作者丨蒲公英教育管理研究院
来源丨《新校长》2026年第8期《全球教育新解》
很多人以为，AI的到来会让所有人变强——技术普惠，工具人人可得，能力自然水涨船高。
但数据告诉我们一个相反的事实：学生正在被迅速分成两类。
第一类，是用AI“完成任务”的人。他们把AI当成答案机器——复制粘贴、跳过思考、追求交差。第二类，是用AI“放大思考”的人。他们把AI当成思维伙伴——拓展思路、验证观点、迭代问题，让AI成为认知的延伸，而非替代。
这两类人的比例是多少？一些研究给出了数据：第一类是大约90%，第二类则是10%。
过去，没有AI的年代，学生之间的差距没那么大，往往是努力程度的差别。但现在，情况完全不同了：一部分学生用AI让自己变得更强，另一部分学生则在AI的“帮助”下甚至变得更弱。学生之间的差距，正在被AI迅速放大。
这一趋势，早在几年前就被神经科学家VivienneMing（维维安·明）敏锐捕捉。她不仅是神经科学家，也是创业者，曾参与创立多家AI公司，并长期研究“人类认知如何被技术改变”。与许多技术乐观主义者不同，Ming提出了一个略显尖锐的判断：AI不会让人类整体变得更聪明，而是会拉开人与人之间的差距。
AI时代的差距，不再是“谁更努力”，而是“谁更会把AI纳入自己的认知系统”。她把这种现象命名为认知分化。
她还把用AI“放大思考”的人称之为赛博格学习者。“赛博格”是个科学术语，意思是“人机融合的生命体”。对于“赛博格学习者”，我们这里不妨称之为“超级学习者”。
从本质上看，超级学习者不是“更会用工具的人”，而是能够在“人类智能”与“人工智能”之间建立结构的人。他们具备三种有关认知的核心能力：控制、判断和设计。
今天，认知分化和赛博格学习者这两个概念，正越来越多从学术走向课堂现实，成为教育人必须面对的核心议题。
认知分化是如何产生的
认知分化不是凭空发生的，背后有三个深层机制。
一是认知外包的不可逆性。AI最大的诱惑在于：它可以替你完成思考。问题在于：认知被外包之后，很难再收回。当大脑习惯了由AI承担思考的重任，学生就失去了亲自思考的机会和能力。这种能力的丧失，是不可逆的。
二是反馈系统的消失。传统学习依赖一个关键机制：错误→反馈→修正。犯错、反思、改进，这是人类学习最核心的路径。但AI可以生成“看似完美”的答案，让学生跳过错误，直接拿到结果。正如很多教师发现的那样：学生作业质量提升了，但课堂讨论能力下降了——因为他们没有真正经历思考过程。
三是问题定义能力的差异。在AI时代，最重要的能力不再是回答问题，而是提出问题。会提问的学生，AI使用效果极好；不会提问的学生，只能得到平庸答案。能够提出好问题的学生，AI成为他们的“外挂”；而只会被动接受答案的学生，AI反而成了思维的“替代品”。
超级学习者有什么特征
赛博格学习者不是“更会用AI的人”，而是能够把AI纳入自己认知系统的人。他们不是把AI当成工具，而是把AI当成自己大脑的延伸。他们具备以下关键特征：
Prompt思维——会“问问题”，也就是能分解问题、不断迭代提问、知道如何引导AI。他们理解：输出质量等于输入质量。
认知外包的边界感——知道什么可以外包（如信息检索），什么必须亲自思考（如判断与价值）。这是避免认知退化的关键。
验证能力——始终保持批判性，默认“AI可能是错的”，交叉验证、反向提问、检查逻辑。
人机协同的节奏感——知道什么时候自己思考，什么时候借助AI。这是思考的节奏设计能力。
元认知能力——不断反思：我是怎么得出这个结论的？哪一步依赖了AI？关注学习过程，而非仅仅是结果。
多模态表达能力——不局限于文字，能用图像、数据、模型、代码等多种方式与AI协同表达复杂思想。
