摘 要：面向智能时代，我们需要重新审视“什么知识最有价值”这一根本问题。知识的价值经历着时代演化的历程，从原始时代的整合性知识、农耕时代的制度化知识、工业时代的标准化知识，到互联网时代的去中心化知识，其揭示了知识价值与社会核心要素之间的内在关联。智能时代，什么知识最有价值的问题发生了维度改变，从“应该掌握哪部分知识内容”转变为“应该如何驾驭知识的获取、评估与创造过程”，即知识的核心价值从掌握特定的“知识内容”转向以元认知为核心的“层次选择”，元认知知识是智能时代最有价值的知识。知识观的转变必然带来学习范式的转型。工业时代延续至今的内卷式学习压抑了元认知所需的主动性、批判性和综合性，已经难以适应时代发展。需确立以“人机协同”为核心的学习理念，以“基础知识+智能赋能”为螺旋式上升的学习模式，在实践应用中实现知识的迁移、深化与再创造，从而培养既能深刻理解世界复杂性，又能与智能机器共创未来的新型人才，推动人类文明在新的浪潮中迈向更高维度。
关键词：智能时代；知识价值；元认知；学习范式；人机协同
习近平总书记指出：“人工智能是引领新一轮科技革命和产业变革的重要驱动力”，“推动人类社会迎来人机协同、跨界融合、共创分享的智能时代”。人工智能正在从单一领域的智能走向初步具备跨领域智能的通用人工智能（Artificial General Intelligence，AGI）。那些能够撰写报告、生成代码、进行多模态创作的智能系统，已从科幻作品中的幻想，演变为我们桌面上的真实生产力工具。这场技术革命在给人们带来效率提升的兴奋之余，也催生了一种普遍而深刻的时代焦虑：当人工智能在很多方面超越人的时候，我们作为人的价值究竟是什么？
长久以来，我们的教育体系都建立在一个相对稳固的基石之上：不断掌握特定领域的知识与技能，是个人实现社会价值的主要路径。当前的教育依旧是工业时代所建立并延续至今的样态，其目的正是为了规模化地培养掌握标准知识与技能的劳动者。这种将教育工具化、技术化、标准化的倾向，导致了教育主体性的缺失。近五十年来，不少技术的突破都被寄予厚望，期待其对教育产生“革命性”影响，但面对教育这个复杂的生态系统，很多预测的变化并没有真正到来。人工智能如果能有进一步突破，并发展为真正意义上的通用人工智能，将产生一系列革命性影响。这一正在发展的进程，迫使我们必须直面一个既根本又急迫的问题：在“是什么”和“如何做”都能够部分外包给机器的时候，我们不得不进一步思考赫伯特·斯宾塞（Spencer，H.）所提出的问题：“什么知识最有价值？”并进一步追问：“怎样学习最有价值的知识？”
一、知识价值的历史性变迁
（一）融于生存：原始时代的整合性知识
在原始社会，知识并非一个独立的范畴，而是以与生存、生活、社会融为一体的形态存在。知识是经过辩护验证的、正确的且人们相信的信息。这个时期，可以称之为知识的范畴是非常有限的，它们来自直接经验，并主要通过直接参与进行传递。原始社会的教育核心，在于传递集体生活所必需的实用生存技能和社会规范。知识的领域集中于参与劳动和适应周遭的环境。相比之后出现的一系列教育系统，这一时期的教育是非正式的，由部落中的年长者执行，并完全融入了生产、宗教、生活等一切活动之中。
在当时，知识传播的主要媒介是口头语言和身体示范，以及极少量用图形化的方式记载的知识，这使得知识的传播在时间和空间上受到极大限制。即使是人类最早的抽象知识，也与生存的物质基础（如土地的丰饶、水源的远近）紧密相连。当时的社会生产力水平较低，生产资料为公有制。经济基础决定了知识的公共性和实用性，这一基本原则一直延续至今。
原始社会的知识尽管非常有限，但具有整体性。教育与生活之间不存在过多壁垒，学习与生活本身高度重叠。这种原始的整体性，为我们提供了一个重要的参照系。当我们审视后续接踵而至的时代发展时，教育所教授的知识将逐步与其应用场景相剥离，大量经验性知识将抽象为理论与概念。从某种意义上说，知识观存在钟摆式的回潮，这正是对一种失落的知识整体性的回归与重构。
（二）定于秩序：农耕时代的制度化知识
