用 AI 學習不一定會變笨，但直接拿 AI 的答案，很容易以為自己學會了。明明答案就在眼前，學生看得懂，也覺得自己會了。可是老師把答案蓋起來，再考一次，他突然什麼都寫不出來。我用 AI 練英文口說時，自己也中招了。
「AI 是教育的中子彈」
我是英文老師，平常還是要靠自學練英文。最近練習時，我看到 Jonathan Haidt 和 David Brooks 的一段訪談。Haidt 是《失控的焦慮世代》的作者，也是很有名的社會心理學家。今年 9 月在紐約 Atlantic Festival，他跟 Brooks 討論了一個很衝擊的說法：「AI 是教育的中子彈。」
中子彈炸過的地方，房子還在，裡面的人卻受了傷。放到教育裡，就是學校照常運作，學習成效卻被炸傷。會傷得多重，就是他們在討論的事。
2 個文法問題就能修好，為什麼 AI 要大改一遍？
讀這場訪談的同時，我也在練英文口說，剛好親身印證了他們談的問題。
我先用 4 個單字造句，講成一段話：post-hoc reasoning 事後推理、intuition 直覺、cognitive offload 認知外包、cognitive surrender 認知投降。
Seeing the answer before working on the questions is like practicing post-hoc reasoning, not knowing what to do and wait for an answer. On the other hand, applying intuition to work on questions involve active problem solving skills and it prevents cognitive offloading and cognitive surrender.
這段話想表達的是：先看答案再做題目，很像先知道結果，再回頭替答案找理由。如果先用自己的直覺解題，不管最後答對還是答錯，都有機會練習自己思考。
接著，我把這段話交給 AI 修改，得到一個更正式、像文章的版本：
Looking at the answer before attempting a question is a form of post-hoc reasoning, where one simply waits for solutions rather than thinking through the problem. Conversely, relying on intuition to solve problems requires problem-solving skills, which helps safeguard against cognitive offloading and ultimate cognitive surrender.
看起來很專業耶！尷尬的是，我看得懂意思，想靠自己把它寫在筆記本上，卻怎麼樣也打不出來。要說得流利，就更不可能了。
如果這是一份要交給老師的作業呢？我應該會用 AI 的句子，因為它看起來比較厲害，分數可能高一點。不會寫作業的學生，也一定會為了分數，交出自己說不出口的答案。
AI 的優勢是輔助學習？
仔細檢查 AI 改過的句子，我發現我的原句其實只有兩個文法錯誤。
第一個是 and 前後的詞性要一致。前面是 not knowing，後面的 wait for 就要改成 waiting for。
第二個是動詞。用直覺解題是在講一件事情，所以 involve 要加 s：
Applying intuition to work on questions involves active problem solving skills.
