我在一間美國的 AI 新創公司寫程式。我們的產品正在大幅改變某個傳統行業，逐漸取代既有的服務商。使用 AI 輔助開發是我們的日常。團隊很小，但每個人都很資深。
有意思的是，我們用 AI 都很謹慎。沒有人會直接接受 AI 的輸出。我自己的做法是先跟 AI 來回討論架構和預期行為，審查完整個計畫之後才讓它執行。因為有技術底子，我知道什麼架構適合什麼場景，也看得出 AI 哪裡寫錯了。
沒有這些底子的人，規劃不出合適的架構，AI 做出來的東西也許能動，但未來維護會一團亂。同一套 AI 工具，資深工程師和新手的產出可以差非常多。AI 放大的是你已經有的能力，不會憑空幫你生出判斷力。
我每天看著 AI 改變我的工作方式，然後回頭看我一歲的女兒，腦中浮現一個問題：等她長大，學校還在教的那些東西，有多少是她真正需要的？
每一代都說「不用記了」
這種焦慮，人類不是第一次有。
兩千四百年前，柏拉圖在《費德魯斯》裡記錄了蘇格拉底對「文字」的批評：文字會讓人依賴外部符號，不再從自己的腦袋裡回想，最後只剩下「智慧的外表」而沒有真正的智慧[1]。諷刺的是，我們之所以知道這段話，正是因為柏拉圖把它寫了下來。
快轉到 1970 年代，計算機開始普及，美國教育界爆發了一場類似的辯論：學生有了計算機，還需要學心算嗎？當時的擔憂是學生會忘記怎麼自己算數。後來有兩份大型研究整理了過去的成果（分別彙整了 79 篇和 54 篇研究）。結論出乎意料：在教學中整合計算機的學生，紙筆運算和問題解決能力反而提升了[2]。計算機沒有毀掉數學能力。
但有一個重要的例外：四年級的學生。在基礎還沒建立的階段，持續使用計算機反而妨礙了基本技能的發展[2]。這個例外值得記住。
每一次新工具出現，恐懼的劇本都差不多：「這次人類的某種能力要退化了。」每一次的結果也差不多：能力沒有消失，而是重新分配了。
但這一次，變化的速度和規模跟以前完全不在同一個等級。
這次的速度不一樣
一份涵蓋上千家企業的全球雇主調查顯示，未來五年將有近四成的工作技能需要改變。同一份調查中，「分析思維」被七成雇主列為最重要的能力[3]。另一份分析了近十億筆職缺廣告的報告發現，具備 AI 技能的工作者薪水平均高出 56%[4]。該報告也顯示，要求大學學歷的 AI 相關職缺從 2019 年的 66% 降到了 59%。學歷的重要性正在下降，技能的重要性正在上升。
OpenAI 的執行長 Sam Altman 說得很直接：以前畢業時的標配是學寫程式，現在的標配是學會用 AI 工具[5]。Anthropic 的執行長 Dario Amodei 甚至預估，1 到 5 年內半數初階白領工作可能被取代[6]。
這些不是遙遠的預測。以 GitHub 平台為例，啟用 AI 輔助工具的專案中，已經有超過 46% 的程式碼由 AI 協助撰寫[7]。有企業要求團隊在申請新人頭之前，必須先證明 AI 無法完成那項工作[8]。
直覺上的反應是：那就讓孩子早點學會用 AI 吧，越早適應越好。但最近幾年的研究發現了一個令人意外的現象。
「用 AI 答對」不等於「學會」
2024 年，一群研究者在土耳其對大約一千名高中生做了一個大型隨機實驗，一組練習時可以用 ChatGPT，另一組不行。有 ChatGPT 的那組練習時多答對了 48% 的題目，但拿掉 AI 再考一次，概念理解的成績反而低了 17%[9][10]。答對了，但沒學會。微軟的一項研究也指向類似的方向：在 319 名知識工作者中，對 AI 越信任的人，展現的批判思維越少[11]。
這個現象不只發生在學生和上班族身上。工程師的世界也在經歷同樣的事。一份分析了大量程式碼的報告發現，「寫完很快就被改掉或刪除的程式碼」增加了 39%[12]。另一項追蹤八百多名工程師的研究顯示，使用 AI 輔助後 bug 率增加了 41%[12]。程式碼寫得更快了，但品質下降了。
不過，回到土耳其那個實驗，還有另一半結果。研究者測試了一種不同的 AI 使用方式：AI 只給提示、不給完整答案。用這種方式的學生，練習時的答對率大幅提升，而且後續考試的表現回到了跟完全不用 AI 的學生差不多的水準[9]。直接給答案會傷害學習，但加上適當的限制，至少可以避免這個傷害。
但就算工具設計對了，讓學生願意用也是挑戰。Khan Academy 的創辦人 Sal Khan 在 2023 年的 TED 演講中預言，AI 可能引發教育史上最大的正面變革[13]。三年後，他在一場訪談中坦言：「對很多學生來說，AI 家教根本不算什麼事。他們就是不太用。」他的結論是：「AI 會有幫助，但我認為我們最大的槓桿還是在人的系統上。」[14] 最積極推動 AI 教育的人，自己修正了自己的預期。
AI 本身不是問題。關鍵在怎麼用、有沒有人引導，而且工具再好，學生沒有動機也沒用。
但這裡有一個更根本的問題：為什麼直接給答案會傷害學習，給提示卻可以避免？學習科學其實早就解釋過了。
困難本身就是學習的核心機制
認知科學家 Bjork 在九〇年代就發現了一件反直覺的事：在學習過程中刻意加入某些困難，短期內看起來會讓表現變差，但長期來看，記得更牢、也更能把學到的東西用在新的情境裡[15]。他把這種現象叫做「有益的困難」（desirable difficulties）。
