文学能力是 AI 安全基础设施

文学能力是 AI 安全基础设施

> 作者：李笑来 · 2026年4月30日 · [原文链接](https://lixiaolai.com/articles/2026-04-30/reading-stamina-as-the-core-of-future-education)

四十秒后，回复来了。三段文字干净利落，没有迟疑，没有省略号。一位职场人士请一位 AI 助手解释某部小说里某种叙事技巧的主题意义。模型答得像研讨课主持人一样流畅：先提出一个关于不可靠叙事的判断，再给出两个支撑细节，最后收束到作者意图。每一句都通顺。词也用得对。论证看起来也像论证。

但就是有哪里不对。那位职场人士是有经验的 AI 用户，已经学会了如何写好提示词，也知道要经常核查。他感觉到了问题。不是事实错误：人物名字是对的，情节也说对了。更像是两个想法的连接处露出了一道缝。第二段的核心判断，并没有真正从第一段推出。那个 “因此” 承担了重量，可下面并没有足够的承重结构。结论来得太顺，把一些其实没有编织在一起的线头硬生生系成了一束。

他又读了一遍。不安还在。可是，他没有办法把这种不安缩小定位。没有实验可做，没有引文可查，也没有反向来源可对照。不适感是真实的；缺失的是找到它来源的工具。停顿片刻后，这个答案被接受了，被转发了，被写进了一份会传到其他人手里的报告。

问题不在于 AI 太自信。问题在于评价者沉默了。

在*接收* AI 输出和*评价* AI 输出之间，有一道缝。而知道更多 AI 的工作原理，并不会自动填上这道缝。

如果把 AI 素养 (AI literacy) 当作技术技能的理由只靠直觉，这篇文章会好写得多。但事实并非如此。

哈佛大学 (Harvard) 的凯斯廷 (Kestin) 及其同事做了一项随机对照试验 (randomized controlled trial)：194 名本科物理学生被分配到定制 AI 导师 (AI tutor) 组，或主动学习教学 (active-learning instruction) 组。¹ AI 辅导组的学习增益，比主动学习对照组高出 0.63 到 1.3 个标准差，而且只用了两次课。学生报告的参与度和动机也更高。这项研究经过同行评议，发表在 *《科学报告》(Scientific Reports)* 上，并且为了防止幻觉 (hallucination)，采用了经专家预先撰写、审校过准确性的答案。这些条件并不会夸大结果；相反，它们是在相当严格的控制下检验一个真实主张。

凯斯廷研究是这个领域里最好的实验。任何反对 AI 辅导 (AI tutoring) 的论证，如果绕开这项证据，就还没有完成自己的工作。诚实的讨论必须先承认它证明了什么：设计得当的 AI 辅导，能在结构化领域里高效传递内容知识。效应量并不边缘。研究设计也可信。¹

支撑这套证据的制度共识也相当厚实。世界经济论坛 (World Economic Forum) 的《2025 AI 素养框架》(2025 AI Literacy Framework) 把核心能力界定为算法思维、提示词工程、理解 AI 偏见、数据素养，以及对 AI 输出的批判性思考。² 普渡大学 (Purdue University) 在 2025 年 12 月设立了 AI 工作能力 (AI Working Competency) 毕业要求，成为第一所这样做的主要研究型大学。² 这些框架不是恐慌的产物，而是真正的政策权衡。它们代表的是那些几十年来一直在思考学生究竟需要知道什么的机构，经过慎重考虑后给出的立场。

成本不对称的论证进一步加强了这个立场。Khanmigo 的学生用户在一年内从大约 4 万增长到 70 万。³ 对一个没有资源的学生来说，免费的 AI 一对一辅导，与每小时 50 到 200 美元的人类一对一辅导相比，AI 工具的公平性论证是真实的，成本差距也绝非小事。

不过，凯斯廷研究的作者自己写下的话，恰恰在这里最重要。他们在局限性部分指出：“we do not presume that structured AI tutoring will always outperform in-class active learning in all contexts, for example, those requiring complex synthesis of multiple concepts and higher-order critical thinking.”¹ 这项研究检验的是理解、应用和分析，大致对应布鲁姆教育目标分类法 (Bloom's taxonomy) 的第一到第四层。作者明确说明了哪些东西不在研究范围内。

问题不在于 AI 辅导能不能做好内容传递 (content delivery)。它能。问题在于，内容传递是不是关键约束 (binding constraint)。

当一个人说 “我需要能评价 AI 输出” 时，他至少在说三种不同的问题。大多数关于 AI 素养的讨论会把它们混在一起。而这种混淆很要紧，因为每个问题需要的能力真的不一样，并且最难的那一种，得到的关注反而最少。

