最好的老师免费了，学习却没有爆发

教育史其实是一部稀缺史。书稀缺的年代，教育的形态是背诵。知识锁在少数抄本里，能把一本书装进脑子，就是本事。印刷术把书变便宜之后，老师成了稀缺品，于是有了教室、课表、四十人一班：整套学校机器，是对稀缺讲授的批量分发方案。AI 把讲授的边际成本打到零，一个全天在线、随叫随到、永不厌倦、还能因材施教的老师，第一次人人都有。这套机器服务了几百年的瓶颈，消失了。

但学习并没有爆发。Khan Academy 免费摆了十几年，按它自己 2024 年的效能报告，只有约 9% 的学生达到建议使用量。多伦多大学团队做过一个一万多人的随机对照实验：三到六年级每周用满 35 分钟的孩子，数学成绩涨了 0.12 到 0.17 个标准差；七八年级的学生平均每周只用 10 分钟，效果为零。工具白送都没人用。

瓶颈没有消失，它搬家了——从"谁来教"，搬到了"人为什么想学"。

教育瓶颈的三次迁移

学校这台机器，为一个已经消失的问题设计

年级、课表、统一进度、期中期末考，这套设计在它诞生的年代全是合理解。老师是稀缺资源，就必须批量分发：按年龄切成班，按学期切成进度，用考试做质检。普鲁士人在十九世纪把它标准化，全世界抄了两百年。

代价藏在动机上。分数、排名、升学，全是挂在学习外面的奖励，而外部奖励对兴趣的杀伤，是动机科学里被复现最多的结论之一。1973 年斯坦福的研究者找了一批本来就爱画画的幼儿园孩子，跟其中一组说"画完有奖状"。几周后的自由活动时间里，拿过奖状的孩子画画的时间，只剩没拿奖状孩子的一半。后来一项汇总了 128 个实验的元分析确认了方向：预期的、有形的奖励，会系统性地削弱本来存在的兴趣。机制不复杂，人会从自己的行为倒推动机。既然画画是为了奖状，那奖状一撤，理由也跟着没了。

学校机器就卡在这：它一边分发着稀缺的讲授，一边用外部奖惩磨损着学生的动机。旧瓶颈时代这笔账算得过来，毕竟不上学连知识都摸不到。现在讲授不稀缺了，这台机器还在原地运转，用损耗新瓶颈的方式，解一个已经不存在的旧问题。

造场的人，以为自己在找需求

前几天我在一个 AI 社群看到一场讨论。一位做 AI 教育活动的朋友复盘：直接跟人说"你们需要学 AI"，没人来；改办 Hackathon、demo day、给投资人演示的机会，人自然来了。他的结论是：别在别人心里强行创造渴望，要找到已经存在的需求。

结论方向对，归因是错的，而且错的地方最值钱。

动机科学里打"没需求就推不动"这种宿命论，最狠的一枪是 2009 年发在 Science 上的一个随机对照实验。研究者让高中生在一个学期里定期写点东西，每次一两段，主题是"这周学的东西跟我的生活有什么关系"；对照组只写内容摘要。实验组的兴趣和成绩双双上涨，而且对原本最不看好自己的低动机学生，提升最大。如果兴趣只能"找已有的"，这个干预应该只对本来就有兴趣的人起作用，实际正好相反。兴趣研究的主流框架说得更直白：兴趣的起点是被环境触发的情境兴趣，它不要求你事先拥有它。兴趣是学习的产物，不是入场券。

所以那位朋友真正做成的事，是造了一个场，让还没被点着的兴趣着了火。这个场起作用靠双引擎，他只看到了一台。第一台是需求翻译："这东西能解我手头的问题。"

第二台他没提：模仿。思想家 René Girard 毕生就讲一件事，人的欲望大多是从别人身上抄来的，我们想要一个东西，往往因为我们敬佩的人在要它。demo day 上真正点火的，经常不是"AI 有用"这个论证，而是看到一个跟自己差不多的同行做出了东西、站上了台、被人围着问。

