摘要：以跨文化对话的分析范式，在全球视野下，“祛魅”人工智能并尝试剖析其对教育的本质影响，构建一个涵盖教育目标、关键能力与行动路径的分析框架，系统探讨人工智能时代教育变革的核心议题。对话主要阐释：教育目标需从“知识传授”转向“意义建构”；内驱力培育、批判性思维、复杂问题解决、价值判断与情感共鸣构成不可替代的人工智能时代人类关键能力；人工智能介入教育具有双重性——既可能造成“思维惰化”，亦可拓展人类智能，关键在于能否构建有效的实施路径与使用边界；教育哲学尤需守护“留白”的智慧，以必要的“空”与“慢”抵御技术加速主义对生命成长的侵蚀，为创造性人格发展预留生长空间。对话阐释为构建人机协同的教育新生态提供了价值坐标与实践路径。

关键词：人工智能;教育；学习；关键能力；思维能力

作者：李永智，男， 中国教育科学研究院院长、研究员；安德烈亚斯·施莱歇尔(Andreas Schleicher)，男， 经济合作与发展组织教育与技能司司长、教育政策特别顾问。

引用本文：李永智,安德烈亚斯·施莱歇尔.跨文化对话：人工智能时代人类关键能力的培养[J].比较教育研究,2026,48(7):3-14.

人工智能迅猛发展重构人类知识生产与认知模式。教育面临“培养什么人”的本源性追问。2026年1月22日，由中国教育科学研究院主办的“国际教育创新趋势研讨会”在北京举行。会议期间，我们围绕“人工智能时代教育如何变革”进行对话，并就其中人工智能时代人类的关键能力展开深入交流。现将主要观点整理成文，就教于学界同仁。

一、“要不要记忆”与“思维为什么重要”

李永智：当前，人工智能发展日新月异，社会普遍期待教育变革，却缺乏行动层面的共识和指引。我想提出的首要问题是：在人工智能能力替代和超越人类的趋势下，培养什么样的人？如何培养？人工智能时代应该如何重新定义教育的目标和方式？

安德烈亚斯·施莱歇尔：这是一个极具挑战性的问题。我认为，答案的起点在于“祛魅”人工智能并理解其本质。

首先，虽然人工智能可以基于既有数据做出高度理性，甚至优于人类的决策，但是它不进行伦理判断。这正是人与人工智能的关键差异，人类能够超越数据与算法，将正义、公平等价值纳入决策。因此，区分善恶、进行伦理判断，是最核心的人类能力之一。其次，创造力也需重新界定。人工智能可以在既有模式上生成“新组合”，但并非真正意义上的“从无到有”。而人类拥有想象与建构全新事物的能力。此外，人类还具备人工智能所缺乏的社会性能力—— 自我觉察与对他人的觉察。人工智能没有意识，也缺乏这种深层的感知能力，而这恰恰构成人之为人的基础。因此，面向未来，教育应重点发展三类能力，即伦理决策能力、创造力，以及人际洞察力。而这一切的前提，是对人工智能形成清醒而真实的认识。只有如此，我们才能将重点从“人与人工智能的对抗”转向“用人工智能放大人类智能”，走向人机协同发展的未来。

李永智：经济合作与发展组织（下文简称为“经合组织”）长期关注“高阶思维能力”。在其相关框架中，除了伦理决策能力、创造力、人际洞察力这三类能力之外，是否还包含其他重要维度？您能否对“高阶思维能力”做一个整体概括？

安德烈亚斯·施莱歇尔：经合组织正在构建一套人工智能能力指标体系，将人类日常活动概括为九类能力维度。这一框架的核心方法是先界定人类能力的基本维度，再评估在当前阶段，人工智能在多大程度上逼近人类能力——而这种逼近是加速演进的，随着模型的发展不断迭代。例如，在社会性能力上，人工智能已经能够完成大量人类行为，因为许多社交行为本身具有较强的可预测性。基于此，人工智能在理解与模拟人类行为方面已相当成熟，甚至可以以高度“可信”的方式扮演社交角色。经合组织所构建的能力指标，本质上是以“人类能力”为参照框架来理解与刻画人工智能的发展水平。

同时，我们也需要意识到，生成式人工智能只是众多技术路径之一。未来可能出现新的模型形态，对应模拟人类的其他能力维度。

李永智：在您提到的九类能力中，我理解也包括记忆能力及其相关维度。人工智能与数字技术正在重塑“记忆”在学习中的角色。过去，学习高度依赖对大量信息的准确记忆，并在此基础上进行分析与关联。而今天，个体可以借助技术实现大范围的信息调用、关联与应用。在这样的背景下，您如何看待“记忆能力”在学习体系中的角色变化？

安德烈亚斯·施莱歇尔：我认为，记忆的重要性并未降低。若缺乏记忆，即缺乏对概念与思想的存储与理解，个体就会沦为“人工智能输出”的被动消费者，不再自主思考。

因此，关键不在于“是否记忆”，而在于“记什么”。相较于事实与数字，概念与思想变得更为重要：理解历史，需要把握其核心观念；进行科学思考，需要内化科学概念；理解思想体系，则离不开哲学框架。如果记忆能力被削弱，那么人类能力本身就可能被侵蚀。事实上，人工智能的一个重要风险正是对人类能力的“替代性削弱”。正如因依赖导航削弱了方向感，因依赖生成式人工智能可能削弱批判性思维。记忆不仅是信息存储，而且是概念建构的基础。遗憾的是，我们的记忆中往往充斥着大量程序化、套路化、已失去价值的内容。

