进入新时代，人工智能技术已逐步融入日常生活。高校学生依赖AI阅读论文、撰写论文，再通过各类工具降低AI检测率；职场则形成了围绕AI衍生的考核体系。
对于基础教育阶段的学生而言，这类工具已演变成做题的捷径。难以解答的题目，向AI寻求帮助；作文创作遇冷，索性让AI代笔；原来需要十分钟才能解出的题，如今不到一分钟便有了答案。
我们沉溺于AI带来的便捷，却鲜少反思其代价。
任职于香港大学经济学系的吴延晖教授，与瑞典斯德哥尔摩大学经济学家大卫·斯特伦伯格展开了为期三年的追踪调查。他们将目光投向中国中部某县的26811名初高中学生，试图回答一个基础而深刻的问题：当AI参与学习过程时，它究竟如何改变学生的学习能力？
数据呈现出明确的现象。学生选择将作业外包给生成式AI后，作业成绩于短期内攀升约18%。然而，六个月内月考成绩却平均下跌20%。进一步的影响在两年后愈发凸显——学生的中考、高考成绩最大跌幅分别达到24%和18%。
研究团队将这一发现命名为「AI学习惩罚」。在吴延晖的理解中，这种惩罚具有隐秘性和长期性。对职业人士来说，利用AI优化工作效率乃是预期目标。然而对学生群体而言，效率仅为手段，知识和能力的积累才是根本目的。AI虽能在短期内消解做题的痛苦与枯燥、改善学业表现，但从长远看，它侵蚀的不仅仅是考试成绩，更包括需要时间沉淀的分析思维、坚持不懈的精神品质，以及对真实世界的认知与好奇。
此项研究具有创新意义。该县校园内的学生可以自由使用AI工具，不受学校与家庭的限制。令人忧虑的现象是：与其选择提供解题思路的辅助类AI平台，多数学生更倾心于豆包、DeepSeek、千问等能快速给出答案的通用AI。
七月中旬，课题组与我们分享了这项研究。以此为切入点，我们探讨了AI对学生与教育的影响、数据背后的深层现实，以及在这个AI急速演进的年代，普通人应如何与之相处。
研究还揭示了几项颇具趣味的发现。其中，AI放大了学业表现的性别鸿沟——男生所遭受的学习惩罚幅度比女生高出17%。同时，学习基础越扎实的学生，反而成了AI学习惩罚最大的受害者。这并非中国独有。国外研究发现，低收入家庭倾向于外包作业，而高收入家庭的孩子则将心理需求外包给AI。
时间推进至成稿阶段，新消息陆续传来：美国纽约市公立学校于9月2日发布通告，禁止高中以下学生接触生成式AI。曾是数字化教育先驱的挪威政府也出台新规，从新学年起全面约束中小学AI使用——小学阶段原则禁用，中学阶段则限制在教师监督下谨慎使用。
这一代学生的成长轨迹，在很大程度上决定了人类未来的走向。当AI无处不在，究竟摧毁了什么？又给我们什么教训？我们应当如何抉择？
下文是《人物》与吴延晖的深度对话——
文｜王青
编辑｜姚璐
「中高考成绩下滑24%与18%，
这意味着什么」
人物：这项研究的启动背景是什么？你们怎样关注到「AI学习惩罚」这一议题？
吴延晖：我长期关注技术革新对教育和人生存状况的影响。在AI浪潮之前，学术界已有大量研究探讨信息技术对教育的冲击。与长期合作伙伴、斯德哥尔摩大学的经济学家大卫·斯特伦伯格，我们时常讨论这一领域的问题。例如，谷歌曾在美国及其他国家推动计算机辅助教学，意图低成本传播优质教育资源。结果令人失望——部分地区学生成绩非但未升反降。
北欧诸国曾率先拥抱教育数字化。Google Chromebook一度成为众多中小学的标配设备。然而，期待的教学效果始终未现，反而产生了屏幕过度使用等问题。一些国家遂从政策层面调整方向，缩减数字教材投入，增加纸质教学资源。
