一 一张旧地图，四种说法
本章的人物、地图及相关材料均为分析设例，用来展示共同学习可能怎样发生，不对应一项真实地方史调查。社区阅读室准备举办一次“看懂我们住的地方”的小活动，惠敏带来一张旧街区示意图。图上有一道弯曲的线，一端靠近市场，另一端消失在纸边。
退休的赵叔说，那可能是从前的水道，他小时候听过类似名字。刚上大学的小遥觉得更像一条道路，因为旁边排列着几块建筑轮廓。负责活动的惠敏认为，应该先弄清图例。另一个参与者阿衡把图片交给AI，希望得到一个清楚答案。模型根据模糊形状给出一种推测，却没有可靠材料确认。
如果活动到这里就由一个人宣布正确答案，其他人最多带走一个结论。如果大家各说各话，也可能只留下热闹。共同学习的What If可以这样提出：“如果我们把不同说法当作待检查的猜想，共同学习怎样读懂这张图，会发生什么？”
四个人都不需要立刻成为地图专家。他们可以先围绕一个有限问题展开：这条线在这张图里表示什么，我们凭什么判断，哪些材料能够改变当前理解？地图阅读、材料比较与证据判断由此获得共同入口。
学习不再只发生在一个人身上，并不表示四个人自动拥有同一个头脑。每个人带来不同经验、疑问和注意，也可能使用不同的判断标准。需要通过具体运行，使这些差异能够彼此进入，而不是仅仅把人聚到同一张桌边。
二 把不同意见变成共同问题
惠敏先请每个人说明自己的依据。赵叔谈的是地方名称与童年听闻，小遥谈的是线条形状与建筑位置，AI的推测来自图像中可见特征及可能的解释，惠敏则注意到图例缺失。它们不是同一种证据，也不能直接用投票决定谁对。
赵叔的记忆可以成为寻找线索的入口，却未必对应这张图的年代与范围；形状能够支持候选解释，却可能受到绘制方式影响；AI生成的判断仍需核查；图例缺失则说明当前材料有明确限制。把这些差别说清，参与者开始学习如何判断，而不仅是争论答案。
小遥提出：“如果我们先找到图的日期与用途，判断会不会改变？”这是一项新的猜想。旅游示意图、工程草图、手绘记忆图可能使用不同表达方式。此处并不需要预先断定哪一种，而是把来源与用途作为待查条件，使后续执行有了方向。
他们把问题从“这是什么线”改成“在这份特定材料中，这种线怎样被使用”。研究单位发生了调整。原先大家把图看成对现实的直接复制，现在开始将绘图目的、符号约定和材料状态纳入理解。这样的改变具有学习内容，不只是把题目写得更复杂。
AI可以帮助整理当前猜想及其依据，但不应替任何一方补造原本没有提出的证据。惠敏请它将“地图明确显示的”“参与者记忆提供的”和“尚需查证的”分开。整理后的文本由四个人一起回看，谁的意思被改错，就直接修订。
三 分工以后，还需要怎样共同学习
最容易想到的办法是分工：一个人查日期，一个人找图例，一个人寻找其他版本，一个人让AI整理结果。这样可以提高材料搜集效率，却不保证发生共同学习。若每个人只完成自己的部分，最后把内容拼起来，其他人的判断过程仍可能不可见。
他们因此增加一个小安排：每个人带回材料时，不只报告结论，还说明自己怎样找到、为什么认为相关、有哪些不确定。这个安排不要求人人重复全部检索，而是让关键依据可以被别人接续和检查。
赵叔找到一段家庭记忆，提到附近有过同名的地点。他同时说明，记忆来自长辈转述，未能确认具体位置。小遥找到另一张年代不同的示意图，却发现街区范围不完全一致。阿衡整理出图中几种线条的差异，但AI无法可靠识别小字。每项材料都带来一点认识，也留下限制。
惠敏请他们互换问题。原先负责找版本的人，去问记忆材料怎样对应位置；原先熟悉地方故事的人，尝试解释两张图为什么不能直接叠在一起比较。这种交换使学习超出个人原有分工，同时也可能暴露新困难。
共同学习不是要求每个人掌握完全相同的内容。赵叔可以对地方记忆更敏感，小遥可以更擅长处理图像，但他们至少需要能够理解彼此关键判断依赖什么，以及怎样提出有内容的问题。差异能够相互支持，才可能形成复合能力。
四 一次分歧怎样改写运行
小遥把两张图放在一起，认为弯曲线的位置相近，因此支持赵叔的水道猜想。阿衡不同意：一张图标出的范围更大，相似位置可能只是视觉印象。两个人开始争论谁观察得仔细，活动一度停在这里。