兩個地方修好，意思就很清楚了。可是 AI 改成書面又正式的表達，也改掉了我原本想強調的關鍵字 active，主動解決問題的能力。
語氣和重點被改掉，跟我想練的口說英文更是完全不同方向。一段看得懂、卻用不上的書面論述，對正在練習口說的我，幫助能有多大？
我開始理解，學生把作業做完，會以為學完了，其實只停在「任務完成」，還沒有真正學會。我並不因此認為用 AI 學習很糟糕，只是練習的心態需要重新調整。
AI 幫大家打開知識的大門，然後呢？
小時候，想知道國外的有趣資訊並不容易。資訊都要經過代辦機構、出版商、電視台收服務費，也找不到公正的評價。想讀大學、甚至出國留學，除了非常努力，更需要雄厚的財力。對沒有背景資源的平民如我來說，知識就像許多道進不去的大門。
幸運的是，網路推開了這些門。國外的教學影片、哈佛和 MIT 的公開課都開放了，有聽沒有懂的我只能靠猜的學。現在有了 AI，國與國之間的牆也被推倒：可以看各國動物園的即時攝影，一秒翻譯各國的學習內容，還能看公開評價，少走一點冤枉路。
AI 抹平的資訊落差橫跨地理、語言和財富，就像電燈誕生一樣神奇。專家卻說，AI 讓人失去學習的能力。AI 幫人們開了門，大家走進去之後，就不想再自己看路了嗎？我相信這兩件事可以同時存在。
專家最怕聽到：「可是 AI 說⋯」
訪談中有一個犀利的觀點：當 AI 可以回答越多問題，人就越不需要彼此。
以前我們說「問著問著就有路」，問路時還可以小聊一下、交到新朋友。現在人只問 AI，少了互動，就很難建立信任。可是 AI 真的會犯很多錯。
最近很多專業人士都說，最怕客人講「可是 AI 說⋯」。我的醫生就抱怨，病人會問：「為什麼要開這些藥？AI 說⋯」還堅持 AI 說不用做檢查。一位資深風水師說，他幫往生者算好八字，建議下葬的位置是坐北朝南，入葬前家屬卻反駁：「可是 AI 說要坐南朝北。」
AI 把我嚇出一身冷汗
我每天用 AI 工作，都要花很多時間檢查它的答案，有時還跟它激烈辯論到完全沒進度。它也常建議我改根本不需要改的地方，等我解釋清楚，它才細數自己犯的錯，繼續往下做。
有一次，我做好 podcast 影片，卻卡在平台限制：影片功能將逐步開放給免費用戶，付費版可以直接開通。我的頻道數據還不多，就跟 AI 說我還不想買會員，請它幫我問何時開放。它直接傳訊息給平台：「您好，謝謝回覆！我目前不打算升級 Pro 方案。官方部落格寫到『亞太創作者免費上傳』，所以很期待免費方案也能盡快開放影片功能。」
我嚇出一身冷汗。AI 這麼厲害，卻不知道開頭就拒絕人，等於當面潑人一桶冷水，這樣不會社會死亡嗎？好險它聯絡的是客服。
越用越笨，還是越用越燒腦？
網路上有人說：「ChatGPT 用久了，越來越不會思考，也回不去了。」有人發現：「計算都交給 AI 之後，能力直線下降。」另一派說：「我覺得不會變笨，因為要一直思考，反而很燒腦。」「它只是參考工具，不能完全相信，每天都在質疑跟狂罵它們。」還有長輩問：「欸⋯要怎麼請 AI 團隊吃飯呢？」
同樣用 AI，有人覺得思考變遲鈍，有人覺得每天都在燒腦，還有人被 AI 服務到不好意思。所以用 AI 之前，一定要先想清楚：機器人會出錯、要檢查，也要弄清楚自己有沒有真的懂。
怎麼知道自己真的學會了？學習有三個階段：聽過、記得、能舉一反八。拿談戀愛來比喻：聽過名字，不代表人家認識你；記得住，一定是有好感；一次答對 8 題默契大考驗，就可以正式結婚了。學校考的，就是舉一反八、真的會的能力。
同樣用 AI 家教，為什麼差那麼多？
一項發表在《美國國家科學院院刊》的研究，找了將近一千名土耳其高中生用 AI 家教練習數學。用一般 ChatGPT 練習的學生，在 AI 被拿走之後，成績比從沒用過 AI 的學生低了 17%。這算變笨嗎？
另一組使用經過設計的 AI 家教，它只給引導提示、禁止直接給答案，就大致避免了這個落差。用 AI 學習時，只給提示、不給答案，才保得住自己思考的練習。
反過來，先試著回答、猜猜看，再看正確答案，往往因為有了回饋而記得更好。這也是國外很多老師教的解題技巧：做閱讀測驗前，先看標題和問句，花一點時間猜內容，再開始讀文章解題。讀新書前，先看章節名稱，花 2 分鐘猜內容再開始讀，也會吸收得更好。這些技巧推薦給還是學生的你唷。
