构建人工智能时代下跨学科能力培养的新范式

从ChatGPT到DeepSeek，人工智能的发展变化令人瞠目结舌。其每一次“突变”不仅仅是打破传统路径依赖的思维模式，更是通过“精萃与蒸馏”的过程加速构建多维度认知体系，是多向异性思维新模式选择与瞬间汇聚涌现的系统性突破。而这种突破式演进本身就体现出跨学科能力，即通过跨学科能力整合实现思维模式的范式革新。由于技术更新迅速，人工智能已成为“唾手可得”的资源，降低了全民学习和终身学习的门槛，使随时随地学习成为可能。同时，人工智能加速了知识的整合与体系的重构，不仅是学习工具，未来还将成为知识生成的参与者和跨学科学习的“智能导师”。因此，在人工智能时代，培养跨学科能力已成为必然。

问题驱动，以现实问题培养跨学科能力

跨学科的本质是基于复杂现实问题，对知识进行解构与重构，形成动态演化的知识生态系统。因此，跨学科能力的养成须以现实问题为驱动。在人工智能时代，问题呈现出复杂化、动态化和超时空化。与此相对应，高校可借助人工智能，“全场景、全天候、全时空”培养学生的跨学科能力。

其一，问题场景不再单一化。以往由于教学工具的局限性，只能为学生提供单一、简单模拟的场景，阻碍了学生跨学科知识的学习。而人工智能可根据教学内容的不同，模拟复杂的社会、科学、工程等跨领域问题，结合虚拟现实（VR）和增强现实（AR）等技术，构建出高度仿真的全场景，通过加速场景间的信息流动模糊场景边界，突破不同领域间的知识壁垒，引导其在解决真实问题的过程中综合运用多学科知识寻找解决方案，促进知识的高通路迁移。

其二，问题反馈不再延时化。以往由于教师人数较少，学生问题得不到即时反馈，在某种程度上增加了学生跨学科学习的困难。而人智交互可实现永久在线和永久链接，人工智能的高反馈速度与高及时性可实现全天候待命，为学生解答问题，且为其提供不同领域知识的自动整合，帮助学习者理解不同领域知识之间的关系，以期为他们提供更精准的个性化学习支持，使因材施教成为可能。

其三，问题预测不再限域化，即不再以当下为主，强调前瞻性。以往由于知识的不连贯性与难得性，学生无法作出对未来的精准预测。而人工智能的发展，将人类历史文化数字化、可视化，在对历史进行推理回溯的基础上对未来的问题进行更精准的预测分析。在这一过程中，学生可借助人工智能突破空间限制，突破现实生活中的结构性壁垒，跨学科、跨地域、跨文化进行合作交流，学生可借助虚拟身份在空间坐标中自由流动，基于所学知识对未来作出精准预测。

多元实践，多角色培养跨学科能力

高校本科生和研究生所处阶段不同，其所需的跨学科能力亦不同。高校应根据不同学历层次学生的认知特点和发展需求，运用人工智能构建差异化的跨学科能力培养模式，将人工智能和跨学科的“基因”深度嵌入“教育链+人才链”的“分子层”中，实现教育链和人才链的贯通与融合。

对于本科生来说，运用人工智能是为了实现更好的学习，即AI for Learning。人工智能以“助手”身份融合现有课程教学，使得传统教学场景“师―生―助”转向“师―生―助―AI”的新型教学场景，使得因材施教成为现实。在新型教学场景下，人工智能不搞歧视，公平对待每个学生，对于跨学科领域基础较弱的学生所提出的问题事无巨细地回答，避免出现“不敢向教师提问、听不懂”的现象。而对于基础较好的学生，人工智能可根据学生已有的自身学习路径，向其动态推荐较高层级的跨学科课程。同时应多鼓励学生在课程学习中积极思考、运用和反思人工智能，促进其跨学科能力的成长。

如果说本科生是AI for Learning，研究生则是AI for Science，人工智能可帮助研究生简化传统研究范式的流程，帮助其在跨领域问题中，促进多学科研究人员的快速融合，突破彼此学术隔膜，助力科研成果。

