情境示意 · 非服務實錄面对 AI 进入教育,我愈来愈觉得,我们可能需要有时踩油门,有时踩煞车。
在教育体制外,我们其实应该非常 aggressive 地探索 AI 到底可以把学习推到多远。
甚至应该让少数有能力、也有高度动机的年轻人跑得非常快——他们可能只是高中生,甚至国中生,就不只是「用 AI」,而是开始理解 AI、创造 AI。
但在教育体制内,我反而认为需要更审慎。
因为学校面对的不是少数高度自主的学生,而是几乎所有孩子。
AI 对大多数孩子的长期学习究竟有什么影响?会不会造成认知外包?会不会形成情感依赖?什么年龄、什么学科、什么学习阶段适合使用?老师又需要什么配套?
愈来愈多研究正在浮现,但我们其实还没有足够完整的答案。
因此,我不认为现在就应该追求「100% AI 普及率」,更不应该要求每一位老师、每一个孩子都必须用 AI 学习。
可以让想跑的人先跑,而且让他们跑得很快;但不要把所有人一起推下水。
任何创新在非极权社会里,本来就必须走过 Adoption Curve:
Innovators → Early Adopters → Early Majority → Late Majority → Laggards
每一群人都有自己的节奏。真正能够规模化的创新,不是跳过这些阶段,而是一步一步累积证据、案例与信任。
所以我现在对 AI × 教育的看法,其实是在两个极端之间:
全面禁止 AI 进入教育,是与时代趋势正面对撞;
过度乐观地全面拥抱 AI,也很可能注定失望。
因为真正困难的从来不是「有没有 AI」。
真正困难的是:我们懂不懂学习?有没有好的教学设计?老师有没有足够的配套?
这也是为什么,均一平台目前选择做几件事情:
1. 让年轻人真的进来。我们有高中生实习生,也希望让下一代不只是 AI 的使用者,而有机会成为创造者。
2. 走进国际前沿。参与国际 AI 教育、AI 伦理、AI × 脑科学等社群,理解世界现在正在担心什么、验证什么,也正在突破什么。
3. 把「有效」当成需要验证的问题,而不是信仰。与国家级教育研究机构合作,实际验证我们开发的教育 AI 是否真的改善学习,包括学习成效,以及学生提问品质。
4. Learning First,而不是 AI First。我们不是为了「用了 AI」而设计产品,而是先问:学生原本怎么学?卡在哪里?例如学生看影片、做习题,真的遇到困难时,再让 AI 介入。AI 是学习流程中的工具,不是学习本身。
5. Pioneer First,而不是全民先上。不论国小、国中或高中,我们都优先寻找自主愿意尝试的老师与学校。先和 Pioneer 做出真正有效的案例,再从 Early Adopters 一步一步往外扩散。
6. 不要让任何一方独自决定教育的未来。把产、官、学、研以及第一线教育工作者等不同 stakeholders 拉进来,一起思考:怎么在理想与务实之间,找到 AI 进入教育最健康的路径。
而这可能也是 NPO 在 AI 时代很重要的一个角色:成为公共事务的 R&D 部门。
企业需要面对市场,政府需要面对全民与政治责任,学校则需要维持每天正常运作;相较之下,NPO 有比较大的空间去承担那些重要、但还不确定会不会成功的实验。
我们可以允许自己失败,但必须认真地从失败中取得证据。
不是急着证明 AI 一定有效,而是努力找出:在什么条件下、对什么人、用什么方法,AI 才真的能帮助学习。
等到这些规律逐渐清楚,而且老师、学生与学校是自主地觉得有用、愿意采用,再把经验分享给产、官、学、研,逐步扩大。
AI 进入教育,真正值得追求的或许不是「最快普及」,而是「最快找到什么真的有效,再让有效的东西自然扩散」。
- 原文:吕冠纬个人脸书贴文(2026-08-11 发表)
课程名称依来源显示,授课语言请见课程页。