随着定居形态的农业出现，知识的重心转向生产劳动、土地耕种，以及更复杂的社会管理。知识存在于以历法、制度、规则为主体的体系中，其核心功能是维护社会与生产的新秩序。农耕时代的知识体系旨在保障生存与文明的延续。这一需求催生了如“二十四节气”这样精密的知识体系，它将人们经大量探索形成的经验性知识进一步分类、归纳与概括，成为指导农业生产的原则。在农业富足的基础之上，维系社会秩序的“礼”与“法”的知识体系得以建立。在此背景下，如中国建立了以儒家经典为核心内容的科举制度，成为制度化的知识选拔体系，为社会阶层流动提供了主要途径。通过科举，特定的知识体系被确立为通往权力和社会地位的关键，这一途径持续了1300年。尽管此时西方国家并没有采取相类似的教育制度，但是同时期的教育同样呈现出高度集中化的特性。
然而，农耕时代的知识体系是一把双刃剑。它在创造社会稳定、可预测性与共识协同方面取得了巨大成功，但其成功本身也导致了一种僵化、等级森严且缺乏创新活力的结构。作为当时教育系统典型制度的科举，其考核内容也局限于对古代经典的掌握程度。这一切共同构建了一个高度优化于自我稳定控制的系统之中，但在巨大冲击面前也因此变得极其脆弱，难以应对工业革命带来的颠覆性变革。这一时期的教育体系对秩序、道德、伦理的侧重，远高于对实证经验、技术工具、科学探究的关注，最终导致文明的发展受到束缚。这段历史警示我们：任何一种主导的知识范式，都有可能成为一个牢笼，在提供内部稳定性的同时，也削弱了其应对外部质变的适应能力。这提醒我们，过度优化当今被重视的技能，也可能会为应对未来的挑战埋下隐患。李约瑟（Needham，J.）曾提出一个难题：“中国古代科学技术很发达，为什么没有产生近代科学？”某种程度上，这也意味着谁能更好地判断并掌握“最有价值的知识”，谁就能更顺利地进入下一个阶段的发展。对比亚洲而言，欧洲在农耕时代的末期发生了一场重要的思想解放。以“理性”为核心的文艺复兴与启蒙运动，猛烈冲击了神学、经院哲学对知识的束缚，开始倡导个人自由、批判精神和科学实验。
（三）服务生产：工业时代的标准化知识
工业革命催生了一种全新的知识体系——标准化、专业化、规模化的知识。这间接导致了现代学校体系的诞生，其设计初衷是为了大规模地“生产”出具备基本技能的劳动力。
第一次和第二次工业革命，以蒸汽和电力为标志，极大地扩展了生产规模，使得社会对具备特定技能的劳动力产生了巨大需求。教育的重心从宗教和古代经典转向了“技术知识与实用技能”。也正是在这个时候，斯宾塞通过对人类五方面的活动与课程知识进行分析，直截了当地提出了一个在当时具有革命性的论断：“科学知识最有价值”。
工业生产的内在逻辑是标准化、效率化、规模化，其被直接应用于教育领域之中，最终形成了我们所熟知的类似于“工厂模式”的学校。其关键特征包括标准化的课程标准，按年龄划分的年级，以教师为中心、采用统一进度的班级授课。教育日益制度化和大众化，从初等教育逐步扩展到高等教育，形成了一个上下贯通、左右互联的庞大体系，旨在对人力资本进行分类、筛选和培养。第三次工业革命（数字化）虽然引入了新的信息技术，但在价值观层面，对“效率”的追求通过数字化工具得到进一步强化，学校的基本运作结构并未发生根本改变。当今高等教育的学科划分，在很大程度上仍是前三次工业革命的产物。其基本逻辑是学科体系的划分，依据高度专业化的知识进行系统化的课程与学科建设。高等教育体系为了适应时代发展的变化，逐步从学科体系的划分走向面向领域的知识与体系建设，并进一步转向为解决生产活动中的具体问题而构建的课程系统。
工业时代的教育模式是一种“泰勒主义”。如同泰勒的“科学管理”理论将工厂的复杂生产任务分解为简单、可重复的步骤一样，工业教育体系也将学习过程分解为可测量的单元（如学科、知识点、技能），分配给专门的“工人”（教师），并以标准化的批次（班级）进行处理，以最大限度地提高产出的效率和可预测性（即合格的劳动力）。课程被分割为独立的学科，评估方式（如标准化考试）同样以效率为导向，旨在快速衡量规模化产出。工业工厂与当时的学校在哲学思想上具有深层同构性。这既解释了该体系在培养工业化劳动力方面取得的历史性大规模成功，也表明了其与一个崇尚创造力、批判性思维和综合能力的新时代之间存在不兼容。
（四）信息爆炸：互联网时代的去中心化知识
