TL;DR — 生成式 AI 让论文、作业、报告都能一键生成，「书面成品等于个人能力」这个用了几百年的评量假设悄悄崩塌。2022 年〈大学论文已死〉开了第一枪。这篇想说的是：当作业可以被生成，唯一无法被生成的，是真的在真实情境里把事情做出来的过程。我 2018 年带孩子做真实任务时，这还是教育偏好；AI 之后，它变成刚需。

一位在大学任教的朋友跟我说过一个场景，我一直记得。他班上有个学生，作业交得又快又漂亮，句句通顺、结构完整。可是同一个学生，一到需要当场说明自己写了什么的口试，就整个垮掉，讲不出所以然。这不是单一个案。AI 普及之后，很多老师都观察到同一种双峰现象：一群学生用 AI 秒杀书面作业、交出完美成品，然后在面对面的场合彻底露馅。

这个场景揭穿的，不只是作弊。还有一个我们用了几百年、却很少正式说出口的假设。

崩塌的，是一个没说出口的假设

那个假设是：一份书面成品的质量，反映写它的人的能力。

一直以来，我们的教育评量体系就建立在这句话上。我们用论文判断大学生，用报告判断职场工作者，用一份写得好不好的文件，推断背后那个人懂不懂、想清楚了没。这个推断曾经成立，因为过去要写出一篇像样的东西，你确实得先想清楚。

生成式 AI 一来，这句话就断了。现在一份漂亮的成品，可能背后根本没有那个「想清楚」的人。2022 年底，《大西洋月刊》登了一篇文章，标题很直接：〈大学论文已死〉。作者 Stephen Marche 的问题很简单：当人文学科用论文评判学生、用论文质量授予学位，而这整个过程现在都能被自动化，会发生什么事？

三年过去，答案越来越清楚。问题从「学生会不会作弊」的诚信问题，深化成一个更根本的命题：当书面成品不再说明能力，我们到底该拿什么来证明一个人真的学会了？

唯一生成不了的东西

AI 能生成一篇谈「如何做一个电商网站」的文章，写得比多数人好。但它生成不了另一件事。

它生成不了四个国中生，真的一起面对一张空白页面、卡在「我们到底要做什么」、吵过架、重新分工、然后在一个月后把网站做出来的那整段过程，历史无法复制。我在〈四个孩子，一个暑假，一个要上线的网站〉里写过这个真实任务。它的价值不在最后那份成品有多漂亮，而在成品长出来之前，那些人真的经历过的判断、协作、挫折与修正。

这就是真实任务和书面作业的根本差异。书面作业的产物是一份文件，而文件可以被生成。真实任务的产物是一段发生在真实情境里、有对象、有期限、有失败风险的经历，而这段经历，生成式 AI 替代不了。你可以请 AI 帮你写一份旅行计划，但它没办法替你走一趟熊野古道、在预算和路线之间做真实的取舍。你可以请 AI 产出一份会议记录，但它替代不了你在会议里真的说服了一个不同意你的人。

当所有可以被生成的东西都贬值，那些无法被生成的过程，变成了最值钱的部分。

从教育偏好，变成刚需

回首这段历程，真的很有意思：2018 年我带那个真实任务项目的时候，还没有 ChatGPT。

那时候我主张真实任务比模拟作业好，是一种教育选择、一种偏好。我相信孩子在真实压力下学到的东西更扎实，要在实战中学习，但我没办法说模拟作业「没用」，它至少还能练基本功。AI 之后，情况变了。当一份模拟作业可以被一键生成、而且看不出破绽，它作为学习证明的效力就趋近于零。真实任务不再只是「比较好的选择」，它变成少数还能可靠地长出、也能验证能力的方式。

不是我的教育理念变厉害了。是潮流追上来，我也刚好站在一个位置。

世界经济论坛 2025 年的《未来就业报告》调查了超过一千家雇主、涵盖一千四百万名工作者，估计到 2030 年，39% 的核心技能将会改变。而雇主最需要的能力排在最前面的，是分析性思考，接着是韧性与敏捷、领导与社会影响力、创造性思考。这些能力有一个共同点：没有一个是靠背答案得到的，全部都要在真实任务的摩擦里才长得出来，也正好是 AI 目前最难替代的部分。

换句话说，AI 一边让标准答案变得不值钱，一边把「能在混乱里把事情整合出来」的能力，推到了更高的价格。这条线我在〈煤矿坑里的金丝雀〉里从就业的角度谈过，教育这一端是同一件事的另一面。

学习发生在挣扎里

还有一层更深的东西，关于学习到底怎么发生。

学习科学有一个概念叫「有生产力的挣扎」（productive struggle）：真正的理解，往往长在你卡住、困惑、必须自己想办法穿过去的那段过程里。答案来得太容易，那条神经回路就没有被锻炼到。写作也是这样。写作不只是把已经想好的东西记下来，写的过程本身就是在思考。学生用 AI 生成或润稿，绕过的不是打字的辛苦，是思考本身。

AI 最擅长消除你的挣扎。它让你几秒钟拿到一个看起来不错的答案，省下所有卡关的痛苦，而且排版得漂漂亮亮的。这在很多场合是好事，但放在学习里，它刚好抽掉了学习发生的地方。当获得答案变得毫不费力，那个「有生产力的挣扎」不但没有消失，反而变成一种需要刻意设计、刻意保留的稀缺品。

而真实任务，正是少数还能可靠地制造这种挣扎的东西。空白页面的焦虑、团队的冲突、模糊需求的折磨，这些「没效率」的过程，就是认知真正被建构的地方。这也是为什么我不担心 AI 把孩子的思考外包掉，只要他还在做真实的事。背后的认知机制，我写在〈系统与直觉的对决〉。

那我们该做什么

方向很清楚：给孩子 AI 替他做不了的事。

一个有真实对象的任务，一个真的可能失败的目标，一个需要跟别人协作才做得成的项目，一段会在他身上留下真实痕迹的经历。这些东西 AI 生成不了，因为它们的价值不在最后的成品，而在成品长出来之前的那个人真的走过的路。

但我不想把这件事讲得太轻。要让一个真实任务真的运作起来，从来不只靠热诚。它需要成人的时间，需要资源，也需要钱：找得到愿意投入的老师与业师，排得出陪伴和追问的时间，撑得起场地、工具与交通的花费。而且不是每个老师、每个家庭，都有条件长期这样投入。如果看完这篇的人以为「有热情就够了」，那反而是我最不愿意留下的误会。

〈从翻转到翻越〉里我说，教育的核心是让孩子与世界真实相遇。AI 没有改变这句话，它只是让这句话变得更急迫。当机器可以帮孩子生成几乎所有的作业，唯一还能确定是他自己长出来的，就是那些他真的亲手做过、亲身撞过墙的事。

作业可以靠 AI 生成，但「撞墙」的经历不行。人，正是从迎面撞墙的磨练中长大的。

孩子面临的挫折、你与孩子一同流下的眼泪、那份困惑，以及在混乱中摸索的过程，全都是无比珍贵的资产。讽刺的是，我们过去的教育体制总极力帮孩子避开或拔除这些阻碍，却又同时高喊着：不希望下一代被 AI 取代。