我也长期与企业沟通AI对员工技能的影响。众多HR经理表示，引入AI后，员工的知识体系变得脆弱。初级员工能在短时间内制作表面精美的PPT，却在涉及深层逻辑时一筹莫展。律师事务所与咨询公司都忧心同一问题：若企业以AI替代初级员工，或初级员工过度依赖AI导致能力退化，那么未来的高管从何而来？
但职场与校园有本质不同。工作场景追求绩效最大化。学校则是认知能力形成的关键阶段。如果出现类似情况，后果将极其深远。
中国未来教育与社会的走势，很大程度取决于当代学生的素质。我们决定深入调查：作为一项重要技术，AI如何影响学生的基本素质，尤其是认知能力？如果有影响，性质如何？是削弱才华，还是磨蚀斗志？这里「才华受损」指能力退化，「斗志消退」指主观努力下降。
我们还想理清，在AI的作用下，人的天赋与勤奋这两要素，哪个损耗更快？这一变化过程又是怎样的？
人物：你们没有预设AI可能帮助学生提升学习成效的可能性吗？
吴延晖：ChatGPT问世后，教育研究者纷纷探究各类AI工具对学习的影响，初步结论多为正面，如让学习过程更富趣味。然而这些研究多为短期观察，样本规模较小，存在一定特殊性。现实中，随着AI使用范围扩大，从大学到中小学，越来越多教育工作者感受到一种变化：学生的思维惰性增强，批判能力衰退。基于自身观察，我们认为无管束的AI使用确实会损害学习效果，存在隐性成本。但这种损害的程度、范围和持续时间有多久，哪类学生最易受伤，这些都是我们想通过研究来理解的。
人物：这是一项较新的研究。你们追踪了中部某县9所中学共26811名初高中生的学业数据。为何选择在县城进行调查？当地学生的AI使用情况如何？如何评估调查的代表性？
吴延晖：中国的基础教育体系在全球范围内相当成熟。若仅在北京、上海等教育发达城市采样，得到的数据过于特殊，反而不具有普遍价值。相比之下，中国普通地区学生的样本更具有广泛代表意义。我们选定的县城是内陆地区的典型代表，人口超过百万，人均GDP低于全国平均。然而当地学生的AI使用率几乎与发达地区持平。研究的观测点是2025年7月，那时学生AI使用率约80%，与英美平均水平相当。
AI确属一项颠覆性技术，传播速度极快。互联网普及是一个相对缓慢的进程。自1994年中国接入互联网起，至2012年互联网使用率才达40%，历时18年。而ChatGPT于2022年11月发布，根据CNNIC统计，至2025年底，仅三年时间，生成式AI在中国的使用率已超过40%。
这是全球共同现象。例如美国皮尤研究中心2025年大规模调查发现，中产阶层与低收入阶层的AI使用率基本相当。
在具体操作上，虽然我们获取的是回溯数据，但我们投入大量时间精确确定AI初次使用的时间点，以及学生作业与考试的详细记录，结合信度检验，确保数据准确无误。这样我们能够观察不同年级、不同学校、不同学力水平学生的情况。
人物：纵观整个研究结果，哪些在你们的预料之内，哪些超出预期？
吴延晖：就我们而言，定性结论——即AI对学生学习能力具有负面影响——在预期之中。虽然有些教育学者读到论文后颇感意外。我们没有预料到的是，这种负面影响的强度如此之大，持续时间如此之长。
因为数据完整详尽，而AI的影响显著，结果直观明了。总结下来：采用AI外包作业后，学生日常作业成绩均值升幅18%，做题时间缩短30%。但在半年内，月考成绩下跌20%。这种负面效应到两年后的升学考试上表现得更充分：中考分数下跌24%，高考分数下跌18%。
这一影响是一个循序渐进的过程。例如月考成绩下降后，学生多少有些察觉，但并未改变行为。这点令我们震惊，因为在中国社会，教育向来受重视，日常作业与考试一直都是重中之重。