数字革命将知识从一种稀缺的、由机构掌控的专有资源，转变为一种去中心化的、网络化的、可即时访问的流动资源。互联网时代的本质特征在于共享。这使得人们的挑战从“获取信息”转变为“驾驭信息”。信息不等于知识，拥有大量信息并不代表就拥有了知识。一定程度上，信息是外部的，而知识的形成是人对所获取的信息进行加工、转化与内化的过程。在信息时代，信息在某些场合比物质和能源更为重要，成为推动社会发展的“第一资源”。衡量一个国家综合实力的标准，越来越多地取决于其拥有和转化信息资源的能力。信息技术成为推动经济转型和社会变革的核心技术，信息产业随之崛起为全球经济的核心支柱产业之一。
信息的存在与传播方式发生了改变，它变得更加无形、更易于复制，并且能够同时存在于不同地点，扩展了人们的交互与思维空间。信息的丰富性催生了全新的社会经济与知识形态，如知识密集型产业兴起；新的社会阶层流动通道与职业也随之出现，如电子商务、网络商城、直播购物等新方式。在新媒体与互联网时代，教育领域也产生了“终身学习”“学会生存、学会认知、学会做事、学会共处”等重要且深入人心的教育理念，这些理念与群体的教育行动一起打造了教育的新生态。
“随着人类愈益控制自然，个人却似乎愈益成为别人的奴隶或自身的卑劣行为的奴隶”，要避免人的本质异化，就要走向人的全面发展。一方面，信息时代体现了一个深刻的悖论：解放与束缚共存。互联网和数字技术具有解放的力量，打破了信息的壁垒，赋予了个体前所未有的能力，使得每个人都可以获得广泛共享与传播的信息。但是，过多的信息有时候对于个人来说也是一种束缚，不仅会产生信息沉迷、信息过载，也会导致“信息茧房”现象。知识的流动并非中立，它被算法和平台所引导，这些算法塑造着我们所见和所信的内容，造成了人的异化，束缚了人的思想。另一方面，数字鸿沟依旧广泛存在，在全球范围内基础设施还远没有普及，分布极其不均衡。不同地域、不同人群、不同阶层之间存在数字鸿沟的现象很普遍。表面上，弱势群体有途径接触到更广泛的信息，却因为认知、处境、文化等多种因素造成了知识闭塞。
二、迈入智能时代的知识价值选择
（一）认知革命，智能时代的价值定位
按照知识与时代生产力紧密关联的特性，智能时代“最有价值的知识”将会是“人工智能知识”，也就是开发、使用、应用人工智能的相关知识体系。事实上，这类推演并没有推翻“科学知识最有价值”的论断。时至今日，我们并不否认科学知识的重要价值。只不过当科学知识不断细分、累积与增长，我们无法在有限的时间内“学够、学足、学完”科学知识，因此需要新的补充框架用以寻找与定位最有价值的知识。智能时代对人类认知的影响，从外围进入内核，我们需要重新审视“最有价值的知识”的界定视角与取向。
工业革命以机器替代了人类的体力劳动，信息革命则以数字技术代替部分流程化的脑力劳动。而智能时代，以通用人工智能为标志，正在实现对认知劳动的自动化。杰弗里·辛顿（Hinton，G.）甚至认为，人类实际上很像大语言模型，人的认知与意识活动并没有那么大的特殊性。这些人工智能系统能够执行包括推理、规划和自然语言交流在内的复杂知识工作，直接触及了人类智慧的核心地带。智能时代的到来，不仅是信息时代的简单延伸，也不仅是工具的革命，更代表着一种深刻的人类文明与认知进化。它在一定程度上改变了人类与信息、知识和智慧的关系。
这种转变的本质在于，社会经济的基础资源正在发生根本性变化。智能时代进入了一个人工智能本身就能大规模生成、处理和操纵信息与知识的新阶段。这一变化直接导致了知识价值的重构。在信息时代，尽管信息唾手可得，但人类的注意力、理解力和处理能力成为瓶颈。正视人类智能和人工智能之间的互补关系，当人工智能能够以近乎无限的规模和速度处理显性信息时，信息本身将“贬值”。新的稀缺资源不再是信息，而是那些无法被轻易编码的信息处理能力，特别是对人工智能生成内容进行验证、情境化和综合分析的能力。
因此，在智能时代，最有价值的知识不再是关于“是什么”的知识，而是关于“如何与为何”的知识。尽管人工智能在特定任务上表现出超凡能力，但却普遍缺乏对情境深刻的理解且不具有自我意识与价值主张。这意味着，我们对“什么知识最有价值”的探讨，也必须从“不同知识内容”的比较，转向“不同知识层次”的选择。
（二）知识价值的核心从“内容选择”转向“层次选择”
