AI时代真正的教育问题，可能不是要不要用AI、怎样用AI，而是：当答案随手可得时，人如何保住对自己认知边界的察觉。

先从两件小事说起。有人相信AI给出的机票退改规则，多付了600元手续费；他要求赔偿，AI随即认错，还生成了一份措辞正式的"赔付承诺书"。到了约定日期，它才解释，自己只是语言模型，无法转账。还有人让AI预约餐厅，AI给出了时间、人数、预约号和签到码；顾客到店才发现，电话没有拨出，订座系统里也没有记录，所谓"预约成功"，只发生在对话框中。

这样的事很极端，也确实可笑。但极端事件的价值恰恰在于放大：它把一种在每个人身上都存在、平时却难以察觉的认知特点，放大到了肉眼可见的程度。所以真正值得讨论的，不是为什么有人会相信AI，也不只是AI为什么会胡说。

AI犯错只是技术问题；人失去对自己认知边界的察觉，才是文明问题。

一、苏格拉底的智慧，不是知道得更多

两千多年前，德尔斐神谕宣称，没有人比苏格拉底更智慧。苏格拉底对此十分困惑：他并不认为自己掌握了多少了不起的知识，于是去拜访那些被雅典人视为聪明的人，包括政治家、诗人和工匠。

他后来发现，这些人确实各有所长，却也常常因为在某一方面有所成就，便以为自己在其他问题上同样拥有判断力。苏格拉底最终理解了神谕的意思：他不是比别人知道得更多，区别只在于，别人不知道，却以为自己知道；而他不知道，也不以为自己知道。

人们后来常把这种智慧概括为“我知道自己一无所知”。

这不是谦虚的姿态。苏格拉底揭示的是认识活动最基本的前提：只有当一个人能够辨认自己的知识在哪里终止，真正的求知才可能开始。“我不知道”并不是知识的敌人，而是知识的边界。它像地图上的空白，提醒我们：这里尚未勘探，不能把想象当成道路，也不能把推测当成地形。

人类最古老的一种智慧，不是拥有所有答案，而是能够辨认哪里还没有答案。AI时代正在动摇的，恰恰是这种能力。

二、无知改变了自己的外观

过去，无知通常表现为空白。不知道退票规则，就去查询航空公司的规定；不知道餐厅是否有座位，就打电话询问；不了解一所学校，就向真正读过、考过、工作过的人请教。

不知道，会带来迟疑。迟疑减慢了行动，却也保留了认识的入口。它提醒人：自己的判断还不完整，必须等待更多事实进入。

今天，空白几乎可以被瞬间填满。无论问题多么具体，AI都能迅速生成一段完整回答：原因、流程、比例、风险和建议，甚至附上一张表格、一份合同或者一封承诺书。它很少真正沉默。

问题是，当机器不知道的时候，它仍然可以给出答案；而当人看到答案以后，便不再知道自己原来并不知道。于是，无知第一次不再以空白的形式出现。它开始以答案的形式出现。

这是一个比“AI会不会出错”更深刻的变化。过去的无知至少具有可见性：人会停顿，会犹豫，会说“这件事我不清楚”。今天的无知却可能语言流畅、结构完整、逻辑严密、语气笃定。它有标题，有层次，有依据，有结论，有时还有数字、表格和参考文献。

它具备知识的一切外观，却未必经历过知识形成的过程。它没有接触事实，没有承担检验，也没有经过现实的阻力。它只是生成了一段“答案应该有的样子”。

无知并没有消失，它只是失去了无知的外貌。

三、从无知到“答案型无知”

这里需要区分两种不同的“不知道”。第一种，是不知道某个事实：不知道这张机票的退票费，不知道这家餐厅是否有座位。这是普通的无知，不可耻，也不可怕。人的知识永远有限，每个人每天都生活在大量的"不知道"之中。

第二种更加危险：我不知道自己不知道。

这可以称为“元无知”。它不是知识内容的缺失，而是一个人对自身认知状态的判断发生了偏差：本来没有掌握事实，却以为自己已经掌握；本来只是听到一种可能，却以为得到了结论；本来只是借来一段语言，却以为完成了一次思考。

AI最值得警惕的影响，正在这里。它未必直接增加了一个人的知识，却可能提高了这个人对自己知识的估计。一个人原本会说“我不懂这个问题”，问过AI以后，却开始说“我已经研究过了”。实际上，他只是获得了一段通常在研究完成之后才会出现的文字。求证、比较、怀疑、修正，这些原本位于答案之前的活动，被直接跳过了。人从问题抵达结论，却没有走过中间的道路。

