AI讲得很明白,为什么你还是没学会?

假设你想学一个表格公式。

你把需求发给AI，它写出公式，还把每个参数的含义解释了一遍。你顺着看下来，觉得都能理解。复制进表格，结果也对。这时候会以为自己学会了，好像也没什么难度（So easy～）。

过两天，换了一张表，你又想做同样的统计。这回没有现成答案，光是该选哪个函数，就想不起来了。

前面明明看懂了，但是过几天，需要再次操作的时候，突然就又不会了。

这不一定是解释得不够清楚。而是之前是看着答案写的步骤往下走。当真的需要自己亲手实操了，很有可能在第一步该怎么做就卡住了。AI能把过程展示给你，却不能仅凭你看完了，就确认你已经掌握。

想确认自己是否学会了，就先不看AI的答案，试着自己写出公式。如果写不出来，看看是哪一步不会，再针对这一步请AI解释。这样才能知道自己还有哪里没弄懂。

看懂每一步，还要能自己找到下一步

继续用表格公式这个例子。AI已经替你选好了函数、确定了统计范围，也安排好了判断条件。你阅读时，主要在确认：这一步我能不能理解？

轮到自己做，问题就变成了：这张表要统计什么？该用哪个函数？条件写在哪里？结果不对时，先查哪一处？

直接复制AI写好的公式，和自己选函数、写条件，都可能算出正确结果。但复制成功，只能说明这条公式能用；自己会不会，还得另说。

10月30日，《Communications Psychology》发表的一篇观点文章，专门讨论了这种区别：借助AI把任务做好，与形成能够保留、迁移到其他任务的个人能力，需要分别考察。[1]

这篇文章主要结合已有研究，讨论怎样理解AI对学习的影响，并非公布一项新实验的结果。因此，不能说它又通过实验发现了“AI使人能力下降”。对普通用户来说，它提醒我们先想清楚：这次只要AI把事情做好就行，还是自己也想学会做？

如果只想把手头的数据整理好，拿到可核对的公式就很有用。但如果目的是学会处理这类问题，只检查这次结果对不对，还不足够。下一次，你能否脱离AI自主操作呢？

刚讲过的题会做了，整体成绩就会提高吗？

一份10月29日公布的课堂试验报告，让这个区别更具体了。

Google与教育平台Eedi在英国10所公立中学开展试验，涉及1179名学生，进行了10周数学教学。学生被随机分到不同支持方式下：使用平台原有的提示、视频等材料，接受真人辅导，或接受两种不同设置的AI辅导。[2]

这里的AI有专门的教学要求，而且每条回复都要经过真人审核后才能发给学生。也就是说，学生收到的是“AI先写、真人把关”的回复，不能据此认定普通的聊天AI在没有老师审核时，也能达到同样的教学效果。

结果出现了一个值得注意的区别：遇到与课堂练习相近的题目时，接受AI辅导的学生表现更好。但在考查更多数学知识的综合测试中，AI辅导组并没有明显优于只使用平台提示、视频等材料的学生。[2]

这些测试都是学生独立完成的，答题时没有AI帮忙。所以，这项研究并没有比较“有AI帮答”和“没有AI帮答”的成绩。它比较的是：辅导后学会做课堂上的题，是否也能带来综合数学成绩的提高。

没有测出明确优势，也不等于没有帮助。对照组本来就有教学材料，辅导组又花了更多时间讨论具体问题，覆盖的内容较少。内容覆盖范围、时间分配等，都是解释结果时需要考虑的条件。[2]

如果一个AI家教说自己能提高学习效果，它说的是刚讲过的题、换一道相似的题，还是范围更广的考试？这些结果不能相互替代。

作业做得更好，考试未必跟着提高

另一项研究关注的是：AI能帮学生把作业做好，那学生自己考试时，成绩会不会也更好？研究对象是同一门数学证明课上的153名大学生。[3]

学生被随机安排较早或较晚获得一套AI支持工具。较早获得支持的学生，在这段时间的作业上表现更好，但随后的独立考试中，没有发现明确的组间优势。[3]

