接口说明 第一编建立了颗粒度与层级的区分，第六章证明了赋能与提分的结构互斥。本章补上两者之间缺的那一节：对象尺度 G、任务层级 L 与有效判断 J 三者的关系不是单调的。用腾空律的话说——腾出的地更大，不等于占住的地更多。
本书将认知颗粒度定义为一次被当作整体调用、比较或修订的认知单位所包含的结构范围。一个事实、一条推论、一套模型都可以成为颗粒。所谓颗粒变大，是说学习者可能直接操作包含较多关系的整体，而不是说其认识必然更细致。颗粒大小与分辨精度甚至可能方向相反：学生能说出三套宏大理论的名称，却不能辨认其中两个关键概念的区别。
认知层级也不是文字长度。把十段说明压缩成一段摘要，未必改变分析层级；把一个具体案例放入可比较的机制解释，才可能改变对象关系。本书区分材料、关系、模型、判准四类任务位置，仅作为分析框架，不把它们当成固定的发展阶段。儿童可以对简单任务作出有依据的目的判断，专家也可能因为基础事实错误而需要返回材料层。层级是可以往返的组织尺度，不是人格高低的等级。
为了避免把任务要求当成能力事实，本书分别使用三个概念：对象尺度G，表示提供的认知块范围；任务层级L，表示要求作出何种判断；有效能力J，表示学习者在该任务中有根据地成功及应对变化的程度。这里没有把三者直接相乘生成智力指数，因为量纲、信度与组合方式都尚未验证。它们首先帮助研究者辨认三个不同问题。
AI封装低层过程，可以使较大认知块更容易呈现。但是否让人的任务层级上移，还取决于课程如何使用这些认知块。学生若把整套解释直接提交，可能连比较任务也没有发生。即使教师要求比较，学生仍可能将比较再次委托给AI。因此，原先简洁的发生链应被写成条件链，而不是自动连续的箭头。
可以表述为：在适当接口和任务安排下，AI封装使更大认知对象可达；在学生实际承担比较、检验与重构时，判断任务才发生上移；在练习、反馈与迁移条件共同成立时，任务参与才可能形成能力增长。三个”在……时”不是修辞性限制，而是三处应当分别测量的机制。只测最后一份作业，不能知道链条在哪一处成立或中断。
一个简单的思想实验足以说明这种非必然性。某学生始终按照”语言更流畅的答案更可信”选择。AI使用前，他在三段简短答案之间选择；使用后，他在三套完整理论之间选择。对象尺度扩大，名义任务层级提高，选择规则却完全不变。其作品可以更好，但不能由此推出判断能力提高。这个反例否定的是必然蕴涵，不是假装已经证明真实学生都如此行动。
高层对象仍然可以接受演绎、归纳和类比等推理操作，但它们不能被不加区分地称为严格形式逻辑。演绎的有效性关注前提与结论的保真关系；归纳和类比通常还涉及证据充分性、相似性的相关性以及可撤销的推断。决定一个问题是否值得研究，更涉及目标、约束与后果。把这些差异全部压成”形式正确”，会遗漏教育需要培养的重要部分。
例如，一套模型可以内部自洽，却采用了不适用的假设；两个理论可以在逻辑上不矛盾，却对当前任务具有不同解释力；一个方案可以有效达成目标，而目标本身不符合学习需要。因此，高层判断应同时处理推论有效性、经验支持、任务相关性和目标适切性。判断对象的抽象程度升高，并不能解除对真实条件的依赖。
本书使用”对判断结构的反思”，而不把这种教育活动直接称为数学意义上的元逻辑。学习者可以反思为什么采用某个比较标准，是否遗漏一种解释，何种事实会使自己改判。这类活动有重要价值，但它是否出现，必须通过具体行为辨认，而不能因为文章使用”框架”“范式”“本体”等词就加以确认。
“这里是不是贵阳”对应结果识别；“贵阳能否解决这次出行的问题”对应任务相关性；“为什么选择贵阳”对应目的审议；“是否需要提出一个原来没有的目的地”对应问题重构。四种判断不构成总是向上的价值排序。有时最成熟的做法不是更换目的地，而是确认原目标仍然正确，并及时完成它。把不停换题视为最高创造，会把失焦奖励成创新。