工业时代的核心挑战是将人类从繁重的体力劳动中解放出来。当时的瓶颈在于人类对自然世界的客观规律（物理、化学、生物等）掌握不足。而作为个体的人，如果没有掌握必要的科学知识，也难以操控一系列的技术工具。因此，“科学知识”作为理解和改造世界的钥匙，其价值不言而喻。科学的价值能直接推动技术进步和生产力发展。如今，时代的核心挑战已经发生变化。我们面对的不再是知识的匮乏，而是知识的“通货膨胀”。生成式人工智能正在接管大量的陈述性知识（事实、概念）和程序性知识，其中就包括了斯宾塞所强调的大部分科学知识。我们的核心任务是：面对时代的变化，不断解决人类所面临的问题。解决问题的过程无法脱离时代变化本身，因此我们更需要关注如何驾驭和管理一个能够自动处理知识的人工智能。知识价值始终面向适应性，其本质跳出了对内容知识的不断叠加。过去，驾驭时代技术与工具的核心知识是科学知识，而现在驾驭人工智能的核心知识发生了根本性转变。
课程专家洛林·安德森（Anderson，L.W.）与大卫·克拉斯沃尔（Krathwohl，D.R.）等10多位专家，对本杰明·布卢姆（Bloom，B.）的教育目标分类学进行了修订，将“知识”分为四大类，分别是事实性知识、概念性知识、程序性知识和元认知知识。这四个类别可以看作知识的四个层次。事实性知识与概念性知识都是关于“是什么”的知识，也被称为陈述性知识。它包括事实、概念、原理和规则，是静态的，能够被提取和直接陈述。程序性知识是关于“如何做”的知识。它包括技能、方法和技术，是动态的，并通过具体行动来展现。而元认知知识是关于自我认知与认知本身的知识。心理学家约翰·弗拉维尔（Flavell，J.H.）认为，元认知是对认知的认知。元认知包括了元认知知识、元认知体验和元认知监控三个方面。元认知包括对个人认知策略的了解，以及对自身学习和思考过程的意识、监控和调控能力。
元认知知识并非独立或孤立存在。元认知知识的形成离不开事实性知识、概念性知识和程序性知识作为相应的基础。但是，元认知知识处于更高级的层次。它决定了在特定情境下，哪些事实性知识、概念性知识是相关的，以及应该调用哪种程序性知识来解决问题。因此，笔者认为，当人工智能能够自动化调取陈述性知识，也能够执行程序性知识，那么对于人而言，具备元认知知识才是驾驭这个时代的关键。
（三）人工智能对陈述性知识与程序性知识的超越
当前的生成式人工智能已经展现出在存储、检索、综合事实性知识与概念性知识方面的能力，也同时展露出执行大量复杂程序性任务的能力。未来的人工智能不排除具备自主决策的能力。人工智能系统可以在相当于“人类一生”甚至更大量级的数据集上进行训练，这使其拥有了浩瀚的知识库。它能以惊人的速度处理这些信息，例如，在数秒内从数百篇文献中生成一篇文献综述，这个过程融合了陈述性知识的检索和程序性知识的综合执行。
这种自动化浪潮正席卷各行各业，从分析医学影像到生成计算机代码，人工智能越来越多地承担着高级程序性任务。这种自动化不仅限于常规任务，还延伸到创造性和分析性的特殊任务。在工业时代，教育的核心是传授被验证为“正确”的陈述性知识和程序性知识，并通过标准化考试来衡量学生对这些知识的再现能力。然而，人工智能如今能够比大多数人都更快速、更全面、更准确地完成这些任务。如果继续将传授陈述性知识与程序性知识作为核心，教育体系将面临前所未有的困境。这不仅是一个教育学论断，更是一个严峻的经济与社会现实。
这让我们不得不重新审视工业时代的价值标尺。在那个时代，斯宾塞振臂高呼“科学知识最有价值”。这一论断在当时无疑是正确且具有革命性的，因为它准确地抓住了工业革命的核心驱动力——将自然科学的规律转化为巨大的生产力。斯宾塞的比较维度在于知识的内容：在他看来，科学的内容比宗教或古典文学的内容对个人生存和国家强盛更有用。尽管这一论断具有片面性，但是推动了当时的人们关注与重视“科学知识”。然而，在智能时代，人工智能恰恰成为处理“科学知识”这类陈述性与程序性内容的工具。因此，继续停留在斯宾塞所阐述的维度上，去比较哪一种“知识内容”更有价值还不够全面，不足以应对新的智能时代的挑战。时代的核心问题已经发生了维度跃迁：从“应该掌握哪部分知识内容”转变为“应该如何驾驭知识的获取、评估与创造过程”。当“是什么”（事实）和“如何做”（技能）能够被人工智能生成结果的时候，真正有价值的知识转向更进一步的元认知知识。
