人工智能时代的智力博弈与教育转型：胡泳深度访谈精粹

【 核心观点梳理 】

本文基于对学者胡泳的专访内容进行系统整理

• 虽然难以全面量化人工智能对人类整体智力的宏观影响，但针对认知卸载现象导致特定认知能力衰退的担忧——例如个人记忆功能的下降——具备充分的合理性。
• 人机协作潜藏着一大风险：人类可能逐渐丧失思想的主体性。这正如“骆驼挤进帐篷”的寓言所警示的：当骆驼最终完全占据帐篷时，人就被彻底挤了出去。
• 就当前发展阶段而言，大型语言模型远未达到人类所拥有的全面智能与意识水平……其能力几乎只聚焦于语言智能及部分逻辑推理智能。
• 使用人工智能需要一个重要前提：使用者必须是具备超高信息素养的个体。
• 我们的教育体系应当重点培养运用人工智能或其他工具进行创造性生产的能力。在此基础上，进一步强化沟通协作、批判性思维、创造力以及自信心，这些正是人工智能时代不可或缺的核心技能。
• 人工智能时代来临后，我们有必要构想一种名为“无分数学习”的新范式，将传统的评分体系置换为更具挑战性的学习任务，引导学生将注意力回归到更有价值的学习本质上。
• 必须明确“人的归人，机器的归机器”，切勿混淆两者之间的本质边界。
• 我们不应仅仅追问“人工智能能为人类做什么”，还需深入反思“人工智能正在对人类做什么”。
• 在个体层面，人工智能确实有助于拓展个人的想象空间；然而在群体层面，当前生成式系统能否产生真正颠覆性的范式创新理念，这仍然是一个悬而未决的问题。
• 人工智能所缺乏的，正是作为一个“人”所体验的真实激情与深切痛苦。生活中那些深刻的个人体验，恰恰是人类创作出有深度作品的根基。
• 如果缺失了人文社科，我们将难以认清自我本质，也就无法与人工智能和谐共处了。

人工智能与人类：骆驼挤进帐篷的现代隐喻

人工智能是否会导致人类智力下降？要深入探讨这一问题，首先需要厘清“智力”的本质定义。

智力是一个复杂多维的概念，难以用单一标准界定。相较于“降智”这一说法，当前更常使用“认知卸载”来描述现状：我们一方面认可人工智能能够接管部分认知功能，但另一方面也警惕它可能使人们日益懒于思考。例如，AI辅助写作和项目执行的同时，也可能削弱人们主动动脑的积极性，长此以往必然对批判性思维等认知能力的发展造成影响。因此，问题的核心在于：当AI接管更多任务后，人类独立完成这些任务的能力便会相应衰退。换言之，我们或许无法精确衡量人工智能对人类整体智力的宏观影响，但对认知卸载导致特定技能（如个体记忆能力）减退的担忧，是完全合乎逻辑的。

除了大量学术研究案例，日常生活中也不乏例证。例如，过度依赖GPS导航会导致空间记忆能力明显下降。在批判性思维层面，有研究将参与者分为年长组和年轻组进行对比，发现年长组的批判性思维得分反而更高，因为他们对AI工具的依赖程度较低。这表明频繁使用人工智能与批判性思维能力减弱之间存在显著相关性。

从另一视角看，AI在提升工作效率的同时，也可能抑制个体的批判性思维。这可能引发两个后果：第一，一旦失去AI支持，个体可能发现自身独立解决问题的能力显著下降；第二，个体可能难以适应没有AI的环境，正如我们对网络的过度依赖一样，突然断网会让人无所适从。这种对人工智能的过度依赖，已被证实与认知水平、思维规范性、记忆功能及综合思维能力的下降密切相关。

