对于「如何将 AI 用于教育」，伯克利教授 Greg Niemeyer 给了个公式：
认知结果 = 问题质量 × 判断力 × 知识储备
这是个乘法，任何一个归零，结果归零
AI 把知识储备撑到了史无前例的规模
问什么都能答，答得还像那么回事
但问题质量和判断力呢？
人们题的能力，并不会因为 AI 的出现而自动提升
当然，判断答案靠不靠谱的能力，也没有
知识储备变大了，问题质量和判断力没跟上认知结果不会变大，甚至....可能变小
因为知识太容易获得，提问和判断的能力反而在退化
这就是很多人用 AI 用出问题的原因：
不是 AI 不行，是问题质量和判断力没跟上
什么是「问题质量」
「帮我写篇作文」
「我这篇作文第二段的逻辑断了，你看看怎么接上」
两个问题，质量差很远
第一个问题把认知外包了，第二个问题在用 AI 解决具体问题
问题质量高的人，能把模糊的困惑变成锋利的问题
低的人，只会说「帮我搞定」
AI 不会帮你提高问题质量，那是你自己的事
什么是「判断力」
判断力不是「信不信 AI」，是校准
信任太低：不敢用，错过工具
信任太高：不核查，被错误信息带跑
判断力强的人知道什么时候该信、什么时候该疑、怎么验证
AI 输出的东西，哪些大概率对，哪些要查一下，哪些根本不能信——这个判断，比会用 AI 更重要
AI 不会帮你提高判断力。那也是你自己的事
三种模式
围绕问题质量和判断力，有三种用 AI 的模式：
Minus AI：不用
有些认知必须走身体。游泳得下水，骑车得摔。背乘法表、练书法、学乐器，神经回路只能靠重复建立
这时候用 AI 没意义，甚至有害
Plus AI：协作
AI 当陪练，不当代笔。你问，它答，你追问，它修正
这个模式能提高问题质量。因为你得想清楚怎么问，才能得到有用的回答
Times AI：重构
理解 AI 正在改变什么叫知识。记住一个事实的价值在下降，判断一个事实真不真的价值在上升
这个模式能提高判断力，因为你得建立新的判断标准
三种模式，是切换，而非选择
场景不同，模式不同
回到公式
认知结果 = 问题质量 × 判断力 × 知识储备
当知识储备不再是瓶颈
问题质量和判断力，才是这个时代真正稀缺的东西
热门跟贴