别像AI

拿到一个问题，第一反应总是找标准答案。面对一篇论文，下意识地套用模板。遇到不确定的事，心里会慌，总想快点找到一个“对的”方向。目标导向，高效决策，回避模糊，回避冲突——这些没有错，但这样的机器思考模式，慢慢变成了我们的默认设置。

AI不会犹豫，不会纠结，不会半夜躺在床上想“我到底相信什么”。它只做一件事：基于已有的数据，给出最可能的答案。没有情感，没有立场，也没有“我为什么要做这件事”的困惑。

但人是会困惑的。

AP Capstone这门课，做的恰好是另一件事。它不教你找答案，它教你提问。不让你回避复杂，而是让你走进复杂里。不追求那个唯一的“正确”，而是帮你在矛盾中，慢慢长出自己的判断。

这门课持续两年：第一年是AP Seminar，做小组项目和个人研究，第二年是AP Research，用一整年完成一项独立的研究，自己设计方法、收集数据、写出学术论文。没有标准教材，没有固定知识点，从头到尾都在练一件事——怎么提出一个好问题，然后自己找到些什么。

听起来有点抽象。但如果你走进这间的教室，坐下来听一堂课，跟那几个孩子聊一聊，你就会知道——这些事情，正在一点一点地发生。

▌AP Capstone课程结构

很多学生刚走进这间教室的时候，身上带着一种被训练了很久的痕迹。

给一段材料，给一个题目，他们就把它解出来。给一个模板，他们就安安静静地填满。这件事他们做了很多年，做得不错，甚至做得有些太熟练了。

Angela见过太多这样的孩子。

他们坐下来，第一句话不是“我好奇什么”，而是“您想要什么”、“怎么拿高分”。在他们的经验里，学习就是一场猜心思的游戏，而游戏总有通关秘笈。

但AP Capstone不是这样玩的，不讲知识，而是练习“怎么想”。

一学期一篇大论文，一次演讲，中间还穿插着一些圆桌讨论。题目没有人给你，连“这个可不可以写”这样的问题，Angela都不会直接回答。

因为她还有一个身份——AP官方阅卷人。

这意味着她不能说“你把这个改成那样就能得A+”。她能做的，是不断地、耐心地抛出问题：“你为什么觉得这个重要？”“你这个观点，证据在哪？”“你考虑过完全相反的看法吗？”引导学生去思考。

教室里最常出现的那句话，后来学生们都能背下来了：

“没有错误的答案，只有没证据支撑的答案。”

Cindy刚来的时候，是个挺爱拖延的人。她自己也知道。

以前作业能拖就拖，反正老师会给截止日期，到了最后几天赶赶就是了。但AP Capstone不一样。老师会给时间节点，但具体节奏是要自己把握的。

课题晚一步，文献就晚一步，大纲也晚一步，最后全堆在一起，连查资料的时间都不够。慢慢地，Cindy被这门课推着走，时间观念越来越强，她得自己给自己设闹钟。

Andy的经历更曲折一些。

他第一学期的写作任务，拿了个D。当时他觉得完蛋了。他成绩一向不错，很担心选这一科AP最后分数不尽人意。

他去找Angela聊过几次。Angela没有直接告诉他怎么写，而是帮他拆问题：你卡在哪一步？是逻辑链条断了，还是证据不够？他后来发现，自己最缺的不是想法，而是把想法串起来的能力。

他得自己把散落一地的零件，一个一个拼回去。

▌AP Capstone课堂

Tiger的小组合作，也常有意外发生。

很多人在一块儿做东西，会有些一个人绝对想不到的东西冒出来。那些讨论中突然闪过的念头，恰恰是AI做不到的事——因为AI只会基于已有的数据推演，而人会在碰撞中，长出新的枝杈。

这就是这间教室的样子。

没有人替你判断，但也不是把你一个人扔进深渊。它像一间工坊，老师递工具，同学互相搭把手。而真正动脑的那个人，是你自己。

如果问孩子们，这门课最难的是什么，他们不会说是写作，也不会说是阅读量。

是选题。

Cindy记得很清楚，每一次选课题，差不多要花一个月。

先读一堆材料，然后想一个大方向——经济、环境、社会，随便什么。然后往里钻，越钻越细，细到不能再细了，再退回来一点。

太简单的题目，Angela会摇头。她管那种叫“low hanging fruit”——低垂的果实，太容易摘到了。

她要孩子们找到一个真正在意、又能做下去的问题。

Cindy最后定的是“快时尚经济如何影响发展中国家的社会体系”。这个题目不是一拍脑袋来的。它从“服装设计”那个大方向开始，一步步缩小、聚焦、调整，最后落到那个刚刚好的位置。