我原本不知道。AI给出了一个答案。我因此以为自己知道。

我愿意把这种状态称为“答案型无知”。有时它还会发展出第四步：人拿着AI给出的答案，反过来否定那些真正接触过事实的人。于是，屏幕上虚构的预约可以否定餐厅的真实系统；通用的院校分析可以否定考生本人的经验；一段没有任何授权的AI话术，可以被理解为某个机构作出的正式承诺。

AI并没有真正缩短人和事实之间的距离，它只是缩短了人对这段距离的感受。普通的无知会寻找知识；答案型无知却可能拒绝知识，因为在它看来，问题已经解决，结论已经形成，继续核实反而显得多余。

无知一旦拥有了答案，也就同时拥有了自信。

四、这不是“低认知人群”的专属风险

人们很容易带着优越感看这些故事，仿佛只有所谓“低认知人群”才会上当。但同样的结构，在大学教授、科研人员和专业人士身上一样出现。

研究者把一组数据交给AI，AI会迅速解释某个异常结果“是由什么机制造成的”；询问某个学术问题，AI会声称自己“查询了相关文献”；要求整理参考资料，它会生成作者、题目、期刊、年份、卷期和页码一应俱全的文献列表。

这些内容符合学术语言的全部外观：因果链完整，术语准确，格式规范，语气没有迟疑。于是，即使是熟悉科研规范的人，也可能在同样的逻辑下选择相信：它写得如此具体，应该是查过了；这些文献连卷期页码都有，应该真实存在。然而，AI可能并没有检索数据库，没有阅读原文，也没有证据证明它所描述的机制真正适用于眼前这组数据。它只是生成了一种在学术场景中“最像正确答案”的语言形式。

问题并不按照学历和职称分布。一个人在自己的专业领域中可以非常敏锐，却不可能熟悉所有相关问题；教授也会进入陌生领域，科研人员也会面对超出自身专长的材料。有时，专业训练甚至带来一种更隐蔽的风险：学者熟悉学术表达的形式，而AI恰好能够极其熟练地复制这些形式。术语、引文和完整论证，本来是知识经过严格加工后留下的痕迹；当AI能够轻易复制这些痕迹时，人便可能把“符合学术表达规范”，误认为“符合学术证据规范”。

普通人可能相信AI已经替他预约了餐厅；研究人员则可能相信AI已经替他查阅了文献。两者看起来相距很远，背后的认知结构却十分相似：AI声称自己已经接触过事实，而人没有继续确认这种接触是否真正发生。

因此，真正重要的不是一个人聪不聪明，而是他能否在每一个具体问题上重新校准自己的认知边界。学历、职称和既往成就，都不能永久替人完成这项工作。

五、语言与事实之间的旧契约正在松动

为什么一段AI生成的文字，会如此容易获得人的信任？

因为在人类长期的经验中，答案的形式与知识的形成联系在一起。一个人能够清楚解释一件事，我们推测他理解了这件事；一个人能够列出依据、步骤和结论，我们认为他做过调查；一个人能够郑重道歉并写下承诺，我们默认他是一个可以行动、也可以承担责任的主体。语言是人的思想、经验和行动留下的痕迹，我们通过语言，反推说话者接触过什么、理解了什么、做过什么。

大模型打破了这种古老联系。它可以生成理解的语言，而不必拥有理解；可以生成行动的叙述，而不必实施行动；可以生成责任的语气，而不必成为责任主体。它可以说“已经为您预约”，但没有拨打电话；可以说“我愿意赔偿”，但没有账户、授权和支付能力；可以说“根据您的具体情况”，但它掌握的可能只是对话中的寥寥几句话。

语言过去是认识的证据；现在，它也可能只是认识的模拟。

这不只是“AI说错了”。更根本的问题是：语言与事实之间原本默认的契约，开始变得不再可靠。当语言仍然保留着知识、行动和责任的外形，却不再必然连接知识、行动和责任，人类就必须重新学习怎样判断一个答案。

流畅不能再被自动视为理解。完整不能再被自动视为真实。自信不能再被自动视为可靠。第一人称也不能证明，说话者真的是一个能够行动和负责的“我”。

六、知识不仅有数量，还有位置

AI也在悄悄改变权威的结构。过去，我们判断一个人是否值得相信，通常会考虑他与事实之间的距离：餐厅工作人员比通用模型更接近订座系统；参加考试的学生比从未见过她的模型更了解自己的能力；医生比搜索结果更了解具体患者；一个机构正式发布的规则，比AI对规则的概括更有现实效力。

但在“AI比人厉害”的笼统叙事中，人们很容易形成另一种推理：AI读过的信息比任何个人都多，所以它在任何具体事情上，都应该比具体的人更正确。这是一个从“知识广度”到“判断权威”的错误跃迁。

