设想一节未来的科学课。孩子要让一座纸桥承受更重的物体。机器没有先讲答案,而是递来不同形状的纸条,移动支点,等他预测哪座桥会先塌。桥塌了,机器人也没有替他修好。它把刚才的受力位置标出来,让他再试一次。
这是一个设想中的教学场景,还不是我们可以宣布已经普及的现实。但它提出了一个值得认真对待的问题:当智能既能解释世界,也能调整孩子正在操作的世界,课堂的哪些部分还必须保持原样?
过去,学习常常围绕一个稀缺资源组织:能够讲清知识、判断错误并及时反馈的人。班级让一名教师同时服务许多学生,也要求不同的人在相近时间接受相近内容。屏幕里的 AI 已经开始降低获得讲解的门槛。Physical AI 则可能继续改变练习发生的地方,以及反馈怎样抵达学习者。
受到挑战的,是课堂作为学习默认容器的地位。
给老师装一个身体,不等于让学生学得更好
这里的 Physical AI,指能够感知物理环境,并通过实体装置采取行动的智能系统。它未必要长成人形:一个可安全交互的机械臂、一套能调整阻力的训练装置,也可能承担教学功能。
与屏幕相比,实体系统潜在的不同,在于它能改变实验条件、展示动作关系、与学习者共同操作物体。孩子说“这个不稳”,系统可以知道他指的是哪个支点;学员装配零件时,系统可以观察工具的角度,而不只检查最后提交的答案。
但这些都是需要在具体任务中验证的能力,不能从产品演示直接推导出学习效果。一个会点头的机器人,可能只是更昂贵的视频播放器。
一项纳入 193 名荷兰五岁儿童的英语词汇研究,比较了七次教学中的机器人配合平板与仅用平板等条件。这些教学条件的整体词汇学习效果没有显著差异;不同能力背景的儿童,反应也不相同。这意味着,“增加一个身体”没有在这项任务中自动产生普遍优势。它也不能证明机器人在动作技能等其他任务中无效。研究原文
因此,最值得追问的可能是:学生的身体参与了什么,而不只是机器有没有身体。
关于角动量学习的一项研究发现,亲身体验物理作用力能够帮助学习。那项研究并非机器人教学试验,它支持的是直接经验的价值,不能拿来证明“机器人教师更优秀”。研究原文
机器人需要证明的,是它能否把这种有用的经验,变得更容易获得、更及时反馈、更适合反复练习。
从解释世界,到操作世界
真正可能被重写的是练习
设想一个职业训练场景:学员练习装配,系统发现他不断以错误角度用力。一次好的介入,是把危险动作及时停下,再让他比较两种角度的差异。一次失败的介入,则是机器替他完成全部动作,留下一件漂亮产品和一个没有形成技能的人。
这里的教育价值来自教学设计。何时演示,何时提示,何时允许可控的错误,何时必须立即停止,都比外壳像不像老师更重要。
我的预测是,实体教学系统更可能先在某些动作、空间和材料反馈重要的任务中证明价值,而不是从所有学校的讲台开始。这个判断可以被检验:同样的学习目标、相近的投入,比较它与普通教具、屏幕辅导和教师支持,究竟多带来了什么。
如果屏幕加一套便宜教具就能达到同样效果,学校没有理由为一个会移动的外壳支付溢价。如果教师必须不断校准、排障、收拾设备,所谓“解放教师”也可能只是把教学劳动换成了维护劳动。
最强的反对意见:课堂本来就不只是讲课
这是对的,而且是所有“课堂即将消失”论述必须面对的反方。
课堂可以是儿童共同生活的空间。学生在这里学习等待、争论、解释、合作,以及面对一个不会永远顺着自己的同伴。学校还提供照护、稳定的时间结构、可信赖的成年人和公共资源。很多优秀教师早就在组织探究、讨论和动手活动。
一台个性化机器,并不会自然产生公共生活。若每个学生都面对一个永远适应自己的系统,学习的某些部分或许更高效,共同协商的机会却可能减少。效率提高了多少,不能回答失去了什么。
所以,课堂仍然可能是最合理的集体组织方式。但它必须重新解释:为什么这些人需要此刻在一起?他们一起做的事,是否比各自接受讲解更有价值?
这会改变教师的工作重心。讲解仍然重要,但更稀缺的可能是选择值得解决的问题、判断学生为什么受阻、安排不同能力的人合作,并对整个学习过程承担责任。系统可以提供建议,不能自动继承这份责任。
谁完成了学习循环?
先要求证据,再购买未来
学校评估一套实体 AI 教学系统,至少应该问四件事:学生离开帮助后能做什么;换一个材料或情境后还能不能做;教师实际省下了多少时间;把维护、安全和使用机会计算进去,总成本是否值得。
这些问题也能阻止一类很容易发生的误判:孩子喜欢它,所以它有效;展示很震撼,所以它值得推广;任务完成得更快,所以孩子学得更多。
未来的学习空间可以更像实验室、工作坊和共同解决问题的场所。某些讲解与基础反馈可以随时发生,集中的时间用来做那些需要真实材料、真实他人和真实责任的事。这是一条可以探索的方向,尚不是一份已经兑现的教育成绩单。
课堂不会因为机器人走进来就失去意义。但如果它的主要价值只剩下集中播放知识,它就必须回答:我们为什么还要坐在这里?
回答这个问题之前,还需要过一道更困难的关:机器在场时,学生做得很好;机器退后以后,究竟留下了多少能力?这是下一篇要讨论的事。
