人工智能时代大学的核心使命是培育判断力

不久前，美国康奈尔大学“美国大学未来委员会”发布了一份长达238页的报告《美国大学的未来》（以下简称《康奈尔报告》）。这份由18位教授历时一年、听取6000余名利益相关者意见形成的文件，引发了美国高等教育界的广泛讨论，因为它给出了一个值得深思的判断：大学不应再把“传授知识”当作核心使命，而应以“培育健全判断力”为首要目标。

这份来自美国常春藤盟校的“自我审视”对中国大学同样具有参照意义——当人工智能（AI）使“知道什么”变得廉价时，“能判断什么”就成为了人才的分水岭。

AI时代判断力何以不可替代

《康奈尔报告》将判断力定义为“在没有标准答案、规则无法直接适用，以及不同选择各有代价的情况下，能够定义问题、识别可靠信息、权衡取舍，并作出负责任决定的能力”。这与批判性思维、反思能力有细微却关键的区别——批判性思维侧重对既有论证的审视，反思能力侧重对自身经验的回观，而判断力指向在不确定情境中作出选择并承担后果。

古希腊哲学家亚里士多德在《尼各马可伦理学》中，将有力量而无判断力的人比作“盲行的巨人”，其力量反而放大了无知的破坏力。今天，AI恰似这样一个没有判断力的“巨人”，缺乏判断力的人使用它可能会带来巨大风险。

由此而来的问题是，判断力是可以“教”的吗？

在笔者看来，如果判断力意味着在规则不适用之处作决定，它确实无法通过传授规则灌输，但这并不意味着其不可培育，只是教学必须换一种形态——判断力不可“灌输式地教”，却可“情境化地育”。

从这个角度讲，大学的任务要从“讲授知识”转向“设计判断情境”，让学生在教师引导下，面对真实或模拟的复杂问题，完整经历从犹豫、试错、修正到承担后果的全过程。这对教师自身提出了远高于讲授的要求，教师须先成为“反思性实践者”，方能成为判断情境的设计者。

AI的普及正在放大情境化教育的紧迫性。康奈尔大学校友、美国波莫纳学院院长斯塔尔的观察为此提供了注脚：“我的学生在西班牙语写作中表现完美，但课堂对话时却几乎说不出来。”“哑巴外语”在AI之前便已经存在，AI的普及进一步放大并掩盖这一断裂——写作的完美产出遮蔽了口头能力的薄弱。AI没有降低知识的重要性，而是改变了知识的角色，它从教育的“目的”变成判断的“素材”。

判断力培育的多重困境

当下，AI已深度嵌入大学学习，但判断力培养尚未获得系统回应。这背后更深层的问题在于，认知外包之所以难以逆转，不仅因为技术便利，更因为它嵌入了一套资源紧张、评价滞后、文化惯性相互强化的制度系统之中——资源紧张使教师无力设计需要个别化反馈的判断情境；评价滞后使学生缺乏发展判断力的激励；文化惯性则使“标准答案”成为师生最省力的共同选择。它们相互强化，共同构成了判断力培育的系统性约束，并通过层层传导具体表现为以下四重困境。

一是认知外包下的判断力训练缺失。判断力培养需要认知摩擦，但AI消除了这种摩擦。它将假设、检索、推理、成文等环节取消的同时，也使判断力的训练过程缺失，让使用者生成“已掌握”的错觉，诱发元认知懒惰。研究显示，AI辅助写作后，使用者的内容回忆失败率高达83.3%，撤走工具后，他们的表现反不如未用者。

二是规模化教学下的资源紧张。中国高校生师比较高，课堂规模大、教学以讲授为主，“设计判断情境”的教学形态难以大规模推广。而判断力的培育恰恰依赖反馈、对话与个别化指导，这正是教学资源配置中最稀缺的部分。

三是重结果轻过程的评价机制。传统评价体系以分数和成果为核心，考核验收侧重成品，而提问、找证据、修改、解释结论等判断过程被忽略。标准化考试多考记忆与常规计算，这恰恰是AI的强项。当人人都能借AI产出正确答案，考试便无法区分“真正学会”与“善用AI”，以结果正确性为核心的评价体系由此失去区分度。

