传统教育以系统掌握既定知识为中心，而在AI可快速生成海量知识的今天，单纯的知识记忆价值明显下降。当知识变得触手可及，学习的核心命题正在被彻底改写——不是如何更快地找到答案，而是如何提出一个更有价值的问题。
一、从“解题者”到“问题定义者”
过去两三百年，教育的核心目的是筛选出什么样能力的人去匹配什么样的流水线。学生被训练成高精度的执行者——会解题、会记忆、会在标准答案上拿高分。但AI的出现正在瓦解这套逻辑。
斯坦福大学人工智能、机器人与未来教育中心主任蒋里直言：在AI时代，依靠刷题成长起来的孩子，面临的问题不是技能缺失，而是底层思维的根本性冲突。一个只会做题的孩子，就像试图拿着精密的算盘去参加计算机大赛。他们需要从解题者进化为具有AI思维的问题定义者和AI驾驭者。
蒋里将AI思维概括为三点：懂AI，懂AI与人的区别，懂如何与AI协作。这三种能力指向同一个方向——未来需要的不再是“会答的人”，而是“会问的人”。
二、从“接受式学习”到“生成式学习”
人工智能带来的改变，不是“加法式提升”，而是“范式级重构”。
过去以整齐节奏和统一路径为特征的“接受式学习”，正在让位于多样化任务驱动下的“生成式学习”。教学角色也由“主导讲授”向“人机协同”演进，教师从“知识讲述者”转变为“认知引导者”与“任务设计者”，学生亦由“被动学习者”转变为与AI共构知识的协作者。
在北京交通大学的“BJTU知行合一”教学智能体中，AI被定位为个性化成长引导者，教师转型为学习场景设计者，学生转变为主动知识建构者。四大智能体联动协同——有的前置搭建认知框架，有的依托苏格拉底式深度追问引导学生自主复盘，有的赋能学生自主设计AI协作模块。这不是把AI当作答题工具，而是把它转化为陪伴学生深度思考的智能伙伴。
经合组织发布的《2026年数字教育展望》报告同样指出，将GenAI有效融入教学实践的关键在于强化学生的学习主体性，并将教学重心从结果转向过程。相较于通用型聊天机器人，将GenAI与明确的教学法模型相结合的混合系统更有助于促进真实学习。
三、提问，正在成为新的核心能力
斯坦福大学的SMILE系统提供了一个极具启发性的实践样本。这套系统颠覆了传统“教师提问、学生解答”的模式，转变为在教师引导下，由学生主动提问，再利用AI系统分析问题的质量，并逐步引导学生提出更优问题。它考察的不是学生能不能答出标准答案，而是学生能不能提出“高级”的问题。
系统的核心基于认知分类学，将问题从低阶的“记忆”逐级递进到高阶的“创造”。通过对学生“提问能力”本身的评分与反馈，系统地训练其思维深度，最终让学习从被动接受答案升华为主动探索和创造。
这指向了一个更深层的转变：当AI能给出所有标准答案，人的独特价值不再体现在“知道什么”，而体现在“能问出什么”。WAIC 2026青少年AI教育论坛上，未来学家凯文·凯利指出，提问、创造与担当才是人类不可替代的核心能力。猿编程创始人李翊则提醒，很多孩子借助AI快速产出成果，这种“借来的能力”正在制造新的认知陷阱——未来的教育评价体系必将重构，不再只看最终产出，更看重思考过程、人机分工与价值判断。
四、新人才范式正在浮现
上海市徐汇区教育局局长周刚在WAIC 2026上提出了两个正在到来的新人才范式。第一个是OPC（一人公司）——一个人借助AI工具，独立完成市场洞察、产品设计、技术开发、运营交付的全链条任务。第二个是FDE（前沿部署工程师）——在技术与业务的交叉地带“翻译”需求、“磨合”方案、“验证”价值。这两种人才需要的不是标准答案的记忆能力，而是主体性定义能力、场景化嵌入能力、跨学科整合能力、工程化迭代能力。
当AI可以随时提供答案，教育的价值不再是为学生装满知识的容器，而是帮他们长出提出问题的能力。正如中国工程院外籍院士郭毅可所言，面对AI的冲击，教育的未来并非在于简单地传授知识，而是要回归人类独特的生态位，帮助学生在知识唾手可得的时代，探索自我、建立身份、获得智慧。
答案越来越便宜，问题越来越贵。这或许就是AI时代学习范式最核心的转变。