从社会平均智力的角度看，AI或许是一个利好因素，但对个体智力水平而言则未必。

智商测量领域有一个著名概念——“弗林效应”，由詹姆斯·R.弗林在20世纪80年代提出。他的研究发现，自20世纪30年代以来，多个高生活水平国家连续几代人的平均智商持续提升，即人类整体上变得更聪明了。然而近年，弗林效应出现减缓甚至逆转趋势，意味着平均智商开始下降。许多地区的学生在科学、数学和阅读成绩上均呈下滑态势，背后反映出年轻人注意力持续时间的缩短和批判性思维能力的减弱。成因是多方面的，例如社交媒体无疑是注意力分散和智力下降的重要诱因之一。因此，我们不能简单地将人工智能视为“替罪羊”，尽管它确实是影响因素之一。智力变化受多重变量交互作用，故不能轻率断言人类智力整体在上升或下降，而应从长期视角审慎评估人工智能的影响。

“认知卸载”概念更强调：随着人工智能的发展，人类原本具备的某些能力正在退化。其核心在于，人类自古以来就通过各种方式实现能力的外包或卸载。从简单的记笔记减轻认知负荷，到如今人工智能影响更深层次的解决问题能力和批判性思维，这种卸载的深度和广度正空前扩大。关键在于，这些思维能力是人类固有的核心能力，而工具的演进可能导致其逐渐丧失。

当然，从文字诞生到互联网普及，几乎每次技术革新都伴随类似的“降智”担忧。例如电视媒介出现时，文化精英曾强烈批判其可能导致智力退化，但后来证明电视并未造成如此严重的后果。然而必须指出：人工智能技术与以往技术有本质区别。蒸汽机或电力革命与人工智能的变革量级不可同日而语。

首先，人工智能直接替代了我们的认知功能。过去我们用计算器辅助计算，而如今生成式AI正在直接替代或执行传统上属于人类的判断、思考乃至创造等核心认知活动，且替代潜力巨大。这种替代不仅是工具辅助的延伸，更在许多层面实现了质的飞跃。

其次，AI的渗透速度极其迅猛，覆盖范围极其广泛。AI技术应用对人们工作、生活以及心理依赖的风险远高于以往任何技术。

第三，人工智能具有强烈的迷惑性——它能模拟真实。人类对“真实”的认知本就复杂，而AI生成的模拟真实性可能带来未知的认知风险。因此，我们既不应高唱技术悲观论，也无需陷入道德恐慌，但必须清醒认识到：人工智能是一种前所未有的技术，必须得到严肃而全面的审视与治理。

人机协作或人机共存的愿景固然美好，也是应然的发展方向。但其中潜藏着丧失人类思想主体性的危险。正如“得寸进尺的骆驼进帐篷”寓言所警示的：先让骆驼鼻子伸进来，接着是脖子和前腿，最终当整个庞大身躯挤入后，人就被完全顶出帐篷。这种风险在现实中切实存在。

切勿低估人类智能的独特价值

当前许多大模型能够通过法律考试、MBA考试、SAT甚至医学考试，并取得不俗成绩。这固然证明了其作为通用语言处理器的强大能力，是系统设计层面的重大科技成果。但另一方面，这种所谓“智能”本质仍是概率计算，而非真正的理解或推理。典型例证是：人工智能即使能通过医学考试，却缺乏临床直觉。若让其实际参与临床诊断，风险极高，因为它不具备具身认知能力。同时，大模型没有原生的学习过程。人类的学习充满动力，伴随反思并将反思内化于学习进程中，而大模型完全缺乏这种能力。

机器智能与人类智慧究竟有何区别？或者说，人类智能的本质是什么？答案必然见仁见智。当人工智能表现卓越时，有人欢呼它已超越人类智能；另一种观点则坚称机器智能永远无法企及人类智能。在这种“罗生门”式的争论中，AI研究者常陷入“移动球门柱”的困境：每当他们突破某项技术瓶颈并宣称超越人类智能时，外界立即指出其与真正人类智能的差距。