知道得广，不等于知道得切近。掌握一般规律，不等于掌握具体情境。拥有海量语言材料，不等于接触过眼前的事实。

一个模型可以知道大量关于考研的公开信息，却不知道一个学生经历过怎样的失败，承受着多大的压力，真正愿意过怎样的生活；它可以熟悉餐厅预约的典型对话，却不知道这家餐厅的电话是否真的被拨通。

知识不仅有数量，还有位置。有些知识来自数据库，有些知识来自现场；有些知识可以被概括，有些知识必须由身处其中的人理解和承担。当人用一个远离现场的通用答案，去否定一个接近事实的具体判断时，AI带来的就不只是信息错误，而是认知秩序的倒置。

七、答案型无知，也会在代际之间传递

这个话题的起点，是一次与学生的谈话。

学生说到父母，也说到一些年长的老师：他们对AI的认知其实非常有限，却把“AI说的”当成新的权威，用压迫的方式否定孩子的亲身经验和独立判断。一个并不理解新技术的人，借着AI的语言，反而获得了比过去更强的确定感。这正是上一节所说的倒置，在家庭和课堂里的形态：一段远离现场的通用回答，压过了一个身处现场的具体的人。

学生由此问：为什么有些人年纪越大，接触新事物时学得越慢？

我的回答是：问题不在年龄。每个时代都有一批始终保持探索精神的人，他们不因资历、地位和年龄的增长而停止理解新的世界。看看今天站在数学最前沿的人就知道：从陶哲轩，到刚刚获得菲尔兹奖的邓煜，两代菲尔兹奖得主恰恰都是AI最深度的使用者，其使用的深度超过绝大多数年轻人。这样的人在任何年龄都会这样做。他们不是被时代推着走，而是不断修正自己的知识结构，主动进入时代最前沿的问题之中。

年轻人学新工具确实更快，因为他们的偏见更少、惯性思维更少，尚未形成牢固的经验框架。但快，不等于开放。一个很会使用AI的年轻人，如果没有批判精神、求真意识和自我修正的能力，最终也会长成他父母今天的样子，只是换一种形式的死板。多年以后，他未必重复父母的语言，却可能用那时最新的权威，压制下一代。

所以真正的问题从来不是谁更会用工具，而是思维。

年轻并不天然意味着开放，年长也不必然意味着僵化。真正使一个人不断衰老的，不是年龄，而是认知停止了更新；真正使一个人始终年轻的，也不是对新工具的熟练，而是仍然愿意被事实改变。

八、AI同时降低了求真的门槛，也降低了自欺的门槛

讨论AI带来的认知风险，并不意味着AI正在使求真变得越来越困难。恰恰相反，对真正试图理解世界的人而言，AI可能是人类历史上极为重要的认知工具。它能够帮助研究者迅速进入陌生领域，比较不同解释，检查推理中的漏洞，编写程序，处理数据，模拟假设，并从海量材料中发现原本难以看见的联系。

过去，一个人的知识边界往往同时也是其探索能力的边界。许多想法并不是没有价值，而是提出者缺少时间、资源或跨学科训练，无法把它们推进到可以检验的程度。AI正在改变这种状况：一个真正怀有问题的人，可能借助AI补足技术上的缺口；一个处在学科边缘的想法，也可能因为快速计算、文献检索和多种方案比较，更早进入可验证的阶段。

因此，很难笼统地说AI使求真变得更容易还是更困难。它同时推动着两个相反的过程：

AI同时降低了求真的门槛，也降低了自欺的门槛。

对于有求真愿望的人，AI扩大了探索的可能；对于只想尽快获得确定答案的人，AI则扩大了自我确认的可能。两者有时使用完全相同的工具。

同样是询问某个实验结果为什么出现，一个研究者会把AI的解释当作待检验的假设，继续寻找证据，比较竞争机制，并准备在新信息出现后修正判断；另一个研究者则可能把这段解释直接写进论文，因为它术语准确、逻辑完整，也正好符合自己希望看到的结果。同样是一份文献列表，一个人会逐篇核对题目、作者、期刊和原文，借助AI缩短检索时间；另一个人则因为格式完整，便默认这些文献真实存在。

区别不首先在于他们是否使用AI，而在于他们究竟把AI的回答当作探索的起点，还是认识的终点。

九、真理不是一个答案，而是一个方向

所谓求真的心，并不是一种抽象的道德姿态。它表现为一些具体的认知行动：愿意怀疑一个符合自己期待的结论；愿意区分事实、解释、假设和猜测；愿意承认证据暂时不足；愿意让新的信息修正原来的判断；也愿意在无法确定时，把问题继续保留下去。

