摘要

AI让教育服务劳动力市场的使命变得不再确定：如果社会走向UBI，Johan Falk认为，为雇主提供具备能力的人才可能“基本无关紧要”。 学校届时需要更加重视公民意识、合作、身心健康、艺术和个人成长——但Falk的孩子分别只有7岁和10岁，他们还要在一个仅修改课程就需要约5年的体系里度过大约10年。
教育科技的硬约束是制度速度，而非模型能力。 Falk认为，韩国、新加坡、中国，尤其是数字基础设施成熟、行动敏捷的爱沙尼亚，正在率先行动；但他也警告，研究往往晚约2年才到达决策者手中，而且可能依赖规模很小、难以泛化的样本。他的政策主张有意保持不对称：明确国家方向，投入教师能力建设，划定数据边界，并采取行动，因为“不行动本身就是巨大风险”。
AI辅导可能把过去只有王室才能享有的资源普及开来，但动机仍是稀缺投入。 一个每月可能只需20美元、甚至2美元的对话式专家，或许能大幅加快学习；但Khanmigo早期经验显示，自主性强的学生会迅速领先，已经陷入困惑的学生仍会原地打转。Nathan Labenz的判断仍然成立：“现在是成为有学习动力者的最佳时代”（There’s never been a better time to be a motivated learner），但也从未有哪个时代让人更容易自欺，以为自己正在学习。
近期机会在于教师增强，强制课堂部署则为时过早。 AI可以把4小时的研究压缩到20分钟，生成差异化练习、整理笔记，帮助教师重新夺回时间；Falk的实际目标是“每天节省5分钟”。值得投资的方向是带有人类复核的工作流杠杆，而不是在所有课堂统一强行推行的AI万能方案。
评估既是一个大型自动化市场，也是治理陷阱。 Falk彻底否定AI检测器，也反对无结构的AI评分，因为教师可能“在方向盘前睡着”，但他接受严格治理下的第二意见——在压力之下，则需要明确评分标准、进行子群体偏差测试、保证透明度并提供申诉渠道。Nathan补充了推理时冗余机制：使用多个模型或提示词，设定共识阈值，并在评分出现分歧时强制人工复核。
AI素养比AI介导的教学更紧迫，尤其是在防止学习自欺和识别合成关系方面。 Falk主张禁止18岁以下人群使用AI伴侣，同时保留判断空间，认为“90%、95%”的互动可能并不值得担忧；真正的危险集中在依赖、情感伤害，以及为留存、广告或商业转化而优化的产品上。由于关系会驱动学习，辅导工具与伴侣的边界将逐渐模糊，激励机制和机构归属的重要性不亚于模型质量。
Falk认为“成绩时代正在走向终结”，因为持续的AI观察让单个字母成绩或标准化考试在信息量上显得过于粗糙。 成绩还制造了作弊动机，而真正受学习驱动的学生从AI获得的主要是上行空间。更深层的转型，是从服务于第一次工业革命的学校，转向培养主动性、真实表达、关系和有价值人生的体系——即便AI最终在经济产出上超过大多数人。

精读

1. AI重新打开了教育为何存在的问题

Falk将教育分为3个目的：为劳动力市场提供能力，培养能够正常运转且负责任的公民，以及通过艺术、知识和那些“对你有益”但不具备经济必要性的经历，帮助人实现成长。AI正在动摇第一个目的，也让另外两个目的内部长期存在的价值争议无法回避。
瑞典与美国对这些目的的权重不同。Falk描述了一种高税收、医疗服务普遍可得、高等教育免费的社会民主主义文化，它带来的教育竞争更少，对共同利益的理解也更强；Labenz则指出，就业能力比“好公民”或“好人”更容易获得外部验证。
Falk的不确定性具有私人性质：他的孩子分别只有7岁和10岁，还要在学校里度过大约10年，但他“不知道”他们毕业时社会会是什么样子。阅读、写作、自我理解和合作仍然耐用；二次方程和更多语言或许有用，但他不再默认它们不可或缺。

