發：雖然不需要擔心人工智能會因為“產生野心”而取代人類，但應該擔心—— 如果把人類的評價標準簡化到和人工智能一樣（只看產出、不看意義），就是在親手扼殺人類最寶貴的動力機制。

從歷史看，人類個體的內驅力是推動人類文明不斷演進的動力來源。人類在與外界無任何信息交互和互動的情況下，也不會停止思考和行動，而其產生的思想和行為卻并不總是正向的。因此，內驅力的激發和正向培養，自然成為教育的重要主題，如引導學生熱愛生活、熱愛科學、形成積極的行動取向，本質上是在建構其正向的內在動力機制。反過來看，個體的消沉與困頓，往往也與動力機制受損有關。在人工智能不斷發展的背景下，這一問題顯得尤為關鍵：當外部工具愈發強大，個體的內驅力反而更需要被重視與培育。您是否曾關注過這一維度，在培養學生內驅力方面，您有什么建議與提示？

安德烈亞斯·施萊歇爾：我曾參與一個非常有趣的項目，叫“Made By Dyslexia”，項目對象是有閱讀障礙的人。在常規的學校環境中，有閱讀障礙的學生無法通過線性的信息結構來建立心智模型，因此在學校體系中不太成功。但成功的企業家中閱讀障礙者的比例卻遠高于普通人群。原因在于他們不會用線性的思維處理信息。可能的解釋是，閱讀構建了線性的思維方式，讓人們以特定方式高效地處理信息，但這也成為能動性、動機和創造力的障礙。如果沒有這些線性表征信息的方式，就可能訴諸其他方式，這樣在思考上反而更具原創可能，看到別人看不到的關聯，這是不同的認識模型。而研究認為這與更高的創業傾向和創造力有關。

我認為，借助人工智能，可以超越單一的知識表征方式，轉而識別個體不同的思維傾向，并支持更加個性化的學習路徑。例如，“Made By Dyslexia”項目通過研究閱讀障礙者的神經機制，發現他們在商業與創造領域展現出獨特優勢；“第九區”等研究，也從認知層面揭示人類學習與思考的多樣性。這些都表明：如果使用得當，人工智能不僅不會削弱人類能力，反而可以通過放大差異、激發潛能，甚至幫助拓展人類尚未具備的能力。這本來就是技術一貫的作用—— 在替代部分能力的同時，也為新的可能性騰出空間。關鍵在于“如何使用”。如果方向錯誤，那么人工智能可能削弱人類能力，尤其是“動力”。

現實是，現有的教育體系并不擅長培養學習動機。一個直觀現象是：3歲兒童的學習動力往往強于30歲的成人。這在很大程度上源于教育方式—— 更強調規范與服從，而非好奇心與內在驅動。系統獎勵“被認可的表現”，卻較少鼓勵探索本身。好奇心與內驅力密切相關，而動機又是終身學習的基礎。如果不能持續滋養好奇心，就難以形成自我主體導向的學習內驅力和能力。

在國際學生評估項目（PISA）中，曾引入“自主學習傾向”指標，衡量學生在無人監督時的學習意愿。結果顯示，其最重要的預測變量并非學習時間或成績，而是師生關系的質量——學生往往是“為老師而努力”，而非單純為分數或學科努力。因此，教育真正需要強化的，是對學習動機與自主性的培養—— 讓學生具備持續拓展自身能力的內驅力。

在人工智能時代，這一問題更加突出。一些學生可能會認為“無需再學習，只需查詢即可”，尤其是在弱勢群體中，這種傾向更為明顯。這使得“如何維持學習的意義感”成為新挑戰。從更長遠看，教育最本質的成果或許不在于“學了什么、學了多少”，而在于：一個人經過教育過程，是否仍然保有持續的學習意愿與動力，是否具備持續提問、不斷探索世界的內在動力。

李永智：非常贊同！針對當前教育實際上存在負向作用于動力機制的現象，您有具體的改進建議嗎？換句話說，在教育中可以采取哪些具體措施，從而促使學生更有學習的意愿和動力？

安德烈亞斯·施萊歇爾：提到不同國家在培養學生好奇心方面的差異，我認為如何評價學生提出問題和解答問題非常重要。我的家庭有一次親身經歷，當我們搬到法國時，我女兒進入一所小學，那里的教學方式很不尋常。有一天她回家說：“爸爸，我寫了一個數學定義，但只得到一半的分數。我不知道我哪里做錯了?！蔽铱戳撕笳f：“我看不出任何錯誤。去問問你的老師?！钡诙焖貋碚f：“我明白了。我沒有按照正確的詞序重復定義?！彪m然這是一個極端案例，但許多教育體系都過于重視對既定思維方式的順從，使得學生沒有勇氣去探索新想法。

