将论文挂上网后，吴延晖接到了一通越洋电话。电话那头，是世界银行研究部负责教育的团队。

当时，他们刚提交了一份供各国参考的教育年度报告，但看了吴延晖他们的研究，又连夜把报告撤了回来。

那天晚上，课题组找吴延晖他们讨论了很久。对方惊讶于 AI 对学生成绩的负面影响之大，反复向吴延晖他们确认数值的结果。

吴延晖是香港大学经济学教授。让世界银行连夜讨论的这篇研究，是他和斯德哥尔摩大学经济学教授大卫 · 斯特伦伯格（David Strmberg）等人合作完成的。研究团队调取了中国中部某县 9 所中学 26811 名初高中生、跨度 30 个月的学业记录，并进行了回溯性分析。

研究发现，用了 AI 后，学生作业做得更快、更好了，但 6 个月内，同样是这批学生，月考成绩下降了 20%。

而负面影响随时间推移持续，两年后，学生的中考和高考成绩分别下降了 24% 和 18%。这一研究的发现被总结为 " 学习惩罚 "。

几乎在同一时期，世界各地的学校和教育部门，也开始重新审视生成式 AI 入校的边界。

今年 6 月，挪威政府提出，从 2026 年秋季开始，小学生原则上禁止使用生成式 AI。到了 9 月，纽约市宣布，将限制 8 年级及以下学生在校使用生成式 AI。

对于技术能不能改变人的能力这件事，吴延晖原本一直抱有戒心。计算机、互联网、社交媒体的出现，都曾被视为 " 变天 " 或是寄予厚望，但回头看，这些技术更多改变了人的工作方式和生活方式，并没有从根本上改变人所拥有的能力。

但 AI 让他的判断发生了变化。在他看来，AI 相当于一台 " 会思考的机器 "，可以直接从事认知性工作。" 对人的能力来说，AI 这项技术，或许比以往任何技术都更具颠覆性。" 他说。

作业做得更快更好，考试成绩反而一路下滑，这个看似矛盾的现象，把问题推到了所有人面前。AI 进入教育是一个复杂的过程。在他看来，简单地禁止，或是一味地推广，都未必是答案。

以下，是吴延晖的讲述。

2022 年，ChatGPT 刚出来时，教育界更多是乐观的。大多数人认为，它是知识工作者的有力助手，也是学习的好帮手，可以让学习过程变得更顺畅。

但到了 2024 年之后，我开始听到越来越多不同的声音。各个国家的老师都在说，感觉学生变懒了，有些甚至觉得学生 " 变笨了 "。

我在美国的同事也提到，同一门课，考试题目每年差不多，学生成绩却逐年下降。尤其在计算机教育这些 AI 使用比较多的领域，这种变化更加明显。

很多老师觉得，现在的学生越来越不好教，学习能力和学习积极性都和以前不太一样。这种现象不只是发生在普通大学，全世界最好的大学都可能发生。

最开始，大家把这种变化归因于疫情。但疫情过去了，学生没有变回来。于是，大家开始怀疑，技术是否影响了人的能力。我们因此开始研究，想知道这其中到底发生了什么。

最终我们将目光锁定在中国中部的一个县。这个县人口 100 多万，人均 GDP 低于全国平均水平，但当地学生的 AI 使用率已经和美国、英国等国家接近，到 2025 年 7 月样本截止时，AI 使用率在 80% 左右。事实上，学生在学习过程中使用 AI，已经是一个非常普遍的现象。

之所以聚焦于中学，是因为大学生的许多基本能力已经形成，即使受到技术影响，之后还有机会调整。中学生则处在认知能力和学习习惯形成的阶段。在这个时期，学生受到的影响会持续更久。

在研究中，我们看到了学生不思考的证据。一些学生在作业上花的时间非常短，但他们的作业成绩其实就是 AI 的能力。比如 AI 能做到 90%，他就达到 90%；AI 能做到 85%，他就达到 85%。最后，他们的考试成绩也很差。

研究直观地表明，AI 让学生变懒了。

所谓 " 懒 "，是指开始不思考了。或者说，原本花在做作业的时间，省下来拿去做别的事情、打游戏去了。AI 让人在做作业、思考的过程中走了很多捷径，越来越难被发现。

这不意味着，用了 AI 就会直接变笨。在我们的研究里，有一批学生虽然用了 AI，但总的投入时间没有减少，他们的成绩受损就明显小得多。这些学生大多可能是把 AI 当成一个提示，问一句，然后自己接着往下做，而不是直接要一个答案。

