[科学网—物理教育的清算时刻：当 AI 撞上一个被回避了几十年的真问题 - 王春艳的博文](https://blog.sciencenet.cn/blog-42659-1532796.html)
这篇文章要讲的是一个被物理教育界反复发现、却始终被主流体系礼貌地回避的根本问题：**讲授并不创造理解**。学生在课堂上学会的往往只是一层符号表皮——能背定义、能套公式、能拿高分——但他们头脑深处那套日常直觉的、亚里士多德式的前概念世界图景，从来没有被真正触动过。AI 时代的到来，让这个被掩盖了几十年的空洞突然暴露在刀锋上：公式操作免费了，传统教学那条"我教你做题，你通过考试，我们一起假装这就是懂物理"的隐藏契约彻底破产。这不是危机，是清算，同时也是物理教学史上最大的机会。

传统教学考核的，多是公式运算与题型操练；而“判断力”——一种真正直觉的建构，从未被真正测量，因此也很少被认真教学。学生若能获得这种能力，往往不是靠课堂上被明确传授，而是靠一种近乎“师徒制”的默会浸润：跟随一位真正的物理学家，看他如何提出问题、如何取舍近似、如何判断方向、如何在计算之前先把物理想清楚。可是，绝大多数学生从来没有机会进入这样的学习环境。

**学生心里清楚"课堂学的"和"自己真信的"是两回事——这本身就是教学失败的证据，因为物理教学的全部目的，本该是让这两件事变成同一件事。**

Q：人的能力本来就是正态分布。很多教师、教学部门官僚、所谓的教学砖家都有个毛病，就是不能认识到人与人能力是有固有差异，但总喜欢用极少数的人的高表现去要求其余多数。我称之为使用雷锋的标准要求所有人。怎么可能呢？纯属自讨苦吃。高校各种教学改革、教改课题、什么教学型教授，有多大用？大多数都没实际效果，当然当事人可以混个职称、应付考核，所以总有人乐此不疲。利益在其中。实际上对教学、对学生没多意义。宣传举的例子那是少数做的不错，当然你搞了那么多总有几个不错的，但避而不谈多数。

A：**教育系统的问题不在于承认能力差异，而在于它从来没有真正测量过“理解”是什么，于是用可量化的符号操作能力代替了不可量化的概念理解，然后用这个替代指标去要求所有人达到同一个数字标准。** 这不是“用雷锋的标准要求所有人”，而是**用一个虚假的、可计数的指标冒充真实的学习目标，然后把这个指标变成所有人必须越过的横杆。**
[科学网—别把699分活成算盘：用"最小作用量原理"理解高考志愿选择 - 王春艳的博文](https://blog.sciencenet.cn/home.php?mod=space&uid=42659&do=blog&id=1541913)
高考志愿不该被当成用分数兑换“最高收益”的一次性投资，而更像是在现实约束下为自己设计一条能持续走下去的人生路径。699 分不是必须兑现成世俗最优解的票据，而是更大的自由度；真正要优化的不是某所学校或专业在排行榜上的位置，而是整条路径上的总损耗——既包括学费、时间和就业压力，也包括内耗、兴趣枯竭、比较焦虑和长期失能。现实约束当然要认真评估，该吃的苦要吃，但无谓的攀比、对排名的迷信和“一分都不能亏”的焦虑，是人为添的阻力。好的选择应是在现实托底的前提下朝理想方向前进，减少无谓损耗，并保留未来调整和生长的空间。说到底，人生不是一次性求得全局最优解，而是在不断变化的条件下持续修正自己的轨道；与其替别人算账，不如祝福每个填志愿的人，知道自己为什么出发，并且有能力一直走下去。


[科学网—刷题：一场漫长的作弊 - 王春艳的博文](https://blog.sciencenet.cn/home.php?mod=space&uid=42659&do=blog&id=1537631)

