当下两会聚焦科技创新与教育数字化发展，AI赋能教育成为行业热议的核心话题。人工智能正以不可逆转的态势重塑教育全链条生态，从课堂教学到科研实践，从教师备课到学生学习，AI的身影无处不在。但当前行业对AI与教育的探讨，多停留在宏观冲击与普适性应对层面，既忽略了不同形态AI对教育的本质价值差异，也未触及评价体系改革这一革新成败的关键。
北京大学数学科学学院副教授、博导，北京大学大数据分析与应用技术国家工程实验室核心成员，北京大学重庆大数据研究院基础软件科学研究中心执行主任，北太振寰董事长、创始人之一卢朓深耕AI软件研发、高校教学领域，同时长期在B站分享AI与教育融合的前沿思考，始终聚焦AI时代教育改革的核心命题。
本期，卢朓老师结合北太天元的一线实践与原创研究，从AI的两种核心形态——猜测机器（生成式）人工智能与逻辑推理型人工智能入手，层层剖析AI赋能教育的核心逻辑、现实影响与实践路径，直指评价体系改革这一教育革新的核心命门，为AI时代教育的坚守与革新提供可落地的实践思路，以下为全文内容。
*所有观点均有文献与实践案例支撑。
讨论AI对教育的影响，首要任务是明确“何种AI在与教育互动”。不同形态的AI，核心逻辑、能力边界存在本质差异，对应的教育应用场景和价值也截然不同，脱离具体AI形态谈教育革新，终究是空中楼阁。
这类AI的核心特质是依托海量数据训练，捕捉数据间的关联规律以预测输出结果，本质是“高级猜测机器”，无真正的逻辑思考能力，仅能完成“模式匹配”式响应。ChatGPT、文心一言等大语言模型，以及各类AI答题、文案生成工具均属此类。
其优势是高效便捷，能快速承接重复性、模式化基础任务，大幅降低人力成本；但短板突出，易出现“AI幻觉”，在严谨逻辑推导、精准数据支撑的场景中可靠性大打折扣。一线调研发现，部分学生过度依赖这类AI完成作业、练习，盲目相信输出结果而放弃自主判断，久而久之丧失了独立梳理思路、推导判断的基础能力。真正的合理使用，应是“自身主导、AI辅助”，利用AI完成基础环节，同时保留验证、修正的判断能力，契合“学而时习之”的核心要义。
与猜测机器型AI截然不同，逻辑推理型人工智能以“遵循规则、分步推导”为核心，不依赖海量数据关联匹配，而是基于预设逻辑规则、算法模型推导确定性结论，具备严谨性、可验证性、可复现性的特点，是AI领域兼具“科学性”与“实用性”的核心形态。吴文俊先生研发的几何定理证明系统、北太天元的数值计算与符号计算模块，是这类AI的典型代表。
提及逻辑推理型AI，就不能绕开吴文俊先生的学术贡献——他不仅奠定了我国逻辑推理型AI的发展基础，更在相关研究中明确提出“符号计算与数值计算相结合”的核心思路，这一观点在其《几何定理机器证明的基本原理》《数学机械化》等著作，以及《数学机械化研究回顾与展望》一文中均有详细论述，可通过中国知网、北京大学图书馆等平台检索查阅。吴文俊先生指出，符号计算能获得精确完备解但计算量大，数值计算能快速处理实际问题但仅能获得近似解，二者结合才能扬长避短，其提出的“吴消元法”正是符号计算领域的经典实践成果，为后续两类计算方法的融合应用奠定了重要基础，也完美诠释了逻辑推理型AI以规则推导为核心的核心价值，与“学中干、干中学”“实践是检验真理的唯一标准”的理念高度契合。
作为我国自主研发的通用型科学计算软件，北太天元以数值计算为核心，兼顾符号计算，也集成了大语言模型人工智能，其研发核心正是践行吴文俊先生“符号计算与数值计算相结合”的思路。在教学场景中，它可辅助完成复杂数值计算、逻辑推导任务，帮助学生聚焦思路梳理与方法掌握，引导学生在实践中学习、在练习中提升，这也是其能广泛应用于多所高校、支撑数学建模竞赛的重要原因。
