关于创造力、教育本质与人的尊严
一、一个被问错了的问题
"AI能培养学生的创造力吗？"
这个问题正在被无数教育专家、科技公司和政策制定者反复追问。答案几乎清一色是乐观的：AI可以激发灵感、降低创作门槛、提供即时反馈、实现个性化学习。
但这个问题本身，可能就已经问错了。
要回答AI能否培养创造力，首先要回答：创造力究竟是什么？它能被教出来吗？
二、创造力的本质：一种涌现
学界对创造力没有统一定义，但有一个核心共识——创造力不是凭空产生新东西，而是在已有知识之间建立意想不到的连接。
这里有一个来自AI领域的类比，出人意料地精准：大语言模型的涌现。
当模型的规模和训练深度达到某个临界点，它会涌现出训练目标之外的能力——没有人直接训练它做这件事，它自己就会了。这种涌现无法被直接编程进去，它是底层积累到达阈值后的自然浮现。
人类的创造力也是如此。它不是一个可以单独安装的模块，而是知识、经验、思维方式积累到一定程度之后，自然发生的质变。
这就意味着：创造力教不出来，但可以创造条件让它生长。 而那个条件的核心，是足够深厚的底层积累。
值得注意的是，人类创造力的涌现与模型涌现有一个关键差异：量固然重要，但质比量更关键。知识之间的连接方式、内在动机与痴迷、以及挫败和挣扎的亲身经历——这些是人类创造力独有的催化剂，在模型里没有对应物。
三、痛苦的过程不可绕过
如果创造力依赖深厚的底层积累，那么积累是如何发生的？
答案并不舒服：通过大量的、痛苦的、反复的打磨。
当你真正动手做一件事，会发生三件非常重要的事：
第一，建立约束感知。 你会撞上现实的边界——这个方向技术上行不通，那个想法用户根本不需要，这里的逻辑有根本性的矛盾。这些碰壁的瞬间，才是真正理解问题的时刻。
第二，培养品味。 Ira Glass有一句话说得透彻：创作者最早期的痛苦，来自于品味已经超前于能力——你知道自己做的东西不够好，但不知道怎么让它变好。这种折磨，是品味生长的过程。
第三，发现隐藏的可能性。 真正有价值的想法，往往不是第一个想法，而是在挣扎过程中偶然撞见的。你往东走，撞了墙，转头发现了一扇没人注意到的窗户。
AI的问题恰恰在这里：它太擅长帮你打通那堵东墙，你因此永远不会转头。
Vibe Coding是这个问题最清晰的镜子。
Vibe Coding出现之后，网上每天出现指数级增加的Demo，但一个有质量的产品几乎看不到。这不是偶然。Demo是一条路径，产品是对整个问题空间的理解。Vibe Coding可以帮你走完一条路径，但它给不了你对整个地图的掌握。而做产品需要你在成千上万个微决策里保持一致的判断——哪里可以妥协，哪里绝对不能动。这种判断力，只来自于你曾经亲手走错过很多条路。
0到80分，本质上是模式匹配——AI极其擅长。但80到100分，遇到的全是这个具体情境里独一无二的问题，没有标准答案，训练数据里也没有。它需要深度的、具身的判断力，而这个判断力只能从亲手处理过无数个具体问题里长出来。
80分是"看起来对"，100分是"感觉对"。"感觉对"的能力，是最不能被教、最不能被跳过的那部分。
四、想法不值钱，过滤器才值钱
创意这个东西，并没有大家想象的那么宝贵。
想法本身很便宜。真正值钱的，是一个想法里可能藏着的那1%——那个极小的、值得继续挖下去的闪光点。
通过大量平庸想法的艰苦打磨，把这些想法里极少的闪光点组合起来，可能就会得到一个真正的创意爆发。创造力不是教出来的，是在大量的练习中慢慢长出来的。
但这里有一个更关键的推论：找到那1%，本身也需要练习。
通过大量平庸想法磨练出来的，不只是偶尔撞见闪光点的运气，而是一种辨别能力——你能感知到哪个方向值得往下挖，哪个只是看起来有趣但实际上是死路。这个辨别力，才是真正稀缺的东西。
AI让想法的生产成本趋近于零，反而让那个判断什么值得做的能力，变得比以前值钱一百倍。
