這幾年，AI迅速地走進教育現場。從備課、批改作業、整理資料，到學生寫報告、做簡報、讀論文，生成式 AI 正快速成為教學的日常工具。它帶來前所未有的效率，也讓許多過去耗時的學習歷程被大幅壓縮。然而，當答案變得越來越容易取得，一個更根本的問題也逐漸浮現：學生是否真的理解了？教育又該如何在工具高度介入的情況下，引導學習不只停留在產出，而能走向思考、判斷與選擇？ 本文嘗試從第一線的教學觀察出發，回到教育現場實際發生的改變，梳理不同學習階段使用 AI 的差異，並進一步思考，在 AI 成為學習夥伴之後，教育應該如何重新定位提問、理解與人之為人的核心能力。

AI 走進教室之後，學習發生了什麼改變？

如果從中小學的角度來看，我必須先坦白說，多數老師其實還沒有辦法非常順手地將 AI 真正結合進教學現場。特別是在中小學教師們普遍存在著不小的 AI 焦慮。生成式 AI 的發展速度實在太快，一方面各種工具不斷被強調有多厲害，另一方面，老師也難免擔心：學生交出來的答案看起來完整流暢，卻未必代表他們真的理解了內容。

現在最大的差別在於，學生過去多半是「問 Google」。我們以前開玩笑說是「問谷歌大神」，必須自己搜尋資料、比對來源，再慢慢拼湊出答案；現在則是直接「問 AI」，它會即時把所需的內容整理好交到你手上。這樣的轉變，確實帶來了明顯的效率提升：資訊呈現更快、資料彙整更省時，也能迅速列點、摘要重點。但相對地，也出現一個不容忽視的問題：這樣的便利，並不必然等同於學生在理解層面的深化，甚至可能讓理解在不知不覺中被省略。

為了寫這篇文章，我特別去查找一些國外研究。有一個整理了五、六十篇使用 GPT 的研究回顧，大致指出：如果是「問題導向的學習」（problem-based learning），AI 的確容易帶來好效果，因為它能快速協助你釐清問題、提供可能的路徑與資訊支持。但如果是「專案式學習」（project-based learning），效果反而比較弱。

進一步來說，「問題導向的學習」答案可能多元，但它終究是「解一個題」；而「專案式學習」更開放：例如「要在河邊蓋一座橋」，橋的形式、策略、設計、取捨都很多，把答案算出來不是重點，你要能提出方案、評估限制、協調資源、做出選擇等等；也就是說，AI 可以給你很多好點子，但真正的「策略性思考」仍要由「人」來做決定。

學習成熟度，決定了 AI 是輔助還是引導

我也觀察到，不同學習階段使用 AI 的狀況其實很不一樣。大學生因為已經成年，學習狀態相對成熟，更多時候是把 AI 當作輔助工具，用來「摘選重點」，例如將期刊論文分段輸入，先抓出摘要與關鍵論點，再回過頭來對照原文檢視與理解。這種用法在英文文獻閱讀上尤其明顯。過去，我要求學生閱讀英文論文，常常引來一片哀嚎；現在有了翻譯、整理與重點提取的工具，閱讀門檻明顯降低，學生反而更願意讀下去，也能更快進入討論與分析的階段。

相較之下，我在中小學階段的 AI 使用上，反而比較擔心。因為多數孩子還不理解 AI 背後的運作原理與限制，很容易把 AI 的回應當成「標準答案」，甚至誤以為那就是世界原本的樣子。

我常舉一個很直觀的例子：像 Quick, Draw! 這類繪圖 AI，只要你畫出一個三角形屋頂、加上方形窗戶，它很快就會判斷為「房子」。但我們都知道，房子不只有這一種形式，更多時候，我們住的是公寓、大樓，甚至是各種不同結構的建築。AI 的判斷，其實只是反映資料庫中「最常被標記、最典型」的圖像樣貌。若孩子不了解這一點，就很容易被大數據牽著走，逐漸以為「AI 說的就是對的」、「這樣才算正確」，反而忽略了世界本來就充滿差異與多元的可能。

AI時代的教育關鍵，是提升精準提問的能力！

當 AI 能迅速生成內容、整理資訊，教育真正需要回到的核心，反而是「如何提問」。以寫程式為例，現在早已不再只是照著語法，一行一行地敲出程式碼，而是更常透過自然語言來描述需求與功能。在這樣的情境下，能否把規格說清楚，往往比實際撰寫程式本身更為關鍵。唯有先釐清問題是什麼、目標要達成什麼、條件與限制在哪裡，AI 才有可能產出真正符合需求的結果。

