AI 提效?学校要的从来不是让孩子学得更多!

个人感悟

Hastings 早年投了一个叫 Dreambox Learning 的 K12 教育系统，美国一个挺有名的自适应学习平台，面向小学到初中的孩子。

它的逻辑特别朴素，也特别对：系统根据每个孩子的水平自动调难度，学得快的往前走，学得慢的按自己的节奏来，谁都不耽误。

一个老师带几十个孩子，好的差的挤在一个班里，就算分了级，也顾不过来。

我当时听到这儿，心里还想，这不就是我一直想给女儿找的"因材施教"吗？

结果，他们干着干着，学校找上门来了。

我猜绝大多数人跟我一样，以为学校是来道谢的，毕竟孩子们学得更好了。

不是。

学校要求他们，把"让孩子超前学习"的功能关掉。

学校说得很清楚：

帮落后的孩子追上进度，可以；

但别让孩子超前。

为什么？因为超前的孩子在课堂上会无聊，会坐不住，会捣乱，会打乱老师的教学节奏。

你品品这句话。

一个能让孩子"学得更多"的功能，在学校眼里，是一个需要被关掉的麻烦。

所以我才说，学校最怕的，从来不是孩子学不会，而是孩子学太快。

Hastings 给这件事起了个名字，叫 the grammar of schooling，翻译过来是"学校的语法"。

用咱们的话说，就是学校这套系统里，没人明写、但人人都自觉遵守的潜规则。

白纸黑字的教育法令，全世界都写着要因材施教、发展每个孩子的禀赋。

可真落到办学的那间教室里，跑的是另一套规矩，一套跑了一百多年、没人签字却人人守着的规矩：一节课固定几十分钟，按年龄分年级，一门课一本大纲统一讲，全年级齐步走，同一张卷子定高下，校长老师按升学率考评。

这套东西为什么能活这么久？

因为它让每一方都省了麻烦。

政府拿升学率做尺子，省去一个个评判育人成色的功夫；校长靠统考排名稳住位子、争取经费；老师统一授课、标准答案判卷，省下因材施教的心力；

家长呢，只用分数衡量前程，也省去甄别孩子特长的周折。

人人都在里头省了事，各自的 KPI 就一条：

安全完成任务，别出事。

我在影视行业干了 15 年，太懂这种"流水线"是怎么转的了。一个剧组要的是什么？是每个工位按点出活、别掉链子，不是某一个岗位超常发挥。

学校本质上，也是一条为"规模"和"秩序"设计的流水线，它的首要任务，是让几十个、几百个孩子同时运转顺畅，而不是让每一个孩子都发挥到顶。

说白了，学校要的是"好管理的课堂"，不是"学得快的孩子"。

想明白这一层，再回头看现在满屏的 AI 教育工具，很多事就清楚了。

这些工具给老师、给学校提供的，翻来覆去不外乎三类。

第一类，超级大号的教具箱

备课有海量模板，题库随便抽，作业一键布置。课件好看点，题出得快一点，错题统计清楚点，都算进步。

可孩子的学习路径有没有跟着变？顶多，是多刷了几道题。

第二类，数据和监控

量化一切，让管理者心里有数。后台各种图表，分数曲线、提交率、登录时长，哪一格变红一眼能看见。

孩子还是那个孩子，只是被看得更清楚了。

第三类，给学生一点看起来个性化的内容

界面做得像游戏，做对了奖励点火花，错题换几道类似的，美其名曰"个性化学习体验"。

体验是有一点，可大纲还是那个大纲，考试还是那个节奏。

Hastings 打了个比方，我觉得特别到位。

19 世纪的工厂，一台大蒸汽机烧煤，靠一根主轴和无数皮带、滑轮，把动力分到每台机器上。后来电来了，老板把大蒸汽机换成了大电动机，却把整套传动系统原样留着。省了点煤钱，生产效率几乎没变。

