人工智能正在改变知识获取、科学研究和创新实践的基本条件，也对高校人才培养的目标、方式和制度安排提出了新的要求。教育部等五部门印发的《“人工智能+教育”行动计划》，明确提出以人工智能赋能教育整体变革，推动智能技术与教育各环节深度融合。智能时代，如何将技术进步转化为育人能力，使学生在智能环境中形成独立判断、开展原创探索，是拔尖创新人才培养必须回应的重要课题。
重新审视育才全过程
拔尖创新人才培养承担着为国家积蓄战略人才力量的重要使命。人工智能带来的变化，既涉及学生如何学习，也涉及知识如何生产、创新如何发生，需要从教育、科技、人才一体发展的视角重新审视培养过程。
知识获取更加便捷，对基础能力和独立判断提出更高要求。随着人工智能广泛参与信息检索、文本生成、代码编写和数据分析，学生获取知识、完成任务的效率显著提高。但获取答案的便利，并不意味着理解问题的能力同步增强。缺乏扎实的学科基础，学生就难以判断智能工具生成内容的可靠性，也难以识别看似合理的结论背后的逻辑缺陷。拔尖创新人才培养需要更加重视基础理论、核心概念和研究方法，引导学生在理解知识的基础上提出问题、辨析证据、形成判断，使技术使用建立在自主思考之上。
科学研究方式加速演进，对跨学科探索和协同创新提出更高要求。人工智能正在拓展科学研究的问题空间和方法体系，推动不同学科之间的数据、工具和研究路径相互贯通。许多重要创新产生于学科交叉地带，需要研究者理解不同领域的问题，建立知识之间的联系。以单一专业为边界、以课程修读为主线的培养方式，难以充分适应这一变化。高校需要让学生更早接触真实问题，在跨学科团队合作和持续研究中学习，使知识学习、方法训练与创新实践相互促进。
学习支持条件不断改善，对个性化培养和制度弹性提出更高要求。拔尖创新人才的成长具有差异性和不确定性，有的学生较早显露学术兴趣，有的需要在广泛探索后形成研究方向。人工智能可以提供更加及时的学习反馈和多样化的资源支持，但技术上的个性化服务，仍可能受到统一课程安排、刚性学制和标准化考核的制约。如果培养制度缺乏弹性，即使能够识别学生的兴趣与潜能，也难以提供相应的发展空间。智能时代的培养改革，需要推动技术条件与制度安排同步调整。
需要处理好三对关系
人工智能能否促进拔尖创新人才成长，取决于它如何进入教育过程，以及高校以什么样的育人理念组织这一过程。探索新的培养范式，需要处理好以下三对关系。
一是技术赋能与学生主体性的关系。人工智能可以辅助学生梳理文献、比较观点、检验思路，使其有更多精力投入具有挑战性的探索。但问题的选择、证据的判断、结论的论证和研究责任，仍需要由学生承担。教学设计应当明确哪些环节可以借助智能工具，哪些环节必须保留独立思考与实践训练。尤其要让学生经历提出假设、遭遇失败、修正认识的过程，避免以结果生成的便捷替代能力形成所必需的积累。衡量人工智能应用成效，应当看学生能否提出更有价值的问题、作出更有依据的判断、形成更有原创性的认识。
二是个性化支持与开放性成长的关系。学习数据能够帮助教师了解学生，却无法完整呈现一个人的创新潜能。既有成绩、行为记录和兴趣偏好，反映的是学生已经表现出来的特征，不能据此预先划定其发展边界。拔尖创新人才培养尤其需要警惕算法标签固化，让学生有机会接触陌生领域、挑战已有能力、调整成长方向。个性化培养既要回应当下需要，也要创造超越既有经验的机会，将智能分析与教师观察、师生对话和实践表现结合起来，持续发现和支持学生的潜能。
三是效率提升与长周期育人的关系。人工智能能够加快信息处理和部分研究环节，却不能保证原创发现按预定进度发生。学术志趣的形成、基础能力的积累和重大问题的突破，往往需要长期投入。技术把任务完成效率提得越高，人才培养制度就越需要为深入思考和持续探索留出空间。同时，教师的专业判断、学术示范与价值引导具有更加突出的意义。应当将人工智能节省下来的时间和精力，转化为更充分的师生交流、更深入的研究训练和更稳定的成长支持。
系统性重塑育才生态
推动“人工智能+教育”深度融合，关键在于将课程、科研、师资和评价改革贯通起来，使智能技术真正融入拔尖创新人才成长的全过程。
第一，重构课程与学习组织，夯实自主创新的知识基础。建立基础理论、人工智能素养与专业探索相贯通的课程体系，根据学科特点设计人工智能教学内容，使学生既理解工具的适用条件，也掌握判断其局限的方法。面向拔尖学生，建设围绕前沿问题组织的跨学科课程群，将文献研读、方法比较、实验验证和学术讨论纳入学习过程。完善跨院系选课、学分认定和个性化培养方案调整机制，让学生能够根据研究需要组织学习，避免交叉培养停留在多修几门课程的层面。
第二，贯通科研与人才培养，形成持续探索的支持机制。推动高水平研究型大学、科研机构和科技领军企业协同育人，将适宜的前沿科研问题、实验条件和真实应用场景转化为培养资源。根据学生的知识基础和研究能力，安排逐步深入的科研任务，使其从辅助性工作走向相对独立的问题研究。探索本研贯通的长周期培养，配套稳定的导师指导、小额探索经费和必要的算力、数据支持。对具有潜力的研究方向，允许调整进度、反复试错，避免频繁考核和短期成果要求挤压原创探索空间。
第三，完善教师支持制度，强化专业判断与育人责任。教师智能素养建设应当着重提升教学设计、研究指导和应用边界判断能力，帮助教师根据育人目标选择工具、组织学习、识别风险。支持跨学科导师团队协同指导，为教师提供技术服务和教学研究支持，减少重复性事务负担。将个性化指导、科研育人和课程改革的实际贡献纳入工作量认定、岗位考核与激励安排，使教师愿意并能够在学生成长上持续投入。智能教学建设的成效，应落实到指导质量和学生发展上。
第四，改革评价与资源配置，营造有利于人才成长的环境。坚持多元评价、综合评价，将基础知识掌握、问题提出能力、研究过程、合作表现和原创贡献结合起来，通过研究记录、现场答辩、成果展示等方式了解学生的真实能力。人工智能可以辅助整理证据、提供反馈，教师和学术共同体应承担实质性评价责任。健全动态发现与持续支持机制，为不同阶段显露潜能的学生保留进入机会。同时，明确智能工具使用披露、研究数据保护和学术责任要求，推动优质课程、科研训练资源与智能基础设施共享，减少地域、学校和家庭条件对创新潜能发展的限制。
开辟拔尖创新人才培养新范式，需要将人工智能带来的新条件落实为更扎实的基础训练、更开放的探索空间和更稳定的制度支持。高校应当以育人目标统领技术应用，以培养改革释放技术潜能，让学生在主动学习、独立思考和长期探索中成长为能够承担原创创新任务的优秀人才。
（作者系同济大学教育政策研究中心主任）