学生和研究者警告，AI 正开始让课堂讨论趋于平面化

从写作助手到思考助手，再到讨论过滤器

生成式 AI 已经改变了学生起草论文、总结阅读材料和准备作业的方式。如今，一个更新的担忧正在课堂内部浮现：学生外包的不只是写作，还有让讨论变得生动、原创和不可预测的思考早期阶段。

Futurism 引述的一篇报道，结合了 CNN 发布的访谈和一篇最新学术论文，描述了一种很多教师和学生都会感到熟悉的模式。与其带着自己独立形成的解读进入研讨课，一些学生会把阅读材料和即时提问输入 AI 工具，再把输出内容带回课堂。根据报道中受访学生的说法，结果是一种更加同质化的参与方式，大家的发言听起来越来越像。

这种担忧之所以重要，是因为课堂讨论不是边缘活动。在很多大学课程，尤其是研讨课中，讨论是学生检验论点、接触分歧并实时打磨自身观点的主要方式之一。如果 AI 系统成为学生与材料之间的主要中介，损害可能不只会出现在书面作业中，也可能体现在现场思想交流的萎缩上。

学生描述声音范围在收窄

一位被 CNN 认作 Amanda 的耶鲁学生表示，由于同学们依赖 AI 处理课程材料，研讨课讨论变得更平淡、也更可预测。她描述了一次经历：在教授提问后出现尴尬沉默时，另一名学生似乎不是依据自己的阅读和思考作答，而是在迅速向 AI 系统问同一个问题。

比起这个轶事本身，她对整体氛围的描述更令人印象深刻。她说，同学们的表达越来越相似，这与早先的大学讨论形成对比，那时学生会从不同角度切入阅读材料，并加入各自独特的评论。另一位耶鲁学生 Jessica 告诉 CNN，她在上课开始时能看到很多学生把 PDF 上传到 AI 系统里。

这些说法并不能证明所有课堂参与如今都由 AI 生成，也不能量化这种行为有多普遍。但它们确实指出了学生准备发言方式上的一种可能变化。AI 不再只是课前一晚才拿来咨询的工具，它也被用于当下，让即兴讨论变成了一种辅助性的表演。

为什么“同样”才是真正的警讯

围绕 AI 与教育的公共讨论，大多聚焦于作弊、抄袭和评分完整性。这些问题确实存在，但课堂中的说法指向了一个更微妙的风险：认知多样性的流失。

当学生依赖大型语言模型来构建论点、概括主题和提出解释时，他们接触的是为生成合理、泛化回应而设计的系统。这对于头脑风暴或澄清概念可能很有用。但如果许多学生对相似模型使用相似提示，输出就很可能趋于相同的语言、相同的框架和相同的熟悉洞见。

其后果不只是书面作业原创性下降。它还意味着，甚至在讨论开始之前，课堂中的思维范围就已收窄。与其说分歧会促进观点更锋利，不如说学生可能只是在重复互联网和训练数据模式的精修平均值。

这种平面化在依赖歧义、解释和争议性解读的学科中尤其令人担忧。研讨课之所以有效，是因为不同的人会把不同的假设、背景和分析直觉带到同一文本中。如果 AI 成为所有人的第一道解释器，讨论可能会更高效，但也会更不鲜活。

研究者开始更直接地界定这一问题

Futurism 指出，《Trends in Cognitive Sciences》上的一篇新论文认为，大型语言模型会削弱用户处理问题、使用语言以及推理复杂议题的方式。文章称，作者们描述了一种交换：人们把自己思考的一部分交给模型输出，用来自训练数据的合成回应替代个人认知努力。

南加州大学心理学和计算机科学教授、该论文合著者 Morteza Dehghani 告诉 CNN，如果人们失去认知多样性或滑向智力懒惰，其影响“相当可怕”。这一警告并不是说使用 AI 必然会损害学习，而是说使用方式很重要。

帮助学生理解艰深材料的工具，可能支持教育。把解释、不确定性和语言冒险替代掉的工具，则可能削弱教育。这个区别很重要，因为高等教育并不只是获得正确答案，它也是学习如何在答案不完整、存在争议或不断变化的情况下形成判断。

教育风险远不止一间课堂

如果这种模式扩散，其影响可能远超研讨课。大学是人们学习为观点辩护、吸收批评并听见陌生视角的主要场所之一。这些习惯后来会在工作场所、公共辩论和公民生活中发挥作用。若一代人被训练为把初稿式推理外包出去，他们也许会更善于使用精致语言，却对独立分析更缺乏信心。

这并不意味着 AI 在教育中没有位置。它很可能有，而且机构仍会不断试验它在哪些地方最有帮助。但这篇报道中的说法显示，最重要的教育问题正在转移。问题不再只是学生是否使用 AI，而是他们在使用 AI 时停止练习哪些类型的思考。

教师或许需要通过重设计讨论型课程来回应，例如采用那些难以在实时中自动化的方法：口头答辩、带后续问题的精读、比较性解读，以及要求学生展示自己如何得出某个观点的活动，而不仅仅是陈述观点本身。目标不是把技术完全排除在课堂之外，而是保留教育中依赖人类差异的部分。

更广泛文化调整的早期信号

耶鲁学生的报道和研究者提出的担忧，应被理解为早期警报，而不是已经定论的判断。这里的证据具有提示性，但并不全面。不过，它确实捕捉到了生成式 AI 如何改变机构的一点重要特征：它不仅会自动化任务，也会标准化思维习惯。

这或许是 AI 时代的核心文化问题之一。让表达更容易的工具，也可能让表达更趋同。在教育中，这种交换尤其危险，因为学习的价值往往在于答案之前的挣扎，而不仅仅在于答案本身。

如果课堂开始听起来更相似，问题也许不是学生变得不够能言善辩，而是太多人开始用同一台机器的声音说话。

本文基于 Futurism 的报道。阅读原文.