你面前有两个学生，面对同一道复杂的数学题。
第一个学生打开AI对话框，输入：“帮我解这道题”。三秒钟后，答案出现在屏幕上。他抄下来，提交，完成。
第二个学生也打开了AI，但他输入的是：“这道题涉及的微积分概念我有点模糊，能先帮我讲解一下导数的几何意义吗？然后，针对这个具体问题，我想到可以用换元法，你觉得方向对吗？如果不对，问题出在哪里？”
同样的工具，同样的题目。一个在要答案，一个在定义问题。AI给第一个学生的，是一个完整的解题过程和标准答案，他得到了“鱼”。AI给第二个学生的，是一系列递进式的解释、引导和验证，导数的几何意义被重新梳理，换元法的可行性被检验，最终他自己找到了正确的解法，他学会了“渔”。
输出的质量天差地别，但差距不在“会不会用AI”。两人都会用，差距在“会不会定义问题”。
这不仅是学生之间的差距，这是AI时代正在浮现的一个认知断层。
为什么？
因为AI的核心能力是“生产答案”，它作为概率模型和优化工具，可以在既定条件下计算最优路径，却无法判断前提是否合理，也无法理解决策背后的价值取向。当一个问题本身设定错误时，AI依然可以给出100%逻辑自洽、事实准确的答案。换句话说，AI可以告诉你“怎么做”，却无法回答“为什么做”。而当“如何做”被高度优化，“为什么做”反而成为稀缺能力。
这恰恰是“问题定义权”的核心，在面对一个情境时，谁有权决定“我们要解决什么问题”，以及更根本的，“这是一个什么问题”。
历史上，最深刻的思想家都深知“定义问题”的力量，他们不满足于“给出答案”，而是致力于重新定义问题。这正是问题定义权的核心。
但在AI时代，一个危险的趋势正在蔓延：“新时代文盲”正在批量诞生。所谓“新时代文盲”，不是“不会用AI”，而是“用不好AI”，甚至“被AI用”。当一个人丧失了定义问题的能力，他也就丧失了在AI时代的主体性。
本文将从三个层面展开：什么是问题定义权？为什么它在AI时代如此重要？普通人如何培育和发展这种能力？
我们将从“定义权”的谱系出发，从福柯的“话语即权力”到诺斯的“制度是社会的游戏规则”，从卡尼曼的“框架效应”到政策科学中的“问题建构权”，梳理“问题定义权”的理论根基。我们将回顾历史上掌握这种权力的人：苏格拉底、马克思、爱因斯坦、哥白尼、库恩，他们如何通过重新定义问题来改变世界。我们还将直面AI时代的核心矛盾：当“获取答案”的成本趋近于零，“定义问题”的能力为何反而成为最稀缺的认知资产。
最后，我们将回答那个最实际的问题：在AI原生时代，普通人如何培育和发展自己的问题定义权？从海绵式思维到淘金式思维，从苏格拉底式提问到第一性原理，从与AI协作的四个训练维度到教育体系的根本转变，我们将给出一个可操作的认知框架。
陶行知先生说：“发明千千万，起点是一问。”在AI可以回答一切的时代，你还能提出什么AI提不出的问题？
这个问题本身，就是问题定义权的开始。
一、什么是“问题定义权”要理解“问题定义权”，首先需要理解一个更基本的概念：“定义权”。
“定义权”这个词，听起来抽象，但它渗透在我们生活的每一个角落。谁有权定义什么是“知识”、什么是“正常”、什么是“值得解决的问题”，这个权力，往往比我们想象的更加根本。
1.1 “定义权”的谱系：谁有权设定规则要回答这个问题，需要从三个维度来审视“定义权”的运作：制度经济学如何理解规则的制定权，社会学与政治学如何揭示话语背后的权力结构，以及政策科学如何分析“问题建构权”的历史演进。这三个维度层层递进，共同勾勒出“定义权”的完整谱系。
（1）制度经济学维度：规则由谁制定
诺贝尔经济学奖得主道格拉斯·诺斯（Douglass North）将制度定义为“社会的游戏规则”（rules of the game），更规范地说，它们是“人为设计的、型塑人们互动关系的约束”。制度包括正式规则（法律、政治规则、经济规则）和非正式约束（规范、惯例、行为准则）。
如果说制度是“游戏规则”，组织是“玩游戏的角色”，那么谁有权制定和修改规则，谁就掌握了最底层的权力。这正是“定义权”在制度经济学层面的体现，规则一旦被定义，所有参与者的行为选择就被框定在这个规则体系之内。你可以在这个体系内“赢”，但你无法决定“玩什么游戏”。
（2）社会学与政治学维度：话语即权力
法国哲学家米歇尔·福柯（Michel Foucault）给出了一个更加激进的判断。
1970年12月，福柯在就任法兰西学院院士时发表了著名的就职演说《话语的秩序》，提出了“话语即权力”的著名论断。他深刻地认识到，话语不仅仅是思维符号和交际工具，而且是人们斗争的手段和目的，“话语是权力，人通过话语赋予自己权力”。
福柯认为，话语的外在功能就是“对世界秩序的整理”，因此，谁掌握了话语，谁就掌握了对世界秩序的整理权，也就掌握了权力。在任何社会，话语的产生受制于权力的形式；在一定条件下，话语也会转化为一种权力。