更重要的是，当评价侧重以“完成任务”而非“发展能力”为标尺，学生将理性地选择使用AI的绩效策略而非认知投入。

四是“标准答案取向”的文化惯性。长期以来“老师告诉标准答案、学生接受标准答案”的模式已形成深层认知传统，“判断”往往被理解为“在给定选项中作出正确选择”，而非“在没有标准答案时定义问题、权衡取舍”。在此文化土壤中，AI的“即时解答”与文化惯性中“寻求确定答案”的倾向高度契合，使认知外包从可能变为必然。

从“交付型”走向“培育型”

《康奈尔报告》用“交付型教育”概括了美国本科的现状——学生支付学费，大学授予文凭，学生用文凭换取工作。该报告披露，有83%的学生将“价格”视为择校的首要因素。

价格敏感只是交付逻辑的经济表达，它在学术上的对应物是对知识冒险的回避，选课求稳妥、作业求标准、风险求规避。中国大学同样面临“学历信号”与“能力培养”之间的张力，高考的筛选功能、就业市场的学历门槛、家庭对“稳妥路径”的期待共同塑造了更务实的“交付理性”。

相比之下，培育型教育的核心不是完全否定“交付理性”和知识传授的价值，而是改变知识在教学中的位置，从被交付的结果变为判断力培养的素材。判断力培养不能停留于个体自觉，须以制度层面的系统设计加以回应。

首先，认知训练从“认知外包”转向“认知摩擦”。制度设计上应明确AI使用的边界与阶梯，可探索设置AI使用阶梯。例如：L0（无AI）要求学生亲历检索、推理、成文等认知过程；L1（AI辅助）允许提纲和资料检索用AI辅助，但必须标注；L2（人机协同）阶段，AI生成后由学生核验、质疑、重写；L3（AI批判与共创）则是把AI输出作为批判对象，分析其偏见与局限。这样做，可以使AI从“替代者”转为“对话者”“协助者”和“共创者”，通过保留必要的“费力”环节，为判断力保留训练空间，让判断力在真实认知摩擦中得以生长。

其次，教学形态从“知识交付”转向“情境设计”。《康奈尔报告》提出强化项目式学习，让学生在真实任务和不确定情境中训练解决问题的能力，这提示我们判断情境不应是课堂的点缀，而应成为教学的主结构，知识在任务中被调用，判断在取舍中被生成。我们可让AI承担知识传授、作业批改等重复性工作，使教师将时间和精力配置到情境设计、个别化反馈与深度对话上；同时借助AI助教、虚拟案例库等手段，在低边际成本下扩大“判断情境”的覆盖面，缓解生师比约束下个别化指导的稀缺。

再次，评价机制从“结果正确”转向“过程可见”。《康奈尔报告》发现，用人单位更重视判断力、适应不确定性、沟通和应对失败的韧性，而这些特质要求我们把过程评价、增值评价落到判断力这类“难以量化”的能力上，将提问的质量、证据的甄别、论证的演进、结论的解释与反思纳入考核，通过过程档案、口头答辩、修改轨迹等方式，使判断过程本身成为评价对象；同时改革标准化考试结构，增加无标准答案的开放性任务，恢复评价的区分度，从激励结构上引导学生由“绩效策略”回归“认知投入”。

最后，文化取向从“标准答案”转向“开放探究”。在课程与课堂中常态化地引入开放性问题、多解情境与价值权衡，鼓励教师以“共同探究者”而非“答案权威”的角色出现，使“定义问题、权衡取舍”取代“寻找标准答案”成为教与学的默认取向。唯有这种文化真正生长起来，“交付理性”才可能让位于“培育理性”。

为此，大学需作出主动选择，不是让AI继续放大知识外包的惯性，而是将其作为杠杆，撬动认知提升、资源重组、评价转型与文化更新，使判断力在大学中获得系统而有益的培育。大学能否回答好“判断力”这道考题，关乎的不仅是教育质量，更是一个国家在AI时代的思维品质。

（作者系浙江大学北京研究院副院长）