吴恩达呼吁使用AI生成练习，而非提供答案

在最新一期的 Silicon Valley Girl 播客中，人工智能领域的先驱吴恩达提出了一个日益凸显的风险：如果让生成式模型直接给出完整答案，学习者会绕过必须的思考过程，从而削弱对知识的长期记忆和深度理解。

直接给答案的 AI 如何侵蚀学习效果

吴恩达将提前获取 AI 生成的解答比作在孩子尚未熟练掌握乘法表之前就交给他一台计算器。他指出，过早依赖计算器会抑制算术流畅度，同理，AI 提供现成答案会限制概念的自然发展，使学习者失去自行推理的机会。

他引用自己的观察数据，发现那些在作业中频繁使用 AI 完成题目的学生，虽然在短期测验中得分提升，但在随后的长期记忆测试中表现明显下降。短期的成绩提升被缺乏独立运用概念的能力所抵消。

认知外包的个人经历

吴恩达分享了自己的“认知外包”经历：他曾在工作中向 AI 索取快速的技术答案，以便加快项目进度，却在六个月后再次面对相同的问题，因为当时并未真正建立起对核心原理的理解。

• 让 AI 生成符合当前课程的新题集
• 使用 AI 调整已有练习的参数以加深练习深度
• 让 AI 提供提示而非完整解答
• 利用 AI 对学生的尝试进行评分并给出反馈
• 将 AI 创建的测验融入日常课堂流程

监督使用 AI 的操作指南

吴恩达强调，未成年人使用 AI 必须在成人的监督和筛选下进行。成人的职责是确保 AI 的输出充当脚手架，而不是拐杖，使学习者仍需自行完成关键的推理步骤。

他并不主张完全摒弃 AI，而是建议学生和专业人士学会与之共建，把技术视作在正确使用时能够提升生产力的伙伴。

据吴恩达透露，最有效的工程师通常会将约 30% 至 40% 的常规任务交给 AI，剩余的工作则集中在 AI 仍难以胜任的领域——包括创意设计、伦理判断以及战略规划。

学习科学专家 Barbara Oakley 也赞同吴恩达的观点。她认为，在保持扎实基础知识的前提下，利用 AI 生成更多练习题能够形成强化循环，既不牺牲学习深度，又能显著提升练习量。

吴恩达和 Oakley 均承认，他们的建议更多基于个人观察和专家判断，而非严格的受控实验研究。因此，这些洞见应被视为指示性建议，而非对所有情境的决定性结论。

对于中文使用的组织而言，实践转变相当明确：AI 工具应被用于扩充练习材料库，而不是取代解题过程。管理层可以制定政策，要求 AI 生成的答案必须经人工审核，默认启用仅提示模式，并让学习指标关注长期记忆而非即时测试成绩。

此类政策既能兼顾批判性思维的培养，又能充分利用 AI 在效率上的优势，为学习者提供更可持续的成长路径。

在实际操作层面，教师可以定期审查 AI 生成的练习题质量，确保其与课程目标保持一致，同时鼓励学生在完成练习后自行检验答案，形成自我纠错的循环。

总之，吴恩达的呼吁提醒我们：AI 是强大的工具，但必须在正确的框架下使用，才能真正提升学习效果而非削弱认知能力。