2026年6月，哈佛毕业典礼。
一个毕业生代表站上台，开口第一句话是——"F**k AI"。连喊三声。全场起立，掌声雷动，欢呼持续整整四十秒。
在哈佛这个以克制和体面著称的精英出口，四十秒的失控几乎前所未有。这篇文章不是要讨论"AI好不好"。这篇文章要讨论的是：这四十秒背后，藏着一个教育体系正在塌方的真相。
赵黎（2026）在《新文科教育研究》中给出了一个理论框架，精准解释了哈佛毕业生那声呐喊的本质——教育评价信号贬值。
过去，一篇结构完整、语言流畅的论文之所以能代表能力，是因为"写得像样"本身有门槛。高能力者用更少的努力就能写出更好的东西——这种成本差异使作业成为可用的选拔信号。
生成式AI的出现抹平了这个差异。一篇规范漂亮的答案成本趋近于零——0.3秒、0.01元API调用费。结果还在，甚至更好看了，但背后的能力含量已经无法辨认。
这不是纪律问题，是测量问题。赵黎写道：
两名学生都交出规范的论文：一人主要靠AI生成；另一人同样用AI，却在问题定义、证据筛选与反例处理上投入大量判断。只看终稿，二者难分高下。— 赵黎 (2026)，《新文科教育研究》
哈佛毕业生喊出的"F**k AI"，本质不是反技术。他是替所有花了四年、用了15万美元的人，说了一句心里话："我拿到的那个东西，正在失去它原本的意义。"
Sriraman（2026）提出了一个五级认知模型来说明AI带来的认知解耦效应：
大多数学生——包括哈佛毕业生——在AI辅助学习时，停留在Level 0到Level 2之间。他们以为自己学到了，实际上只是AI的"输出皮囊"。
Rozenblit & Keil（2002）的研究早就揭示了这个现象的核心机制——解释深度错觉（Illusion of Explanatory Depth）。人们在被问到一个复杂问题时，常常高估自己的理解程度，直到被要求详细解释才意识到自己其实说不清楚。AI让这个错觉变得更加隐蔽：你连"试着说清楚"的步骤都省了，AI直接给你一份完美的解释。
Koriat（1997）的JOL（学习判断）理论进一步解释了为什么这种自我感觉特别危险：学习判断基于可获得的线索，而非实际记忆状态。当AI提供了一个流畅、自信的答案，它就制造了一个"我掌握了"的假线索，直接绕过大脑的真实记忆编码过程。
Yi et al.（2026）刚发表在arXiv上的研究提供了极其及时的证据。他们招募了318名大学生参与结构化学习实验，结论很清楚：
更关键的是，他们发现名校生的所谓"背景优势"本质上是行为优势：来自排名更高大学的学生更倾向于采取主动批判性互动策略——质疑AI的输出、反复追问、要求解释——而这恰恰是可以被训练的行为模式。
控制学习行为后，大学排名与学生表现之间的关联大幅减弱或消失。提示我们：AI辅助学习的效果差异，很大程度上是可以被行为训练弥合的。— Yi et al. (2026)，arXiv:2607.10101
Yi的发现与Yao（2026）的研究不谋而合。Yao分析了百万级编程竞赛提交记录，发现同样的AI工具，替代型用户（让AI替自己做）技能退化，而互补型用户（用AI加速自己练习）技能加速。同一工具、截然相反的结果——关键在于"如何使用"而非"是否使用"。
如果说哈佛事件是一场情绪爆发，ECNU（2026）的研究就是给它提供了数据支持。
华东师范大学的研究团队对86,237名中小学生进行了大规模纵向研究，使用Double ML和Causal Forest等先进因果推断方法，结论令人震惊：AI定制化教学的平均处理效果ATE=0.01，p=0.51，完全不显著。
换句话说：把更贵的模型、更个性化地推送给学生，效果趋近于零。这不是模型不够强的问题——这是教育方法本身的问题。
Xing & Teng（2026）对385名GenAI用户的画像分析揭示了一个可能的原因：同样是使用AI，学习者分成了四种完全不同的投入模式：
| 投入画像 | 占比 | 特征 |
|---|---|---|
| 高投入综合型 | 44.4% | TIB结构+深度参与，正收益 |
| 技术依赖型 | 16.4% | 过度依赖AI输出，独立思考弱化 |
| 选择互动型 | 20.0% | 选择性使用，效果中等 |
| 最低投入型 | 19.2% | 极少主动使用，几乎无收益 |
近20%的AI用户几乎毫无收益，而44.4%的人能大幅受益。差距不在工具，在使用方式。
赵黎（2026）提出的五层重构路径给出了方向：
这正是CoEvo的核心设计理念。我们的产品不替用户"学习"，而是在用户的AI对话中自动提取概念→用户确认制卡→用FSRS（Ye et al., 2022）科学调度间隔复习→通过检索练习而不是自我感觉来做客观验证。
你没法让AI替你完成"从长期记忆中检索信息"这一步。这是客观验证的底层逻辑——它不止是防止作弊，更是防止你欺骗自己。
回到开头的故事。那个人在哈佛毕业典礼上喊的不是"AI去死"，而是——"请让我相信，我这四年不是白费的"。
当答案的成本被AI压到零，学习的价值就必须从别处重新寻找。不是更贵的大模型，不是更炫的AI工具。
Immordino-Yang（2007）在脑科学中已经证明：情感是理性学习的必要条件。学习不是把信息从A复制到B，它涉及挫折、判断、发现、顿悟、反复——这些每一样都需要人类主动的认知参与，而没有任何一样可以被AI代劳。
教育的出路不是禁止AI，也不是无条件拥抱AI。教育的出路是：重新设计一套验证系统，让真正发生的学习过程可以被看见、被测量、被确认。
总结：8项研究的一致结论
AI对话中自动提取概念 → FSRS间隔复习 → 客观验证内化。不是替学，是真的学会。