BigButters · 大大黄油
第 4 期

AIx教育 · 第 4 期

AI 什么都会教，但有一件事它永远做不到

2026-05-24

AI 什么都会教，但有一件事它永远做不到

「AI 时代，教育守什么」· 第 4 期 主线：凡是 AI 能「返还」给你的，都不该是教育的核心。

AI 家教 24 小时在线，无限耐心，从不发火，还便宜。那——还要老师干嘛？

这不是假设。英国伦敦的 David Game 学院，2024 年真的开了一个「无教师班」：一群十五六岁、准备考 GCSE 的孩子，整天对着屏幕和 VR 头盔，由 AI 评估强弱、定制进度。美国得州的 Alpha 学校更彻底，主打「每天只学两小时」，学科全交给 AI，号称学得比传统课堂快一倍。

听上去，老师这个职业像是要被关进博物馆了。

可这两所学校，都藏着一个很耐人寻味的细节：它们其实都没真把人撤光。 David Game 留了「学习教练」，Alpha 把课堂里的成年人改叫「引导员」——这些人不讲课、不改作业，只负责鼓励学生、陪他们、带点辩论和为人处世。

换句话说，连最激进的「AI 取代老师」实验，都本能地把「教本事」交给了 AI，却死活把另一样东西留给了人。

那样东西是什么？要说清楚，得先问一个最基本、却几乎没人认真答过的问题：老师，到底在干什么？

一堂课，其实同时在做三件事

我们习惯以为，老师就是「把知识讲明白」。如果真是这样，那确实——AI 讲得比大多数老师更清楚、更有耐心，也不会嫌你笨。

但「讲明白知识」，从来只是老师做的事里的一件。

当代最重要的教育哲学家之一、荷兰人比斯塔（Gert Biesta）说过：你每上一堂课，其实都在同时干三件事——

这三件事，比斯塔有三句提醒，每句都要紧：

第一，它们是搅在一起的，不是三门课。你教孩子解方程的同时，也在塑造他守不守规矩、能不能独立思考。

第二，它们会打架。一所学校如果只盯着分数（拼命教本事），就可能把孩子压成只会刷题的机器，第三件——「成为自己」——就被牺牲掉了。

第三，第三件最特殊，也最容易被丢。 教本事、教合群，补习班、社会、甚至 AI 都能搭把手；可「把一个人变成能自己做主的人」，这是教育独一份、不能外包的活。

比斯塔给第三件起了个名字，叫**「主体化」**：让人成为「主体」——自己生命的主人，而不是「对象」——一个被别人安排、被处理的东西。

现在把 AI 摆进这三件事里，结论几乎是自己跳出来的：教本事，AI 很强；教合群，AI 能帮一点（但有「千篇一律」的风险）；而「成为自己」，AI 根本做不到。

「成为自己」这件事，AI 从根上做不到

请注意「根本做不到」这几个字。我不是说「AI 现在还不行、等它更强就能补上」。我是说——从根上、定义上，就做不到。

为什么？慢慢读这一段，它是这一期的承重墙。

AI 要给你「个性化」，前提是先把你当成一道能算出答案的题：它得把你建模成一堆可预测、可调整的数据，才能算出「下一步该喂你什么」。它干得越好，意味着它把你算得越准、越透。

可「成为一个能自己做主的人」，前提恰恰相反：它需要有人不把你当一道能算准的题，而把你当成一个可能会出乎意料、会自己拿主意、甚至偏偏不照预测来的人。

这两件事，天生拧着。AI 算得越准，等于越是把你算死；而教育要守的，恰恰是你身上那块「算不死」的部分。

所以这不是能力问题。哪怕模型再强一万倍，只要它干活的方式是「把人当可优化的数据」，它就永远站在「主体化」的外面。

真正该记住的一句话：AI 算得越准，越是把人算死；教育要守的，正是人身上「算不死」的那部分。

真正的「教」，是把「你给不了自己的东西」砸过来

有人会说：可 AI 也能「引导」「启发」啊，跟老师到底有什么本质不同？

比斯塔做过一个很妙的区分，正好回答这个。

「自己去学」，是我在掌控：我搜我想搜的，我挑我感兴趣的，我筛掉我不爱听的。「被人教」，是另一回事——是某个东西冲我来了：它从外面来，打断我原来的想法，让我愣一下、被它顶撞、被它触动，我躲都躲不开。