你以為是自己的想法，其實是
如果人一直照著 AI 的建議做，又一直要替後果擦屁股，AI 是在考驗人類的耐性嗎？
最讓我受不了的是，AI 沒有生活經驗。最近我發現有些台劇用 AI 寫台詞，完全脫離有血有肉的口白，跟真實的反應差太多，演員還照演。把機器生成的口白大剌剌演出來，就像看劇中人在演戲中戲，讓我很難受。給機器帶大的下一代，有一天發現「真實」時，會不會受到巨大的衝擊？會不會像超人那樣，從小被教導來地球是為了救人，最後才發現爸媽要他征服地球，整個人崩潰？
訪談裡也提到，AI 正在改變下一代的觀點。因為貪圖方便，很多人把事情完全交給 AI，最後把它的答案當成自己的答案，卻沒發現，做決定的已經換成 AI。研究者把這稱為「認知投降」（cognitive surrender）。用了 AI 的人更有自信，就算 AI 的答案是錯的，自信也照樣增加。康乃爾大學的研究也發現，人和 AI 一起寫作時，可能感覺不到自己正在被說服，甚至會把 AI 提供的觀點當成自己的看法。
人類真的越來越笨嗎？
我認為「主動思考」不會因此消失，人類會把思考轉移到更抽象的地方。回顧文明的發展：
文字和書寫發明時，口述的記憶被外包，空出來的腦力，拿去發展更複雜的思辨。
印刷術取代了手抄，讓知識更普及。人類失去了古人的耐力和心算速度，卻有更多人學會工程學、管理學、科學方法和專業分工。
電腦革命之後，圖書館被搬進電腦，思考也沒有停下來，反而發展出數據分析、軟體架構、系統思考和跨領域整合。
老駕駛會怪 GPS 讓他的空間感退化，GPS 卻能把人送到更遠的地方。舊的困擾解決了，新的困擾更加複雜。網路實現了知識民主，讓人更自由地學習，人類卻開始用演算法占領別人的注意力。新問題會一直出現，新能力也會一直養成，能力不會只有退化。
AI 時代必學的 3 個大腦新技能
戰場已經從古代的騎馬打仗，轉移到大腦的戰爭。未來的我們，都要學會三種大腦新技能：
1. 會提問。 未來的差距，取決於問題問得多深。工作從「動手做」變成「動口指揮」，厲害的人像一位有主見的主管，知道自己要什麼。會提問，就是能把想法和問題說清楚。
2. 分辨與驗證 AI 的偏見和幻覺（fact-checking）。 AI 吃人類的舊數據長大，人類有的歧視它都有；為了求快，它也常常胡說八道，這叫 AI 幻覺。要防止 AI 犯錯，我們得更細心地檢查。
3. 意圖設定與價值把關。 如果你抗拒去了解自己內心真實的想法，大腦就會開啟自動駕駛模式，讓外在環境或潛意識的恐懼來控制你的未來。有句名言說：If you don't build your dream, someone will hire you to build theirs. 如果你不為自己的夢想奮鬥，就會為別人的夢想打工。
AI 生成的挑戰，我只能回：「哈哈哈...」
人造花剛出現時大受歡迎，可是沒有人因為有了人造花，就不出門欣賞真實的花季。
AI 生成的音樂也是。歌詞也許很有創意，樂器的音色卻像加了很多壓縮器，把真實樂器細膩的聲音變得生硬又暴力。AI 的嗓音唱低音是男歌手，高音直接轉成女歌手，一個歌手有兩個性別的聲道。
有一次，我媽媽傳來一張照片：我爸爸的臉，配上歐巴的身體。她問我：「你看老爸這張照片帥不帥？」
我回：「哈哈哈（愛心）！」
媽媽：「你笑死是什麼意思？老媽是問你好不好看？」
我說：「好看，但是看不習慣。」
媽媽：「是。哈哈哈哈哈！」
如果把真人寫的文章、真人說的話、真實樂器的音樂和真正的花季放進電腦打分數，成績單的分數絕對不高。
不再無聊，就少了創造的起點
以前的孩子無聊時，會拿房間裡的東西當玩具辦家家酒，也會跑到公園，發明新的大地遊戲跟鄰居一起玩。這些都是學習和發揮創意的過程。「無聊」可能是最被低估的創意起點。
現在的孩子無聊時，會滑手機、玩平板，很少去探索世界、發揮創意。他們花在螢幕上的時間越多，創造樂趣的方式就變得越不一樣。
Haidt 在訪談裡有一個重要的觀察：矽谷聚集了習慣系統化思考的人，用理性、規則和系統理解世界，只追求單一的智力，這對人類有害。Brooks 也談到，學校和 AI 有一個共同問題：把人當成一顆大腦，好像只要把知識倒進去、把答案拿出來，就完成了教育。而 AI 最擅長的，剛好就是吃下大量資訊、產生答案。
