奧特曼回斯坦福認錯：思考外包給AI，一代人大腦正在萎縮

新智元報道

【新智元導讀】學校沒變，但奧特曼警告人類正在慢慢失掉思考的訓練場。

都以為學校會被AI逼著改頭換面。

但ChatGPT問世三年半，教育卻幾乎沒變。

今年5月，奧特曼回到母校斯坦福，站上CS153的講臺，認錯了：

這是我的一個預測錯誤。

還撂下狠話：再不改，人的思考力會萎縮。

不久前，斯坦福CS153的講臺上，有人問OpenAI CEO奧特曼（Sam Altman）：你怎么看教育？

他頓了頓：「我很擔心。我以為到現(xiàn)在，它早該變了。」

奧特曼現(xiàn)身斯坦福CS153課程談AI時代教育，坦言自己低估了教育系統(tǒng)變革的速度。（圖源：Stanford Online」

三年半前ChatGPT剛上線，當時的奧特曼認為，學生會先作弊一年，然后整個教育系統(tǒng)被逼著自我重構(gòu)，教出比過去更會思考的人。

然而，三年半過去，劇本沒照奧特曼預想的那樣演。

AI這邊，從只會寫文案的GPT-3.5，進化到能反證數(shù)學家?guī)资昕胁粍拥牟孪搿?/p>

而學校那邊，還在用同一套東西考學生：背誦、標準答案、閉卷默寫。

作業(yè)、考試、論文……一切還是老樣子。翻邊整個教育系統(tǒng)，他找不到一處重要的結(jié)構(gòu)性改變。

一個賭對了「規(guī)模定律」（Scaling Law）的人，偏偏在教育上看走了眼。

他說，這是自己這些年最大的預測失誤之一。

一個把通用人工智能（AGI）掛在嘴邊的人，居然在為課堂焦慮。

他到底在怕什么？

他以為學校早該變了

時間倒回2022年11月，ChatGPT剛發(fā)布。

當時，奧特曼的判斷還很樂觀：

頭一年，學生會拿它作弊、學不到什么；然后教育系統(tǒng)就會自我重造，把課教得比從前好得多。

按照他設(shè)想，老師布置那種非用AI不可的項目，學生反而得動更多腦子、想更多新東西。

2024年，他還公開看好過：超級智能會帶來人手一個的私人導師，教育會從死記硬背轉(zhuǎn)向解決問題，轉(zhuǎn)向批判性思維。

結(jié)果，AI這邊一年一個臺階飛速進化，教育那邊卻一點沒動。

AI外包

正在掏空批判性思維

這種斷層，才是奧特曼真正擔心的。

他說，如果繼續(xù)按「前AGI世界」那套方式教學、評價學生，不光會讓這套方法失靈，還會讓人「學不會思考」，導致批判性思維一點點萎縮。

把思考外包給AI，一開始只是圖省事。

可用進廢退，那塊負責獨立思考的腦力，就會跟久不用的手臂一樣，悄悄回縮和變?nèi)酰脢W特曼的話說是——肌肉萎縮（atrophy）。

這只是奧特曼的擔心，還是已經(jīng)在發(fā)生的事實？

有研究顯示，ChatGPT進課堂后，月考成績半年內(nèi)掉了約20%；真正決定前途的高利害入學考試，成績分別下滑18%和24%，而且這筆賬要拖上兩年才慢慢顯形。

更能說明問題的，是加州大學伯克利分校（UC Berkeley）的一項分析。

在50多萬條成績樣本里，寫作和編程這類課，ChatGPT之后的分數(shù)明顯往上移，可漲的全是作業(yè)分，考試分卻一點沒動。

加州大學伯克利分校分析50多萬條成績：ChatGPT發(fā)布后，寫作、編程類課程拿A、A-的比例明顯抬升（藍色顯著為正），B+及以下幾乎紋絲不動。（圖源：Chirikov／CSHE）