这篇文章的核心意思是：做题和刷题是两回事，适度的做题是学习，过度的刷题却可能反过来损害理解力、判断力和主体性，甚至让分数不再真实反映能力。刷题刷到一定程度后，人会从“调动理解去思考”退化成“在记忆库里找模板”，遇到真正需要重新思考的题反而容易失灵；它还会干扰第一感觉、让孩子把失败归因于自己不行、让家长在恐惧和“想赢”的妄念中停不下来，并让整个系统陷入一种隐蔽的“类作弊”状态——分数和能力之间的对应关系被慢慢拉松。更深的代价是，考试有限而人生无限，靠刷题拿到超出真实能力的位置后，人要用余生去偿还那个差距；同时，12 到 22 岁这段最宝贵、不可再生的时间，被用来换一张进门即作废的门票，而真正该长出来的思考能力、判断力、兴趣和主体性却被耽误了。作者借 1905 年科举废除后“秀才”的遭遇提醒：AI 时代正在改变“刷题能换来什么”的答案，刷题训练的能力恰好是 AI 越来越擅长的，而 AI 难以替代的判断、选择、合作、创造和在不确​​定中保持方向的能力，却大多不在刷题范围内。因此他主张不刷题不等于不学习，而是要更高质量地学习：抓住学科主干、对核心概念形成自己的理解、适量做题并认真分析错题、相信“够了就是够了”，把学习当学习而不是当竞赛。说到底，让孩子做题，不要让孩子刷题；让孩子掌握，不要让孩子用熟练冒充掌握；让孩子保持思考的姿势，哪怕代价是少考几分，因为他这一辈子要面对的考试远不止高考，而用来思考的那台机器只有一台。
[科学网—创新不是目的，创新是“救问题”的方式 - 王春艳的博文](https://blog.sciencenet.cn/home.php?mod=space&uid=42659&do=blog&id=1529096)
创新不是目的，而是“救问题”的方式——当旧办法已经失灵、真正重要的东西开始流失时，重新找到一条能抵达目标的路。判断创新有没有价值，不能只看它“新不新”，而要看它“救了什么问题”；真正的创新人才，首先是能看见真问题的人，好的创新也往往带着克制：不是逢新必追，而是知道为什么而变，在变化了的世界里，把那些原本该守住、却越来越难守住的东西重新救回来。

[科学网—当无知开始以答案的形式出现：AI时代关于"知其不知"的一次追问 - 王春艳的博文](https://blog.sciencenet.cn/home.php?mod=space&uid=42659&do=blog&id=1546104)
这篇文章的核心意思是：AI 时代真正的教育问题，不是要不要用 AI，而是当答案随手可得时，人如何保住对自己认知边界的察觉。过去无知表现为空白，人会迟疑、会承认“我不清楚”；现在 AI 几乎从不沉默，不知道时也能生成一段完整、流畅、笃定的答案。于是无知第一次不再以空白的形式出现，而是以答案的形式出现——它具备知识的一切外观，却未必经历过知识形成的过程。更危险的不是“不知道某个事实”，而是“不知道自己不知道”，作者称之为“元无知”或“答案型无知”：人原本会说“我不懂”，问过 AI 后却开始说“我已经研究过了”，求证、比较、怀疑、修正这些原本位于答案之前的活动被直接跳过。这种风险不按学历和职称分布，教授、科研人员同样会把 AI 生成的术语、引文和完整论证误当成学术证据，因为语言与事实之间原本默认的契约正在松动：流畅不再自动等于理解，完整不再自动等于真实，自信不再自动等于可靠，第一人称也不证明说话者真是能行动和负责的“我”。同时，AI 也在改变权威结构：知道得广不等于知道得切近，掌握一般规律不等于掌握具体情境，远离现场的通用答案不应压过接近事实的具体判断。但作者并不认为 AI 只带来危险——它同时降低了求真的门槛，也降低了自欺的门槛；对有求真愿望的人，AI 扩大探索可能，对只想尽快获得确定答案的人，AI 扩大自我确认。区别不在于是否使用 AI，而在于把 AI 的回答当作探索的起点还是认识的终点。真理不是一个答案，而是一个方向：真正危险的不是获得答案，而是答案使认识的运动停止。因此，AI 时代真正稀缺的，不是怀疑一切的能力，而是始终保存真理方向的能力——使用 AI 不是为了尽快结束问题，而是为了让问题更清楚；不是为了证明自己原来就对，而是允许自己在看见更多之后发生改变。说到底，AI 可以给人答案，但只有求真的心，才能让答案继续通向真实；真正的分界线不在于谁使用 AI、谁拒绝 AI，而在于有人借助 AI 继续追问，有人借助 AI 停止追问。即使答案已经出现在屏幕上，仍然有勇气承认：等等，我还不知道。