高铁模型还有一个边界：真实城市通常可以借助多种外部标识确认，而思想结论未必具有同样清楚的终点。一个定理是否得到证明，可能必须检查关键证明结构；一个教育模型是否有效，可能要等待后续行为证据。这里不能保证存在一个比原推理简单得多的万能检验。因此，过程委托不等于过程证据消失，而是改变谁执行过程、谁提供证据、谁在何种风险下检查关键环节。
适当的教育目标不是让学生永远站在最高层，而是让他知道何时保持封装，何时展开接口，何时回到材料，何时承认无法认证。“我目前没有足够依据确认到达”是一种可以有质量的判断；把所有到站广播都当作事实，或者把所有广播都当作谎言，都不是成熟的终点判断。
学生原来提出两个解释，AI随后提供二十个解释。可直接确认的是候选供给增加，而不是学生产生新解释的能力已经增强。若要判断学习发生，应观察他怎样处理候选：是否发现重复，是否识别不适用前提，是否把两个解释连接成新的可检验关系，以及在相似问题中是否能再次进行这些操作。想法数量是环境的一个属性，也可以是作品的一个属性，却不能不加说明地作为人的能力指标。
这不意味着接收思想没有价值。新的解释可能改变学生的概念资源，使他以后能看见原来看不见的关系。关键是把”可能促进”与”已经促进”分开。一次接收之后，能力也许增长，也许没有明显变化，也许对特定提供方式形成依赖。研究必须允许这些方向同时存在，而不能用创造性文本的出现代替学习机制的识别。
选择并非必然低于生成。一名学生从十种方案中选择一种，若这种选择发现了此前被忽视的约束，并改变方案结构，就可能具有实质创造性。反过来，亲手写出十个方案，也可能只是同一套路的替换。因此，本书不把”从零生成”作为创造的唯一判据，而将有理由的重组、删减、重述和约束改变纳入研究。
但选择活动受候选空间影响。如果AI提供的三个解释都把学习看成信息输入，学生即使进行了认真比较，也可能没有触及它们共同排除的问题。教育可以据此设置”菜单外检验”：要求学生说明三个候选共享了什么假设，并判断该假设是否应当保留。合格回答不必总提出第四个方案；能够证明原候选已覆盖任务需要，同样是有依据的结果。
所谓问题发生，不是题目措辞越来越新奇，而是问题的对象、关系或判准出现了有理由的改变。例如从”哪一种教学工具提高分数”转向”分数改善来自即时支援还是知识保持”，新问题引入了不同的可观察后果。若改题没有增加解释、行动或检验价值，只是从课堂跳到文明再跳到宇宙，则不构成本研究所说的有效问题重构。
本书提出一个待检验的机制假说：当完整解释在学生形成初步表征之前立即出现时，一部分本可暴露误解、产生冲突和寻找关联的活动可能被替代。这里被减少的不是所有”辛苦”，而是与能力形成有关的具体操作。如果AI节省的是重复排版，收益可能很直接；如果节省的是辨认两个解释为什么冲突，学习后果就不能按同一方式判断。
相反，AI也可能提供过去无法获得的及时反馈，使学生更愿意尝试更难的问题。因此，是否存在”过早完成效应”不能由直觉决定。可以比较先形成简短判断再看建议，与先看完整建议再回答，观察后续迁移是否不同。若先行判断只是制造额外负担，未改善后续表现，就应放弃把这种延迟当作普遍教学原则。
重要的是把认知投入理解为操作是否有效，而不是时间越长越好。长时间盯着空白页面不必然促进创造；有针对性的五分钟反例比较可能比一小时无效搜索更有教育意义。本书不崇拜困难，而要求辨认什么困难能够产生可利用的差异，什么困难仅仅消耗注意和信心。
创造力有不同的统计单位。一篇文章的独创性评分提高，不保证一百篇文章之间的解释方向更丰富。共同工具可能为许多人提供类似起点，但这些起点也可能成为不同方向的材料。是否趋同必须实测，不能由”都使用同一模型”直接断定。已有短篇故事实验显示，作品评价改善与作品间相似性增加可以同时出现，这正说明两种指标应并列报告。〔乙8〕
在教育中，群体多样性应以相关而有效的差异为中心。用生僻词替换普通词，能够拉开文本距离，却不一定产生新的思想结构。更合适的研究方法，是比较作品的核心机制、关键假设、问题界定与证据方案，同时保留必要的专家判断。自动语义距离可以帮助筛查，但不应独自担任创造力裁判。
