教育不能只训练人指挥机器完成任务,还要让人有能力判断:什么值得做,何时应该停,结果由谁承担。
回到本专题开头那座纸桥。在这间设想中的未来实践教室里,学生要让模型桥承受更大的重量。机器人可以切割材料、检查尺寸、演示连接,还能解释为什么某个结构容易失稳。到下课时,每组都交出了一座漂亮的桥。
老师面对的难题才刚刚开始:这座桥证明了学生会设计,还是证明了他身边的系统很能干?
本专题从“谁还需要课堂”出发,经过真实学习、学徒成长、教育机会与信任,最后必须回答这个问题。Physical AI 可以把许多教学支持变得随时可用;如果评估方式不变,它也可能把“任务完成得很好”与“学生成长了多少”之间的距离拉得更远。
学校最危险的退路,是寻找机器暂时不会的技能
今天说机器不会写文章,明天说它不擅长动手,后天再说它缺少某一种创造力。把课程的合理性押在技术当前的短板上,会让教育追着产品更新跑。
我更愿意从人的责任出发:即使机器做得更好,人依然需要理解自己接受了什么建议、放弃了什么选择,以及结果会怎样影响别人。
这不是给基础知识让路。恰恰相反,没有足够的数学、语言、科学和历史知识,所谓批判性思维很容易退化成“我感觉不对”。要发现桥的设计不合理,学生至少要知道力、材料和测量是什么意思;要识别一条貌似可信的解释,也要有可以对照的知识。
机器越善于给出流畅答案,学校越需要帮助学生建立有结构的理解。记忆的用途可以改变,理解的成本不会因为答案免费就自动消失。
共同工作坊里的三次决定
给学生保留真正需要自己做的部分
在模型桥项目中,我会把一个任务拆成几个必须由学生承担的环节:先写出预测,说明证据;再使用工具制作;面对测试结果,解释原先判断哪里错了;最后更换一个条件,重新设计。
机器人可以让材料准备、重复演示和某些安全操作更容易获得,但不能因此替学生拿走所有犹豫、试错和解释的机会。具体动作是否适合交给儿童,仍须由年龄、设备风险和教师监督决定。
这不是单纯歌颂动手。忙着拼装并不必然产生理解,观看高质量示范也不等于被动无效。关键是学生有没有形成预测、获得反馈,并据此修正自己的认识。
2014 年,Freeman 等人综合了 225 项本科 STEM 教学研究。涉及考试与概念测验的 158 项研究中,主动学习的平均表现优势为 0.47 个标准差。这支持认真设计学生参与,而非只依赖讲授;它不是关于儿童机器人教学的试验,也不能用来预测买一台机器人的提分幅度。研究摘要
Physical AI 的教育价值,应当在这样的教学机制里接受检验。一个动作更漂亮的机器,如果只让学生成为更舒服的观众,并没有自动完成教育创新。
两种考试,都需要保留
我建议同时保留“有工具的能力”和“必要时独立完成的能力”。这是课程设计提案,不是已经确立的通用标准。
有工具的任务,看学生能否提出问题、分配工作、检查结果,并负责任地使用机器。独立任务则撤去关键提示,让学生解释原理、发现故意设置的错误,或完成一个难度合适的新变式。
两种评价回答不同问题。前者接近真实协作环境,后者帮助确认能力有没有留在人身上。不能只考闭卷,把现实工具全部排除;也不能只看最终成品,把机器的能力全部算到学生名下。
在多人项目中,还需要看谁提出了关键判断,谁复核了风险,谁修正了错误。评分应承认不同的参与方式,而不是只奖励声音最大、最熟练操作设备的人。对有不同学习和辅助需求的学生,也应提供合理支持,不能把“独立”误解为所有人必须使用同一种身体动作、同一套工具。
从知识到负责任的行动
合作与责任,不是给技术课程加的一段鸡汤
一台搬运机器人挡住了轮椅通道,模型桥测试消耗了别人准备的材料,小组为了赶进度跳过安全检查。谁应该发现,谁有权叫停,谁负责说明发生了什么?
当智能能够直接改变物理环境,这些问题成为任务本身的一部分。责任不能留到机器人完成动作之后再讲,合作也不能只用“分成四人小组”来代替。
UNESCO 在 2024 年提出的学生 AI 能力框架,包含四个维度、十二项能力,并设置理解、应用、创造三个进阶层次。它把人本思维与伦理纳入框架,说明教育目标可以超出操作熟练度;这仍是一套指导框架,不是每所学校已经实现的教学成果。UNESCO 框架
我想补充的,是把责任落进可观察的活动:学生能否说明数据来自谁,能否识别设备权限的边界,能否在同伴不同意时协商,能否在系统很有把握时仍要求验证。
这些能力不会因为贴上“人类独有”的标签而得到保护。它们值得学习,是因为人必须参与决定共同生活的规则。
课堂可以改变,公共教育的承诺不能缩水
有人会反驳:如果每个人都有足够好的私人导师,为什么还需要把学生集中在学校?
这值得认真讨论。部分知识讲解和技能练习,完全可能离开固定教室、固定时间表。学校可以减少无意义的等待,把更多时间用于项目、讨论、实作和个别支持。
但一对一的优化,也可能让每个孩子生活在为自己调整的反馈环境里。公共教育还需要让人接触不同经验的人,面对并非围绕自己设计的规则,学习在共同资源有限时协作。这是我主张学校继续承担的公共任务,并非机器人无力提供任何社会学习的断言。
OECD 的学习罗盘把学生能动性与共同能动性纳入教育愿景,强调学习者主动确定方向,而非只接受既定指令。这为“课堂之后”提供了一个比设备采购更大的尺度。OECD 学习罗盘
我的预测是:如果 Physical AI 真正降低了实践指导与即时反馈的成本,学校将越来越难以仅凭提供讲解来证明自己的价值。它需要更清楚地说明,怎样让知识成为判断,让练习成为能力,让协作成为责任。
课堂之后,最该增加的不是机器替学生完成的事情,而是学生有能力自主决定的事情。
模型桥及机器人通道场景为教学设计示例;研究数据不被外推为机器人部署效果。全文区分教育目标、设计提案与有条件的未来判断。
