当成年人拼命学习AI，纽约却开始让60万孩子远离AI

头图来自：AI生成 新学期开始了，纽约市的一些孩子重新走进教室时，会发现今年的课堂和过去有一点不一样——如果一道数学题不会，他们不能再随手打开一个AI软件，让它一步一步给出答案；写作文卡住了，也不能让它先生成一篇“参考”文；甚至那些原本已经悄悄嵌入学习软件里的生成式AI功能，也有一批会从课堂里消失。 对于一个习惯了“有问题就问AI”的孩子来说，这可能会面临一些很具体的不方便：一道题要多想几十分钟；写不出作文开头的时候，要对着空白的纸发一会儿呆；遇到一个不知道的问题，只能先承认：我不知道。 而这恰恰是纽约想重新留给孩子们的东西。9月2日，纽约宣布，从2026—2027学年开始，对2-K至八年级学生实施为期一年的“学生端生成式AI”暂停政策，影响接近60万名公立学校学生，约占整个纽约市公立学校系统学生的三分之二。 按照纽约市教育部门公布的规则，2-K至八年级学生不能使用面向学生的生成式AI软件；此前获准使用的38个以上教育项目中的AI功能将被停止或关闭。教师仍然可以利用符合安全标准的AI备课和处理部分行政工作，残障学生、多语言学习者以及部分职业教育项目也有例外。 纽约没有彻底把AI赶出学校。相反，它做了一件更微妙的事情：把AI和孩子之间的距离，按照年龄重新划了一遍。 高中生仍然能接触AI。纽约要求高中生每年两次接受AI批判性思维教育；部分高中课堂还会试点5种经过审核的AI教育工具，但必须在教师直接监督下使用，而且时间受到严格限制。 但对于年龄更小的孩子，纽约选择先踩一脚刹车。与此同时，纽约还同步收紧了屏幕时间：二年级及以下不进行常规一对一屏幕使用；三至五年级建议每天不超过30分钟；六至八年级建议每天不超过45分钟。 在纽约的教室之外，几乎整个成年人的世界正在往相反的方向狂奔。公司要求员工学AI，程序员开始使用Coding Agent，咨询公司培训员工使用大模型，创业者讨论怎样让Agent替代一部分工作流。文章信息一遍遍告诉成年人：你必须尽快学会把工作交给AI，否则就可能被时代落下。 一、不是一场“反AI运动”，而是在给成长重新划边界 过去三年，多个国家的教育政策都经历了类似的摇摆。它们并没有形成一场全球同步的“AI禁令”，但一个共同趋势越来越清晰：对低龄学生更谨慎，对高年级学生逐步开放；不是只看工具有没有用，而是把年龄、场景、教师监督、隐私和学习目的放在一起判断。UNESCO早在2023年的生成式AI教育指南里就提出，应为学生独立使用生成式AI设置年龄门槛，并给出13岁的参考下限。这个建议本身不是全球统一规则，但它第一次把“年龄适配”推到了AI教育讨论的中心。 [3] 法国在2025年给出了更具体的分层规则：小学阶段可以学习AI是什么，但学生不直接操作生成式AI；到相当于法国初中四年级的4e阶段，才允许在教师解释、陪伴和限制下进行课堂使用；高中生可以在教师明确规定的学习框架内更自主地使用。法国教育部还明确提出，未经教师许可、又没有学生自己的理解和加工，直接用生成式AI完成作业可以被视为作弊。 日本没有采取全国性一刀切禁令，但2024年底修订的中小学指南同样强调“以人为中心”的使用原则，并通过生成式AI试点校来控制扩散节奏。澳大利亚则从2023年起建立全国学校生成式AI框架，以教学与学习、人类与社会福祉、透明、公平、问责、隐私与安全六类原则约束使用，并且每年审查，因为教育部门承认这项技术本身仍在快速变化。 [4] 这些政策背后的分歧其实没有看起来那么大。