猜测机器型AI与逻辑推理型AI并非对立关系，二者融合发展已是AI领域核心趋势，这一点在国际顶尖期刊《自然》（Nature）2023年3月2日发表的《How will AI change mathematics?》（Volume 615, Page 15）中得到明确印证。该文由Davide Castelvecchi撰写，我也在B站专栏中对其进行了完整的中文翻译（网址：https://www.bilibili.com/read/cv38172698/）。文章基于美国加州大学洛杉矶分校（UCLA）举办的顶级AI与数学研讨会展开，陶哲轩、Timothy Gowers等菲尔兹奖得主均参与研讨并发挥主导作用。文中将以符号计算为核心的逻辑推理型AI定义为“old style AI”，微软研究院Leonardo de Moura更是提出“这就是人们所说的‘老式的好人工智能（good old-fashioned AI）’”的核心观点，强调这类传统AI是实现严谨性、可靠性的基础，同时明确指出谷歌团队等业内机构已在探索将符号人工智能技术与神经网络融合，未来优秀的AI必然是两种形态的深度结合，二者扬长避短、互补发力，才能突破各自短板。
这种融合趋势，在北太天元的研发与应用中已得到实践体现——北太天元以逻辑推理型AI的数值计算、符号计算为核心，同时集成猜测机器型AI的大语言模型功能，既保留了逻辑推导的严谨性，又兼具高效响应的便捷性，完美实现了两类AI的协同发力：生成式AI可作为知识检索、信息整合的辅助工具，逻辑推理型AI则可作为深度思考、科学验证的支撑载体，让工具既能辅助学生完成复杂推导，也能快速响应基础学习需求。这一融合思路，与《自然》杂志文章提出的前沿趋势高度契合，也正是我在B站专栏中多次提及的核心观点：AI赋能教育，既不能忽视逻辑推理型AI的核心价值，也不能排斥猜测机器型AI的便捷优势，唯有推动二者融合、引导学习者协同运用，才能让AI真正适配教育的核心需求，让人工智能成为每一个学生的标配能力而非“作弊捷径”。
AI赋能教育已成为行业共识，但随着大语言模型的快速兴起，相关讨论和资源投入逐渐出现明显失衡——一提及AI赋能教育，首先想到的便是ChatGPT等猜测机器型AI，大量精力、资金投入其应用与研发，却忽略了逻辑推理型AI的重要价值，这正是我始终想强调和引导的核心点。
不可否认，猜测机器型AI（大语言模型）凭借高效便捷的优势，能快速承接基础重复性任务，为师生节省大量时间。但教育的核心不仅是完成基础任务，更在于培养学生的逻辑思维、推理能力和解决实际问题的能力。当AI能完成知识检索、基础解题、方案生成等工作，教育核心必须从“知识传授”转向“能力培养”，而这恰恰是逻辑推理型AI的核心优势。逻辑推理型AI以规则推导为核心，能真正辅助学生深化学习、提升核心素养，与猜测机器型AI形成功能互补，二者缺一不可。
以北太天元为例，作为我国自主研发的通用型科学计算软件，其核心的数值计算与符号计算功能，正是逻辑推理型AI的典型应用。我在北京大学开设《数值方法：原理、算法及应用》通识课时，便以它为辅助工具，引导学生利用软件开展数值实验、完成复杂逻辑推导，避免陷入繁琐的机械计算，将更多精力放在思路梳理、方法掌握和问题解决上——这正是逻辑推理型AI赋能教育的核心价值，也是当前教育领域迫切需要重视和推广的模式。
