随着技术塑造医疗保健的未来，我们如何将明日医疗人员所需的技能融入教育？达拉·卡西迪博士探讨了教育工作者可采用的策略，以帮助学生在使用人工智能（AI）时展现批判性思维和元认知意识。
"'人工智能正在革新医疗保健。' '人工智能可以增强学习。' '人工智能正在削弱学生的思考能力。' 如果您从事医疗专业教育工作，您可能已经多次看到此类标题。随着人工智能影响的证据仍参差不齐，人们很容易感到困惑和不知所措。那么，医疗教育工作者应该怎么做呢？"
或许更加关注人工智能素养可以帮助我们找到方向。但这又引发了一系列其他问题，首先是：在实践中这应该是什么样子？
医学生需要对生成式人工智能有足够的了解，以便就是否、何时以及如何使用它做出明智决策。这需要对人工智能是什么、如何工作、其优势与局限性、伦理和法律影响、如何最大化利用以及如何评估其输出有一个广泛的理解。他们还应意识到数据的基本重要性，并知道如何以符合任务需求的方式审视数据中的偏见。
医学生需要了解他们所使用的人工智能的资源影响，以便评估其中涉及的环境和其他权衡。这意味着要认识到，人工智能企业所依赖的云基础设施并非轻盈蓬松，而是一个耗能耗水的钢铁混凝土巨兽，随着人工智能开发规模的扩大，它正在吞噬越来越多的关键资源。
了解这一点可以帮助他们就哪些用途值得付出这样的代价做出更具伦理性的决策，并明确自己在引导未来发展走向更可持续未来的进程中可以发挥的作用。
联合国教科文组织《学生人工智能能力框架》为上述所有内容提供了一个有用的起点。然而，作为未来的医疗专业人员，学生将需要逐步添加与医疗环境相关的额外信息。这将包括对医疗保健中使用的人工智能类型及其工作方式有更细致的认识。理想情况下，他们应该对人工智能有足够的了解，以识别其带来的机遇，能够提出正确的问题，甚至与人工智能开发者合作，解决医疗系统面临的实际问题。
他们应该能够运用对数据偏见的了解，审视这对他们所服务的患者意味着什么。他们需要具备沟通技巧，以应对那些带着聊天机器人预先诊断的病情和治疗方案前来的患者。他们需要认识到人工智能并非万无一失，并已发展出质疑其输出的知识和能力，以及在适当时推翻人工智能判断的自信和领导力特质。
要做到这一点，他们必须建立临床技能、能力和评估判断的基本架构，使他们能够做出基于证据的决策。这将要求他们在为经常复杂的难题制定解决方案时学会处理模糊性和不确定性。在此过程中，他们必须选择与困难而混乱的思维过程作斗争，放弃首先求助于大型语言模型(LLM)解决方案的诱惑。尤为重要的是，作为学生，他们必须发展元认知意识，认识到这是一个值得做出的选择。
那么，哪些基础的人工智能素养技能将为这些面向未来的能力奠定基础？它们实际上与其他学生所需的技能并没有太大区别。专注于联合国教科文组织确定的基本人工智能素养能力，并高度关注培养学生思考能力，将有助于为他们在人工智能时代茁壮成长提供坚实基础。
在此，我将提出五种策略，教育工作者可以利用这些策略帮助学生在使用人工智能时展现批判性思维和元认知意识。
1. 明确教授和示范批判性思维和归纳推理
- 使推理过程明确可见。
- 教导学习者在咨询大型语言模型前生成和测试假设。
- 关注机制、原则和因果理解。
2. 支持学生区分大型语言模型使用的不同类型
- 将某些任务外包给大型语言模型是削弱还是促进批判性思维？
- 提供关于负面认知卸载的基本指导，并鼓励学生反思自己的实践。
3. 为学生提供机会，批判性地审视大型语言模型的输出
- 在一些基于案例的学习环节中允许使用大型语言模型，以探讨偏见、幻觉和表面推理等问题。
4. 推广"先思考"的大型语言模型使用方法
- 鼓励学生使用大型语言模型为工作提供反馈或替代观点，而不是代替他们完成工作。
- 设计奖励过程、推理和解释的评估方式。
5. 搭建元认知发展的支架
- 支持学生在使用生成式人工智能时监控和管理自己的思维。
- 鼓励他们使用结构化的反思性提问，例如，没有人工智能支持，我能解释这项工作吗？
- 我从做这件事中学到了什么？
- 随着时间推移，我在这一科目上是否有所提高？
"'人在回路中'的概念是许多管理医疗保健中人工智能的监管框架的基础，但'人在回路中'的有效性仅取决于他们为该角色所做的准备。"
医疗专业教育工作者有责任确保这些"人"已经发展出履行该角色所需的基础知识和批判能力。
本文最初于2026年5月26日发表在《泰晤士高等教育》校园版。
达拉·卡西迪博士是皇家外科医学院医学与健康科学大学健康专业教育中心(HPEC)的在线教育负责人。
【全文结束】