第一种任务是**文体作者识别 (stylistic authorship detection)**：给你一段文字，它是不是 AI 写的？这是一个模式匹配 (pattern-matching) 问题。问题在于，这段文字有没有 AI 生成的可识别文体特征：特定的节奏平滑感，对某些连接短语的偏好，以及那种既自信又没有声调的语域。这项任务已经被直接研究过。

第二种任务是**事实捏造识别 (factual fabrication detection)**：这条引文是否存在？这个统计数字能不能追溯到真实研究？这个历史事件是否符合历史记录？这是一个核查任务。它需要的能力是知道*如何核查*：访问数据库、交叉比对、追踪来源。从方法上说，它更接近事实核查新闻，而不是文学分析。

第三种任务是**推理连贯性评估 (reasoning-coherence evaluation)**：这个论证真的站得住吗？结论是否从前提推出？这个判断是否与两段之前的说法保持内在一致？断言的自信程度，是否配得上它获得的支撑质量？这是一种完全不同的工作。它不是模式匹配，也不是核查事实，而是对论证结构本身的评价。

牛津大学 (Oxford) 的法夸尔及其同事发表了目前处理第三种任务最精细的自动化方法：语义熵 (semantic entropy)。它让模型生成多个候选答案，再检查这些答案是否聚集在一致的含义周围，从而检测虚构性生成 (confabulation)。⁴ 这个方法很漂亮。但它也不可避免地是模型端操作：它需要访问模型内部概率分布，并且需要多次生成。一个人在聊天机器人界面里收到一段单次生成的自信输出时，根本没有这些东西。

更重要的是，作者指出了一类这个方法触及不到的失败：他们称之为 “结构性错误 (structural errors)” —— 这类错误是系统性的，并且会在模型所有输出中保持一致，因为它们来自模型在训练中学到的东西。⁴ 对终端用户来说，最危险的恰恰是这类失败，因为模型生成它们时最自信，也最少自我修正。语义熵检测不到它们。自动化检测的上限之上，剩下的就是人类判断。

一项关于这条边界的受控研究，也就是德语 PMC11914838 实验，很有启发。13 名人文学者和 22 名医疗专业人员，尝试识别一组德语医学生论文中哪些是 AI 生成的。⁵ 医疗专业人员的准确率是 72%；人文学者是 65%。二者差异在统计上不可区分（OR 1.37，95% CI 0.5–3.9）。人文学者认为 ChatGPT 文本在语言上比人类学生写作*质量更高*，不只是差不多，而是按他们的文学判断，更好。⁵

这项研究发现了它发现的东西，而我们也应该准确理解它究竟测了什么：第一种任务。也就是在非文学领域、德语语境、医学生论文文本上做文体作者识别。人文学者的文学训练，并没有让他们在仅凭表层特征识别*哪一篇*文本由 AI 生成时获得特别优势。可是，这项研究并没有测试文学训练是否能预测一个人评价医学生论文中的*论证*是否站得住。它本来就不是为此设计的；它测的是另一件事。

区分这三种任务，尤其是主张文学训练与第三种任务有关，并没有得到直接实验的支持。那个实验还没有做。这是本文必须诚实留下的空白：把文学能力 (literary competence) 视为推理连贯性评估能力的结构性论证，建立在机制、类比和相互汇合的证据之上，而不是建立在一项直接测量文学读者是否比非文学读者更能抓住 AI 推理失败的受控研究之上。这个论证呼唤那项实验。它的缺席是一个必须说出来的缺口，不能藏起来。

这个结构性论证提出的是：第三种任务，其实正是一个认真读者在阅读一部论证密集的作品时会做的事。他在数百页里持续地、隐性地、出于习惯地做这件事。判断一个断言是否配得上它的自信，一个转折是否正当，一个结论是真的获得支撑还是只是被声称出来，这不是把逻辑规则套到孤立命题上。它是一种对论证质地的敏感性，而这种敏感性，来自长期接触那些在大尺度上展示或未能展示这些品质的写作。

AGI 时代使用 AI 的关键约束，不是内容传递。关键约束是第三种任务。而第三种任务，自动化工具还没有解决，技术能力框架也没有处理。真正能处理它的是一种人类能力。这个能力有名字；描述它的研究，其实一直明晃晃地摆在那里，只是摆在了一个看似不相干的院系里。