更重要的是，记忆本身包含“认知努力”。这种努力具有不可替代的价值，我们在意的不只是结果，更在意人的投入与生成过程。无论是一封道歉信，还是一件艺术作品，一旦被标注为由ChatGPT生成，其意义与分量都会明显下降—— 因为其中缺失了人的努力与主体性意义建构。从本质上看，记忆是在大脑中建构对世界的内部表征。若放弃这一过程，人就会退化为被动接受者。相比“人工智能变得更像人”，我更担心“人变得更像人工智能”—— 降低对自我的要求，以便利交换能力与自由。之前，机械替代了动手能力，今天的风险在于大脑的认知能力也可能被类似方式削弱。人类往往倾向于以便利为代价交出主体性。如果记忆这一关键环节被放弃，一切都“存储在外部”，那么人之为人的某些根本特质也将随之消解。记忆之所以重要，正是因为它承载着人类的概念体系与自我认知，并支撑个体的自主行动。

李永智：我非常赞同这一视角。回溯历史，很多曾具有生死攸关意义的原始能力，如爬树避险，随着文明演进与社会组织化而渐次退场，并被一轮轮技术进步所替代。由此引出的核心问题是：当具体技能不断被让渡于技术，什么才是“人之为人”的关键能力？我的判断是，思维能力。它不仅是人类区别于技术存在的根本标识，而且是智能时代“人之为人”必须守住的最后防线。

思维能力内在地包含主体性，即对“我是谁”的认知与认同，以及由此衍生的自我保护与自我调节能力。人工智能之所以难以构成对人的根本性替代，一个重要原因正在于此，即它缺乏主体性。机器在运行过程中，不会反思自身状态，也不会出于“自我保护”去调整行为；而人类天然具备这种意识，并据此修正决策。因此，我想讨论的问题是：在当前技术条件下，“人之为人”的关键能力，是否可以理解为思维能力？如果可以，这种思维能力究竟包含哪些核心要素？其中，自主性与自驱性，是否应当成为教育必须重点关注与培育的关键维度？

安德烈亚斯·施莱歇尔：这是很有意思的问题。但是我不确定，因为这取决于如何定义“思维”。如果思维仅仅是信息处理，那么人工智能是可以做得比人类更好的。

李永智：思维当然不仅仅在信息处理上。人工智能只是在低维展开的简单信息和海量碎片化信息方面，在可处理数量和速度上超过人类。人在复杂信息、多模态信息，比如“字符之外的所指和意指”层面的信息处理能力，人工智能并不具备。比如我说“您今天状态不错”，字面之外我可能在表达尊重、表达希望有一个好的谈话开始。这种“意义指向”，人工智能是不具备的，它更多是概率生成的字符堆砌。所以从这个角度，我想说：人类和人工智能之间在处理信息上是有本质差别的。

安德烈亚斯·施莱歇尔：我非常赞同。这本身就是一种人类式的反思。我们的交流，不仅是信息传递，而且更是思维的相互激发。与不同类型的人交往，能够不断修正和深化我们的判断，因为他们带来了多样化的经验与视角。

正如您所强调的，信息与经验的多样性至关重要。人类能够在不同思维方式与行动路径之间进行切换与整合，以应对具体情境变化，而这种能力，很难被简化为算法规则。这正是人类的重要优势。这也解释了为何应将人类视为与人工智能并行的重要“伙伴”。人类与人工智能系统的对话，本质上依赖“预测式推理”，更接近一种在既有知识约束下的“收敛式思维”，倾向于给出最可能、最合理的答案；而与真实的人对话，则可能不断打破预期，带来不可预设的回应—— 而这种“出乎意料”，恰恰是最有价值的部分。

因此，基于个体经验的多元反思能力尤为关键，而且需要被有意识地保留与发展。这也意味着，在人工智能可以高效完成知识传递的今天，教师的价值依然不可替代。教育不仅是信息传递，而且是关系建构与社会互动。人类作为社会性存在，天然重视这种互动，并在其中感知到“不可被完全预测”的他者。这种维度极为重要，却也难以量化。在经合组织的人工智能能力指标体系中，尤其是在社会性能力方面，无论是衡量人工智能接近人类的程度，还是刻画人类自身能力，现有工具都存在明显局限—— 许多关键能力，难以被标准化测量或算法化描述。

因此，我也想进一步追问：在这样的情境下，相对于人工智能，“他者/他人”作为人的价值究竟体现在哪里？应如何理解人类所独有、不可替代的价值？

李永智：我很认同您之前所说的一个前提—— 我们如何理解人工智能，决定了我们如何面对它。当前的人工智能，本质上仍停留在对符号与表达的“概率生成”，依赖既有数据，但缺乏真正的“意义指向”。人类在理解世界时，会调动情境、经验与整体认知，形成完整的意义系统，而这一点，人工智能尚未具备。因此，它今天呈现出的“强大”，更多是在特定任务、特定语境中的优化表现；一旦进入开放、复杂、无确定有效参数的真实世界，其能力仍然有限。我想，这也正是经合组织所强调的人类“高阶思维能力”对人工智能形成相对优势的原因。

当然，我们也需要保持一种开放的警觉：伦理决策能力、创造力、人际洞察力，是否未来也可能以某种形式被“模拟”？伦理可以被规则化，创造有其生成机制，社交本身也是复杂系统—— 如果这些被有效拟人化，那么是否也可能在“硅基”中出现某种“类秩序”？也许这还很遥远，但不宜轻易否定其可能性。