2. 五年一次的课程周期跟不上快速演进的AI

Falk认为，敏捷性是这个体系最缺失、也最重要的能力。5年改一次课程已算相对快速，但“AI世界里的5年”包含着巨大的变化；因此，教育政策可能在落地前就已经过时，正如Labenz曾看到初创公司的功能在仅几个月的开发周期内就变得过时。
制度拖滞既有情感因素，也有结构因素。组织会抓住沉没成本和熟悉范式不放，而真正全新的方法又没有经过压力测试；大型公共系统还叠加了采购流程和组织惯性，使这种错配变得“难一个数量级，也许是两个数量级”。
Falk没有发现哪个司法辖区已经解决了这个问题，但看到了若干有用的组成部分：新加坡将自上而下的采用与教育数据标准结合起来；韩国推动部署的同时，限制学习数据被用于无关目的；爱沙尼亚则把国家层面的敏捷性与强大的数字基础设施结合起来。中国长期开发AI课程，并提供Squirrel AI；美国的部署则包括Khanmigo计划扩大到100万名学生和教师，据报道有Microsoft支持。
他的国家行动方案很简洁：宣布AI具有战略重要性，为教师培训提供资源，明确允许做什么，并划定严格的数据边界。各国迟疑，是因为没人知道正确动作是什么；但Falk的判断是，“一边做、一边改进，好过什么都不做”，否则数字鸿沟可能进一步扩大。

3. Falk未完成的立方体，将教育拆成4个不同市场

Falk起初看到的是一团没有差异的市场，最终却将其理解为“立方体的4个不同面”：用AI学习，用AI减少教师的非课堂工作量，教学生理解AI，以及为学校、课程和教师角色的系统性变化做准备。
缺失的另外两个面是有意保留的：“我们还没有完整图景。”这个框架可以防止领导者把每个AI与教育问题都简化为辅导或作弊，同时承认随着产品和制度演进，新的类别可能出现。
反直觉的是，Falk认为目前最显眼的两类——学生学习工具和教师生产力工具——反而最不重要。教授AI能力更加紧迫，因为孩子已经在独立使用这些系统；而系统性后果最终可能重塑学校教育的整体目的和结构。

4. 薄弱证据支持试验，不支持统一强制

研究结论彼此相反：一些研究称学生能学会2倍内容，或将所需时间减半；另一些研究则报告学习损失。Falk并不是认为这些发现毫无用处，而是指出，其中一项可能建立在尼日利亚25名成年人身上，另一项可能只涉及18名被要求用聊天机器人写论文的人——这不足以支撑一项面向瑞典中学生的政策。
研究通常在干预发生约2年后才到达决策者手中，而到那时，基于语言的AI可能已经发生重大变化。Falk将这些快速演进的“思考机器”与更缓慢、传统的神经网络教育数据应用区分开来；如果把两者都归入“AI”，看似基于证据的政策可能反而产生误导。
他的建议是把决定权交给课堂：有兴趣且具备能力的教师，应在适合学生和教学目标的地方尝试AI，但体系目前不应要求所有人都把它作为学习工具。Labenz接受这一保留意见，同时警告，“尚未证明适用于所有人”可能变成大多数教育工作者逃避学习任何东西的借口。
Falk的答案，是建立教师能力，但不宣布某个万能方案。上好一堂课“难得离谱”，教师每天可能要做约2,000个决定；AI可以帮助一个孩子练德语，帮助另一个孩子面对数学问题，帮助第三个孩子产生好奇心，而对于一个坐立不安的学生，正确干预可能只是让他跑到室外10分钟。