惠敏没有立即判断谁更聪明，而是问：“如果两张图的比例与范围不同，我们怎样才有理由比较位置？”这处问题使分歧进入执行。大家需要寻找共同参照，并明确哪些部分能够对齐，哪些不能。若参照不足，便承认当前比较无法完成。
AI可以解释比较时需要考虑的基本条件，也可以根据参与者提供的信息帮助列出检查项。它不能凭模糊图片确定现实坐标，更不能把不确定的对齐画成精确结论。图像处理的方便不会自动增加原始材料的可靠程度。
他们决定先不研究线条身份，转而学习如何比较两份表达范围不同的材料。原计划被改写了：搜索答案暂停，检查比较条件成为新的运行。这个转弯来自显露出的分歧与现有材料纠缠对D的推动，可以作为第二类What If的具体入口。
后来，即使他们仍没有确定那道线是什么，也可能已经获得新的理解：看起来相近，不足以证明表达同一地点；来自不同用途的材料，需要先检查可比性。这种学习有可说明的内容，不能只用“大家交流得很充分”代替。
五 证据互查怎样成为友好的互动
互查容易被体验为挑错。赵叔如果觉得年轻人不相信自己的经历，可能不愿再说；小遥如果觉得每个判断都被质疑，也可能退回沉默。共同学习需要使证据检查与对人的尊重能够同时发生。
可以先问对方的材料能帮助哪一个问题，而不只问它能否证明最终结论。家庭记忆也许不能确定线条身份，却能提供旧地名的线索；模糊图片不能支持精确位置，却能显示不同绘图习惯；一次失败检索也能告诉大家，当前关键词可能有问题。
这样，每项材料不必承担超出能力的证明责任。指出限制，并不等于宣布它毫无价值。参与者可以更具体地保留贡献，也更容易承认不足。学习的乐趣有时就来自自己的经验在合适位置被认真使用，而不必被夸大成决定性证据。
互查也应双向。AI的输出需要检查，熟悉领域者的说法同样需要依据，活动主持人的概括也可能误解别人。若只有某个人永远负责审查，其他人只需交答案，学习结构便容易固定成新的权威关系。不同人可以在不同环节提出检查。
最终留下的记录，可以将结论分成几种状态：有明确材料支持，合理但尚待查证，目前无法判断。状态不是永久标签，新材料出现后可以改变。与其急着写一份圆满总结，不如让读者看见证据怎样支持或限制判断。
六 多一个AI，是否就多一份知识
阿衡提出，可以把图片交给另一个模型。如果两个模型一致，也许就能确认。这个提议可以作为新的What If，却需要正确理解可能得到什么。模型一致可能来自相近的视觉线索、相似的资料或类似生成倾向，并不等于增加了一份独立现实证据。
多个AI可以用于产生不同猜想、发现遗漏、比较表达和审查推理。若一个模型提出“也可能是边界线”，这会扩大候选范围；若另一个指出当前图例不足，它帮助明确限制。但最后仍需合适材料来判断线条在原图中的实际含义。
他们可以给不同模型相同材料与相同问题，再比较哪些判断有依据，哪些只是语气更坚定。也可以让其中一个专门检查推理的跳跃。这样的分工有价值，但不应把角色名称写成真实专家评议，更不能将模型意见当成参与者访谈或地方史证词。
人多也有类似问题。四个人都认为某种解释顺眼，不表示解释成立；一个人不赞同，也不表示已经找到反例。需要将意见与依据连接，使群体讨论能够进入材料，而不是只形成更热烈的同意。
这一过程可以带来一种新的乐趣：大家不再急着由谁宣布正确，而是共同发现什么问题值得问、什么判断尚不能做。AI成为帮助生成与检查的参与工具，人的经验也获得可比较的位置。学习的对象包含地图，更包含共同认识怎样形成。
七 新的纠缠怎样支持下一次学习
假如这次活动结束时，他们仍未找到图例，却已经形成一份问题记录。赵叔愿意回家询问旧地名，小遥想学习比例尺，阿衡准备查找材料来源，惠敏则想改进下次活动的邀请方式。新的兴趣与分工开始相互牵动。
第三类What If可以从这里提出：“如果这些显露与运行持续，学习者、材料、工具与共同问题之间会形成什么新的纠缠？”可能出现一种可接续的小组活动，也可能出现任务集中在某个人身上、资料过多无人处理等负担。不能因为建立了群聊，就宣布共同学习已经稳定形成。
他们可以约定，下次只围绕一处明确分歧重开，每人带一项与之相关的材料，也允许没有新材料的人只来听。这样的安排使不同参与程度能够共存。有人暂停，并不自动破坏整体；关键是后续运行是否仍能承接实际参与。