综上，我认为对人工智能的理解，既要有对不确定性的警惕，也要有对现实阶段的清醒判断：不过度焦虑，不盲目乐观，而是积极采取有针对性的应对。

二、“教学如何用人工智能”与“能力如何不惰化”

李永智：基于以上讨论，我想提出一个更具体的问题：您在不同国家的观察中，哪些国家或地区已经在教育中实现了较为“系统性”的人工智能变革？这种变革，不仅体现在工具使用上，而且体现在教育目标（如关键能力的重构）、教学方式（课程、教材、课堂组织）等层面的整体转型？是否有一些具有代表性的实践，可以帮助理解“人工智能真正进入教育系统”意味着什么？

安德烈亚斯·施莱歇尔：我们确实看到很多国家的人工智能作为工具在教育中的应用，甚至在生成式人工智能出现之前就已经有基于更广义的人工智能进行的个性化学习系统。人工智能使得学习分析已经非常强大，教师可以实时获得学生学习情况的深入洞察。但对于学生直接使用人工智能，我们更为审慎。到目前为止，我们看到的负面效应多于正面效应，人工智能主导会外包思维过程，进而导致“元认知惰性”（Metacognitive Inertia）。对我来说，这跟使用计算器不同。后者外包的是常规认知过程，这些过程烦琐且效率不高。但使用人工智能时，可以清楚地看到学生外包了他们的思考，他们不再有写作的意图，只是提出问题并接受答案。

所以，到目前为止，通用人工智能工具对教育来说还很难真正融入。我们需要创造具有教学意义的人工智能引擎，需要为特定的教学目的设计学习工具。比如，年龄是非常重要的考量因素，小学生还没有基本的思维技能来批判性地审视信息，这个时候给他一个看起来既像先知又像伙伴的人工智能引擎，这个孩子可能再也不会发展出人类必需的基本能力。而当学生已经发展出某些能力时，人工智能可以成为能力放大器。就像你不会给卡车司机和三岁小孩制定同样的交通规则。同样道理，我们需要根据学习者的发展阶段和具体目的精心设计人工智能工具。

到目前为止，在我们的评估中，学生使用通用人工智能的正向效果有限。如果你问我今天哪个国家在这方面做得非常好，说实话，给我印象最深的是将人工智能用于学习分析，帮助理解学生的学习情况，即帮助教师了解不同学生如何以不同方式学习，实现个性化学习。这非常了不起。《经合组织2026年数字教育展望：探索生成式人工智能在教育中的有效应用》就提供了很多这方面的例子。但是，当涉及面向学生的学习时，我至今仍持怀疑和谨慎的态度。我尚未发现有哪一个学生直接使用的人工智能工具，从根本上改变或显著提升了学生的学习，也许未来的国际测试会告诉我们答案。

李永智：我也还没有看到考虑周全的对于人工智能的接触和应用方案。因为他们都不免陷入这样的困境：不用人工智能显得封闭保守；用了，如果不能很好地管控或控制风险，那么就会造成某些思维能力的退化。

中国教科院准备开展一项实验性的活动，让学生能更好地建立一种不被人工智能替代或超越人工智能的能力，即让学生基于某个领域提出自己的问题。比如，“天空为什么是蓝色的”这类日常问题。然后让人工智能以苏格拉底教学方式来回答。通常，人们使用人工智能可能会停留在这一阶段就结束了。我们的设计是要持续深入：人工智能回答后，学生要根据自己是否听懂来进行下一步反馈。因为人工智能回答时，可能会涉及学生不一定知道的概念和原理。学生可以根据自己不懂的地方进行一系列有逻辑的追问。当学生认为自己懂了，或是觉得人工智能回答的问题也没什么新的帮助时，学生的任务是基于以上的追问，概括出一个对这个问题的完整答案。虽然“概括总结”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。我相信在这个过程中，学生大脑的思考会贯穿整个系列的追问，最终形成他自己认为完整的答案。他的思考过程是完整的。

在这个设计中，人工智能类似建筑工程中的“脚手架”。当学生完成最后一个完整的分析和概括时，已经独立于人工智能，形成自己完整的思考。学习过程中，学生要依靠“脚手架”循序渐进以达到目的。但经过最终的反思和总结后，我相信学生在这个领域的知识建构是独立、完整的。同时，我们还做了一个人工智能小程序，可以为学生提供这个过程完整的逻辑思维导图，展示他提问过程中的逻辑脉络，虽然学生的思考可能有高有低，有对有错，但最后总结出自己的结论并形成逻辑思维导图，可以让他对自己的认知过程有一个清晰的把握。

这种基于人工智能的学习方式的意义在于：第一，更加有效地实现学生认知过程的引领和导出；第二，更加聚焦学生本质能力——思维能力的培养；第三，拓展学生本来可能无法抵达的思维广度与深度。毫无疑问，未来人工智能将充斥社会各个领域，那么今天学生利用人工智能进行思考的过程，锻炼的正是他们未来利用人工智能工作和生活的能力。

您如何评价我们这一设计？基于您的经验，您会提出哪些改进建议？

安德烈亚斯·施莱歇尔：这正是我认为教育中需要的那种围绕教学意图来精心设计的人工智能应用。在提问和提供答案之间切换，正是一位好老师做的事情。像您设计的这种系统，实际上体现了优秀教学的本质：在某个阶段提供“脚手架”，在下一个阶段观察学生在多大程度上掌握了概念和思想。我认为这是一个非常周密的设计思路。