而这个判断力，只能用时间和痛苦换。没有捷径。
这也连接着一个更深的经济学逻辑：AI让显性知识的获取成本趋近于零，所以隐性知识变成了唯一真正稀缺的东西。那些说不清楚、写不出来、无法被训练进模型的东西——一个老产品经理五分钟就能感觉出哪里不对，一个资深编辑看第一段就知道这篇文章能不能救——这些判断背后没有公式，是无数次对错经历沉淀下来的直觉。AI喂的是人类写下来的东西，但人类最宝贵的判断力，从来就没有被完整地写下来过。
五、AI辅助教育：为旧教育续命
当我们把以上这些放在一起，就会发现一个令人不安的结论：
目前所有的AI辅助教育，讨论的都不是未来的教育，而是在妄图使用AI为旧的教育模式寻找合法性，为它续命。
这是一个历史规律。每一次真正的技术革命出现，第一反应永远是用新技术服务旧秩序——印刷机出现，最先印的是更多的圣经；互联网出现，报纸第一反应是把内容搬到网上；AI出现，教育的第一反应是让它帮学生更好地完成现有的作业、应对现有的考试。
2025年，AI用5分钟、149分的成绩完成了中国高考全国一卷。这不是AI在挑战高考，这是AI在宣判高考所代表的那整套逻辑的死刑。学生备考十二年，AI作答五分钟，满分。旧教育不是在培养人，它在训练一种AI五分钟就能复现的能力。
旧的教育模式为什么需要续命？因为它本来就已经失去了存在的逻辑。它是工业时代的产物——批量生产能够执行标准化任务的人。但那个时代的需求已经不在了。AI的出现没有创造这个危机，只是让这个危机再也无法被忽视。
旧教育的合法性，目前只剩下升学和找工作。
这是一种极其脆弱的合法性。它依赖的是社会契约——雇主相信学历代表能力，学生相信学历换得机会。这个契约一旦开始松动，会松动得很快。谷歌、苹果等公司已经大规模取消岗位的学历要求，AI正在让没有文凭的人展示真实能力的成本越来越低。
六、AI会改变人，但不会解放人
工业革命没有解决人类的剥削问题，它只是改变了剥削的形式——工厂主替代了封建领主，白领工作替代了蓝领工作，但工资劳动的根本关系没有改变。社会学家和经济学家期待的那个"把人从劳动中解放出来的社会"，不仅没有到来，而且很可能永远不会到来。
AI同样不会解放人，但AI会改变社会对人的要求——如果我们把人看作教育的产品，改变的是需要什么样形状的螺丝钉。
工业社会需要什么形状的人？能够服从、能够执行标准化流程、能够在固定时间内稳定输出。所以教育就造出这种人。统一课程、统一考试、统一评价标准，本质上是一条生产线。
但AI能替代的，正好是工业教育最努力在生产的东西。而AI替代不了的，是在痛苦中生长出来的判断力、品味、那个1%的过滤器，以及真实的责任感。
这里有一个深刻的讽刺：AI时代社会可能需要的那种人，恰恰是工业教育最不擅长、也最不在乎培养的。
而从更悲观的角度看，还有另一种可能：如果控制AI的人发现，一个判断力弱、依赖AI、无法独立思考的人反而更容易管理、更容易被系统整合，那么新的螺丝钉不是"更有智慧的人"，而是"更高效地服从AI中介的人"。
七、超级个体与肉体执行器
两种极端的未来已经开始显现：
一种是超级个体——一个人的能力足够强，可以使用AI完成以前需要大型团队完成的事情。一个人的SaaS产品做到百万用户，一个独立研究者的影响力超过整个院系，一个人的收入超过一亿美元。
另一种是AI的肉体执行器——AI做所有的认知工作，人只需要提供双腿和双手。外卖骑手、网约车司机、仓库工人，算法决定一切，人只提供物理接口。这不需要具身智能，人类已经是现成的、廉价的、高度灵活的物理接口。
真正让人警惕的不是这两端，而是中间那一层正在悄悄消失——那些用AI让自己效率提升20%的知识工作者，那些用Vibe Coding做出Demo的开发者，他们以为自己在往超级个体的方向走，但实际上和真正的超级个体之间的距离正在变大而不是变小。他们获得了工具，但没有获得判断力。
