傍晚,在纽约布鲁克林区一所高中自习室里,17岁的Emily正在敲打键盘。她面前的屏幕上,ChatGPT将晦涩的量子力学概念转化成了生动的漫画图解。
这并不是科幻电影中的一幕,而是许多青少年日常学习中的真实瞬间。根据皮尤研究中心(Pew Research Center)的最新调查,美国青少年(13至17岁)使用ChatGPT辅助学习的比例在过去一年内翻了一倍,从2023年的13%飙升至26%。
在这场生成式AI的汹涌浪潮中,Z世代青少年正在用指尖投下关键一票,将AI悄然嵌入书包,变成他们随时随地的“数字家教”。虽然研究对象聚焦美国青少年,但其揭示的趋势对国内教育转型同样具有镜鉴价值。
青少年对ChatGPT认知跃升,高年级学生是主力
随着青少年对AI的认知不断深化,他们的使用习惯逐渐呈现出年级差异。数据显示,高年级学生更依赖AI。
31%的11-12年级学生在积极使用ChatGPT,这一比例在9-10年级学生中为26%,到了7-8年级则降至20%。这一趋势揭示了一个信号:随着学业难度的增加,AI工具逐渐成为高年级学生解决难题的助手,这也凸显了A在应对复杂学业任务中的价值。
从认知层面来看,越来越多的青少年对AI的认知正在从“听说过”转向“深入了解”。有79%的青少年知晓ChatGPT,较去年增长12%,其中32%对其了解颇深。这种认知的跃升正引发使用行为的质变:深度了解者有56%的人将AI用于学习,是浅层认知者的三倍(18%)。
这意味着,AI在教育中的普及不仅仅依赖于工具的可获得性,更在于学生对AI的理解。学生对AI工具了解得越多,他们就越有可能将其融入到学习过程中。
选择性信任:AI是开罐器,不是罐头食品
令人稍显意外的是,尽管ChatGPT的普及在青少年中迅速扩展,但在具体任务的应用上,这代“数字原住民”却表现得很审慎:54%的青少年将ChatGPT视为研究新课题的助手,但仅18%的人认为它可以用来撰写论文。
这种选择性信任在数据中清晰可见:
这种态度揭示了最年轻的一代人对AI的看法:他们不是盲目地接受或拒绝AI,而是在为AI的使用设立边界,以确定何时以及如何在学习中使用AI。他们比我们想象的更懂得:AI是开罐器,而不是罐头食品。
以防AI吞噬思考,教育从业者如何应对?
阳光之下,必有阴影。AI在教育领域的应用前景广阔,但也带来了一些挑战。有研究显示:AI工具的频繁使用与批判性思维能力之间存在显著的负相关性。
这种负相关性来源于一个叫做认知卸载的现象。所谓认知卸载,就是人们通过外部工具或技术减轻自身的认知负担,从而更有效地处理信息。随着人工智能的崛起,很多功能强大的AI工具使人们能够便捷地获取信息、得到答案,甚至做出决策。这种“认知卸载”在短期内能够节省时间和精力,提高效率,但长期依赖可能导致个体失去独立思考的能力。
尤其是青少年,他们正处于认知发展和学习能力提升的关键阶段,频繁使用AI可能让他们更容易依赖工具,导致批判性思维的下降,忽略深度思考和长期规划。
试想一下,如果AI工具的使用,是学生用长期思维技能换取短期效率,家庭作业更容易完成的同时,学习能力却降低了,任务完成度和实际理解之间存在差距。这将是一个多么棘手的局面。
为了避免这个问题,教育从业者必须要考虑的问题是,如何调整教学和学习方法以适应不可逆的技术浪潮,如何找到一种平衡确保AI工具的使用不削弱学生独立思考的能力。
教育从业者要帮助学生理解AI的局限性,让学生懂得何时使用AI,何时依靠自己的思维。创建一些需要学生与AI合作的任务,让他们在协作中逐步提升自己的批判性思维能力。
AI教育融合已启程
未来的教育不仅仅是知识的传授,更是如何与AI共存、共进的智慧培养。事实上,已经有学术观点提出,在人工智能的作用下,教育将从传统的师生二元结构演化成师、机、生三元结构。当超过1/4的青少年主动选择AI辅助学习,这一进程无疑正在加速。
在美国得克萨斯州,有一所私立K12学校Alpha School,学生们每天只花两个小时在AI的指导下学习学科知识,其余时间都用来学习一系列的生活技能、艺术、体育、以及体验创业。
令人惊奇的是,在这个“AI学校”,90%的学生在标准化测试中,高于全国平均水平,并且学生的学习速度是传统课堂学生的2倍。
就像20年前学生必须学会用搜索引擎,现在AI就是新的学习加速器。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。