刷到一条对谈：左边是北大教授乔晓春（人口与教育学者），右边是港科大终身教授王文博（人工智能应用科学家）。标题很冲——「AI 正在培养一代’傻子’」。

我本以为又是一条贩卖焦虑的切片，看完反而冷静下来了。两位教授没有骂 AI，他们骂的是一种用法：把 AI 当成”答案机”，只要结果、不要过程。 这条路线下，工具越强，人越废。

这篇就把这条 12 分钟的对谈拆透：傻子到底是怎么被培养出来的、“读书无用”的真相是什么、AI 时代普通人唯一的安全策略、老师还有没有用、以及港科大那门课用”一盆水”教会学生的事——最后给一张「用 AI 不变傻」的自检清单。

一句话定性

这条视频的核心不是”AI 让人变笨”这种标题党，而是一个更锋利的判断：学习的价值从来在过程，不在结果；AI 唯一真正危险的用法，是替你把”过程”省掉。 AI 能给你结果，但人是靠”走一遍过程”长出来的——一旦你用结果绕开了挣扎、试错、顿悟，工具替你赢了，你自己却没长。所以问题不在”要不要用 AI”，在”你把 AI 加在过程上，还是加在结果上”。

下面六刀，每一刀都对应对谈里一个能直接拿走的判断。

第一刀：傻子是怎么被”培养”出来的

教授原话很重：“用结果培养的人，是培养了一堆傻子，你完全不用动脑袋。”

逻辑链其实很简单：

  • 考试用 AI、写论文用 AI、作业用 AI——你交出去的全是结果；
  • 但人真正被训练的，是产出结果的那个过程：查资料、试错、推翻自己、重来；
  • 你把过程全省了，分数可能比别人还高，但”提升研究水平”这件事，一点没发生在你身上。

写论文的本意，从来不是那篇论文，而是”写”这个动作对你思维的锻炼。AI 啪一下把论文给你，你的目标（发表）达到了，你的能力（研究）原地踏步。这就是”傻子”的生产线：结果达标，能力空转。

更扎心的是关于大学的那句话：

“大学是你人生中为数不多可以尽情犯错、且不承担责任的地方。但你到了社会以后，有一堆人问你要结果，没有人在乎你的过程。”

所以本末倒置的代价是双杀：你在该练过程的大学里只追结果 → 大学没学到东西；到了只认结果的社会 → 你又拿不到结果。 两头落空。

第二刀：「读书无用」的真相——不是读书没用，是你卷错了方向

两位教授没有回避”读书无用论”，而是把它拆开了。

第一，“有用没用”不是某个人说了算，是整个社会群体给的定义。 说读书无用的人，本质是在做一个时间选择：把读书那三四年，投到一个有时代红利的赛道（外贸、短视频、AI）。

第二，说读书无用的，往往是不太会读书的人——他觉得这事投入产出比太低。这话有它的道理，但漏了一个关键变量：

“需求其实没变，但供给量太大了。一大批同代人往一个方向卷，卷到竞争太激烈，一大批人会被挤出去——不是这些人不努力，是大环境已经不允许所谓努力的人，找到他期望的那个工作。”

这就是”读书无用”的真实机制：不是读书这件事失效了，是太多人挤在同一条路上，把这条路的回报卷没了。 努力没有错，错在方向上的人太多。

教授顺手抖了个藤校的”八卦”，说明卷到了什么程度：

以前送孩子进名校，靠学英语、做基建义工、搞科研、去非洲捡瓶子——现在这些全不行了，因为都成了平均水平。最近一个进藤校的孩子，规划师给的方案是：花三个暑假回广东老家，和爷爷奶奶一起，用学到的 AI 知识带动家乡”泡茶”这门非遗往前推，最后带动全村变好。

——连”差异化”本身都被卷成了一门需要专业规划师设计的工程。这恰恰反证了第三刀。

第三刀：AI 时代普通人唯一的安全策略——别走反方向

这是整条对谈里我认为最值钱的一段判断。

先看清对手：AI 比谁都努力。 不吃饭、不睡觉，拿着比最低工资还低的”实薪”，全年无休。竞争激烈到一定程度，“一个条件、两个条件、五个条件”都不够，你得不断叠加附加条件才能显得比别人好。一切焦虑的根源就一句话：竞争过于激烈。