这意味着什么？意味着一个社会中，谁掌握了定义“什么是知识”“什么是正常”“什么是值得关注的问题”的权力，谁就掌握了社会的底层规则。我们往往对这些“真理体制”浑然不觉，大多数人只是简单地相信它、接受它。
（3）政策科学维度：谁有权定义“什么是问题”
在公共政策领域，“问题定义”是决策的起点。政策问题界定“规定着后续政策过程的走向，充斥着各种竞争、偏见和冲突”。
政策问题建构权经历了漫长的历史演进。19世纪中期之前，立法部门掌握建构权；20世纪30年代，转向行政部门；二战后，形成了国会、行政官僚与利益集团构成的“铁三角”格局。每一次转移，都意味着一个根本权力的重新分配：谁有权决定“什么是需要解决的问题”。
中世纪后期，随着平民代表进入议会，政策问题建构权开始打破封闭性，此后经过一次又一次改革，逐步向更广泛的阶层开放。但即便如此，真正的问题定义权仍然高度集中在少数精英手中。在公众丧失了实质性的政策问题建构权后，存在于社会发展中的那些真正与公众切身利益相关的问题，往往无法进入政策议程。
1.2 “问题定义权”：从权力到能力将“定义权”聚焦到“问题”这个维度，就形成了“问题定义权”的概念，也就是在面对一个情境时，谁有权决定“我们要解决什么问题”，以及更根本的，“这是一个什么问题”。
管理学与设计思维领域有一个广为流传的案例，据传源自IDEO或斯坦福d.school，可以说明问题定义的力量。
当乘客抱怨电梯太慢，多数人的直觉反应是“换设备、加强马达”。但真正该问的是，问题到底是“电梯太慢”，还是“等待的人太不耐烦”？前者指向硬件升级，后者或许只需要在电梯里装一面镜子。问题的框架不同，解法的成本与效果便天差地别。
这个案例揭示了一个容易被忽视的真相：我们以为自己在“解决问题”，但往往连“问题是什么”都没有认真定义过。
认知心理学家丹尼尔·卡尼曼（Daniel Kahneman）和阿莫斯·特沃斯基（Amos Tversky）在1981年首次提出了“框架效应”（Framing Effect）的概念。他们通过著名的“亚洲疾病问题” 实验证明了这一效应。
实验设定美国正准备应对一种罕见的亚洲疾病，预计将导致600人死亡。参与者被分为两组：第一组面对“生存框架”，方案A确定挽救200人，方案B有1/3概率挽救600人、2/3概率无人得救。结果显示72%的人选择了确定性的方案A。第二组面对“死亡框架”，方案C确定400人死亡，方案D有1/3概率无人死亡、2/3概率600人死亡。结果显示78%的人选择了概率性的方案D。
然而，方案A与方案C在客观结果上逻辑等价（200人获救等同于400人死亡），方案B与方案D也完全相同。仅仅是描述方式从“挽救生命”换成了“死亡”，参与者的选择就发生了根本性的逆转。问题的“框架”决定了答案的方向，而谁有权设定这个框架，谁就拥有了影响决策的力量。
将以上理解汇聚到一起，“问题定义权”就呈现出双重属性。作为权力，谁定义问题，谁就规定了答案的方向。这是一种比“定价权”更根本的权力。定价权决定“值多少钱”，而定义权决定“什么是值钱的”。作为能力，在AI时代，这种判定权正在从“少数人的特权”变成“每个人都需要掌握的能力”。因为当获取答案变得极其容易时，定义问题的能力就成为区分“驾驭AI”与“被AI驾驭”的关键分野。
需要强调的是：问题定义权≠提问技巧。
提问技巧是“怎么问”，如何措辞、如何组织语言、如何构建提示词；而问题定义权是“问什么”以及“为什么这个问题值得问”。前者是工具层面的操作，后者是认知层面的主权。一个人可以熟练掌握各种提问技巧，却始终在别人设定的问题框架内提问，他仍然没有掌握问题定义权。
1.3 “问题定义权”的两种运作方式“问题定义权”在实际运作中，呈现为两种形态。
第一种是显性的定义权，也就是谁有权宣布“这是一个问题”。
在组织、制度和社会层面，问题定义权往往掌握在拥有正式权力的人手中。企业管理者决定“什么是需要解决的战略问题”，政策制定者决定“什么是需要回应的社会问题”，学术权威决定“什么是值得研究的问题”。这种定义权是显性的、可见的，它通过职位、头衔、制度性权威来行使。
第二种是隐性的定义权，也就是谁在不知不觉中设定了问题的框架。
更隐蔽、也更具渗透力的，是隐性的定义权。算法推荐决定用户“看到什么信息”，实际上就在定义用户“应该关注什么问题”。当算法框架被设定后，用户的“提问”只能在框架内进行，表面上是“自由提问”，实则是在既定的问题空间里选择。
媒体议程设置是另一个典型。传播学的“议程设置理论”指出：媒体不能决定人们“怎么想”，但能决定人们“想什么”。这正是“问题定义权”在公共领域的体现。当媒体决定报道什么、不报道什么，它就在无形中定义了“什么是值得公众关注的问题”。
