AI 不会取代伟大的教师

每隔几个月，就有新的标题宣称人工智能即将让教师变得多余。我们不这么认为——这不是留一手的说法，而是Asymptode赖以创办的信念。人工智能将改变孩子学习方式的几乎一切，却不会改变他们向谁学习。

每一条 AI 标题底下的那个问题

问家长在教育里最担心 AI 的什么，他们很少提到失业。他们描述的是更小的事：一个孩子以前会举手，现在不举了；一张成绩单上写着“有能力”，旁边的分数却说不是。一个用平板比任何大人都熟练的孩子，做长除法时还是会哭。

那道落差——工具已变得多么强大，而一个学得吃力的孩子的体验却几乎没有变好——才是真正的故事。AI 令人惊叹，这并无争议；它为了什么而存在、由谁掌握，才有争议。对我们来说，每做一件新东西，这都是一个具体的设计决定：是给导师更多洞见，还是悄悄把一个判断从他手里拿走？

教育此前已经消化过颠覆性的技术——计算器、拼写检查、搜索引擎。每一种都改变了学生不再用手做的事。没有一种改变了学生卡住、或快要放弃时去找谁。AI 是更大的一跃，但这个模式并不新鲜。

这是一位创办人的回答，不是产品推销：为什么教育的未来是被 AI 显著增强的人类导师，而不是被它取代的——以及为什么这个区别会改变一家学习公司应当怎样建起来。

AI 确实已经非常擅长的事

贬低 AI 的能力，和吹大它一样不诚实。过去两年里，它在教育工作的一类事情上变得真正出色：生产。

它能大量生成内容

一份分数加法练习、一个实验报告模板、一段分三个年级难度的阅读材料——AI 几秒钟就能做出来。过去占去老师一个晚上的活儿，如今只要几分钟。

它能批改并给出第一轮反馈

选择题的批改早已自动化几十年。新的是对开放题给出合理的第一轮反馈——指出作文里站不住的论点，或一整套题里反复出现的符号错误。

它能分析一位老师永远看不到的规律

只要数据足够，AI 能注意到一个学生在应用题上丢分而在符号题上不丢，或者错误早在某个概念正式教到之前几周就开始聚集——这是在数百个数据点上真正有用的规律识别。

它能当一个耐心无限的练习伙伴

晚上九点、已经疲惫的家长，对同一道题的第十五次尝试没有多少耐心。AI 不会累、不会叹气、不会看表——而对纯粹的重复来说，这份耐心有实在的价值。

这些都不威胁教学。它们威胁的是那些本来就从不是教学的部分——文书、重复、手工批改。好老师几十年来一直希望这类活儿少一些。

AI 碰不到的那部分学习

AI 做得好的一切，都有一个共同性质：可度量、基于规律、长着内容的形状。真正能让一个吃力的学生动起来的一切，都不是这些。

• 信任——相信纠正你的那个人是站在你这边，不只是在给你打分。
• 鼓励——时机对了，它能把一个错答变成再试一次的理由。
• 情绪的领会——分得清困惑和一个正在关上自己的学生。
• 人的判断——知道什么时候该推，什么时候该简化，什么时候今天就到这里。
• 建立底气——慢慢地、一点一点地证明一个学生是有能力的。
• 陪伴与指引——一种持续数周的关系，不是一次互动。
• 担责——注意到努力悄悄不见了，并且说出来。
• 激发——那种人的东西，让一门学科值得在意。

一个调得好的模型能在措辞里模仿温度。它不能去想要某一个具体的孩子成功——这听起来像哲学，直到你看它在实际中怎么起作用。

就说信任。一个学生会对相处八周的导师承认“其实我一直在装懂”，而这远远早于他对一个聊天窗口说同样的话——不是因为窗口会评判他，而是因为向赢得的信任交心本就不同。那需要有人在留意的反复证明，而任何单独的一节课都造不出来。

鼓励也是一样。笼统的夸奖（“真棒！”）很廉价，学生几周内就会把它打折。重建底气的，是具体而当得起的夸奖——“这是你第一次自己抓住了符号错误。”系统能生成那些字；它无法知道哪一刻值得被看见。

激发往往根本不来自内容。几乎每一个说“我是高一那年突然想通数学的”的成年人，描述的是一位老师，不是一本教科书——是某个让这门学科变成他自己的东西的人。那种影响，是由在场的人一节一节课挣来的。