我希望家長與師長們都能重新意識到：提問並不是與生俱來的能力，它需要被教導、被拆解，也需要在學習過程中反覆練習與修正。這樣的思考，其實也是 OECD （「經濟合作暨發展組織」（Organisation for Economic Co-operation and Development）近年提出的 AI 素養框架。OECD 將 AI 素養分為四個面向：與 AI 互動（Engaging with AI）、運用 AI 進行創作（Creating with AI）、管理 AI（Managing AI），以及設計 AI（Designing AI）。這四個面向提醒我們，真正重要的並不是學生「會不會用 AI」，而是他是否能夠辨識 AI 的存在、批判性地評估其產出，理解何時該使用、何時不該使用，並在必要時，把 AI 視為協作工具，而非唯一答案。

換句話說，精準提問、清楚界定需求與限制，正是這套 AI 素養能否落實到學習現場的關鍵。

我的一位研究生目前在宜蘭任教，針對「北宜高鐵延伸案發展」為主題，帶領學生運用AI蒐集資料，進行討論，一般學生可能會直接問 AI「高鐵延伸到宜蘭好不好？」，但這樣的提問那樣太廣，學生無法聚焦。因而設計學生代表不同角色：你是居民、你是商家、你是環保人士、你是交通單位、你是高鐵公司……每個角色會在意的事情都不同。學生就能更有系統地問：各角色的利益、風險與期待是什麼？甚至可以用 SWOT（優勢、劣勢、機會、威脅）來引導提問，提問就會更聚焦、也更可驗證。

另一個更貼近教學現場的例子，國中生活科技老師曾讓學生透過 AI，協助設計動物造型的小時鐘。用貓頭鷹為例子，起初，學生往往能讓 AI 繪製出一隻外觀相當漂亮的貓頭鷹，但很快就發現，這樣的圖像其實無法直接轉化為可進行實作（木材切割）的設計圖。於是，提問必須不斷被修正與補充，例如明確說明「我要的是平面，而不是立體圖像」、「翅膀需要有三層疊加結構」、「請提供標註尺寸的三視圖…」。這些看似細節的要求，其實都來自專業知識與實作經驗。因此，唯有提問足夠精準、規範（規格）定義清楚，AI 才可能真正成為協作的工具。

在教學現場，我也經常提醒學生要特別留意所謂的「AI 幻覺」。許多看似完整的資料，其實是 AI 生成、創造的內容，我們往往無法立即判斷這些數據的來源與可信度。因此，我自己的做法通常不是直接讓 AI「憑空回答」，而是先提供明確的資料，再請它進行整理與歸納。

此外，我也想提醒，並不存在一種「萬用的 AI 工具」。不同的學習任務，需要搭配不同性質的工具，才能發揮真正的效果。未來教育更重要的工作，是引導學生學會選擇合適的 AI 協助學習，而非只追求方便或速度。以教育部的「因材網」為例，平台中的數位學習工具「e度」採用鎖定數據資料庫的方式回應提問，能有效確保資料來源的正確性，也降低生成錯誤資訊的風險。這類設計，正好提供了一個示範：AI 若要進入教學現場，關鍵不在於它有多聰明，而在於我們如何為它設定邊界，並教會學生如何負責任地使用。

AI 無法取代的能力：同理、溝通與合作

最後，我想談談「AI 無法取代什麼」。我最想強調的是社會情緒學習（SEL）。隨著 AI 進入學習與工作現場，人與人之間的互動反而變得更加關鍵。我們需要合作、共創與跨領域分工，也需要能夠理解他人、協調差異、清楚表達想法的能力，這些並不是工具能代勞的學習歷程。

AI 可以幫忙整理資訊、提出選項，但「要選哪一個」、「這樣做會影響誰」、「是否願意承擔後果」，仍然必須由人來判斷。即使未來 AI 能模擬情緒，它也很難真正承擔關係中的責任。教育真正該培養的，正是這些在人與人之間溝通合作共創的能力。

目前最新的研究指出，AI 介入學習的效果大約在四到八週最為明顯，之後反而逐漸下降。我的理解是，初期因為新鮮與便利，學習成效提升很有感；但當使用變成習慣、甚至產生依賴，學習就不再持續深化。這也提醒我們，AI 並不是「加了就會一直有效」的解方。

總結而言，當AI 走進教學現場，為教與學帶來新的可能，它節省時間、降低門檻，也讓學習更快進入討論與創造的階段。但正因如此，教育更需要把焦點放回人身上——引導學生在使用 AI 的同時，仍然保有理解、判斷與選擇的能力。我始終相信，AI 不是要取代學習，而是促使我們重新思考學習的本質。在 AI 成為日常工具的時代，教育真正的任務，是培養能夠與工具協作、與他人合作，也能為自己的選擇負責的學習者。這不只是對 AI 的回應，更是對未來世界的準備。