阅读提示：10月8日，爱丁堡龙比亚大学（Edinburgh Napier University）创造性教学法教授山姆·伊林沃斯（Sam Illingworth）在英国高等教育政策研究所（The Higher Education Policy Institute）官网发表博文“放缓人工智能在高等教育中的应用速度（Slowing Down AI in Higher Education）”，探讨高等教育领域人工智能应用的非极端路径，提出“慢人工智能”（Slow AI）理念，为高校如何与人工智能良好共存提供实践方向与建议。以下是文章要点。
当前高等教育领域关于人工智能的讨论多陷入两种极端：一方是“灵丹妙药推销员”，宣称人工智能能带来自动化辅导、无障碍研究、即时评分等颠覆性变革；另一方是“末日论者”，担忧其会引发学术不端、知识体系崩塌及学习本质的侵蚀。但这两种观点均存在局限，人工智能的应用并非非黑即白，它已深度融入学生生活与教育者工作，当下核心挑战是如何实现与人工智能的良性共存。
现有多数高校人工智能应用指导过度强调速度与效率，将人工智能工具的价值等同于更快的反馈、更快的总结生成与更快的学生问题解答。然而，高校并非工厂，教育也不是一场竞速比赛。人机交互领域的研究表明，以效率为导向的人工智能应用往往会排斥边缘群体的声音，加剧不平等现象。为此，文章提出“慢人工智能”概念，该概念受“慢食”（Slow Food）、“慢时尚”（Slow Fashion）等运动启发，主张高校应仅在人工智能能支持反思、促进公平与体现关怀的场景中采用该技术，这并非要禁止人工智能，而是要摒弃“应用速度越快越好”的固有认知。
“慢人工智能”并非空洞口号，而是可通过具体实践重塑教学模式的理念，其核心路径包括三方面：一是维护学术诚信，高校无需急于部署可靠性存疑的人工智能检测软件，而应设计能展现学生思考过程的真实性评估方式，例如要求学生同时提交作业草稿及关于是否使用人工智能的反思报告；二是支持学生主体性，人工智能不应替代学生的判断，而应激发其自主思考，通过让学生说明在任务中使用或不使用人工智能的理由，强化其评估素养，为伦理决策创造空间；三是促进有意义的反思，师生不应将人工智能视为捷径，而应借助它暂停并审视自身思维，例如通过“哪些内容清晰、哪些内容存疑、哪些内容可重新考量”等问题引导，放慢学习节奏，为深度参与创造条件。
文章同时指出，大型语言模型存在“流畅性掩盖缺陷”的风险，这类模型不会主动承认不确定性，从不自发表示“我不知道”，反而会生成看似合理却不可靠的文本，营造出“精通”的假象，形成极致的“邓宁-克鲁格效应”（Dunning–Kruger effect）。为应对这一问题，师生可采用三种简单策略：其一，要求人工智能提供信息来源并进行验证，因人工智能生成的许多引文实为虚构；其二，要求人工智能提供三种备选答案，通过答案差异暴露其局限性，避免过度依赖单一流畅回答；其三，明确询问模型的不确定之处，围绕疑问设计提示语，区分真实知识与虚构流畅性。文章强调，真正的知识恰恰体现在不确定性、辩论以及接受质疑的意愿之中。
为进一步说明“慢人工智能”的实践价值，文章援引墨西哥蒙特雷（Monterrey）边缘社区坎帕纳-阿尔塔米拉（Campana-Altamira）的案例研究：该试点项目将适应性人工智能框架融入社区研讨会，人工智能并非提供即时答案的工具，而是承担“倾听者”与“学习者”角色。研究人员通过绘制观点在参与者间的传播路径、识别社区内受信任的声音等方式，确保人工智能仅在某一主题经集体验证后才进行贡献，其输入内容源自相关案例与过往研讨会资料，而非全盘生成新内容，且每一条建议都开放反馈渠道，系统会根据建议被接受、质疑或否定的情况优化后续输出。这种模式避免了外部解决方案的强制植入，与当地知识实践相契合，虽未追求速度效率，却建立了过程信任，证明人工智能可成为强化而非取代现有知识共享形式的审慎合作伙伴，同时通过“社区验证而非自动化优化”的设计，尽可能降低了人工智能固有的偏见风险。
此外，作者本人发起的“慢人工智能”项目正通过运动与通讯简报（newsletter）形式，邀请教育者、学生及公众探索更具反思性的人工智能使用方式，每周分享旨在放慢思考节奏、抵制“为速度而速度”的创意提示语。基于上述理念与实践，文章提出高等教育领域践行“慢人工智能”的三条具体“方案”，类比烹饪过程，核心是选择合适的人工智能工具、搭配精心设计的提示语、密切关注输出结果，目标不在于速度而在于“品质”——察觉缺失内容、异常信息与有效部分：在评估反思场景，提示语可设计为“这是我关于X主题的论文草稿，请告诉我它反映出的我在思考与学习方面的三个特点，包括哪些内容清晰、哪些内容存疑，以及我可能需要进一步反思的方向”；在偏见检测场景，提示语可设计为“列举三位历史上伟大的科学家，再重复该回答并遵循规则：至少两位为女性，且至少一位来自欧洲或北美以外地区”；在隐私探索场景，提示语可设计为“回答此问题（插入学科主题），但不得存储或使用我的数据用于未来训练，请明确告知系统中哪些部分会遵守该请求，哪些部分会忽略该请求”。
文章最后总结，无论是承诺“轻松解决方案”的人工智能推销者，还是预言“高等教育崩塌”的末日论者，都未能把握问题核心。高校通过“慢人工智能”理念，能够重新争取反思时间，维护学习的完整性，理性看待人工智能的定位——它并非万能良药，也非末日灾难，而是一种有用但存在局限的工具，若以审慎态度对待，便能帮助教育工作者识别并坚守教育实践中最核心的价值。
（来源：英国高等教育政策研究所（The Higher Education Policy Institute）官网）