當 AI 什麼都會寫，學生還要學什麼？
I'm not going to talk about AI. I'm going to talk about humans.
（我不打算談 AI，我要談人。）Kristina Kallas
從愛沙尼亞把 AI 發給全國高中生談起，看作業、成績與老師各自要怎麼調整
孩子把作文題目丟給 AI，幾秒鐘就拿回一篇段落整齊、沒有錯字的文章。很多家長看到這一幕會心裡一緊，卻講不清楚哪裡不對。效率確實高了，腦子好像少轉了幾圈。大家擔心的多半跟 AI 會不會寫錯無關，怕的是孩子不再自己想。
最近讀到一篇整理愛沙尼亞教育與研究部長克莉絲汀娜．卡拉斯（Kristina Kallas）TEDx 演講的長文，由 X 上的 lifesinger 分享。她在 2025 年做了一件方向看似相反的事，把 AI 發給全國的高中生，學校拿到授權，學生拿到帳號。她給的理由，正好也是那份不安。
我們工作室每天用 AI 寫程式、查資料、改文案，讀這場演講時很有共鳴，也想順著她的思路，談談學生、家長和老師接下來會碰到的事。
成績單越來越分不出人
卡拉斯在 2023 年 4 月上任，那時 ChatGPT 推出才五個月。上任兩個月後，顧問第二次來找她，說學生已經在學校裡用 AI，部裡得做點什麼。她問要做什麼，顧問說還不知道。
接下來將近一年，他們找神經科學家、認知科學家、科技公司和 IT 從業者一輪一輪地談。談出來的結論是，這件事主要跟學習有關，技術歸其他學科去管。教育部要回答的是，技術走到這一步以後，人的大腦和學習能力會變成什麼樣子。
她在演講裡提到 2017 年 OECD 的一份勞動力技能調查。三分之二的勞動者，讀寫、算術和數位技能已經比不上當時的電腦。學校用作業和考卷替學生排名，量的大多就是這些能力，像是記得多少、讀不讀得懂、會不會照公式算。
現在一個國中生打開 AI，交出來的報告格式工整、用詞正確、引用齊全，乍看跟班上最用功的同學差不多。大家的分數擠在同一段，成績單越來越難告訴老師誰比較會。
這對過去被成績分到後段的孩子未必是壞事。拼字差、字寫得醜、背不起年代的人，終於能把腦中的想法完整寫出來。靠高分證明自己的孩子就辛苦了，手上那把尺變鈍了。我們的看法是，這把尺原本就量得很窄，只量得到低階的那幾項能力，現在大家都看見了。
大腦天生偏愛省力的那一檔
卡拉斯把人腦的工作分成兩檔。低的那一檔負責記憶、理解和應用，學一次就會自己運轉，學會騎腳踏車，十年不騎也不會忘。高的那一檔負責分析、評價和創造，每次都得在新情境裡把底子重新搭一遍。
高的那一檔很耗電。大腦是全身最耗能的器官，考完一場很難的試，隔天整個人沒力，就是因為腦子在高檔跑了一整天。所以大腦能省就省，平常都待在低檔。她認為人類正承受一次認知上的進化壓力，上一回是印刷術讓多數人學會閱讀，這一回要人想得更快、更有系統。
她在台上放了一張認知層級圖。過去兩百年，學校幾乎只教到下半部，學、記、理解、應用，然後考試。很多人讀完大學都沒怎麼碰過上半部，要等到念博士做研究才開始。
麻煩的是，下半部的工作 AI 幾乎都做得到。她替人保留了兩塊，一塊是倫理上的評價，一塊是真正的創造。AI 也能生出新東西，可是那些東西從統計機率裡抽出來，跟人的創造是兩回事。
跟 AI 多談幾輪，報告才有自己的樣子
愛沙尼亞給學生的工具，是卡拉斯和 OpenAI 一起開發的蘇格拉底式版本。它不直接給答案，會用提問、追問和反駁，把學生推回去自己想。她在台上說，沒有 AI，教學就會滑回記憶、理解、應用那條老路。
這個設計點出一件很實際的事。同樣用 AI 寫報告，品質的差距，很大一部分取決於學生丟進去什麼。只丟一行題目，AI 會回一篇誰來問都差不多的標準答案。願意多談幾輪的學生，會先把自己的東西攤開，包括自己的經驗、讀過的書、家裡長輩說過的話，還有用自己口氣寫的草稿。
AI 拿到這些材料，就能幫學生整理思路、補上漏掉的證據、把句子修順。寫出來的報告裡，例子和判斷都是學生的，AI 讓它更清楚、更完整。不太會寫長句的孩子，可以在一來一回的修改裡，慢慢練出自己的文字。
什麼都不帶就上場的學生，拿到的會是一份平均值。字數夠，格式對，讀完卻記不住任何一句。
把作業當成一個小專案來規劃
會用 AI 的學生，花在規劃上的時間往往比寫字多。下面是一個可以參考的流程，我們自己寫部落格文章時，用的也是類似的做法。
- 先請 AI 問你問題。把題目丟給它，請它不要作答，改成追問你對這個題目知道什麼、在意什麼，幫你找出真正想回答的那一題。
- 把手上的材料交出去。自己的經驗、訪問紀錄、課本段落和讀書筆記都可以，請它整理成大綱，並指出哪裡缺證據。
- 初稿自己寫。寫得粗糙沒關係，請 AI 負責挑毛病，例如邏輯哪裡跳太快、哪個例子撐不起論點。