[科学网—从“写代码”到“定义问题”：AI Agent正在改变软件开发的瓶颈 - 王春艳的博文](https://blog.sciencenet.cn/home.php?mod=space&uid=42659&do=blog&id=1550231)
这篇文章记录的是 Lex Fridman 与 DHH 第二次长访谈中，DHH 对 AI 编程态度的一年之变：过去他以强调“漂亮代码”著称、对 AI 写代码相当谨慎，如今却认为 AI 编程已进入全新阶段，讨论重点不再是“AI 能不能写代码”，而是“如果 AI 已能完成大部分实现，人类程序员还负责什么”。真正的变化来自 AI Agent——它不再只是补全代码，而是能理解问题、制定计划、阅读代码库、修改多个文件、调用工具、运行测试、发现并修复错误，最后给出可工作的结果；人类逐渐不必再指定每一步“怎么做”，过度指定反而会限制它，于是编程的抽象层级上移：过去主要回答“怎样实现”，现在越来越多回答“应该做出什么东西”。DHH 因此说“Software is product management”：当实现成本快速下降，真正稀缺的是清晰 vision、判断力和 taste——让 AI 生成多个候选方案，人类负责比较、选择和方向，过去人做 generation、机器执行，未来可能反过来，AI 大规模生成，人负责 evaluation、selection 和 direction。这也引出一个反直觉的问题：传统编程知识还重要吗？DHH 自己越来越少亲手写代码，却仍能一眼看出 Agent 输出“太复杂了”，说明编程知识不是消失，而是从 production skill 变成判断系统——你未必亲手写代码，但知道正常系统该长什么样、哪些复杂度不必要、哪里可能有耦合和副作用。同样，“漂亮代码”的价值也可能被重新定价：过去强调可读性，是因为未来还有人读、改、debug；如果未来大量代码主要由 AI 阅读和维护，一些软件工程原则可能只是为“人类是主要维护者”这一历史条件服务的。面对这种变化，DHH 不建议年轻人试图预测一切，因为连最前沿的人也难预测两个模型版本以后会发生什么，具体 AI 工具技巧的半衰期可能很短，真正值得积累的是理解问题、判断结果、系统思维、产品意识、审美、表达模糊需求的能力和真正去做东西。他用“骑马”作类比：未来手工编程仍会有人热爱，就像今天仍有人骑马，但“值得做”和“经济上必须这样做”不是一回事；他说“I became a programmer because I wanted programs”，如果自然语言能把想法变成软件，他并不觉得背叛编程，反而像回到了最初目的。访谈中 DHH 也有不少激进判断，比如已看到不少类似 AGI 的迹象、对 Linux 在 Agent 时代的未来极度乐观、对软件生产率提升速度比很多人更乐观，但这些预测是否正确很难判断；真正值得关注的，是一个已经正在发生且相对具体的变化：软件开发的瓶颈，正从“如何把东西实现出来”转向“什么东西值得实现，以及如何判断它实现得好不好”。过去 idea 便宜、implementation 贵，未来可能 implementation 越来越便宜，而好问题、好判断、好 taste 和真正 coherent 的 vision 越来越贵。如果这个趋势继续，“程序员”这个职业未必消失，但其工作内容可能被深刻重新定义。也许几年后回头看，真正重要的问题从来不是“AI 会不会写代码”，而是“当写代码不再是最困难的部分以后，人类究竟想让什么东西存在？”