人物：你提到使用AI后，学生的中高考成绩分别下跌了24%和18%。能解释一下这些数字的含义吗？
吴延晖：从高考角度讲，这可能意味着本科与专科的区别。换言之，两个日常表现接近的学生，一个在学习中使用了AI，另一个没有，前者若无AI本可录取本科，现在最坏的结果是只能上专科。
人物：这个影响确实令人咋舌。
吴延晖：当然，这只是粗略估计。实际情况取决于各省考生总数、相对排位、高考录取率等因素。而且若某省全体学生都使用AI，所有人都受影响，则个人成绩下滑不一定导致排名大幅下降。
吴延晖图源受访者
「优秀生反而伤得最深」
人物：你们用「AI学习惩罚」（AI Learning Penalty）这个概念来描述发现。能解释这个概念吗？如何理解这种「惩罚」？
吴延晖：通常「惩罚」意味着违反规则遭受处罚。但AI学习惩罚不同——没有外力施加，纯粹源于个人选择。你采用了更高效的工具，却在另一个更关键的目标上付出代价。
这种惩罚具有情景特性。例如在企业，使用AI提升工作成果，完成度更高，薪资上升，职位晋升，这不算惩罚，因为目标本就是快速完成工作。即便能力有所下降，也不符合惩罚的定义。
学生的目标则是学习，作业仅是中间产物。使用AI后，你提高了过程中的产出质量，最终的升学考试却恶化。作业长期被视作与学习成果高度相关。当这个关系逆转为负相关，就演变成了学习领域内的惩罚。
人物：有一个数据令我感到意外：成绩优异的学生反而遭受最大的AI学习惩罚——他们的考试成绩跌幅达24%，而成绩较差的学生仅跌16%。为何学习基础好的学生受害更大？逻辑上不该反差这么大吧？
吴延晖：其实不足为奇。中国中学考试的分数差异往往源于几道难题。这几题一旦错误，总分差距极大。对学习基础薄弱的学生，本就容易在难题上失利，简单题也未必全会，所以受伤程度较轻。顺着这个思路推论，AI造成的惩罚针对那些需通过反复练习才能掌握的分析素养。
人物：你们区分了两种AI使用模式：作业外包与作业辅导。结论是真正的AI学习惩罚主要源于外包这一群体。两种模式如何界定？
吴延晖：主要看花在作业上的时间。比如，没有AI时一个学生最快做完作业需要40分钟。如果耗时少于40分钟，成绩却大幅提升，我们判断为外包。外包的具体做法是，打开豆包或DeepSeek，粘贴题目，复制答案。
辅导型使用者虽然也用AI，但花在作业上的时间与不用AI时相近。也就是说，他们还是投入了精力做作业。这种情况下，AI学习惩罚基本不存在。
我们指出，人的能力由两部分组成：天赋与努力。外包针对的是努力程度。短期看，AI让人变懒，不是变笨。但长期看，人越来越懒，越来越不愿思考，认知能力随之退化，这是更深重的惩罚。
人物：这是否意味着，使用方法得当的话，AI就能成为学习助手呢？
吴延晖：国外许多研究聚焦于特定AI学习工具，观察学生如何使用。在这种框架下，很难出现直接复制粘贴答案的情况，研究结论大多是「弱正面」——略有帮助。但在我们的研究中，学生有充分自主权选择如何使用AI，包括完全外包。
中国市场上其实已有不少AI辅学工具，如云辅导、AI学习机等，这类工具逐步引导解题。但多数学生没有选择它们，宁可用豆包这类通用AI快速获取答案，节省下来的时间挪作他用。
这涉及心理动机，也就是大家常说的「贪图安逸」。我们发现，初期学生使用AI的强度不高，一周仅一两小时，惩罚还不明显。但到后期，使用时长逐步增加，可能达到五六小时甚至十多小时，惩罚程度也随之加重。
人物：你们提到AI学习惩罚并非立竿见影，而是一个缓慢过程：「在我们的数据中，负面学习效应在定期考试成绩上于六个月后完全显现，在升学考试成绩上于两年后完全显现。」如何理解？