八项之中，判断和担责最难被取代。判断知道这个学生今天需要被推一把，另一个需要温和。担责意味着对家长说“我们还需要两节课”，哪怕不说更省事。

孩子说“我数学不行”的真正原因

一个十二岁的孩子卡在一道含有变量的题上，做错了。一个 AI 工具会做两件事之一：演示方法，或生成一道更简单的题。两者都没有触到真正在发生的事——这个孩子几周前就认定自己“不是学数学的人”，从那以后每一个错答，在到达他脑子之前，都先经过了这个信念。方法从来不是问题；是这个学生不再信自己能试。

一个能把概念口头讲得明明白白的学生，在纸上仍然写下错的答案——因为拿起笔的那一刻，他就预料自己会错。那不是内容的缺口，是穿着数学外衣的底气问题。

这不是罕见的边缘情形——对大多数自称某一科“不行”的学生来说，这就是常态。成绩突然下滑很少由能力解释，几乎总是由底气解释，而一个只看答案的系统诊断不出来。一个曾经喜欢科学的学生，可能在一次差分数之后就沉默下去，被那一个失误说服了自己不属于这里——而补救办法是反复证明：一次考试并不定义他。

诊断，而不是投递——把伟大的老师与好老师分开的东西

大多数讲授，无论人做还是机器做，都是投递：这是概念，再试一次。伟大的教学是诊断——在重新讲任何东西之前，弄清一个正确的方法为什么没有落下去。

普通的回应解决这道题

它把步骤再走一遍，也许慢一些。学生点头、抄下来，下一道类似的题照样做错——真正的断点从来没有被找到。

伟大的导师解决这个学生

他会问一个和练习纸毫无关系的问题：“把你当时怎么想的，出声说给我听。”回来的很少是方法错误——而是一个可以修好的误解，常常在出错处的好几个知识点之前。

这个四步的过程从外面看不见——它只像“一位好的家教”。那是一项用多年练成的诊断本领，AI 在顺的那天能接近，在难的那天不能可靠地做到。

这件事难以自动化有一个技术上的原因，不只是感情上的。大多数 AI 都被调成要给出一个正确的下一个答案。追根溯源的诊断需要相反的本能——故意先不回答，而提一个只为显露学生在想什么的问题。大多数学习产品并不是为此而建，也不以此来衡量。

在这幅图里，AI 真正属于哪里

这一切都不会让 AI 成为好教学的敌人——而是让它成为一个好助手。正确的问题从来不是“人还是 AI”，而是各自应该做什么。

• 把课备得更好——几秒钟内给出三种解释一个概念的办法，而不是一种。
• 及早认出学习缺口——在错误模式累积之前就提示出来。
• 在重复性工作上省时间——批改、排课、排版——好让一节课里更多的是学生，而不是文书。
• 生成清楚的进展报告——把几周的记录变成家长能读的东西。
• 把练习按人定做——让难度对上学生真正所在的位置。

这些每一项都真实、有价值，今天就值得用。不变的是：要紧的时候房间里是谁——由导师做决定。

写给老师、学校和做教育科技的人

这不只写给家长。老师们几十年来一直要求减少重复性工作，AI 终于能给——只要它拿走的是批改的负担，而不是让他们当初想教书的那部分。一所学校的 AI 预算，最好的用法很少是一个聊天机器人；而是给一位已经很好的老师更多时间和更好的信息。

同样的道理也适用于生意的算账，而不只是教法。取代人际关系的产品，要和孩子设备上的每一个应用争夺使用时间——这是一场多数都会输的比赛。强化这份关系的产品，比的是结果：更难作假，也更经得起往上搭。

因人而异不是一块数据面板——而是一种关系

“个性化学习”是教育科技里最被滥用的说法之一——通常只是一个算法按对错调整难度。那是自适应内容，不是因人而异。真正的因人而异，考虑的是任何面板都捕捉不到的东西：一个今天因为家里的事而心不在焉的学生；一次昨天的成功，意味着今天正是该多推一把的日子。系统对数据作反应；导师对一个人作反应。

技术应当增加因人而异的程度，办法是把更好的信息更快地交给导师——而不是拿走那份把信息变成“对这一个孩子正确的决定”的判断。

设想同一个工具的两个版本。一个在课前提示：这个学生在应用题上丢了分，但符号题做得很好，并把“怎么开场”交给导师决定。另一个悄悄把学生转入一个“应用题”模块，自己把纠正做完。同样的信号——只有一个把人留在了回路里。

那个变成了 Asymptode 的信念

这不是事后采取的营销立场——这正是 Asymptode 以今天的形态存在的原因，它建立在一条约束上：AI 可以做任何让导师把工作做得更好的事；它不能站在导师和学生之间。

