李飛飛警告：AI 最大風險不是作弊，而是奪走學生的主動思考權

人工智慧在校園中的角色近來再度引發討論。有「AI 教母」之譽的李飛飛在 Podcast 節目中指出，AI 對教育最大的風險並不是外界最常談論的作弊問題，而是它可能奪走學生主動思考與學習的動機。

作弊之所以成為公共討論的焦點，是因為它最容易被觀察與量化——作業是否由 AI 生成、考試是否有外部協助，都是可以被偵測與規範的行為。學校因此投入大量資源在偵測工具、考試形式調整與學術誠信規範上。這些努力有其必要，但李飛飛的觀點指向一個更難處理、也更根本的層面。

學習的核心過程在於「與困難搏鬥」。當學生面對一個尚未理解的概念、一道解不開的題目，那段掙扎的時間正是認知結構重組發生的時刻——嘗試錯誤、發現盲點、重新建構理解框架。這個過程往往令人不適，卻是深度學習的必要條件。而 AI 的即時可得性，恰恰移除了這段不適：只要一個提問，答案立即出現，掙扎的階段被跳過了。

問題在於，跳過掙扎的代價不會立即顯現。學生仍然能完成作業、通過測驗，甚至展現出對內容的表面熟悉度；但那種只有透過自行推導才會建立的直覺、對概念邊界的敏感度，以及面對全新問題時的解決信心，都無法透過閱讀 AI 的答案取得。這種能力的缺失，往往要到進入真實的研究或工作情境才會暴露。

「主動思考的動機」則是更深層的憂慮。學習動機的來源之一，是解決問題後的成就感；當獲得答案變得毫不費力，這種回饋迴路便被破壞。長期下來，學生可能不只是失去某些能力，而是失去想要自己弄懂的意願——這是難以透過課程設計或規範來修復的。

不過，這個問題並非無解，關鍵在於使用方式的設計。把 AI 定位為「隨叫隨到的答案機」與定位為「會反問你的討論對象」，對學習的影響截然不同。後者要求 AI 不直接給出答案，而是提出引導性問題、指出推理中的漏洞、要求學生說明自己的思路。這種用法在技術上完全可行，但需要教育者主動設計，而非放任預設的互動模式。

這也對教育體系提出了實質的改革壓力。當獲取資訊與產出文字的成本趨近於零，以「能否產出正確答案」作為評量核心的做法便失去意義；評量必須轉向那些 AI 難以替代的能力——問題的提出、判斷的品質、以及在不確定條件下的決策。

後續觀察重點包括：教育機構在 AI 使用規範上的調整方向、以引導式互動為設計目標的教育型 AI 工具發展，以及學習成效評量方式的實質改革。