[科学网—写给六一：含德之厚，比于赤子 - 王春艳的博文](https://blog.sciencenet.cn/home.php?mod=space&uid=42659&do=blog&id=1537430)

这篇文章借六一儿童节，写给大人：孩子身上最珍贵的，不是幼稚，而是那种自然、纯真、简单的快乐、充沛的精力、好奇心与探索欲——这些恰恰是大人羡慕却求之难得的宝贝。爱因斯坦说，现代教育竟还没完全扼杀那“神圣的好奇心”，简直是个奇迹，因为这株娇嫩的小苗除了鼓励，主要需要的是自由；费曼则用一朵花说明，真正的科学不会让世界变得无趣，而是越懂越觉得世界丰富、神秘、值得敬畏。两千多年前，老子说“含德之厚，比于赤子”，孟子说“大人者，不失其赤子之心者也”，地中海东岸的夫子也说人若不回转变成小孩子的样式，断不得进天国；牛顿晚年说自己只是海边玩耍的男孩，居里夫人说科学家面对自然时本质上仍是被童话感动的孩子。这些不同时代、不同文化的人其实在说同一件事：真正走到最高处的人，不是丢掉了孩子气，而是守住了或找回了它。所以教育最深的责任不是塑造，而是守护——不是给孩子加上什么，而是不让他原本就有的东西被弄坏；在 AI 时代，孩子面对的不再是一条被安排好的路，而是一片广阔的麦田，大人不必把他拉回自己熟悉的路径，但要守住那些真正会让他掉下去的悬崖，既看见外面的危险，也看见大人焦虑本身造成的那种悬崖。说到底，孩子身上那束光不是不成熟，是本源；不是缺陷，是恩典；不是终将被磨掉的稚气，而是最值得一辈子守护的东西。六一不只是买礼物、去游乐场、发朋友圈的日子，而是大人停下来看一看孩子、再看一看自己有没有守住那个东西的日子——那个东西你小时候也有过，值得你守护它、敬畏它，并试着慢慢找回来。

[科学网—育儿不是考试，孩子不是考卷 - 王春艳的博文](https://blog.sciencenet.cn/home.php?mod=space&uid=42659&do=blog&id=1531144)
这篇文章从郑钧儿子机场视频被网友批评“怎么把孩子养成这样”说起，指出这七个字像成绩单拍在父母脸上，也刺中许多神经多样性孩子的家长。作者真正追问的是：为什么中国父母都像在参加一场永远不会结束的考试？这代人的育儿已被彻底考试化——孩子从出生起就被打分，什么时候会走、会说、身高体重百分位、幼儿园面试、学区房、钢琴几级、英语多少分、升学率、重点班，每一项都是小考，父母陪着应考；更糟的是这张考卷公开阅卷，街坊、亲戚、网友、朋友圈都在评，像空气一样弥漫。神经多样性的孩子在这套体系里尤其残酷，父母要陪着他们一场一场“挂科”，再被围观、指点、追问。作者因此想说三件事：第一，育儿不该是考试，孩子不是考卷，父母不是考生，旁人不是考官，拆掉这条评判链条，剩下的才是养育的真实样貌——一个大人陪着一个小孩，把每一天过好。第二，核心家庭本来就养不起一个孩子，人类历史上孩子是部落、大家庭、邻居、村落“协同养育”的，狩猎采集社会里一个孩子身边平均有四到六个稳定照料者，而现代核心家庭把所有责任压缩到两个人甚至一个人身上，这个反人性的结构又叠上竞赛化和公共评判，几乎专门设计来让父母崩溃；出路不在个人更努力，而在重新长出真实的、稳定的、不评判的小范围社群连接。第三，没有“正常”和“特殊”两个阵营，只有每个人在无数维度上的独特配置，差异本身是普遍的，只是差异度不同；如果差异是普遍的，那么为差异而做的环境设计就不是“照顾少数人的额外成本”，而是让所有人都更舒服的公共品，就像无障碍坡道不只方便轮椅使用者，也方便拉行李箱的人、推婴儿车的人、腿脚不便的老人。