二元需求与三角欲望

「以后总会用得上」，输给了一条折现曲线

那场讨论的源头是社群里一封邮件。写邮件的人观察自己女儿学编程三年，说大人最坑孩子的一句话是"这个先学着，以后总会用得上"：孩子感受到的只有当下，看不到作品和目标时，知识对她只是负担。他给女儿的解法，是把"学 AI 编程"换成"做一个你能和朋友一起玩的网页游戏"。

他骂对了现象，骂错了机制。"以后用得上"多半是真话。它的毛病，是给了一个正确、但没法跟随的目标。

行为经济学对这件事有精确的刻画：人对未来回报的折现是双曲线的，回报每推迟一步，现值跌一大截。发展心理学补了一刀，青少年折现研究测出，13 岁以下孩子的折现率显著比成年人陡。负责冲动和奖赏的边缘系统在青春期早早成熟，负责长远打算的前额叶要到成年才长好。哪怕孩子完全理解"以后有用"，那个回报在他的价值曲线上折现完约等于零。跟孩子讲"这个以后重要"，是在跟一条折现曲线辩论，输是数学上注定的。

强化学习早就把这个问题连同解法一起写清楚了。奖励太远、太稀疏，中间每一步都没有信号，这叫稀疏远端奖励，是 RL 里的经典死局。解法叫 reward shaping：在通往远端目标的路上，插一串当下就能兑现的小奖励。1999 年有个定理证明，只要塑形奖励取对形式，最优策略不变。你没有降低目标，也没有骗他，只是把梯度铺了出来，最终走到的还是同一个地方。

同一个远端目标，两种奖励地形：左边只有"十年后的深谷"，小球在平地上不动；右边沿路铺了一串小坡，小球一路滚进同一个谷底。

"做一个能和朋友玩的网页游戏"就是教科书级的 reward shaping。今天写的代码今天能跑，这周做的按钮这周朋友能点。目标没变，回报的几何形状变了。

练习涨了 48%，考试低了 17%

故事到这里都还乐观：老师免费了，阻力消失了，剩下的事就是点火。社群讨论里也有人说，带着问题去问 AI，天生解决了动机问题。

这句话对一半，另一半是整场讨论里最危险的盲区。

2025 年发在 PNAS 上的一个实验，值得贴在每个 AI 教育从业者的墙上。宾夕法尼亚大学的团队在土耳其一所高中找了近千名学生，分三组做数学练习：一组用原味 ChatGPT，一组用加了护栏的版本（只给提示，不给答案），一组不用 AI。结果：原味组练习成绩涨了 48%，撤掉 AI 参加闭卷考试，比从头到尾没用 AI 的学生低 17%；护栏组练习涨了 127%，闭卷考试勉强追平不用 AI 的对照组。

翻聊天记录能看到原因：原味组的绝大多数学生根本不问思路，直接要答案，而 ChatGPT 给的答案只有约一半是对的。练习分是拐杖撑起来的，拐杖一撤，摔得比没拄过的还狠。

这个结果我一点都不意外。我自己整天用 AI 干活，太清楚那条能量最低的路径长什么样。

这就是"带着问题问 AI"的另一面。它确实解决了动机，但"问 AI"这个动作，恰好也是绕过学习的动作。学习科学里有个反直觉的铁律叫合意困难：间隔重复、自我测试、先挣扎再看答案，这些当下感觉费劲、甚至感觉自己在退步的操作，才是把东西刻进长期记忆的工序。越顺滑的学习，留存越差。而 AI 是人类发明过的最强的困难移除器。一个投入地、开心地把认知劳动外包给 AI 的学生，主观上觉得自己学疯了，客观上什么都没沉淀。动机满格，反而烧得更快，他连停下来的理由都没有。