经合组织目前正在进行的“职业教育国际学生评估项目”是一个类似的例子。当我们评估职教学生时，使用的往往是适用于学术技能的标准。学生在那些传统的衡量标准下总显得不够成功。职教学生擅长的能力，包括解决复杂问题、承担责任、展现能动性的能力等，这些在工作场所需要的东西，很难用传统指标观察，也很难直接教授。这就是为什么要把学生送到工厂或公司去学习，因为我们不知道如何在课堂环境中教授这些能力。

有些人类能力很难清晰阐述、表征或描述，需要把学生置于真实情境中让他们自己去领悟。而借助人工智能，我们的测评过程能够观察个体在互动中的行为。实际上，我们正在做的正是您所建议的：在改变问题情境和为学习者提供解释之间切换。这种互动将使人工智能成为学生在职业场景中学习的伙伴。我们已经取得了一些进展，希望在2026年的世界技能大会上展示一种与您的方法非常相似的模式。

我很有兴趣了解你们是如何构建系统底层的知识库的。是使用通用人工智能模型，还是以此为目的创建了特定的训练数据集？

李永智：我们把它作为“智能体”来建设，分为两部分：模型和知识库。

模型部分基于现有开源、高效的大模型，做教育垂类训练。通过提供专有的大量优秀教学案例数据，把通用模型专业化，在开源基础上做垂类增强。

知识库部分通过向量化处理建立三类知识库。第一类是通用基础知识库，量很大。第二类是共享知识库：一个小学习共同体、小研究共同体、小班级或学习小组，都可以建共享库，且可能有多个。第三类是个人知识库：每个人读过的书、标注过的要点、认同的观点等，形成个体知识系统。这三个知识库最后形成每个人各不相同的伙伴型知识系统。在这个知识系统中，目前做的是建立“立体网状”的知识图谱式链接。我们认为，当前的知识，即使在单一学科中，呈现也是离散、碎片化的排列。比如，数学中有代数也有几何，代数和几何知识之间的关系就是离散、碎片化的。其实各学科都是如此。但是数字化提供了一种可能，也就是数字空间中所有知识点可以按逻辑关系进行一体化三维链接，如前序后序、推演关系、逻辑包含关系等（研究团队定义了11种关系）。理论上这11种关系能把现有人类文明所有知识连接成整体。我认为这在理论上是可以实现的，事实上在局部，如基础教育的科学教育中已经实现。

建立这样完整、一体化、立体网状的知识库的意义在于：我们推断人类大脑中的心智模型是一体化的，而不是离散、随意存放的。如果在教学前就已经建立了这样一个立体网状的外在知识库，就可以在教学中更好地对应大脑中的心智模型，可以使教学更有针对性。

这其实也印证了为什么提问能力很重要，逻辑思维能力很重要，因为提问能力就是帮助提问者在自身心智模型中找到对应外在客观、完整、立体网状知识系统中的逻辑锚点。找到这个锚点，提问者在学习中的知识和认知获取就不是随意存放，而是有逻辑地嵌入自身大脑的心智模型中，真正增强提问者的系统认知和知识应用能力。

现在学习之所以出现很多问题，就像您刚才说的，班里有35个学生，每个人理解都不一样，就是因为每个学生大脑中都有一个先验的心智模型。如果这个模型在加工老师讲的新知识的过程中，能够找到对应的逻辑锚点，就能把新知识建构到合适的位置。如果没找到，就不能把新知识安放到合理的位置，甚至放在错误的位置，造成学习混乱。所以学习过程，本质是在大脑中建构完整心智模型的过程。我们正在做这种尝试，也想听听您怎么看。

安德烈亚斯·施莱歇尔：我觉得，这正是真正需要研究、能促进人类发展的人工智能应用。美国有一个名为“第九区（Area9）”的项目，也在做类似尝试—— 对人类学习过程进行建模。目前的发现是：在课堂环境中，人们总是假设学习是线性的—— 你教得越多，学生学得越多。但大脑的运作规律是这样的：你很长时间似乎什么也没学到，然后突然建立起一个连接，你的思维豁然开朗，然后你又停滞不前。这种因人而异的学习进程在传统课堂环境中几乎不可能实现，因为在课堂上所有学生都按照同一线性顺序学习。

我认为，如果能揭示并描述这样的心智模型，不仅从知识库的角度，而且从学生和人类个体学习规律的角度，理解并构建他们学习行为的表征，那么这将是非常强大的学习引擎。这是开发新型学习方法的一个非常有趣的路径，同时，如果有一个理解你如何学习的人工智能系统，那么学习者会对自己更有信心。目前，许多在校学习者处于一种持续不断的负面情境中：他们看到别人理解了，而自己没有。这造成很多问题。我认为，借助这种非线性、外化不同学生学习过程的方法，可以很好地解决这个问题。

这是属于21世纪的教学方式。20世纪强调知识灌输，而21世纪更关注：人是如何以不同路径建构理解的。每个人的心智认知模型各不相同。未来，人工智能或许会更擅长识别这些差异，并理解个体的学习进程。如果能够在这一点上取得突破，那么学习将有可能被真正重塑，成为一种更高效，也更愉悦的体验。

这就像我们问孩子“谁是最好的老师”，表面上答案一致，但深入看，却并不相同。不同学生偏好的老师，其实是因为教学方式更契合各自的心智认知模型。同一位老师，有人觉得讲解清晰，也有人觉得难以理解，本质上是与学生的心智认知模型是否匹配。而我认为，人工智能有可能在一定程度上解决这一问题。

李永智：是的，我认为这里有一个常被忽视的前提：每个人都带着一个先验模型进入学习—— 也就是基于基础概念所建构的内在认知框架。对这一先验结构的判断，是因材施教的起点。在低年级阶段，学生之间差异尚小；但随着年龄增长，学习经验与信息来源不断扩展，个体的先验模型迅速分化。未来的学习，应更加重视对学生既有认知结构的识别与理解。