AI赋能教育，从来不是单一形态的AI就能完成的，更不能因为大语言模型的热度，就忽视逻辑推理型AI的价值。结合Davide Castelvecchi撰写、发表于《自然》2023年3月2日的《How will AI change mathematics?》（Volume 615, Page 15）及行业前沿趋势，猜测机器型AI与逻辑推理型AI，二者各有优势、各有侧重，且正处于深度融合发展阶段，共同构成了AI赋能教育的完整体系。当前最需要做的，就是打破这种资源和认知上的失衡，让两种形态的AI各司其职、互补发力——既发挥猜测机器型AI的高效优势，也重视逻辑推理型AI对学生核心能力的培养，推动二者融合落地，避免所有想法、资金都集中在猜测机器型AI上，让AI真正全面、均衡地赋能教育高质量发展。
结合北太天元的实践案例、高校调研及我在B站专栏分享的内容，两类AI对教育的影响呈现鲜明差异化，核心是要践行“学中干、干中学”的理念——合理使用AI辅助实践、提升能力，同时理性看待大众对“AI导致能力退化”的焦虑。事实上，技术进步过程中，人的部分能力有强有弱、有升有降是正常现象，根本不存在所谓的“认知损耗”。
猜测机器型AI的便利有目共睹：能快速批改作业、生成教案、解答基础问题，降低教师重复性工作负担；能帮助学生快速完成基础任务，节省时间用于更高层次学习。但隐忧同样不容忽视，一线调研显示，频繁使用这类AI的学生，批判性思维、逻辑表达能力普遍偏弱，年轻学生群体中，过度依赖AI生成答案的现象尤为突出，逐渐丧失自主思考、独立推导的能力，这与“学而时习之”“学中干、干中学”的理念相悖。此外，约30%的AI生成内容存在事实错误或逻辑漏洞，但不少学生直接照搬，最终影响知识掌握与能力提升。
这些问题的根源并非AI本身，而是“过度依赖”的使用方式。猜测机器型AI可用于梳理思路、完善表达，但绝不能替代独立思考和逻辑推导，唯有亲自动手、反复练习，才能真正掌握知识、提升能力，契合“实践是检验真理的唯一标准”的理念。
与猜测机器型AI不同，逻辑推理型AI不仅不会阻碍学生成长，反而能成为教育革新的重要契机，助力学生核心能力提升，这一点在北太天元的高校应用实践中得到充分验证，也与我国传统教育理念高度契合。
逻辑推理型AI能辅助学生完成严谨的逻辑推导与复杂计算，引导学生按照“定义问题—设定规则—逻辑推导—验证结果”的步骤开展学习，让学生聚焦思路构建，在实践操作中深化对知识的理解，完美践行“学中干、干中学”的理念。这类AI的出现，进一步降低了学生实践探索的门槛，让“学而时习之”的传统教育理念在当代教育中更好地落地生根。
大众对“AI导致人变笨”的焦虑其实毫无必要，技术进步的本质，就是让人从繁琐的底层劳动中解放出来，伴随技术迭代，人的部分能力发生调整是正常的历史规律，不存在所谓的“认知损耗”。原始人追踪野兽、钻木取火的能力，随文明进步逐渐弱化；过去摇拖拉机启动的技巧，如今也被一键启动替代，这并非人类能力的退化，而是让我们从繁重的体力、繁琐的操作中解放，去发展更高级的思维、创造更先进的技术。
这与著名数学家阿蒂亚在《数学的统一性》（李文林 译）中提出的经典类比异曲同工：汽车的出现解放了人类的腿部功能，虽让运动能力有所调整，但可通过跑步机等工具强化，实现“工具解放与能力提升”的平衡，所谓“认知损耗”本身就是伪命题。
所以，AI带来的部分能力调整，无需过度焦虑，践行“学中干、干中学”，在使用AI辅助实践的同时，发挥自身优势即可——我国传统教育理念，早已为我们提供了科学方法：“学而时习之”强调反复练习、巩固提升，“学中干、干中学”强调在实践中强化能力。有人基础计算能力强，有人逻辑推理能力突出，这都是正常的个体差异，无需刻意追求全能。担心某方面能力不足，可通过数学趣味游戏、计算闯关等方式强化练习；想提升逻辑推理能力，可借助北太天元的符号推理模块、逻辑推理类小游戏提升，在实践中践行“实践是检验真理的唯一标准”。北太天元的高校实践案例也显示，不少学生在合理使用辅助工具的同时，通过参与数学建模竞赛、自主开展数值实验等方式，逻辑思维和解决实际问题的能力反而得到显著提升，既实现了“工具赋能”与“能力提升”的双赢，也真正践行了“学中干、干中学”的核心要义。
