2025年11月6日，谷歌发布题为《AI与未来学习》（AI and the Future of Learning）的报告，系统阐述了AI为教育领域带来的革命性机遇、必须直面的挑战以及谷歌的应对思路。报告的核心内容概括如下。
来源：国际与比较教育研究所
报告指出，学习是人类潜能和社会进步的基石。从印刷术的发明到互联网的普及，技术进步一直在推动着信息与机会获取的民主化。
这一历程漫长：从高效但不可及的皇家教师，到规模化却缺乏个性化的工业教育模型，再到如今能跨越课堂边界的技术。努力已见成效——全球90%的小学适龄儿童已入学，约87%完成初等教育。
然而，挑战依然严峻。报告指出，这包括教育机会不均、教育质量差异、多语言教学内容匮乏，以及学习成果水平低下且不均衡。
数据也证实了问题的存在。根据OECD 2022年PISA调查（涵盖81个国家与经济体），全球出现了前所未有的成绩下滑：数学平均成绩较2018年下降15分，阅读成绩下降10分。
展开剩余88%与此同时，公共教育体系正面临巨大压力：资金不足、疫情时期的学习损失、教师流动与短缺、学生出勤率与心理健康挑战等。
另一方面，社会对人才的要求也在变化。当今职场不仅需要基础技能，更要求高阶问题解决能力、协作精神与终身学习素养。
正是在这种多重挑战交织的背景下，AI的崛起成为一个关键转折点——它迫使我们重新思考，在AI无处不在的未来，受过良好教育究竟意味着什么，以及学生需要何种新技能来迎接未来。
报告指出，教育系统始终面临一个核心矛盾：在资源有限的前提下，如何让每个学生都能在其 “最佳发展区”（即“恰到好处”的学习挑战区）获得个性化支持？传统模式对此力有未逮。
AI的突破，在于它实现了一次教育技术角色的根本跃迁。如果说互联网和过往技术的功绩是消除了信息获取的壁垒，那么AI的革命性则在于，它极大地增强了我们理解与应用信息的能力，实现了从被动接受到主动深入理解的跨越。正是这一转变，让它首次具备了破解规模化与个性化难题的潜力。
然而，我们必须保持清醒。报告明确指出：技术本身无法解决根深蒂固的挑战。AI必须与师生共同设计，用户也需掌握如何有意义地使用它。尽管AI比以往任何创新都更强大，但将其潜力转化为可靠的日常实践，仍需时间和有意识的努力。
在此审慎乐观的前提下，报告系统地勾勒了AI赋能教育的五大机遇：
1.释放学习科学的力量
AI能将关于人类如何学习的前沿科学（如主动参与、间隔重复）融入日常教学，甚至可能为教育研究开辟新的疆域。
2.规模化个性化教学与辅导
个性化教育的目标并不新鲜，但AI为大规模实现这一目标提供了新路径。它能让每位学习者都踏上真正个性化的学习旅程，根据其特定需求和背景提供定制化的反馈与支持。
3.使（几乎）一切皆可学
AI能够剥去复杂议题的晦涩外衣，根据学习者的背景和偏好调整解释方式与呈现模式，帮助学生将更多时间投入在“最佳发展区”，激发其探索欲。
4.打破学习的固有障碍
对于无法获得优质教育或面临学习障碍的人群，AI能通过内容转换、翻译和适配，将世界上的信息转化为更易获取、更贴合个体需求的形式。
5.成为教师的得力助手
AI可以成为强大的教学助手，承担备课、内容生成、行政管理等繁琐任务，最终为教师腾出宝贵时间，让他们能更专注于教学中不可替代的人文关怀与互动。
如同所有重大技术变革，AI在赋能教育的同时，也引入了必须直面的新挑战。其中一些（如隐私保护）是我们熟悉的，而另一些则源于AI特有的能力。报告重点揭示了五大挑战：
1.准确性与客观性
AI模型可能“产生幻觉”，输出虚假信息。更深层的挑战在于如何界定“可信信息源”及处理主观问题。幻觉率在过去两年虽已大幅下降，但更大的挑战依然存在：如何判定信息来源的可信度，以及如何处理主观性问题。AI也需要恰当的语气，必须避免证实错误的说法和过度表扬。它应该挑战学生的错误观念，纠正不准确的陈述，而不是仅仅像一面不加批判的镜子，强化学生的错误认知。
2.安全性
安全性是所有年龄段用户关注的重点，但对于未成年用户的保护责任更为重大。核心风险主要集中在可能造成身心伤害的内容或互动上。实施分层安全策略（包括适龄AI素养教育和内容过滤机制）至关重要，但这些措施必须与技术发展保持同步更新。
3.批判性思维
当前讨论的一个焦点在于：学生是否会过度依赖AI进行"思维外包"，从而陷入"元认知惰性"，丧失深度学习能力。因此关键在于设计能促进而非替代深度思考的AI系统，例如采用问题导向的辅导模式，通过提问引发反思或要求解释。
在某些场景中，AI能通过消除"注意力分散"和"模态效应"等非必要负荷，帮助学生将认知能量导向更高阶的推理与问题解决。然而核心命题在于：如何确保AI工具用于拓展好奇心、创造力与分析力，而非替代它们？答案很大程度上不在于AI工具本身，而是取决于传统的人际关系。因为激励学生进行深度思考往往需要教师和同伴的鼓励、挑战及社交互动。在这其中，AI的作用在于通过有意识的设计与使用，帮助教师腾出更多时间构建关键人际关系，同时搭建脚手架支持学习者自主开展复杂推理。