一個經典的實驗可以說明這件事。研究者讓學生讀完一篇文章後，把一組學生分成兩路：一組再讀一遍，另一組合上書本，盡可能回憶內容。五分鐘後測驗，再讀一遍的那組表現略好。但一週後再測，合上書回憶的那組記住的內容比再讀一遍的多了將近五成[16]。
「覺得困難」跟「沒在學」是兩回事。覺得順暢也不等於學會了。
教育科技的研究者早就注意到一個問題，叫做「協助困境」：教學工具提供太多輔助，學生會依賴工具而不自己思考；提供太少，學生卡住了就放棄[17]。最好的學習發生在中間那個不太舒服的地帶。而 ChatGPT 這類工具的預設模式就是直接給你完整答案，等於把協助推到了最大值。
2025 年的一篇研究進一步指出，反覆的提取練習（就是「自己想」的過程）會在大腦中形成穩固的記憶結構，這些結構是你日後能靠直覺判斷對錯的基礎[18]。沒有經過這個過程，你對一個主題的理解就只是表面的。
這也解釋了為什麼前面那個實驗裡，「只給提示」的 AI 沒有造成傷害。它保留了掙扎的空間，讓學生還是得自己想、自己推，只是在卡住的時候推一把。它沒有跳過學習過程，所以學習效果沒有打折。
同樣的道理反過來也成立：用 AI 秒得答案，跟自己想了半小時才搞懂，結果可能一樣，但腦中留下的東西完全不同。
那什麼值得學？
回到我每天的工作現場。AI 接管了大量重複性的事，但至少到目前為止，有幾件事還是得靠人：定義問題（AI 能寫程式碼，但不會告訴你該寫什麼）、判斷取捨（同一個功能有五種做法，你得知道什麼時候該用哪一種）、發現 AI 的錯誤（AI 產出的東西看起來都很有自信，但它不會告訴你它在胡說）。
這些能力有一個共通點：都需要你自己先有底子，沒辦法靠 AI 代勞，只能透過自己動手、犯錯、修正的過程慢慢累積。前面提到的「有益的困難」，在工作現場長的就是這個樣子。
體制內教育的考核標準主要圍繞什麼？記住標準答案、在考試中快速作答。這些恰好是 AI 也能做到、而且做得比人快得多的事。而提問、判斷、從錯誤中學習等能力，在以考試為核心的系統裡很難有空間。老師未必不想教這些，但當考試決定升學、升學決定資源分配，整個系統就會把時間往考試成績推。
實驗教育的各種模式（不管是自學、共學還是機構）雖然做法不同，但有一件事是相似的：給學生更多自己摸索、犯錯、修正的空間。當然，每種模式的實際執行品質差異很大，體制內也有老師在刻意培養這些能力。但從系統設計的角度來看，以考試為核心的系統和以探索為核心的系統，對「掙扎」的容忍度天生就不同。後者在 AI 時代可能是優勢。
我女兒現在一歲。她長大後會對什麼感興趣，我還不知道，專業領域的事取決於她自己。但有幾件事我想盡可能從小培養：批判性思考、問問題的能力、扎實的邏輯、溝通和表達能力。具體怎麼做，我還在研究，這個系列後面會繼續談。
所以，學習到底在學什麼？答案 AI 會給你，但自己想、自己錯、自己修正的過程，沒人能替你走。那些掙扎不是浪費時間，那就是學習本身。
如果你開始認真考慮體制外的選項，但不確定哪條路適合你的家庭，下一篇會整理一個決策框架。如果你是第一次接觸體制外教育，可以從這個系列的〈女兒一歲，我已經在替她研究體制外的路〉開始。
參考來源
[1] Philosophy Now. Socrates, Memory and the Internet (Plato's Phaedrus analysis)。https://philosophynow.org/issues/122/Socrates_Memory_and_The_Internet
[2] Hembree & Dessart, 1986. Effects of Hand-Held Calculators, JRME。https://eric.ed.gov/?id=EJ336469 / Ellington, 2003. Calculator Meta-Analysis, JRME。https://www.researchgate.net/publication/237256715
[3] World Economic Forum, 2025. The Future of Jobs Report 2025。https://www.weforum.org/publications/the-future-of-jobs-report-2025/
[4] PwC, 2025. 2025 Global AI Jobs Barometer。https://www.pwc.com/gx/en/services/ai/ai-jobs-barometer.html
[5] CNBC, 2025. Sam Altman: The No. 1 ability you need to succeed in the age of AI / Fortune, 2025. Sam Altman's career advice for Gen Z。https://www.cnbc.com/2025/01/13/openai-ceo-top-ability-you-need-to-succeed-age-of-ai-ask-great-questions.html