教育者大多不否认孩子迟早要学会使用AI，争论的是：在认知、语言、阅读、推理和社会能力尚未建立稳固基础之前，AI究竟应该扮演“脚手架”，还是直接成为“代劳者”。如果AI只是在孩子已经形成基本能力之后放大效率，它更像计算器、搜索引擎和字典；但如果它在能力形成之前就替孩子完成了最难的部分，教育面对的就不是一项新工具，而是学习过程本身被重新切分。 二、中国教育也走到了同一个路口 这个矛盾并不只发生在纽约。中国正在更积极地把人工智能纳入教育体系，同时也在给低龄学生设置清晰边界。2024年12月，教育部部署加强中小学人工智能教育，提出小学低年级侧重感知和体验，小学高年级和初中侧重理解和应用，高中侧重项目创作和前沿应用，并强调要以人为本、促进思维发展、提高解决实际问题的能力。 到2026年的“人工智能+教育”行动计划，政策又进一步提出推动AI教育全面纳入地方课程体系，但同时强调科技教育与人文教育结合，重视学生的启智和心灵培养。 [5] 真正值得注意的是2025年发布的《中小学生成式人工智能使用指南》。其中明确：小学阶段禁止学生独自使用开放式内容生成功能，教师可以在课内适当使用AI辅助教学；初中阶段可以适度探索生成内容的逻辑性分析；高中阶段允许结合技术原理开展探究性学习。指南同时要求学生避免把AI生成内容简单复制成作业答案，避免在创造性和个性化表达任务中过度依赖AI，也提醒家长防范技术过度依赖造成的心灵培育缺失。 换句话说，中国的政策也不是“让孩子离AI越远越好”，而是在努力同时做两件看似矛盾的事：让下一代拥有AI素养，又尽量不让AI替代那些本该由孩子自己完成的认知成长。 [6] 但这也是现实学校最难的地方。一边，AI已经可以成为很好的“脚手架”。教育部今年介绍中国人民大学附属中学的实践时提到，学生会用大模型对大量史料做语义聚类，也会用AI进行种群增长模拟或分析卫星遥感图像，教师则把重点放在模型建构、深度阅读、科学辨析和价值思考上。这样的使用并不是把答案端给学生，而是让学生借助工具进入过去很难进入的材料规模和实验环境。 另一边，当同一个大模型回到家庭作业场景，只需要输入题目就能直接给出解法、作文、提纲和总结时，老师和家长又很难知道：孩子究竟是在学习，还是只是在管理一台替他学习的机器。 [7] 真正困难的不是“要不要让孩子用AI”，而是怎么让AI帮助孩子走得更远，却不替他走掉那些必须亲自走过的路。 三、一道自己解出来的题，价值从来不只在那个答案 想象一个再普通不过的晚上。一个十岁的孩子被一道数学题卡住：条件看懂了，数字也都认识，可就是不知道第一步该从哪里下手。他在草稿纸上画了两遍图，第一次把数量关系画反了；第二次算到一半发现结果不可能，又把整行数字划掉。十几分钟过去，他开始烦躁，甚至想说“我不会”。如果这时把题目拍给AI，几秒钟之后，他会得到一个条理清楚的解法，可能比家长和老师讲得还完整。作业会立刻向前推进，那个晚上也会轻松很多。 可如果他没有立刻得到答案，也许会发生另一种不那么高效的事情。他重新读题，把两个条件圈起来，突然意识到自己一直把“总数”和“相差”混在了一起。他在草稿纸上写出一个新的式子，算完后愣一下，又回头验算一遍，最后抬起头说：“我知道了。”那个瞬间的高兴很小，可能第二天他自己都说不清楚为什么高兴。但真正被留下来的，不只是一个算式。那十几分钟里，他经历了困惑、错误、重新表征问题、检查自己的判断，最后得到一种很朴素的经验：原来我卡住的时候，不一定只能等别人给答案；我也可以继续琢磨。 学习科学里有一个并不浪漫但很重要的概念——“productive failure”，可以理解为“有产出的失败”。相关研究发现，在合适的教师引导和后续讲解下，让学生先尝试解