值得注意的是，目前出现的超级个体，几乎都来自传统精英教育——在AI成为捷径之前就完成了深度积累的人。他们是旧系统最好的产品，也是旧系统最有力的掘墓人。
这种分化不只是经济上的两极分化，而是能力的两极分化，而且可能是结构性的、代际性的。最可怕的不是不平等本身，而是这个鸿沟可能在形成之前就已经注定了。
弗兰克·赫伯特在《沙丘》里六十年前就写下了这个警告：
"曾经人们将自己的思考交给机器，希望这能让他们获得自由。但这只是让其他拥有机器的人得以奴役他们。"
八、新教育应该是什么样的
如果旧教育需要被替代，新教育应该是什么样的？
基于以上分析，轮廓是清晰的：
传统的学习内容本身没有大问题。 数学、算法、物理，很多东西必须通过做题来促进抽象理解和内化模式。但学习的节奏和流程是流水线的——这才是问题所在。
新教育应该是学习者自主驱动的。不是老师规定你学什么，而是你知道自己想要什么，用项目和真实问题引领学习，需要什么学什么。高中阶段完全可以不按学科顺序推进。
做题依然必要，但刷题失去意义。 做一定量的题让自己对概念理解达到85%以上就够了，不需要刷到100%的熟练度——AI可以处理剩下的边缘情况。但有一类东西需要走得更深：奠基性的概念理解。什么是导数的本质、什么是数学证明的结构——这些底层的思维方式，85%是不够的。区别在于：程序性的达到85%足够，概念性的必须真正打穿。
大纲从路线图变成地图。 路线图告诉你走哪条路、走多快；地图告诉你这片土地上有什么，路由你自己选择。大纲成为背景参考，而不是严格约束。进度的意义也变了——不是"完成了多少规定内容"，而是"解决了多少真实问题、理解走到了多深"。
AI在这个模型里是梯子，不是电梯。 在学生用项目驱动学习、真正卡住的时候，AI递上一块垫脚石，让他能继续往前走——而不是替他走完整段路。脚手架的存在意义，是在建筑完成后可以被拆掉。如果拆掉AI之后什么都做不了，说明脚手架变成了承重墙，这个学习从一开始就走错了。
一个具体的学习模式：建一个空的文件夹，告诉AI你想要学什么、你目前的水平、学习的目的和期望深度。AI帮你创建学习计划，把所需的资料下载进来。学习过程中，你就这些资料的内容与AI对话、提问、验证理解。AI还会布置作业检测学习结果。全程你在学，AI在协助。
STEM项目同理：告诉AI项目目标和当前能力，AI评估知识缺口，补完后测试，再重新讨论项目目标——如此循环，直到能独立完成项目。每一轮循环后，知识的增长让项目目标本身也在升级。这个迭代过程，就是创造力涌现的真实路径。
但这一切有一个无法绕过的前提：动机必须来自真实的人。 AI无法取代人的主动性，这是我们需要为人类维护的最后一点尊严。
九、一线视角：真实的教育困境
以上新教育的图景是真实的，但它面对的现实约束同样是真实的。
以中国的一线课堂为例，AI嵌入教育面临的不是技术问题，而是系统问题：
老师没有使用AI的激励。 提高工作效率不能带来收入提高，AI工具的token成本需要自费，在考试制度没有改变的情况下，AI对提升教学效果的帮助极其有限。这不是老师保守，这是完全理性的判断。
个性化工具与班级制存在结构性矛盾。 AI的核心价值是1对1的动态响应——它需要知道这个具体的人现在卡在哪里。但中国的班级是40到50人同步推进。这两件事在物理结构上根本不兼容。所有AI教育产品想嵌入旧系统却嵌不进去，原因就在这里——它想嵌入的位置根本没有它的形状。
设备管控问题。 在班级环境下，老师无法做到有效的设备管理。
综合这些约束，AI在教育中目前最合理的位置，是作为家庭教育的补充，作为课后教育的补充，而非课堂教育的组成部分。 在家庭里，可以做到针对化的个性化学习，用我们谈到的AI辅助学习形式作为学校教育的补充，而不是替代。
十、教育的不公平将被进一步放大
教育从来不是一个公平的体系。它筛选的不只是孩子天生的能力和自驱力，更筛选的是整个家庭的背景：家长的信息获取和处理能力、对未来的判断能力、规划能力和落地能力、以及亲子关系的质量。