每十年，經合組織在成年人群體中進行一次國際學生評估測試。我們關注的事情之一就是成年人學習的傾向，這個年齡的人，投入多少時間去學習新事物、探索新想法？很遺憾，在過去10年里，在這方面的進步為零，鮮有成年人覺得自己需要再學習。所以，今天學校教育被忽視且應更關注的目標應該是：成年人能夠繼續自主學習。而我在這方面尚未看到任何進展。

李永智：這種現象歸咎于我剛才提到的“動力”問題。我認為，主動學習的意愿實際上根植于一種更為本質的東西：積極的生活態度。正如我之前所說，人與人工智能的區別不僅體現在學習的主動性上，而且更體現在面對一切事物時的自主性與好奇心。從這個角度看，教育的深層使命或許正在于培養這種內在驅動力—— 而這不可避免地涉及人生觀、世界觀和價值觀的塑造。

由此引出一個值得探討的問題：經合組織所倡導的核心素養與思維能力，是否充分考量了這種“動力”的維度？我想將這個問題進一步放大：我們談論的不僅是學習的意愿，而且是一種積極生活態度的系統性培育。

安德烈亞斯·施萊歇爾：經合組織將這一核心概念定義為“人的能動性”。我認為，在年輕人身上培育這種內在能量與能動性至關重要。這種能動性與成長型思維密切相關。如果年輕人認定成功完全取決于天賦智力—— 遺憾的是，許多人確實如此認為—— 那么他們便容易放棄努力。反之，若能讓孩子們在早期就認識到：潛力是無限的，困難是可以克服的，努力終將獲得回報，他們就更有可能走向成功。

事實上，能動性并非無法培養。人類天生具有好奇心，在生命最初的幾年，甚至在正式入學之前，他們已然完成了大量學習。只要為孩子奠定成長型思維的堅實基礎，能動性便能在此基礎上自然生長。更進一步，我認為需要區分三個層面：個體能動性—— 個人主動進取的能力；協作能動性—— 與他人共同做事的能力；集體能動性—— 作為團隊或社會整體，承擔責任、推動變革的能力。這三者皆不可或缺。經合組織開發的學習羅盤（Learning Compass）已在多國應用，正是將能動性置于其概念核心。歷史表明，能動性、內在動機以及對自我效能的信念，是人類進步的根本驅動力。一旦失去這些，人們便容易隨波逐流，既不會成為創業者，也難以成為創造者。

培養能動性其實并不困難，問題是它在教育中常常流失，根源往往在于教學方式——當學生遭遇失敗時，我們讓學生選擇更簡單的任務，而非鼓勵加倍努力或嘗試不同方法。這種應對失敗的方式，消磨了能動性生長的基礎。

李永智：確實如此，學生天生就有好奇心和能動性，需要提醒的是學校教育不要把它削弱。剛才談話中您有一句話打動了我，我把它變成一個問題。您說：“希望我們通過人工智能來幫助人類開發出新的能力?！边@非常有新意。之前我們都在談論人的既有能力的增長或降低。您提出“通過人工智能開發出人的新的能力”。您能不能具體談一談，“新的能力”是指什么？我看到經合組織最近發布的人工智能能力指標里提到9種能力，涉及語言能力、社會互動能力、問題解決能力、創造力、元認知能力與批判性思維、知識學習與記憶能力、感知能力、操作能力和機器人智能。那么您所說的新的能力，是指在這9種能力中有升級或升維，還是特指別的什么能力？

安德烈亞斯·施萊歇爾：是的，這9種能力本質上是一個定位框架，幫助理解人類在不同職業中的能力組合。我們正是這樣開發的—— 審視數百種職業后發現，每種職業都是這9種能力的不同配比：藝術家需要更多創造力，飛行員可能較少依賴創造力，但需要更強的堅持與邏輯思維。所有人都需要這9種能力的某種組合，才能在不同層面取得成功。但這個框架有其局限：它描述的是現有職業的能力組合，而非人工智能可能幫助拓展的新能力。