（四）元认知知识的重要位置
斯宾塞之所以认为科学知识最有价值，不仅因为它有用，也因为其背后蕴藏着对逻辑和实证精神的“最优良的智力训练”。当人工智能可以提供逻辑和初步的分析时，对这些逻辑和分析进行批判性审视，识别其偏见、评估其信度，这本身是一种更高阶的“元逻辑”和“元实证”精神。正因为知识价值的评判维度发生了转变，当人机协同能够更加有效地执行“是什么”和“如何做”的任务时，人类的独特价值转向了元认知领域。最重要的知识不再是掌握事实，而是管理自身的学习与认知过程、批判性地评估人工智能生成的结果并综合信息以形成智慧的判断。
将元认知置于斯宾塞为评估知识价值而展开论述的人类五方面活动（直接保全自己、间接保全自己、准备做父母、准备做公民、准备生活中各项文化的活动）框架中进行检验，可以发现元认知知识在不同方面都展现出重要的价值。在斯宾塞最为看重的直接与间接自我保全方面，元认知知识超越了静态知识的局限。面对未知的生存威胁，元认知知识是驱动个体进行有效计划、监控与策略调整的求生能力；在多变的环境中，它更是确保个体能够主动学习、解决复杂问题并实现长远发展的引擎，其价值远超单一的技能本身。在抚养后代与作为公民方面，元认知知识的作用更为直接。在信息爆炸的现代社会，它扮演着人们抵御偏见与信息操控、进行独立理性思考的内在系统。在闲暇活动中，元认知知识也能将简单的被动消遣，升华为一种主动探索、进行深度自我发现且具有意义感的成长体验。因此，通过斯宾塞的人类五方面活动框架进行推演，对于一个真正“完满”的生活而言，科学知识依旧充满价值，但与此同时，在所有活动中都发挥着根本性、驱动性作用的元认知知识也具备了更高的价值。
新的现实正迫使我们从在大脑中系统性地存储与记忆知识，转向新的方向。元认知知识正在成为21世纪最重要的知识，其价值相当于19世纪和20世纪的“读写能力”。在工业时代，读写能力是解码文本以获取知识的钥匙。在智能时代，人工智能提供了知识的即时访问。今天，我们面对的“新文本”是一个由算法中介的、庞大且具有不可靠性的新环境。而新的“解码”过程，本质上是一个元认知过程：评估信息来源、探究其建构逻辑、识别其潜在偏见，并将其输出与个人已有的知识体系进行综合。
三、智能时代知识学习的范式转型
那么，既然“元认知知识”在智能时代居于重要位置，我们应当如何系统性地习得？显然，沿袭工业时代以知识灌输为核心的传统范式已难以为继，因为它恰恰压抑了元认知所需的主动性、批判性和综合性。《教育强国建设规划纲要（2024—2035年）》指出，“促进人工智能助力教育变革”。面向时代的发展与未来的图景，其根本在于建立新的知识学习范式，始终坚持教育以人为本，坚持立德树人。
（一）超越内卷：确立以“人机协同”为核心的学习理念
在知识总量呈指数级增长的背景下，任何试图穷尽领域全部知识点的努力，既不现实，也无必要。在短时间内，采取记忆大量文本知识的方式应付标准化考试对于知识点的考核，这种内卷的学习方式将逐步失去意义。在教育过程中，出现了一些追求短期效益的现象，过于看重事实性知识、概念性知识和程序性知识，甚至采取机械化的方式反复操练这些知识的记忆与复现过程。特别是对于概念性知识与程序性知识的学习，出现了从文字到文字的死记硬背，既没有体验的过程，也没有理解建构的方式。比如中小学的科学实验课，实际上我国有完整的课程标准与教材，绝大部分中小学也具备实验器材和实验条件，但对应试教育的强调以及对教育的错误理解，使得部分学校在课程实施中省去了学生做实验的时间。一些学校出现了学生在课堂中不动手做实验，用听讲或看视频的方式取代做实验的情况。这种方式无法形成与提升学生的元认知，而只能停留于静态的知识本身。