这个过程里，老师做的最多的，是陪他们画一棵树。

一个大主题是树干，分出几个分支——经济视角、社会视角、环境视角。每一个分支再细分，再细分，直到找到那根“刚好能写”的小枝杈。

▌Angela的课堂

在教学过程中，老师会发现，大人其实很少认真地问年轻人——你是怎么想的？你的观点是什么？你有什么主意？

当这些孩子第一次被要求在非常学术的环境里说出自己的想法时，他们常常会卡住，不知道该从哪里开始。于是Angela会花大量的一对一时间，用苏格拉底式的引导提问，一个一个地问下去，帮他们慢慢松开那个结。

某个时刻，孩子会恍然大悟——原来这节课真的在征求自己的看法。

奇妙的是，一旦他们明白了这件事，他们心里原来藏着那么多那么多的想法自己从来不知道，原来是可以把它们说出来的。

每当这种时刻发生，对老师和学生来说，都是一次非常愉快的经历。

▌关于“财富税”的圆桌讨论现场

课堂上还有一个特别的设计，用来帮他们理解“视角”这件事。

Angela让大家开一场圆桌讨论。主题是“要不要对富人征收更多财富税”。

每人扮演一个真实人物，有人是特朗普，有人是马斯克，有人是经济学家。还有一个同学，是爱比克泰德，一位著名的古希腊斯多葛学派哲学家。

前面几个人都在谈效率、谈选票、谈经济影响。轮到爱比克泰德的时候，他说：“财富不能带给你内心的平静。”于是，原本关于政策利弊的议题，被拉进了哲学层面。大家又聊幸福、聊价值观、聊什么才是真正的“好社会”。

这除了好玩，还有更多意义。老师想让他们体会的是：同一个问题，在不同的人眼里，是完全不同的面貌。你写论文的时候，必须把这些视角都装进去。你不能只站在自己的立场上说话。

类似的讨论还有lifeboat难题——如果世界是一艘船，人太多了，要不要踢下去一些人？如果要踢，踢谁？

这些讨论到最后，不一定有结论。但每个人都被迫面对了一个事实：你看待问题的角度，不是唯一的，对错甚至都很难成为判断标准。

说来也怪，当他们不再执着于找到那个“唯一正确的答案”时，原本堵在脑子里的那团乱麻，反而慢慢松开了。光线从那些缝隙里透进来，一点一点，把模糊的路照得清晰了一些。

这大概就是这节课想让孩子们学会的——一种在复杂里慢慢看清事情的能力。

AP Capstone课堂上，关于AI的使用，有个默契约定。

老师不用AI打分，孩子们也不用AI写作业。

这门课对写作的要求很高，接近真实的大学学术水平。Angela注意到一件事，她的学生们，进步快得惊人。很多人现在的写作能力，已经不输给英语母语的大学生了。

如果这个过程中用了AI，AI会帮他们藏起弱点。学生在这种直面弱点的过程中感受到了自己真切的变化，他们也更加自信了。

那AI到底能不能用？

能。但用在哪儿，是个学问。

Cindy的做法很清晰：选题和构思，绝对不用AI。

“我觉得AI想出来的东西跟人想出来的还是不一样的。一旦你在选题环节用了AI，你后面很难不去依赖它，因为这个东西本身都是它思考出来的。”

她只在文献检索的时候用AI——有了大致方向后，让AI帮忙筛选相关的学术文章，缩小搜索范围。这样省去了大量的筛选时间，但阅读和理解，还是得自己来。

Andy还会用AI做引文、检查语法、调整格式。这些是机械的、重复的、不费脑子的事，交给工具做，没什么问题。

大家心照不宣：选这门课的时候，就得有这种觉悟——不让AI完全掌控人的思路。

老师记住了每个人的文笔，在读孩子们论文的时候，脑子里能听见他们说话的声音。

这是日复一日看他们修改、犹豫、进步，慢慢积累出来的默契。

所以当AI生成的“完美作文交上来，他们一眼就能看出来那里面没有那个孩子的气息。句子是对的，逻辑是顺的，但那个会犹豫、会跑题、会在某个段落突然蹦出一句真话的孩子，不见了。

孩子们总是在被潜移默化地影响着：“如果你只能给出一个没有风险的答案，那你和机器有什么区别？”

于是他们也渐渐意识到：用AI写的时候，整篇论文里没有一句是他真正想的。那他在这门课里，参与到了什么？

长期依赖AI的代价，这群孩子想得比很多大人还清楚。

这间教室里没有人是“反AI斗士”。他们只是在一门门需要亲手思考的课程里，慢慢学会了区分：什么是工具，什么是大脑；什么是效率，什么是思想。

随着课程推进，学生逐渐意识到，AI能给的那点帮助，越来越不够用了。

真正让自己变好的，是反复的修改，是和同学的一场场争论，是在卡住三天之后突然想通的某个瞬间。

这些，AI给不了。