一、当作业仍然相同，完成作业的主体已经不同
设想一门课程仍然要求学生提交一篇分析文章，但学生可以使用的材料整理、语言生成与计算支持已经改变。教师看到更流畅的成品，一方面怀疑学生没有学习，另一方面又无法继续把文字表现完全归于独立能力。问题并非只在学生是否诚实，也在作业究竟要证明什么已经没有说清。
若课程原来把“写出这样的文章”当作某些理解已经形成的间接证据，新工具可能改变了这份证据与学习之间的关系。成品仍然可以有价值，却不再以同样方式支持同样结论。教育需要重新设计证据，而不是一面维持旧推断，一面要求学生证明工具没有真正帮助自己。
另一种极端是，只要复合体完成了作品，就认为学习目标已经全部实现。它同样跳过了证据问题。学生参与了什么、形成了什么能够继续使用的经验、哪些功能依赖外部支持、哪些缺口尚未解决，需要分别观察。
因此，教育面对人工智能的第一项任务，不是先宣布允许或禁止，而是重新对应目标、活动与评价。工具规定可以重要，但不能代替对学习对象的说明。究竟希望一个人发生什么，以及希望一个复合活动形成什么，应当成为设计的起点。
二、三类目标可以共存，却不应互相冒充
第一类目标是让学习者形成某种能够独立或在有限支持下使用的理解与技能。第二类目标是让他能够进入、组织和调整复合活动。第三类目标则是通过活动发现新问题、形成新的表达或新的能力方向。三者可能相互促进，但证据并不完全相同。
例如，一个学生能够解释统计概念，属于个人理解的证据；能够把数据、工具与现实问题组织成可靠分析，属于复合运行的证据；在分析中发现原先未提出的问题，则可能涉及新的能力发生。不能因为其中一个出现，就自动宣布另外两个都已完成。
课程可以选择不同侧重，也可以在同一项目中分别考察。关键是不要在学生提交之后突然更换目标：准备时鼓励调用工具，评分时却只认可独立手工；或者声称培养理解，实际只奖励成品数量。目标漂移会使学生不知道究竟需要学习什么。
这也使“基础”需要重新说明。基础不是所有人必须按历史顺序重演的全部步骤，而是在特定后续活动中承担生成与支撑作用的知识、经验和方法。哪些不可省、哪些可封装，应由这种作用来论证，而不是由曾经学习得多辛苦来决定。
三、理解有层级，不能把全部内部过程都设为入场券
一个人使用计算工具，可以需要理解输入所表示的问题、结果的适用条件与错误信号，而不必掌握硬件制造的全部过程。同理，参与人工智能支持的研究，也不必每次独立重建所有模型机制，才能被承认为真正参与。
这并不允许用“不必理解全部”掩盖关键理解缺失。若学生不知道数据代表什么，却对现实人群作出判断，他缺少的是与当前承诺直接相关的理解。若学生无法手工复现某段已经可靠封装的计算，则需要进一步问这项技能在课程目标中承担什么作用，不能直接作同样判决。
“不得跳过理解”只有说明理解对象与层级，才是一项可用要求。否则，它可能扩张成任何工具使用都必须补做全部内部工作，最终使封装失去意义。教育应当辨认必要亲历的发生功能，而不是把全部旧执行都神圣化。
同样，理解的检查也可以采用不同形式。解释一个边界、比较两种条件、识别一个不适用输入，可能比重演长段熟练步骤更接近目标。没有一种形式能够证明全部理解，评价需要保持自身边界清楚。
四、数学证明的例子：独立重演不是唯一可信路径
设想学生借助工具提出了一条证明路线，其中部分推导经过适当的形式检验。这里至少需要区分命题如何表述、假设是否适当、推导是否在所用系统中成立，以及学生学到了什么。某一层通过检验，不能自动替其他层签字。
若课程目标是训练某种推理方法，学生只提交通过检验的结果，可能不足以证明自己掌握了方法。若目标是组织一个可靠证明过程，则需要评价他如何选择表示、使用检验、处理失败及说明结论。两类课程可以有不同考察，而不必争夺唯一真正数学的名称。