高校应积极营造AI for Science的氛围，建立人工智能驱动的学术资源共享平台，运用自然语言处理技术构建跨学科知识图谱数据库，实现多模态学术资源的智能关联与精准推送。同时开发跨学科热点预测系统，基于算法分析全球科研动态，为研究生提供前瞻性研究方向的指引。还可以创建虚拟学术社区，以整合不同区域、高校、院系、学科之间的资源，建立知识共享机制，实现跨区域、跨学科团队的智能匹配与协同创新。研究生阶段着力打造AI for Science/Engineering，例如定期举办“黑客马拉松”等特色活动。同时引入敏捷开发模式，建立包含多元主体的跨界社区，鼓励有兴趣的研究生自由组队，对已有系统进行颠覆、重构或自创，构建成功后将系统再次应用于学校，如此循环往复，研究生在跨界环境中不断优化或创新系统算法，跨学科能力自然得到提升。AI for Learning/Science/Engineering过程中，学生与人工智能的互动促进了学生与学生的互动合作，通过运用人工智能的科研实践，加强了学生的跨学科沟通和合作能力。

在人工智能时代，学生跨学科能力的提升倒逼高校教师新型跨学科能力的产生。人工智能赋能教育，即AI for Teaching亦要求教师具有新型跨学科能力。在新型教学场景中，教师不能再以传统单一学科的思维进行教学。人工智能拓展了教学资源，教师要从海量的资源中进行知识的整合与融合，在更高的视角下重构已有课程，这一过程是对教师跨学科能力的要求。教师应考虑教学的核心是什么以及如何运用新技术。同时，教师必须提高自身的人工智能素养，设计出吸引学生的人机协同教学模式。

思维训练，发展新型批判性创造力

人工智能的引入，使得教育资源的优化与共享迈入智能化、自适应、实时更新的新阶段。在这一新阶段下，跨学科能力呈现出“自判断、自构建、自检验、自否定、自更新”的特点，批判性思维能力成为跨学科能力的重要部分，即重视技术伦理和风险问题。

在人工智能深度嵌入社会的过程中，人与智能体的知识结构和学习模式正在形成一种新型共生关系，正在重塑高校教育生态。一方面，在新型共生关系中，高校应避免学生进入“寄生”状态，即“AI依赖症”，过度依赖会降低学生的思考能力，削弱其跨学科能力和批判性思维，因此高校应在鼓励学生拥抱新技术的基础上，引导学生负责任地使用AI，明晰学术与权利的伦理边界。另一方面，高校和学生应及时回归理性，警惕人工智能所带来的幻觉。对于学生来说，要打破“AI完全正确”的幻觉，生成式人工智能不等于生产式人工智能，即人工智能无法创造出新知识。

人工智能产生的答案只是针对有标准问题的答案，即使是有标准答案的知识，学生也应识别幻觉，仔细辨别，以免影响学习的准确率和效率。对于高校来说，应打破“AI一定有助于提升跨学科能力”的幻觉，即对“在AI的帮助下，学生提高了跨学科能力或产生了跨学科成果”这一现象不盲目确信，理性判断幻觉的真实性，跨学科能力并非将各学科知识简单叠加的能力，而是学会运用多学科知识去解决问题的能力和思维，高校应引导学生利用人工智能检测自己是否真的提升了跨学科能力，取得了跨学科成果。

善用幻觉，发展新型“批判性创造力”。大模型时代，我们经常会产生“AI很有创造力”的幻觉，而一些大模型具有创造力的根本原因在于他们“阅读”了几乎世界上所有的文本资料，因此常常将人们完全想象不到的两个或几个东西联系起来，甚至通过思维链的推理，形成出乎意料的创意，但这也可能产生大量的“胡说八道”。因此，在打破幻觉的同时也应学会识别幻觉，明辨创意，从生成内容中找错。只有识别和善用幻觉，才既能驾驭人工智能的认知飞跃，又能洞察其思维黑箱的认知盲区，在虚实交织的知识宇宙中保持理性。具有批判性的同时也应发展创造力，“学AI、用AI、创AI”，充分借助人工智能技术实现知识与技能的快速迭代，提升自身的批判性创造力。

总之，在人工智能时代，跨学科能力已成为适应未来社会变革的核心竞争力。善用和创用人工智能，我们才可以更有效地培养跨学科人才，使他们在不同学科间自由穿梭，实现创新突破，为终身学习体系的建设提供坚实支撑。