4.作弊与学习损失
调查显示，部分学生使用AI的方式被广泛认为构成学术不端行为。但关于合理使用工具与作弊行为之间的界限，目前仍缺乏共识——这既源于教育工作者对AI应用场景的分歧（何时应鼓励使用，何时需禁止），也由于技术应用的合理边界尚未明晰。
因此，对于整体作弊率是否高于大语言模型（LLM）出现之前的水平，各界观点莫衷一是。与所有新兴技术工具一样，适应这一新现实的社会规范仍需时间沉淀。在这场讨论中，不应简单将作弊归咎于"个人错误选择"而强化监管，更需要将其视为系统性挑战——关键在于如何通过教育体系与评估机制的设计，既激励真实学习行为，又帮助学生区分"实质学习"与"学习错觉"。
在AI赋能的教育新生态中，评估体系重构可能表现为转向AI难以复现的考核形式，例如课堂辩论、作品集评审及口试评估。目前教育工作者已开始这类实践，最初或许仅出于"防AI作弊"的考量，最终却催生出令人耳目一新的评估模式。
5.平等获取
确保AI的普惠性需要工具具备可及性、经济性以及文化语言适配性。无论收入水平、地域或语言差异，核心挑战或许是"5%效应"——最能有效利用AI的往往是原本学习动机强烈的学生群体。评估研究显示，这类学生更可能"按预期方式"使用AI工具，其表现可能成为研究结论的基础，导致对工具普适性效用的认知偏差。每个学习者都应获得支持，以安全有效地将AI用于教育，并理解何时及如何负责任地使用。
在这些具体挑战之上，报告引导人们进行更深层的根本性反思：在一个充满不确定性的未来，学习将如何演变？
首先，就业前景的迷雾。教育虽然承载着很多功能，但人们往往通过教育能否为就业做好准备来评判其成效。以前，新技术冲击就业市场时，尽管存在滞后性，但通常最终会带来就业总量的增长。而目前AI对就业的影响仍存在高度不确定性，且其影响像以前一样不太可能是均衡的：掌握特定技能的人群可能在求职和晋升中更具优势。
其次，教育者的规划困境。就业前景的转变加之更广泛的不确定性，使得教育工作者难以制定长期规划——他们必须超越当前劳动力市场的局限，预判未来经济所需的能力。日益专业化的经济形态进一步加剧了这一挑战，因为许多技能难以跨领域迁移。当今的学习者既需要批判性思维，也需要专业知识，从而在职业形态持续更迭的未来兼具专业深度与适应能力。
最后，学习基本问题的思考。报告指出，面对这些机遇与挑战，AI技术发展的转折点正是我们共同思考一些关于学习与教育基本问题的时刻：
——AI会改变我们需要学习的内容，甚至改变"学习"本身的定义吗？
——个体学习和集体学习的成功标准可能会发生怎样的转变？
——传统的评估和考核方式可能因AI产生哪些变革？
——教学的本质将如何发展演进？
——如果没有教师或家长所掌握的完整背景信息，AI对学习者究竟多有效？
——AI如何促成以往无法实现的新型学习模式？
报告最终指出，AI最大的突破未必是技术性的，而是社会性的，即AI与其使用者之间的互动。而且当AI在我们的日常生活中变得更普遍和有用时，我们将完成一次关键的心态转变：从对技术的敬畏与焦虑，转向思考社会如何塑造和引导其发展。这其中至关重要的是，这一过程必须是协作式的，需要早期就让专家、用户和研究者共同参与，以确保AI的发展与人类的利益和目标一致。
报告最后一部分阐述了在推进AI与教育的融合中，谷歌的工作思路。
首先，AI必须根植于学习科学。谷歌致力于开发遵循教学原则（如管理认知负荷、激发好奇心）的模型，其目标是促进真正的理解，而非提供捷径。
其次，探索个性化学习的新范式。谷歌正在其各类平台中实验新功能，赋予学习者在“直接获取答案”与“引导式探索”之间选择的权利，鼓励更富挑战性也更有收获的学习路径。
同时，全力支持教育工作者。通过提供免费的AI工具，旨在将教师从繁重的事务性工作中解放出来，使他们能专注于教学中最具人性化的部分——启发、联结与关怀。
最后，这一切都建立在协作的基石之上。谷歌强调，必须与全球教育社区合作，通过试点研究和实证评估，共同探索AI的应用边界与最佳实践，并以一种负责任的态度，确保工具帮助师生掌控自己的学习目标。
报告最终重申，其愿景并非取代教学，而是赋能人类的好奇心达到新的高度。对于学习而言，AI最大的潜力，恰恰在于帮助每个人释放他们自身的全部潜能。
资料来源：
Ben Gomes，Lila Ibrahim，Yossi Matias，Christopher Phillips，James Manyika. AI and the Future of Learning. https://services.google.com/fh/files/misc/future_of_learning.pdf
[本文为教育部国别和区域研究基地中国教育科学研究院国际教育研究中心成果]
发布于：北京市富灯网提示：文章来自网络，不代表本站观点。