正面证据也指向同一个开关。世界银行在尼日利亚做的六周 AI 辅导实验，效果跑赢了发展中国家教育干预数据库里八成的项目，但它的提示词被刻意设计成引导推理、不直接给答案，课堂上还有老师盯着防偷懒。哈佛物理课那个让学习增益翻倍的 AI 助教，同样被工程化成只引导、不代劳。所有实验的正负号，最后都由一个变量决定：生成答案的认知劳动，还在不在学生身上。

同一台 AI，两条回路

AI 时代的学习有两条回路。卡住时给提示的回路，压缩的是挫败感，保护的是动机；直接给答案的回路，压缩的是思考本身。

会自己学的人，都是被推出来的

按需学习还有一个更隐蔽的边界：它描述的是已经会学习的人怎么继续赢。

社群里那位朋友举过自己的例子：小时候觉得英语没用，后来出去玩、玩英文游戏，需求出现了，英语"自然就上来了"，高考前英语课都不上，照样考得不错。这个故事还有另一半：他有九年课堂英语垫底。需求点着的是一个已经被系统训练过的存量。点火和建造是两件事，动机能激活已有的能力，建不出从零到一的地基。

更冷的一层：纯靠需求驱动的学习，在结构上是贪婪搜索，只能沿着当前感知得到的梯度往上爬。一个没接触过微积分的人，永远不会"需要"微积分，因为微积分不在他能感知的方向上。通识教育、强制暴露这些看起来违背"按需"原则的东西，干的正是这件事：在需求出现之前先把先验建好，让未来的需求有可能被表征出来。你没法想要一个你想象不到的东西。

这件事有分配后果。2015 年 Science 上有一项研究，看了哈佛和 MIT 的 68 门免费网课，发现注册者的家庭社会经济地位显著高于美国平均。免费开放没有缩小差距，反而让本来就有自驱力、会自学的人多吃了一轮红利。

AI 正在重演这个剧本，只是鸿沟从"有没有工具"挪到了"会不会提问、能不能判断输出的好坏"。我在《道升术降》里写过，AI 时代升值的是品味和判断。这里要补一句：品味和判断，没有一个是纯靠"按需"长出来的，它们都是长年被推着接触、被推着练习的产物。

所以 push 和 pull 的关系要重新表述：pull 是 push 的红利。孩子手里只有"即时偏好"这一个账户，"以后用得上"是一张开给"反思偏好"的支票，当场兑不了现。教育在这里的角色，是社会把更长的时间视野，借给还不具备它的人。

教育的成功，恰好是 alignment 的事故

我是做 AI 的，忍不住把这整件事翻译成 alignment 的语言，而且一路都很顺：说教之所以失败，因为你没法把目标函数直接写进一个 agent，只能设计环境让目标自己长出来；应试刷分，是对代理指标的过拟合，Goodhart 定律的教科书案例。DeepMind 讲 specification gaming 的官方文章里，举的日常例子就是学生为了分数抄答案而不是学材料。

翻译到最顶层，它突然反了。AI alignment 的全部工程目标，是让 agent 稳定对齐一个外部给定的目标：防止它漂移，防止它改写自己的奖励函数。后者叫 wireheading，是 alignment 要极力避免的事故。教育正好相反。一个学生长出了原本没有的兴趣、改写了自己想要什么，这恰恰是教育成功的定义。在 alignment 里是灾难的东西，在教育里叫毕业。

所以教育不是把人对齐到外部目标，那叫驯化；教育是策划一场受控的价值漂移。先造场点火。然后用护栏保住那份不可外包的认知劳动。脚手架拆掉的那天，人开始自己给自己立法，设计者的工作也就到头了。

那封邮件里的父亲，其实已经在这么做了。他没有告诉女儿编程重要，他只是让"做一个朋友能玩的游戏"这个愿望，顺路经过了变量、循环和调试。女儿觉得自己在做游戏，长出来的却是能力。等她哪天意识到这一点，她已经不需要那个游戏当借口了。