人工智能的崛起，恰恰为人类从大量重复性的、机械性的信息处理与记忆任务中解脱出来提供了可能。避免人的能力与人工智能高度重叠，导致人成为人工智能的“附庸”。学习的目标从成为一个知识储备丰富的“信息仓库”，转为能够提出深刻问题、善于利用智能工具并创造性地解决复杂问题。综合来看，在教育系统中融合使用技术工具是一个渐进的过程。计算器刚出现的时候，并不允许在中小学的数学课堂中使用。随着时间的推移与人们认识的转变，教育系统中开始允许学生使用计算器，甚至带有函数功能的计算器也被允许带入考场。这一过程不是单纯的技术进步，而是教育认识、观念和行动等一系列转变的共同结果。计算器在中小学课程学习中的逐步融合与应用，也是解放脑力劳动、重新确立“人机协同”的学习理念的显性化体现。这种协同方式让机器分担了人的认知加工活动，提升了学习的效率与效益。
“人机协同”不仅是学习过程中的新范式，也将是知识生产的新常态。这意味着需要对知识进行价值分层，审慎地区分“可知”（可以通过人工智能快速获取）的事实性、程序性知识与“必知”（无法直接通过人工智能获得）的领域核心逻辑、底层规律及思想方法等知识。对于前者，学习的重点在于掌握其检索与验证的路径；而对于后者，则必须投入更多的心力进行深度理解、吸收与内化。
（二）范式构建：实施“基础知识+智能赋能”的螺旋式上升学习模式
智能时代的学习，绝非意味着对基础知识的摒弃，而是要求在追求理解的基础之上，借助人工智能这一强大的认知杠杆，实现学习效能的跃迁。一个理想的、可持续的正循环学习模式，分为以下三个相互衔接的阶段。
第一阶段是基础知识的系统性建构。这是任何高阶认知能力得以生长的“土壤”。若缺乏对一个领域基本范畴、基本公理、基本原理和基本规则的深刻理解，个体将无法向人工智能系统提出精准有效的问题，更无法对其生成的内容进行质量评估从而采纳应用。这一阶段看似传统，但在智能时代，其目标已发生根本转变：构建扎实的知识体系，其首要目的不再是记忆和复述，而是形成高质量的理解和思维“脚手架”，为后续进行批判性评估和深度整合提供支撑。不仅如此，思维“脚手架”本身也能够利用智能工具不断升级迭代。
第二阶段是将人工智能深度融合为个性化的“认知外脑”。将人工智能嵌入学习的境脉之中。在完成基础知识的学习后，个体可主动利用人工智能进行学习的深化与拓展。这包括利用人工智能生成多样化的练习情境以巩固知识，要求人工智能针对复杂抽象的概念提供多维度的类比解释，或是在项目式学习中将人工智能作为研究助理、协同伙伴和灵感激发器等，从而加速从知识吸收到能力转化的过程。这一过程本身就是一次密集的元认知提升历程。学习者必须不断进行自我追问（我究竟哪里不懂）、策略选择（我该如何向人工智能提问才能获得最大启发）和过程监控（人工智能的回答是否解决了我的困惑）。
第三阶段是在实践应用中实现知识的迁移、深化与再创造。借助人工智能的赋能，个体可以更高效地将所学知识应用于解决真实世界的问题。在实践过程中遇到的新挑战与新问题，又会反过来驱动个体回归到对更深层次基础理论的探究，或拓展至新的学习领域，并提升其驾驭人工智能进行复杂探究的能力。这一“理论—协同—实践—反思”的闭环，构成了一个螺旋式上升的知识构建过程。这个闭环中的“反思”环节，正是元认知螺旋式提升的关键。在实践中碰壁，然后反思“是我的基础理论理解有误，还是我使用人工智能的策略需要调整”，这个过程将外部挑战内化为自我认知策略的优化。
“吾生也有涯，而知也无涯”（《庄子·内篇·养生主》），知识不仅无法穷尽，更会陷入死循环。智能时代对知识价值的重新定义，意味着人类认知发展的一次范式革命。个体乃至整个教育体系都必须果断地超越内卷的传统路径依赖，积极拥抱人机协同的新型学习生态。通过构建“基础知识+智能赋能”的螺旋式正循环，将学习者塑造成为既能深刻理解世界复杂性，又能与智能机器共创未来的新型人才。未来不是过去的重复，建立新的知识观尤为重要。这不仅关乎个体的生存与发展，更决定了人类文明能否在新的浪潮中迈向更高维度。
（本文参考文献略）
What Knowledge Is of Most Worth in the Intelligent Era?
RenYouqun YangXiaozhe