这套工具同时提供聊天与作业反馈，研究不能单独确定其中某个界面的作用，也不能推广到所有课程。不过，作业完成得更好，却未检查出考试优势，足以提醒我们：用作业结果判断是否学会，可能不够。

论文还展示了一些对话。有学生希望理解证明，却不断让AI接着给出下一步。AI继续回应，整个解题过程越来越完整，学生自己尝试的部分却很有限。[3]

如果只是不断请AI给出下一步，你可能越来越熟悉眼前这份答案，却仍没试过自己怎样找出下一步。

当然，不能仅凭这样的对话，就断言求助的人都在偷懒。基础薄弱、信心不足的人，本来就可能更需要帮助。该问的是他具体卡在哪里，而不是数他问了多少次AI，就判断他有没有认真学。

想学会，可以改变求助的顺序

前面的研究没有给出一份适用于所有人的提示词配方。下面是我据此建议的一种尝试：先让自己的思路留下来，再请AI帮忙。

仍然拿表格公式来说。不必先把完整公式写对，但可以先说清楚：我想统计哪一列，满足什么条件，准备从哪里入手。哪怕只写出一点，也比直接发一句“帮我做出来”，更容易暴露具体困难。

如果卡在条件表达，就把这一处发给AI，而不是立刻要整套解法。你可以这样问：

“我想学会这类题。我已经做到这里：……卡在这里：……先帮我判断这一步的问题，给一个提示，让我继续试。不要马上给完整答案。”

这段话的作用，是让对话围绕你已经做过的部分展开。它不能保证AI一定遵守，更不能保证提示正确。

得到解释后，试着说出“为什么这样做”。比如，不只复述公式有哪些参数，还说明为什么选择这个函数；数据范围变了，哪一处需要跟着改。

说不出来并不丢人。它恰好把“好像懂了”缩小成了一个可以继续问的问题。

最后，先不看AI的答案和解释，换一个相近的任务自己做：改一下条件、换一张表，或者过一会儿再从头写。这里不需要故意设置难题，先看自己能否独立做出与刚才相近的步骤。

如果仍然卡住，就把卡住的位置带回对话。也许是函数没记住，也许是还不知道怎样把需求写成条件。弄清这一点后，下一次求助就有了具体对象。

这样的练习用来发现自己还不会哪里，不是一份已经验证有效的提分方案。真正的学习效果，还需要看后续能做出的任务。

也别把AI的追问当成正确答案

让AI少给答案、多问问题，是一种使用选择。但“它在引导我”本身，也不代表引导得对。

前面那篇数学证明研究展示的对话里，AI既有给错推理步骤的情况，也有对学生错误作出不准确诊断的情况。[3] 即使对话形式很像辅导，内容仍需检查。

所以，用AI学东西时，教材、课程资料、可靠例题仍然有用。发现解释与这些材料冲突，应当停下来核对。连续追问同一个AI，得到一套更长的说法，并不等于完成了验证。

对基础还不熟的内容，完全让AI出题、讲解、评分，自己可能很难发现它在哪一步讲偏了。这也是老师、同事或懂这一领域的人仍能提供帮助的地方：他们不只看答案是否顺畅，还能判断你的理解出了什么问题。

这次只要AI帮你做完，还是你也想学会？

我们没必要把每次使用AI都变成考试。临时整理一份资料、改一段格式，目的就是把事情完成；能确认结果可用，就已经实现了这次使用的价值。

但有些事情，你希望以后能自己判断：常用的工作方法，正在学习的新技能，出了错需要由你来解释和处理的环节。遇到这些任务，值得给自己留一点尝试的机会。

我的建议是，在开始前先想一想：这一次只要结果就够了，还是我也想学会？

如果想学会，就别只停在“这段解释我看懂了”。先不看答案，自己做一次，弄清哪一步还不会，再请AI针对这一处帮忙。

你有没有遇到过“看AI解释时都懂，自己动手又不会”的情况？当时卡在哪一步？欢迎在留言区聊聊。