在历史的大部分时间里，教育都是围绕一种稀缺资源——信息——而搭建的，而生成式 AI 让这种资源变得极其充裕，这意味着稀缺资源已经悄悄转移到了别的东西上：问题的质量。 正是这一转变，让 aitutors.me 选择围绕「问中学」而不是围绕传递讲解来构建，而值得把原因讲清楚，因为除非你仔细看看学校过去究竟在为什么而优化，否则这一点并不显而易见。
教育过去在为什么而优化
一堂课，是同时把一份讲解高效传递给三十个人的方式。一本课本，是把讲解储存下来、免得反复重讲的高效方式。一个搜索引擎，是在一秒之内从数百万份已储存讲解中检索出一份的高效方式。这些工具解决的都是同一个问题：信息过去很难获得，所以获得它需要变得便宜。
这个问题基本上已经解决了。今天一个上 GCSE 化学的学生，找到一份关于离子键的正确讲解，比找到自己的练习本还快。瓶颈已经转移了。
生成式 AI 究竟改变了什么
搜索引擎早就已经让信息检索变得很快——但你仍然需要大致知道该搜索什么，而且得到的答案是别人写好的成品页面，并非针对你具体的困惑量身定制。生成式 AI 把这两种摩擦都消除了。你可以用自己的话描述那个具体的、还没成形的困惑，几秒钟内就能得到一个流畅、看似合理、还是量身定制的答案，甚至都不需要事先知道正确的搜索词。
这是一次真正的飞跃，也正因如此，答案陷阱才是一种新的、具体的危险，而不是换了个名字的旧危险。想要在不做产生真实理解所需的功夫的情况下，得到看起来像理解的东西，从来没有这么容易过。
稀缺资源转移了
这里把真正的论证摆明白：
| AI 之前的时代 | AI 时代 | |
|---|---|---|
| 什么是稀缺的 | 获取正确信息的渠道 | 提出精确、瞄得准的问题的能力 |
| 教育优化的目标 | 高效地传递信息 | 教会学习者去追问自己拿到的东西 |
| 「好学生」的样子 | 能够检索并复述信息 | 能够生成下一个有用的问题 |
| 什么会贬值 | 死记硬背的事实（会过时、会被遗忘） | 什么都不会——好好提问能迁移到各个学科、各个学年 |
一个向聊天机器人问「第 4 题的答案是什么」的学生，得到的东西和任何其他问一模一样问题的学生得到的东西完全相同：一个通用的、平均的、没有个性化的回应。这一次互动没有任何独特之处，重复做两次也学不到东西。而一个改问「我觉得答案是把两边平方，但我不确定这里为什么可以这样做——是这样吗？」的学生，会得到一个别的学生用同一份作业问不出来的东西，因为这个问题里带着他自己具体的困惑。
这不是一个反 AI 的立场
有人可能会把这理解成「不要用 AI」。这不是这篇文章的主张，也不是 aitutors.me 的立场——这整个产品本身就是一个 AI 导师。真正的主张更窄、也更有用：一次 AI 互动的价值，是由输入的问题决定的，而不是由输出的答案决定的。 两个学生可以使用一模一样的工具，却从中获得截然不同的学习量，纯粹取决于他们问了什么、以及之后又做了什么。
这正是把问、试、再问作为一套实践循环的全部逻辑所在，如果你想看这个论证的实践版本而不是理论版本，值得一读——参见「问中学」vs 直接问 ChatGPT，那里对两种方式实际产生的效果做了直接比较。
不会贬值的那种能力
事实会过时。这个学期背下来的元素周期分组编号，五年后依然成立，但很多为 KS3 考试而记住的东西，到 Year 12，更不用说大学或工作时，根本无关紧要。工具的更迭甚至更快——五年后存在的任何 AI 界面，都不会长得像今天这样。
不会贬值的，是底层那种能力：察觉自己困惑的确切形状，并把它转化为一个精确的问题。这种能力对聊天机器人、课本、导师、朋友、研究论文都通用，而且不论十年后能用的工具是不是聊天机器人，它都同样管用。这也是为什么提示词素养不等于问题素养——把一个请求措辞得聪明是一种狭窄的、针对特定工具的技能；知道究竟什么值得问，才是底下那种真正持久的能力。
这对孩子在家里如何使用 AI 意味着什么
在实践层面，这意味着衡量一次与 AI 工具相处的学习是否有效的标准，不是「我有没有得到答案」——这一点如今对几乎任何问题、几乎瞬间就能成立。真正的标准是「我问的东西，有没有让这个答案教会我一些东西」。一个在旁边看着孩子的家长，可以直接用这个标准来检验：接下来打出来的，是一个新的问题，还是准备关掉标签页？
至于这在每个学科里具体是什么样子，参见提问阶梯，它把问题的质量拆解成五个具体、可核查的层级，而不是让它停留在一句模糊的美德上。
FAQ
信息不是一直都能在图书馆和课本里找到吗？
能找到，没错——但从来都不是即时的，也不是不费力气的。找到正确的那一页，或者找到正确的人来问，都需要时间，往往还得跑一趟。AI 把这个成本压到了几乎为零，这才是真正的变化：不是答案存在了，而是产出一个答案现在不再需要任何技能，也不再需要任何时间。
这个论点是不是反对用 AI 做作业？
不是。它是关于拿到答案之后该怎么做的论点。一个拿到 AI 的输出之后继续追问的学习者——问为什么、问如果怎样、问还能用在哪里——从同样几秒钟的 AI 使用中获得的收获，远远超过那个照抄了事的人。
究竟哪种能力真的不会贬值？
察觉自己知识缺口、并就此提出精确问题的能力。事实会被遗忘，工具会更迭，但知道什么才值得问，这种能力可以迁移到之后每一个学科、每一种工具、每一个学年。