更重要的是，不能预先规定一切可靠数学活动都必须由自然人脱离工具重演全部推导。这个要求把能力承担者先固定在个人内部，再据此排除其他可能的可靠实现。检验可以有复合结构，其充分性需要在具体系统与任务中论证。
但也不能因为验证过程可以封装，就把任何标为已验证的输出当作数学事实。究竟验证了什么、采用何种假设、命题是否与原问题一致，仍然需要清楚。教育应当教人辨认这种层级，而不是让人工智能出现后，数学只剩无条件信任或无条件重做两种姿态。
五、一个项目，可以同时留下不同层级的证据
设想学生研究校园公共空间的使用，课程开始时就约定三类证据。个人理解看学生能否说明一个分类边界及其反例；复合运行看数据、工具、来源与修订过程能否支持结果；新问题发生则看原目标怎样因观察而改变。最后方案是共同成果，但方案写得流畅不自动补齐这三类证据。
例如，学生甲说明自己为什么把“无人到场”与“有人到场但未停留”分开；学生乙保存一次工具把重复记录当作新观察的错误及修订；学生丙提出应比较开放时段，而不是只讨论设施数量。三项贡献可以不同，也可能由同一人完成。评价应依据预先说明的目标与实际证据，不按每个人亲手输入了多少字平均分配所谓主体性。
接续任务再改变一个条件：把一段开放时段记录撤回，要求小组说明哪些结论仍成立、哪些需重新观察。相关工具可以继续使用，也可以提供等效支持；此次考察的是结论对条件的依赖，而不是谁最快手工重算。若另有独立技能目标，就另设与之对应的练习和测量，避免同一次任务在评分时承担未说明的全部目标。
这种设计会增加教师的组织要求，因此不能只作为对个人教师的新命令。学校需要提供适当工具、案例、评价时间与协作。若评价改革的全部成本都由教师夜间补齐，新的学习理想就可能建立在不可持续的劳动之上。
六、过程证据不应变成对学生的全面监视
为了辨认贡献，有人可能要求保存全部对话、全部按键与全部草稿。信息越多，看似越真实，但不一定更能说明学习。大量操作记录可能只证明学生很忙，也可能把私人探索、尚未成熟的想法和与任务无关的信息一并暴露。
更合适的证据可以围绕关键转折取得：最初怎样理解，遇到了什么反例，修改了哪项判断，为什么接受当前结论。学生可以说明重要使用方式，而不必公开全部私人认知过程。证据需要足以支持评价，同时保持与目标相称。
记录也不保证诚实，缺少记录也不自动等于没有学习。教师需要结合讨论、作品和后续任务，而不是把某种平台痕迹当作唯一真相。否则，学生会学习怎样制造合格记录，而不是怎样形成值得记录的理解。
教育的信任不能完全由监控替代。透明的目标、可说明的规则、适当的支持和公平的回应，是证据能够被接受的条件。新工具不应成为无限扩大学生可见性的理由。
七、从证明旧能力存在，到让新能力有机会发生
如果课程只关心学生是否保留原有技能，就可能看不见工具参与带来的新活动。一个过去难以表达复杂想法的学生，借助适当支持开始组织长篇论证；另一个原来只做单一方法练习的人，开始比较模型与现实。这里可能出现新的能力方向，而不仅是旧能力的增量。
这种发生不能仅凭一份漂亮作品宣布。需要看学生是否真正参与了问题形成，能否继续进入相关活动，以及支持改变后哪些积累仍可接续。但在证据尚待形成时，也不能先用旧能力不足把新活动排除在外。
教育因此需要为试探保留空间。学生可以在支持中进入暂时超出个人独立能力的活动，然后逐渐形成新的经验。不是先成为完整的能力拥有者，才有资格参与；参与本身就可能是能力发生的条件。
这与把所有输出都称为学生能力有本质区别。前者承认发生过程尚在进行，认真建设条件；后者直接把成品记入个人账目。真正开放的教育既不守住旧边界，也不取消证据。