預測新能力向來困難?；仡櫲祟悮v史，人類起源于非洲，最初走出非洲的人類無法在中國或歐洲生存，因為他們缺乏應對寒冷的能力。當人類遷移到不同環境時，才逐漸發展出適應新環境的能力。我認為，看待人工智能也應采取這種演化視角—— 不必急于斷言人工智能將催生哪些具體的新能力，但可以確信：每一項技術都曾為人類能力拓展開辟出新發展空間。

城市生活便是例證。當人類定居城市，面對復雜的社會結構，發明了書寫—— 因為這是存儲財產等信息的唯一手段。我不知道人工智能時代的新能力具體會是什么，或許是現有能力的擴展，或許是全新能力的誕生。關鍵在于：你通過人工智能究竟在“賦能”還是“去能”？如果使用得當，人工智能將成為開辟新空間的工具，幫助人類發展新能力；但每項技術都有風險—— 它也可能導致能力退化。電視便是明證，對一些人，它意味著社交消亡，使人淪為純粹的消費者；對另一些人，它卻提供了靈感、想法與能量。人工智能也應被如此審視。

教育的使命正是確保人工智能成為開辟新空間的工具，而非能力退化的誘因。有一個關鍵分野：若抱著“讓學習更輕松”的想法使用人工智能，必將失敗；若相信人工智能將幫助人類以全新方式學習不同事物，則會成功。對學生而言，若將人工智能視為捷徑，便已誤入歧途。

四、留白，為新的可能性騰出空間

李永智：您說的觀點我非常贊同。剛才您提到“技術在替代部分能力的同時，也為新的可能性騰出空間” 。這讓我想到，其實每個人的時間是有限的，大腦的容量也是有限的，這意味著每個人所擁有的綜合資源和個體能力是有限的。我想說的是，是不是還有一種可能：不要那么“貪婪”，不要希望人工智能出現時，我們還保留甚至增強之前所有的能力。是不是應該在這個時候主動放棄一些能力培養？就像人類之前放棄了爬樹，后來大部分人放棄了在田地里耕種和收獲莊稼，因為時間有限、腦力有限。為了未來更好地生活，實際上應該聚焦于今天的主題—— 關鍵能力的培養。之所以主動放棄一些能力的培養，是因為在那上面一定會消耗時間、精力和資源。您怎么看？

安德烈亞斯·施萊歇爾：我同意。教育中最難的恰恰是放棄。教育熱衷于在課程中不斷添加新內容，卻極少愿意舍棄任何東西。結果便是用過量學習任務耗盡學生的心力。因此，我們必須做出審慎抉擇：未來的教育究竟必須培養的關鍵能力是什么？為此要放棄什么？

這里所說的放棄不是簡單的減法。以爬樹為例：我們不能因為有了工具便不再運動—— 保持身體健康理應是不可妥協的優先事項。心理健康亦然。我認為，當今最大的風險正在于心理健康—— 在劇變的世界中，人們越來越難以跟上節奏。

由此，我主張一個根本性轉變：從“基于學校的義務教育”轉向“學習的義務”。不應再糾結于讓學生在某個機構里待滿多少年，而應強調個體肩負的終身學習義務。這如同保持健康：你必須睡眠、必須運動，若放棄這些，便要承擔后果。心智發展也是如此—— 若放棄學習、放棄自我發展，終將陷入困境。

讓人們明白發展自己是不可推卸的個人義務，這一點至關重要。你不能將此委托給老師、學校或任何他人。否則，便是今天看到的局面：人們在學校學到畢業，然后宣稱“再也不學了”。我曾經看到一張圖表，對比了不同國家大學畢業生的技能狀況：一些國家的高中畢業生已很出色，大學教育卻僅帶來微小提升—— 這表明一旦需要自主學習，他們便不愿再學；而另一些國家，高中畢業生或許平平，但學生在高等教育階段卻充滿活力，隨著成長掌握大量技能。而我認為，后者才是真正重要的。

不要耗盡學生，不要告訴學生“這就是你一生需要學的全部”，而應教會他們選擇與放棄，讓他們在當下真正拓展自己。然而，并非所有教育體系都擅長此道。

李永智：關于“放棄”，我想再說幾句。中國畫強調“留白”，教育中早有“留白的教育”理念—— 給學生留白、給教師留白，更為創新思維留白。但在傳統學校教育慣性極強、根深蒂固的今天，究竟可以放棄些什么？以外語學習為例：我不知道國外情況如何，在中國，從小學甚至更早便開始學習外語，在許多年級，外語課時占比相當可觀。然而今天，人工智能帶來的語言與文化交融已日趨完備，其翻譯水平已超過絕大多數人類譯者。一個人花十幾年習得的英語能力，可能尚不及一臺翻譯機的效果。那么，我們是否可以得出這樣的結論：外語不應再作為一門專門學科、一項必備技能來學習？

