當老師不再教書：AI 時代的教育革命

有一個實驗是這樣的：讓一群學生分成兩組學習物理，一組由哈佛教授授課，另一組使用 AI 家教。結果 AI 組的學生不但投入程度更高，學習成效也更好。

這聽起來像是一篇「AI 即將取代老師」的文章開頭，今天想講的故事恰恰相反。因為在一所真正實現 AI 教學的學校裡，老師不但沒有消失，反而變得比以往更重要。只是他們不再「教書」了。

這所學校叫做 Alpha School，創辦人是 McKinsey Price。學生每天只花兩到三小時在學術課程上，卻能在標準化測驗中達到前 1%（99th percentile）。更驚人的是，95% 的學生說自己「愛學校」，甚至有三分之二的高中生投票決定暑假繼續上課。

這是怎麼做到的？

200 年前的設計

要理解 Alpha School 在做什麼，得先理解現代教育體系的起源。

1800 年代，德國哲學家費希特（Fichte）寫下這段話：「教育的目標應該是摧毀自由意志，讓學生在畢業後的餘生，都無法以任何其他方式思考或行動，除了他們的老師所希望的那樣。」

聽起來像反烏托邦小說，但這正是普魯士教育體系的設計理念。

當時美國教育改革者霍勒斯·曼（Horace Mann）被這套系統吸引，將它引進麻薩諸塞州。他的初衷是善意的：讓教育不再只屬於貴族，而是普及到所有人。但這套系統有一個更實際的目的，工業革命需要大量順從的工廠工人，而普魯士教育體系正好能批量生產這樣的人。

洛克菲勒是當時推動這套教育的重要人物之一，他對於培養下一代「好工人」有著明確的期待。

這是 1800 年代的事。但如果你今天走進任何一間教室，無論是紐約最頂尖的私立學校，還是印度鄉村的公立學校，你會看到幾乎一模一樣的場景：一個老師站在前面，對著 25 個學生講課。

兩百年過去了，教育的基本架構沒有改變。

問題出在「時間制」

傳統教育最根本的問題是「時間制」。老師必須在固定時間內教完固定進度，不管學生有沒有學會。

McKinsey Price 用疊疊樂來比喻這個問題。數學學習就像蓋一座塔，你必須先學會加減法才能學乘除，先學會乘除才能學分數，先學會分數才能學代數。但在時間制的教室裡，如果一個學生分數沒學好，老師還是得繼續教代數，因為課綱就是這樣安排的。這個學生的數學塔就少了一塊，越往上蓋越搖晃，最後整座塔都不穩。

更糟糕的是，這個學生會開始相信自己「不是數學的料」。

美國現在的數學成績在全球排名第 28，三分之一的學生閱讀能力不及格，學習成效是 30 年來最差。疫情期間的學習損失讓問題更加惡化，但傳統系統無法因應，因為一個老師不可能同時照顧需要回去補二年級內容的學生，和已經可以學七年級課程的學生。

Alpha School 的模式

McKinsey Price 的女兒在二年級時對她說：「媽媽，學校好無聊。」這句話讓她決定自己辦學校。

2014 年，她從 16 個學生開始，創辦了 Alpha School。11 年後，這所學校發展出一套完全不同的教育模式。

核心是 AI 個人化學習平台。但這不是你想像的那種 AI，不是一個聊天機器人站在學生面前教課，也不是 ChatGPT 風格的對話介面。事實上，Alpha School 刻意不使用聊天機器人，因為他們發現學生會用它來作弊，直接複製貼上問題然後複製貼上答案。

Alpha 的 AI 是一個追蹤和適配系統。它精確測量每個學生知道什麼、不知道什麼、學習速度多快、需要多少次重複才能記住一個概念。然後根據這些資料，為每個學生規劃專屬的學習路徑。

這就是「精通學習」（mastery-based learning）的概念。學生必須真正學會一個概念，才能往下一個概念前進。不是因為時間到了就翻頁，而是因為你準備好了。

系統還會結合學生的「興趣圖譜」。一個喜歡復仇者聯盟和足球的七歲男孩，會收到一個故事：他和他的足球隊友是主角，在吃完奶奶家的餅乾後展開一場拯救世界的冒險。這個故事的閱讀難度正好符合他需要練習的程度。

另一個喜歡泰勒絲的女孩在準備 AP 藝術史考試時，用 AI 把課程內容改編成泰勒絲風格的歌曲。McKinsey Price 說，那段時間家裡經常聽到女兒用流行歌旋律唱著藝術史知識。