吴延晖：这项研究与许多现有论文的差异在于，我们研究的是「自由落体」状态，即没有任何人为干预。这也是我们选中该地的原因之一。我们走访过其他地区，许多城市会制定政策限制学生的作业外包。国外亦然，尤其是家庭收入越高的家庭，对孩子的AI使用约束越严。
但这个县不同。家长和学校的管束程度不如大城市紧张。学生享有一定自由，只要作业完成度高、不被老师点名，家长就心满意足。我们询问家长，50%表示不清楚孩子在用哪款AI。
在这种环境下，AI学习惩罚表现为一个阶段性过程。学习是一个长期的事。当下你减少投入，下次考试成绩就会下滑一点。投入持续递减，负面效应逐步放大。
还有一个变量是AI使用的起始时间。假如你高二才开始用AI，高一的内容学得不错，那部分成果不受影响。但若高一就启用AI，遭受的惩罚会更沉重。
人物：一旦损害达到一定程度，学生会自觉放弃AI外包吗？
吴延晖：仅凭学生自觉很难做到。学生在衡量做题的付出与学业成绩，感到做题很苦，AI快速解决，这时欣然接纳。但等成绩下滑到一定程度，可能才觉得不对劲，进而自我纠正。这本是理性举动。但人常常短视，特别是青少年，难以如此理性地判断，而且大多不知道或不愿承认成绩下滑来自AI。
还有一种更严重的非理性现象。学生沉浸在AI带来的愉悦与轻松，做题离不开AI了。这跟社交媒体研究的结论相同——你上瘾了，无法自拔。问题在于，这种上瘾不会因为AI技术进步而消失，反而AI越聪慧，越容易让你上瘾。这需要集体干预，需要学校与家庭的介入，需要整个社会的配合。
人物：你们在追踪的三年间，AI技术也在高速迭代。随着AI的升级，学习惩罚会加剧吗？
吴延晖：我们特意标记了几个关键时间点。比如2023年8月豆包和智谱清言上线，同年9月千问发布，2024年底DeepSeek成为新的节点。我们发现，这些里程碑对研究结果影响不大。
主要还是动机问题。初高中的作业，不需要多么先进的AI。工具增加后，只是外包的参与者增多，不会改变学生的使用习惯，也不会缩短他们利用AI外包的时间。
图源剧集《善意的竞争》
教育评估体系的时代危机
人物：你们提及生成式AI扩大了学业表现的性别差距。男生所受的学习惩罚比女生高17%。这种差异是怎样产生的？
吴延晖：这个结论与其他类似研究一致，几乎所有研究都显示男性受AI影响更深。一种解释是，女生的学习专注力更强，不会因AI而放弃学习，她们也更少直接外包作业。另外，我们的数据显示男生更早使用AI，平均使用时长更久。
学业成绩上女生优于男生的现象很常见。这不是智力差异，而是在现行教育体制下，要获得佳绩需要更高的专注力和自制力，女生在这方面占优。
人物：你们在论文中还提到哈佛一年级学生用专门设计的AI导师的案例，耗时更少但学得更多。这与你们的结论有些差异。能否阐述AI学习惩罚的机理？对学习能力的真正伤害是什么？我们也常见硅谷富豪把孩子送进AI学校的新闻。
吴延晖：人类认知能力分为多个层次。第一层是听、说、读、写、算等基本能力。第二层是分析与逻辑推理。第三层我们称为「元能力」——你能否主动学习？能否创造性地探索适合自己的学习方式？
对哈佛一年级学生而言，他们的元能力本已极强。AI介入后，他们可以将枯燥重复的知识工作交予AI，集中精力于创意工作，学习也更快乐。现阶段，AI对元能力强的人士影响有限。
我最近在深圳做调研。某校教研主任提到，疫情期间学习环境变化很大，但有少数学生约5%脱颖而出。他们主动性与创新力强，线上平台给了他们无限资源，在没有老师约束的情况下，创意反而迸发。
