2017 年，我刚毕业，刚刚被 Qualtrics 聘用，正在考虑未来该做什么。在研究研究生学位的休息期间，我偶然看到了可汗学院创始人萨尔·可汗的 TED 演讲。我的收获是：技术可以让我们摆脱传统教育的束缚，开启一个每个学习者都可以按照自己的节奏进行学习的世界。

我想， 我可以为此奉献一生。

五年后，我在《教育中的人工智能》上发表了第一篇同行评议研究论文，这是我攻读博士学位期间多年工作的成果。论文主题是什么？应用深度学习技术在学生参加考试之前预测他们通过考试的可能性。在我看来，这是对 Khan 教育愿景的贡献——利用人工智能帮助学生和老师了解学生何时准备好参加考试。

这也是一次彻底的失败。

教学已经“足够好”

那么，我的论文为什么会失败呢？我当时正在解决一个实际上没有人遇到过的问题——学生和老师都很清楚自己在考试中的表现。尽管人工智能能够在学生参加考试之前预测他们的考试成绩听起来很神奇，但潜在的教育问题并不大。事实上，这是研究人员喜欢研究的教育领域“小问题”的象征。它们可以用以下断言来总结：

教师善于教，学生善于学。

听起来很离奇，对吧？这也与目前关于人工智能的很多传言完全相反：“人工智能将创造更好的内容。”“人工智能将帮助学生更快地学习编程。”“人工智能将帮助你选择专业。”

需要明确的是，我认为所有这些都是事实。然而，我们需要扪心自问：这些工具的效果会有多大？如果我们解决了这些问题，教育会不会发生根本性的变化，还是会好 2%？

更好的教学带来最小的收益

幸运的是，研究人员花时间为我们解答了这个问题。在教育研究中，影响力是用“效应大小”来衡量的，这是一种统计标准化方法，用于衡量研究的影响力有多大。虽然这取决于具体研究，但 0.1 的效应大小意味着平均学生的成绩提高约 1%。

那么，在我们试图帮助教师更好地教学或学生更好地学习的研究中，效果有多大呢？平均约为 0.1。即使是最高端的研究，效果也最多为 0.5。这意味着最伟大的、突破性的教育技术往往会将学生的成绩提高约 5%，或大约一个部分字母等级（例如，从 C+ 平均成绩提高到 B- 平均成绩）。 

这仍然很棒，我们绝对应该继续进行这些项目。让我们从这项新技术中榨干每一个百分点！然而，我们也应该问问自己：成绩提高 5%（以及代表学习能力的提高）是人工智能能为我们做的上限吗？ 

不是。但要打破这个天花板，我们需要创造性地将人工智能应用于教育。如果我们只是对旧的方式进行修补——但使用人工智能——那么其收益将像过去一样停滞不前。

我们已经知道如何彻底改变教学，但我们不知道

我们已经知道如何彻底改变教学方式。事实上，人们早在半个多世纪前就已知道了这一点！这种教学方式经常被证明能使学生的成绩提高 20% - 足以将不及格的学生变成普通学生，将普通学生变成明星。

方法是什么？一对一辅导。 

那么，我们为什么不这样做呢？答案很简单：可扩展性。在大多数教育环境中，由于成本、时间和教师人数不足等原因，不可能为每个人提供一对一的辅导。这个难题被戏称为“二西格玛问题”。

这时，你可能已经在说“哦，我们可以使用人工智能系统作为导师！”然而，在我们做到这一点之前，有一个重要的问题需要考虑：为什么一对一的教学比其他类型的教学好得多？ 

当前模式下的人工智能导师更多是不起作用的

尽管学者们提出了许多复杂的框架来讨论它，但理解一对一辅导为何有效并不十分复杂。以下是一个个人成功的例子。

尽管我的学业成绩还算不错，但我在高中的学习之路还是有些坎坷。高二那年，我最终没能通过微积分预科课程。而且差了不少。我那学期的期末成绩大约是 30%。我对我的老师印象并不好，但事实是，虽然如果有更好的老师，我的分数可能会高一点，但我不可能通过。 

归根结底，问题并不出在老师身上。在新学校里，我被社会孤立了，课外活动太多了，睡眠时间安排很糟糕，而且由于压力和睡眠不足，我在第一节数学课上睡着了。 

面对所有这些不利因素，无论是 ChatGPT 还是更好的老师都无法拯救我。我还是会失败。这说明了为什么即使是最好的老师和学习干预也只能起到有限的作用。之后发生的事情也说明了为什么一对一辅导是有效的。

元认知，而非认知，才是成功的要素

最后，我再也无法隐瞒自己的问题了。我的父母发现了。他们强迫我减少课外活动；他们没收了我的手机，让我按时睡觉；他们跟踪我的作业，以确保我不会再给自己挖坑；最后我转学到另一所学校，在那里我有更多的朋友。

我和父母单独相处的时间与微积分预备课程几乎没有关系。说实话，我怀疑我的父母是否记得足够的微积分预备课程，无法提供特别的帮助。但我缺乏的不是成功所需的认知能力，而是元认知能力。 

元认知只是学术界用来概括我们用来组织自己的内部对话的花哨词。诸如目标设定、优先排序、情绪调节和责任感等。许多领域的教育研究一次又一次地表明，人们无法成功的原因更多地与元认知有关，而不是认知，正是他人在这些困难的元认知任务中为您提供帮助，才赋予了一对一辅导其力量。

结论：不要只用人工智能和教育来打造更快的马

亨利·福特有句名言：“如果我问人们想要什么，他们会说想要跑得更快的马。”虽然这句名言很可能是杜撰的，但它的寓意在打造颠覆性技术时很有用：我们有时必须超越客户所阐述的解决方案去思考，以确定是否有更好的方法来解决根本问题。

一个世纪以来，教育工作者帮助学生的最好方式就是提高教学水平，同时提高学习水平。人工智能将进一步加速这一进程，解锁前所未有的新教学方法和教师技巧。

但我们不应该只制造一匹“更快的马”，我们应该开始展望未来——展望今天仍然难以想象的事物。无论你认为我们正走向人工智能奇点，还是走向现有人工智能系统的持续边际改进，有一件事是肯定的——这波人工智能浪潮还处于起步阶段。GPT-4 相当于 20 世纪 70 年代的 Model T 或 IBM 大型机。

想象一下这样一个世界：人工智能的成本比现在低几个数量级（OpenAI 的首席执行官认为成本可能会降到零），而且 GPT-12 模型可以根据您的数据进行微调。想象一下这样一个世界：一个在睡眠时间安排上苦苦挣扎的 10 年级学生有一个人工智能伙伴，可以帮助他设定更好的目标，理解他与朋友之间遇到的问题，并在事情变得糟糕之前让他回到正轨。

想象一下人工智能作为一位真正的导师。