驚人的成效

Jonathan Bi 花了一週時間在 Alpha School 的校園裡觀察，他用一個簡單的數學來描述他看到的：2 倍的學習成效，1/5 的時間，等於 10 倍的效率。

學生在標準化測驗中持續達到前 1%，無論他們入學時的程度如何。很多學生來的時候是落後的，但系統能夠找出他們的知識缺口，從根基開始補起。

每天的學術課程只需要兩到三小時。但更令人驚訝的是學生對學校的態度。

Alpha 每六週調查一次學生：「你愛學校嗎？是或否？」最近一次的結果是 95% 回答「是」。

但他們想知道這個「愛」有多深，所以又問了另一個問題：「你寧願去上學還是去度假？」大約一半的學生說寧願上學。

更極端的例子發生在今年春天，高中部的學生投票決定暑假要不要繼續開學，三分之二投了贊成票。所以今年暑假，Alpha 的高中繼續上課。

McKinsey Price 說她自己從來沒有一刻想過要去學校而不是去度假，星期天總是令她沮喪的一天，因為明天就要上學了。直到她進入職場，做自己喜歡的事情，星期天才變得不再可怕。

Alpha 的學生在小學就獲得了她到工作後才有的感受。

AI 只佔 10%

這裡有一個反直覺的發現。

如果你問 McKinsey Price 成功的秘訣是什麼，她不會說是 AI，不會說是個人化學習平台，不會說是精通學習模式。

她會說：90% 是激勵，10% 是正確的學習節奏和程度。

AI 系統只佔那 10%。

「如果學生沒有動力，你就完蛋了。」這是她的原話。

這解釋了為什麼那麼多 EdTech 公司失敗。他們專注於技術、專注於內容、專注於演算法，但忽略了最根本的問題：學生為什麼要學？

你可以有全世界最精準的個人化學習系統，但如果學生不想坐在那裡，一切都沒有意義。

當老師不再教書

這就是為什麼 Alpha School 的老師如此重要，儘管他們不再「教書」。

Alpha 把老師稱為「引導者」（Guide）。引導者不教長除法，不改作業，不備課，不設計課程。這些事情 AI 都做得更好。

引導者的工作是激勵和情感支持。

每天早上，引導者思考的問題是：「我今天要怎麼幫助這個孩子對他正在做的事情感到興奮？」這可能意味著很多不同的事情。這個孩子喜歡讚美，那個孩子迷戀玩具車，另一個孩子是泰勒絲的粉絲，引導者必須找到連結的方式。

有一個學生很難專心，上課時總是望向窗外。他的引導者知道他熱愛鳥類學，於是和他一起設計了一個激勵計畫：把校園附近綠帶裡的鳥類都列出來，每當他達成一週的學習目標，就解鎖 15 分鐘的賞鳥時間，由引導者陪他一起去。

這個學生的專注力問題迎刃而解，因為他終於有了一個想要努力的理由。

這揭示了一個關於 AI 和人類分工的重要洞見。AI 擅長精確測量、個人化內容生成、無限耐心地重複。但 AI 不擅長理解一個七歲孩子今天心情不好的原因，不擅長在學生快要放棄時說出那句恰到好處的鼓勵，不擅長讓一個覺得自己「不是讀書的料」的孩子重新相信自己。

McKinsey Price 說：「我們不是取代老師，我們是轉型老師的角色，讓他們去做只有人類真正擅長的事：激勵和情感連結。」

信心建立在能力之上

Alpha School 有一個核心理念：信心必須建立在能力之上（confidence based on competence）。

這和當代流行的「自我肯定」文化形成對比。那種文化告訴孩子「你很棒」「你很聰明」「你什麼都做得到」，但問題是，孩子知道現實。當他的成績一塌糊塗，當他在課堂上完全聽不懂老師在說什麼，你再怎麼告訴他「你很棒」，他也不會相信。

這種空洞的肯定反而會造成更大的傷害，因為孩子會覺得：「如果我這麼棒，為什麼我還是做不到？一定是我有什麼根本性的問題。」

Alpha 的做法相反。他們用精通學習確保每個學生都能真正學會東西，然後讓這個真實的成就成為信心的來源。

他們有一個策略叫「信心錨點」（confidence anchor）。八年級的科學相對容易達到前 1%，所以他們會讓學生先在這個科目上取得高分。當學生體驗過「原來我可以這麼厲害」的感覺，他們在面對更困難的數學或英文時，就有了一個參照點：「我在科學做到了，我在這裡也可以。」