在AI时代，隐性定义权的运作变得更加隐蔽。AI系统不仅提供答案，还在塑造我们提问的方式和问题的边界。一个长期依赖AI获取信息的人，可能不知不觉地被AI设定的问题框架所塑造。他以为自己在“提问”，实际上只是在AI预设的轨道上“选择”。
这正是“问题定义权”在AI时代变得前所未有重要的原因：当隐性定义权无处不在时，保持对“谁在定义问题”的觉察，本身就是一种稀缺的能力。
二、为什么问题定义权在AI时代如此重要理解了“问题定义权”是什么，接下来要回答一个更紧迫的问题：为什么这个概念在今天变得如此重要？
答案并不复杂：因为AI来了。
但“AI来了”这四个字背后的含义，远比表面看到的更加深刻。AI不仅改变了“谁有能力回答问题”，它改变的是“问题本身的价值”。
2.1 AI的本质是答案的生产者，不是问题的定义者要理解AI时代的根本变化，首先要看清AI的本质是什么。
OpenAI首席执行官萨姆·奥特曼在2025年初的多次公开访谈中指出：AI可能正在逐渐削弱“原始智力”的重要性；未来仍然会重视某种能力，但它将不再是以前那样的原始智力；提出正确问题的能力将比找到答案的能力更为重要。组织心理学家亚当·格兰特对此表示认同，他指出：“能够连接不同点并识别模式的人将更具优势。”奥特曼进一步强调，学习如何提出重要问题，能够激发思考过程，从而帮助解决复杂问题。
这句话的分量在于，它来自全球最领先的AI公司的掌舵者。如果连“生产答案的人”都说“提问比答案更重要”，那这个判断值得认真对待。
为什么“提问”比“答案”更重要？
因为AI的运作逻辑决定了它的边界。
人工智能本质上是概率模型、优化工具，它可以在既定条件下计算最优路径，却无法判断前提是否合理，也无法理解决策背后的价值取向。当一个问题本身设定错误时，AI依然可以给出100%逻辑自洽、事实准确的答案。
AI可以告诉你“怎么做”，却无法判断“为什么做”。而当“如何做”被高度优化，“为什么做”反而成为稀缺能力。
2.2 从“解决问题”到“定义问题”的能力迁移人类社会的核心竞争力，经历了四次迁移。农业时代，核心竞争力是体力，谁能耕种更多土地、搬运更多重物，谁就拥有更多资源；工业时代，核心竞争力是技能，谁能操作更复杂的机器、掌握更专业的技术，谁就获得更高的回报；信息时代，核心竞争力是知识，谁能获取更多信息、掌握更多知识，谁就占据优势；AI时代，核心竞争力正在转向提问力/定义力，谁能提出更好的问题、定义更精准的问题，谁就能驾驭AI创造价值。
这背后的逻辑很简单：AI让“获取答案”变得极其廉价，而“定义问题”本身却无法被自动化。
过去，一个人之所以有价值，是因为他知道别人不知道的事情；今天，AI知道几乎所有已经被写下来的事情。一个人之所以还有价值，是因为他能问出AI想不到的问题，或者说，他能判断“什么问题值得问”。
正如有分析所指出的：AI是答案的生产者，而提问则是答案的筛选器、优化器。好问题，能解决一大半问题；而坏问题，即使AI给出了完美的答案，也只会导向无意义的结论。这就像导航软件，你输入一个错误的目的地，导航软件也会给你一条最优路线，但它不会问：“你确定要去这个地方吗？”
AI就是那个导航软件，它永远不会质疑你的目的地。问题定义权，就是决定“目的地”的能力。
2.3 企业成败的关键：定义问题的能力在商业层面，“问题定义权”的价值正在被越来越多的企业领导者认识到。
一个普遍的现象是，企业虽然已经具备了对AI的基础认知与导入意愿，却普遍卡在同一道关卡：找不到问题，或无法精准定义问题。若核心痛点说不清楚，再多的工具投入也难以转化为真实的商业价值。
有行业观察者用一个比喻来形容这种困境：“这就像是手上抓到了一把很利的刀，就开始想什么东西可以砍。”真正应该做的，是先厘清需要解决的问题，再回头思考什么样的技术能够派上用场，而不是让工具决定问题的形状。
这种“拿着锤子找钉子”的思维，正是企业AI项目失败的典型模式。
行业观察普遍指出，许多企业AI落地失败，根源都在这一步，为AI而AI，盲目跟风技术热点，却没搞清楚“AI到底要为企业解决什么问题、创造什么价值”。
据Gartner 2025年报告，超过50%的生成式AI项目失败；另有研究指出，高达85%的AI项目因数据质量等问题未能达到预期，主要是因为缺乏高管支持和与业务战略的一致性。另有行业研究显示，70%到80%的AI项目未能实现其预期价值。兰德公司的调查进一步印证了这一判断，超过80%的AI项目以失败告终，这一比例是非AI信息技术项目的两倍。