玛丽安娜·沃尔夫 (Maryanne Wolf) 在 Medium/Thrive Global 上写道：“深度阅读和阅读脑回路本身一样，并不是天然给定的；它通过使用建立，也会因不用而萎缩。”⁶ 这不是一个比喻。深度阅读回路 (deep reading circuit) 是一个由语义、音韵和语用处理相关脑区，加上工作记忆和类比推理共同组成的网络；它是在练习中组装起来的。它不是预装好的。在适当的发展窗口期持续接触困难文本的孩子，会建立起那些没有接触这类文本的孩子无法建立、或只能不完整建立的回路。沃尔夫对大学生的临床记录显示，越来越多学生进入大学时，已经难以持续阅读长文本而不丢失线索。这不是 RCT，但它是几十年来与这个关键人群持续工作所积累的专家临床观察。⁶

那么，这个回路一旦建立，究竟让人能做什么？不是检索。也不是 “知道这些词是什么意思” 意义上的理解。而是更具体、也更难命名的东西：你能感觉到，一段文本是在真正推进论证，还是只是在表演论证的自信，里面却几乎没有承载。凯尔·查伊卡 (Kyle Chayka) 在 *Behavioral Scientist* 中把这称为鉴赏力 (connoisseurship)。他关于算法文化 (algorithmic culture) 的论证，从一个意想不到的角度照亮了阅读问题。⁷

“算法信息流 (algorithmic feeds) 给我们的可得性，是可以随时扫过一大批材料；但我们失去的是鉴赏力，而鉴赏力需要深度和意图。”⁷ 查伊卡写的是音乐、电影，以及一般意义上的文化对象，也就是算法推荐系统如何把评价性辨别压平为被动消费。但他指出的机制，和 AI 输出评价中的机制是同一个：鉴赏力需要深度和意图，而不是访问权限。“必须有意识地积累一个收藏，并且思考你为什么最喜欢某个创作者或某个文化整体，这才意味着成为鉴赏者。”⁷ 关键词是*有意识地积累*，也就是刻意的、累积性的投入。它会建立一种内部标准，而单纯的可访问性做不到。

沃尔夫的回路和查伊卡的鉴赏力，是从两个方向描述同一个过程：一个是神经层面的说法，一个是文化层面的说法。它们都在解释，长期投入困难而优秀的写作，会在读者身上建立什么。一个多年与高要求文本相处的人，不只是消费它们，而是与它们搏斗，丢失线索再找回来，追踪那些真正赢得结论的论证架构。这样的人建立起的东西，是一个 AI 辅助读者没有的。不是知识。是一台校准仪 (calibration instrument)。

认知卸载 (cognitive offloading) 文献把这个机制说得更精确。里斯科 (Risko) 和吉尔伯特 (Gilbert) 的奠基性框架，经格林施格尔 (Grinschgl) 及其同事在三项实验、516 名参与者中确认后表明：通过外部工具卸载而释放出来的认知资源，看起来是*丢失*了，而不是被解放出来了。除非学习者有明确的学习目标，否则这些资源 “不会参与记忆的形成”。⁸ 用 AI 起草论文的学生，并没有把认知努力存起来；他只是没有做那份工作。同样的逻辑也适用于阅读：用 AI 摘要替代持续阅读的学生，并没有把认知资源释放出来用于更高阶分析。他没有发展出那个高阶分析所依托的回路。

利迪亚德类比只是说明，不是机制。亚瑟·利迪亚德 (Arthur Lydiard) 对长跑的基础性贡献，是认识到基础有氧训练，也就是缓慢、持续、大量的努力，会为之后的专项表现训练提供条件。这个结构逻辑可以映射到阅读：基底支撑结构；倒置二者比例会伤害基底。运动生理学里的任何量化比例，都不能干净地映射到认知发展上。这个类比能照亮问题，但不能证明问题。

上一节提到的那个直接实验还没有做；这里展开的是结构性论证。沃尔夫的回路、查伊卡的鉴赏力，以及里斯科和吉尔伯特的认知卸载框架，都汇聚到同一个机制上，并且共同命名了那个无法外包的东西。

无法外包的，是校准仪本身。它是判断论证质量的内部标准。再多 AI 输出访问权限也建立不出它。而由 AI 中介的阅读，反而会主动阻止它发展，因为建造它所需的认知工作，要求人在没有支架的情况下亲自投入。