傳統系統的問題在於，當學生在某個科目掙扎，這會直接影響他們的核心認同。「我很笨」「我不是數學的料」「我就是不擅長寫作」。但在精通學習系統裡，掙扎只意味著「我還需要更多時間」，不代表任何關於你是誰的事情。

Jonathan Bi 說，他在 Alpha 遇到的學生有一個共同特點：當他們面對困難時，從來不會說「我不擅長這個」，而是說「我只是還沒有在這上面花足夠的時間」。

這是完全不同的自我認知方式。

三種教育哲學

Jonathan Bi 在中國長大，經歷過典型的東亞教育：每天早上八點到下午六點都在學校，沒有輕鬆的課，只有語文、數學、物理、化學。他開玩笑說，他們連假期都沒有，所以沒有「寧願上學還是度假」的選項。

這種教育的問題在於完全不考慮學生的自信和心理狀態，知識輸入是夠的，但純粹是苦功，不管你感覺如何。

另一個極端是他所謂的「加州模式」：「你很棒！」「你什麼都做得到！」但學生什麼實際成就都沒有，只有空洞的肯定。

Alpha 試圖走一條中間路線。他們承認外在激勵是必要的，大多數孩子不會天生熱愛數學或閱讀。所以他們使用各種外在激勵，包括給學生「Alphas」，一種校內貨幣，可以用來買零食或玩具。

但這只是起點，不是終點。

外在激勵讓學生願意投入，投入帶來能力，能力帶來信心，信心讓學習變得有趣，有趣最終轉化為內在動機。

這是一個正向循環。外在激勵是點火的火柴，但一旦引擎發動，它就會自己運轉。

Jonathan Bi 用火箭來比喻：外在激勵是助推器，把你送入軌道；一旦你進入軌道，內在動機會接手。

多出來的時間

每天省下來的四五個小時拿來做什麼？

Alpha 的下午是各種工作坊：領導力、團隊合作、韌性、適應力、公開演講、財務素養、創業。

McKinsey Price 分享了一個例子。這學期有一個航海工作坊，學生花六週學習航海技術。最後的測驗不是紙筆考試，而是一個實際挑戰：每艘帆船都被動了手腳，學生必須先找出問題所在，然後在湖上完成障礙尋寶任務，過程中還要躲避「海盜」，那些海盜是家長假扮的，拿著強力水槍，被擊中的船必須原地轉 360 度才能繼續。

這些學生接下來要去做什麼？從佛羅里達礁島群航行到巴哈馬，把工作坊學到的技能用在真正的海上。

另一個例子是五六年級的創業工作坊。去年學生經營了一間 Airbnb 九個月，今年他們在經營一輛餐車。有個學生不是特別喜歡學術課程，但在餐車專案中表現突出。他發現自己熱愛做生意，然後他開始理解：「我的數學越好，我經營生意就越好。」

學術學習突然有了意義，因為它連結到他真正關心的事情。

McKinsey Price 說：「從來沒有比現在更適合當一個五歲小孩。你可以在幾小時內完成學業，然後花下午的時間做這些瘋狂有趣的生活技能挑戰。」

這對我們意味著什麼

Alpha School 的故事不只是關於教育，它是 AI 時代所有職業的縮影。

AI 可以接管任何可以精確測量、可以標準化、可以無限重複的工作。在教育領域，這意味著課程規劃、進度追蹤、個人化內容生成、評估測驗。在其他領域，這意味著資料分析、報表製作、例行客服、標準化流程。

但 AI 無法接管的是什麼？

激勵。連結。理解一個人今天為什麼不對勁。在正確的時機說出正確的話。建立信任。激發熱情。

Alpha School 的引導者就是這個轉型的具體呈現。他們不再做 AI 可以做得更好的事情，他們全心投入在 AI 做不到的事情上。

這可能是 AI 時代最重要的職涯建議：不要試圖和 AI 競爭它擅長的事情，找到你作為人類無可取代的價值。

對 Alpha School 的學生來說，這個訊息從小就內化了。他們在一個 AI 和人類各司其職的環境中成長，清楚知道兩者的邊界在哪裡。

有一個說法是：教育的目的不是灌滿一桶水，而是點燃一把火。

普魯士教育體系設計出來就是為了灌水，而且是灌進標準規格的容器裡。200 年後，我們終於有了技術可以做不一樣的事情。AI 可以處理灌水的部分，而且灌得更精準、更有效率。但點火的工作，仍然是人類的事。

本文整理自 Jonathan Bi（Cosmos 創辦成員）對 Alpha School 共同創辦人 McKinsey Price 的深度訪談。

首圖來源