[6] Dario Amodei, 2026. The Adolescence of Technology。https://www.darioamodei.com/essay/the-adolescence-of-technology
[7] GitHub Universe 2024. Thomas Dohmke keynote, October 29, 2024。https://github.com/newsroom/press-releases/github-universe-2024
[8] The Verge, 2025. Shopify CEO says employees must prove jobs can't be done by AI before requesting new hires。https://www.theverge.com/2025/4/7/24422944/shopify-ceo-memo-ai-jobs
[9] Bastani et al., 2025. Generative AI without guardrails can harm learning. PNAS。https://www.pnas.org/doi/10.1073/pnas.2422633122
[10] Jose et al., 2025. The Cognitive Paradox of AI in Education, Frontiers in Psychology。https://pmc.ncbi.nlm.nih.gov/articles/PMC12036037/
[11] Lee et al., 2025. The Impact of Generative AI on Critical Thinking, CHI 2025。https://www.microsoft.com/en-us/research/publication/the-impact-of-generative-ai-on-critical-thinking-self-reported-reductions-in-cognitive-effort-and-confidence-effects-from-a-survey-of-knowledge-workers/
[12] GitClear, 2024. Coding on Copilot white paper。https://www.gitclear.com/coding_on_copilot_data_shows_ais_downward_pressure_on_code_quality / Uplevel, 2024. AI for Developer Productivity: What Now?。https://uplevelteam.com/blog/ai-for-developer-productivity
[13] Sal Khan, 2023. TED Talk: How AI Could Save (Not Destroy) Education。https://www.ted.com/talks/sal_khan_how_ai_could_save_not_destroy_education
[14] Chalkbeat, 2026. Sal Khan rethinks AI in schools。https://www.chalkbeat.org/2026/04/09/sal-khan-reflects-on-ai-in-schools-and-khanmigo/
[15] Bjork, R.A., 1994. Memory and metamemory considerations. In Metacognition: Knowing about knowing, MIT Press。
[16] Roediger & Karpicke, 2006. Test-Enhanced Learning, Psychological Science。https://doi.org/10.1111/j.1467-9280.2006.01693.x
[17] Koedinger & Aleven, 2007. The Assistance Dilemma, Educational Psychology Review。https://doi.org/10.1007/s10648-007-9049-0
[18] Oakley et al., 2025. The Memory Paradox, arXiv。https://arxiv.org/abs/2506.11015
工程師，一歲女兒的爸。正在用做產品的方式研究台灣自學與實驗教育，把找到的東西寫下來。
如果這篇對你有幫助，有三件事可以做：
📬 訂閱 Email，新文章直接寄到你的信箱（含一些只在 Email 講的幕後話）
https://altnotestw.substack.com/subscribe
☕ 請我喝杯咖啡，支持我繼續寫下去
https://portaly.cc/alt-notes （支援 LINE Pay、Apple Pay、信用卡，免註冊）
💬 留言分享你的經驗或想法，這個題目我也還在學，很想聽聽你的故事。