安德烈亞斯·施萊歇爾：這是一個非常好的問題。有很多這樣的例子，語言是其中一種。我認為問題其實在于“目的”。如果學習英語的目的是幫助你交流，那么它已經失去了意義。

但是，學習外語還可以有另一種論點：外語是理解母語的絕佳工具。通過外語學習，將語言本身作為概念來思考—— 語法、詞匯、文化……所有這些在母語中早已內化、從未被審視的東西，借此成為反思的對象。如果從這個角度理解，外語學習仍具有意義。但若僅看其工具性價值，我同意您的判斷—— 這正是“投入巨大、收效甚微”的典型案例。腦科學研究也印證了這一點：語言學習的最佳窗口是0～6歲，之后再花10年來教授完全是低效的。

因此，我們需要重新審視教育中的一切，區分其內在價值與工具性價值。我在國際學生評估框架中對各學科進行過深入思考。以數學為例：學校教授的許多內容，如今既無工具性價值，也缺乏內在價值—— 大量常規計算與數學的基礎、概念和思想毫無關聯，而這些操作計算器便能完成。每個領域都值得如此反思。

我認為，未來教育應該教得更深、更少。每個學科都應圍繞希望培養的人類能力重構其教學模式。體育不只是強健體魄，更是培養責任感、勇氣、領導力、社交技能與對他人責任的工具。這才是應有的視角—— 基于教育意圖，而非僅看其工具性價值。隨著人工智能發展，許多工具性價值將逐漸消失—— “知道某件事”的需求會減少。真正需要重視的是思維方式：學習者能否像哲學家、數學家、歷史學家那樣思考？語言只是一個例子，每個領域都存在類似問題。應有勇氣放棄那些缺乏內在價值的內容，專注于培養“成為優秀人類所需的能力”。我并非否定專業外語人才的價值—— 他們應當在這一領域深耕，但不應讓所有人背負這份負擔。

李永智：非常贊同您的分析。我不是說哪一部分知識無用或者價值不夠，而是邊際效益的問題。未來生物科技發展或許可以讓我們壽命更長、思想延續更久遠，即便如此，人類的生命和活力年齡依舊是有限的。在人生有限的情況下，我們應該主動實現更有意義的生命，學會放棄一些東西，從而更好地選擇更有效、讓人更快樂、更有意義的東西。

順著這個思路考量，在某些學科中，對不同的人可能需要降低難度—— 大部分人或許終生不會用到復雜的微積分或線性代數，所以不必要求所有人都學得那么深。節省下的時間，可以用來強健體魄、培養審美、提升音樂素養、激發創造力。在生產力大幅提升的今天，勇敢、主動、有主體意識地提出放棄，恰恰具有特殊意義。這不是不負責任，而是更負責任—— 不為短期，而為長期。

甚至“基礎教育”本身也值得重新審視：為什么基礎教育需要12年。7歲到18歲，正是人的生命力最旺盛勃發、對世界感知最強、興趣動力最充沛的階段。這段時間不應僅用于校內學習。學校不該是兒童的全部世界，世界才應該是兒童的學校。德國、新加坡等國的實踐提供了參照：小學四年級便開始接觸職業教育或分流教育，讓學生更早接觸現實實踐能力—— 這意味著放棄一些深入的理論學習。

我想進一步探討：基礎教育的學制設計怎樣為好？您怎么看在其中安排幾年實踐期—— 讀萬卷書，行萬里路：在城市學半年、在鄉村學半年。在城市接觸現代科技應用，在鄉村感受自然、陽光、生物與生態。這些調整首先需要放棄現有的一些安排。

您曾經提到，高等教育應放棄對學歷教育的壟斷。那么基礎教育、職業教育是否也存在類似情況？這涉及“破與立”的辯證關系。面對變革時代，人們理所當然選擇“先立后破”。但對學生而言，時間是有限的—— 如果不先騰出時間、資源和精力，那么學生如何學習創造？可能尚未開始創造之前，他早已不堪重負、心生厭倦。

