吳恩達呼籲以 AI 產出練習題，而非直接提供答案

吳恩達在 Silicon Valley Girl 播客的警示

在最近一集 Silicon Valley Girl 播客裡，AI 先驅吳恩達指出一個日益嚴重的風險：生成式模型直接提供現成答案，會因為繞過解題所需的思考過程，而削弱學習效果，這一觀點引發了教育界與科技產業的廣泛討論。

為何直接給答案的 AI 會損害學習

吳恩達將過早取得 AI 生成解答比作在孩子尚未掌握基本乘法前就給予計算機。他說，正如過早使用計算機會阻礙算術流暢度，AI 提供答案亦會阻礙概念發展，使學習者失去逐步建構知識的機會。

他觀察到，依賴 AI 完成作業的學生短期成績會提升，但長期而言，對知識的保留卻大幅下降。短暫的提升被缺乏自主應用概念的能力所抵消，導致學習者在面對新情境時無法靈活運用所學。

認知外包的個人經驗

吳恩達分享了自己的「認知外包」經驗：他先向 AI 索取快速技術答案以繼續工作，結果六個月後仍會再次提出同樣問題，因為根本的理解從未建立，這種循環讓他深感 AI 可能成為思考的捷徑而非助力。

• 請 AI 生成符合當前課程的新題組
• 利用 AI 變換既有練習的參數以加深練習
• 讓 AI 提供提示而非完整解答
• 使用 AI 為學生的作答進行評分與回饋
• 將 AI 產出的測驗納入日常教室流程

受監督的 AI 使用指南

吳恩達強調，兒童應在成人監督與篩選下與 AI 互動。成人的角色是確保 AI 輸出充當支架，而非拐杖，讓學習者仍必須自行完成推理步驟，這樣才能在支援與挑戰之間取得平衡。

他並不主張完全放棄 AI，而是建議學生與專業人士學會與之共建，將其視為能在正確使用時提升生產力的合作夥伴，從而避免依賴性過深。

根據吳恩達的說法，最有效的工程師會將約 30% 至 40% 的例行工作委派給 AI，將人類專長保留在 AI 尚未掌握的領域——創意設計、倫理判斷與策略規劃，這樣的分工能最大化雙方優勢。

學習科學專家 Barbara Oakley 也呼應了吳恩達的觀點。她認為，在保有基礎知識的同時，利用 AI 產出更多練習題，可形成不犧牲深度的正向強化循環，提升長期記憶與概念遷移能力。

吳恩達與 Oakley 均說明，他們的建議來自個人觀察與專業判斷，而非受控實驗研究。因此，這些洞見屬於指示性而非普遍適用的結論，需要教育者自行驗證與調整。

實務落地與政策建議

對於華語地區的教育與企業而言，實務轉變相當明確：AI 工具應用於擴充練習素材的池子，而非取代解題過程，這意味著教師需設計審核機制，確保 AI 生成的內容符合教學目標。

管理層可制定政策，要求 AI 生成的答案必須經過審核、預設僅提供提示模式，並以長期保留率而非即時測驗分數作為學習成效指標，這樣的指標轉換有助於培養批判性思維。

此做法能保護批判性思維，同時發揮 AI 的效率優勢，讓教育者在節省時間的同時，仍能確保學生經歷必要的思考過程，最終提升整體學習品質。

在台灣本地的教學環境中，已開始有學校試點將 AI 生成的練習題納入課堂作業，並透過教師的即時回饋調整難度，初步結果顯示學生的概念掌握度有明顯提升。