标准化为什么曾经有效

统一课程、考试和评价降低了大规模人才培养的协调成本，也能帮助学习者检查基础知识是否掌握。它不是没有价值，问题在于它容易从一种测量工具变成学习本身。

当分数成为唯一目标，学生会优化可预测的输出，而不是理解问题为何成立、条件改变后方法是否仍然有效。

AI 让什么变便宜了

生成式 AI 正在降低检索、改写、样板代码和初步分析的成本。它并未证明考试或基础知识不再重要，却提醒我们：只对固定输入稳定输出，越来越难成为长期优势。

Stanford AI Index 显示，各地正在快速扩大 AI 与计算机科学教育，同时教师准备度和资源差异依然存在。教育面对的不是一个简单的“用或不用 AI”选择，而是如何重新定义学习成果。

更好的评价对象

我更希望评价一个人能否提出有价值的问题、解释选择、迁移方法、识别错误，并与不同背景的人协作。考试可以保留，但应当与开放项目、口头解释、过程记录和反思结合。

这也要求谨慎使用 AI：公开工具参与了哪些步骤，验证了哪些输出，哪些判断仍由人负责。

保护差异，而不是制造口号

“培养创新者”不能只是一句口号。真正的改变包括允许不同路径、提供真实问题、容忍早期失败，并让学生接触研究、设计和公共表达。标准化负责底线，差异化才可能创造新的上限。