都以为学校会被AI逼着改头换面。
但ChatGPT问世三年半,教育却几乎没变。
今年5月,奥特曼回到母校斯坦福,站上CS153的讲台,认错了:
这是我的一个预测错误。
还撂下狠话:再不改,人的思考力会萎缩。
不久前,斯坦福CS153的讲台上,有人问OpenAI CEO奥特曼(Sam Altman):你怎么看教育?
他顿了顿:「我很担心。我以为到现在,它早该变了。」
奥特曼现身斯坦福CS153课程谈AI时代教育,坦言自己低估了教育系统变革的速度。(图源:Stanford Online」
三年半前ChatGPT刚上线,当时的奥特曼认为,学生会先作弊一年,然后整个教育系统被逼着自我重构,教出比过去更会思考的人。
然而,三年半过去,剧本没照奥特曼预想的那样演。
AI这边,从只会写文案的GPT-3.5,进化到能反证数学家几十年啃不动的猜想。
而学校那边,还在用同一套东西考学生:背诵、标准答案、闭卷默写。
作业、考试、论文......一切还是老样子。翻边整个教育系统,他找不到一处重要的结构性改变。
一个赌对了「规模定律」(Scaling Law)的人,偏偏在教育上看走了眼。
他说,这是自己这些年最大的预测失误之一。
一个把通用人工智能(AGI)挂在嘴边的人,居然在为课堂焦虑。
他到底在怕什么?
他以为学校早该变了
时间倒回2022年11月,ChatGPT刚发布。
当时,奥特曼的判断还很乐观:
头一年,学生会拿它作弊、学不到什么;然后教育系统就会自我重造,把课教得比从前好得多。
按照他设想,老师布置那种非用AI不可的项目,学生反而得动更多脑子、想更多新东西。
2024年,他还公开看好过:超级智能会带来人手一个的私人导师,教育会从死记硬背转向解决问题,转向批判性思维。
结果,AI这边一年一个台阶飞速进化,教育那边却一点没动。
AI外包,正在掏空批判性思维
这种断层,才是奥特曼真正担心的。
他说,如果继续按「前AGI世界」那套方式教学、评价学生,不光会让这套方法失灵,还会让人「学不会思考」,导致批判性思维一点点萎缩。
把思考外包给AI,一开始只是图省事。
可用进废退,那块负责独立思考的脑力,就会跟久不用的手臂一样,悄悄回缩和变弱,用奥特曼的话说是——肌肉萎缩(atrophy)。
这只是奥特曼的担心,还是已经在发生的事实?
有研究显示,ChatGPT进课堂后,月考成绩半年内掉了约20%;真正决定前途的高利害入学考试,成绩分别下滑18%和24%,而且这笔账要拖上两年才慢慢显形。
更能说明问题的,是加州大学伯克利分校(UC Berkeley)的一项分析。
在50多万条成绩样本里,写作和编程这类课,ChatGPT之后的分数明显往上移,可涨的全是作业分,考试分却一点没动。
加州大学伯克利分校分析50多万条成绩:ChatGPT发布后,写作、编程类课程拿A、A-的比例明显抬升(蓝色显著为正),B+及以下几乎纹丝不动。(图源:Chirikov/CSHE)
为什么?这是「外包」,不是「学习」。
另一项覆盖数百万次美国数学互动、跨度十年的研究也指向同一个结论:聊天机器人一来,题做得更快,学得却更少。
作业交得越来越漂亮,脑子却越来越空。
说好的教育文艺复兴,为什么没来
困惑的,不止奥特曼一个。
OpenAI技术团队成员Ryan Brewer发帖说,大模型居然没掀起一场教育文艺复兴,让他很震惊:
我不是应该一个月就学会一门语言吗?我们到底哪里搞错了?
类似的质疑X上迅速发酵:手握史上最强的学习工具,为什么AI私人导师还没走进千家万户,教育革命迟迟不来?
答案不在技术,而在制度的惯性。
大学那套考评,考试、论文、作业,几百年来立在一个隐形前提上:这些事太花时间,没人会走捷径。
AI一来,改变了这个前提。
但学校仍在用前AGI时代的标准,去量一批已经在AI里长大的新人,现实却是第一代ChatGPT原住民,已经念到毕业了。
工具换代只要一个版本号,制度换代要一代人:技术上早已就位,但规则还停在上一个时代。
一个24小时不知疲倦、能因材施教、便宜到几乎免费的AI私人导师,理论上今天就能给每个孩子配上。
但它迟迟没来,背后真正的原因是教育系统重构自己的速度。
同一场演讲里,奥特曼还抛出这样一个判断:
ChatGPT出现到现在,三年半。哪怕AI只是沿着同样的曲线,再往前走三年半,人类社会能做的事,就会和今天完全不在一个量级。
随着技术的指数级狂奔,它与教育之间的缺口只会越拉越大,最终要由此刻还坐在旧考试、旧作业、旧评价体系里的这一代学生来填补。
他们学的技能,可能一出校门就被AI接管;他们没练的判断力,可能一辈子都难补回来。
这背后欠下的,是一代人的「认知账」。
机器能写,人为什么还得学
那到底还该教什么?
奥特曼的回答有点反直觉:有些事,机器明明可以做得更好,人还是要亲手做一遍。
他讲了自己的例子。
他说自己是那种「靠写作来思考」的人,写下大量从不给任何人看的文字,只为把一个问题想清楚,很庆幸当年学过写作。
编程也一样,代码AI一秒就能生成,可亲手把逻辑搭起来的过程,锻炼的是大脑。
说白了,写作、编程就像是计算器时代的数学证明题:结果机器早就算得出,我们还是让学生自己推。为的不是问题背后的答案,是「思考」和「学习」这两个元技能,而写作和编程,正是训练它们的工具。
顺着这个思路,奥特曼主张将教育目标从「记住更多知识」,转向「提出更好的问题」;从考记忆,转向考判断、考创造、考跨学科的真本事。
而问题的根子,恰好在评价体系。
今天的考试还在考什么?
记忆、标准答案、一个人闭卷完成。这三样,刚好是AI最擅长、最能替你代劳的。
当学校还在用「谁记得多、谁答得准」来评价学生,AI已经把「记得多、答得准」变成了零成本的商品。
用一把AI能轻松通关的尺子,去衡量下一代人的能力,量出来的数字还剩多少意义?
这才是奥特曼真正焦虑的地方:学生用不用AI不是最要紧的,会不会验证AI,才要紧。
比过度依赖AI更让人担心的,是用了AI却不会验证,把机器吐出来的东西照单全收。
如果让这股惯性再拖三年半,一代人慢慢丢掉独立思考的训练场,等回过神来才发现:已经不太会自己想事情了。
参考资料:
https://www.youtube.com/watch?v=F_7M4Hc-usM
https://x.com/hesamation/status/2073884828861071557
https://x.com/ryanbrewer/status/2073812031988535760
本文来自微信公众号“新智元”,作者:ASI启示录