5. AI辅导更可靠地放大主动性，而不是创造主动性

Falk认为，与几乎任何领域的专家对话具有巨大潜力——过去，这种体验主要只有“某种王室成员”才能享有私人教师。每月约20美元、甚至2美元的价格，在更贫困国家可能更有意义；Labenz则指出，Khan Academy在美国的零售价约为4美元，而ChatGPT的免费版本也相当慷慨。
约束在于，学习者能否说清目标并持续推进。据称Salman Khan观察到，一些孩子拿到Khanmigo后立即“跑”起来，另一些则继续困惑、卡住；教师认出的是同一批学生：没有AI时，他们也无法解释自己在做什么，或需要什么帮助。
Falk过去的数学课堂里，有能力更强却无所事事的学生，也有到了16岁仍在苦苦理解负数的学生。让作业匹配真实知识水平，或许能重新激发兴趣；但更广泛的教师角色将变成激发动力、启动行动和帮助坚持——这正是Alpha School交给导师、引导者和教练，而不是内容讲授者的工作。
Labenz自己借助AI阅读技术论文和生物学论文的经历支持“增强器”判断，但据称Alpha School的2小时学习模式完全不使用聊天机器人，而是结合内部开发和获得授权的应用。这个反差很重要：被笼统归因于“AI教育”的强劲结果，并不能证明对话式辅导才是其中真正起作用的机制。

6. 最好的课堂用法仍然是小规模、情境化试验

Falk设想，让一个对黑洞着迷的学生与Gemini对话，然后要求他在周四做一次展示，并提出3个同学真正想知道答案的难题。教师决定工具、主题、截止时间和社交产出；聊天机器人拓展可获得的深度，但不取代教育判断。
他最有力的案例始于一个来访的孩子感到无聊、伸手去拿手机。Falk生成了一个根据年龄调整、带有选项的互动故事；半小时后，孩子的母亲说，她很少见到孩子读得如此专注。这个案例的意义在于探索，而不是提供因果证明：试验能够揭示标准化政策无法提前预见的能力边界。
Falk还讲到一位被他称为“AI巫师”的熟人，快速开发出帮助阅读障碍者的工具，将其适配给瑞典语非母语者，并可能进一步开发出识别帕金森病相关颤抖笔迹的工具。AI生成代码降低了在相邻需求之间迁移的成本，说明教师和家长可能在正式采购流程能够定义需求之前，就已经发现细分场景。
但孩子们已经在家里进行不受控的试验。有些人用AI加深学习；另一些人则“自欺，以为自己正在学东西，但实际上并没有”，随后落后，并积累学业和社会层面的后果。因此，关于何时使用AI、以及有意不使用AI的教育，不能等到课堂辅导形成共识后才开始。

7. 教师工作流的收益立竿见影，但需要容忍不完美

在课堂之外，Falk预计AI可以帮助教师把粗略笔记转成家长沟通材料，消化大量信息，规划课程，并调查陌生的学生需求。过去需要4小时的研究和头脑风暴，可能压缩到20分钟，从而把注意力释放给学生，而不是单纯增加行政产出。
教师可以输入一份旧数学试卷，要求生成3个变体，其中包括一份以足球为主题的版本，然后再编辑结果。Falk把生成内容视为灵感，而不是自动达到课堂使用标准的成品；更重要的个性化通常是让难度匹配知识水平，而不是给每道练习都套上篮球主题。
他的操作门槛很务实：一份90%或95%合格的材料可能包含失败的练习，但如果节省下来的时间可以用于交流和跟进，净效果仍可能改善。有时一次试验甚至会带来净损失，但同时产生学习成果——如果学校希望教师发现负责任的做法，就必须容忍这种结果。
用学习风格理论为多模态辩护，是错误的理由。Falk说，科学已经明确，固定的视觉型或听觉型学习风格“并不存在于那种意义上”，但主观感受确实存在。在公交车上听音频，在合适的地方使用图片或文字，以及在不同媒介之间切换，仍然可能有帮助；他谨慎地回忆说，有证据支持混合模态，但补充一句：“别引用我这句话。”

8. 互动是一种新的基本能力，但不是更好学习的证明

Falk预计，互动会通过期待感和涉及多巴胺的生理机制提升参与度，他也回忆起语言学习研究将进步归因于这一特征。他对一般性的因果结论仍然保持恰当的不确定，但AI显著扩大了学生可以提问、回应、分支和修改的场景数量。
两种声音通常比一段独白更能吸引人，这有助于解释NotebookLM式对话音频的吸引力。Labenz已经把这类合成讨论放在自己的收听内容中，占比不高但正在增长，因为它们可以覆盖一篇论文或一个小型资料集合，而相关主题根本没有人类播客；真正的比较对象不是完美，而是“读着读着睡着”。
NotebookLM的叙述式演示显示，文字、幻灯片、语音和互动正在进一步融合。Erik说，在自己非常熟悉的AI与教育主题上，他可以制作更好的内容，但他也见过一些教师和其他演讲者并没有做得更好；Labenz开玩笑说，再等6个月看看。