由此，思想创造力的增长主张应至少回答两个问题：学生是否更能提出、识别和组织有价值的新关系；这种能力是否不局限于重复某次对话的建议。至于学生作品能否取得全球原创性，应是更严格的独立判断，不能作为普通课堂学习的普遍门槛，也不能由AI给出的”创新性评分”自行证明。
一种典型的思想实验是：学生先要求AI证明一个命题，再要求它反驳自己，最后要求它综合双方。成品可能具有严整的正反结构，但学生实际承担了什么仍然不清楚。他也许理解了争论并重新组织问题，也许只执行了三个预设指令。对话轮数、反对意见数量和文章中的”局限”段落，都不足以单独证明批判力增长。
这里需要追问关键的判断转换：哪一条反对意见真正触及原论证？学生为何采纳它而不是另一条？原结论应该完全放弃、缩小适用范围，还是仅补充证据？如果这些区分始终由系统作出，学生只是接受最后文本，那么批判活动被提供了，但人的批判学习尚未被识别。这个结论是”证据不足”，不是对学生作动机判断。
若把”质疑AI”作为唯一教学口号，学生可能学会无差别地反驳。这样的训练在错误材料上看起来有效，在正确材料上却造成新的错误。因此，测量中必须包含可靠结论、不可靠结论与证据不足的结论，并分别检验正确接受、正确拒绝和恰当暂缓。批判的目标是让信念响应理由，而不是固定地支持或反对一个来源。
例如，AI提出”两个班的分数差异证明某教学法有效”。学生应检查分组、基线与测量，而不是因为句子来自AI就拒绝。若材料改为真实随机分组、低流失且有恰当估计的结果，他应相应增加接受程度。能够随证据改变判断，比维持一致的怀疑姿态更接近批判能力。
这种能力还包括对自己的批判进行校准。学生提出”样本不够大”时，需要说明它如何影响当前结论，而不是把样本量当作万能否定词。提出”有偏差”时，应指出偏差的方向、可能规模和影响路径。未经解释的批判标签，和未经解释的肯定标签一样，都可能成为语言层面的占位。
本书将”高层依赖”界定为：学习者名义上承担模型比较、证据评价与问题重构，但在相关判准受到挑战时，其行动主要追随系统最新建议，缺少可辨认的理由响应与纠错手段。它不是一个人格标签，也不等同于使用工具。一个人可以高度依赖工具完成计算，同时在关键约束和判断上具有可靠能力。
高层依赖的一个候选征象是：系统只改变措辞或自信程度，学生就显著改判；系统改变关键证据，学生却没有相应调整。另一个征象是：学生能够转述不同观点，但无法指出哪一条新信息会改变自己的选择。这些征象可以进入实验，却不能凭一次对话就诊断一个人的整体能力。领域陌生、材料不足或任务不清也会产生相似表现。
因此，高层依赖需要与合理委托区分。合理委托允许学生说”这个细节交由可信的检验工具处理”，同时能说明工具检查什么、未检查什么、何时需要复核。危险的不是委托本身，而是没有可辨认边界的委托：学生连认证是否成功也只能询问同一系统，而没有形成适当的替代证据路径。
为了确认”这里是贵阳”，可以查地图、观察站点或核对外部行程，不必重新计算列车全部运动过程。对应到认知任务，终点认证可以利用原始数据、形式化检查、独立实验、不同信息源与关键反例。这里的独立指证据并非仅由待认证结论自行提供，不要求所有检验由学生徒手完成。
重复询问同一个模型，或让多个模型相互赞同，可能提供有用线索，但不能自动成为独立证据。其错误可能共享来源、任务歧义或同一假设。教育应训练学生辨认”多份表达”与”多条证据”的差别，而不是把讨论席位数量等同于检验强度。
认证也不能无限进行。课程应要求学生按错误后果、核查成本与已有证据决定检查深度。在低风险头脑风暴中，可以保留未经证实的候选；在正式结论中，则应明确哪些断言得到支持。成熟的批判能力包括停止规则：有充分理由时接受，证据不足时暂缓，风险较高时升级检查，而不是把永无止境的怀疑当作最高思维。