作者进一步指出，神经多样性的孩子不是负担，而是社会发展产生的特异点：阅读障碍在文字发明前不是障碍，ADHD 的冲动和高激活特质在狩猎采集社会可能是生存优势，自闭谱系的深度专注和模式识别支撑过不少科学突破；每一次文明转型，之前的“问题人”可能就变成下一阶段的“种子人”，而 AI 时代正在让传统“好学生配置”的优势急速贬值，今天被嘲笑的孩子很可能就是明天的种子。说到底，作者想要的是一个把人当人看的社会：把孩子当孩子看，不当考卷；把父母当父母看，不当考生；把差异当差异看，不当缺陷；把不一样的孩子当祝福看，不当麻烦。这种改变不会因某个网友良心发现就发生，而要靠每一个成年人在日常里少说一句“这孩子怎么这样”，每一对父母不互相指责，每一个小范围社群多一份真实的接住，每一个能被看见、被理解的故事，一点一点长出来。我们不是在相互考试，而是在相互支持着，把下一代养大。
[科学网—教学三十二年：对几个老问题，到今天为止的一些理解 - 王春艳的博文](https://blog.sciencenet.cn/home.php?mod=space&uid=42659&do=blog&id=1535761)

这位从教三十二年的物理教师反思说：他从小喜欢孩子，后来报考北师大物理系想做老师，工作后教过很多课，也长期一对一地带学生，接触过太聪明的、偏科的、怎么都不开窍的，以及越来越多有神经多样性特征、焦虑抑郁的学生，逐渐意识到很多教育问题不是靠一个方法、一次谈话就能解决，一个孩子为什么这样，是经历、气质、家庭、情绪缠在一起；但也正是在这种无力里，他越来越相信每个孩子里面都有某种生命力，老师能做的往往不是替他走，而是帮他把内部机制启动起来。这些年学生被长期应试训练塑造成固定姿态——听、记、做题、等标准答案，习惯找最快路径、最稳结果、最少出错的方法，而物理恰恰不是只靠这些就能真正学进去的课；物理课真正有价值的不是知识点，而是一套思考世界的方式：量纲感、极限感、对称性、守恒、估算、统计视角、从局部看整体，落实到学生身上就是两个字——直觉。因此他越来越重视两类课：一类让学生看见整体，一类让学生真正“通一次”，经历卡住、摸索、突然连上的过程，因为真正有力量的信心不是鼓励出来的，而是亲历出来的。对 AI 进入课堂，他的感受不是恐惧，而更像一次重新分配教学劳动的机会：AI 真正有价值的地方，不是替老师讲课，而是第一次有可能把老师脑子里那些原来只能覆盖少数学生的图景、支架、直觉、突破路径外化出来，扩展到更多学生身上；技术可以替代一部分讲授、记忆、检索和答疑，但教师不可替代的是判断——判断学生卡在哪里、什么时候该推、什么时候该等，是关系——让学生愿意靠近、愿意相信、在快放弃时再往前走一点，也是把知识重新变成直觉、把学习重新变成生命经验的能力。如果今天再问他理想中的大学课堂，他不会再说是效率最高、展示最好、最整齐划一的课堂，而是更能接住不同学生的课堂：不一定让所有人立刻热爱物理，但至少让更多学生没那么怕物理，没那么快把自己判出局，让学生觉得这门课不是只会压我、筛我、定义我，也可能给我一副新的眼睛。他更深的理想，是物理学习有一天不再主要以刷题和应试的方式进入孩子的生命，而是以可探索、可冒险、可合作的方式展开，让学生像走进一个世界一样走进物理，在不断闯关中形成自己的判断力和世界图景。教了三十二年，他并没有把这些问题都想明白，反而越来越知道哪些地方太复杂、不能急、不能拿现成标准去套；也正因如此，他比年轻时更相信：学生之间的差异本身就是规律的一部分，真正有效的教育不是把所有人压成一个样子，一门讲得好的物理课给人的不只是知识，而是一种更深的结构感，一种面对复杂世界时不那么慌的能力。写到最后，他觉得这三十二年并不是把老问题解决了，而是终于对它们有了一些新的理解：教育不是把人推成一个样子，而是在差异中寻找进入真理和进入自己的路径；教育里真正重要的变化，往往不是整齐划一地发生，而是在一些具体的人身上，先亮一点，先通一点，先活一点。老师能做的，不是替他们点亮整张地图，而是在他们愿意往前走的时候陪一段，在他们快要掉下去的时候接一下，在他们怀疑自己根本不行的时候，让他们慢慢相信一句话：我也可以。

