孩子把數學題目拍給 AI，很快得到完整解答；老師用 AI 產出練習題，幾分鐘就整理好一份教材。這些情境都很吸引人。不過，如果目標是學習，我們還需要追問：拿掉 AI 之後，學生能不能自己說明、自己完成？
2026 年 9 月 24 日，吳恩達參加史丹佛與世界銀行相關活動，由 Susan Athey 主持座談。官方議程將焦點放在如何讓 AI 成為教育、健康與農業中實際有人使用的工具，也提到語音介面與數位技能門檻。這提供了一個適合往下追的問題：技術已經能回答，接下來如何設計，才能真正幫上使用者？
本文沿著這個問題，聚焦教育。我們先看座談的應用背景，再回到兩項公開實驗，最後用一個家長、老師都能理解的案例，討論 AI 學習工具可以怎麼安排。研究結果與教學案例是本站補充，不是把它們當成吳恩達在座談中的原話。
從能不能用，走向怎麼用得上
官方活動介紹的一個切入點，是讓數位技能或連線條件有限的人，也能接觸 AI 應用。對教育而言，這提醒我們：好用的工具除了有模型能力，還需要讓使用者知道如何開始、如何取得適合的協助，以及如何判斷自己有沒有進步。前半段是議程關注的可及性；後半段則是本文要延伸的教學設計問題。
第一個差別：完成題目，與學會解題
先把目標分清楚。如果我們要趕快整理資料，工具幫忙完成工作可能就是目的。但學生在練習某個概念時，思考過程本身也是要練的能力。若只看作業成品，很容易把「有人幫忙時的表現」與「自己具備的能力」混在一起。
Bastani 等人在土耳其一所高中的數學課中，隨機安排班級使用一般型 GPT 輔助、有教學護欄的 GPT Tutor，或只用原本的課本與筆記。學生先練習，再關掉工具、獨立考試。這個設計，正好把兩種表現分開。
研究中，「護欄」是具體的回應設計：提供提示、避免直接交出完整答案，並由教師事先補入正確解法與常見錯誤資訊。它不是只在畫面上貼一句「請認真學習」，也不表示 AI 從此不會出錯。
圖裡最值得注意的是右側：一般型組獨立考試的估計差距為負；有護欄組則未顯示明確優於或劣於對照組。這表示在這項研究中，降低負面影響與證明學得更多，仍是兩件不同的事。研究屬特定高中、數學內容與當時工具的短期測試，不能推成所有 AI 都會讓學生退步。
本站補充比喻｜幫忙前進，與學會掌握方向
可以想像學騎車時，旁邊的人一路推著車，或適時提醒您調整方向，都可能讓這段路順利走完；但能不能自己騎，還要暫時拿掉協助再看。這個比喻依上述「有協助時的表現」與「無協助測驗」的區分延伸。數學學習不是騎車，研究也沒有測量騎車能力；比喻只幫助我們看懂評估目標的差別。
另一項實驗提醒：教學設計本身很重要
這不表示 AI 只能拿來找答案。Kestin 等人在哈佛大學基礎物理課進行交叉比較：學生分別經歷特製 AI 家教與課堂主動學習，再測量課後表現。研究中的 AI 家教組表現較好；但這是有教學設計的系統，不能等同於讓學生自由開啟聊天視窗。
團隊把題目分段、由平台安排解題順序，並提供教師準備的解法，協助系統給出適當回饋。作者也說明，單靠一段系統提示，無法可靠地把所有多步驟教學安排好。因此，值得關注的不只是換用哪個模型，還包括教材、介面與學習步驟如何一起設計。
| 比較面向 | 高中數學研究 | 大學物理研究 |
|---|---|---|
| 怎麼比較 | 一般型、有護欄 GPT 與原有學習資源；之後獨立考試 | 特製 AI 家教與課堂主動學習；交叉安排不同課次 |
| 重要結果 | 一般型組練習較好，獨立考試較差；護欄組未顯示獨立考試提升 | 特製 AI 家教在研究課次的課後測驗表現較好 |
| 設計上的線索 | 提示、教師解法與常見錯誤資訊 | 分段問題、平台流程、教師解法與即時回饋 |
| 需要保留的界線 | 單一高中、特定數學內容、短期結果 | 特定大學物理課次；非所有科目或長期成效 |
把研究帶回日常：讓學生的思考留在流程裡
例如，學生正在學習分數加法。如果 AI 一開始就交出完整計算，最後答案正確，仍很難知道學生卡在哪一步。本站依兩篇研究的教學機制，整理一個可以討論的流程：先讓學生表達想法，再給小幅提示，最後換題獨立作答。這是教學建議，尚未作為一套完整方案接受成效測試。