若一段时间后，小组能够把这种证据比较方式用于另一张图、一篇文章或一项生活说法，就可能出现可迁移的复合学习能力。这里的迁移仍需在新问题中观察，不能仅凭大家觉得学到了很多便认定完成。
共同学习的升维，也不等于组成更大的群体。它可能表现为从轮流发表意见，转向共同提出问题、检查依据与修订解释。组织层级改变以后，个人也获得新的位置：可以是提出反例的人、带来经验的人、说明限制的人，或帮助不同材料相遇的人。
八 把一段争论慢下来
可以再看一段构造的对话。小遥说：“两张图都有弯线，所以它们应该画的是同一条水道。”赵叔点头，因为这个结论符合他记得的地名。阿衡却说：“也可能只是画法相似。”如果对话停在这里，双方都还能继续重复自己的直觉。
惠敏请AI只做一件事：把小遥的推理写成几个短句，并标出从材料到结论之间需要补足的条件。模型可以整理为：两图存在相似线形；相似线形可能表示同一对象；若范围、年代和符号用法具有适当对应，则这一解释获得支持。关键转折在第二句到第三句之间，当前材料尚未完成这些对应。
小遥于是发现，阿衡未必在否定自己的观察，他可能是在质疑观察足以支持什么。她可以保留“形状相似”这个发现，同时降低对“同一水道”的确定程度。一个人的贡献因此没有被全部取消，另一个人的反对也获得了具体位置。
赵叔提出，新资料应优先寻找附近的旧地名，而小遥希望先查比例与范围。两条路径不必立即选出唯一正确答案。可以根据当前可得材料分开尝试，再比较哪条带来更明确的反馈。若两条都没有进展，也许先确认地图出处更合适。路径选择在运行中修订，大家不必维护自己的最初主张。
这一小段对话展示了从猜想到评估、反馈与修正的连续发生。分化则发生在大家将观察、解释与证明条件分开时；重组发生在不同材料被安排到共同问题之中。至于升维，需要看这种共同检查方式是否真正形成并能够再次运行，不能由一次顺利对话提前宣布。
活动结束后，惠敏可以请每个人补一句：“今天哪一处让我改变了原来的看法？”有人会说知道了图例的重要，有人会说记忆可以提供线索但需要定位，有人也可能说自己暂时没有改变。最后一种回答同样可以保留。共同学习没有必要制造人人进步的整齐结局。
若读者愿意尝试，也可以把这句话带到家庭或读书小组中。不要把它变成必须交作业的检查，只在参与者愿意时使用。它的意义在于把学习放回具体转折，让“我们一起讨论过”逐渐成为“我们知道这次理解在哪里改变、在哪里尚未改变”。
当一次分歧能够这样留下可接续的线索，下一次学习就有了新的起点。大家带走的不只是一张地图的猜测，还有一起继续认识的可能。
九 把这场探索换成你的问题
读者可以与一两位愿意参与的人，选择一项大家都能接触的学习材料。一段文章、一张图、一项数学推理、一个历史说法，都可以。先各自写下理解与依据，再共同找出至少一处分歧。不要急着让AI裁判，先让它帮助澄清双方究竟不同在哪里。
接下来选择一种能够产生反馈的执行。可以重读原文、查找可靠来源、计算一个例子，或者制作能够暴露假设的小模型。执行方式应随问题变化。若涉及真实人物或机构，不要为了练习而传播未经核实的判断，也不应将私人表达随意公开。
评估以后，让反馈实际改变下一轮。有时需要换材料，有时需要先学习一个基本概念，有时需要缩小问题，有时则应承认当前无法判断。记录谁改变了哪项理解，比统计讨论了多少分钟更能说明学习怎样发生。
如果大家意见仍然不同，可以把差异保留下来。共同学习不要求每次形成统一结论，也不要求个人完全放弃自己的理解。它要求的是分歧能够被清楚表达，依据能够被相互检查，新的材料有机会改变后续运行。
教育的复合发生，在这样的细节中获得具体形状。一个人提出的问题改变了另一个人的阅读，一个人的经验为共同材料带来线索，一次证据检查改变了活动顺序，AI的候选解释又促使大家回到原文。没有哪一方预先拥有最后的全部内容，新的理解在共同运行中逐渐形成。
下一次，学习便不必总从“请告诉我答案”开始。它也可以从“我们为什么看见了不同的东西，怎样一起弄清楚”开始。这样的问法给每个人留下参与位置，也给尚未发生的新认识留下空间。