三、“人类最宝贵的动力机制”与“能动性并非无法培养”

李永智：我还注意到：学习不仅关乎“能力”，而且关乎“内驱力”。一方面学习动力源自内驱力，另一方面学习可以提升内驱力。人类天然具备学习动力，是与人工智能的本质差异之一。人的内驱力是一种尚未被完全理解的内在生命力量，体现为“为什么想做”，主要源于个体对活动本身的兴趣、好奇心或成就感。

人工智能不具备人类这种基于生物性、心理性和存在性的内驱力产生机制。人工智能的“动力”是一种“模拟动力”。它像是一台调校完美的自动驾驶汽车，虽然它跑得很远、很快，但它并不想去任何地方。而人类哪怕只是在蹒跚学步，其动力也源于内心深处对“远方”的真实渴望。

这种“本质性区别”也为教育带来启发：虽然不需要担心人工智能会因为“产生野心”而取代人类，但应该担心—— 如果把人类的评价标准简化到和人工智能一样（只看产出、不看意义），就是在亲手扼杀人类最宝贵的动力机制。

从历史看，人类个体的内驱力是推动人类文明不断演进的动力来源。人类在与外界无任何信息交互和互动的情况下，也不会停止思考和行动，而其产生的思想和行为却并不总是正向的。因此，内驱力的激发和正向培养，自然成为教育的重要主题，如引导学生热爱生活、热爱科学、形成积极的行动取向，本质上是在建构其正向的内在动力机制。反过来看，个体的消沉与困顿，往往也与动力机制受损有关。在人工智能不断发展的背景下，这一问题显得尤为关键：当外部工具愈发强大，个体的内驱力反而更需要被重视与培育。您是否曾关注过这一维度，在培养学生内驱力方面，您有什么建议与提示？

安德烈亚斯·施莱歇尔：我曾参与一个非常有趣的项目，叫“Made By Dyslexia”，项目对象是有阅读障碍的人。在常规的学校环境中，有阅读障碍的学生无法通过线性的信息结构来建立心智模型，因此在学校体系中不太成功。但成功的企业家中阅读障碍者的比例却远高于普通人群。原因在于他们不会用线性的思维处理信息。可能的解释是，阅读构建了线性的思维方式，让人们以特定方式高效地处理信息，但这也成为能动性、动机和创造力的障碍。如果没有这些线性表征信息的方式，就可能诉诸其他方式，这样在思考上反而更具原创可能，看到别人看不到的关联，这是不同的认识模型。而研究认为这与更高的创业倾向和创造力有关。

我认为，借助人工智能，可以超越单一的知识表征方式，转而识别个体不同的思维倾向，并支持更加个性化的学习路径。例如，“Made By Dyslexia”项目通过研究阅读障碍者的神经机制，发现他们在商业与创造领域展现出独特优势；“第九区”等研究，也从认知层面揭示人类学习与思考的多样性。这些都表明：如果使用得当，人工智能不仅不会削弱人类能力，反而可以通过放大差异、激发潜能，甚至帮助拓展人类尚未具备的能力。这本来就是技术一贯的作用—— 在替代部分能力的同时，也为新的可能性腾出空间。关键在于“如何使用”。如果方向错误，那么人工智能可能削弱人类能力，尤其是“动力”。

现实是，现有的教育体系并不擅长培养学习动机。一个直观现象是：3岁儿童的学习动力往往强于30岁的成人。这在很大程度上源于教育方式—— 更强调规范与服从，而非好奇心与内在驱动。系统奖励“被认可的表现”，却较少鼓励探索本身。好奇心与内驱力密切相关，而动机又是终身学习的基础。如果不能持续滋养好奇心，就难以形成自我主体导向的学习内驱力和能力。

在国际学生评估项目（PISA）中，曾引入“自主学习倾向”指标，衡量学生在无人监督时的学习意愿。结果显示，其最重要的预测变量并非学习时间或成绩，而是师生关系的质量——学生往往是“为老师而努力”，而非单纯为分数或学科努力。因此，教育真正需要强化的，是对学习动机与自主性的培养—— 让学生具备持续拓展自身能力的内驱力。

在人工智能时代，这一问题更加突出。一些学生可能会认为“无需再学习，只需查询即可”，尤其是在弱势群体中，这种倾向更为明显。这使得“如何维持学习的意义感”成为新挑战。从更长远看，教育最本质的成果或许不在于“学了什么、学了多少”，而在于：一个人经过教育过程，是否仍然保有持续的学习意愿与动力，是否具备持续提问、不断探索世界的内在动力。

李永智：非常赞同！针对当前教育实际上存在负向作用于动力机制的现象，您有具体的改进建议吗？换句话说，在教育中可以采取哪些具体措施，从而促使学生更有学习的意愿和动力？

安德烈亚斯·施莱歇尔：提到不同国家在培养学生好奇心方面的差异，我认为如何评价学生提出问题和解答问题非常重要。我的家庭有一次亲身经历，当我们搬到法国时，我女儿进入一所小学，那里的教学方式很不寻常。有一天她回家说：“爸爸，我写了一个数学定义，但只得到一半的分数。我不知道我哪里做错了。”我看了后说：“我看不出任何错误。去问问你的老师。”第二天她回来说：“我明白了。我没有按照正确的词序重复定义。”虽然这是一个极端案例，但许多教育体系都过于重视对既定思维方式的顺从，使得学生没有勇气去探索新想法。