麦肯锡的调研则从另一个角度揭示了这一困境。据McKinsey估算，约九成至九成九的企业已使用AI，但仅约1%认为自己达到AI成熟阶段。麦肯锡将这一现象定义为“试点陷阱”，多数机构仍停留在探索或试点阶段，难以跨越从试点到规模化的鸿沟。麻省理工学院（MIT）发布的报告《生成式AI鸿沟：2025年商业中人工智能现状》进一步印证了这一判断：尽管企业在生成式AI上的投资达到数百亿美元，但95%的组织未能获得任何回报，只有约5%的集成AI试点项目获得了可观的业务价值。
这些数字指向同一个结论：技术本身不是瓶颈，定义问题的能力才是。
“问题定义权”在企业AI转型中的核心地位，并非理论推演，而是由大量失败案例反向验证的事实。当一个企业连“要解决什么问题”都说不清楚时，再先进的技术也只是昂贵的摆设。
2.4 “新时代文盲”：丧失问题定义权的风险如果说“拥有问题定义权”是AI时代的高级能力，那么“丧失问题定义权”则是这个时代最隐蔽的风险。有评论者将这种风险概括为“AI浪潮下的新时代文盲”：不是不会用AI，而是“用不好AI”，甚至“被AI用”。具体表现为：盲目崇拜AI答案、无法提出精准问题、放弃独立判断、以及长期依赖导致基础能力退化。
盲目崇拜型是将AI的答案奉为圭臬，从不质疑。他们把AI当作写作外挂，用AI一键生成方案、邮件甚至情书，“沉迷于工具的效率里，却放弃了用心思想，用心锤炼语言逻辑，无心投入情感的过程”。比如，某学生用AI写论文，却从不核实数据来源。
提问困难型是只能提出模糊、宽泛的问题，无法通过精准的提问引导AI产生高质量输出。比如，某员工向AI提问“帮我做个方案”，得到泛泛而谈的回答。
丧失思考型是完全放弃自己的判断和思考过程，让AI代替自己完成从信息搜集、分析到决策的全过程，自己只做一个“传声筒”。比如，某管理者让AI代替自己写所有邮件，逐渐丧失书面表达能力。
技能退化型是长期依赖AI进行写作、计算、编程或外语交流，导致自身这些基础能力严重退化。比如，某程序员长期依赖AI补全代码，离开AI后无法独立编写基础函数。
这种风险之所以隐蔽，是因为它披着“高效”的外衣。
AI将知识变得唾手可得，这会带来一种美妙的错觉，普通人仿佛一夜之间与高学历学者实现了“知识平权”。但一个学者之所以是学者，不在于他能“说出”多少专业术语，而在于他拥有完整的知识框架、深刻的批判性思维、以及多年积累的直觉和判断力。AI让普通人“看起来”很有文化，却让很多人“误以为”自己真的很有文化，这种认知幻觉比无知更危险，因为它让人停止了学习和成长的脚步。
正如有评论者所言：“我们迎来了一个最不缺‘道理’的时代，却也是最缺‘思考’的时代。人人都能输出金句，个个都像饱读诗书，可敲开那层华丽的表皮，里面空空如也。”
当一个人丧失了定义问题的能力，他也就丧失了在AI时代的主体性。
2.5 问题定义权的阴暗面最后，有必要补充一个容易被忽略的视角。问题定义权不仅是“解放”的力量，也可能是“遮蔽”的工具。
当一个权力掌握定义权时，它可以通过重新定义问题来逃避责任或维护既得利益。比如，“失业”可以被重新定义为“灵活就业”，“贫困”可以被重新定义为“待提升群体”，“环境问题”可以被重新定义为“发展阶段问题”。谁控制了问题的定义，谁就控制了问题的答案，以及答案是否会被追问。
在AI时代，这种风险变得更加隐蔽。
算法推荐决定用户“看到什么信息”，实际上就在定义用户“应该关注什么问题”。当一个算法框架被设定后，用户的“提问”只能在框架内进行，表面上是“自由提问”，实则是在既定的问题空间里选择。
传播学的“议程设置理论”早已揭示了类似的逻辑：媒体不能决定人们“怎么想”，但能决定人们“想什么”。AI时代，这个逻辑被算法放大了无数倍。
当隐性定义权无处不在时，保持对“谁在定义问题”的觉察，本身就是一种稀缺的能力。
三、历史上，问题定义权在谁手中“问题定义权”并非AI时代才出现的新事物，它在人类历史上一直存在，只是以不同的形式分布在不同群体手中。回顾历史，可以帮助我们更清晰地理解，谁掌握了定义问题的权力，谁就掌握了改变世界的杠杆。
3.1 思想史上的“问题定义者”思想史是人类认知演进的底层记录。那些真正改变了文明走向的思想家，往往不是给出了“最终答案”的人，而是重新定义了“什么问题值得追问”的人。本节选取两位最具代表性的思想者，苏格拉底和马克思，他们各自以不同的方式，展示了“问题定义权”在思想史上的运作。让我们从最古老的那一位开始。
（1）苏格拉底：用提问重新定义问题的框架
苏格拉底可能是西方思想史上最早的系统性“问题定义者”。他的方法被称为“诘问法”或“精神助产术”。苏格拉底自称虽然无知，但能协助别人获得知识，犹如他的母亲是位助产士一样，尽管年老不能生育，却能为别人接生。
他的核心做法是以提问的方式揭露对方提出的各种命题、学说中的矛盾，以动摇对方论证的基础，指明对方的无知。在诘问中，苏格拉底自己并不给予正面的、积极的回答，因为他承认自己无知。