AI最大的伤害是分析能力。根据我们的研究，按考试成绩看，社会学科尤其是政治地理受影响最大，其次是理工科，影响最小的是英语和语文。因为听说读写这类基本能力，即便不学，日常生活也有大量机会练习积累。
分析能力则需要大量训练。比如文科论述题，要组织文章结构，这类内容AI很擅长，而学生最讨厌这部分，倾向外包。但这正是考试重点，受伤最深。
人物：学生成绩下滑，老师应该最清楚。他们会主动干预吗？
吴延晖：虽然学生成绩下降了，但这是汇总结果，不是所有科目瞬间崩盘。除了班主任，很少有老师能掌握学生全部学科的情况。
我们之前也和不同地区的老师座谈过。总体看，老师对AI的态度参差不齐。有的认为反正挡不住，就让学生用。有的坚决反对AI，认为允许使用是教师懈怠的表现。
还有处于中间立场的老师，觉得适度使用可以接受。有老师提到，自己用了AI后，课堂抬头率上升了。从自身经验看，他们认为AI是个有用的辅助工具。另一些老师主张规范AI使用，特别是教育领域的专门学习辅助AI。
在我们的研究中，有些最早开始外包作业的学生，在五六个月时惩罚达到峰值，一年后有所缓解。这很可能是老师或家长干预的结果。但我们没有观测到明确的干预行为。我们后续研究的一个重点就是评估不同干预手段的效能。
人物：老师使用AI后，为何课堂抬头率会提升？
吴延晖：许多研究技术对教育影响的论文都有类似发现，AI会替代水平平庸的教师。对这些老师而言，课堂抬头率本来就不高。用了AI后，PPT设计或讲课案例更生动，学生反而抬头率更高。
人物：还有个现象，初中生受的负面影响为什么比高中生更明显？
吴延晖：因为初中生的学业压力没那么重，自由度大。在我们的研究中，许多初中生都是重度AI用户。到了高中，高考近在眼前，大家都认识到不能依赖AI，学校对学业管理也更严，对电子设备的监控也更紧。所以从成绩看，初中生定期考试跌幅24%，而高中生约18%。
人物：你们有调查过小学生使用AI的情况吗？
吴延晖：我们做过小学阶段的初步调查，但目前数据不够完整。
从现有数据看，小学生外包作业的问题相当严重。而且大城市学生比中小城市学生情况更糟。很多大城市家长认为AI能激发孩子的创意。加之「AI原住民」观念的推波助澜，家长普遍觉得要从小学起AI启蒙。
我前段时间在香港做过公开演讲，涉及AI时代如何教育子女。一位家长问我，我说最好的方法是不用AI。那位家长听完马上说，这不可能，大家都在用，不用就会落后。
这其实是一个社会问题——当四周所有人都在用AI，你不用就会不安，担心孩子被甩在后头。
人物：当作业无法准确反映学生真实的学习程度与状态，对老师和学校意味着什么？
吴延晖：这说明传统的教育评价体系已然失效。
当然，目前已有各类替代方案。比如有些学校允许学生使用AI，但要求标注使用方式，精确到每步。有些学校加重了闭卷考试的权重，还有些学校增加了学生的上台陈述机会，让他们讲述对某个问题的理解。
但这都伴随社会成本。比如最直接的问题，我们到底是改变技术还是改变制度？如果改变评价制度，成本巨大，老师需要重新接受培训，学校需要重新设计日常的教育评价方式。
AI对高校也影响深远。现在只要掌握得当，AI已能写出看似成熟的论文。最近美国有高校建议，对教授的评估不再看发表论文数量，而是让教授现场讲述论文内容，由同行当场审议。但这种做法难以大范围推广。
无论科研评价还是教育评价体系，未来都需要重大变革。尤其考虑到国内高校长期依赖「论文数量」这一指标。AI越先进，越容易以假乱真，未来可能导致科研生态的严重断裂。
图源剧集《Hacks》
「要么脑力外包，要么情感外包」
