大咖说丨尹后庆：在答案过剩的时代，我们要守护提问的勇气……

在AI时代人类的能力必须重构，必须着眼于培育AI无法替代的人类智能。

AI很强大，能处理海量信息。但它有明显的局限，它只能在已有的数据里优化，不会自己提出新问题，也缺乏价值观和伦理判断，更难以理解真实世界中那些模糊的情境与人际关系的复杂性。

所以，“问题化学习”在今天显得尤为重要——它正是为了培养人类独有的“特异性能力”而设计的。

那么，人类有哪些“特异性能力”呢？

有人说，机器能识别“房间里的大象”。意思是，有些本该明显可以得到认知的问题，人可能因为其立场、视野、能力或偏见的局限而对其视而不见，但AI却能把所有信息都“看见”。

然而，真正关键的是：从混沌中发现并且定义问题。“问题化学习”正是训练学生面对开放、模糊的现实，从中提炼出真问题并且划定探究边界的能力。

真实世界的问题，从来不会仅按学科来划分。在AI时代，知识的价值正在发生深刻变化，将会越来越呈现出以下四个特点：

“问题化学习”正是要培养学生融合技术、人文、伦理、经济等多重视角，形成系统性解决方案的智慧。这种需要权衡、取舍和创造性整合的思维，目前的AI还难以做到。

因此，多重视角和系统性跨领域的整合其实对于今天社会的融合是非常重要的。

当AI能瞬间生成无数个“可行”方案时，人类最不可替代的角色，是判断“什么是好的、善的方案”。“问题化学习”通过嵌入伦理讨论，培养学生的价值敏感性和社会责任感，确保技术发展真正服务于人的福祉。

所以“问题化学习”的课堂上，老师是有伦理价值追求的，是坚守我们今天应该坚守的社会主流价值的。当教师带领学生讨论问题时，教师的价值追求和引导，也就潜移默化地影响着学生。

AI的便利隐藏着认知风险——它会助长“答案依赖症”，让人满足于表面理解，失去深入探究的动力。当任何问题都能即时得到答案，独立思考的意志反而会退化。因此，“问题化学习”特意设计了一种“认知不适”。

什么是“认知不适”？不是直接给出答案——那很轻松，而是给学生一个挑战、一堆线索，让学生自己去分析、梳理，寻找解决问题的路径与逻辑。正是通过这种“不适”，我们锻造学习者深度思考的韧性。

今天的学习，不再是为了记住某个概念，而是学会如何思考。强调过程重于结果。“问题化学习”让学生经历“发现问题、收集信息、提出假设、验证修正”的完整循环。这个过程充满不确定与试错。如果没有试错，一切都是确定的，反而是有问题的。

学生不仅要解决问题，更要反思：“我是怎么思考的？我的假设有什么局限？”这种对思维过程的监控与调整，是抵御AI思维固化的关键屏障。因此通过元认知能力的增强，监控自己的思考，从而实现学习层次的深化。

今天，我们活在算法推荐塑造的“信息茧房”里——“你喜欢什么，就推给你什么”。背后是算法、是资本、是流量。

而元认知能力，正是保持思维独立性的基石。

未来不是人与机器比赛，而是人机协同的过程。“问题化学习”就是这一素养理想的训练场。

训练什么呢？

AI时代的挑战多是“棘手问题”，往往是定义模糊、没有终点、解决方案也无绝对对错。传统教育训练的“解题”思维在这里已失灵。“问题化学习”通过模拟真实世界的复杂性，试图为培养下一代的责任感与协同思维而努力。

要连接知识与行动。当学生探究“如何用AI减少教育不平等”时，他们不只学技术，更要去理解技术背后的权力关系、资源分配与社会结构。

要有多元视角的共情。在小组协作中，学生可以理解不同角色的立场，技术开发者、用户、边缘群体、监管者。这种理解与共情，是设计包容性方案的基础。

“问题化学习”的深化，需要教育系统自身变革。当机器越来越擅长答题，教育的深层使命，恰恰是教人勇敢提问、保持好奇、持续关怀。

因此，我们所有这场改革的参与者都要常常叩问自己：“我们是否站在时代前沿？我们如何对待今天的学生——他们未来是应对时代挑战的主角？我们该给他们什么？”

教师的角色必须从知识传授者走向问题情境的设计师与思维的教练。其核心任务不再是提供或者与学生一起寻找答案，而是创设具有挑战性的真实问题情境，搭建学习支架，引导学生思维深化。教学评价要从“答案的正确性”，转向提问的质量、探究过程的严谨性、协作的深度与迭代的证据。

AI在教育中也不应是“答案机器”，而应是“思维伙伴”——用来模拟复杂系统、提供实时数据、拓展认知边界。正因为AI永远不能替代学生的独立思考和价值判断，在答案过剩的时代，我们需要守护提问的勇气。

从这个意义上说，“问题化学习”不只是一种教学方法，更是人在技术浪潮中保持主体性、定义自身价值的根本回应。 课堂上我们每一次引导学生直面真问题、在困惑中坚持探索，都是在培育未来人类的独特性。