苏格拉底的“无知”不是谦虚，而是一种方法论立场。他不提供答案，因为他知道一旦给出答案，对话就会停止；而只要持续提问，对方就不得不重新审视自己的前提。他的力量不在于“知道答案”，而在于通过提问重新定义问题的框架。
（2）马克思：在前人认为已有答案的地方，重新提出问题
如果说苏格拉底是通过提问来“催生”新的认知，那么马克思则是通过重新定义问题来改变整个思想版图。
1842年，马克思在《集权问题》一文中写下了被反复引用的一段话：“问题就是公开的、无畏的、左右一切个人的时代声音。问题就是时代的口号，是它表现自己精神状态的最实际的呼声。”他还进一步指出：“世界史本身，除了通过提出新的问题来解答和处理老问题之外，没有别的办法。”
这几句话的核心洞见在于，问题不是被动的“困惑”，而是时代的主动表达。问题就是时代的口号，它不是问题的答案，而是问题本身，在定义着时代的议程。
恩格斯在1885年的《资本论》德文版序言中，用一个精辟的表述概括了马克思的工作方式：“在前人认为已有答案的地方，他（马克思）却认为只是问题所在。”
恩格斯甚至用一个比喻来说明这一点的颠覆性：马克思的意见“是和所有他的前人直接对立的。在前人认为已有答案的地方，他却认为只是问题所在。他认为，这里摆在他面前的不是无燃素气体，也不是火气，而是氧气”。马克思不是在前人的答案上“补充”了什么，他重新定义了“问题本身”是什么。
马克思还明确指出：“真正的批判要分析的不是答案，而是问题。”这意味着，思想批判的深度不在于“你能不能给出一个更好的答案”，而在于“你能不能看出旧答案之所以成立，是因为旧问题本身就有问题”。
苏格拉底、马克思，这些思想家的共同特征是，他们不满足于“给出答案”，而是致力于“重新定义问题”。这正是问题定义权的核心。
3.2 科学史上的“问题定义权转移”如果思想史展示了“问题定义”的哲学力量，那么科学史则展示了它如何推动人类认知的根本跃迁。
（1）爱因斯坦：提出新问题标志着科学的真正进步
1938年，爱因斯坦与利·英费尔德合著的科普读物《物理学的进化》首次出版。在这本书中，爱因斯坦写下了一段被无数次引用的文字：“提出一个问题往往比解决一个问题更重要，因为解决问题也许仅是一个数学上或实验上的技能而已。而提出新的问题、新的可能性，从新的角度去看旧的问题，却需要有创造性的想象力，而且标志着科学的真正进步。”
爱因斯坦在这里给出了一个清晰的判断标准：科学进步的标志，不是“解决了多少旧问题”，而是“提出了多少新问题”。解决问题的能力是“技能”层面的，它可以通过训练获得；但提出新问题的能力是“创造性想象力”层面的，它标志着科学的真正进步。
（2）地心说→日心说：重新定义“宇宙的中心”
哥白尼的日心说之所以构成革命，不是因为它更精确地预测了行星运动，实际上，在精确度上，日心说早期并不优于托勒密的地心说。哥白尼革命的真正力量在于他重新定义了“什么是值得追问的问题”。
在地心说框架下，天文学家追问的是：“行星如何围绕地球运动？”，这是一个关于“轨道几何”的问题。哥白尼把问题变成了：“宇宙以什么为中心？”，这是一个关于“宇宙秩序”的问题。
问题框架变了，答案的性质就变了。哥白尼不是在旧问题的框架下给出了一个更好的答案，而是让旧问题本身变得不再重要。
（3）牛顿力学→相对论：重新定义“时间和空间”
同样的逻辑发生在爱因斯坦身上。牛顿力学可以精确计算弹道、预测行星轨道，在它的适用范围内，它并没有“错”。但爱因斯坦问了一个牛顿从未问过的问题：“时间和空间是什么？”
在牛顿的框架里，“时间”和“空间”是绝对的背景，它们是不需要被追问的“给定条件”。爱因斯坦把“给定条件”变成了“问题本身”，当他重新定义了时间和空间，整个物理学的图景就被重写了。
哥白尼和爱因斯坦的共同点，不是“解决了旧问题”，而是“让旧问题变得不再重要。”地心说可以精确预测行星运动，但哥白尼重新定义了“什么是宇宙的中心”；牛顿力学可以精确计算弹道，但爱因斯坦重新定义了“什么是时间和空间”。问题一旦被重新定义，旧答案无论多么完美，都变得无关紧要。
（4）库恩的范式理论：科学革命就是问题定义权的转移
科学哲学家托马斯·库恩（Thomas Kuhn）在1962年出版的《科学革命的结构》中，为这一现象提供了一个系统的理论框架。
库恩的核心概念是“范式”（Paradigm），它指的是一个科学共同体所共享的信念、方法、问题和标准的总和。在“常规科学”时期，科学家在既有的范式内工作，他们解决的是范式已经定义好的“谜题”（puzzles）。他们不质疑范式本身，只解决范式内部的问题。