[科学网—语文能力养成：应着力在哪些方面？ - 钟茂初的博文](https://blog.sciencenet.cn/blog-1251036-1543952.html)
这篇文章的核心主张是：语文不该只被理解为文学审美和鉴赏，也不该是关于既定文本的知识体系，而应被重新定义为一种跨学科的“元能力”——关于如何高效获取、深度处理、逻辑建构并有效输出信息的综合素养。作者引用钟南山“科研最重要的是打好基础，而基本功里学好语文最关键”以及许多大科学家的类似观点，引出问题：从日常生活工作的阅读、交流、写作，以及专业学习、阅读、写作的角度看，除文学类专业外，语文应主要考察哪些能力？作者的答案是三大支柱。第一是信息处理与认知能力，解决“如何高效、精准地获取知识”，包括非虚构文本的深度阅读——在学术论文、技术报告、政策文件、图表等不同媒介中快速定位关键信息、区分事实与观点、识别隐含假设和论证结构，以及复杂信息的视觉素养——解读并批判性评估数据可视化，从非连续文本中建构意义并识别可能的误导。第二是思维与逻辑建构能力，这是把信息转化为结构化、有深度认知体系的“黑箱”，包括分析与批判性思维，即评估论证质量而非立场本身，具体有论证重构（把复杂论述还原为“前提 1+前提 2→结论”）、谬误识别（偷换概念、诉诸情感、以偏概全等逻辑断裂点）、证据检验（判断证据的信度、效度与相关性）；还包括系统性与建构性思维，超越单一因果链，识别复杂系统中的相互关联、反馈循环和非线性关系。第三是表达与沟通实践能力，遵循“形式服务于功能”的语用学原则，包括功能导向的写作——清晰阐释（把复杂概念讲给非专业受众）、有效说服（基于证据和逻辑而非情感）、规范学术写作（文献引用、摘要撰写、研究方法陈述等，应成为高年级写作考察的刚性要求）、修辞与受众意识（根据对象和目的灵活调整话语策略、风格和媒介，比如同一项新政策，给市民看侧重生活便利性与成本、强调安全感，给专业技术人员看则侧重技术参数与施工方案、强调先进性与可控性）。综上，这个框架的出发点是：语文不仅是完成学科学习的工具，更是将各学科知识内化为个人思维能力的“操作系统”；考察设计也应摆脱死记硬背，转而聚焦于面对新材料、新问题时的认知表现。

[科学网—写作的误区：以为自己懂了，别人就该懂 - 钟茂初的博文](https://blog.sciencenet.cn/blog-1251036-1543663.html)
这篇文章的核心是：写作的本质是把自已的思考转换成别人能理解的表达，所以必须站在受众立场，只写到“受众能理解的程度”。写过头、让人看不懂，往往不是读者没水平，而是作者没站在读者角度写，把写作当成了自我表演而不是沟通。所谓“只写到能理解的程度”，不是写得浅，而是刚好落在读者现有认知和“跳一跳够得到”之间：太浅像老生常谈，太深让人放弃，要找到“刚好能懂、又有点新东西”的平衡点——所以下笔前先想清楚：读者是谁？他们已知什么？最困惑什么？爱“写过头”的人，常是控制不住炫技，用大词、长句、复杂掩盖空洞，把写作当成自我证明；一旦想的是“我要显得厉害”，就站到了读者对立面，一旦想的是“我要帮读者搞明白”，就会把难的东西拆碎、放慢、讲清。做到克制的方法有：写完假装第一次读，划出需要解释的词换成日常说法；每讲新概念就给一个生活化比喻；开头告诉读者要解决什么问题，中间提醒讲到哪一步；隔段时间再读，删掉自我感觉良好但多余的句子。最深的道理往往用最浅的话说，好的写作不是作者显得多渊博，而是读者感觉自己变聪明了；写出来的文字如果只有自己读得津津有味，就没有完成使命——真正的完成，是它能在别人脑子里生根发芽。

