2月2日，《联合早报·言论》版刊登两篇探讨人工智能（AI）学习的评论：刘家明的《学问——最重要学会提问》与汪来昇的《知识泛滥时代的判断难题》（下称刘文和汪文）；前者主张善问问题，后者提醒别因用了AI就自以为是专家。
拙文《从防堵AI到深拥AI——学习评价的新范式》（2025年12月29日《言论》版），提出元认知觉察（Meta-Task Awareness，简称MTA）框架，正可用以回应两文所揭示的挑战。这个框架可用“三层功力”来拆解――前提示语、提示语，和后提示语层次。
刘文所论述的问对问题、问出好问题，是教育学界在30年前就提出的21世纪学习能力要件，可锚定学习切入点和深度，而今在生成式AI时代越显重要。比如，你问AI“贾宝玉是个怎样的人？”或“贾宝玉的命运是家世注定还是性格决定？”AI给你的答案，思想深度会差很大。
可是，在MTA视角下，那只是第一层功力――前提示语层次。人依赖AI，把AI当权威教师或答题机器，不等于学会思考问题。刘文因而也指出，人面对AI的答案，仍须自己查证和判断。这是第一层功力的较高层次――但还未晋入第二层功力。
联合国教科文组织发布的《学生AI能力框架》明确强调：在AI导入教育的大方向中，维持人类自主性（human agency）是关键目标。AI教育的大战略，确实是该引导学生认识AI、使用它并和它共同学习；要掌握AI，同时超越它，而非反过来被它掌控。不过，“超越”AI还不是终点。
近日我在所教的科技教学应用的课堂上，先让学生分享他们使用AI的经验。三名学生自豪地说：“我已经‘驯服’了AI！”这就是第二层功力（提示语层次）：能按己意精确下指令，迭代优化生成，甚至让AI模仿个人风格。我回应：“这门课的最后，你们会学到比‘驯服’更高一层的技能。”
汪文的提醒跟第三层功力（后提示语层次）不谋而合。警惕生成式AI让许多人产生“我也是专家”的错觉，是第二层功力的“长期发功者”的可能心态。MTA可防止这种错位。
MTA没要人跟AI斗智，而是比AI更清醒，要求人在任务中持续觉察。我曾向初级学院学生发表演讲，列出MTA的五点“自检清单”：开始使用AI前，是否清楚为何用AI、要达到什么目的？当AI提出新点子时，能否判断，要不要修改、优化目标或任务，并确保AI能与新目标、任务对齐？是否懂得在跟AI共学、共事的过程中，何时引导AI，何时放手让AI引导自己？是否能判断AI真的帮助你的思考，而不只是让产出“更好看“而已？每次互动后，是否懂能反思而优化提问、指示技巧，下次让AI更好？
这个自检清单，让培养MTA思维和技巧，变得可操作。MTA互动的一大特征，是目标和任务可动态调整；人对于自己与AI的专业界线，也会有更大的觉察，所以不会一面倒地“依赖AI”或“掌控AI”。当AI展现计算力，我提供语境判断；当AI提供模式识别，我决定取舍方向。
1月22日，新加坡推出全球首个由政府主导的代理式AI（又译智能体）监管模式框架，协助企业和机构采取措施降低应用风险，并确保AI的运作最终必须由人来负责。框架围绕四大重点：预先评估与界定风险；确保人类对智能体承担实质责任；在智能体的全生命周期中实施技术管控与流程管理；以及通过透明化处理及教育培训，增强终端用户的责任意识。
MTA正是提供这个框架在个人实践层面的具体操作或培训原则，帮助人类判断，任务是否仍然“由人开始，由人结束”。当AI的行动路径越来越复杂，人若缺乏MTA，就容易让思考被系统“吞没”；具备MTA的人，则能适时插手，重新定义问题或任务的边界与意义。
MTA让人与AI互动，如同齐跳一支探戈舞。探戈并非由单一领舞者完全掌控，双方都须不断读懂对方的节奏，及判断何时引导、何时跟随；不是机械的命令执行，而是节奏与感知的共鸣。探戈若失去平衡，舞者可能互相绊倒。人与AI的关系，不是服从或抗衡，而应是默契十足的搭档。
作者是南洋理工大学国立教育学院高级教育研究科学家