AI 真正影响的，是那些需要勤奋、需要时间的积累才能培养出来的能力。

现在社会认可的能力粗略分成三种。一种是读、写、背、计算这类基础能力。一种是分析、逻辑推理，包括搭建框架、把一件事情讲清楚。还有一种是主动学习、好奇心和创造能力。

在目前的考试体制下，基础能力对普通考试比较重要，它更多来自习惯。分析推理能力对高考这类复杂的考试尤其重要。创造能力，则跟创造性工作关系很大。

对于中学生来说，AI 恰恰冲击了他们的分析推理能力。比如，在数学、物理这类学科里，需要一遍遍推理、证明和练习，才能形成相应能力。现在学生用 AI 把这些过程省掉了，能力就会受到影响。

思维上变懒后，会进而影响学生的学习态度和学习习惯。如果长期走捷径，一个人会越来越不能持续地想一个事情，丧失克服困难的态度，甚至把某件事情搞清楚的动力都没有了。

这种变化，光看作业成绩是发现不了的。以前，作业做不好，老师、家长会看到。为了让作业成绩好看，学生不得不思考。

而现在，AI 制造了一种高分假象。学生即使不思考，也能把作业做得很好。老师不说了，家长也不说了，于是学生就心安理得地不思考了。

我自己也用 AI，但用得不算太多。有一些很明确的 " 脏活累活 "，比如写代码、跑模型，或者检验一个数学证明对不对，我会交给 AI 做。这些事情，AI 做得又快又好。

但有一样东西，即使 AI 做得又快又好，我还是没有让它做，就是我的教课讲义和 PPT。因为 AI 做得太平滑了。

教课、学习的过程，一定要有摩擦。

不是所有摩擦都值得保留。笔误、计算错误，这些是没有意义的摩擦，能避免当然要避免。

我说的摩擦，是人在探索一个还不太了解的问题时自然产生的卡顿。这些属于学习过程中自然产生的摩擦。

如果 AI 把这些摩擦全部抹掉，学生就会觉得每一个问题都很容易。可它之所以容易，有时候只是因为难点已经被跳过去了。

但难点恰恰是真正需要突破的。难点被跳过、被简化，思考就不会透彻。我有时会看到，一些人因为用 AI 用得太多，最后连自己都讲不清楚了，因为他的思路已经被 AI 绑架了。

我也常能在我的学生作业里看到 AI 痕迹。大学生用 AI 写作业，这件事是抵挡不了的，我也不认为简单禁止就是办法。但我发现，学生交上来的东西有时越来越像 " 半成品 "。

以前，学生的作业可能有错误，但它是完整的。现在很多作业看起来没有明显错误，却总让人觉得缺了一块。

比如经济学里写一个模型，学生可能把前后的内容都写出来了，中间关键的推理步骤却没有了，跳跃非常大。有时候，AI 还会把复杂的问题简化，最后做出来的东西，看起来很顺滑，其实和原来真正想回答的问题已经不一致了。

这就给老师判断作业质量造成了障碍。对学生来说，花很短的时间做出一个半成品，也学不到什么。

我现在会要求学生，课堂上不要只给我答案，要讲 " 你怎么想的 "。以前的课堂会更侧重于 " 你怎么做 "。而今，AI 很容易告诉你该怎么做，做的过程中又有一些漏洞，搞了半天你也不知道自己在做什么。所以我们现在重点放在 " 你在做什么 "" 你想做什么事情 "。

现在很多时候，我还是在黑板上推导，和学生一起创造知识。尤其是在教比较前沿的内容时，这个过程很重要。

很多人认为，AI 是一个普及性的工具。以前，一个高级员工才能完成的工作，现在很多普通员工用了 AI 以后也能完成，做到和高级员工一样。如此一来，AI 似乎可以缩小差距。这是大家经常讲的 "AI 平权 "。

但是教育不一样。我给你做一个推理。假定 AI 对教育有正面作用，那么资源就很重要。你有更多资源，就能用更好的 AI、更多的 AI，也更有条件学会怎么用，教育效果可能就越好。而城市的资源通常比农村多，那么差距有可能进一步扩大。

反过来，假定 AI 对教育是负面的，就像我们的研究发现的这样，那么监管就很重要。要引导孩子把 AI 用好，不把学习外包出去，需要家长、老师、学校去管理。这些东西其实都属于软性的资源，而城市在这方面一般也比农村强。

所以按照这个逻辑，无论 AI 对教育最终是正面还是负面，城乡差距都有可能扩大。

当然，这里面有一个很反差的情况。假定 AI 对教育不好，一个农村地区穷到根本用不起 AI，没有人用，那它反而会因为用不起 AI、没有受到 AI 的负面影响而变好。

