AI 教育陷阱：為什麼教學生使用 AI 反而適得其反

簡而言之：教育中的 AI 並沒有創造出一代超級學習者。它創造了兩個階層：那些用 AI 思考的人，和那些讓 AI 為他們思考的人。這個差距正在擴大，而大多數教師對即將發生的事情毫無準備。

我是 James，水星科技解決方案的 CEO。 香港 — 2026年7月

我對於教育中人工智慧的討論越來越感到不安。並不是因為人工智慧對學習有害，而是因為那些對「將人工智慧整合進教育」最吵的人，恰恰是對教育的真正目的理解最少的人。

樂觀派 — 那些說學校應該教每位學生使用人工智慧的人 — 通常是那些已經擅長舊技能的人。他們能搜尋、篩選、綜合和創造。對他們來說，人工智慧是一個倍增器。它使他們現有的能力變得更快、更強大。

但他們不是大多數。他們是少數。而當你為少數人設計教育時，你就拋棄了大多數人。

問題不在於人工智慧，而在於基礎。

以下是我在從中學到大學的教室中看到的情況：

無法寫出連貫段落的學生正在使用人工智慧生成論文。無法區分可靠來源和陰謀論的學生正在使用人工智慧進行「研究」。無法進行基本算術的學生正在使用人工智慧解決問題，然後將答案呈現出來，彷彿他們理解這個過程。

人工智慧並沒有教他們思考，而是教他們將思考外包。

而最危險的部分是？他們不知道自己正在這樣做。他們真心相信，因為他們能產生人工智慧生成的答案，所以他們擁有基本的技能。他們將輸出與能力混淆。

我認識一些兩年前開始在課堂上實驗人工智慧的教師。他們的目標是高尚的：教學生使用人工智慧，而不是被它所利用。他們向學生展示如何撰寫提示，如何驗證輸出，如何將人工智慧視為工具而非神諭。

現在，兩年後，那些同樣的教師告訴我一個不同的故事。那些已經很強的學生——擁有扎實的閱讀、寫作和推理能力的學生——變得更加能幹。他們使用人工智慧來擴展思維，探索他們原本不會考慮的角度，更快地進行迭代。

但是那些已經很弱的學生呢？那些在基本理解和批判性思維上掙扎的學生？他們的情況更糟。不是因為人工智慧讓他們變得更糟，而是因為人工智慧給了他們一條繞過他們需要改進的實踐的捷徑。他們從未發展出這種能力，因為他們從未需要舉起這個重量。

**人工智慧教育悖論：** 使強者更強的工具使弱者依賴。

能力的錯覺

我看到的最令人不安的模式不在學校，而在畢業生身上。

我看過以前的學生——現在二十多歲，已經工作幾年——使用 AI 生成對其他人文章的「駁斥」。他們將別人的寫作輸入 AI，要求它找出缺陷，生成批評回應，並帶著勝利的感覺發佈結果。

他們認為自己在展示分析能力。其實不是。他們在展示提示工程。而這兩者之間的差距就是思想者與鸚鵡的區別。

當我檢查他們的學術紀錄時——我會這樣做，因為我對其相關性感到好奇——模式是一致的。那些最積極使用 AI 來「贏得」爭論的人並不是頂尖學生。他們是那些在獨立分析上掙扎的人。AI 並沒有改善他們的思考能力。它掩蓋了他們無法思考的事實。

這就是能力的錯覺：相信因為你能產出結果，所以你擁有潛在的能力。這就像相信你是廚師，因為你能從餐廳點餐。

樂觀者的錯誤

AI 教育的樂觀者不斷做出相同的比較：「這就像互聯網出現時，或計算器，或電視。那時人們也感到恐慌。」

這個比較是錯誤的。原因如下。

互聯網讓你可以獲取資訊。但你仍然需要閱讀它。你仍然需要評估它。你仍然需要綜合它。障礙降低了，但認知工作仍然存在。

AI 完全消除了認知工作。它不僅僅是給你資訊。它給你結論。它不僅僅是顯示數據。它告訴你數據的意義。對於尚未發展出獨立評估結論能力的學生來說，這是災難性的。

樂觀主義者說：「我們應該教每個人使用 AI。」

我說：如果他們還沒有學會思考，就無法教會他們使用思考工具。

一個無法區分可靠來源和虛構來源的學生，不會因為你給他們一個更強大的工具而神奇地發展出批判性思維。他們只會產生更複雜的胡說八道。

課堂上實際有效的方法

我與正在實時應對這場戰鬥的教師交談過。那些成功的教師不是在講授 AI，而是利用 AI 來教導其自身的局限性。

方法一：幻覺示範。

我認識的一位科學老師在學期開始時請 AI 回答有關現實世界現象的問題。然後她向班上展示不同的 AI 模型如何給出不同的答案。接著她告訴他們這些答案中有些是完全虛構的——不存在的來源、捏造的數據、聽起來合理但實際上錯誤的結論。

