奥特曼回斯坦福认错：思考外包给AI，一代人大脑正在萎缩
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。
AI外包，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，为什么没来
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」。
机器能写，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。
今天的考试还在考什么？
记忆、标准答案、一个人闭卷完成。这三样，刚好是AI最擅长、最能替你代劳的。
当学校还在用「谁记得多、谁答得准」来评价学生，AI已经把「记得多、答得准」变成了零成本的商品。
用一把AI能轻松通关的尺子，去衡量下一代人的能力，量出来的数字还剩多少意义？
这才是奥特曼真正焦虑的地方：学生用不用AI不是最要紧的，会不会验证AI，才要紧。
比过度依赖AI更让人担心的，是用了AI却不会验证，把机器吐出来的东西照单全收。
如果让这股惯性再拖三年半，一代人慢慢丢掉独立思考的训练场，等回过神来才发现：已经不太会自己想事情了。