某天下午，他叫我過去看他的螢幕。一個綠色的小人在黑色背景上跑，撞到紅色方塊會死，收集黃色圓點分數會加。他說這是他做的遊戲，用 AI 做的，他自己寫想要的規則然後 AI 幫他寫 code。我問他怎麼想到的。他說他不想到，他只是試試看。
這是我們之間最好的對話。我沒有在教他，我們在一起搞清楚一件事。
你去查資料，七個專家都說好。再問下去，七個答案互相矛盾。Papert 說好在他自己 debug，但他設計 debug 那一年沒有 AI。Resnick 把 Papert 的理論做成了 Scratch，然後他跟 Gee 為了「自由探索還是有結構」吵了幾十年。Gee 直接說 Resnick 那套是「糟糕的學習理論」。Dweck 的成長心態影響了全球教育體系，然後 Juul 在一本書裡說她搞錯了：遊戲裡的失敗確實代表你不夠好，而這正是遊戲有效的原因。Shapiro 批 AAP 的螢幕限制是「維多利亞時代的思維」，然後承認自家餐桌禁用所有裝置。
然後我合上瀏覽器，走回去看他的綠色小人。
七個專家都說好。但他們連「為什麼好」都吵不完。
Papert 1980 年說小孩要自己 debug，AI 時代 debug 被跳過了
1980 年，Seymour Papert 在 MIT 寫了一句話：小孩應該 program 電腦，不是被電腦 program。
他的意思很具體：讓小孩用電腦創造東西，創造的過程中碰到 bug，自己找問題在哪、修掉它。這個 debug 循環才是學習。不是看影片，不是做測驗。
他對了。電腦確實便宜到人手一台，互動式繪圖和數位音樂也出現了。但他認為學校可能會因此「枯萎並被取代」。四十五年後，學校還在，而且大多數學校用電腦做的事，剛好是 Papert 最不想看到的：讓小孩坐在螢幕前做選擇題。
為什麼預測錯了？Papert 的學生 Mitchel Resnick 後來做了 Scratch，全世界數千萬小孩在用。他給了一個答案：教育體系「頑固地抗拒改變」，還停在工業時代的流水線模式。Papert 的理論沒有問題，問題在學校不想改。
Resnick 書裡有個四年級生叫 Nicky，做 LEGO 機器人的時候馬達一直掉。他不斷換固定方式，最後發現馬達的震動很像滑板，把整個專案改成了一台「震動步行器」。技術失敗，變成全新的發明。這就是 Papert 說的：小孩在「做」的過程中碰到問題，問題本身變成新的方向。
但 Papert 沒預見的是：如果 AI 幫你 debug 了呢？
Vibe coding 把 Papert 最看重的 debug 跳過了
Papert 說學習發生在 debug 的過程。小孩自己找到 bug、分析為什麼會出錯、修掉它。這個過程讓他們學會「反思自己的思維方式」。
但 vibe coding 是另一回事。Andrej Karpathy 用一條推文定義了這個詞——他當時剛離開 Tesla 的 AI 部門：用自然語言告訴 AI 你要什麼，AI 幫你寫 code、幫你 debug。他的原話：「我甚至不看 diff，直接接受所有修改。」一年後，92% 的美國開發者每天用 AI 工具，一個台灣 YouTuber 完全不會寫程式用 AI 做了五款遊戲，一個不會程式的記者用 vibe coding 幫閱讀障礙的兒子做了 AI 家教。這些人都站在 AI 學習曲線 的第二層——進得去但看不到屋頂。
如果 Papert 的理論是對的，vibe coding 是不是繞過了最重要的學習機制？
如果你擔心小孩用 AI 是在「作弊」——debug 的對象變了，但學習沒有消失。
用 AI 做遊戲的人不 debug 程式碼。但他在 debug 遊戲設計：這關太簡單、這個機制不好玩、獎勵太容易拿到。這些是設計問題，不是程式問題。但思考過程一樣：發現問題、分析原因、提出假設、測試、修正。
AI 把 coding 那層拿掉了，露出了底下更本質的東西：設計思維。
Papert 四十五年前就對了，小孩透過「做」來學。但他沒預見 AI 會把「做」的門檻降到幾乎為零。差別不在寫不寫得出 code，在想不想得出好設計。
Resnick 說自由探索最好，Gee 說自由探索是「糟糕的學習理論」
支持遊戲式學習的專家，在每個具體問題上都互相矛盾。
