一个人从娄底出发，准备到贵阳去。如果一路步行，他需要反复确认方向、岔路、落脚点与体力，每一个局部决定都直接参与旅程的形成。如果乘坐高铁，情况就不同了。他不必亲自计算每一段轨道的曲率，也不必判断每一次牵引调整是否正确。他首先需要知道自己上了哪趟车，到了什么地方，这个地方是否就是要去的目的地。
这个差别并不意味着乘客比步行者更懒，也不意味着乘客自动拥有更高的智慧。它说明一种技术能够改变人的行动单位：原本需要逐步承担的中间过程，被一个组织化系统承接了。人的注意力由此获得重新分配的机会。是否能够把这种机会转化成更好的判断，则是另一回事。
人与AI共同思考，也面临类似的变化。一个学生可能不再需要亲自完成几十段资料的初步归类，却需要判断分类依据是否合理；可能不再需要独立写出三个方案的所有细节，却需要判断三个方案究竟有什么实质差别；可能很快得到一套完整解释，却需要辨认这套解释回答的到底是不是原来的问题。技术压缩的主要是部分操作过程，教育必须重新安排的则是人的认知责任。
本书的出发点，是王德生博士在人机对话中提出的一个判断：AI带来的重要变化，是人的思考颗粒度和层级可能升高，而演绎、归纳、类比等熟悉的推理形式仍然发挥作用。随后，“判断这里是不是贵阳，而不是检查高铁前进的每一步”使这个命题获得了清晰的形象。它将讨论从”学生还能不能独立做题”，转向”学生究竟能够判断和组织什么规模的认知对象”。
但一个有力量的比喻，也最容易在被赞同的时候失去边界。高铁的目的地通常能够借助站名、地图和现场信息确认；一个全新的理论却未必存在如此便利的终点标志。有些结论看起来正确，真正的问题却隐藏在前提里。有些路径不仅生产结果，本身就是应当学会的内容。有些学生看到宏大答案以后，只是学会了宏大表达，并没有获得高层判断。因此，本书既展开这一命题，也为它设置可以被检验、被反驳和被修正的条件。
本书所说的”革命”，不是宣告过去的教育一无是处。优秀教育从来就包含概念理解、原理分析、探究与创造。变化的关键在于：当更多学生可以低成本调用复杂的外部认知过程时，课程、课堂和评价是否还把同一类步骤的重复执行当作主要能力证明。革命发生在教育组织方式与能力认证单位上，而不是发生在一句”从此不需要基础”的口号里。
同样，本书不把人安排在所有AI之上的一个天然裁判席。人会判断失误，AI也能够参与验证、发现反例和重构问题。所谓人的高层判断，并不是人永远比机器高明，而是教育不能用机器生成的成品，冒充学习者已经形成的理解与承担能力。学生不必包办一切，却应当对自己接受了什么、拒绝了什么、还不知道什么，具备与其角色相称的说明能力。
这是一部关于教育认知组织的专著，也是一部关于学习者如何成为共同思考参与者的专著。它不把自然人和工具视为毫无关系的两个孤立存在，也不把二者轻率地混成同一个生物大脑。它关心的是：在一个真实的人—AI互动系统中，问题如何被提出，差异如何被组织，判断如何获得依据，学生的能力如何实际发生。
当列车已经能够高速前进，教育仍然需要教人辨认方向、理解地图、检查异常，并有理由地决定去哪里。更重要的是，它还要让学生有能力发现：也许原来的地图遗漏了一条路，也许原来的目的地不再适合，也许这次旅程应当从重新提出问题开始。
设想两间课堂。第一间课堂使用AI快速生成讲义、题目和标准答案，学生做的仍是同样的题，教师检查的仍是同样的步骤。第二间课堂也使用AI，但学生需要比较方案、识别关键前提、建立独立检验，并在条件变化以后重构问题。两间课堂都可以声称采用了人工智能，教育上发生的改变却不相同。
前者主要改变材料生产速度，后者尝试改变认知劳动的分配方式。本书并不否认前一种改变的价值，而是指出：工具使用次数、内容生成数量和作业完成速度，不能单独证明教育的认知结构已经改变。真正应问的是，学生被要求承担的判断，是否从局部执行扩展到了结构理解和任务组织。
从逻辑上说，节省时间至少允许三种去向：减少投入、增加同类任务、转向新的学习活动。只有第三种去向，并且其中的活动确实具有学习价值时，认知层级上移才可能发生。把”技术节省时间”直接推成”学生获得高阶能力”，中间漏掉了整个教学设计。
因此，改革不是把一个更强的生成器放进旧课堂以后等待结果。它要回答：哪些过程现在可以委托，委托以后学生承担什么，教师依据什么确认学生真的形成了能力。这三个问题，构成认知层级改革最小而完整的起点。
第一种变化是作品变化。文章更完整，计算更迅速，报告更漂亮。第二种变化是协作系统变化。同一个人借助AI，能够处理过去无法独自完成的任务。第三种变化是学习者变化。离开原来的回答、面对新条件时，他仍然能够理解、判断、迁移和修订。三者可能相互促进，却不能相互替代。
例如，一名学生交出了一份结构完善的实验方案，这可以成为作品质量的证据；如果他能组织AI反复改进方案，可以成为协作能力的证据；如果改变实验对象以后，他还能指出原设计哪里失效，则进一步支持其知识与判断发生了内化。不能因为第一项成立，就宣布第三项已经成立。
人机协作研究也提示，不应把”有人参与”自动等同于最佳组合。Vaccaro等人的系统综述与元分析区分了相对于人独立工作的增强，以及同时超过人和AI单独表现的协同；两者并非同一指标，其纳入研究中的效果还随任务而异。[1] 本书由此采用三本账：成果账、协作账、学习账。它们相互关联，但分别结算。
讨论人与AI对话后的大脑变化，首先要避免把不同研究层面压成一个判断。任务分工改变，是对活动组织的描述；推理策略改变，是认知行为层面的命题；长期神经结构或功能改变，则需要相应的神经科学研究。前两个层面出现差异，不足以直接证明第三个层面发生了特定方向的改变。
本书主要研究前两个层面：学生是否开始使用更大的认知单位，是否更善于识别假设、连接模型和调整问题。对于大脑活动的具体变化，不凭借”感觉思考更开阔了”作出结论，也不把使用AI时某种认知努力减少简单解释为能力退化。努力分配的改变，既可能是技能提升，也可能是关键学习过程被绕开；需要依靠任务与后续表现判断。
这一区分让理论更可研究，而不是削弱理论。能够测量学生在陌生问题中如何组织知识，已经足以支撑重要的教育改革。没有必要借助尚未完成的脑科学证明，为一项认知组织理论制造额外的权威。
课堂上最容易被看见的是答案，最难被看见的是答案形成以后留在学生身上的变化。技术越擅长制造可见的成果，教育就越需要认真寻找不容易被成品替代的能力证据。学生是否能够指出一个结论的适用条件，是否知道什么证据会迫使自己改口，是否能够在没有现成模板时重新组织问题，都比”写得像不像专家”更接近本书关心的对象。
由此可以提出一个基础原则：教育所认证的，不只是学生能够获得什么结果，而是他在什么条件下能够可靠地使用、解释、修改与承担这些结果。这里的”承担”不是一句道德赞美，而是可见的行动：发现错误后能够停止使用，条件改变后能够更新结论，证据不足时能够保留判断。
认知层级革命因而并非一次从劳动走向清闲的迁移，而是一次从包办局部过程走向组织认知关系的迁移。它能否发生，要看课程是否真正创造了这种组织工作的空间。