一种工具可以改善任务产出，同时削弱这项任务原本要培养的能力。
一项针对26,811名中国中学生的近期研究就呈现了这种张力。采用生成式AI后，学生的作业成绩提高18%，完成时间减少30%。六个月后，他们在不允许使用AI的月考中，成绩下降了20%。
最简单的结论是AI损害学习。更有用的结论则更具体：当我们优化可见产出时，可能在不知不觉间消除了让任务具有价值的认知过程。
这项研究究竟测量了什么
David Strömberg、Victor Lei 和 Yanhui Wu 使用了中国中部一个县7至12年级学生的30个月数据。数据把九个科目的作业成绩与完成时间，同闭卷月考以及高中和大学入学考试连接起来。
不同学生在不同时间开始使用AI，研究者据此采用双重差分设计。这不是随机试验：是否使用工具由学生自己选择。分析会检验采用前的趋势是否可比，并尝试分离与AI采用相关的变化，但它无法提供随机实验同等程度的因果控制。
结果依然不容忽视：
- 作业成绩提高18%；
- 平均完成时间减少30%；
- 六个月内，月考成绩下降20%；
- 入学考试成绩下降18%至24%，完整影响大约两年后才出现。
这项研究只覆盖一个县和一种教育制度，而且目前是一篇尚未完成期刊同行评审流程的讨论论文。其比例不能机械地外推到每个国家、年龄段或AI使用方式。
生产效率与学习不是同一个指标
在许多活动中，用更少时间产出更好结果意味着效率提升。对学习而言，它可能恰好相反。
练习不只是为了得到正确答案。它迫使学习者回忆知识、连接概念、发现错误、尝试策略并加以修正。部分学习正发生在这种阻力中。如果工具在学生经历这些步骤之前就给出答案，它改善了交付物，却移除了训练。
过去，作业成绩可以作为知识水平的间接信号。AI削弱了这种关系：文档可以更好，提交它的人却可能掌握得更少。
这种断裂也存在于课堂之外。一份完成的报告、翻译或程序，本身已不足以证明作者能够解释决策、发现缺陷，或在情境改变后重做工作。
关键区别在于投入时间
研究中最重要的发现不是平均值，而是损失集中在哪里。
作者在约80%的AI使用者身上识别到符合“外包作业”的模式：完成时间异常短，同时成绩很高。学习损失主要集中在这一群体。采用AI后仍保持与非使用者相近作业时间的学生，损失很小。
时间本身不能证明一个人在学习。但在这里，它可以反映工具替代了多少努力。真正重要的分界，也许不只是使用或不使用AI，而是用AI穿越问题，还是用AI绕开问题。
聊天机器人和导师不会诱发同样的行为
2025年发表于 PNAS 的另一项研究，通过实验设计检验了这一机制。
近一千名土耳其中学数学学生被分为三组：不用AI的对照组、使用类似通用聊天机器人界面的组，以及使用GPT-4导师的组。后者被设计成提供提示并限制直接答案。
工具可用时，两个AI辅助组在练习题上的表现都更好。移除工具后，使用无约束聊天机器人的学生比对照组低17%。引导式导师则大幅缓解了这种损失。
底层技术相近，交互却不同。为回答问题而优化的界面让“委托”变得廉价；为教学而优化的界面可以要求先自行尝试、提出中间问题、指出错误，或控制帮助的剂量。
这并不意味着任何AI导师都会成为优秀教育产品。但它说明，把“使用AI”视为一种单一干预，会隐藏决定性的变量：产品鼓励了什么行为。
评估应测量能力，而不只是产出
禁止所有工具也许能暂时保护一种考试形式，却无法回答在AI已经存在的世界里，哪些能力仍然重要。允许任何使用同样不足：它把获得答案与掌握判断答案所需的知识混为一谈。
更稳健的设计至少要分开三个目标：
- **无辅助能力：**一个人在没有工具时必须记住、推理或执行什么。
- **有辅助能力：**如何提出要求、验证、组合并纠正AI生成的工作。
- **迁移：**练习后能否解决新问题、解释决策，或识别看似合理却错误的答案。
这会同时改变活动和评估方式。可能需要过程记录、口头答辩、带注释的迭代、受监督练习，或要求在另一情境中应用同一原则的新任务。重点不是监控每次点击，而是不再把最终文档当作学习的充分证据。
设计AI时，不要移除有价值的工作
在把AI引入学习流程之前，值得回答五个问题：
- 哪些机械性努力应该减少，哪些努力因为能训练能力而必须保留？
- 工具是在提供答案，还是在引导决策？
- 它会不会要求独立尝试后才展示解法？
- 我们能否测量一个人在之后不借助工具能做什么？
- 激励机制奖励的是学习，还是仅仅交付？
AI可以成为优秀导师、耐心的模拟器和即时反馈来源。它也可以成为一层自动产出正确结果的外壳，同时掩盖底层能力正在下降。
差异不只在模型，也在产品、活动和评估的设计。如果只测量最终产出，AI会在我们发现哪些能力已停止训练之前很久，就显得正在改善整个系统。