因此，“放棄”本質上是一種有破有立的智慧。這已超越單個學校、學區乃至城市的范疇，需要國家層面或更上位的宏觀設計。對此，您有何系統性建議與考量？

安德烈亞斯·施萊歇爾：這是一個非常重要的問題，我完全同意您的看法。不應以單一的學習地點、單一的學習方式壟斷兒童的時間。

學習不僅是發展個人能力，而且是為了回答：我是誰？我在社會中處于什么位置？我們如何共同生活？這些恰恰是在學校里學不好的。學校里，學生坐在課桌后，最終必須通過考試證明比同伴更優秀—— 這就是學校的模式。

教育在很大程度上關乎社會目的。今天社會的撕裂現象很大程度上反映了教育的失敗：沒有打破社會隔閡，沒有建立公共責任感，沒有培養作為社會一分子的信念與目標感。而這些，在校外環境中反而發展得更好。

您提到德國的職業教育。我認為其核心價值不在于培養好技工或好護士，而在于解決真實問題、與真實的人一起工作、犯下帶來真實后果的錯誤。雖然在學校推行的項目式學習值得鼓勵，但那些項目是人造的—— 項目結束，老師便將其扔進垃圾桶，沒有任何實際用途，學生也能感到這種虛假性。真正的項目式學習，應在真實世界中進行。為年輕人創造越多探索不同空間的機會，就越能培養他們作為社會一部分的感知，擁有被社會需要、能有所貢獻的感覺。我始終認為，教育應幫助學生了解自己的才能，也應幫助學生理解世界需要什么—— 這在目前的中小學和大學都做得不好。

德國10歲分流的做法也有弊端：這種決定常受社會背景、父母選擇影響，而非孩子自主。不應將學生分為學術型和職業型，而應讓每個學生都有真實世界的經驗，都有為世界做貢獻的義務—— 而非僅讓考試失敗者去實踐。雖然德國模式有其價值，但也可能成為社會固化的起因。

李永智：關于德國在10歲左右分流的問題，讓我聯想起《科學》雜志上的一篇文章。文章提出，頂尖人才其實往往在低年齡階段并沒有顯示出相對應的超群能力，例如，諾貝爾獎獲得者，在他們獲獎成果產生前12年的學習中，能力可能不低，但并非同齡人中的佼佼者。再比如奧運冠軍，在青年賽中可能并沒有得過冠軍。這種情況還相當普遍。這樣的數據統計，其實直接推翻了所謂“拔尖創新人才應該早期篩選、早期培養”的做法。您對此怎么看？

安德烈亞斯·施萊歇爾：我同意這個觀點，早期篩選確實不是好主意。我想補充一個長期視角。美國開端計劃（Head Start），即早期兒童教育項目的縱向研究提供的重要啟示。研究發現：在幼兒園階段，參與項目的兒童比未參與的同類背景兒童表現優異得多；進入小學后，這種差異逐漸縮小。若僅看小學學業成績，可能會斷言早期教育作用不大、浪費金錢。但當追蹤到25歲時的結果，真正的益處才顯現出來—— 這些人擁有更強的能動性，更積極主動，能做出更負責任的決定。早期投入的效益并未體現在學?？粗氐闹笜松?，卻深刻反映在成年生活的核心品質中。這揭示出一個關鍵問題：人們常常急于評判干預的即時效果，若明天看不到結果，便宣告失敗。而教育需要更多終身視角的審視。

教育不應篩選人，而應關注現實中的成功—— 教育所帶來的長期影響、具體的生活變化。值得欣慰的是，許多國家已調整人才培養路徑。許多歐洲國家，包括德國，已逐漸避免早期篩選學生的做法。

李永智：在教育中，人們常常會很強調“取”，但有時候“舍”絕非消極的退縮，而是一種面向未來的積極建構。教育的變革從來不是簡單的增減，而是在破與立的辯證中，為生命騰出成長的空間。面對人工智能時代的挑戰，放棄那些可以放棄的，正是為了守護那些必須守護的—— 人的能動性、社會性，以及終身學習的理念。這不僅關乎課程表上的調整，而且關乎人們如何理解教育的本質，如何定義一個“受過教育的人”。

來源｜《比較教育研究》2026年7期

作者｜李永智（中國教育科學研究院院長、研究員）；安德烈亞斯·施萊歇爾（經濟合作與發展組織教育與技能司司長、教育政策特別顧問）