- 請它扮演反方。讓 AI 站在不同意你的立場提問，看文章經不經得起追問。
- 留下紀錄。保存對話，寫幾句話說明你採納了哪些建議、拒絕了哪些，理由是什麼。
整個過程裡，定題目、選材料、做取捨這幾件事一直留在學生手上。AI 做的是追問和修補。這樣練過幾次，學生帶走的是一套拆解問題的方法，交出去的那份報告只是附帶成果。
老師的難題，出題、評比和打分數
壓力最大的是老師。全班都有 AI，學生又各自建好一套順手的工作流程，一份交上來的報告有幾成是學生自己想的，光看成品很難判斷。AI 偵測工具也幫不上太多忙，OpenAI 在 2023 年就因為準確率太低，下架了自家的 AI 文字偵測器。拿這類工具認定學生作弊，誤判的代價太高。
卡拉斯的計畫把大部分力氣花在老師身上，錢和工具都排在後面。教育部訓練老師把 AI 編進作業和練習，讓學生多做分析和批判，也多練系統性的思考。
順著這個方向，出題可以往三個方向調整。第一，題目綁上在地與個人的材料，例如訪問家裡的長輩、調查學校附近的店家，AI 沒辦法替學生跑一趟現場。第二，要求學生交出跟 AI 的對話紀錄，連同取捨的說明一起評分。第三，把一部分評量搬回課堂，用口頭報告和現場問答，確認學生真的懂自己寫的東西。
評分標準也得跟著換。字數、格式和錯字，AI 都能顧好，這些項目的配分可以降低。分數該多給在幾個地方，問題定得準不準，證據選得好不好，有沒有自己的判斷，被追問時答不答得出來。學生的工作流程越強，老師越需要看過程，成品只佔其中一部分。
這會讓老師多花很多時間。讀對話紀錄、做口頭追問，都比改一疊作文累。愛沙尼亞選擇先花錢訓練老師，我們猜台灣若要跟上，大概也得從師資培訓和減輕批改負擔開始。
愛沙尼亞先走一步，其他國家在旁邊看
2024 年底，愛沙尼亞公布學校的 AI 戰略，2025 年 2 月啟動 AI Leap 計畫（愛沙尼亞文 TI-Hüpe）。預算一半來自投資這件事的企業，一半來自教育部，日常營運交給一個基金會，因為卡拉斯認為部會不適合經營這類創新專案。
計畫從 2025 年的十年級、十一年級開始，2026 年 9 月擴大到職業學校。她也想把分析、評價、創造的練習提前到七年級，也就是十二、三歲的孩子，不用等到念博士。
她說愛沙尼亞是第一個這樣做的國家，目前也是唯一一個。這方面的科學研究還很少，她們自己也在邊做邊看，歡迎其他國家一起觀察。她擔心的未來跟 AI 接管世界無關，她怕教育系統照著慣性走下去，只教低階的那一檔，人慢慢把自己降檔。她把這種後果稱為認知卸載（cognitive offloading）。
計畫啟動時，愛沙尼亞總統阿拉爾．卡里斯（Alar Karis）提醒大家，該在意的是怎麼用、用來做什麼，用了多少小時沒那麼要緊。
這件事等不起，需要整個體制一起動
讀完這場演講，我心裡很沉重。每個家庭遲早都會碰上這個問題，AI 進步的速度只會越來越快，它也不會過幾年就自己消失。
所以我認為教育主管機關必須做一次大幅度的改革，範圍從怎麼替孩子打成績、怎麼安排後面的升學路線，一路延伸到他們將來選什麼科系。這件事不能再等，需要一套有系統的規劃，也需要妥善的配套。
我特別在意的是，每個人開竅的時間點不一樣。有人很早就找到方向，有人要到高中、大學，甚至出社會好幾年才開竅。體制不可能照顧到每一個人，可是一個人這輩子總會碰到需要重新念書、重新努力吸收知識的時刻。到了那時候，他能用什麼方式學，社會有沒有替他留一條路，都值得現在就開始想。
我相信第一線的老師也一樣煩惱。有些傳統的學習方式已經到了該淘汰的時候，老師卻還被考試和進度推著走。光靠老師或家長單打獨鬥做不起來，需要政府、學校、家長和產業同心協力，把教育重新做好。社會因此多一點活力，國家才能一起往前走。
寫給家長和學生
- 可以讓孩子用 AI，同時請他講得出這份作業是怎麼做出來的。
- 跟 AI 談之前，先把自己的經驗、看法和草稿寫下來。
- 請 AI 多問問題、多挑毛病，少讓它直接給答案。
- 看完成績，再多問一句「你為什麼這樣想」。
一個把 AI 發給全國高中生的教育部長，想說的話很簡單。孩子用 AI 不用怕，要怕的是他不用腦子。
本文為讀後心得，整理自 X 使用者 lifesinger 分享的 Kristina Kallas 演講摘要（When AI Knows Everything, What Should Humans Learn，TEDxUniversity of Tartu，2026 年 6 月），演講與 AI Leap 計畫內容皆為轉述，詳細數據請以 AI Leap（TI-Hüpe）官網為準。出題、評分與工作流程建議為 OceanAds 觀點。配圖皆為 AI 生成示意。