在实际做法上，AI 在幕后做准备工作——把每一节录下的课重读一遍，让导师更早发现缺口；起草作业和学习笔记，由导师批准之后孩子才看到——与此同时，每一节课都仍然是一位导师、一个学生、实时进行。没有哪一节课跑在一个机器人形象上；家长读到的进展报告，是从孩子自己的记录里数出来的，不是 AI 写的。

欢迎继续了解我们怎么看待陪伴与指引，以及围绕它建起的课程——也欢迎了解为什么我们早在 AI 进入话题之前就写过为什么一对一辅导有效。它只是把一位好导师能做到的上限抬高了。

每一个产品决定都要过一个问题：这会让导师与学生的关系更牢，还是悄悄取代其中一部分？如果答案是后者，我们就不发布——不管演示看起来多么惊艳。

如果你正在挑选孩子学习的地方，这意味着什么

随着 AI 辅导应用越来越多，问题不是一个产品是否用了 AI——很快几乎所有都会用。问题是这个 AI 在做什么，以及谁仍然为你孩子的进展负责。

直接问：“如果我的孩子晚上八点卡住、心烦，有人看见了吗，还是只有一个算法在调整下一道题？”答案几乎就说明了：这个产品是围着结果建的，还是围着使用数据建的。

一张短清单往往能很快把两类分开，不管你评估的是一个 AI 应用、一家辅导公司，还是一所学校的新学习软件：

• 有一位有名有姓、固定的真人为你孩子的进展负责——不是一个轮班的人力池，也不是一个客服邮箱。
• 你可以向这个人提一个具体的问题，并得到具体、不套话的回答。
• 进展报告描述推理和行为，而不只是分数和连续天数。
• 这个产品能告诉你孩子在哪里吃力、为什么，而不只是他哪道题错了。
• 学生卡住时有一条明确的上报路径，而不只是更多自动生成的练习。

怎样挑选在线数学老师里的同一套道理，也适用于以 AI 为先的产品。如果你的孩子很聪明却仍然吃力，值得读一读为什么聪明的学生会在数学上卡住——再多 AI 生成的练习，单靠它也解决不了。

我们正在建设的未来

AI 会在教育中一切可度量的方面继续变好——内容、批改、规律识别。我们为此而建，不是与之为敌。我们不认为会改变的，是那个把一个吃力的学生从“我不行”带到“我可以”的东西——那永远需要一个注意到他、在意这一个孩子、并且陪着那份困惑直到它解开的人。

有一种未来的版本：教育公司争着把人从回路里拿掉，因为更便宜、扩张更快——结果产出了大量内容和极少底气。我们押注在相反的一边：用 AI 提供的一切能力，让导师准备得更充分、在场得更真切；并且拒绝发布任何悄悄把人从孩子的学习里挪走的东西。

这项工作有一个名字：陪伴与指引。AI 能让它更快备好、更易跟进——但代替不了。我们的博客里有更多关于我们怎么做的内容，你也可以直接联系我们。

常见问题

AI 最终会取代人类教师和导师吗？

不会。AI 可以大规模地生成内容、批改作业、分析规律，但它无法建立那种真正重建一个吃力学生自信的信任、鼓励与判断。最强的教育模式用 AI 让人类导师更有效，而不是把他们去掉。

AI 在教育里真正擅长什么？

AI 在生产与分析上确实很强：生成练习卷与课堂材料、给作业一轮初步反馈、在大量数据里找出错误的规律，以及在重复性练习中充当一个耐心、随时可用的陪练。

为什么学生偏偏在数学这类科目上失去信心？

数学和科学是层层累积的科目——早期一个没解决的小缺口会悄悄复利，直到后面某个主题变得不可能。一次难堪的错误常常就足以让一个有能力的学生相信自己“天生不是学数学的”，而这个信念此后会影响每一次尝试，无论真实能力如何。

家长该如何看待 AI 学习应用与人类导师？

有用的问题不是某个产品是否用了 AI——不久几乎都会用。有用的问题是：是否有一个真实、稳定的人对你孩子的进展负责——一个在孩子卡住、沮丧时会察觉的人，而不只是一个调整下一题难度的算法。

Asymptode 在它的导师模式里怎样使用 AI？

在 Asymptode，AI 在幕后工作——帮导师备课、更早发现学习缺口、为家长生成清晰的进展报告。课堂本身始终是一位导师、一位学生、现场进行——AI 从不站在导师与学生之间。