学习系统构建能力——主动设计自己的学习系统：使用哪些AI工具、如何记录与迭代、如何积累知识。这是赛博格学习者与普通使用者的本质区别。
如何培养超级学习者
在AI逐渐成为学习基础设施的今天，许多学校发现：学生“在用AI”，却不懂如何用AI“放大思考”。原因并不在技术，而在于学校内部长期存在的三种“隐性结构”。
首先，是以答案为中心的学习结构。课堂与作业往往围绕“标准答案”展开，学生习惯于寻找正确结论，而不是提出问题。这直接抑制了最关键的能力——提问与建模能力，而这正是与AI协同思考的起点。
其次，是以结果为导向的评价结构。分数与正确率成为唯一标准，学习过程被忽视。在这样的体系中，学生没有动力去记录思考路径、反思认知过程，也就难以发展验证能力与元认知能力。
第三，是以个体完成为默认的学习结构。传统课堂强调独立完成任务，协同被限制，更不用说与AI协同。这使学生缺乏“人机协同”的经验与节奏感。
正是这三种结构，使学校在无意中培养的是“完成任务的人”，而不是“设计认知系统的人”。如果不改变这些底层结构，赛博格学习者就难以真正出现。
如何培养能够与AI共同思考的学习者？
要实现这一转型，学校首先需要从任务设计入手。传统任务以“完成”为导向，学生只需交出结果即可。而面向赛博格学习者的任务，必须转向“思考过程”。例如，一项写作任务不再只提交文章，还需要呈现问题如何被提出、如何多轮与AI对话、如何修改观点。这种设计的关键，在于让“思考路径”变得可见，从而促使学生真正参与认知建构，而不是直接获得答案。
其次，是评价方式的重构。如果评价仍然只关注结果，学生自然会倾向于让AI完成任务。学校应引入过程性评价，例如：提问质量、修改深度、反思能力，以及对AI输出的判断能力。同时，通过课堂即时写作、口头答辩等方式，验证学生的真实理解。这种评价转向，本质上是在重新定义“什么是学习”。
第三，是建立清晰的AI使用边界。培养赛博格学习者并不意味着放任使用AI，而是帮助学生形成“认知外包的边界感”。例如，信息检索和资料整理可以交由AI，但核心判断、观点建构和最终表达必须由学生完成。关键不在限制工具，而在引导学生理解：哪些部分是必须由人类承担的认知责任。
与此同时，学校还需要推动学习过程的工具化与积累。通过学习日志、数字化档案等方式，记录学生的提问、修改、验证与反思过程，使学习从一次性行为变为可持续积累的系统。这不仅有助于培养元认知能力，也让学生逐渐具备“设计自己学习系统”的能力。
在这一系列转型中，最关键的变化，其实发生在教师身上——教师必须从“讲解者”，转向“认知教练”。
过去，教师的核心任务是讲解知识、提供答案；而在AI时代，这一功能正在被技术部分替代。教师真正不可替代的价值，转变为：设计高质量问题、观察学生的思考路径、引导学生反思与修正。
也就是说，教师不再是“告诉学生如何做”，而是帮助学生理解“自己是如何思考的”。在课堂中，教师需要更多地提出追问，例如：“你的这个结论是如何形成的？”“AI的回答中，哪一部分值得怀疑？”“如果换一种提问方式，会发生什么？”这些问题，本质上是在训练学生的元认知能力与判断能力。
更进一步，教师还需要学会设计“人机协同”的学习节奏：什么时候让学生独立思考，什么时候引入AI扩展视野，什么时候再回到人类的判断。这种节奏感，正是赛博格学习者区别于普通AI使用者的关键。
归根结底，培养赛博格学习者，不是增加一门AI课程，而是对学习结构的整体重构。当任务从“答案”转向“过程”，评价从“结果”转向“理解”，教师从“讲解”转向“引导”，学生才有可能真正发展出与AI协同的能力。
在这个意义上，赛博格学习者并不是技术的产物，而是教育设计的结果。学校的使命，也正在从“传授知识”，转向塑造一种能够在智能时代持续进化的认知方式。
或许，这才是AI时代教育最重要的责任。