罗伯特·比约克 (Robert Bjork) 关于学习的研究，在几十年和多个实验室的重复中，汇聚到一个既稳固又反直觉的发现：那些容易带来快速表现提升的条件，往往不能支持长期保持；而那些看起来阻碍即时学习的条件，反而更容易凝结成持久能力。⁹ 这就是合意困难 (desirable difficulties) 框架：富有成效的挣扎、交错和间隔，不是学习的障碍，而是学习的机制。在控制最仔细的研究中，提取练习 (retrieval practice) 对回忆的提升，大约比重新学习同一材料高 50%。⁹ 交错练习 (interleaved practice) 相比同等任务上的集中练习 (blocked practice)，产生的测试表现是 63% 对 20%。⁹ 机制并不神秘：困难迫使认知工作发生，而正是这份工作巩固记忆，建立可迁移技能。容易只是在测即时表现，并不建立持久能力。

Khanmigo 的案例，是真正的架构性反例。可汗学院 (Khan Academy) 的 AI 辅导工具包括 Text Releveler，它为阅读困难的学生给经典文学和历史文本搭支架；Chunk Text 把密集段落拆开，并鼓励学生比较简化版本和原文；还有一种苏格拉底式提问 (Socratic-question approach)，它不直接给答案，而是引导学生走向推理。³ 这些不是摩擦移除器，而是摩擦调节器。支架式支持 (scaffolding) 可以让原本被挡在门外的学生进入有挑战的文本，这和简单移除挑战不是同一种设计。本文批评的不是支架本身。问题在于支架之后发生什么，或者更准确地说，现在没有发生什么。

同行评议文献中的一项系统性范围综述显示，自适应学习平台 (adaptive learning platforms) 围绕参与度优化 (engagement optimization) 来设计：实时调整教学策略以维持学习者参与度，并在学生推进时降低认知负荷 (cognitive load)，这是个性化自适应系统 (personalized adaptive systems) 明确提出的设计主张。¹⁰ 比约克的研究预测了当学习被工程化为心流时会发生什么：短期收益出现，但不会凝结成那些更困难、更不舒服的条件本来会建立的持久能力。综述引用的一项研究发现，88% 的学习者报告在个性化自适应系统中进入心流状态 (flow state)。而心流状态，恰恰是比约克的合意困难研究所反对的条件。心流舒服；但学习，如果指的是建立持久能力的学习，并不舒服。自适应系统公开的商业主张，也就是无缝调整以维持参与度，正使它们在架构上与耐力所需要的生产性不适发生冲突。渐隐支架会降低参与度指标。商业模式并不奖励支架渐隐。

元分析 (meta-analysis) 证据为这个架构性论证提供了基础。阿尔拉瓦什德赫 (Alrawashdeh) 及其同事综合了 12 个国家的 27 项研究，发现个性化自适应学习对阅读素养 (reading literacy) 的总体效应量为 g=0.29。¹¹ 不大，但不是零。真正让图景变复杂的是另一项发现：在元分析数据中，无教师在场条件的效果大于有教师在场条件。¹¹ 这很反直觉。如果自适应学习是对教师教学的补充，那么教师在场本应有帮助。这个模式暗示，被测到的收益集中在低阶、操练和练习型领域。在这些领域，自动反馈最擅长，教师引导的讨论并非必需。高阶理解，也就是那种建立阅读耐力 (reading stamina)、要求持续困难、涉及长线论证追踪的理解，才是教师在场最重要的领域；但它也是元分析无法隔离效应的领域，因为各研究报告结果的方式并不一致。

张 (Cheung) 和斯拉文 (Slavin) 专门考察了最广泛部署的配置。¹¹ 综合性的独立教育科技 (EdTech) 项目，例如 READ 180 和 Fast ForWord，在学校中作为独立阅读干预大规模部署，产生的效应量只有 0.04 到 0.06。接近于零。最广泛部署的工具，在最常见的学校部署模式下，效果贴近地板。这个模式完全符合比约克的预测：自适应学习显示出来的收益，集中在技术可以操练低阶、易测技能的地方。那些更高阶的、由教师促成的、带有生产性不适的工作，也就是建立阅读耐力的工作，恰恰是技术从学习环境中系统性拿走的东西。而这种移除，才是 AGI 时代所需能力的关键问题。

参与度指标和耐力指标方向相反。商业模式选择了错误的那个。

阅读衰退早于今天叠加其上的 AI。

博恩 (Bone) 及其同事分析了美国时间使用调查 (American Time Use Survey) 中 20 年、236,270 名受访者的数据，追踪 2004 到 2023 年的休闲阅读。¹² 美国人在某一天阅读的比例从 28% 降到 16%，相对下降 43%，大致以每年 3% 的速度发生（单一年龄组中降幅最大的是 66 岁及以上成年人；ATUS 不包括在线和屏幕阅读，因此这个指标专门覆盖传统纸本和电子阅读器格式）。社会经济地位 (SES) 差距显著扩大：到 2023 年，受过研究生教育的读者每天阅读的可能性，是受过高中教育读者的 2.79 倍。¹²

