问题——人工智能加速渗透，传统“标准化学习”面临再审视；随着通用智能技术和生成式工具普及，学生获取知识、完成作业和解决常规问题的方式正改变。过去依赖重复训练、记忆背诵的一些学习环节，边际价值有所下降。媒体报道显示，马云在云谷学校交流中提出，人工智能可以高效求解难题，却未必能“提出好问题”。如果教育仍以标准答案和分数为单一目标，可能难以跟上技术驱动下社会分工的变化。这也折射出教育的共同课题：在技术进步中重新回答“学什么、怎么学、怎么评”。 原因——知识稀缺性下降与能力结构变化，正在推动教育转型。一上，人工智能显著降低了信息检索、语言表达、计算推理等环节的成本，“知道”本身不再像以往那样稀缺。另一方面，产业对人才的需求结构调整，越来越看重跨学科协作、复杂情境判断、创新设计以及沟通共情等综合能力。另外，一些学校和家庭仍沿用“以题定教、以分定学”的路径：课程偏重可量化知识点，评价更关注对错与得分，导致学生在真实问题识别、研究方法、团队协作、审美与伦理诸上训练不足。外部环境变化与内部培养机制的不匹配，成为焦虑与转型压力的重要来源。 影响——教学组织、教师角色与学生能力培养将出现系统性重构。教学层面，人工智能工具进入课堂与家庭学习后，知识传授不再是唯一中心任务，教学需要更多转向项目化、探究式和情境化学习，强调从“会做题”走向“会定义问题、会验证结论”。在教师层面，教师将更多承担学习设计者、成长引导者和价值塑造者的角色：帮助学生建立问题意识与方法体系，强化学术规范，引导其理解技术边界与社会责任。对学生而言，工具带来的便利并不等同于能力提升：若缺少批判性思维与自我管理，可能出现过度依赖、思维惰性等风险；在规范引导下合理使用，则有望把重复性劳动交给工具，把更多时间投入阅读、实验、创作与社会实践。 对策——以“能力导向”推动课程、评价与治理协同升级。受访教育界人士认为，可从几上着力： 其一，完善课程体系，强化跨学科融合与真实问题学习。围绕科学探究、工程设计、人文阅读、艺术创造和社会实践等模块，引导学生在解决现实问题中形成知识结构与方法能力。 其二，改进评价方式，减少对单一分数的依赖。探索过程性评价、表现性评价和综合素质记录，关注提问质量、研究路径、合作能力、表达呈现与反思改进。 其三，提升教师数字素养与教学设计能力。通过培训与教研机制，帮助教师把技术工具转化为课堂中的“助教”和“实验室”，同时守住学术诚信与数据安全底线。 其四，强化家庭与学校协同。家长应从“结果焦虑”转向“成长陪伴”，重视阅读习惯、运动健康、情绪管理和社会交往等基础能力培养，引导孩子形成稳定的内驱力和长期投入的能力。 前景——教育竞争将从“谁更会找答案”转向“谁更会提出问题”。多位业内人士判断，人工智能对教育的影响将长期且渐进：短期内，工具会改变学习效率与作业形态；中长期将推动课程内容、教学范式与人才标准调整。未来更具优势的学习者，往往不是掌握更多事实的人，而是能在复杂情境中提出有价值的问题、进行证据推理、形成原创表达并与他人有效协作的人。学校教育的核心任务也将更突出价值观塑造、思维方式训练与人格发展，着力培养技术难以替代的创造力、同理心与责任感。
人工智能并不是教育的终点，而是促使教育重新定位的契机；面对新变化，教育工作者需要以更开放的视角和更贴近学习规律的方式，重新理解教学的价值：从强调标准答案转向鼓励独立思考，从被动接收转向主动探索。这个转变离不开学校、家庭与社会的共同参与。只有把创新能力与思维品质置于更核心的位置，教育才能培养适应未来的人才，也才能让每个学生在人工智能时代找到自己的价值与位置。