每十年，经合组织在成年人群体中进行一次国际学生评估测试。我们关注的事情之一就是成年人学习的倾向，这个年龄的人，投入多少时间去学习新事物、探索新想法？很遗憾，在过去10年里，在这方面的进步为零，鲜有成年人觉得自己需要再学习。所以，今天学校教育被忽视且应更关注的目标应该是：成年人能够继续自主学习。而我在这方面尚未看到任何进展。

李永智：这种现象归咎于我刚才提到的“动力”问题。我认为，主动学习的意愿实际上根植于一种更为本质的东西：积极的生活态度。正如我之前所说，人与人工智能的区别不仅体现在学习的主动性上，而且更体现在面对一切事物时的自主性与好奇心。从这个角度看，教育的深层使命或许正在于培养这种内在驱动力—— 而这不可避免地涉及人生观、世界观和价值观的塑造。

由此引出一个值得探讨的问题：经合组织所倡导的核心素养与思维能力，是否充分考量了这种“动力”的维度？我想将这个问题进一步放大：我们谈论的不仅是学习的意愿，而且是一种积极生活态度的系统性培育。

安德烈亚斯·施莱歇尔：经合组织将这一核心概念定义为“人的能动性”。我认为，在年轻人身上培育这种内在能量与能动性至关重要。这种能动性与成长型思维密切相关。如果年轻人认定成功完全取决于天赋智力—— 遗憾的是，许多人确实如此认为—— 那么他们便容易放弃努力。反之，若能让孩子们在早期就认识到：潜力是无限的，困难是可以克服的，努力终将获得回报，他们就更有可能走向成功。

事实上，能动性并非无法培养。人类天生具有好奇心，在生命最初的几年，甚至在正式入学之前，他们已然完成了大量学习。只要为孩子奠定成长型思维的坚实基础，能动性便能在此基础上自然生长。更进一步，我认为需要区分三个层面：个体能动性—— 个人主动进取的能力；协作能动性—— 与他人共同做事的能力；集体能动性—— 作为团队或社会整体，承担责任、推动变革的能力。这三者皆不可或缺。经合组织开发的学习罗盘（Learning Compass）已在多国应用，正是将能动性置于其概念核心。历史表明，能动性、内在动机以及对自我效能的信念，是人类进步的根本驱动力。一旦失去这些，人们便容易随波逐流，既不会成为创业者，也难以成为创造者。

培养能动性其实并不困难，问题是它在教育中常常流失，根源往往在于教学方式——当学生遭遇失败时，我们让学生选择更简单的任务，而非鼓励加倍努力或尝试不同方法。这种应对失败的方式，消磨了能动性生长的基础。

李永智：确实如此，学生天生就有好奇心和能动性，需要提醒的是学校教育不要把它削弱。刚才谈话中您有一句话打动了我，我把它变成一个问题。您说：“希望我们通过人工智能来帮助人类开发出新的能力。”这非常有新意。之前我们都在谈论人的既有能力的增长或降低。您提出“通过人工智能开发出人的新的能力”。您能不能具体谈一谈，“新的能力”是指什么？我看到经合组织最近发布的人工智能能力指标里提到9种能力，涉及语言能力、社会互动能力、问题解决能力、创造力、元认知能力与批判性思维、知识学习与记忆能力、感知能力、操作能力和机器人智能。那么您所说的新的能力，是指在这9种能力中有升级或升维，还是特指别的什么能力？

安德烈亚斯·施莱歇尔：是的，这9种能力本质上是一个定位框架，帮助理解人类在不同职业中的能力组合。我们正是这样开发的—— 审视数百种职业后发现，每种职业都是这9种能力的不同配比：艺术家需要更多创造力，飞行员可能较少依赖创造力，但需要更强的坚持与逻辑思维。所有人都需要这9种能力的某种组合，才能在不同层面取得成功。但这个框架有其局限：它描述的是现有职业的能力组合，而非人工智能可能帮助拓展的新能力。

预测新能力向来困难。回顾人类历史，人类起源于非洲，最初走出非洲的人类无法在中国或欧洲生存，因为他们缺乏应对寒冷的能力。当人类迁移到不同环境时，才逐渐发展出适应新环境的能力。我认为，看待人工智能也应采取这种演化视角—— 不必急于断言人工智能将催生哪些具体的新能力，但可以确信：每一项技术都曾为人类能力拓展开辟出新发展空间。

城市生活便是例证。当人类定居城市，面对复杂的社会结构，发明了书写—— 因为这是存储财产等信息的唯一手段。我不知道人工智能时代的新能力具体会是什么，或许是现有能力的扩展，或许是全新能力的诞生。关键在于：你通过人工智能究竟在“赋能”还是“去能”？如果使用得当，人工智能将成为开辟新空间的工具，帮助人类发展新能力；但每项技术都有风险—— 它也可能导致能力退化。电视便是明证，对一些人，它意味着社交消亡，使人沦为纯粹的消费者；对另一些人，它却提供了灵感、想法与能量。人工智能也应被如此审视。

教育的使命正是确保人工智能成为开辟新空间的工具，而非能力退化的诱因。有一个关键分野：若抱着“让学习更轻松”的想法使用人工智能，必将失败；若相信人工智能将帮助人类以全新方式学习不同事物，则会成功。对学生而言，若将人工智能视为捷径，便已误入歧途。