青少年数据来自另一个不同但互补的来源。特温格 (Twenge) 及其同事分析了 40 年的 “监测未来”(Monitoring the Future) 调查：每年约 5 万名学生，40 年里超过 100 万名青少年。他们发现，美国 12 年级学生中报告每天阅读的比例，从 1970 年代末的大约 60% 降到 2016 年的 16%。¹³ 大约三分之一的人报告说，在调查前一年没有为乐趣读过任何书。这个数据窗口止于 2016 年，也就是 ChatGPT 发布前 6 年。智能手机是这场崩塌的近因；在青少年群体中，智能手机在 2010 到 2014 年间变得普及。AI 继承了这个趋势；它并不是趋势的起点。¹³

AI 给一个已经削弱的基底增加的，是另一种成本结构。当基底还强时，在错误任务上使用 AI 是一种生产力错误。当基底已经弱时，在错误任务上使用 AI 就是一场知识危机：用户抓不住过去本来能抓住的东西，而且并不总是知道自己已经抓不住了。

麻省理工媒体实验室 (MIT Media Lab) 的研究，以适当的保留态度命名了这个认知机制。科斯米纳 (Kosmyna) 及其同事测量了 54 名参与者在三种写作条件下的脑电图 (EEG) 脑连接性：不借助工具、借助搜索引擎、借助大语言模型 (LLM)。¹⁴ 层级很清楚：纯大脑条件产生最强的 alpha 和 beta 网络连接；LLM 辅助条件最弱。关键在于，当那些被分配到 LLM 条件的参与者在第四次任务中转为不借助工具写作时，他们的脑连接性仍然低于纯大脑组，也就是工具移除后仍然持续的 “低参与”。83% 这个数字比连接性幅度发现更稳固：83% 使用 LLM 的参与者，无法引用几分钟前自己刚写过的论文内容。¹⁴ 作者用 “认知债务 (cognitive debt)” 描述这个模式。该研究样本为 n=54（其中 n=18 完成交叉环节），截至本文写作时尚未经过同行评议；方向性发现经得住这些限制，但具体幅度不应被视为定论。¹⁴

格利希 (Gerlich) 对 666 名参与者的调查发现，频繁使用 AI 工具与批判性思维分数之间存在显著负相关，并且这一关系由认知卸载中介；17–25 岁群体表现出最高的 AI 依赖和最低的分数。这是相关性模式，不是因果证明，但与本文的方向性论证一致。¹⁵

这个基底已经被非 AI 原因削弱了 20 年。AGI 时代提高了这种虚弱的代价。教育科技的主导部署，旨在移除生产性不适、优化参与度，于是同时加速了二者。而它这样做的时间点，正好是基底缺席变得最昂贵的时刻。

本文捍卫的能力，是可以训练的。

一项对 1,962 名台湾老年人进行的 14 年纵向研究 (longitudinal study) 发现，即便控制了其他认知活动，如电视、广播、游戏、社交，每周至少阅读一次，仍独立预测了在 6 年、10 年和 14 年随访中认知衰退 (cognitive decline) 风险降低 46%。¹⁶ 调整后优势比 (AOR) 为 0.54（95% CI: 0.34–0.86），并且在所有教育水平上保持一致。这个发现的范围很重要：研究对象是老年人（64 岁及以上），它讨论的是认知维持，不是青少年的认知发展。可是，专门指向阅读的剂量-反应信号是真实存在的。¹⁶

家庭藏书数据覆盖得更广。西科拉 (Sikora) 及其同事分析了 PIAAC 数据集：2011 到 2015 年间，31 个社会中的 162,955 名成年人样本。¹⁷ 青少年时期家里有 80 本或更多书，独立预测了成年后的更高识字能力、算术能力和 ICT 问题解决能力 (ICT problem-solving skills)，并且这个效应超出了父母教育水平和个人自身教育成就的影响。这个效应呈对数线性，小规模藏书增加时收益最大，并且横跨三大洲持续到工作年龄。¹⁷ 这个通道既不神秘，也不是比喻：在大多数制度化教学开始之前，早期接触书籍会建立起所有后续认知工作所依赖的基底。

两项儿童研究确认了这一点的神经生物学基础。PMC9588575 记录了与社会经济地位 (socioeconomic status) 相关的阅读脑区差异：左半球结构和功能连接降低，阅读网络中的皮层表面积减少，而这些差异与书籍可及性较低、亲子阅读频率较低有关。¹⁸ PMC12309101 在 1,534 名中国一到六年级学生中确认了中介路径：家中书籍数量和开始阅读的年龄，中介了社会经济地位与阅读能力之间的关系。¹⁸ 因果方向来自发展逻辑推断，而不是实验。但贫书环境的生物学相关物，在儿童时期就能被观察到；这不是猜测，而是神经影像数据。