Abstract: Facing the intelligent era, we need to re-examine the fundamental question of “what knowledge is of most worth”. The value of knowledge has evolved over time, from the integrated knowledge of primitive times, to the institutionalized knowledge of the agricultural era, to the standardized knowledge of the industrial era, to the decentralized knowledge of the Internet era. This reveals the inherent connection between the value of knowledge and the core elements of society. In the intelligent age, the question of what knowledge is of most worth has shifted from “which knowledge content should be mastered” to “how to manage the process of acquiring, evaluating, and creating knowledge”. In other words, the core value of knowledge has shifted from mastering specific “knowledge content” to “hierarchical selection” centered around metacognition. Metacognitive knowledge is the most valuable knowledge in the intelligent age. This shift in the perspective on knowledge inevitably leads to a transformation in the learning paradigm. The involutionary learning model that has persisted from the industrial age to this day suppresses the initiative, critical thinking, and comprehensiveness required for metacognition, and is no longer adaptable to the changing times. It is necessary to establish a learning concept with “human-machine collaboration” as the core, use “basic knowledge+intelligent empowerment” as a spiral learning model, and realize the transfer, deepening and re-creation of knowledge in practical applications, so as to cultivate new types of talents who can not only deeply understand the complexity of the world, but also create the future with intelligent machines, and promote human civilization to a higher dimension in the new wave.
Key words: intelligent era; knowledge value; metacognition; learning paradigm; human-computer collaboration
初审：王悦桦
复审：孙振东
终审：蒋立松