布迪厄几十年前就揭示了这个机制——学校看起来在选才，实际上在复制阶层。文化资本、社会资本、经济资本通过教育系统完成代际传递，然后用考试成绩这个看起来客观公正的标准，把这个传递过程合法化。
AI带来了一种新的、可能是最不平等的家长优势：对未来的判断能力。
能够理解AI会怎样改变社会、改变什么样的人有价值的家长，会给孩子做出完全不同的选择——保护那个痛苦的学习过程、用AI做side project而不是做作业捷径、培养那个1%的过滤器。而大多数家长看到的，是"AI能帮孩子提高成绩"或者"AI会不会让孩子变懒"。
同样是AI这个工具，两种判断力的家长用出来，结果会是两个世界。
AI对教育公平最深的冲击，不是数字鸿沟——有没有设备、有没有网络——而是判断鸿沟。这种判断力，没有办法靠AI普及。
十一、被忽视的根本问题：动力从哪里来
教育专家的方案，几乎无一例外地建立在一个虚假前提上：学生是有学习意愿的。
这就是教育学版本的"理性人假设"。经济学花了几十年才开始承认理性人是个神话，教育学到现在还没有真正面对这个问题。所有的教育方案设计，默认的都是一个已经被激活的学习者。现实里，这样的学生是少数。
对于一线教师来说，工作中遇到的最大困难恰恰是：学生不愿意学。尤其是小学和初中阶段，学不会的主要原因往往不是智力问题，而是意愿问题。因为这些知识没有难到一个正常智力的孩子学不会的程度。
还有一个被系统性忽视的结构性缺陷：知识漏洞的累积。一年级没学会加法的孩子，问题很可能只是发育时机没到——等一年他就会了。但系统不等他，带着漏洞推进，漏洞叠漏洞。系统制造了这个伤害，然后把责任归结给孩子，说他"学习困难"、"态度有问题"。布鲁姆的掌握学习理论说得明白：不掌握当前内容，不进入下一阶段。但这和按年龄推进的班级制根本矛盾，所以几十年来从未真正被实施过。
AI在动力问题上能做的事情，有限但真实：
- 修复能力感。 AI可以真正做到从这个孩子实际所在的位置出发，帮他填上那个漏洞，让他重新体验"我能做到"。掌握感本身就是动力的来源。
- 找到共鸣点。 AI的个性化可以发现这个孩子对什么有残余的好奇心，用那个入口进入学习内容。
- 缩短反馈回路。 让努力和进步之间的延迟变短，让成长变得可见。
但AI无法制造原本不存在的动力。真正持久的动力来自真实的受众、真实的后果、真实的人际认可。一个老师说"你这次真的进步了"的力量，AI永远复制不了。而那些经历了太多年失败和羞辱、对学习本身产生了防御性关闭的孩子，需要的是人，是关系，是漫长的重建信任的过程。
十二、结语：人的尊严
把所有的线索收拢起来，得到一幅清醒而复杂的图景：
AI不会改变谁剥削谁的根本结构，但它会改变社会对被剥削者的要求。旧教育正在失去合法性，但没有人知道新教育是什么样的。超级个体已经出现，肉体执行器也已经出现，中间那一层在悄悄消失。AI最合理的教育位置是家庭里的课后补充，而不是课堂里的工具。教育从来筛选的是家庭资本，AI只会让这个筛选更加精密。
而在所有这些宏观的结构分析之外，有一件小事不应该被遗忘：
动机来自真实的人。AI无法取代人的主动性。我们也需要为人类维护一点尊严。
AI可以帮你更快地到达很多地方。但如果所有的路都是AI带你走的，你会慢慢不知道自己能不能走路——不是因为腿坏了，而是因为你忘了你有腿。
教育真正需要保护的，不只是某些具体的技能，而是一个人在面对困难时还愿意相信自己能搞定的那个感觉。那个感觉，只能从真实地搞定过困难的经历里来。
有些事情让人自己做，不是因为AI做不了，而是因为那件事本身就是为了那个人而存在的。
创造力、品味、眼光，都只能在痛苦中生长。这不是需要被修复的缺陷，这是人之为人的方式。
本文源于一场关于AI与教育的深度对话，对话者包括一位中国一线教师。