智商（IQ）确实能衡量部分人类智能，但高智商不代表全面的智能水平。霍华德·加德纳意识到这一问题，提出多元智能理论，认为不能仅凭考试成绩或传统智商测试评估智力。他用八种智能类型评估大模型，发现人工智能在语言智能方面表现卓越——无论是表达、阅读、写作还是叙事，生成式AI都远超预期。在逻辑推理或数学智能上它也表现优异，尽管复杂推理时仍不稳定。然而，人工智能在视觉空间智能上表现欠佳，此前 envisioned 的多模态模型进展有限。后续发展的具身智能和人形机器人，其性能也较为一般：它们无法精细控制身体，协调能力甚至不及三岁幼儿。同样，机器智能或许能模拟同理心，却无法真正理解他人的情感、动机或关系。

另一个争议焦点是AI是否拥有意识。有人认为它们已具备自我意识，但反对者坚信人工智能根本无意。实际上，就当前发展而言，大模型远未达到我们作为“人”所拥有的全部智能与意识水平。人们的恐慌部分源于人工智能发展路径的偏差：其能力几乎全部集中于语言智能和部分逻辑推理智能，而在其他智能类型上进展甚微。甚至，过度投入这两个方向可能阻碍其他智能的发展。现有人工智能在结构上无法与人类匹配，尤其在具身性、情感性、经验性等方面。因此，我对“人工智能意味着新物种诞生”的说法不以为然。这种观点未能真正理解人类智能的深度，且因妄自菲薄而过度夸大了当前人工智能的水平。

生成式AI面临的最大障碍是幻觉问题。幻觉的存在使其无法成为百分之百可靠的知识终止点系统。我的观点也非静态：随着人工智能演进，幻觉或许会减少，但其减少程度和影响权重目前难以预测。例如，我的使用体验是DeepSeek的幻觉率高于其他大模型。这并非错误，因为不同AI的发展模式各异。而且，“幻觉”对人类也可能重要：在知识层面它是有问题的，但在创意领域，幻觉或许能激发灵感，尽管也可能引发矛盾。那么关键问题是：只要幻觉存在，AI能否成为可靠的知识系统？我持怀疑态度。幻觉是“内生于大模型”的特性。因此，并非完全不能将AI作为知识来源，但这对使用者的信息素养及相关能力提出了极高要求——关键在于能否识别幻觉的根源。我们必须养成“人在回路中”的使用习惯，且使用人工智能的前提条件是：使用者必须是具备超高信息素养的人。

人工智能时代亟需推行“无分数学习”

人工智能的出现，确实给社会系统尤其是教育体系带来了巨大冲击与不确定性。当前，许多考试实际上已成为大模型的应试场，学生用AI工具完成作业和论文，教授们也借助AI进行研究和项目，这种趋势难以遏制。因此，我们必须反思：应在多大程度上延续过去的教育模式？

这一思考可聚焦于绩点制度。在中国教育语境中，“考考考，老师的法宝；分分分，学生的命根”这句顺口溜深入人心。学生潜移默化地认为考试与分数天经地义，却很少追问分数的本质及其历史成因。如今，人工智能正在挑战许多习以为常的认知，同时也带来一个契机：打破旧有的认知体系。

例如，分数究竟有何作用？从教师视角，分数是评估和报告学生表现的工具。这套制度从小学延伸到研究生乃至就业阶段，用看似精确的数字量化学生的学业表现。一旦成绩被记录，便对个人产生长远影响。家长为分数焦虑，成绩成为指挥一切的“指挥棒”。

追溯源流，分数本质上是现代性制度的产物。教育普及后，社会需要量化手段和对学生进行分类的机制，以匹配现代生产体系对大量合格劳动力的需求。因此，大众教育必然趋向官僚化，否则无法有效评价个体。久而久之，这套机制催生了普遍的分数系统，但它往往难以真实反映学生的水平。我们容易陷入本末倒置的误区：学生究竟是因为真正掌握知识而获得好成绩，还是仅仅依靠刷题技巧？这一点值得深究。