四、留白，为新的可能性腾出空间

李永智：您说的观点我非常赞同。刚才您提到“技术在替代部分能力的同时，也为新的可能性腾出空间” 。这让我想到，其实每个人的时间是有限的，大脑的容量也是有限的，这意味着每个人所拥有的综合资源和个体能力是有限的。我想说的是，是不是还有一种可能：不要那么“贪婪”，不要希望人工智能出现时，我们还保留甚至增强之前所有的能力。是不是应该在这个时候主动放弃一些能力培养？就像人类之前放弃了爬树，后来大部分人放弃了在田地里耕种和收获庄稼，因为时间有限、脑力有限。为了未来更好地生活，实际上应该聚焦于今天的主题—— 关键能力的培养。之所以主动放弃一些能力的培养，是因为在那上面一定会消耗时间、精力和资源。您怎么看？

安德烈亚斯·施莱歇尔：我同意。教育中最难的恰恰是放弃。教育热衷于在课程中不断添加新内容，却极少愿意舍弃任何东西。结果便是用过量学习任务耗尽学生的心力。因此，我们必须做出审慎抉择：未来的教育究竟必须培养的关键能力是什么？为此要放弃什么？

这里所说的放弃不是简单的减法。以爬树为例：我们不能因为有了工具便不再运动—— 保持身体健康理应是不可妥协的优先事项。心理健康亦然。我认为，当今最大的风险正在于心理健康—— 在剧变的世界中，人们越来越难以跟上节奏。

由此，我主张一个根本性转变：从“基于学校的义务教育”转向“学习的义务”。不应再纠结于让学生在某个机构里待满多少年，而应强调个体肩负的终身学习义务。这如同保持健康：你必须睡眠、必须运动，若放弃这些，便要承担后果。心智发展也是如此—— 若放弃学习、放弃自我发展，终将陷入困境。

让人们明白发展自己是不可推卸的个人义务，这一点至关重要。你不能将此委托给老师、学校或任何他人。否则，便是今天看到的局面：人们在学校学到毕业，然后宣称“再也不学了”。我曾经看到一张图表，对比了不同国家大学毕业生的技能状况：一些国家的高中毕业生已很出色，大学教育却仅带来微小提升—— 这表明一旦需要自主学习，他们便不愿再学；而另一些国家，高中毕业生或许平平，但学生在高等教育阶段却充满活力，随着成长掌握大量技能。而我认为，后者才是真正重要的。

不要耗尽学生，不要告诉学生“这就是你一生需要学的全部”，而应教会他们选择与放弃，让他们在当下真正拓展自己。然而，并非所有教育体系都擅长此道。

李永智：关于“放弃”，我想再说几句。中国画强调“留白”，教育中早有“留白的教育”理念—— 给学生留白、给教师留白，更为创新思维留白。但在传统学校教育惯性极强、根深蒂固的今天，究竟可以放弃些什么？以外语学习为例：我不知道国外情况如何，在中国，从小学甚至更早便开始学习外语，在许多年级，外语课时占比相当可观。然而今天，人工智能带来的语言与文化交融已日趋完备，其翻译水平已超过绝大多数人类译者。一个人花十几年习得的英语能力，可能尚不及一台翻译机的效果。那么，我们是否可以得出这样的结论：外语不应再作为一门专门学科、一项必备技能来学习？

安德烈亚斯·施莱歇尔：这是一个非常好的问题。有很多这样的例子，语言是其中一种。我认为问题其实在于“目的”。如果学习英语的目的是帮助你交流，那么它已经失去了意义。

但是，学习外语还可以有另一种论点：外语是理解母语的绝佳工具。通过外语学习，将语言本身作为概念来思考—— 语法、词汇、文化……所有这些在母语中早已内化、从未被审视的东西，借此成为反思的对象。如果从这个角度理解，外语学习仍具有意义。但若仅看其工具性价值，我同意您的判断—— 这正是“投入巨大、收效甚微”的典型案例。脑科学研究也印证了这一点：语言学习的最佳窗口是0～6岁，之后再花10年来教授完全是低效的。

因此，我们需要重新审视教育中的一切，区分其内在价值与工具性价值。我在国际学生评估框架中对各学科进行过深入思考。以数学为例：学校教授的许多内容，如今既无工具性价值，也缺乏内在价值—— 大量常规计算与数学的基础、概念和思想毫无关联，而这些操作计算器便能完成。每个领域都值得如此反思。

我认为，未来教育应该教得更深、更少。每个学科都应围绕希望培养的人类能力重构其教学模式。体育不只是强健体魄，更是培养责任感、勇气、领导力、社交技能与对他人责任的工具。这才是应有的视角—— 基于教育意图，而非仅看其工具性价值。随着人工智能发展，许多工具性价值将逐渐消失—— “知道某件事”的需求会减少。真正需要重视的是思维方式：学习者能否像哲学家、数学家、历史学家那样思考？语言只是一个例子，每个领域都存在类似问题。应有勇气放弃那些缺乏内在价值的内容，专注于培养“成为优秀人类所需的能力”。我并非否定专业外语人才的价值—— 他们应当在这一领域深耕，但不应让所有人背负这份负担。

李永智：非常赞同您的分析。我不是说哪一部分知识无用或者价值不够，而是边际效益的问题。未来生物科技发展或许可以让我们寿命更长、思想延续更久远，即便如此，人类的生命和活力年龄依旧是有限的。在人生有限的情况下，我们应该主动实现更有意义的生命，学会放弃一些东西，从而更好地选择更有效、让人更快乐、更有意义的东西。