為什么？這是「外包」，不是「學習」。

另一項覆蓋數(shù)百萬次美國數(shù)學互動、跨度十年的研究也指向同一個結(jié)論：聊天機器人一來，題做得更快，學得卻更少。

作業(yè)交得越來越漂亮，腦子卻越來越空。

說好的教育文藝復興

為什么沒來

困惑的，不止奧特曼一個。

OpenAI技術(shù)團隊成員Ryan Brewer發(fā)帖說，大模型居然沒掀起一場教育文藝復興，讓他很震驚：

我不是應(yīng)該一個月就學會一門語言嗎？我們到底哪里搞錯了？

類似的質(zhì)疑X上迅速發(fā)酵：手握史上最強的學習工具，為什么AI私人導師還沒走進千家萬戶，教育革命遲遲不來？

答案不在技術(shù)，而在制度的慣性。

大學那套考評，考試、論文、作業(yè)，幾百年來立在一個隱形前提上：這些事太花時間，沒人會走捷徑。

AI一來，改變了這個前提。

但學校仍在用前AGI時代的標準，去量一批已經(jīng)在AI里長大的新人，現(xiàn)實卻是第一代ChatGPT原住民，已經(jīng)念到畢業(yè)了。

工具換代只要一個版本號，制度換代要一代人：技術(shù)上早已就位，但規(guī)則還停在上一個時代。

一個24小時不知疲倦、能因材施教、便宜到幾乎免費的AI私人導師，理論上今天就能給每個孩子配上。

但它遲遲沒來，背后真正的原因是教育系統(tǒng)重構(gòu)自己的速度。

同一場演講里，奧特曼還拋出這樣一個判斷：

ChatGPT出現(xiàn)到現(xiàn)在，三年半。哪怕AI只是沿著同樣的曲線，再往前走三年半，人類社會能做的事，就會和今天完全不在一個量級。

隨著技術(shù)的指數(shù)級狂奔，它與教育之間的缺口只會越拉越大，最終要由此刻還坐在舊考試、舊作業(yè)、舊評價體系里的這一代學生來填補。

他們學的技能，可能一出校門就被AI接管；他們沒練的判斷力，可能一輩子都難補回來。

這背后欠下的，是一代人的「認知賬」。

機器能寫

人為什么還得學

那到底還該教什么？

奧特曼的回答有點反直覺：有些事，機器明明可以做得更好，人還是要親手做一遍。

他講了自己的例子。

他說自己是那種「靠寫作來思考」的人，寫下大量從不給任何人看的文字，只為把一個問題想清楚，很慶幸當年學過寫作。

編程也一樣，代碼AI一秒就能生成，可親手把邏輯搭起來的過程，鍛煉的是大腦。

說白了，寫作、編程就像是計算器時代的數(shù)學證明題：結(jié)果機器早就算得出，我們還是讓學生自己推。為的不是問題背后的答案，是「思考」和「學習」這兩個元技能，而寫作和編程，正是訓練它們的工具。

順著這個思路，奧特曼主張將教育目標從「記住更多知識」，轉(zhuǎn)向「提出更好的問題」；從考記憶，轉(zhuǎn)向考判斷、考創(chuàng)造、考跨學科的真本事。

而問題的根子，恰好在評價體系。

今天的考試還在考什么？

記憶、標準答案、一個人閉卷完成。這三樣，剛好是AI最擅長、最能替你代勞的。

當學校還在用「誰記得多、誰答得準」來評價學生，AI已經(jīng)把「記得多、答得準」變成了零成本的商品。

用一把AI能輕松通關(guān)的尺子，去衡量下一代人的能力，量出來的數(shù)字還剩多少意義？

這才是奧特曼真正焦慮的地方：學生用不用AI不是最要緊的，會不會驗證AI，才要緊。

比過度依賴AI更讓人擔心的，是用了AI卻不會驗證，把機器吐出來的東西照單全收。

如果讓這股慣性再拖三年半，一代人慢慢丟掉獨立思考的訓練場，等回過神來才發(fā)現(xiàn)：已經(jīng)不太會自己想事情了。

參考資料：

https://www.youtube.com/watch?v=F_7M4Hc-usM

https://x.com/hesamation/status/2073884828861071557

https://x.com/ryanbrewer/status/2073812031988535760

編輯：元宇