人物：这些年也常见报道中小学生学业负担过重。一项调查数据表明，38%的中小学生就寝时间晚于规定标准，67%的学生睡眠不足。这样的教育环境是不是在推动学生转向AI？
吴延晖：肯定会。这既是社会问题，也涉及价值观。应试教育本身的价值导向就是大量刷题，争取名校录取。我们对应试教育有不少批评，比如这种方式太摧残人了，牺牲孩子的睡眠、身心健康。那我是否应该投入那么多精力？
从经济学角度看，这是劳动力供给问题。你每天工作，做繁重工作，收益又低，肯定就不想加班加点，想要更多休闲时间。从这两年的数据看，应试教育带来的回报在递减。也有人干脆选择读职业学校。
应试教育的另一个代价是磨蚀人的好奇心。在没有考试压力的情况下，好奇心相对容易得到保护。但有考试时，因为你有单一的目标，好奇心就容易受伤。
我一直认为，好奇心也是一种资本，需要保护，需要外部鼓励，不然会贬值、磨损。大多数人小时候对世界充满好奇，但进入小学、初中，再到高中，应试压力越大，好奇心越来越被消耗。
人物：你对国外的研究情况了解吗？国外初高中学生的AI使用与学业情况怎样？
吴延晖：全球都面对类似问题。但有个差异，国外调查发现低收入家庭孩子更容易作业外包，而高收入家庭孩子则将情感需求外包给AI——只跟AI交互，失去了与人的互动能力。
如果看国外AI学校的设计理念，基本都强调对儿童社交能力的培养。这是国外许多老师、家长特别关切的问题。虽然中国还缺乏相关数据，但我认为这应该是共同的忧虑。
人物：听起来，就是不是脑力外包，就是心理外包。在有着能迅速给出直接答案的通用AI的环境中，如何才能保护学习能力呢？
吴延晖：这项研究发表后，我们与深圳一些中学做了座谈，得出了一些共识。对于那些元能力强、学习动力十足、家庭环境良好的学生，基本不需要干预。AI对他们是解放性的。
但对其他学生，还是需要引导。怎么引导，现在有多种尝试，比如设立AI学习中心，在老师指导下集中使用AI辅学。也有学者提议回归传统的黑板粉笔教学。但目前都还处于摸索阶段。
那到底怎么办？这是一个宏观而细致的社会工程问题。从个人层面，最直接的答案就是克制使用AI，在某些任务上要勇于对AI说「不」。这是最直接、最有效的方式。
人物：你刚才提到改技术还是改制度的问题。你觉得考试这种制度过时了吗？
吴延晖：很多年前就有人提出这个观点。时至今日，考试仍有其价值——首先相对公平，其次有选拔功能。中国能快速成为制造业大国，这套体制功不可没，它培养了大批有分析力和执行力的人才。
问题不在于过时，而是我们有没有新的替代方案？这些年国外也在讨论，大学在当代的意义是什么？我们还需要上大学吗？这些问题有一定道理，但实际推行很难。
这又回到经济学视角。我们经济学家比较保守，很看重社会成本。改变任何事物，需要有选择，每个选择都要付出代价，会产生摩擦。所以最稳妥的方式，还是在现有社会体系框架内，研究如何让人与技术更好地互动。
人物：你一直强调这是个社会工程问题。在整个社会层面，你认为还需要什么？
吴延晖：眼下很多人在讲AI伦理、AI安全、AI管控，这些多是在表述目标和愿望，或者是自上而下的治理思路。我说的社会工程，更多是自下而上的，从个体层面出发，以科学方法为基础进行的社会改良。从局部问题入手，逐步找出普遍规律和有效的干预方案，为未来的治理奠定基础。这正是我们研究团队在做的事。
图源剧集《Normal People》
学习的深层逻辑
人物：我们讨论了许多AI对学习能力的冲击。我很想知道，从你的研究出发，学习的本质到底是什么？是注意力的集中？是耐力的积累？还是从失败中吸取教训？为何肉身的投入这么关键？
