我是一本生物学教材的作者，但我要说：教科书已经过时了。
许多人认为人工智能（AI）带来的威胁在于内容生成，他们担心的是摘要、改写、克隆笔记或合成学习材料。但更深层的颠覆在于，AI让能够填补概念理解空白的信息变得丰富且免费。
正因如此，像教科书这样的静态教育内容，越来越难以自圆其说。当你可以瞬间获得量身定制的解释时，为什么还要为固定的解释付费呢？
一本写得好的教科书曾经很有价值，因为解释是稀缺资源。教师可能在课堂上解释一个概念一次，如果学生负担得起，家教可以再解释一遍。笔记可能也有帮助。但如果学生不理解某个概念，能获得的解释数量是有限的。
这种稀缺性创造了价值，也使得教科书变得重要。
AI改变了这一切，使能够响应学习者需求的解释变得无处不在。AI模型几乎可以按照学习者想要的任何形式来呈现知识：更简单、更慢、更直观、更具对话性、更有耐心、更具重复性、更聚焦考试目的、更多例子、更具针对性。
学生不再只能接受一种解释。他们可以向AI模型提问，可以说：“把这个解释得更简单点给我”或者“用个体育比喻来说”，又或者“我哪里理解错了？”，还可以说“给我五个例子”或者“先考考我，再给出答案”。
一个例子是谷歌的Learn Your Way（按你的方式学习），它利用AI将静态教科书转变为个性化的互动课程，适配学习者的年级和兴趣。它还提供多种格式，如沉浸式文本、测验、音频课程和思维导图，使学习更具吸引力并提高知识留存率。
显然，AI已将价值向上游转移：从内容转向引导，从解释转向响应，从呈现转向互动，从固定材料转向适应性支持。
教育部也认识到了这一点。根据教育科技总蓝图2030，教育部将AI整合到学生学习平台（Student Learning Space）中，以实现定制化学习。针对数学和地理的适应性学习系统，通过提示、反馈和自主模式，创建个性化学习路径。AI辅助编写工具“创作副驾”（Authoring Copilot）可根据文本输入快速生成教案。简答题反馈助手提供即时评分反馈，数据分析助手则分析学生回答。这些功能通过多媒体和包容性功能，满足多样化的学习需求。
同样，理工学院也已将AI融入课堂。淡马锡理工学院推出配备实时转录和互动工具的AI赋能教室；新加坡理工学院部署了用于模拟和弥补知识差距的生成式AI导师；共和理工学院计划到2027年在其一半的模块中整合AI；义安理工学院和南洋理工学院等其他院校，则嵌入用于评估和道德AI使用的定制机器人。
教学生思考，而不仅仅传达知识
但更深层的问题不在于教科书，而在于学校是否理解教育的真正目的是什么。
教育的目的从来不是信息传递，而是培养判断力和构建理解力。在人工智能时代，这种区分变得尤为紧迫。
一个知道如何使用AI获取答案，却无法质疑这些答案的学生，不是受过教育的人，而是一个依赖者。学校现在面临的风险，是培养出一代熟练的提示输入者，但他们无法察觉肤浅的推理、识别错误的前提，或构建一个值得解决的问题。
这需要一种不同的教学方式。不是“给你答案”，而是“为什么这个答案站得住脚？它假设了什么？什么情况下会不成立？”
好奇心和探究精神不是“软技能”。在一个AI处理所有重复、可预测、智力需求低的任务的世界里，它们是核心能力。那些仍然有价值的人，将是能提出更好的问题、看到别人忽略的模式，并以严谨态度解决问题的人。
如果学校继续优化那些现在机器已经能辅助完成的任务，那就是在为一个不复存在的世界培养学生。教科书不是问题所在，它们所代表的模式才是。
长期以来，最了解学习问题的人，往往最无法将这种专业知识转化为可用的数码工具。教师可能知道学生在哪些地方会困惑，教科书作者可能知道某个主题中常见的误解，家庭教师可能理解学生在情感和概念上的瓶颈。但在这些人中，没有一个能在没有工程师、预算和数月开发的情况下，将这种洞察转化为产品。
有了无代码AI，这一切都改变了。
下一波教育价值可能不再只属于传统的出版商或软件公司，也可能属于那些能够将自己的专业知识转化为智能学习体验的教育者、作者、培训师和领域专家。
未来的教科书作者不仅仅是创造内容，也将成为体验架构师——不仅仅是发布信息，而是塑造学习者如何一步步走向理解。
出版商必须思考如何在可信的专业知识之上，构建适应性学习层。
学校必须更有意识地培养学生的判断力、探究能力和智力能力。
对于教科书作者来说，问题不再仅仅是“我能写什么书？”而是“我能利用我所知的知识，构建什么样的智能学习体验？”
作者是无代码AI平台联合创始人