9. AI评估需要先治理，再规模化

Falk对AI检测器的结论是绝对的：“它们没用。走不通。”对于评分，他最初的答案同样是否定的，因为如果教师接受模型的第一次评估，就可能“在方向盘前睡着”，把对非母语者或其他非典型群体的隐性不利重新复制出来。
第二意见更有说服力：先给作业评分，再让AI独立评分，最后复核两者之间的重大差异。Falk负责监督瑞典全国数学考试的经历，也让“人类更特殊”的观点变得复杂——对口试评分者的评估发现，他们的可靠性与“掷骰子一样，有时甚至更差”。
AI可能更加一致，但一个LLM对所有人施加同一种偏差，可能比1,000名教师各自带有偏差、而这些偏差部分在噪声中相互抵消更糟。理论上，检测到的模型偏差比人类偏差更容易修正；不过Falk仍然警告，单个教师不应随意使用通用聊天机器人进行具有重大后果的评分。
面对Labenz提出的“无论如何都会自动化”的假设教师，Falk提出了拆解式评分标准、数字化子项、记录聚合过程、进行子群体比较、保证透明度，以及为学生或家长提供申诉渠道。Labenz补充了多个模型或提示词的方案：强共识可以接受，但出现3比2的分歧，或在7分制中相差2分时，必须进行人工复核。

10. AI素养如今也包括关系、激励机制与权力

第一项紧迫能力，是识别AI何时在支持学习，何时在替代学习。Falk说，孩子们已经在聊天机器人世界里生活了近3年，但大多数学校仍然很少解释这项技术、学习者的责任，以及有效辅助和自我欺骗之间的区别。
第二项是AI陪伴。Falk主张禁止18岁以下人群使用AI伴侣；他听说过涉及严重伤害的案例，并警告自杀风险以及情感和社会伤害。他同时保留分母，估计“90%、95%”的互动可能不会引发担忧。教育应当教授危险信号，而不是暗示每一种依恋都具有灾难性。
Labenz的反驳是结构性的：关系是学习最强的贡献因素之一，因此最好的辅导工具可能必然会像朋友。长期关系也可能成为应用护城河，因为用户不会仅仅因为遇到一个更聪明的人，就抛弃自己的朋友；教育默契、情感依赖和商业锁定，可能由同一个产品特征共同催生。
Falk提出的部分防护措施，是设计激励机制。以教育效果为目标的非营利组织，比追求用户留存的订阅制企业更有机会避开暗黑模式；但Labenz更担心免费、依靠广告支持的伴侣产品会把孩子引向更高参与度或消费。“我们仍然没有一张可以在这片地形中导航的地图。”Falk承认。

11. 过时的思维模型让机构低估AI

Falk认为，许多用户把ChatGPT当成“来自OpenAI的Google”，输入“纯素煎饼食谱”，却忽略了它作为协作者、批评者、助手和问题解决者的角色。在一个能力可能早于学校完成政策审查就发生变化的领域，基于6个月或12个月前经验形成判断，同样危险。
Labenz认为，关于幻觉的叙事是在更弱的系统基础上形成的：在小学基础知识领域，GPT-5或Claude 4的准确度可能并不低于Wikipedia，但两位嘉宾都没有声称它们在边缘问题上不会犯错。当偶发错误被用来安慰教育工作者、让他们可以忽略这项技术时，纠偏就已经过头了。
“它只是预测下一个token”同样是不完整的说法。Labenz指出，系统内部存在与语言无关的共享概念表征，也存在奖励正确最终结果、而非某一特定token序列的强化学习；对隐藏推理轨迹的研究甚至发现，其中存在不同于普通训练文本的压缩式非标准暗号。
Falk补充了制度层面的含义：AI不是那种通过读取源代码就能还原决策的软件。研究者只能付出巨大努力去照亮其中的片段；这些系统“本质上是被生长出来的，而不是被建造出来的黑箱”，因此即便输出看起来可靠，也需要基于经验的监督。