吴延晖：学习是一个综合体。它包括犯错，在错误中进步；包括举一反三的能力；包括你能否在学习中收获快乐，能否保护好奇心，这些都是学习的核心。
论文中我们没有深入提及的是：写题很痛苦累人，但解出一道题后有成就感。学习本身能带来乐趣，比如你可能对某个知识点产生兴趣，想要深入探索。但把这些都外包给AI，你只得到一个结果，失去了学习过程中的喜悦。这也是一种惩罚。在一个追求快速高效的社会，这些能力往往被忽视。因为不同产业结构、市场竞争对能力的回报不同，也让大家对AI产生了巨大分化的态度。
这是我们极其担忧的地方：AI不像以前的技术只影响某一方面的学习，它会影响你的判断力、你的持续探索能力、你获取知识的快乐感。
人物：我自己的体验是，学习有时候很反人性。比如我做选题时，需要消化大量资料。我可以让AI做精细阅读、分析结构、提取重点。但自己逐字逐句读，忍受枯燥乏味，重复琢磨，最后才形成个人感悟，这两者差异巨大。我还发现AI总是强调「有用」，但我们很难界定什么才是真正有用。
吴延晖：在每个人的工作和学习中，总有一些单调乏味的部分，还有一些计算量大的工作，比如大量计算和文献细读。AI在这方面确实很便利，也是对科研冲击最大的地方。我时常跟学生说，我们要做「beautiful research」，而不是「powerful research」。「powerful research」就是那种耗费大量精力的工作，像最强大脑一样，AI的冲击最先波及这类工作。
「beautiful research」呢，涵括审美判断、批判思维、创新思维，这些AI无法代替。爱因斯坦26岁提出光量子假说，怎么做到的？无法分析，但绝不仅仅靠知识积累。AI可以提供有用的信息，但目前还无法复制人的创意。
人物：关于美丽的研究，能再展开解释吗？
吴延晖：前段时间，我有个学生用AI写了个经济学数学模型。看了以后我跟他说，这个模型太丑了。他也很沮丧，觉得就是一个模型，只要能容纳数据，能应用就够了。
AI的评价可能认为这个模型不错，因为有用。但接受过传统科学培训的学者，认为美的模型应该是简洁优雅的，就像爱因斯坦那个著名公式E=mc²。一旦培养过这种审美，就很难容忍AI的作品，可能有用，但形式粗糙，完全缺乏美感。
但这两个体系未来谁会胜出，我也说不清。最可能的结果是两者结合。
人物：这些年研究AI的议题，你对AI的看法是什么？平时用AI吗？
吴延晖：我用得相当克制，一周才几个小时。
我通常用AI解决计算型问题，比如估算一个模型，让AI帮我做计算。但我不用AI来解决审美问题，比如研究怎么设计，文章怎么组织。包括最近我把之前的一个研究翻译成中文，全部自己写，我不想AI影响我的语言。
这只是我个人的做法，我的AI使用方法也许还不够理想吧。（笑）
人物：你也是高校教师。面对AI的冲击，你改变了教学方法或者评估方式吗？
吴延晖：在评估上，我们常用的方法是让学生讲述，其他同学提问。我也想过是否提前给学生发讲授内容或录制视频，这样课堂时间就能全用于讨论。但这涉及管理成本，学生数量不能太多，对师生都要求更高。单纯讲课相对容易许多。
最近，香港大学新推出了一个本科项目，课程分为三大块。其中三分之一讲AI的运作原理，包括数学、编程、机器学习等，帮助学生掌握AI的基础。另外三分之一讲社会运行的逻辑。最后三分之一是人文通识课程，比如文学经典，目的是让学生理解「人之为人」。这是为了保护学生的审美力、创意、理解人类文明的能力，希望他们与历史对话。
我也想强调，面对AI带来的挑战，我们无法依靠单纯的个人努力。就如刚才说的，这是一个集体问题，所有人都在用AI，我无法独善其身。开设这个项目是一种探索和尝试，我们期待能培养出既能应对AI、又不失人文创意的学生。
