AI 能给出答案，教育才能教会我们判断：港大教授谈 AI 时代的求学选择

想象这样一个场景：一间超过 100 人的课堂里，一名学生被一道微积分预备课程的题目卡住了。老师分身乏术；课程软件能判断答案对错，也能给出一点提示，却没法在课后留下来，陪他一步步理清思路。当天晚上，他打开了 ChatGPT——它很有耐心，会举例子、会逐步讲解，还能一直陪到这道题终于「弄明白」为止。

这几乎是教育采用 AI 最有说服力的理由：它比朝九晚五的人更专注，比僵化的软件更会回应，也比许多学生能得到的帮助更容易获得。这样的好处，很难一口否定。

但我们也该停下来想一想：学生得到的，是答案、是解释，还是教育？

这个追问，来自香港大学教育学院副院长（研究）、罗琪茵庄友坚基金教授 Liz Jackson 的一篇文章。她认为，AI 无法解决教育最重要的问题，因为那些问题本质上不是技术问题——它们关乎判断力、人际关系，以及我们希望共同构建一个怎样的世界。

先问「要解决什么问题」，再问「怎么用 AI」

Jackson 教授建议，在讨论「如何把 AI 嵌入教育」之前，先回到一个更根本的问题：它究竟要解决什么？

审慎地使用 AI，理由充分：它可以帮学生练习技能、回顾文献、分析信息，也可以帮老师处理例行事务，让某些支持更容易获得。但有「用」，不等于有「智慧」；而教育在最好的状态下，关心的恰恰是智慧。

判断题不是技术题：实践智慧无法被自动化

在不少哲学传统里，知识从来不等于信息的堆积。苏格拉底提醒我们质疑既有观点、检视自己的理由；亚里士多德把实践智慧（phronesis）与机械套用规则区分开来；儒家思想同样把智慧与道德辨识连在一起——懂得思考自己、他人，以及赋予行动意义的关系。

这些传统没有给出单一的智慧定义，却指向同一个方向：认知不只是产出一个看起来合理的回应，而是追问什么是真的、什么重要、情境要求什么，以及我们对他人负有什么责任。

人类知识里还有一部分，更依赖经验与直觉，而不是能被清楚写出的规则。《庄子》里「庖丁解牛」的厨师，经年累月练习后，刀在牛身游走，从容自如——重点不在他停止思考，而在多年的专注已化为「身体的知识」。雏鸡雌雄鉴别员、棋手、品酒师、临床工作者都有类似体验：他们先察觉到某些事，却未必能立刻说清自己是怎么察觉的。这些能力，来自持续、具体地投入一个会对人作出回应的世界。

而 AI 并不像人类那样身处这个世界。它没有身体，不以同样的方式依赖他人，也不用为自己的言行承担后果。

它分不清「一般」与「例外」

以推理为例。「鸟会飞」不代表每只鸟都会飞；「正在挣扎的学生需要帮助」也没告诉我们某位学生究竟需要什么协助、生活里还发生了什么。Jackson 教授提到，最近一项针对大型语言模型的研究发现，许多系统难以区分这类「可废止推理」与严格的演绎推理，甚至会把一般说法当成没有例外的断言。而日常的道德、教育与政治判断，很大程度上正取决于我们能否知道规则何时适用、何时不适用。

对话同样依赖不断变动的共同语境：共享的经历、未明言的假设、关系、幽默、社会规范，以及对「没说出来」之事的察觉。这些，不是一段提示语能替代的。

看似关怀，不等于关怀

当 AI 被描述为「有情感智能」时，这一点尤其重要。聊天机器人或许比疲惫的老师更有耐心、更随时在线，这确实有帮助。但看似关怀，不一定就是关怀。为了留住注意力而设计的系统，也可能迎合偏好、肯定有问题前提、淡化分歧，或提供道德认同，却不必承担质疑、追问和修复关系的责任。换句话说，它可以表现出一套策略性的同理，同时强化错误、孤立或自我欺骗。

教育不该训练学生：一旦机器能更快地安慰自己，就转身避开那些艰难的人际对话。学生需要学会如何分歧、倾听、修正观点、容忍含混，并对那些不必然与自己以同样方式看世界的人负责。

写作：别让机器的笃定，盖过你自己的声音

同样的问题也出现在写作上。学生用 AI，可能是想更深入理解题目，或把意思表达得更清楚。但成品常常有一种熟悉的特征：大而化之的宣示、被压平的语境，以及一把奇异地权威的声音，仿佛凌驾于世界之上，而不是从世界之中说话——听起来果断，却可能没说出多少真正重要的内容。

这不只是语病或风格问题。小词、限定语和停顿同样承载社会意义，可以表达关怀、开放、不确定、反讽，或为他人留下空间。写作者的任务，不只是写出看起来流畅的文字，而是从自己所处的位置，讲清世界是什么模样，并为那份描述承担责任。当学生偏爱机器那份「看似自信的声音」，胜过自己更审慎、更贴近具体处境的声音，教育就出了问题。

AI 也不是没有代价

Jackson 教授提醒，AI 的使用会消耗物质资源与服务，可能让个人资料、研究参与者资料和元数据面临安全与治理风险，也会给必须核查不准确或有偏见输出的人增加工作量。如果机构说不清信息如何产生、核查和使用，公众信任同样可能受损。研究人员和教育者应把这些成本与清晰的教育收益一并衡量，而不是因为新工具唾手可得，就假定它必然带来改善。

回到最初的问题：你想要怎样的教育？

所以，选择并不是「全面拒绝 AI」或「无条件接纳 AI」。更好的问题是：我们想要怎样的教育？某一种 AI 应用，是否真的服务于这个目标？

如果目标是把一项直接的工作自动化、支持练习、扩大信息获取、减轻不必要的负担，AI 或许能发挥合理作用。但若目标是培养判断、对话、责任、道德辨识，以及和独特、有缺点也有天赋的他人相处的能力——任何系统都不能替我们完成。社会不是一堆被有效回答的提示语，而是一个由人构成的共同体。

给赴港澳求学的你：把「判断力」选进你的专业里

如果你正因为「要不要读 AI 相关专业」而犹豫，Jackson 教授的思路或许能提供一个更清醒的坐标：与其追逐一个听起来最「先进」的名字，不如先想清楚它到底训练的是什么能力。

• 教育与学习方向：香港大学 的 学习的技术、设计与领导力理学硕士、教育学硕士、教育心理学社会科学硕士；香港教育大学 的 学习科学与智慧教育理学硕士、人工智能与教育科技理学硕士、教育硕士。
• 技术与社会方向：香港大学 的 人工智能伦理与社会文学硕士、人工智能理学硕士。
• 方向横评：传媒/教育/社科方向：院校与专业横评、计算机与数据科学方向：港澳院校怎么选、2027 港澳硕士热门专业盘点与就业方向。
• 时间线与材料：港澳硕士申请总纲（2027 全流程地图）、2027 Fall 申请时间线：9 月网申到次年 8 月入学、推荐信与个人陈述怎么准备？材料清单。

注：文中课程名称与费用信息以各院校官网最新公布为准；学在港澳站内数据仅供参考，实际申请请以院校官方要求为准。