这些是带有认知后果的公平性发现。阅读环境的梯度非常陡。受过研究生教育的美国人每天阅读的比例，是受过高中教育美国人的 2.79 倍。¹² 富裕家庭的孩子更可能在书籍丰富的家庭中长大。制度化阅读，也就是强制性的、有要求的、由教师在场帮助学生处理困难的阅读，曾经是少数几个渠道之一，能让没有书籍丰富家庭的孩子也必须接触困难文本。可以被捍卫的主张是*接触*，不是*拉平*。制度化阅读课程并没有拉平成果；在 50 年的强制教学中，SES 差距仍然存在。接触高要求文本是必要条件，但不是充分条件；差距之所以持续，是因为制度版本不够好，而不是因为接触本身方向错了。

布迪厄 (Bourdieu) 的批评值得认真回应，而不是一笔带过：文学教育在历史上确实常常作为阶层分化机制 (class-stratifying mechanism) 发挥作用，把文化能力标记为归属感的代理指标。高要求阅读课程在制度中如何被部署，这段记录让这个批评在描述层面上是准确的。本文的主张不是保存经典书目 (canon)，而是保存这样一种*承诺*：把持续的困难阅读作为发展要求。读谁的书、用什么语言、由哪些作者来承担，这是实施层面的下游问题。上游问题是，阅读建立的那种能力，是否仍应是制度优先事项。这个问题独立于具体由哪些文本承担训练负荷。

教育科技的公平性论证是一种愿景：在低收入环境中的结果 “remain inconclusive for low-income settings”，而且很少有大规模研究考察 SES 如何与教育科技效果互动。¹⁹ 制度化阅读面对的是另一个问题，也就是它在拉平成果上有记录在案的失败。但这里有一个重要的不对称：面向布鲁姆第二到第四层的免费 AI 辅导，是一种真实干预，成本论证也确实成立。如果本文的论点成立，如果 AGI 时代的关键约束，是 AI 辅导并不建立的高阶评价能力，那么，把免费辅导投向错误能力，就不像看起来那样是公平性的胜利。辅导触达了更多学生；最需要发展的那项能力，却仍然没有被触及。

普林斯顿大学 (Princeton University) 选择玛丽安娜·沃尔夫的 *《读者，归来》(Reader, Come Home)* 作为 2030 届 (Class of 2030) 的入学预读 (Pre-read)，并于 2026 年 4 月宣布这一决定。²⁰ 艾斯格鲁伯 (Eisgruber) 校长写道，深度、沉浸式阅读 “at the heart of a Princeton education”，而有挑战的书会为学生提供 “something distinctive, valuable, and irreplaceable”。制度层面的承认正在到来。问题在于它是否来得及，以及它是否只会来到那些学生本来就拥有书籍丰富家庭、父母也阅读的机构。

这个问题越过了教育本身。追踪一条长论证直到结论的能力，识别自信何时没有被赢得的能力，注意到一个看似推理的结构其实只是在表演推理的能力，这些都是知情集体判断的认知前提：理解公共卫生紧急事件中的推理，评估政策辩论中的取舍，区分一条结构良好的民主论证和一条结构良好、但只是听起来像民主论证的论证。一个在自信而不确定的条件下无法评价推理的选民群体，不只是受教育程度更低。它也更容易被操纵，不是被 AI 操纵，而是被控制 AI 自信说出什么的人操纵。

文学能力、阅读耐力、沃尔夫描述的回路、查伊卡命名的鉴赏力，这些都是 AI 输出真正评价所依赖的基础设施。选择保护它们，还是放弃它们，其实是在决定下一代将继承什么样的知识公共空间 (epistemic commons)，以及那个公共空间是否有能力完成 AGI 时代比任何此前时代都更需要它完成的工作。