结合北太天元的实践案例、我国传统教育理念及我在B站专栏分享的观点，AI时代教育革新的核心，不在于空谈理念，而在于拿出担当和勇气大胆探索，这也是“学中干、干中学”“实践是检验真理的唯一标准”的核心要求。而教育改革的牛鼻子，恰恰是考试考核制度的改革；脱离考试考核的变革，再多的教学方法创新、工具应用，最终都会流于形式、陷入空转。具体可从三个核心方向发力，所有路径均有实践支撑、可落地可复制。
第一，转变认知，正视AI的工具属性。AI从来不是洪水猛兽，就像纸和笔一样，本质是辅助学习、提升效率的工具。没有纸和笔时，我们依赖心算、口算锻炼基础计算能力；有了纸和笔，我们将计算中间过程存储下来，解放大脑聚焦更复杂的思路梳理——这与当下使用北太天元、大语言模型等AI工具的逻辑一致。我们要摒弃“谈AI色变”的固有思维，认可AI的有利一面，接受其发展阶段的暂时弊端，引导学习者将AI作为能力延伸的工具，而非替代思考的捷径，这是教育革新的前提。
第二，聚焦核心，以考试考核改革为牛鼻子，打破“教与考脱节”的空转困境。这是我一直强调的核心观点，我在2026年2月发布的B站专栏《人工智能时代：教育必须从“知识考核”转向“能力革命”》中，曾系统论述过AI时代教育评价体系改革的核心逻辑：现在很多学校谈AI赋能教育，只要求老师学用AI、学生学用AI，却不改革考试考核制度——以前考试依赖纸和笔，现在依然沿用闭卷、禁工具、唯知识记忆的旧考核模式，完全不适应新型AI工具的应用，这样的改革必然是无效的，甚至会陷入“日常训练用智能工具，最终考核用原始方法”的悖论。
这一困境用军事场景比喻更易理解：日常训练教士兵使用带自动瞄准系统的智能枪械，实战考核却要求改用无瞄准系统的原始枪械，最终师生只会聚焦原始方法的学习，毕竟考核结果决定评价导向。我国历史上也有深刻教训：清代戴梓发明的“连珠铳”性能远超西方，但清廷秉持“骑射为本”的理念，考核核心仍为骑射，最终导致热兵器技术长期停滞。新技术的生命力，在于与之匹配的评价与考核体系，AI赋能教育亦是如此。
我们要勇敢探索考试考核新方式，推动考试从“知识记忆考核”向“能力产出考核”全维度重构，核心方向是：在各级考试、人才评价中，全面允许、规范使用人工智能，并明确两类AI的应用场景与考核标准。这不是降低标准，而是升级标准——不再考核知识记忆精度，而是考核运用知识与工具解决真实问题的能力，让考试真正引导教学、引导学生合理使用AI，而非成为AI赋能教育的“绊脚石”。这一方向也与国际教育评价趋势一致，如PISA 2030已将“计算思维”“协作解决问题能力”纳入核心考核维度。
第三，系统推进，构建“教学-考核-认证-评价”全链条革新闭环，践行“学中干、干中学”的核心理念。AI时代的教育改革没有现成经验可循，核心在于“勇敢尝试、系统推进”，不能因担心问题而固守旧有模式，更不能被“认知损耗”的伪命题束缚。
我们要引导教育工作者、学生主动尝试使用两类AI工具，在实践中摸索合理使用方式，发现并解决问题；通过实践竞赛、教学试点等方式强化认知、积累经验，践行“实践是检验真理的唯一标准”，避免空转内耗。
更重要的是，推动教育改革从考试环节延伸至全链条：学历学位认证上，打破“唯分数、唯文凭”桎梏，从“文凭背书”转向“能力实证”，以可验证、可应用的实践成果作为认证依据；社会人才评价上，推动企业招聘从“学历门槛”转向“成果导向”，形成“教育培养—能力认证—社会任用”的完整闭环，让AI时代的教育改革真正落地生根。
