我们总以为，AI 越强大、越全能，就越能成为我们的得力助手。无论是写代码、做设计，还是分析数据，我们都在追求那个 “最厉害” 的 AI 工具。但事实真的如此吗？

一篇发表在全球人工智能顶会ICLR 2024上的研究，用一个象棋实验告诉我们：AI的价值，不仅是它有多强，更在于它是否 “适配” 你。

这场AI之间的象棋比赛，不是单挑，而是 “组队开黑”。

研究人员设计了这样一场特殊的比赛：

队伍配置：每支队伍都是 “强AI+弱AI”的搭档组合。其中的“弱AI”（代号 Maia）被训练成模仿普通人类业余棋手的水平，就像我们这些“凡人”队友。

这样就组成了两个队，实力差距肉眼可见：

红队（超级英雄队）：拥有世界冠军级别的超级 AI “Leela”，它的棋力足以碾压目前任何人类棋手。

蓝队（默契搭档队）：拥有一个实力稍弱于Leela的 AI，但它被专门训练去 “迁就” 和 “配合” 它的弱队友。它走的每一步，都不是追求自己的“神之一手”，而是确保队友能看懂、能接上。

核心规则：随机接力。具体来说，每个队伍的下一步该哪个队员走，全靠抛硬币决定。这意味着，强大的AI也不知道下一秒是不是需要把 “指挥权”交给那个水平远不如自己的队友。

对决结果呢？所有人都以为会稳赢的超级英雄队，被默契搭档队杀得落花流水。

你看，连下棋这种纯拼算力、拼硬实力的事，都不是AI越牛越好。AI自己再强，跟你搭不上伙、不能让你跟着变强，那它不仅帮不了你，反而可能因为它的“神操作”让你无所适从，拖垮整个团队。

这个实验的结论，放到目前的大学教育里，就精准戳中了绝大多数人都正在踩的坑。现在咱们大学生用AI，大多都在追“最强、最全能”的AI：写论文找最能生成内容的AI，做PPT找最会排版的AI，做数据分析找算力最强的AI，甚至连课堂发言的稿子，都要AI给你写得滴水不漏。

大家都觉得，AI越牛，我就能越省力，就能拿到越好的成绩。但你有没有发现，用了一学期AI之后，期末闭卷让你写个3000字的报告，你对着空白文档，连大纲都列不出来了？老师上课提问，你照着AI给的答案念，老师多问两句为什么，你瞬间就哑口无言了？因为你用的AI太强了，而你就是那个弱队友！

2025年的《柳叶刀》也报道了一个类似的案例：内镜医生长期靠AI辅助找癌前病变，仅一段时间后，不用AI、纯靠自己肉眼找病变的准确率，直接从28%掉到了22%。

这就是AI给我们挖的第一个坑：个体层面的“技能退化”。天天让AI替你写、替你想、替你做最核心的专业判断，你的脑子、你的专业能力，就跟长期不用的肌肉一样，慢慢就萎缩了。这不是AI赋能，而是AI替你完成了本该你成长的过程，最后你自己什么能力都没留下。

就像前面说的，真正好的AI，它的输出得是“弱队友能接得住、能接着往下走”的，而不是直接给你一个最终答案，把你该走的路全走完了。

但这还不是最可怕的。最可怕的，是绝大多数人都没察觉到的，第二个更深的坑：整个行业的“思考能力都在退化”。

回到那个象棋实验，下棋有一个明确的终极目标，就是把对方将死、赢比赛。但咱们上大学、学专业，目标大多不是一成不变的，也就是说没有一个类似将对方将死的最终目标。

你学临床当医生，最终目标不是“看片子100%找对病变”就完事了。我们可以看一个真实的临床场景：一位80多岁的老年患者，查出来早期肺癌，AI给的最优方案是手术切除，测算的5年生存率能到90%，数字非常漂亮。但患者本身有严重的心脏病、糖尿病，身体底子很差，子女也担心老人扛不住手术的创伤和术后的痛苦，想选保守治疗，让老人剩下的日子过得安稳舒服一点。

这个时候，医生要做的判断，根本不是盯着AI给的90%生存率的数字选方案。他要平衡的，是“延长生命的长度”和“保障老人最后的生活质量”，还要考虑患者本人的意愿、家属的顾虑、老人的心理状态。这个判断，没有任何AI能给你标准答案，它没法给你算一个“70%该手术，30%该保守”的概率，因为它背后是医生的专业伦理，是对“什么才是好的医疗”的理解，是对一个个活生生的人的共情。

而AI的局限就在这：它只能朝着一个固定的、能算出来的目标优化，比如“诊断准确率”，但它很难理解，那些没法用数字衡量的、一个行业真正的灵魂和价值。

现在很多大学的AI教育，走的完全是两个极端：要么可能就是一刀切、不让用，甚至有的说：抓到用AI写作业的直接算挂科；要么就是开一门课，只教你怎么写prompt、怎么让AI给你输出最完美的答案。

不得不遗憾地告诉你，这两种做法，都有很大的问题。禁用AI并不现实，现在绝大多数大学生都在接触和使用AI，你禁用了，只会让大家明着不用但私下使用，这就反而从课堂上的规范引导，变成了课堂外的盲目滥用；而只教你怎么写prompt，更是避重就轻——本质上就是在教你怎么去适配现有的AI，是如何跟着有缺陷的AI逻辑走，而不是教你怎么驾驭AI，怎么守住我们人类独有的、AI很难复刻的思考能力。

如果我们的大学，只教学生用AI做可量化的事，那十年之后，很难再有医生会去琢磨数字背后患者的真实处境；很难再有律师会去深究法律条文背后的公平正义；很难再有老师会去关心分数之外，孩子的成长与可能性。

整个行业，都会慢慢失去质疑和重新定义自身核心价值的能力，被AI的算法牵着鼻子走。这才是AI给高等教育，挖的最深的一个坑。

那面对这个坑，我们到底该怎么办？我想说最重要的一条，那就是：别再把AI当成计算机专业的子学科，它是能和文科、理科、农科、工科、医科、社科相融，甚至和这些学科门类并肩的基础能力。

很多人的认知里，AI就是计算机专业的事，只有学CS的才需要懂AI的底层逻辑，其他专业的学生，只要会用现成的AI工具就行。但这个认知，恰恰窄化了我们对AI的想象，也锁死了各个专业用好AI的可能性。

你想，学中文的，不是只能用计算机专业做好的AI写稿子，而是可以结合自己的专业，去定义AI该怎么帮我们做古籍整理、方言保护、民间文学的数字化传承；学农科的，不是只能用现成的AI算产量，而是可以结合田间地头的实际情况，去定义AI怎么适配不同的土壤、气候，帮农户做更贴合实际的种植决策；学医的，不是只能用现成的AI看片子，而是可以结合临床的真实需求，去定义AI该怎么辅助医患沟通、术后康复管理，该守住什么样的医疗伦理边界。

如果一直把AI困在计算机专业的子学科里，那其他所有专业的学生，都只能顺着计算机专业设定好的AI框架走，没法结合自己的专业需求，去定义AI该怎么用、该守什么边界，最后只能被AI的逻辑带着走，很难成为AI的主人。

所以，我们可能从一开始就搞错了AI的定位。