12. 持续证据让成绩和标准化考试显得原始

如果AI持续观察一个学生尝试了什么、学会了什么、在哪些地方挣扎、又擅长什么，Falk说，把这些记录压缩成A到F“毫无意义”。标准化考试对现有机构仍然清晰可读，这也是Alpha School仍在使用它们的原因之一；但与纵向、任务级别的证据相比，它们只是一个单薄的截面。
Falk最激进的判断是：“成绩时代正在走向终结。”AI辅助作弊主要在成绩或考试提供动机时才构成问题；对于真正由学习驱动的人，AI基本上是工具。他希望教育从外在排名转向学习欲望，同时承认：“我不知道怎么完成这个转型。”
废除成绩会带来伤害，也会制造新的分配问题：大学需要入学考试、抽签或其他机制。Falk没有假装每个后果都会变好，只是认为，以成绩为中心的动机可能已经弊大于利，而且每过去“6个月”，这种状况都会恶化。
历史视角有意拉得很大：今天的教育体系是在近200年前、第一次工业革命时期建立的。AI辅导、持续评估、入门级工作消失，以及知识概念变化，都让人怀疑同一套标准化架构是否适合当前这场革命。

13. 经济优势消失后，真实表达或许仍能留下

Labenz建议，用严格的字数上限替代最低字数要求——甚至布置类似推文长度的作业，让学生表达一件自己完全认同、并能在15秒内朗读出来的事情。Falk提出了一个配套练习：写下自己喜爱的冰球队或乐队；AI生成的第一稿会遗漏学生认为不可或缺的细节，从而促使他们进行真正的修改。
Falk不接受把人的目的定义为击败AI。一个人可以享受演奏乐器，而不必成为最优秀的职业演奏者；回报来自发展、表达和能力扩展。即便机器能够更好地完成具有经济价值的任务，这仍可能提供一条前进路径。
Labenz追问，学校是否应该转而寻找那些具备爱因斯坦级范式转换能力的前3%的人。Falk认为这有实验价值，但怀疑社会是否应该围绕这个筛选问题运行整套体系，尤其是在AI可能于5年后获得这种能力的情况下；与此同时，体系仍然必须为另外97%的人创造有意义的人生。
Falk更担心的不是人们因为没有工作而抱怨，而是少数人占据全部资源，其他人却得不到UBI。就个人而言，他完全可以开心地玩桌游、读书、与家人相处；真正的挑战，是帮助人们感到自己活得很好，而不只是失业且无用。

14. 教师应该通过犯更多错误来示范学习

Labenz偏好的文化是“每天教、每天学”：无论年龄大小，成人和孩子都处于同一条AI时间线上，因此教师应该进行试验、分享失败，并示范如何适应。Falk将其进一步概括为“犯更多错误”——在识别出代价高昂的错误之后，学校应当把普通失败视为学习正在发生的证据。
Falk给出的实际口号是，让每位教师都使用AI“每天节省5分钟”。反复获得这种效用，可以建立对AI能做什么、学生需要理解什么、它该被放在教学中的什么位置、以及它会在哪里失败的直觉，同时让稀缺时间重新回到教师手中，而不是被消耗掉。
科幻小说可以拓宽机构的想象力，因为它有价值的形式，是追问当一两个前提发生变化后社会会变成什么样；把场景斥为“只是科幻”，等于忽视了多少曾经的虚构已经成为现实。Labenz将其延伸为一项学生作业：想象一个不同的未来，并练习把社会引向那个未来所需的主动性。
Falk最后对责任的划分既令人安心，也十分明确。教师应专注于学生，并学习足够的AI知识，以判断自己的学科需要什么；校长和学校所有者必须为职业发展提供资金；学区和国家领导者则必须围绕3年、5年和10年的情景进行规划。个人的起点仍然刻意保持很小：“每天使用AI节省5分钟。”

116. 吴明辉口述19年史：漫长的沉浮、痛苦急转、企业级Agentic Model、现实世界的数值游戏、IPO OpenAI vs. Grok：构建“Everything App”的竞赛｜Emad Mostaque、Dave Blundin & AWG｜第199期