那普通人怎么办？教授给了一个干净的二分：

  • 策略 A：大家都走在对的方向上，我比你更努力、更有创意、更有投入——这是”正面硬刚”，普通人很难赢，因为你要和更有钱、更有资源的家庭拼，就算方向对了也玩不过他们；
  • 策略 B：你走在正确方向，我走在错误方向——那我越努力，只是在加速失败。

于是结论反直觉但极其实用：

“对普通人来讲，最关键的不是赢，而是不要走在反方向上。”

方向错了，努力全是白费——“你拼命学，走的全是歪路”。方向对了，才谈得上同方向里谁和谁的竞争。对一个普通家庭的孩子，读书很可能是唯一正确的方向（教授举例：寒门子弟去美国没奖学金连大学都难上，很多人毕业十多年还在还学贷）。

而 AI 给普通人开了一扇新门：

“AI 是所有人的新起点。过去学得好的、学得不好的、名校的、非名校的，在 AI 面前大家站在同一个起点。谁能先走、走得更快，谁就有机会。你要是不理 AI、不融入 AI，那一定没机会。”

所以对年轻人，这不是末日，是为数不多的重新洗牌的时机——前提是你别用错方向（拿它当答案机）。

第四刀：老师还有用吗——知识在贬值，“原理/判断/思想”在涨价

这一段对当老师的人很扎心，但讲透了。

教授坦言现在站讲台没底气了：

“过去我往讲台一站，讲的东西你百分之百不懂，底气很足。现在不一样——第一，我讲的学生可能早就知道；第二，更麻烦的是，我要是讲错了，学生一定能当场查出来。”

因为 AI 时代，知识本身不再稀缺——你能查到任何一种知识，可能比老师知道的还多。那老师脑袋里装的那些知识，价值就贬了。

但教授话锋一转，点出真正涨价的东西：

“老师真正的价值，是一种思想的灌输。我上课特别关注讲原理，不太讲怎么使用——因为原理是一些基本的思路，包括判断。这些东西你一旦学会，是会渗到骨子里的。”

学生常嫌烦：“老师你别讲原理，教我怎么算，我算出结果发了论文就行。“但教授的坚持是：我培养的是”专业人员”——专业人员的定义，是明白一件事背后来龙去脉那个原理的人，不是会按按钮出结果的人。

把这刀翻译成给所有人的判断：在 AI 面前，“知道答案”不值钱了，值钱的是”知道为什么、能判断对错、能定义问题”。 这正好接上最后一刀。

第五刀：港科大那盆水——“问题主导”教学怎么落地（最硬的可抄案例）

如果整条对谈只能记一个细节，记这个。它是”过程 > 结果”最具体的一次落地。

港科大有门工业设计课，规则极简：

  • 五个同学一组，给你一盆水、一堆一块钱的硬币、几块薄薄的小木板；
  • 一个学期内，用木板搭一个”船一样的东西”，哪组承载的硬币最多，哪组赢。

第一节课，木板上放两块硬币就沉了。怎么办？老师的回答是这门课的灵魂：

“你们可以去问 AI，也可以来问我，两个地方都比较一下——因为 AI 可能会说错，教授也不一定对。最后到底谁对？这盆水会告诉你答案。”

拆开看，这套设计精准地把每个反”傻子”的机制都焊死了：

设计它逼出了什么
给问题不给答案学生必须亲历过程，结果（船沉不沉）骗不了人
AI 和教授都可能错激发质疑精神，谁都不能照抄，必须自己判断
”这盆水会告诉你答案”用真实世界当最终裁判，绕过一切权威与 AI 的口嗨
做的过程里自然撞上数理力学材料知识不是被灌的，是被需要时”长”出来的
有人把木板裁成不同形状创意在动手里冒出来，不是在 PPT 里

教授给这套教学法起了名字：交叉科学的问题主导（港科大广州校区和香港本部都在用）。在这套法里，老师的角色彻底变了——不再是知识的搬运工，而是三件事：激发兴趣、拨乱反正（方向错了拉回来）、帮你校验信息真伪并提高效率。