[科学网—君子不器：AI时代的应对之策 - 孟佳的博文](https://blog.sciencenet.cn/blog-522469-1555769.html)
这篇文章从身边案例出发，说 AI 对白领的冲击已经摆在明面上：老朋友 A 在国际软件公司大裁员中躲过七轮，第八轮还是被裁；他的小兄弟 B 两周后也被裁；某公司数据分析部门 30 人，领导层研究后觉得裁一半没问题；设计类和演员开始接不到活。作者判断这不是某个行业的大裁员，而是全白领大裁员，在可见未来不可避免。老师的工作也大量被 AI 替代：期末试卷往年是博士生准备，今年直接让 AI 生成，比作者自己做的还好；学生有问题直接找 AI，不再找老师，老师大裁一批完全可以承受。生物专业零计算背景的本科生 D，用 AI 编程工具不到一个月就完成了一篇数据 AI 建模的计算类期刊论文；而博士生 E 干了三年多，做的都是前两年的老课题，还没毕业，所学所作已基本过时，作者为他感到悲哀。现在课程也落后于时代，学生毕业时的技能不再有明显优势，再赶上白领大裁员，作者说非常不乐观。技术贬值，岗位需求巨变，蓝领和体力劳动可能相对升值但也不好说，而关系、权力、资源、社交的重要性上升，已经板上钉钉。作者有时失望：认真搞技术，结果技术突然不值钱了，甚至可能突然就没了。由此他想到《论语》的“君子不器”：君子不是一个只有专门功能的器皿，不像杯子只能喝水、毛笔只能写字，而应有无穷多的可能，能不断变化、做很多不同的事。他对生物信息专业学生说：AI 时代你们不再只是一个生物信息分析，可以是生物统计师、项目规划师、经理助理、销售专员，不要用学位专业名称限制对自身能力的定义，在 AI 帮助下几乎无所不能。人不可物化自己，不要把自己当成一种工具，要像曹操说的龙那样能大能小、能升能隐。孔子所处时代礼崩乐坏，人们无所适从，他强调君子要不断调整变化、适应环境，这和今天 AI 时代的巨变如出一辙。因此，君子不器可以作为普通人在 AI 时代沧桑巨变中的应对之策。

[科学网—今天的大学应该教些什么？ - 李剑超的博文](https://blog.sciencenet.cn/blog-3244891-1552182.html)
[科学网—今后大学教学方式的探讨——大教材 - 李剑超的博文](https://blog.sciencenet.cn/blog-3244891-1553356.html)
这两篇文章讲的是同一件事：AI 时代，大学教育必须从“教知识”转向“教能力”，教材和教学方式也要重建。
第一篇说，过去大学像知识仓库，老师搬、学生装；现在 AI 几秒钟就能给出概念、找到论文、提供课程，大学再以教知识为中心，就像导航时代还教人背地图。人的大脑有限，没必要把所有知识塞进去，更合理的是把大模型融入个人认知结构，让学生学会与 AI 协同。大学四年宝贵，要学更高维度的东西——工具很难自动生成，或工具能生成但需要人来判断、整合、负责的东西。首先是协作能力，不只是人与人、专业与专业，更是与大模型不同模块、功能之间的协作：会提问、会拆分任务、会检查结果、会把不同输出拼成可靠整体。这样培养出来的学生，就像从手持刀枪的古代战士变成全副武装的未来战士。教学改革首先要改教材，各学科本科教材需要进化到与 AI 知识体系相协调，建议尽快制定大学本科教材重建计划，投入十几亿甚至上百亿，两到三年初步成型，因为一年就是千万人，耽误不起；要自上而下整体推进，让教材、课程、评价、师资培训一起动起来。他以环境学科为例，提出“新环境化学”“新水污染控制工程”“人工智能赋能的新化学”等，不是贴标签，而是内容里真正融合新理念，在本科阶段建立学生的学科新认识。还要开设 AI 影响下衍生的社会、人文、技术、合作课程，因为工具可以输出知识，却很难天然拥有独立思辨、价值判断和落地解决问题的本领，谁来判断方案公平、技术是否该用、谁来承担后果，仍然是人的责任。国务院十五五规划已明确强化科学素养、批判性思维与创新能力，但关键要落到每一门课、每一本教材、每一次作业、每一场考试里；评价还只考记忆，学生就只背知识，课堂还是老师讲学生记，协作和思辨就很难发生。大学不会被 AI 取代，但只灌输知识的旧模式已经跟不上时代，应教学生高效获取知识、与大模型协同、在复杂信息中保持独立思辨、做出价值判断、把想法落地解决问题。
