AI 是普通人能遇到的最好的老师吗?

Andrej Karpathy 前年宣布创办 Eureka Labs 时写了段话，大意是：想象学物理时有费曼亲自带你过课程材料。然后话锋一转——这种无限耐心、精通所有语言的专家，不可能为 80 亿人服务。

我看到这段话第一反应不是费曼，是我高中化学老师。

你有没有遇到过一个真正的好老师

我高中化学老师是个三四十岁的中年人，干练，有趣，上课会讲段子，甚至不反对我早恋。在我整个高中阶段，他大概是最接近"好老师"的那个人。

但即便是他，班上 60 个人，一节课 45 分钟，能照顾到的也就那么几个。我同桌就是那种经常卡住的人，老师讲到第三步了，他还在第一步。下课他想去问，办公室门口已经排了五六个人。等到他的时候，课间十分钟已经过了七分钟，老师看了一眼他的问题说"这个你回去再想想，其实不难"。

不是老师不好，是他真的没有时间。一个人面对 60 个学生，每个人卡在不同的地方，他不可能为每个人停下来。后来上了大学，情况更夸张。阶梯教室 200 人，教授对着 PPT 念，念完就走。你学没学会，全靠自己。遇到一个愿意课后答疑的助教，已经算中了彩票。

这就是绝大多数人的学习经历：好老师存在，但轮不到你。

Bloom 在 1984 年就发现了这个问题

教育心理学家 Benjamin Bloom 在 1984 年发表了一篇研究，综合了多项对照实验的结论，震动了整个教育界：接受一对一辅导的学生，平均表现超过传统课堂中 98% 的同学。高出两个标准差，所以叫"2 Sigma Problem"。说白了就是：如果每个学生都能有一个私人导师，手把手带着学，几乎所有人都能学得很好。问题不是学生笨，是教学方式太粗糙。

但 Bloom 自己也承认，这个发现更像是一个"诅咒"。一对一辅导的成本太高了，根本不可能规模化。你请得起私教，你的孩子就能超过 98% 的同龄人。请不起？那就继续在 60 人的教室里自生自灭。这个问题困扰了教育界整整 40 多年，没有人找到解法——直到大语言模型出现。

Karpathy 的 20 年执念

Andrej Karpathy 这个人很有意思。他是 OpenAI 的创始成员，当过特斯拉 AI 负责人，是全球最顶尖的 AI 研究者之一。但他最持久的热情不是做研究，是教书。

他自己说，对教育的兴趣可以追溯到将近 20 年前。最早是在 YouTube 上录魔方教程，后来在斯坦福开了 CS231n（卷积神经网络课程），这门课从 150 人膨胀到 750 人，成了斯坦福最大的课之一。再后来他做了"Neural Networks: Zero to Hero"系列，从零手写反向传播，一路推到复现 GPT-2。全部免费，放在 YouTube 上。

2024 年 2 月他第二次从 OpenAI 离开，同年 7 月创办了 Eureka Labs，一家"AI 原生学校"。核心意思很简单：人类教师负责设计课程材料，AI 助手负责陪学生走过这些材料。人类提供智慧和深度，AI 提供无限耐心和个性化适配。他管这叫"Teacher + AI symbiosis"。注意，他没有说"用 AI 取代老师"。他说的是好老师太少了，但好老师设计的课程可以通过 AI 触达所有人。费曼只有一个，但费曼的课程加上一个无限耐心的 AI 陪练，可以服务 80 亿人。

那 AI 到底能不能当好老师

我的看法是：AI 目前不是最好的"导师"，但它可能是普通人能接触到的最好的"学习伙伴"。这两个词的区别在于——导师的价值不仅是传递知识，还有阅历、判断力和人与人之间的信任。一位好导师知道哪些弯路不值得走，哪些痛苦是成长的必经之路。他对你说"我相信你能做到"的时候，那句话的分量来自于他真的了解你、真的经历过类似的挣扎。AI 做不到这些。

但"学习伙伴"这个角色，AI 已经做得很好了。它随时在线，不会因为你问了第十遍同一个问题而不耐烦。它能根据你的水平调整解释方式，你是零基础它就用大白话，你有基础它就直接上公式。它精通所有语言，不存在"这本教材没有中文版"的问题。最关键的是，它几乎免费。

对于那些从来没有享受过一对一辅导的人来说，这已经是一个巨大的跃迁。从"60 人教室里自生自灭"到"随时有一个耐心的伙伴陪你走每一步"，这中间的差距可能就是 Bloom 说的那两个标准差。

我自己的体验

最近我在跟 Karpathy 的"Zero to Hero"系列学神经网络。作为一个写 Java 后端的人，之前觉得 AI 底层原理离我很远。但 Karpathy 的课程有一个特点：他不给你黑盒，让你从最小的零件开始搭。第一讲叫 micrograd，两个半小时，从零手写一个自动微分引擎。听起来很吓人，但他真的是一行一行带着你写，每一步为什么这么做，梯度为什么往这个方向流，都会停下来解释。

但即便如此，我还是会卡住。有些地方他一笔带过的，对我来说需要想很久。这时候 AI 的价值就体现出来了——我把卡住的那行代码贴过去，问"这里的梯度为什么是负的"，它会从我的具体代码出发，用我能理解的方式解释。不是给我一个教科书定义，而是针对我此刻的困惑给出回答。问多少遍都行，换多少种问法都行。

这不就是 Karpathy 设想的那个模式吗？他设计课程，AI 陪我走完。

但 AI 有一个微妙的风险

AI 太"好说话"了。你问它一个问题，它永远给你一个看起来完整、流畅、自信的回答。但有时候那个回答是错的，或者是对的但绕了远路。一个好老师会在你自我感觉良好的时候泼冷水，会故意不回答你的问题让你自己去碰壁。AI 不会。它的默认倾向是让你满意，而不是让你成长。

所以用 AI 学习有一个前提：你得有自己的判断力，知道什么时候该信它，什么时候该怀疑它。你得主动去验证它给你的答案，而不是看到一个流畅的回答就觉得自己懂了。AI 是一个极其强大的工具，但它不会替你思考。学习中最有价值的那个部分——卡住、挣扎、突然想通——仍然只能你自己走。AI 能缩短你卡住的时间，但不能替你经历那个顿悟。

最好的时代，给愿意学的人

Karpathy 说 Eureka Labs 的目标是"让任何人都能轻松学到任何东西"。听起来像口号，但你去看他做的事情就知道他是认真的。"Zero to Hero"系列完全免费，十来讲，从零到 GPT，配套代码全部开源。LLM101n 课程正在建设中，目标是带学生从零构建一个完整的 AI 应用。所有这些加上一个随时可用的 AI 助教，构成了过去任何时代都不存在的学习条件。

十年前，一个偏远地区的孩子想学深度学习，他需要考上一所好大学、遇到一个好教授、有足够的计算资源。今天，他只需要一台能上网的电脑。课程是 Karpathy 设计的，助教是 AI，计算资源有 Google Colab 的免费额度。

这不是"AI 取代了老师"的故事，是"好老师的智慧终于可以触达所有人"的故事。Bloom 的 2 Sigma Problem 困扰了教育界 40 多年，答案可能不是让每个人都有一个人类私教，而是让每个人都有一个由顶级教育者设计、由 AI 陪伴执行的学习体验。

你上一次真正从零学会一样东西，是什么时候？