但现实是，AI 并没有那么贵。我们看到农村地区的 AI 使用也很厉害。这样一来，问题就变成了：农村有 AI，但谁来管？

AI 造成 " 学习惩罚 " 的一个重要因素，是学生把学习外包出去。而防止外包，需要家庭、家长、学校这些软性的约束。

城市竞争激烈，一个孩子考不好，家长会管，学校会管。但一些农村地区，孩子考不好、没有上好大学，没有那么强的社会约束。差距仍会扩大。

所以从教育的角度，我担心的不是农村没有 AI，而是农村有了 AI 以后，缺少足够的管理和支持。

这个变量在别的国家或许会更明显。文章发出后，很多欧洲的新闻媒体在找我们采访，欧洲国家其实更担心。

因为中国学生若想把学习全部扔给 AI，家长、老师不答应，学生未来找工作也麻烦。这其中存在许多社会约束。但许多欧洲国家目前没有这么大的约束，那么把学习全部外包给 AI 的人可能会更多。

不只是城乡，未来甚至可能出现两极化社会。

一类人把 AI 用成一个非常好的工具，借助 AI 做得更好、更聪明。另一类人则把学习大量外包出去，越来越不愿意学习，知识固化，能力甚至低于现在的平均水平。

所以无论从城乡还是从阶层来看，AI 平权都不会自动发生，甚至还可能出现相反的结果。

AI 会越来越普及，我相信未来农村也会有大量 AI，这件事情本身并不难。真正难的是，怎么让 AI 去引导教育，让 AI 能够真正对教育本身产生正面作用。

现在很多学校会做一些尝试。比如让学生用 AI 预习，再通过闭卷小测，或者要求学生展示思考过程，记录学生和 AI 的互动过程。这些想法都挺好的，但它们仍解决不了学习的惰性问题。

因为每个学生的情况不一样。最好的学生天分高、基础好、学习能力强，这个阶段让他们自由使用 AI，未必会有什么问题。基础比较弱、又缺乏学习动力的学生，把 AI 工具给他，他不一定会认真使用。中间那一部分普通的学生最复杂，他们的家庭、地区、学习基础都不同，很难指望一套程序让所有学生都能自动学好。

所以，问题会变成究竟由谁来判断，一个学生什么时候该用 AI，什么时候不能用。

中小学生其实很难靠自己形成这种判断。比较现实的办法是，老师在不断探索以后，凭经验知道哪个知识点可以用 AI，哪个难点必须由学生自己思考，再替学生制定规则。

本质上来说，这要求老师要更多去管理学生怎么学习。比如课堂设计，课堂里多少内容拿来讨论，多少内容传授，作业怎么布置、怎么考核。

这意味着，老师要起到企业管理者的功能，管理学生的努力程度、学习曲线。学校还要设计制度，决定哪些行为鼓励，哪些行为需要约束。

规则怎么制定，最终还是要回到教育本身。

目前，跟 AI 相关的教育分两种。一种是教学生使用 AI，把它当成一种工具和技能，这是现在大多数学校比较强调的。另一种，是培养跟 AI 互补的能力，也就是 AI 做不到的东西。我觉得后者会越来越重要。

因为 AI 进步太快了。今天需要专门学习的一项技能，明天可能就不再重要了。

比如，AI 刚出来的时候，出现了 prompt engineering（提示工程）这样的职业，进行写提示词的专业指导。但随着 AI 能力提高，这项使用 AI 工具的技能本身的重要性就会下降。

因此，更重要的培养是那些不会因 AI 升级而贬值的能力，比如思辨能力、好奇心、审美、人际交往等。这些本是传统教育里缺失的、比较难培养的东西。

但这里又出现了一个悖论。

AI 的出现，让更多人重视这些能力的培养。知识越来越容易获得，教育似乎可以把更多时间留给这些能力。

但 AI 本身又可能阻碍这些能力的发展。AI 让人在把知识外包的过程中变懒，也可能让人变孤独，每天只跟 AI 对话，跟社会隔离开。

我觉得，这个问题很难靠一套统一的方案解决。不应该一刀切地禁止 AI，也不能因为 AI 可能有用，就自上而下地推动所有学生都用同一种方式使用 AI。

更适合的方式，也许是把它当成一种 " 社会工程 "。先让不同地方、不同学校根据自身情况去尝试，观察学生、老师和学校发生了什么，再一点点把其中的规律总结出来，最后形成更成熟的制度和政策。

它最终还是会落到，教育究竟想留给学生什么。

以前学生会背优秀范文、背模板。现在，也有人会让 AI 生成一篇作文，再把它背下来。表面上看，这两件事似乎没有太大的区别。甚至从韵律、格律、遣词造句来看，AI 生成的东西未必比唐诗宋词差多少。

但它们背后的东西并不一样。AI 生成的内容，没有蕴含人类共同的体验，这背后的文化沉淀是不一样的。

这可以推到一个更远的问题：大家共同认可的审美，到底有多重要？

假设有一天，AI 真的能够创作出一段和莫扎特一样好听的音乐，那么，你听莫扎特，还是听 "AI 扎特 "？

这取决于社会怎么去认同这些事情。我觉得，这会是未来一个很大的争论。