第二篇进一步提出，大学教育需要一次“返璞归真”：过去教材越来越厚、知识越来越多、章节越来越细，学生面对真实问题却未必能迅速建立完整清晰的认识。未来要先回答：究竟是在教知识，还是在帮学生形成认识真实世界的能力？比如讲水污染控制，不必从大量概念公式开始，而可以直接把一个真实污水处理厂放在学生面前，从进水到出水，让学生先看到水怎样一步步变化，再从工艺流程、污染物迁移转化，逐层进入微生物、化学反应、传质、设备结构和运行控制。一门课不必罗列几十种工艺，而可围绕十几个最典型案例展开，精细选择，让每个案例承担不同教学任务。案例教学还要有批判性：真实世界不像教材标准答案那样稳定，同一种工艺在不同温度、水质、负荷和管理水平下结果可能完全不同，教材不仅要告诉学生技术为什么有效，还要告诉它什么条件下有效、什么条件下失效、边界在哪里。这样传统纸质教材就不够用了，未来教材更可能存在于电脑、平板中，不是简单电子化，而是一种多关联、多层级、可随时展开细节的知识载体，更像一个可探索的知识空间。作者用一条鱼来比喻：最上层不是鱼类学抽象章节，而是一条具体可观察的鲤鱼，甚至可以叫“长江 107 号鲤鱼”；眼睛移到鱼鳃，可看到结构、功能、物质组成和环境因素，继续深入可看到组织、细胞、蛋白；移到肌肉，可进入肌肉与骨骼、组织器官协同，再向生物化学展开，理想状态是无穷尽的知识级联；这条鱼还可放进河流，与水体、食物、病毒、病菌和其他生物发生作用。知识不是被切碎存放，而是始终附着在真实对象上。这种方法可称为“知识有机体的层级关系教学法”，建立层级主要是为了教学，学生需要一个可抓住的具体对象，从它出发建立越来越复杂的认知结构；一门课可以只选十个最有代表性的案例，每个案例都是一个知识有机体，外部真实，内部层级化，案例之间彼此连接；教师最重要的能力不再只是讲得完整，而是知道什么时间展开哪一层、为什么展开、怎样让学生形成自己的问题。新教材因此要像操作系统一样有调度能力，可以设想“环境化学教学操作系统”“水污染控制教学操作系统”：学生看到的不是传统目录，而是若干真实案例，鼠标移动自动展示层级，点击进入深层知识，未来还可加入眼球跟踪，根据学生停留判断兴趣或疑问，呈现下一层信息。这样的教材还能让遥远知识自动关联，研究鱼类呼吸可调用溶解氧、生理学、环境化学、生态学和流体力学，研究污水处理微生物可进入生物学、化学、材料学和自动控制。AI 真正重要的作用，不是替学生直接回答，而是在学生产生问题时帮他发现知识之间原本看不见的连接。所以未来要建设的可能不是一本本独立新教材，而是一部不断生长的大教材：整个科学知识体系形成一个统一底层知识空间，各大学基础知识资源相同，但每所大学、专业、教师调用的部分、组合方式和呈现路径可以完全不同；教师不再从头编写完整教材，而是设计一条最适合自己课程目标的知识展开路线；学生也不再按章节顺序接受，而是在真实案例中不断观察、进入、展开、比较、怀疑和关联。大学教育真正需要改变的，不是把更多知识塞进课堂，而是创造一种更自然、更具象、更有生命力的知识组织方式，让知识像有机体一样在学生面前逐层生长。后记说：大模型突飞猛进的时代，大学教育的直接目标要调整，专业教育的手段和模式也不得不变化；可能多年以后，中国的大学就只剩下一本关于科学的教材了，大学课堂也会在归于沉寂之后迎来喧嚣的春天。最后提一个哑谜：这个物理上全联接的教材，就是大模型在科学教育领域的一个透明全映射。