第一場：自由探索 vs. 結構化教學
Resnick 的 Scratch 團隊認為最好的學習是不結構化的「tinkering」，隨便玩、隨便試、不預設步驟。他把環境分成「遊樂場」（playground）和「遊戲圍欄」（playpen），前者永遠比後者好。
James Paul Gee 直接反駁。他說讓初學者在豐富環境中自由探索是「糟糕的學習理論」和「無腦進步主義」。沒有引導，人會走進一堆錯誤的模式，然後卡在死胡同裡出不來。遊戲之所以有效，正是因為它提供「strong doctrine」，一套有序的問題，讓玩家在正確的順序中學習。他舉 Full Spectrum Warrior 當例子：你控制一支軍事小隊，遊戲的 AI 士兵已經會執行陣型，你要學的是什麼時候、在哪裡、為什麼下令。遊戲把低層技能包進「smart tools」，讓玩家專注在高層決策。
AI 做遊戲的場景天然站在 Gee 那邊。你說「我要一個有敵人的遊戲」，AI 不會丟給你一個空白畫面。AI 會連續問：敵人長什麼樣？有幾種？怎麼攻擊？血量多少？這就是 well-ordered problems。
但兩人都對。Resnick 量的是內在動機，長期不會被外在獎勵殺死的那種自發性。Gee 量的是學習效率，一個小孩在一小時內能走多遠。這是兩個不同的變數，他們各自給了自己的答案。你家小孩需要哪一個，看他現在卡在哪一關。
第二場：獎勵機制殺死動機？
Resnick 強烈反對「遊戲化」教育：點數、徽章、排行榜。他說這些外在獎勵短期刺激行為，長期殺死內在動機和創造力。所以 Scratch 刻意沒有任何點數和徽章系統。
那如果你家小孩連打開工具都不會呢？
Scientific American 報導的 Tobey's Tutor，一個媽媽用 vibe coding 做的 AI 家教，用的就是 gamification。徽章、等級、遊戲化練習。效果好到兒子反過來教媽媽「遇到困難要繼續做下去」。
The Game Believes in You 記錄了更多案例。紐約的 Quest to Learn 學校用「Boss Level」取代期末考，學生花一週設計、測試、修正自己的遊戲。七年級生發明了一款叫 Triple Turbo Ball 的實體遊戲，結合籃球、足球和美式足球的計分方式。另一間學校用 Classcraft 讓學生扮演戰士、法師、治療師，用經驗值獎勵回答問題和幫助同學。老師評價：學生前所未有地投入。
2024 年 Frontiers in Psychology 的統合分析也挑戰 Resnick：獎勵和回饋對動機的效果量 g=0.40，參與度 g=0.44，認知發展 g=0.46，社會發展 g=0.38。
同樣的指標分裂。Resnick 量的是二十年後這個小孩還會不會自己寫 code，統合分析量的是這學期他願不願意打開工具。都對。差別是你家小孩現在卡在哪一關。
這篇分析還有5個章節：
- Dweck 說失敗是你還沒學會，Juul 說在遊戲裡失敗就是你不夠好 — 成長心態影響了全球教育體系，然後有個人寫了一本書專門研究失敗，他說 Dweck 搞錯了。Meteos 一次通關讓他生氣一年多沒再碰
- 課金是小孩的第一堂經濟學課 — 家長崩潰的新聞標題是偷刷 5.5 萬。他看到的是金幣怎麼來、花在哪、什麼東西值得買。我本來覺得不可思議
- Shapiro 批 AAP「維多利亞時代思維」，但自家餐桌禁用所有裝置 — 他把手機比成泰迪熊，不是毒品。然後承認晚餐不是他們家庭生活的中心。這個矛盾說的不是螢幕越多越好
- Jensen Huang 說不要學寫程式，Resnick 說 coding 是新的讀寫能力 — Gee 把社會分成兩種人：教眾和祭司。連寫這些工具的開發者自己都不敢把 agent 放進自己的電腦
- 你打算讓 AI 幫他到哪裡為止？ — 七個答案讀完後留在腦子裡的是 Juul 的那五個字。重新框定讀者的問題：不是該不該讓他用，是你打算讓 AI 幫他到哪裡
→ 完整分析（7 本書 + 1 篇論文 + 4 篇文章）在讀角獸
讀角獸——帶著一個問題讀完所有英文來源，找出不同作者互相矛盾的地方，寫成有立場的判斷。更多主題 → ducorn.com