真正的「教」，是给你一个你自己给不了自己的东西。一个只会「你想学啥就给你啥」的系统，永远到不了这一步——因为它的全部本事，就是更高效地把你已经想要的，喂回给你。

这就牵出比斯塔后期一个更大的主张：好的教育，是把学生转向世界，而不是把他圈回自己。他有句话说得很重：

你很重要，但你不是世界的中心。

教育要做的，是让一个人愿意「以成人的方式，活在这个世界里」——既不毁掉世界来满足自己，也不抹掉自己去迎合世界。这种分寸，一台只会迎合你、把你伺候得舒舒服服的机器，教不了。

真正危险的，不是 AI 太强，是我们在改写「教育」

讲到这儿，你可能觉得：那不挺好？让 AI 干「教本事」，人守住「成为自己」，分工明确，皆大欢喜。

但比斯塔最深的担忧，恰恰在这里——这条线，正在被我们自己悄悄擦掉。

擦法很隐蔽。这些年，我们张口闭口都是「学习」：学习效果、学习平台、学习者、自主学习……好像「教育」就等于「学习」。比斯塔说，这是个危险的偷换。因为「学习」只是个过程词，它只描述「有人在变化」，却答不了三个最要紧的问题：学什么？为什么学？跟谁学？ 而教育，恰恰就是关于这三个问题的。把「教育」说成「学习」，等于把「为了啥」这个问题，从词典里删掉了。

紧跟着是第二步偷换：能打分的，就当目标；不能打分的，就不管。 我们本该「衡量我们真正看重的」，结果却变成「只看重那些好衡量的」。分数、达标率，因为量得出来，就被供成了教育的目的；而有没有变成一个正直、有判断、能独立的人，因为量不出来，就被慢慢晾在一边。

这两步走完，「教育」就被悄悄缩成了一条可测量、可优化的流水线——而这，恰好是 AI 最拿手的形状。

可教育面对的不是原材料，是活人：一个会自己反应、有时偏不配合你的人。比斯塔说，这种「没法打包票」不是教育的毛病，而是教育里**「有个人」的证据**。想把教育做成零风险的流水线，等于想把面前那个人换成一件产品——风险消失的那一刻，人也消失了。

所以真正的危险，从来不是 AI 太强。是我们先把教育亲手改写成了 AI 最擅长的样子，然后回头惊呼：「AI 真的能当老师了！」

几个必须给的反方

话别说死。这件事至少有三处值得认真反驳。

反方一：AI 也可能间接帮到「成为自己」。 有道理。如果 AI 把批改、备课的杂活全包了，老师就能省出大把时间，去和学生做真正的相遇。——但请注意，这是个选择，不是技术自动送的红利。省下的时间，可以拿去陪学生，也可以拿去再多刷两套题。用在哪，是人的价值排序，AI 不替你定。

反方二：「成为自己」既测不准又难操作，那它还有什么用？ 这恰恰说反了。正因为它不可测、不可优化，它才不能被外包给一台专门做优化的机器。 它给你的不是一个能填进 KPI 的指标，而是一把尺子（这一期结尾就交给你）。难量，不等于不重要——很多时候恰恰相反。

反方三（反过来提醒）：「用 AI 帮弱势孩子追赶」就一定是好事吗？ 也得打个问号。这种善意叙事里，藏着一个姿态：把孩子默认成一个「有缺陷、待修复」的对象。哲学家朗西埃提醒过：哪怕是「解放」，只要它从「你不行、我来救你」出发，也可能在悄悄再生产那个不平等。所以连「AI 助学」这种好话，也要回到那把尺子上去量一量。

那这些反方，是不是把前面推翻了？没有。它们合起来只指向一句话：AI 能不能帮上忙，全看我们有没有守住那条线——它干「教本事」，人守「成为人」，而且别让前者把后者吃掉。

这一期，带走第 4 把尺子

回到开头那个问题：AI 能当老师吗？

现在答案清楚了：AI 能接管「教书」，却接不了「育人」。 那些撤掉老师的学校，最后还得把人请回来当「引导员」——因为它们也撞见了：有一样东西，机器递不出来。

它递不出来的，就是把学生当一个人来对待：一个能自己拿主意、会被真正触动、要自己长成自己的人。

第 4 把判准：这个做法，是把学生当「主体」（一个能自己拿主意的人），还是当「对象」（一份被优化的数据）？ 当主体 → 它在育人；当对象 → 它再高效，也只是在加工。

把这第四把尺子收好。前四期，我们一直围着「教」打转——会不会变笨、作业、个性化、老师。下一期，AI 要做的，比「教」更进一步——它要**「陪」**你。

孩子心情不好，对着 AI 聊了一整晚，回头说：「它比你们都懂我。」你该高兴，还是该担心？

取材 / 参考