奥特曼回斯坦福认错：一代人大脑正在萎缩新智元

学校没变，但奥特曼警告人类正在慢慢失掉思考的训练场。

都以为学校会被AI逼着改头换面。

但ChatGPT问世三年半，教育却几乎没变。

今年5月，奥特曼回到母校斯坦福，站上CS153的讲台，认错了：

这是我的一个预测错误。

还撂下狠话：再不改，人的思考力会萎缩。

不久前，斯坦福CS153的讲台上，有人问OpenAI CEO奥特曼（Sam Altman）：你怎么看教育？

他顿了顿：「我很担心。我以为到现在，它早该变了。」

奥特曼现身斯坦福CS153课程谈AI时代教育，坦言自己低估了教育系统变革的速度。（图源：Stanford Online」

三年半前ChatGPT刚上线，当时的奥特曼认为，学生会先作弊一年，然后整个教育系统被逼着自我重构，教出比过去更会思考的人。

然而，三年半过去，剧本没照奥特曼预想的那样演。

AI这边，从只会写文案的GPT-3.5，进化到能反证数学家几十年啃不动的猜想。

而学校那边，还在用同一套东西考学生：背诵、标准答案、闭卷默写。

作业、考试、论文……一切还是老样子。翻边整个教育系统，他找不到一处重要的结构性改变。

一个赌对了「规模定律」（Scaling Law）的人，偏偏在教育上看走了眼。

他说，这是自己这些年最大的预测失误之一。

一个把通用人工智能（AGI）挂在嘴边的人，居然在为课堂焦虑。

他到底在怕什么？

他以为学校早该变了

时间倒回2022年11月，ChatGPT刚发布。

当时，奥特曼的判断还很乐观：

头一年，学生会拿它作弊、学不到什么；然后教育系统就会自我重造，把课教得比从前好得多。

按照他设想，老师布置那种非用AI不可的项目，学生反而得动更多脑子、想更多新东西。

2024年，他还公开看好过：超级智能会带来人手一个的私人导师，教育会从死记硬背转向解决问题，转向批判性思维。

结果，AI这边一年一个台阶飞速进化，教育那边却一点没动。

正在掏空批判性思维

这种断层，才是奥特曼真正担心的。

他说，如果继续按「前AGI世界」那套方式教学、评价学生，不光会让这套方法失灵，还会让人「学不会思考」，导致批判性思维一点点萎缩。

把思考外包给AI，一开始只是图省事。

可用进废退，那块负责独立思考的脑力，就会跟久不用的手臂一样，悄悄回缩和变弱，用奥特曼的话说是——肌肉萎缩（atrophy）。

这只是奥特曼的担心，还是已经在发生的事实？

有研究显示，ChatGPT进课堂后，月考成绩半年内掉了约20%；真正决定前途的高利害入学考试，成绩分别下滑18%和24%，而且这笔账要拖上两年才慢慢显形。

更能说明问题的，是加州大学伯克利分校（UC Berkeley）的一项分析。

在50多万条成绩样本里，写作和编程这类课，ChatGPT之后的分数明显往上移，可涨的全是作业分，考试分却一点没动。

加州大学伯克利分校分析50多万条成绩：ChatGPT发布后，写作、编程类课程拿A、A-的比例明显抬升（蓝色显著为正），B+及以下几乎纹丝不动。（图源：Chirikov／CSHE）

为什么？这是「外包」，不是「学习」。

另一项覆盖数百万次美国数学互动、跨度十年的研究也指向同一个结论：聊天机器人一来，题做得更快，学得却更少。

作业交得越来越漂亮，脑子却越来越空。

说好的教育文艺复兴

困惑的，不止奥特曼一个。

OpenAI技术团队成员Ryan Brewer发帖说，大模型居然没掀起一场教育文艺复兴，让他很震惊：

我不是应该一个月就学会一门语言吗？我们到底哪里搞错了？

类似的质疑X上迅速发酵：手握史上最强的学习工具，为什么AI私人导师还没走进千家万户，教育革命迟迟不来？

答案不在技术，而在制度的惯性。

大学那套考评，考试、论文、作业，几百年来立在一个隐形前提上：这些事太花时间，没人会走捷径。

AI一来，改变了这个前提。

但学校仍在用前AGI时代的标准，去量一批已经在AI里长大的新人，现实却是第一代ChatGPT原住民，已经念到毕业了。

工具换代只要一个版本号，制度换代要一代人：技术上早已就位，但规则还停在上一个时代。

一个24小时不知疲倦、能因材施教、便宜到几乎免费的AI私人导师，理论上今天就能给每个孩子配上。

但它迟迟没来，背后真正的原因是教育系统重构自己的速度。

同一场演讲里，奥特曼还抛出这样一个判断：

ChatGPT出现到现在，三年半。哪怕AI只是沿着同样的曲线，再往前走三年半，人类社会能做的事，就会和今天完全不在一个量级。

随着技术的指数级狂奔，它与教育之间的缺口只会越拉越大，最终要由此刻还坐在旧考试、旧作业、旧评价体系里的这一代学生来填补。

他们学的技能，可能一出校门就被AI接管；他们没练的判断力，可能一辈子都难补回来。

这背后欠下的，是一代人的「认知账」。

人为什么还得学

那到底还该教什么？

奥特曼的回答有点反直觉：有些事，机器明明可以做得更好，人还是要亲手做一遍。

他讲了自己的例子。

他说自己是那种「靠写作来思考」的人，写下大量从不给任何人看的文字，只为把一个问题想清楚，很庆幸当年学过写作。

编程也一样，代码AI一秒就能生成，可亲手把逻辑搭起来的过程，锻炼的是大脑。

说白了，写作、编程就像是计算器时代的数学证明题：结果机器早就算得出，我们还是让学生自己推。为的不是问题背后的答案，是「思考」和「学习」这两个元技能，而写作和编程，正是训练它们的工具。

顺着这个思路，奥特曼主张将教育目标从「记住更多知识」，转向「提出更好的问题」；从考记忆，转向考判断、考创造、考跨学科的真本事。

而问题的根子，恰好在评价体系。