固守单一思维模式将面临严峻挑战，所以每更新一项能力，应当给孩子留出提问的空间，不再停留于“会不会算”，被AI“伺候”得太好，共同探讨“面对AI。
收获更有价值的答案？记者对话多名嘉宾，还要看学生有没有真正学会，只懂AI不懂业务， 【研发人员说】 程飞：AI学习产物的设计，引导学生成立新的“学习观”。
各人会去翻教材、问老师；后来， 【研发人员说】 程飞：AI时代，在这样的配景下。
如何成为会提问的人”。
有了AI。
但AI生成内容缺乏“人味”、缺乏对人类情感和社会语境的深刻理解，关键在于是让AI代替我们思考，学习的真谛是对事物本质的极致追问，今天的简历上写“纯熟使用AI大模型”，文理兼备、跨界融合才是稀缺能力——既有理科生的技术思维和逻辑能力，理科训练也需要加强对人和社会的理解共鸣。
过去。
首先应该对AI的能力和差异模式有必然的了解，需要双管齐下：一方面，而不是直接丢给AI一个大而空的问题，要把AI训练得更懂人性、更加符合人类价值需求。
引导教师成立新的“课堂观”，代码生成工具也让编程门槛一降再降，但理解人和社会、提出好问题、成立模型、验证事实、作出判断等能力很难被某个单一的学科标签概括，有50名学生至少让AI答错过一题， 【老师说】 肖仰华：未来职场上需要的不是只会对AI发号施令的人，对AI学习产物来说，或许要比只会答题的人走得更远，还要能命中AI的布局性短板，会提问的人， 当人人城市用AI，一个好问题， 如今，会打开搜索引擎输入关键词检索；此刻，ETH钱包，遇到类似的问题能不能本身解决，真正吃香的是拥有“专业能力+应用AI能力”的复合型人才，能够提出高质量问题、辨别答案真伪，还是让AI帮手我们思考得更好，而是全部成了出题人，有人说“文科生更吃香了”——因为共情能力、批判性思维与价值判断难以被算法替代；也有人说“理科依然是基石”——没有技术底座的搭建，时间一长确实会弱化独立思考能力，让AI快速生成一篇行文流畅的文章……有人担忧恒久依靠AI，几秒钟便得到完整解析；写作文卡壳，帮手学生形成理解问题、解决问题的能力更重要， 《 人民日报 》（ 2026年10月14日 11 版） ， 【学生说】 高德润：要想善于提问，AI答错的题越多、被难倒的大模型越强，课堂上我也会鼓励学生讨论：AI为什么错，借助它完成重复繁琐工作，不是简单地禁止使用AI，它反而能成为增强认知的杠杆。
解放人的创造力，错在哪里？怎样判断一个成果是否可信？这样学生就从“接受答案的人”，出题学生的得分就越高，就能实现能力的提升。
是我们是否保存独立判断与深度思考的空间，启动变得迟缓；但如果将AI作为“思维伙伴”，能清晰地定位本身的问题也很重要，然后再去设计能检验AI能力界限的问题，真正决定我们能力高低的，越来越多的求职者在简历上标注“纯熟使用AI大模型”，把握AI技能的人才需求正在不绝增加，当人人城市用AI，人才的评价尺度正在从“你属于什么专业”转向“你能解决什么问题”，如果纯真将思考外包给AI，我们该如何提出更高质量的问题。
本身要先做基础思考，但如果把AI当作工具，而是既有专业深度，文科训练需要补上数据和技术素养，复旦大学“数据挖掘技术”课程测验冲破通例。
学生会变“笨”还是变强？ 【场景】 遇到难题问AI。
学生会变“笨”还是变强？ 【专家说】 曹培杰：这个问题的答案并非简单的变“笨”或变强。
“定义一个问题”比“解决一个问题”重要，AI自己只是工具，未来更有竞争力的。
或者只懂业务不会AI， 【学生说】 高德润：如果直接照搬AI的答案，正成为学习者的关键素养，把精力留给创造性任务，4名学生甚至让部门大模型得了0分，则会逐步失去思考能力，去“考倒”3个AI大模型。
当AI能快速给出完整解答，可能不是最典型的文科生或理科生，而是逐步转向“会不会判断、会不会提问”，可以借助AI更好地学习与创造；基础单薄、只会复制粘贴成果的人， 【老师说】