八、教师不必成为所有人工智能输出的最后防线
若学生可以大规模生成作业，而教师被要求逐句鉴别全部来源、全部错误与全部贡献，工作负担可能迅速失衡。这样的安排不是因为保留了教师审核，就自动具有可靠性。判断需要时间、工具与合适颗粒。
教师可以把评价集中在课程真正关心的发生点，并使用经过检验的支持处理格式、材料定位等部分。某些任务可以减少无意义产出，增加更适合目标的讨论与修改。关键不是让教师比机器审得更多，而是重新设计什么值得生成、什么需要评价。
教师自己的经验也可以进入复合积累。典型误解、有效反例、适用边界与不同学习入口，可以逐渐形成共享支持，减少每个人重复从头准备。但共享不能抹去课程与学生差异，使用者应能调整并反馈。
由此，教师主体性的改变不必被描述成退场。其参与方式可以变化，某些过程可以托付，新的教育活动也可能发生。真正需要保护的是教师与学生共同进入问题的条件，而不是一份永远不变的岗位动作清单。
九、接入差异不能被误读成能力差异
两位学生提交的作品不同，可能与经验和投入有关，也可能与工具、材料、语言支持和可用时间有关。承认复合能力以后，评价就更不能假装所有人拥有相同外部条件。否则，资源优势会被误记为个人天赋。
课程可以明确哪些支持允许使用、学校能够提供什么、缺少条件者如何获得替代路径。并非所有活动都必须统一工具，但关键差异应当被看见。若任务依赖某项外部能力，学校就需要考虑相应可得性，而不是只在评分时评价使用结果。
相反，条件相同也不意味着学习相同。学生会以不同方式进入活动，个人经历与目标仍然重要。公平不是抹去差异，而是避免把不相称的进入条件隐藏起来，再让学生为结果承担全部解释。
这也提醒家庭，不宜把能购买多少工具当作教育发生的唯一条件。支持质量、共同活动和实际反馈同样重要。工具可以扩大可能性，但不能用消费行为直接证明孩子已经获得相应能力。
十、保留旧训练，要说明它使什么得以发生
某些手工练习可以帮助学生感受量的关系、辨认推导结构或发现工具错误，值得保留。问题在于保留的理由应当来自这些发生功能，而不是“我们当年都这样练”。历史经验可以提供线索，不能代替当前论证。
同一练习对不同阶段可能具有不同作用。初次进入概念时，亲自操作有助于形成区分；相应区分稳定之后，无限重复可能不再是最有价值的活动。课程需要观察转折点，而不是把一种训练固定为终身主体性证明。
也不应把轻松视为没有学习的证据。工具减少某些无关负担，可能使学生更有余地进入核心问题；反过来，轻松完成成品也可能意味着关键学习被跳过。需要辨认的是负担与学习的关系，不是苦难本身的数量。
教育可以珍惜技能，也可以让部分技能转入可调用支持。文明的学习不必每代人从零重做全部历史，新的发生能够承接旧封装。但承接怎样进行，需要认真设计，而不是由一句拥抱技术直接完成。
十一、课程改革也需要试用、反例与撤回
一项新的人工智能学习安排，不应因为理念先进就立即扩大。可以先在范围明确的任务中观察，比较相近目标下的学习、复合表现、时间负担和参与体验。预期与指标应尽可能在实施前说明，避免事后只选择有利结果。
若出现个人理解不足、错误依赖或参与差异扩大，应当据此修正。不能把所有负面结果解释为教师不够开放或学生不会提问。设计本身可能有问题，某些工具也可能不适合当前阶段。
同样，一次结果不佳不必支持永久禁止。可以辨认是功能尚不可靠、学习目标不匹配，还是资源条件不足。不同原因对应不同改进，教育改革应当允许逐步发生，而不是每次都要求给技术作终身判决。
这种研究还需要关注较长时间的接续。立即完成的表现与后来能否继续活动并不相同，某些变化需要延后观察。但不能把未来可能出现的好处当作当前已经证明的效果，等待证据也应保持诚实。
十二、学生应当学会说明自己的复合贡献，而非编造孤立完成