但当既有范式无法解释新出现的异常现象时，科学危机就产生了。科学家开始对原有的范式产生怀疑，提出新理论，由此引发“科学革命”。科学革命的结果，是一项新的科学成就重新指导研究，充当新的范式，这就是“范式转换”。
库恩反复强调，范式的转换并不代表“进步”，新旧范式之间是不可通约的（incommensurable）。但范式一改变，这世界本身也随之改变了。接受一个新范式的科学家会以跟以往不一样的方式来看这个世界。
我们用“问题定义权”的语言来翻译一下库恩的理论：常规科学时期，问题定义权掌握在既有范式手中，它决定了“什么是值得研究的问题”；科学革命时期，问题定义权发生了转移，新的范式重新定义了“什么问题值得问”。科学史的本质，就是问题定义权在不同范式之间转移的历史。
3.3 制度史上的“问题定义权”转移如果说思想史和科学史展示了“问题定义权”在认知领域的运作，那么制度史则展示了它在社会治理中的演变。
在公共政策领域，“问题定义”是一切决策的起点，政策问题界定“规定着后续政策过程的走向，充斥着各种竞争、偏见和冲突”。谁有权定义“什么是需要解决的问题”，谁就掌握了政策的源头。
政策问题建构权经历了漫长的历史演进。
中世纪后期，政策问题建构权进入了一个持续扩大的进程。随着平民代表进入议会，打破了政策问题建构权的封闭性，此后又经过一次又一次的改革，使政策问题建构权逐步向更广泛的阶层开放。
19世纪中期之前，在三权分立的框架中，政策问题建构权掌握在立法部门手中。立法部门从事政策问题建构和制定政策，行政部门只负责政策执行。
20世纪30年代，随着“新政”时期行政权力的扩张，政策问题建构权转向了行政部门。行政部门不仅执行政策，也开始定义“什么是需要解决的问题”。
二战后，政策问题建构权进一步分散，形成了国会、行政官僚与利益集团构成的“铁三角”格局。政策问题的定义不再是单一主体的权力，而是在多重力量博弈中形成的。
每一次转移，都意味着一个根本权力的重新分配：谁有权决定“什么是需要解决的问题”。
这一历史演进揭示了一个规律：问题定义权在社会层面的分布，从来不是固定的，它随着权力结构的变迁而不断转移。在AI时代，它是否正在从“人类”向“算法”转移？这是我们需要追问的问题。
3.4 问题定义权的“阶层化”及其在AI时代的延续回顾以上历史，一个清晰的模式浮现出来：问题定义权，从来不是均匀分布的。
在思想史上，苏格拉底、马克思，这些“问题定义者”是极少数。他们之所以能够改变世界，不是因为他们比别人更聪明，而是因为他们拒绝接受既有的问题框架。
在科学史上，范式转换的推动者同样是少数。大多数科学家终其一生都在既有的范式内解决“谜题”，他们从未质疑过范式本身。
在制度史上，政策问题建构权经历了从“特权阶层”到“市民代表”再到“利益集团”的演变。即便在今天的民主社会中，普通公民对“什么是需要解决的政策问题”仍然缺乏实质性的影响力。
这种“阶层化”意味着什么？
这意味着，在AI时代到来之前，“问题定义权”就已经是一种高度集中的权力。科学家定义什么是“值得研究的问题”，企业家定义什么是“值得解决的市场痛点”，政治家定义什么是“值得关注的社会议题”，普通人更多是“接受问题框架”的人，而非“定义问题框架”的人。
AI时代的变化在于，获取答案的成本趋近于零，但定义问题的能力门槛并没有降低。这意味着，如果一个人只学会了“用AI获取答案”，却没有学会“用AI定义问题”，那么他仍然处于问题定义权链条的末端，只是从“向人提问”变成了“向机器提问”。
AI时代的知识平权，可能只是一种幻觉。
四、AI原生时代，如何培育问题定义权前三部分回答了“是什么”“为什么”“谁掌握”三个问题，现在，我们要回答最实际的一个：在AI原生时代，普通人如何培育和发展自己的问题定义权？
问题定义权不是“学会”的，而是在实践中“练出来”的，它需要认知层面的觉醒、方法层面的工具、实践层面的反复训练，以及一个可操作的自我评估标准。
以下从五个层面展开：认知→方法→实践→教育→衡量。
4.1 认知层面：从“海绵式思维”到“淘金式思维”培育问题定义权的第一步，是改变我们与信息打交道的方式。
《学会提问》一书将人类的思维方式划分为两种基本模式。
第一种是“海绵式思维”，它的核心特征是被动吸收、全盘接受，划重点、抄笔记、背结论。海绵吸水式的思维在信息稀缺的时代是有效的，你需要先有足够的知识储备，才能进行有效的思考。但它的致命缺陷是，它不筛选，不质疑，不追问。无论信息是否有价值、是否准确，海绵式思维都一概吸收。
在AI的助力下，海绵式思维的“便利性”被推向了极致。AI可以为你整理一切、总结一切、解释一切，你只需要“接收”就好。但便利背后潜藏着巨大风险，你无法确定AI提供信息的来源是否可靠、逻辑是否存在漏洞、框架是否合理。你吸收得越多，可能被误导得越深。