目標不是教他們如何使用 AI，而是教他們不信任 AI。以懷疑的態度對待每一個輸出。在接受之前進行驗證。

方法二：比較練習。

一位資訊科技老師要求學生使用 AI 收集有關台灣能源生產和消耗的數據。然後他挑選出最戲劇性的結果——顯示極端或驚人趨勢的結果——並要求班上找到官方政府來源。

學生們學到兩件事：AI 會犯錯，而人類驗證很重要。他們學會了如何撰寫更好的提示，設置約束，要求來源。但他們是通過捕捉 AI 錯誤的經驗來學習這些，而不是通過關於「負責任的 AI 使用」的講座。

方法三：迭代遊戲。

一些老師讓學生使用 AI 生成內容，然後進行批評，再改善，然後再次批評。AI 成為一個對練夥伴，而不是替代品。學生學會評估質量，因為他們必須產出比 AI 基準更好的質量。

這是有效的。但這裡有一個關鍵點：這僅對已經具備基礎能力的學生有效。

一個無法寫出連貫句子的學生無法評估 AI 生成的句子是更好還是更差。一個無法進行基本研究的學生無法驗證 AI 來源的數據是否準確。這種方法假設了許多學生並不具備的基礎。

殘酷的現實

我認識的那些做得好的老師都這樣描述：疲憊、痛苦，並且需要不斷的警覺。

他們不僅在教授自己的科目。他們同時在教授媒體素養、批判性思維和自我意識。他們正在與一種承諾輕鬆答案的工具作鬥爭，而在這個世界中，努力是獲得真正理解的唯一途徑。

而且他們正在失去最需要幫助的學生。

那些「善用 AI 的學生」——樂觀者所指的成功案例——本來就已經很強。他們是那些無論有無 AI 都會成功的人。AI 只是加速了他們的發展軌跡。

那些「被 AI 使用的學生」——將輸出視為真理、無法區分生成與理解的人——正越來越落後。不是因為他們不聰明，而是因為他們獲得的練習變少了。AI 正在完成他們的大腦需要做的工作，以便發展。

前進的兩條路徑

那麼這讓我們處於什麼位置呢？我看到兩種可能的未來，而選擇並不關乎技術。這關乎教育哲學。

路徑一：效率模型。

我們接受 AI 將處理認知工作，並專注於教導學生如何操作這些工具。我們優化輸出。我們以學生能產出什麼來衡量成功，而不是他們能獨立構思什麼。

這條路徑創造了一代操作員。能完成任務但不理解事物運作原因的人。能生成答案但無法評估答案的人。生產力高但根本脆弱的人。

路徑二：基礎模型。

我們認識到 AI 是一種倍增器，而不是替代品。我們加倍重視基礎：閱讀理解、邏輯推理、數學流暢性、書面表達。我們將 AI 作為這些技能的壓力測試，而不是它們的替代品。

這條路徑更艱難。它進展較慢。它對教師和學生的要求更高。但它培養出能夠使用 AI 而不依賴於它的人。能夠驗證、批評和改進 AI 輸出的個體，因為他們理解基礎領域。

真正的問題

關於 AI 在教育中的辯論，其實並不是真正關於 AI。這是關於我們相信教育的目的。

如果教育是關於產出——論文、報告、專案——那麼 AI 就是天賜之物。它使生產變得更快、更容易。

但如果教育是關於發展思維——獨立思考的能力、評估證據的能力、構建論點的能力、檢測缺陷的能力——那麼 AI 就是一種威脅。不是因為它不好，而是因為它提供了一條繞過我們所追求的發展的捷徑。

在 AI 時代中能夠蓬勃發展的學生，不是那些學會最好使用 AI 的人。他們是那些首先學會思考，然後使用 AI 來擴大他們思考的人。

其他人？他們將在產出他們不理解的內容、解決他們無法解釋的問題，以及贏得他們無法辯護的論點方面非常高效。

他們不會被 AI 取代。他們將與 AI 無法區分。

水星科技解決方案：加速數位化。