一个学生可以这样陈述：我提出了初始问题，工具帮助整理候选材料，小组讨论使问题改变，我负责核实其中一类依据，最后的解释仍有某项限制。这种说明比简单写“全部由本人独立完成”更接近实际，也比“都是人工智能做的”更能呈现参与。
学校可以教学生区分执行、贡献、学习与承诺，让他们知道不同声明需要不同证据。使用工具本身不应被预先羞辱，失真说明也不应因技术参与而获得豁免。诚实的复合叙述是需要学习的能力。
贡献说明不一定以工具名称为中心。关键是它承担了什么、结果怎样被使用、哪些重要修改由何种互动形成。仅列出一串产品名，未必说明了实际发生；反过来，详细记录每条指令也未必必要。
当这种语言成为正常交流，学生便不必在虚构独立与全盘自我删除之间摇摆。他可以承认支持，承担相应工作，保留学习边界，并继续形成新的能力。
十三、学校的目标不能只剩下培养更有竞争力的复合体
本书强调能力发生，但教育仍不应把学生全部定义为未来生产系统的组成。创造、理解、共同生活与自我形成，并不都能够兑换成效率指标。一个更强的复合体，若使学习者持续处在比较与疲惫中，也需要被重新评价。
学生应当有机会探索暂时无用的问题，选择不同节奏，保留不公开的思考，以及在某些活动中不追求最优输出。它们不是技术能力不足的残余，而是教育目的本身需要讨论的部分。
能力标准可以严格，人的基本尊重却不应以达到最新标准为条件。学习困难、资源不足或选择不同道路，不应被解释成不配参与未来。教育若用人工智能制造新的价值等级，就会加深它本应回应的焦虑。
因此，三向升维需要回到教育价值：广度是否使更多人能够进入，高度是否形成新的学习条件，颗粒度是否让复杂性得到合适承接。它们应当服务于有意义的成长，而不是成为另一套要求人人无限扩张的指标。
十四、一间能够承认变化的教室
回到开篇课程，教师不再只收取最终文章。学生在适当范围内说明问题怎样改变，展示关键依据与反例，完成一次与目标相关的个人说明，并参与一次条件变化后的接续任务。不同证据对应不同学习，不再由成品独占解释。
工具使用规则随之明确：哪些支持属于当前活动，哪些部分需要学生亲历，哪些结果必须检验，哪些材料不能随意上传。规则不是对技术的总赞美或总拒绝，而是教育目标的具体安排。
教师也获得相应时间与支持，不必独自鉴别所有机器输出。课程规模、任务量与评价方式共同调整，使改革不是在旧工作之上无止境加层。只有这样，新的教育主体才不是一个承受更多要求的旧教师加旧学生。
这间教室仍然会有失败、误解与分歧。但失败能够指出设计需要改变什么，误解有机会成为学习材料，分歧不必被压成对技术态度的分类。它不要求所有人都不再焦虑，却使焦虑能够进入具体问题，并在共同活动中获得回应。
十五、教育的出路，是重新建造发生条件
人工智能使一些旧证据失去原来的说明力，也可能使过去难以开展的学习成为可能。两种变化都需要认真面对。只保卫旧考试，可能错过新能力；只赞美新成品，可能取消真实学习。教育不能在这两个错误之间长期摇摆。
更稳固的方向，是辨认什么在个人身上发生，什么在复合体中发生，什么仍然没有发生，并据此建设材料、互动、反馈与评价。自然人不必被宣布为全部能力的唯一容器，学生也不能被变成只负责提交输出的终端。
当学校不再要求每个人以脱离工具重演一切来证明自己，又不放弃对理解与可靠性的检查，新的学习空间才可能打开。封装不是教育的敌人，未经辨认的封装才可能遮住学习；能力复合不是学生的消失，参与条件被剥夺才需要真正警惕。
教育评价应让目标、活动与证据彼此对应，不再由一种成品替全部学习作证。科研面对的则是另一个问题：当知识生成与验证也进入复合过程，怎样说明命题、证据和贡献，使可靠工作获得承认而失真无法借工具之名逃避检查？