第二种是“淘金式思维”，它以主动筛选为核心，强调带着问题去与信息对话，边阅读边质疑，边聆听边评估。淘金式思维的重点在于获取信息过程中的互动，辨别、质疑和取舍，这些互动就像淘金一样。
两者的差距，直接体现在是“被误导”还是“能做出正确决策”上。拥有淘金式思维的人，既不会盲目跟从AI给出的答案，也不会固执地坚持自己的固有看法，他们会用证据去验证，用逻辑去判断，从而掌握主动权。
从海绵式到淘金式，是从“记”到“问”的转变。前者追求“知道更多”，后者追求“判断更准”。前者让你成为信息的容器，后者让你成为信息的主人。
4.2 方法层面：苏格拉底式提问与第一性原理认知层面的转变需要方法层面的支撑，这里提供两套可操作的工具。
（1）苏格拉底式提问六步法
苏格拉底式提问法通过循序渐进的提问来引导深度思考和批判性分析。它的目的不是“考倒对方”，而是通过提问激发彼此的思维，最终收获一个“问者和答者”都不知道的成果。
基于教育实践中的总结，苏格拉底式提问可以归纳为六个关键步骤。
第一步是概念界定：你所说的具体指什么？能否给出一个清晰的定义？很多争论之所以陷入僵局，不是因为双方立场不同，而是因为对同一个概念的理解完全不同。
第二步是探寻理由：你基于什么得出这个结论？你的依据是什么？这一步迫使对话者从“观点”走向“证据”。
第三步是挖掘前提：你的论证背后隐藏着什么假设？这个假设是否成立？大多数论证的问题不在结论本身，而在未被言明的前提。
第四步是引入论敌：如果有人反对你的观点，他会怎么说？你的论证能否回应最有力的反驳？这一步让你跳出自己的思维框架，看到问题的另一面。
第五步是审视逻辑：你的推理过程是否严密？是否存在逻辑跳跃或漏洞？
第六步是落地现实：如果按照这个思路行动，会带来什么后果？理论上的完美推演，需要在现实中接受检验。
这六步法的价值在于，它将“质疑”从一种态度转化为一套可操作的流程。你不需要天生擅长提问，你只需要按照这六个步骤走一遍，就能发现自己思维中的盲点。
（2）第一性原理：回到问题的最基本事实
如果说苏格拉底式提问是在“既有框架内”深化思考，那么第一性原理就是“跳出既有框架”重新定义问题。
第一性原理源自亚里士多德的哲学思想，指“每个系统中都有一些最基本的命题，不能被违背或删除”。在现代语境下，它被定义为“从最基本的事实或公理出发，通过逻辑演绎构建问题解决方案的方法”，强调突破类比思维与经验主义，直指问题核心。
埃隆·马斯克是最有效运用第一性原理思维的当代人物之一，他曾这样描述这种方法：“不要进行类比推理。你把事情细分到你可以想象的最基本元素，然后你从那里开始推理”。
一个经典的例子是火箭制造。航天界囿于类比思维，认定火箭成本高昂难以改变，因为“别人也是这么做的”。而马斯克则回归物理学的根基，计算原材料的基本成本，从而坚信火箭回收在物理上是可行的。类比思维问的是“别人怎么做”，第一性原理问的是“这件事在根本上是什么”。
第一性原理的本质，就是拒绝接受既有的问题框架，回到原点重新定义问题本身。它不满足于“在既有框架内找到更好的答案”，而是追问“这个框架本身是否合理”。
4.3 实践层面：与AI协作中训练提问力认知变了，方法有了，剩下的就是练。AI本身可以成为训练提问力的最佳工具，每一次与AI的对话，都是一次“定义问题”的练习。
以下是四个训练维度。
第一，从“是什么”到“为什么”。不满足于AI给出的答案，追问其背后的假设和前提。当AI告诉你“应该这样做”时，追问一句“为什么要这样做？有什么前提条件？”这迫使你从“接受答案”切换到“审视框架”。
第二，从“单一问题”到“问题序列”。不要一次性提出一个宽泛的问题，而是设计一连串递进的问题，引导AI逐步深入。第二个学生之所以能获得高质量的输出，不是因为他“更会用AI”，而是因为他设计了一个问题序列，从“导数的几何意义”到“换元法的可行性”到“问题出在哪里”。问题序列的质量，决定了答案的质量。
第三，从“接受框架”到“质疑框架”。当AI按照某种框架组织答案时，停下来问一句：“如果换一个框架，结论会不同吗？”这是对抗“算法隐性定义权”的核心训练。
第四，从“验证答案”到“验证问题”。在得到答案之前，先问自己：“这是正确的问题吗？”这个问题看似简单，却是最难做到的，因为它要求你在投入精力之前，先质疑自己的出发点。
有研究指出，学生在与AI交互过程中暴露出精准提问能力欠缺、对AI输出结果批判性检验不足等突出问题。这些问题的根源，恰恰在于缺少“与AI协作中训练提问力”的刻意练习。
正如有分析所指出的，我们需要像侦探一样审视AI的内容输出，识别其中的潜在偏见、错误或其他问题。这不仅是批判性思维，更是问题定义权的日常训练。
4.4 教育层面：从“教答案”到“教提问”在更宏观的层面，教育体系需要重新思考“教什么”。