它对应的底层方法论叫**“以终为始”的项目式学习**：先抛一个真实项目，让你在做的过程中不断学、不断交流。因为结果 AI 立刻能给你，唯有过程，AI 替不了。

第六刀：AI 该加在哪——当”点子王 + 辩论对手”，而不是答案机

那 AI 在学习里到底该怎么用？教授引了清华学者的一个概括，非常可操作。

问题是：什么情况下，用 AI 能让创造性思维和辩证性思维”同时”得到发展？

答案是一种用法——把 AI 当两个角色用：

  1. 点子王：要给品牌起个新名字？它一口气给你十个不错的，像和一个满脑子创意的人聊天，你的创造性思维瞬间被激活；
  2. 辩论对手：你抛一个观点，让它来反驳你、和你辩，在来回较劲里，你的辩证/批判性思维被磨出来。

注意：这两个角色都把 AI 用在了过程上（激发、对抗），而不是结果上（代写、代算）。

可悲的现实是：

“大部分中学生、大学生用 AI，为了快，只要结果——用结果培养出来的，就是一堆傻子。”

同一个工具，加在过程上让你变强，加在结果上让你变傻。分水岭不在 AI，在你。

认知的挣扎：为什么”痛苦”是必须的

教授最后落到一个机制上，解释了为什么”省过程”必然变笨。

他先引了研究：

“MIT 前段时间做过研究，（过度依赖 AI）人就变笨了——这太容易理解了，因为你完全不经历过程。人真正的训练，就是用过程去训练。直接告诉你结果，那就不需要训练了，背就行了。”

然后是 MIT、康奈尔提出的一个词——“认知的挣扎”（cognitive struggle），中国话叫”顿悟”：

“顿悟之前的过程非常痛苦，你可能怎么想都想不出来，突然有一天就通了。这就像健身房——肌肉怎么长出来？肯定要酸好几天、突破自己的极限。思维也是一模一样的。”

这是整条对谈的物理学根基：“挣扎”不是学习的副作用，是学习本身。 就像肌肉的生长来自肌纤维被撕裂再修复，思维的成长来自”想不通—硬扛—顿悟”这个痛苦循环。AI 最大的诱惑，恰恰是一键消除这种痛苦——“问一个答案就给你”。可一旦痛苦被消除，成长也同时被消除了。

所以最终，AI 面前人和人的差距，回到三个最古老的能力：

能不能有创造性思维？能不能有批判性思维？能不能定义问题？

这三样，AI 给不了你，只能靠你自己一遍遍”挣扎”出来。

落地：一张「用 AI 不变傻」的自检清单

把这条对谈压成可以天天用的判断，就是下面这张表。每次打开 AI 之前过一遍：

  • 我是在用它省过程，还是省体力？ —— 省查资料的体力（✅），还是省思考的过程（❌）？
  • 结果出来后，我能讲清”为什么”吗？ —— 讲不清，说明这次我只拿了结果、没拿到能力。
  • 我有没有让它当辩论对手？ —— 只让它给答案 = 答案机；让它反驳我 = 磨刀石。
  • 这件事的”裁判”是谁？ —— 是 AI 的口嗨，还是真实世界（数据/实验/那盆水）？永远让现实当最终裁判。
  • 我现在该不该感到”难受”？ —— 学新东西时如果毫不费力，大概率是 AI 替我挣扎了，我没长。
  • 方向对不对？ —— 先确认在正确的方向上，再谈努力和效率；方向错了，AI 只会帮你更快地撞墙。

一句话收尾：AI 不会让人变傻，“只要结果”才会。 把它加在过程上，它是你这辈子最好的陪练；把它加在结果上，它是培养傻子的最快通道。

一点余地：这是两位教授的对谈观点（北大乔晓春 × 港科大王文博），属于个人立场与教学经验的总结，文中提到的 MIT/康奈尔/清华相关研究为口述引用、未做独立核实，藤校规划等为举例，不必当成数据结论。可抄走的是判断与方法（过程>结果、问题主导、AI 当点子王+辩论对手、认知的挣扎），具体到自己身上怎么用，还得自己走一遍那个”过程”。