经济学家困惑了很久才想明白：

问题不是动力源，是那套传动系统。只有拆掉主轴和皮带，给每台机器装一个独立的小电机，效率才会真正爆发。

他说，课堂就是那套传动系统，讲台上的老师就是那根主轴。 你往课堂里塞再多技术，只要老师还在讲台上把控节奏，效果就会被压缩到几乎看不见。

放到咱们这儿，这话更扎心。

中国课堂的节奏感比美国还强，教学大纲有严格的时间表，老师的核心任务就是"教学进度"。可偏偏校外的"学科教育"又在抢跑，也就是"超前"。

学得快的、学不快的，都跑到校外去抢跑，相当于校外机构反过来主导了教学节奏。那孩子在学校里，到底在学什么？

所以大家热火朝天喊"用 AI 给教育提效"的时候，有一个问题，一直被藏在桌子底下没人问：

到底在给谁提效？

用第一性原理往底层想，效率是要算对象的。

是孩子"学会"的效率，还是这套系统"管理"的效率？

这两个答案，指向的是完全不同的两套东西。

Hastings 自己押的是第四条路：AI Native，让 AI 绕过课堂，直接跟孩子 1 对 1。

他的逻辑链条是这样铺开的。

1984 年，教育心理学家 Benjamin Bloom 发现，1 对 1 辅导的效果，比传统大班教学高出 2 个标准差。这是什么概念？相当于一个中等生，直接跳到前 2%。但人类 1 对 1 太贵了，一个孩子一年大概要 10 万美元，普通家庭想都别想。

而 AI，理论上可以把这笔成本压到接近零。

所以他正在资助一个叫 Recess.gg 的实验：

找 50 个普通的二年级孩子，给他们一整年全天候的 1 对 1 辅导，看看到底能学多少。

他猜的是，能学到传统课堂的两倍，也就是说，到八年级，这些孩子的知识量相当于现在的高中生。

他还拿国际象棋举例：

1997 年深蓝击败卡斯帕罗夫之后，很多人以为人类不会再下棋了，结果恰恰相反，下棋的人不减反增。

现在 Chess.com 上一个普通的 10 岁孩子，水平远超 20 年前的同龄人，因为 AI 在 1 对 1 辅导他们。他说，国际象棋能做到的，数学和历史也能做到。

至于老师，会在其中像社工一样，专门负责给孩子情感上的支持和陪伴。

听起来是不是很美好？一个孩子一台 AI 老师，各学各的，谁都不耽误。

但我个人觉得，这里面有几个坑，他没讲。

第一个坑：国际象棋，不等于上学。

下棋是件很纯粹的事，输赢明明白白，输了你认。可学习不只是获取知识，它还是学着怎么跟人相处。

Hastings 说老师可以变成社工，专门负责社交和情感发展，这画面听着很美，可它其实是在要求每一个老师，都成为会倾听、懂教育、能鼓励的完人。

天哪，这世上能管住自己情绪的成年人都没那么多，上哪儿找这么多完人？而且孩子在学校里，也不能只跟老师打交道吧，他还要学怎么跟同龄人一起待着。

第二个坑："1 对 1 让效率翻倍"这件事，还没被验证。

Bloom 那个 2 个标准差，是 1984 年用人类导师做的研究，场景极其理想化。AI 到底能不能复制这个效果，目前是个未知数。Hastings 自己的实验，也还在进行当中。

第三个坑，也是最扎心的一个：学习的个性化，可能只对"想学的人"有用。

如果学习完全放开节奏，"学得快"和"学得慢"之间的差距，会急剧拉大。

传统课堂的统一进度，至少还保着一个底线，就是大家都在同一个页面上。

一旦节奏彻底放开，有资源、有自主性的孩子会飞速前进，没有的孩子，可能被甩得更远。

Hastings 说 AI 可以解决这个问题，因为"AI 是廉价的"。

且不说你眼睁睁看着 token 会越来越贵，单说设备、AI 环境、家长陪伴、生活环境这些，哪一样是"免费"两个字能补上的？

他自己在卢旺达做的一人一平板的项目，就是在测这个假设。

基贝拉贫民窟里的人，住在几百美元的铁皮房里，可他们手里的手机，跟你我运行的是同一套系统，他们就能跟我们一样学得好？

说到底，一个不想学的孩子，你给他配上顶级的模型，也不一定有用。