AI对教育的影响，从来不是“非黑即白”的冲击或便利，而是一场需要理性应对、主动革新的变革。猜测机器型AI为教育提供了全新辅助，却暗藏“AI依赖”的隐忧，唯有合理管控、坚守“自身主导、AI辅助”的原则，才能不背离传统教育要义；逻辑推理型AI以北太天元为典型代表，凭借严谨的规则推导优势，成为助力学生核心能力提升、推动教育模式转型的重要力量，与我国传统教育理念高度契合。从历史发展来看，技术进步伴随部分能力的自然调整是正常现象，无需过度焦虑，合理应对、主动锻炼，就能实现“工具解放”与“能力提升”的双赢。
作为深耕AI研发与教育实践的从业者，我深刻认识到：AI时代的教育，无需畏惧技术变革，而要学会借力而为、勇敢尝试，更要坚守我国传统教育的核心要义，以科学精神驾驭技术。结合Davide Castelvecchi撰写、《自然》杂志2023年3月2日发表的《How will AI change mathematics?》提出的前沿趋势，以北太天元为代表的逻辑推理型AI，与猜测机器型AI并非对立关系，二者正深度融合、互补发力，共同构成AI赋能教育的完整体系。
当前，AI赋能教育的共识已达成，但资源与认知的失衡、考试考核制度的滞后、全链条改革的缺失，仍在阻碍革新步伐。未来，我们将继续坚守育人本质，推动逻辑推理型AI的推广与应用，助力两类AI深度融合，引导教育领域打破旧有桎梏、大胆探索实践，让“学而时习之”“学中干、干中学”“实践是检验真理的唯一标准”的理念在AI时代落地生根。真正的教育强国，不是培养出最会考试的人，而是培养出既懂两类AI协同运用，又具备扎实科学精神、善于解决问题、勇于创新创造的人，让技术真正服务于“培养人、成就人”的教育目标，这也是我深耕AI与教育领域始终坚守的初心。
参考文献：
1. 吴文俊. 数学机械化研究回顾与展望[J]. 系统科学与数学, 2008, 28(8): 898-904. DOI:10.12341/jssms10203.
2. [英]迈克尔·阿蒂亚. 数学的统一性[M]. 李文林, 译. 北京: 商务印书馆, 2019. ISBN:9787100171641.
3. Castelvecchi D. How will AI change mathematics?[J]. Nature, 2023, 615(7950): 15-18.
4. 卢朓. 翻译｜How will AI change mathematics?[EB/OL]. 哔哩哔哩专栏, 2024-09-04. 可直接访问：https://www.bilibili.com/read/cv38172698/
5. 卢朓. 人工智能时代：教育必须从“知识考核”转向“能力革命”[EB/OL]. 哔哩哔哩专栏, 2026-02-28. 可直接访问：https://www.bilibili.com/opus/1174460684043288583
6. 卢朓. 北太天元在数值方法课程中的应用实践[R]. 2024年“融合创新 加快一流课程与教材建设”交流会会议报告, 广州, 2024. 会议由高等教育出版社主办.
7. 北太振寰（重庆）科技有限公司. 北太天元应用案例汇总[EB/OL]. 2024-2025. 可通过北太天元官方平台检索查阅
8. 卢朓 B站官方主页[EB/OL]. 哔哩哔哩. 可直接访问：https://space.bilibili.com/510663586（本文所有提及的B站专栏相关内容，均可在该主页“专栏”板块检索查阅）
公众号