顺着这个思路考量，在某些学科中，对不同的人可能需要降低难度—— 大部分人或许终生不会用到复杂的微积分或线性代数，所以不必要求所有人都学得那么深。节省下的时间，可以用来强健体魄、培养审美、提升音乐素养、激发创造力。在生产力大幅提升的今天，勇敢、主动、有主体意识地提出放弃，恰恰具有特殊意义。这不是不负责任，而是更负责任—— 不为短期，而为长期。

甚至“基础教育”本身也值得重新审视：为什么基础教育需要12年。7岁到18岁，正是人的生命力最旺盛勃发、对世界感知最强、兴趣动力最充沛的阶段。这段时间不应仅用于校内学习。学校不该是儿童的全部世界，世界才应该是儿童的学校。德国、新加坡等国的实践提供了参照：小学四年级便开始接触职业教育或分流教育，让学生更早接触现实实践能力—— 这意味着放弃一些深入的理论学习。

我想进一步探讨：基础教育的学制设计怎样为好？您怎么看在其中安排几年实践期—— 读万卷书，行万里路：在城市学半年、在乡村学半年。在城市接触现代科技应用，在乡村感受自然、阳光、生物与生态。这些调整首先需要放弃现有的一些安排。

您曾经提到，高等教育应放弃对学历教育的垄断。那么基础教育、职业教育是否也存在类似情况？这涉及“破与立”的辩证关系。面对变革时代，人们理所当然选择“先立后破”。但对学生而言，时间是有限的—— 如果不先腾出时间、资源和精力，那么学生如何学习创造？可能尚未开始创造之前，他早已不堪重负、心生厌倦。

因此，“放弃”本质上是一种有破有立的智慧。这已超越单个学校、学区乃至城市的范畴，需要国家层面或更上位的宏观设计。对此，您有何系统性建议与考量？

安德烈亚斯·施莱歇尔：这是一个非常重要的问题，我完全同意您的看法。不应以单一的学习地点、单一的学习方式垄断儿童的时间。

学习不仅是发展个人能力，而且是为了回答：我是谁？我在社会中处于什么位置？我们如何共同生活？这些恰恰是在学校里学不好的。学校里，学生坐在课桌后，最终必须通过考试证明比同伴更优秀—— 这就是学校的模式。

教育在很大程度上关乎社会目的。今天社会的撕裂现象很大程度上反映了教育的失败：没有打破社会隔阂，没有建立公共责任感，没有培养作为社会一分子的信念与目标感。而这些，在校外环境中反而发展得更好。

您提到德国的职业教育。我认为其核心价值不在于培养好技工或好护士，而在于解决真实问题、与真实的人一起工作、犯下带来真实后果的错误。虽然在学校推行的项目式学习值得鼓励，但那些项目是人造的—— 项目结束，老师便将其扔进垃圾桶，没有任何实际用途，学生也能感到这种虚假性。真正的项目式学习，应在真实世界中进行。为年轻人创造越多探索不同空间的机会，就越能培养他们作为社会一部分的感知，拥有被社会需要、能有所贡献的感觉。我始终认为，教育应帮助学生了解自己的才能，也应帮助学生理解世界需要什么—— 这在目前的中小学和大学都做得不好。

德国10岁分流的做法也有弊端：这种决定常受社会背景、父母选择影响，而非孩子自主。不应将学生分为学术型和职业型，而应让每个学生都有真实世界的经验，都有为世界做贡献的义务—— 而非仅让考试失败者去实践。虽然德国模式有其价值，但也可能成为社会固化的起因。

李永智：关于德国在10岁左右分流的问题，让我联想起《科学》杂志上的一篇文章。文章提出，顶尖人才其实往往在低年龄阶段并没有显示出相对应的超群能力，例如，诺贝尔奖获得者，在他们获奖成果产生前12年的学习中，能力可能不低，但并非同龄人中的佼佼者。再比如奥运冠军，在青年赛中可能并没有得过冠军。这种情况还相当普遍。这样的数据统计，其实直接推翻了所谓“拔尖创新人才应该早期筛选、早期培养”的做法。您对此怎么看？

安德烈亚斯·施莱歇尔：我同意这个观点，早期筛选确实不是好主意。我想补充一个长期视角。美国开端计划（Head Start），即早期儿童教育项目的纵向研究提供的重要启示。研究发现：在幼儿园阶段，参与项目的儿童比未参与的同类背景儿童表现优异得多；进入小学后，这种差异逐渐缩小。若仅看小学学业成绩，可能会断言早期教育作用不大、浪费金钱。但当追踪到25岁时的结果，真正的益处才显现出来—— 这些人拥有更强的能动性，更积极主动，能做出更负责任的决定。早期投入的效益并未体现在学校看重的指标上，却深刻反映在成年生活的核心品质中。这揭示出一个关键问题：人们常常急于评判干预的即时效果，若明天看不到结果，便宣告失败。而教育需要更多终身视角的审视。

教育不应筛选人，而应关注现实中的成功—— 教育所带来的长期影响、具体的生活变化。值得欣慰的是，许多国家已调整人才培养路径。许多欧洲国家，包括德国，已逐渐避免早期筛选学生的做法。

李永智：在教育中，人们常常会很强调“取”，但有时候“舍”绝非消极的退缩，而是一种面向未来的积极建构。教育的变革从来不是简单的增减，而是在破与立的辩证中，为生命腾出成长的空间。面对人工智能时代的挑战，放弃那些可以放弃的，正是为了守护那些必须守护的—— 人的能动性、社会性，以及终身学习的理念。这不仅关乎课程表上的调整，而且关乎人们如何理解教育的本质，如何定义一个“受过教育的人”。

本文刊登于《比较教育研究》2026年7期，若转载请注明出处。