一句话看懂：斯坦福教授、被称为“AI教母”的李飞飞在播客中表示，AI进课堂最糟糕的风险不是学生作弊，而是学生失去学习动力和自主性；她反对一味禁用AI，也反对让工具替学生完成思考，主张在学生“卡住”时提供引导。
事件核心：发生了什么
李飞飞在周一播出的 Huberman Lab 科学播客中集中谈到了 AI 教育风险。她警告，如果工具使用不当，“我们的年轻一代学习和生活的自主性与动机被工具拿走”，这既不该由人造成，也不该由机器造成。她同样担心另一种极端——学校出于恐慌全面禁止 AI。
她引用了多项正在形成中的研究证据：牛津大学出版社去年的一份报告发现，学生使用 AI 后“速度提升但思考深度下降”；MIT 研究员 Nataliya Kosmyna 的实验也显示，用生成式 AI 辅助论文写作的人，长期表现比用 Google 或完全不用辅助的人更差。不过这一结论并非定论，去年 12 月有四位研究者对她实验的样本量、脑电分析方法和结果解读提出了正式质疑。李飞飞还提到自己在普林斯顿学有机化学时的经历：作为医学预科生，她清楚自己卡在哪里，但助教时间有限、教授答疑排不上队；如果有聊天机器人，她会主动问更多问题。
为什么重要
这轮讨论的关键价值，是把 AI 教育的焦点从“防止作弊”转向“保护学习动机”。目前公开信息显示，“认知投降”已经不止是比喻——沃顿商学院研究者用这个词描述用户过度依赖生成式 AI、主动放弃思考的现象，Possibility Institute 首席科学家 Vivienne Ming 也观察到，多数 AI 用户是在“为了少想而用”。李飞飞的立场不只是为AI辩护或担忧，而是给教育场景划了一条更清晰的产品边界：工具是否越权替人思考，取决于学生是否仍带着“想弄懂”的意图去使用它。这个判断直接影响教育 AI 产品设计、课堂管理政策和模型评价方式。
对用户/开发者/创作者的影响
对开发者而言，这是一个交互设计信号：与其把“直接给出完整答案”作为效率卖点，不如做“引导学生先陈述自己卡在哪”的 AI 辅助流程。对教师和内容创作者来说，生成式 AI 是起点还是终点，决定了学生和读者能否保持深度思考习惯。对企业用户和职场新人同样有警示：研究已经显示，长期依赖 AI 调试代码的初级开发者可能一直学不会真正的 debug 能力，这种“认知外包”会在技术迭代加快时放大组织风险。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是围绕 Kosmyna 研究的质疑尚未落地，是否会有更大样本、更严格控制的重复实验验证“越用越差”的现象。二是教育 AI 产品是否会向“引导式”设计倾斜，比如先让学习者暴露薄弱点再分层给出提示，而不是一步到位生成答案。三是主流大模型厂商是否会像讨论“AI 安全”一样，把“保持用户独立思考”纳入模型行为规范和评测维度，这将直接影响未来教育类 AI 工具的商业化路径。
来源：The Next Web