传统教育以“传授知识”为核心，教师是知识的提供者，学生是知识的接受者。但在AI时代，这个模式正在被颠覆。当AI可以提供任何知识时，教育的核心任务就从“教答案”转向“教提问”。
多位专家指出，“提出问题的能力比知道答案更重要”。目前，批判性思维教育的首要切入点，就是提问能力的培养。
这意味着教育需要发生几个层面的转变。首先是从“记忆型”提问升级为“创造型”提问，鼓励学生提出没有标准答案的问题，而非仅仅回答教材上的问题；其次是从“被动答题”转向“主动发问”，让学生成为问题的定义者，而非答案的接收者；最后还要培养“深度提问力”，超越简单的知识查询，转向探究本质、挑战假设。
有学者进一步指出，在智能时代，批判性思维不再只是单纯的个人认知能力，而是扎根于技术场景的社会实践，其核心在于评估输出质量、识别算法偏见与局限，并理解答案生成的底层逻辑。
4.5 衡量标准：从“知道多少”到“问出什么”最后，关于“如何衡量一个人是否拥有问题定义权”，答案可能在于，看他能问出什么样的问题。
“提问能力”不是简单的“会问问题”，它包含多个层次。借鉴教育领域对提问能力的分层研究，可以归纳为以下五个层次。
第一层是事实性提问，问的是“是什么”“有多少”。这是最低层次的提问，AI最擅长回答这类问题。
第二层是理解性提问，问的是“是什么意思”“如何理解”。这需要一定的认知加工，但仍然停留在“理解既有信息”的层面。
第三层是分析性提问，问的是“为什么”“基于什么前提”。这一层开始触及问题的结构，你不再满足于接受既有信息，而是追问其背后的逻辑。
第四层是批判性提问，问的是“这个框架是否合理”“有没有其他可能”。这是问题定义权的核心能力，你开始质疑问题本身。
第五层是创造性提问，问的是“如果换一个角度来看，会怎样”“有没有人问过的问题”。这一层超越既有框架，提出全新的问题，这正是爱因斯坦所说的“标志着科学的真正进步”的那个层面。
培育问题定义权的最终目标，不是让你“更会提问”，而是让你在面对任何一个情境时，都能停下来问一句：“这真的是正确的问题吗？”
这个问题本身，就是问题定义权的开始。
五、问题定义权，AI时代最稀缺的资产现在可以回到开篇的那个问题了。两个学生，面对同一道题，同一个AI，一个在要答案，一个在定义问题，输出的质量天差地别。这不是“会不会用AI”的差距，这是有没有“问题定义权”的差距。
这个差距，在AI时代正在被无限放大。
我们穿越了四个层次来理解这个概念。
第一层，我们厘清了“问题定义权”是什么。它不是提问技巧，不是提示词工程，它是在面对一个情境时，决定“我们要解决什么问题”以及“这是一个什么问题”的能力。作为一种权力，它决定了答案的方向；作为一种能力，它正在从少数精英的特权变成每个人都需要掌握的生存技能。
第二层，我们追问了“为什么它如此重要”。AI是答案的生产者，不是问题的定义者。当AI可以给出逻辑完美但建立在错误前提上的答案时，“定义问题的能力”就比“解决问题的能力”更加根本。企业AI项目的高失败率、新时代文盲的批量诞生，这些现象的背后，是问题定义权的丧失。
第三层，我们回顾了“历史上谁掌握这种权力”。苏格拉底用提问重新定义问题的框架；马克思在前人认为已有答案的地方重新提出问题；爱因斯坦宣告“提出新问题标志着科学的真正进步”；哥白尼和爱因斯坦的共同点不是解决了旧问题，而是让旧问题变得不再重要。问题定义权，一直是改变世界的杠杆。
第四层，我们给出了“如何培育这种能力”的路径。从海绵式思维到淘金式思维，从苏格拉底式提问到第一性原理，从与AI协作的四个训练维度到教育体系的根本转变，问题定义权不是天赋，而是可以通过有意识训练习得的能力。
但在结束之前，还需要做一个补充。问题定义权不仅是解放的力量，也可能是遮蔽真相的工具。在AI时代，这种风险更加隐蔽。算法推荐决定了你“看到什么信息”，实际上就在定义你“应该关注什么问题”。当隐性定义权无处不在时，保持对“谁在定义问题”的觉察，本身就是问题定义权的核心能力。
回到最根本的那个问题。AI可以回答一切，但你还能提出什么AI提不出的问题？
这个问题之所以关键，不是因为AI“不会”回答它，而是因为，提出这个问题本身，就是在行使问题定义权。当大多数人都在问“AI能帮我做什么”时，你在问“AI不能做什么”，你就是在重新定义问题的框架；当大多数人都在接受AI给出的答案时，你在追问“这个答案的假设是什么”，你就是在行使问题定义权；当大多数人都在既有框架内“优化”时，你在追问“这个框架本身是否合理”，你就是在成为问题定义者。
陶行知先生说：“发明千千万，起点是一问。”在AI可以回答一切的时代，你还能提出什么AI提不出的问题？这个问题本身，就是问题定义权的开始。
而问题定义权，就是你在AI时代最稀缺的资产。