图源剧集《学习小组》
人的底色是「无序」
人物：除了AI在教育中的影响，你也在研究AI与工作的关系。这也是大家最关心的话题。你最近出版的《麻繁工作》这部著作中有个观点吸引我：工作涉及的判断、协调、责任与人的关系交织得越紧，就越难被AI拆解替代。也就是说，工作的「混乱」程度越高，越难被AI淘汰。这个观点很反直觉。因为许多人认为现代工作都在走向规范化、流程化，就像大公司里，每个人都像系统中的零件。
吴延晖：按现代经济学理论，经济增长源于分工深化，分工越细，工作越「干净」，生产效率越高。尤其是国外大企业，规模足够大，能把一个流程拆解得很细很干净。
但我们的研究发现，中国的情形并非如此。比如程序员这个岗位，从岗位说明书看，中国程序员要做的事特别多，而且大多项目都是强人脉关联的。即便引进AI，这些工作也没办法被拆分出来。
现在有个声音说AI会替代大多白领工作。但AI真正能替代的是纯技术任务，比如纯代码编写。一旦涉及人的因素，尤其是部门间、同事间的利益博弈，AI就很难替代，因为代价大，容易产生冲突，这需要人的判断。
人物：但大家平时吐槽最多的就是工作中的人脉处理，比如办公室的那些事。
吴延晖：里面确实有令人头痛的乱象，比如开会，在现有权力结构下，可能只有老板喜欢，大家都讨厌，没完没了，效率很低。但它也有价值。人毕竟不是螺丝钉，需要沟通，需要不同观点的交碰，只有在真实、混乱的互动中，我们才能建立信任。
从生产效率角度，大多这类「混乱工作」可能没价值。但对人的身心健康、整体幸福感而言，这种混乱非常重要。
人物：我想起韩国作家金爱烂说过，「人有一样东西AI没有，那就是犹豫不决。」
吴延晖：AI肯定也会犹豫，只是它武断地摆脱了犹豫。因为AI模型本身充满不确定性，但又必须输出一个明确指令，所以它只是基于现有信息给出一个看似自洽的答案，实际上很可能是瞎编。
真正的自洽很难达成。我们人类怎么克服犹豫？不需要大量信息，可能就是看到朋友这样做，或者听到一句鼓励，就觉得，行，现在我能自洽了。但到了明天，可能又陷入新的困顿。
所以在AI年代，除了要培养和AI互补的能力，我们也需要保护「混乱」。
人物：当下许多人对AI既害怕被淘汰，又急着追赶，同时也很厌烦AI，全球都有抵制AI的声音。从你的视角，你最担心的是什么？
吴延晖：我最深的忧虑就是，我们拥有一项优秀的技术，全社会为它疯狂，人类反而失去了创意能力和快乐能力。这种快乐，不是刷短视频的兴奋感，而是需要投资的快乐——花时间和朋友深入交流，读书、听音乐、和人讨论。
我一直觉得，AI不是一条死线，而应该是人与AI共存的分界线，我们需要找到和解的途径。但目前最大的困境是，未来社会到底以AI为主、以人为主，还是以少数精英加大量AI为主？AI解决的是GDP、生产效率，它不需要快乐，不需要健康，不需要被尊重。但这些恰好是人穷尽一生追求的东西。
人物：你听起来还是在期许某种乐观的未来对吧？
吴延晖：我早年是新闻记者，后来转向经济学研究，一直想做有社会担当的研究。许多从事技术研究的学者反复提及，信息技术加剧了世界分化，拉大了贫富鸿沟。现在AI来了，虽然没有明确数据，但有学者担心，人类的处境并未因此改善。
所以某种程度上，这份乐观是我的责任所在。我期望我们能回到关切人的生存状态，从保护人的角度寻找答案。技术是人创造的，技术的走向也由人决定。
如果我们走向以AI为中心的未来，没人真正受益。我们可能真的进入了「历史的垃圾时光」。
图源剧集《学习小组》