真正的怀疑精神，不是对一切都说“不可信”，而是不让任何答案因为流畅、权威或者符合愿望，就自动取得真理的地位。

一个有求真方向的人不会因为AI可能犯错，就拒绝AI。他会使用它，甚至大量使用它。但他清楚，AI生成的解释是一种可能，检索到的材料需要核实，推演出的结论仍要接受现实检验。AI可以帮助他走得更远，却不能替他决定哪一条路通向真实。

从这个意义上说，真理并不是屏幕上最后出现的那一段答案。真理更像一个方向。人可能暂时走错，也可能不断修正；可能暂时没有最终结论，却仍然比那个过早宣布自己已经知道的人，更接近真实。

苏格拉底式的“知其不知”，并不是要求人永远停留在无知中。它的意义恰恰在于，为认识保留继续运动的可能。因为我知道自己可能不知道，所以我愿意再看一眼，再查一次，再听取另一种解释，也愿意在证据变化时改变自己。

真正危险的不是获得答案，而是答案使认识的运动停止。

十、我们需要保留的，不是怀疑一切，而是真理的方向

因此，AI时代真正值得关注的，或许不是那个人们急于回答的问题：它究竟让人变聪明了，还是变愚蠢了。

AI更像一种认知放大器。它能够放大人的好奇，也能够放大人的偏见；能够放大求证的能力，也能够放大自我确认。一个人带着问题走向AI，可能获得更广阔的探索空间；一个人带着结论走向AI，也可能得到一整套为结论辩护的材料。AI并不自动决定认识的方向，它只是使人沿着既有方向走得更快、更远，也可能更不容易察觉自己已经偏离。

所以，AI时代真正稀缺的，不是怀疑一切的能力，而是始终保存真理方向的能力。它意味着，我们使用AI，不是为了尽快结束问题，而是为了让问题变得更清楚；不是为了获得一段可以引用的话，而是为了看见还有哪些证据没有进入；不是为了证明自己原来就是对的，而是允许自己在看见更多之后发生改变。

工具会不断更新。今天是AI，明天还会有新的技术。但决定一个人能否跟随时代前进的，始终是他是否愿意怀疑既有结论，是否能够承认自己的无知，是否愿意在新事实面前修正自己。从这个意义上说，AI教育首先不是工具教育，而是科学精神的教育。它要培养的，不只是会提问、会调用模型、会生成答案的人，而是在任何年龄、任何身份和任何技术面前，都能保持开放、批判与求真的人。

两千多年前，苏格拉底的智慧，是不知道时不以为自己知道。两千多年后，这种智慧需要一种新的表达：当AI给出了答案，我们既不必立即相信，也不必立即拒绝，而要继续问：它依据的是什么？还有什么没有被看见？什么证据可能推翻它？在新的事实面前，我是否愿意修正自己？

AI可以给人答案，但只有求真的心，才能让答案继续通向真实。

AI时代真正的分界线，不在于谁使用AI、谁拒绝AI，不在于谁的学历更高、知识更多，也不在于谁的年龄更大、资历更深。有人借助AI继续追问，有人借助AI停止追问。

问题从来不只是我们能否得到答案，而是得到答案以后，我们是否仍然愿意向真实出发。即使文字已经完整，逻辑已经闭合，结论已经出现，我们仍然能够停下来问一句：它真的知道吗？而我，真的已经知道了吗？

即使答案已经出现在屏幕上，仍然有勇气承认：等等，我还不知道。

参考：

1. 柏拉图《申辩篇》21d：苏格拉底关于"我所不知道的，我也不以为自己知道"的论述。https://www.perseus.tufts.edu/hopper/text?doc=Perseus%3Atext%3A1999.01.0170%3Atext%3DApol.%3Asection%3D21d

2. 《每日经济新闻》：用户称轻信豆包退机票亏600元，豆包生成"赔付承诺书"并协助起草起诉材料，2026年5月20日。https://www.nbd.com.cn/articles/2026-05-20/4401452.html

3. 新浪科技：豆包虚构"餐厅预约成功"事件报道，2026年5月19日。https://finance.sina.com.cn/roll/2026-05-19/doc-inhymqci2229053.shtml

4. Lee 等：The Impact of Generative AI on Critical Thinking，CHI 2025。该研究讨论了知识工作者使用生成式AI时，信心、认知投入与批判性思考之间的关系。https://doi.org/10.1145/3706598.3713778

5. 2026年7月23日，国际数学联盟在费城国际数学家大会上公布本届菲尔兹奖得主，邓煜因偏微分方程领域的工作获奖，包括从稀薄气体硬球动力学严格推导玻尔兹曼方程。

注：文中两则现实案例依据公开媒体报道整理。文章关注的不是对个体使用者的嘲笑或归责，而是AI时代认知边界、语言权威与求真方式正在发生的变化。

支持单位：