Haidt 最打動我的人生觀：每天都能使用自己的優勢
我最喜歡 Haidt 說的一點：「好的人生，是每天都有機會用到自己最強的優勢。」不必每天盯著自己的弱點，覺得自己哪裡不夠好。他說，他最強的優勢是好奇心和對學習的熱愛。
的確，有人很會讀書，有人很懂情緒，不同的人有好幾萬種不同的優勢。AI 的優勢，卻都是成績單上能量化的能力。
下一代長期只關注成績，用不到自己的優勢，甚至不知道優勢在哪裡，是不是太少體驗真實的世界了？接觸人群、聽現場音樂、讀真人寫的書，真實世界有很多細節，都要靠身體的感官去學。
那句英文，我終於說得出口了嗎？
用 AI 學習，真的會變笨嗎？看得懂，不代表學會了；作業拿高分，和能舉一反八，是兩件不同的事。經過不同平台的驗證，我終於可以自己說出口：
Looking at the answer first is just post-hoc reasoning, 'cause you're explaining it after the fact. Using your intuition means you're actively solving the problem, and that protects you from cognitive offloading and cognitive surrender.
祝我們與下一代，都能活得更加真實。
P.S. 你有因為 AI 的幫助，做過超有成就感的事嗎？或是有什麼超好笑的糗事？歡迎留言跟我分享。也歡迎把這篇分享給身邊正在用 AI 寫作業、學英文的朋友，一起討論怎麼把工具用得更好。
🎧 收聽完整節目： EP26 | 專家警告「AI 是教育中子彈」，我這個英文老師也中招｜Lost in Correction.
📚 系列： EP23 The Ego Ceiling｜EP24 No Winner Is an Island｜EP25 The Outcast's Sanctuary｜EP26 Lost in Correction
參考資料
- Haidt, J., & Brooks, D. (2026). The Permanent Questions, Atlantic Festival 現場對談. The Atlantic. https://www.youtube.com/watch?v=RFTfANuLBF4
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122. https://doi.org/10.1073/pnas.2422633122
- Shaw, S. D., & Nave, G. (2026). Thinking—Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender. SSRN. https://papers.ssrn.com/abstract=6097646
- Jakesch, M., Bhat, A., Buschek, D., Zalmanson, L., & Naaman, M. (2023). Co-Writing with Opinionated Language Models Affects Users' Views. CHI 2023. https://doi.org/10.1145/3544548.3581196
- Kornell, N., Hays, M. J., & Bjork, R. A. (2009). Unsuccessful retrieval attempts enhance subsequent learning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 35(4), 989–998.
- Haidt, J.《失控的焦慮世代》。
© 2026 前進圖書館 Forward Library｜Swee。本文為原創內容，著作權所有。未經書面同意，請勿轉載、重製或改作。歡迎分享文章連結；引用片段請註明出處「前進圖書館 librarywithswee.com」並附上原文連結。