2023年的TED讲台上,世界顶级教育平台可汗学院的老板Sal Khan用那种硅谷特有的笃定语气说:
“AI将实现本杰明·布鲁姆的2-sigma问题。
所谓的本杰明·布鲁姆的2-sigma问题,是指怎样才能把家教的效果(即迅速把孩子从中位水平提高到高位),扩展到大规模教学里。
这是一个教育学里的圣杯问题。
Sal Khan认为,AI导师可以解决,通过个别化、高频反馈、掌握式学习的方式来进行大规模落地。
台下掌声雷动。
Khanmigo的设计确实漂亮。
他使用苏格拉底式方式融入AI,让Khanmigo不丢答案,反问引导:你觉得第一步是什么?为什么这么想?有没有其他方法?
可谓认知科学理论的完美实现。
用户从预期的10万暴涨到200万,翻了20倍。收入从1.07亿美元涨到1.2亿美元。一切都指向一个巨大的成功。
然后数据回来了。
使用率15%。预期是30%。
200万人注册了Khanmigo,相当于整个巴黎的人口。
但只有30万人在真正用它。
170万人打开过一次,再也没有回来。
2026年4月,也就过了三年,Sal Khan说:
“For a lot of students, it was a non-event. They just didn't use it much。
简言之,他承认了失败:确实,没人用。
“我们做了完美的教育理念AI,但完全不符合学生行为习惯。
败给了人性。
因为教育的最大变量并不是理论,是一个13岁的孩子愿不愿意坐在那里被追问。
我总结了一下Sal Khan自己对失败的分析,以供教育者们拍砖和讨论:
不要做等待提问的教育AI,因为人不会主动暴露自己的无知
Khanmigo的设计是被动等待。聊天框亮着光标,等你打字。你让一个13岁的孩子描述自己哪里不懂,就好比让一个病人自己写病历,他连症状都说不清。
AI全程待机,等来的是沉默。
这是认知盲区。
就算你不懒,你也不知道自己不知道什么。
所以你也没办法提问。
因为这句话恰好就是问题本身。
耐心是消耗品,不是可再生资源。
学生问这道题怎么做,AI反问你觉得第一步是什么。再问你为什么这么想。再问你还有别的办法吗。四轮追问后,学生退出。
你问对不对,AI告诉你你觉得呢。
大脑的奖励机制不是这样运作的。
想到这里,我恍然大悟,冷汗涔涔。
苏格拉底在雅典广场上这套玩法管用,因为他面对的是主动来辩论的成年公民。
Khanmigo面对的是写完作业想赶紧去打游戏的13岁孩子。
教育前提,完全不成立。
前提一崩,后面全跟着崩
因为假设学生会主动来,所以没先做课标对接、课堂进度同步,学生没有理由打开它。
因为假设一次对话就够了,所以没先做错题追踪、薄弱点归纳,学生没有理由回来。
因为假设学生能判断AI对不对,所以数学推理错误被严重低估,结果并不是“偶尔答错一道题”,而是老师不信任,学生不敢依赖。
当年疯狂推崇的几何老师Musall已经停用Khanmigo,因为学生反馈:
“frustrating。
任何教育方法都有隐含前提
苏格拉底式提问的前提是什么?
他想学。还配合学。还主动提问。
而这些前提,恰恰是大多数中小学生最缺的。
——有这些品质的孩子们,已经是优等生了啊喂!
这个问题其实让我也有个深刻的反思。
我常常把我和我身边朋友们的学习方式,希望孩子去使用,但并不能得到认同。
我觉得我从小就是这样,习以为常,天性好奇,不懂就问。
然而我可能只是忘了小时候。
以及,对于教育理念的完美想象,要求太高了。
和Khanmigo错的一模一样。
旧版Khanmigo死了,新版如何重生归来?
4月21日,承认苏格拉底式提问在这个场景里行不通后,Khanmigo官宣全面重做。
有意思的是,新的方向其实是让AI更像一个好老师。好老师不会站在教室角落等学生来问问题。他会走动,观察,发现谁卡住了,主动走过去。
而Khanmigo可以监控做题过程,一卡顿就介入。而且同步校内课标和作业进度。缩短对话链路,可视化步骤。把效果可视化反馈缩短、拉满。
Sal Khan本人也改口了。
从"AI将实现2-sigma问题",变成:
“AI is going to help. But I think our biggest lever is really investing in the human systems。
AI有用,但人的因素才是最大的杠杆。
他说的对。
所以到最后,我们必须正视教育里那个最古老、也最顽固的现实:
你不能假设学生会主动求助,不能假设他能说清自己的困惑,不能假设他有耐心走完一整条启发链路,更不能假设只要理念足够先进,人就会自动变成理念预设中的样子。
教育面对的,从来不是理想学习者,而是一个会分心、会厌烦、会逃避、会嘴硬、写完作业只想去打游戏的孩子。
而从Sal Khan的经验来看,他们,需要的不是苏格拉底,而是盯着你的老师,还得主动出击。