| 學習時刻 | 本站分數加法例子 | 家長或老師觀察什麼 |
|---|---|---|
| 先表達 | 學生先寫出自己的做法，說明兩個分數能否直接把分母相加 | 是否說出理由，而不只報答案 |
| 取得提示 | 請 AI 先問一個引導問題，或用等分圖提醒共同單位 | 提示是否接住錯誤概念；需要時由教師確認 |
| 修正理解 | 學生用自己的話解釋為什麼要先通分 | 能否說明概念，而不只重述 AI 句子 |
| 獨立檢查 | 暫時關閉 AI，換一題同概念、不同數字的題目 | 新題能否自己完成，錯在哪裡 |
老師也可以把 AI 放在備課端：協助草擬提示、改寫例題，再自行檢查答案與教學順序。對家長而言，觀察重點則可以從「今天做了幾題」，移到「孩子能不能解釋一個關鍵步驟」。這些是本站依研究提出的使用方向，仍需依實際學生的反應調整。
介面可以更容易進入，學習仍要有可以檢查的目標
座談議程提到語音介面與數位技能門檻，讓我們想到另一個日常問題：有些人更容易用說的提出疑問。本站的延伸設計例子，是讓學生先口述卡住的地方，工具再把問題整理成可逐步處理的項目。這能否幫助特定學生，需要實際測試；輸入方式變方便，本身還不是學習成效。
因此，若學校或家庭要試用一項 AI 學習工具，可以先選一個明確目標，例如「能解釋通分的理由」，再看提示是否適當、答案是否可靠，以及拿掉工具後能不能完成相近任務。這樣才能把看起來順利的互動，接到可觀察的學習結果。
一起讀科技新聞｜把「更有效」問完整
看到「AI 家教讓學生學得更好」，可以繼續找：和什麼方法比較？學生接受了什麼教學安排？測的是當下作業、無協助測驗，還是隔一段時間的保留？這些資訊能幫助我們判斷，研究結果與自己的班級或家庭有多接近。本文兩項實驗提供的是特定情境下的證據，不是任何聊天工具都有效的保證。
從吳恩達參與的應用座談走到教育研究，我們可以把問題問得更具體：這項工具在哪個環節提供協助，又在哪個環節讓學生自己完成？有了這個問題，父母、老師和學生就更容易討論 AI 該怎麼進入學習。
參考來源
- Stanford GSB：World Development Report 2026: The Promise of Artificial Intelligence（活動 2026-09-24）
https://www.gsb.stanford.edu/events/world-development-report-2026-promise-artificial-intelligence - Stanford GSB／YouTube：Fireside Chat with Andrew Ng: Making AI Work for Development（2026-10-07 美西時間發布）
https://www.youtube.com/watch?v=WmgPAOIhrko - Bastani 等／PNAS：Generative AI without guardrails can harm learning: Evidence from high school mathematics（2025-06-25）
https://www.pnas.org/doi/10.1073/pnas.2422633122 - Kestin 等／Scientific Reports：AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting（2025-06-03）
https://www.nature.com/articles/s41598-025-97652-6.pdf - PubMed Central：PNAS 論文公開全文（同一研究的典藏版）
https://pmc.ncbi.nlm.nih.gov/articles/PMC12232635/
本文由 AI 協助整理，經編輯審閱。