人工智能时代到来后，我们应当构想一种“无分数学习”的新范式。我希望用更具挑战性的学习任务取代传统评分体系，让学生的注意力回归到更有意义的学习本质上。

当今教育需要构建全新的评估体系。在21世纪，是否还要继续用分数衡量学生？能否探索一种不依赖分数、却能有效促进知识交流与能力发展的方式？这样的体系构建固然不易，但势在必行。不仅是高等教育，整个教育系统都应朝着这个方向改革。在生成式AI时代，我们需要用新系统取代建立在现代性评估标准和传统录取规则之上的旧体系。新体系还必须与社会需求接轨，因为雇主仍需区分和评估人才。从雇主角度看，他们日益关注应聘者是否善于运用人工智能工具，但工具本身并非核心，关键在于使用工具的人。即：你是否善于利用人工智能进行有效沟通、深度思考与创新？你是否是能够整合人工智能进行创造性工作的复合型人才？深层思考后再借助AI创新，其核心并非单纯掌握工具，而是综合能力：沟通、写作、批判性思维、创造力，乃至个人特质如自信心。

当前的学生大多是从“内容为王”的教育体系中成长起来的。我们擅长学习基础内容，但解决问题的能力相对薄弱。那么，教育体系应重点培养什么能力？我认为是运用人工智能或其他工具进行创造性生产的能力。更高层次则是沟通协作、批判性思维、创造力以及自信心——这些正是人工智能时代所需的关键技能，也与传统成绩单的评价维度有所不同。我们应创建促进学生成长与发展的新系统，其背后不仅是评分方式的变革，更关乎学习的本质价值与评价的公正性。

“文科何以重要”：人文通识教育在AI时代至关重要

我始终相信，人类的某些智能是机器目前无法获取也难以替代的。这些能力正是我们作为“人”的核心特质。为促进这些能力的发展，我们必须倡导并加强注重智慧、创造力与人文关怀的教育。从这个意义上说，AI时代人文学科的作用将愈发重要。

我的核心观点有两层：第一，坚持“人的归人，机器的归机器”，明晰两者的边界。第二，我们不应仅问“人工智能能为人类做什么”，更需追问“人工智能正在对人类做什么”。AI已对人类产生多方面影响，而应对之策是让人变得更有人性，更充分地发挥机器目前无法实现的能力，如创造力、批判性思维和直觉。

机器的创造力与人类创造力不可等同。当前人工智能擅长内容生产，无论是文本生成还是艺术创作，但其产出常被批评为“缺乏灵魂”。这引发两个问题：一是多样性问题，即语言和表达方式的多样性可能下降，导致千篇一律；二是创造力本质问题。如果有一个如百科全书般的机器辅助创意生成，个体的创意产出或许会增加。

在个体层面，人工智能确实能帮助拓展想象空间。然而在群体层面，当前生成式系统的创意本质上是基于单一模型框架衍生的，其单一性源于训练数据分布与概率引导机制，且擅长排列组合。至于这类系统能否产生颠覆性的范式创新想法，目前仍无定论。当然，对此观点各异，有人认为AI已具备诸多创新想法，但我们需要界定何为“颠覆性范式创新”的层级。

在颠覆性范式层面，我认为应聚焦“行星层级”的问题，例如全球气候变化、经济不平等或人类尚未消除的暴力。我不认为人工智能能在这些层面提出颠覆性创新方案。若以行星层级的创造力衡量，AI恐难胜任。因此，我倾向于相信我们仍需要一种能更好提升人性的教育。越是此时，通识教育的重要性愈发凸显。

人工智能赋予我们的大多是硬技能，而通识教育培育的正是软技能。我注意到，越来越多人用人工智能进行写作。但若用它创作散文或小说，会发现其产出往往程式化。人工智能所缺失的，正是作为一个“人”真实的激情与痛苦。生活中那些深刻的个人体验，恰恰是人类创作出有深度作品的基石。如果缺失人文社科，我们将面临双重困境：第一，立刻意识到人工智能目前无法做到的事，例如诠释痛苦；第二，我们将难以认清自我本质，从而无法与人工智能和谐共处。