1. Kestin, G., et al. "AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting." *Scientific Reports*, 2025. doi: 10.1038/s41598-025-97652-6. https://www.nature.com/articles/s41598-025-97652-6 ↩ ↩ ↩
2. World Economic Forum. "Why AI literacy is now a core competency in education." May 2025. https://www.weforum.org/stories/2025/05/why-ai-literacy-is-now-a-core-competency-in-education/ | Purdue University. "Purdue Unveils Comprehensive AI Strategy; Trustees Approve AI Working Competency Graduation Requirement." December 2025. https://www.purdue.edu/newsroom/2025/Q4/purdue-unveils-comprehensive-ai-strategy-trustees-approve-ai-working-competency-graduation-requirement/ ↩ ↩
3. Khan Academy. "ELA AI Teacher Tools." *Khan Academy Blog*, 2025. https://blog.khanacademy.org/ela-ai-teacher-tools/ ↩ ↩
4. Farquhar, S., Kossen, J., Kuhn, L., & Gal, Y. "Detecting hallucinations in large language models using semantic entropy." *Nature*, 630, 625–630, June 2024. doi: 10.1038/s41586-024-07421-0. https://www.nature.com/articles/s41586-024-07421-0 ↩ ↩
5. "Detecting Artificial Intelligence–Generated Versus Human-Written Medical Student Essays: Semirandomized Controlled Study." *PMC11914838*, 2025. https://pmc.ncbi.nlm.nih.gov/articles/PMC11914838/ ↩ ↩
6. Wolf, Maryanne. "Skim Reading Is the New Normal: The Effect on Society." *Medium / Thrive Global*, 2018. (Quote confirmed verbatim from this piece: "Deep reading, like the reading brain circuit itself, is not a given; it is built by use, or it atrophies from disuse.") See also: Wolf, Maryanne. *Reader, Come Home: The Reading Brain in a Digital World*. Harper, 2018. Well, T. "The Reading Crisis in College." *Psychology Today*, March 11, 2025. https://www.psychologytoday.com/us/blog/the-clarity/202503/the-reading-crisis-in-college ↩ ↩
7. Chayka, K. "How to Cultivate Taste in the Age of Algorithms." *Behavioral Scientist*, 2024. https://behavioralscientist.org/how-to-cultivate-taste-in-the-age-of-algorithms/ See also: Chayka, K. *Filterworld: How Algorithms Flattened Culture*. Doubleday, 2024. ↩ ↩ ↩
8. Risko, E.F., & Gilbert, S.J. "Cognitive Offloading." *Trends in Cognitive Sciences*, 20(9), 676–688, 2016. https://pubmed.ncbi.nlm.nih.gov/27542527/ | Grinschgl, S., Papenmeier, F., & Meyerhoff, H.S. "Consequences of cognitive offloading: Boosting performance but diminishing memory." *PMC8358584*. https://pmc.ncbi.nlm.nih.gov/articles/PMC8358584/ ↩
9. Bjork, E.L., & Bjork, R.A. "Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning." In *Psychology and the Real World*, 2011. https://bjorklab.psych.ucla.edu/wp-content/uploads/sites/13/2016/04/EBjork\_RBjork\_2011.pdf | Bjork, R.A., & Bjork, E.L. "Desirable difficulties in theory and practice." *Journal of Applied Research in Memory and Cognition*, 9(4), 475–479, 2020. ↩ ↩ ↩
10. "Personalized adaptive learning in higher education: A scoping review of key characteristics and impact on academic performance and engagement." *PMC11544060*, 2024. https://pmc.ncbi.nlm.nih.gov/articles/PMC11544060/ ↩
11. Alrawashdeh, G., Fyffe, S., Azevedo, R., & Castillo, C. "Exploring the impact of personalized and adaptive learning technologies on reading literacy: A global meta-analysis." *Educational Research Review*, 2023. doi: 10.1016/j.edurev.2023.100541. https://www.sciencedirect.com/science/article/abs/pii/S1747938X23000805 | Cheung, A.C.K., & Slavin, R.E. "Effects of Educational Technology Applications on Reading Outcomes for Struggling Readers: A Best-Evidence Synthesis." *Reading Research Quarterly*, 2013. doi: 10.1002/rrq.50 ↩ ↩ ↩
12. Bone, J.K., et al. "The decline in reading for pleasure over 20 years of the American Time Use Survey." *iScience*, vol. 28, no. 9, 2025, art. 113288. doi: 10.1016/j.isci.2025.113288. https://pmc.ncbi.nlm.nih.gov/articles/PMC12496190/ ↩ ↩ ↩
13. Twenge, J.M., Martin, G.N., & Spitzberg, B.H. "Trends in U.S. Adolescents' Media Use, 1976–2016: The Rise of Digital Media, the Decline of TV, and the (Near) Demise of Print." *Psychology of Popular Media Culture*, 8, 329–345, 2018. doi: 10.1037/ppm0000203. https://psycnet.apa.org/record/2018-41062-001 ↩ ↩
14. Kosmyna, N., Hauptmann, E., et al. "Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task." *arXiv:2506.08872*, June 2025. https://arxiv.org/abs/2506.08872 ↩ ↩ ↩
15. Gerlich, M. "AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking." *Societies*, 15(1), 6, January 2025. doi: 10.3390/soc15010006. https://www.mdpi.com/2075-4698/15/1/6 ↩
16. "Reading activity prevents long-term decline in cognitive function in older people: evidence from a 14-year longitudinal study." *PMC8482376*, *International Psychogeriatrics*, 2020. https://pmc.ncbi.nlm.nih.gov/articles/PMC8482376/ ↩ ↩
17. Sikora, J., Evans, M.D.R., & Kelley, J. "Scholarly culture: How books in adolescence enhance adult literacy, numeracy and technology skills in 31 societies." *Social Science Research*, 77, January 2019. doi: 10.1016/j.ssresearch.2018.10.003. https://www.sciencedirect.com/science/article/abs/pii/S0049089X18300607 ↩ ↩
18. "Socioeconomic status and reading outcomes: Neurobiological and behavioral correlates." *PMC9588575*. https://pmc.ncbi.nlm.nih.gov/articles/PMC9588575/ | "Influence of socioeconomic status on children's reading abilities: the mediating role of home learning environment." *PMC12309101*. https://pmc.ncbi.nlm.nih.gov/articles/PMC12309101/ ↩ ↩
19. "Bridging EdTech gaps: Examining learning equity in low-income educational settings." *ScienceDirect*, 2025. https://www.sciencedirect.com/science/article/abs/pii/S0738059325001968 | Wiley. "Adaptive, but Equitable? Exploring the Impact of Machine Learning-Based Adaptive Support on Educational Debts in Undergraduate Chemistry." *Science Education*, 2025. https://onlinelibrary.wiley.com/doi/10.1002/sce.70042 ↩
20. Princeton University. "Reader, Come Home by Maryanne Wolf selected as Princeton Pre-read." April 8, 2026. https://www.princeton.edu/news/2026/04/08/reader-come-home-maryanne-wolf-selected-princeton-pre-read ↩

