Howard Gardner：AI 逼的不是教學工具升級，而是教育重新定義自己要培養什麼

關於 AI 與教育的討論，多數停留在方法層次：該不該用、怎麼用、如何防弊。而提出多元智能理論的心理學家 Howard Gardner 把問題推回更前面——AI 真正逼我們處理的，是教育的目的本身。

他的論點建立在一個觀察上：教育體系的目標長期由「稀缺什麼」決定。在知識取得困難的年代，教育的核心任務是傳遞知識；在需要大量標準化人力的工業時期，重心轉向紀律、程序與可靠的執行。而當知識隨手可得、標準化認知工作大量自動化，繼續用同一套目標運作的教育，培養的是一批市場已不需要的能力。

Gardner 認為需要被重新提到核心的，是幾項難以自動化的人類特質。其一是判斷與品味——在無數個都說得通的選項中，決定哪一個值得做。這需要價值觀，而價值觀無法從資料中推導出來。其二是綜合能力：把跨領域的片段整合成有意義的整體，這正是他長期主張的「綜合心智」（synthesizing mind）。其三是倫理承擔——為自己的決定負責，而責任在定義上就無法委託給系統。

這個框架對課程設計的意涵相當直接。若目標是判斷力，課程就必須包含大量沒有標準答案的情境；若目標是綜合能力，分科教學的比重就必須下降；若目標是倫理承擔，學生就需要在真實的、有後果的決定中練習，而非只在紙上討論假設情境。

Gardner 也提醒了一個常見的誤區：把「重新定義目標」誤讀為「不再需要知識基礎」。他的主張正好相反——判斷與綜合都建立在紮實的領域知識之上，一個什麼都不懂的人無法判斷 AI 給的答案是否合理。差別在於知識不再是終點，而是達成更高階能力的必要條件。

值得注意的是，這個層次的改革遠比導入工具困難。採購一套 AI 系統可以在一學期內完成；而重新界定「我們要培養什麼」需要跨科系的共識、評量制度的配合，以及對既有課程結構的實質更動。

對台灣的教育改革而言，這個提醒相當切題。素養導向課綱在方向上已呼應了 Gardner 的主張，而落差多半出現在評量與升學制度——當目標寫的是判斷與整合，而衡量方式仍以標準答案為主，改革就只會停在文件層次。