AI教育不应只教使用，而应教怀疑精神

先别急着教孩子用AI，先教他们怀疑AI

越南教育部宣布从2026-2027学年起，1至12年级全面开设AI课程。与此同时，亚利桑那州立大学也放话，从今年秋季开始，每个学院都要提供计入专业学分的AI素养课程。两件事凑在一起，看起来像是"全球AI教育大跃进"的号角。

但我在想一个问题：我们到底要教孩子什么？是教他们怎么用AI，还是教他们怎么不迷信AI？

这个区分，恰恰是当下全球AI治理最深的裂缝。

中国的答案：程序合规，但挡不住焦虑

8月底，中国工信部正式推行近200项AI标准，并确认城市级伦理审查试点已在多城市运行。这意味着，中国成为全球唯一要求在AI项目开发前——包括模型预训练之前——进行伦理审查的主要司法辖区。同一天，科技部发布了AI医学影像研究伦理指南，提出六项原则，明确说AI结果不能作为最终诊断，禁止夸大AI性能。

说实话，看到这套组合拳的第一反应是：动作真快，全球没有第二个国家能做到这种系统性的前置约束。

但再往下读，问题就来了。有专家直接指出，这套框架侧重程序性审查，缺乏实质性风险阈值。翻译成人话就是：你交一堆表格、走一遍流程、盖几个章，合规了。但AI到底会不会造成实际伤害，没有人给出一个具体的"红线数字"——比如模型在医疗场景的误诊率不能超过多少、在招聘场景的偏见系数不能高于什么标准。

这就像让餐厅在开业前填写食品安全自查表，却不设卫生检查的量化标准。表格填得漂亮，至于菜里有没有毒，那是另一回事。

更让我在意的是，这种"程序性审查"透露出的治理思路：用流程来替代判断。 当所有注意力都集中在"你有没有走流程"时，真正的风险——模型怎么决策、数据怎么被使用、算法怎么影响人——反而被架空了。

麦肯锡的数据：焦虑和回报的错位

麦肯锡2026年的全球AI调查给了个很有意思的数字：组织对AI的信念增长快于可归因的财务回报。成本削减确实在供应链、服务运营和制造业中出现了，但AI驱动的裁员被明显夸大了。

这个发现让我有点意外。因为媒体上的主流叙事是"AI正在大规模取代工作"，但麦肯锡的数据说的是：企业相信AI会带来变革，但钱还没真赚到，裁员也没想象中多。 组织正在做的是更多变革管理、流程重组、岗位调整——不是把人赶走，而是把人重新摆位置。

这恰恰是我担心的教育问题的现实映照。我们教孩子AI很强大、AI会改变一切，但真实世界里AI的落地是混乱的、局部的、甚至有点令人失望的。如果下一代人抱着"AI万能"的预期进入职场，迎接他们的可能是巨大落差。

教育的方向：不是工具课，是怀疑课

所以回到开头那个问题。越南的1-12年级AI课程，亚利桑那州立大学的AI素养学分课，方向都对。但如果这些课程只是在教"怎么用ChatGPT写作文、怎么用Midjourney做图"，那就等于在培养一批更高效的AI消费者，而非更清醒的AI公民。

真正的AI素养，核心应该是教人三件事：

第一，理解AI的边界。 它能做什么、不能做什么、在什么场景下会出错。不是抽象地讲"AI有局限性"，而是具体到：为什么AI医学影像不能作为最终诊断？因为它在某些人群上的训练数据不足，给出的结果可能有系统性偏差。

第二，学会质疑输出。 AI给的答案看起来很有道理，但它可能完全错误。教育要培养的，是那种"这答案看着对，但让我再想想"的本能。这比任何提示词工程都重要。

第三，知道谁在承担责任。 科技部的指南强调了人类对医疗决策的最终责任。这个原则应该扩展到所有领域：当AI的建议导致错误决策时，谁来负责？如果孩子从小不建立这种责任意识，长大后就会习惯性地把锅甩给算法。

我不确定越南的课程大纲具体长什么样，也不确定亚利桑那州立大学每个学院的AI课会不会都达到这个深度。但有一点是确定的：如果AI教育只教使用不教怀疑，那这代人的AI焦虑不会减少，只会换一种形式出现——从"怕被AI取代"变成"不知道AI哪里错了"。

全球的监管者忙着建流程、定标准、发指南，这些都很重要。但别忘了，最底层的防线是：让每一个拿到AI工具的人，心里都有一根弦。

这根弦，不是靠200项标准能建立的。它需要在教室里，一句一句地教出来。