- Wolf, Maryanne. *Reader, Come Home: The Reading Brain in a Digital World*. Harper, 2018. — The primary source for the deep reading circuit argument; SC1-B draws on Wolf's clinical observations and the broader neuroscientific argument the book makes. Library-only for the interior; the book's thesis is the article's foundational intellectual context.
- Carr, Nicholas. *The Shallows: What the Internet Is Doing to Our Brains*. W. W. Norton, 2010. — The foundational popular argument that sustained attention and deep reading are being structurally degraded by hypertext and scanning habits. The present article picks up where Carr left off and applies the substrate argument specifically to AI-era evaluation.
- Newport, Cal. *Deep Work: Rules for Focused Success in a Distracted World*. Grand Central Publishing, 2016. — The professional application of the attention-economy critique; relevant background for the primary audience, who have likely encountered Newport's framework and whose existing vocabulary the article builds on.
- Chayka, Kyle. *Filterworld: How Algorithms Flattened Culture*. Doubleday, 2024. — The full book-length argument from which the Behavioral Scientist quotes (SC3-C) are drawn; the connoisseurship argument is more fully developed here than in the cited article.
- Bjork, R.A., & Bjork, E.L. “Desirable difficulties in theory and practice.” *Journal of Applied Research in Memory and Cognition*, 9(4), 475–479, 2020. — The most recent synthesis of the desirable difficulties research program; complements SC4-A (the 2011 chapter) and is more directly available to readers wanting to engage the primary source.
- Cheung, A.C.K., & Slavin, R.E. “How Features of Educational Technology Applications Affect Student Reading Outcomes: A Meta-Analysis.” *Educational Research Review*, 2012. (84 studies, 60,000+ K-12 participants) — The broader meta-analysis from which the standalone-program figures (SC4-B) are drawn; the 2012 synthesis covers a wider evidence base than the 2013 struggling-reader focus paper.
- PMC11047126. “Cognitive reserve over the life course and risk of dementia: a systematic review and meta-analysis.” *Frontiers in Aging Neuroscience*, 2024. — The cognitive reserve meta-analysis (SC5-B) mentioned in the evidence dossier as reserve evidence. Contains the early-life vs. late-life cognitive reserve comparison; the article does not cite it because the “reading reduces dementia risk by 18%” formulation cannot be supported (reading is one component of broadly-defined cognitive reserve), but the meta-analysis informs the argument about why early cognitive investment matters.

版权声明：© 超限思维 · LookMinds。本页为己方整理的亲口亲笔原稿处理稿/编者新译，非原文替代；原文版权归原作者/平台。本人原作请回原链。