情境示意 · 非服務實錄面對 AI 進入教育,我愈來愈覺得,我們可能需要有時踩油門,有時踩煞車。
在教育體制外,我們其實應該非常 aggressive 地探索 AI 到底可以把學習推到多遠。
甚至應該讓少數有能力、也有高度動機的年輕人跑得非常快——他們可能只是高中生,甚至國中生,就不只是「用 AI」,而是開始理解 AI、創造 AI。
但在教育體制內,我反而認為需要更審慎。
因為學校面對的不是少數高度自主的學生,而是幾乎所有孩子。
AI 對大多數孩子的長期學習究竟有什麼影響?會不會造成認知外包?會不會形成情感依賴?什麼年齡、什麼學科、什麼學習階段適合使用?老師又需要什麼配套?
愈來愈多研究正在浮現,但我們其實還沒有足夠完整的答案。
因此,我不認為現在就應該追求「100% AI 普及率」,更不應該要求每一位老師、每一個孩子都必須用 AI 學習。
可以讓想跑的人先跑,而且讓他們跑得很快;但不要把所有人一起推下水。
任何創新在非極權社會裡,本來就必須走過 Adoption Curve:
Innovators → Early Adopters → Early Majority → Late Majority → Laggards
每一群人都有自己的節奏。真正能夠規模化的創新,不是跳過這些階段,而是一步一步累積證據、案例與信任。
所以我現在對 AI × 教育的看法,其實是在兩個極端之間:
全面禁止 AI 進入教育,是與時代趨勢正面對撞;
過度樂觀地全面擁抱 AI,也很可能註定失望。
因為真正困難的從來不是「有沒有 AI」。
真正困難的是:我們懂不懂學習?有沒有好的教學設計?老師有沒有足夠的配套?
這也是為什麼,均一平台目前選擇做幾件事情:
1. 讓年輕人真的進來。我們有高中生實習生,也希望讓下一代不只是 AI 的使用者,而有機會成為創造者。
2. 走進國際前沿。參與國際 AI 教育、AI 倫理、AI × 腦科學等社群,理解世界現在正在擔心什麼、驗證什麼,也正在突破什麼。
3. 把「有效」當成需要驗證的問題,而不是信仰。與國家級教育研究機構合作,實際驗證我們開發的教育 AI 是否真的改善學習,包括學習成效,以及學生提問品質。
4. Learning First,而不是 AI First。我們不是為了「用了 AI」而設計產品,而是先問:學生原本怎麼學?卡在哪裡?例如學生看影片、做習題,真的遇到困難時,再讓 AI 介入。AI 是學習流程中的工具,不是學習本身。
5. Pioneer First,而不是全民先上。不論國小、國中或高中,我們都優先尋找自主願意嘗試的老師與學校。先和 Pioneer 做出真正有效的案例,再從 Early Adopters 一步一步往外擴散。
6. 不要讓任何一方獨自決定教育的未來。把產、官、學、研以及第一線教育工作者等不同 stakeholders 拉進來,一起思考:怎麼在理想與務實之間,找到 AI 進入教育最健康的路徑。
而這可能也是 NPO 在 AI 時代很重要的一個角色:成為公共事務的 R&D 部門。
企業需要面對市場,政府需要面對全民與政治責任,學校則需要維持每天正常運作;相較之下,NPO 有比較大的空間去承擔那些重要、但還不確定會不會成功的實驗。
我們可以允許自己失敗,但必須認真地從失敗中取得證據。
不是急著證明 AI 一定有效,而是努力找出:在什麼條件下、對什麼人、用什麼方法,AI 才真的能幫助學習。
等到這些規律逐漸清楚,而且老師、學生與學校是自主地覺得有用、願意採用,再把經驗分享給產、官、學、研,逐步擴大。
AI 進入教育,真正值得追求的或許不是「最快普及」,而是「最快找到什麼真的有效,再讓有效的東西自然擴散」。
- 原文:呂冠緯個人臉書貼文(2026-08-11 發表)
課程名稱依來源顯示,授課語言請見課程頁。