Sal Khan 的 AI 革命为何失败
Why Sal Khan't: On Learning by Making but Teaching by Telling
Sal Khan 曾满怀信心地推出 AI 导师 Khanmigo，却承认这对学生而言只是“一场空”。Matt Barnum 和 Dan Meyer 的评论揭示了这一失败，但核心问题在于教育理念的错位。Sal Khan 本人学习时充满探究、构建和表达，却只让学生被动观看视频。这种“通过制作来学习，通过讲述来教学”的矛盾，忽略了 John Dewey 提出的学习四大本能。Khanmigo 试图用自动补全的方式提供答案，却剥夺了学生探索、犯错和创造的意义。真正的学习需要目的和参与，而非仅仅接收内容。
他体验了学习的丰富性，却设计了一个只给学生提供残渣的系统。
HN 评论区
120- skulk
总体而言，我同意这篇文章的核心论点，但：
> 那么……Sal Khan 希望我的孩子怎么学？
> 看视频。
我觉得这有点过于苛刻了。我小时候从 Sal Khan 早期的视频中（当时他还用黑笔在屏幕上乱涂乱画来擦除内容）学到了很多数学知识。用作者的话来说，这些视频提供了一个易于消化的脚手架，让我在此基础上构建更深的理解。我认为 Khan Academy 从未将自己推销为一种能让人无需亲自解题就能学会的“魔法”学习资源。
- ChaitanyaSai
我之前在 Dan Meyer 的文章下写过一段评论，这里也适用（另外，正如其他人指出的，视频和聊天机器人之间存在一个关键区别：视频能激发灵感，因为其中展示了人类的兴趣）：
这与我产生了强烈的共鸣。我是一家微型学校（microschool）的联合创始人，也是一位神经科学家。这两个身份以非常迷人的方式交织在一起。四年下来，我们得到的最大教训是：要让学习有意义，必须遵循以下递进顺序：意义（meaning）、动机（motivation）、机制（mechanics）、评估（measurement）。
传统学校教育，以及一切旨在辅助传统教育的东西（比如 Khanmigo），都屈从于这种系统性的“评估引力”（我们必须知道他们学到了什么）。由此衍生出标准化的课程，只衡量那些显而易见且容易量化的东西，因为比起“数学思维”这类抽象概念，这要容易得多；同时也导致了对机制（乘法表、分数、化学名称等等）的过度关注。在这样做的时候，我们抽离了所有意义，只专注于 drills（ drills 指机械训练）。
目前的聊天机器人注定会失败，因为它们的切入点就是“机制”。“我该怎么解这个特定的二次方程？”对孩子来说，这是一个毫无意义的问题，因为它根本无法与他们的世界建立联系。我们不能从这里开始，然后通过苏格拉底式提问走向“意义”。相反，我们必须提供或构建一个世界，让“意义”和“理解”成为可能。（我在这篇文章里写过 https://blog.comini.in/p/ […]）
- dctoedt
就我所知，Khan 的方法类似于“翻转课堂”[0]，这已经得到了相当广泛的认可。该方法由哈佛物理学教授 Eric Mazur 首创。
（我广泛使用翻转课堂法。但法律行业作为那些热衷于拥抱新奇的群体</sarcasm>，我把这种方法称为“增强版苏格拉底法”，毕竟苏格拉底法是我们法学院时期大家都得忍受的东西。）
在数学和工程课程中，基本的翻转课堂法在西点军校已经使用了超过 150 年：在所谓的 Thayer 方法中，学生提前研读教科书，然后在课堂上在黑板上解题。讲师在黑板之间巡视，实时指导学生。[1]
（我在合同起草课上也做类似的事情：学生分成小组，使用在线白板进行起草练习。我潜伏在笔记本电脑旁，根据需要悄悄地进行面对面的指导。）
[0] https://bokcenter.harvard.edu/flipped-classrooms
[1] https://flippedlearning.org/syndicated/avoiding-flipped-lear...
- PostOnce
Khan Academy 最近有个问题：
去访问像 https://www.khanacademy.org/math/linear-algebra 这样的页面，数一下下面这些东西的数量：
* Cookie 横幅
* 乞讨捐赠的弹窗
* 账号注册组件
* 告诉你升级的 gamification（游戏化）弹窗
* 等等
它传达不出其首要目标是教育，反而给人的感觉是，首要目标是在为慈善机构背后的官僚体系输血。
- narmiouh
这篇文章的核心论点似乎是：实时教学优于视频，因为在困惑发生的当下可以给予反馈，而视频做不到。但这取决于学生是否被激发了那种冲动，而且我不确定这是否一定更好，或者在某些情况下，如果老师的内容不如 Khan 或其他人的视频详尽，甚至可能更差——因为这些视频受益于全球观众对纠正任何令人困惑或不清晰部分的反馈。
通过我孩子所在的课堂，我看到老师做的差不多就是 Khan 视频里做的事：在教室前方演示解题步骤。如果视频没能引发“等等，这为什么行得通？”的时刻，那么按照同样流程授课的老师，很可能也会像作者声称的那样以完全相同的方式失败，从而错失动手学习的机会。视频实际上允许学习者在任何不清楚的地方回退并复习内容，而且据推测，任何交互式 AI 代理都能帮助解决反馈部分，尽管视频里的老师做不到这一点。
我还希望这篇文章能更多地聚焦于 Khanmigo，目前还没有人有一个很好的理论来解释 AI 辅导循环究竟在哪里断裂，为什么人们无法与之互动，为什么把东西直接怼到他们脸上行不通，为什么在那个规模上的个性化没有产生它承诺的收益。
另外，标题利用 Khan 的名字玩谐音梗，这种尴尬的框架设置让我觉得这篇文章可能并不客观。
- tbonza
作为一个在大约十年前 3-4 年间在 Khan Academy 赚取了超过 300 万积分的人，我非常感激这段经历。我最欣赏的是，当 Sal 在微积分中利用负指数从幂法则推导出商法则等公式时。推导公式而不是死记硬背，为我打开了一种全新的视角。
这篇文章似乎聚焦于聊天机器人，我从未使用过，它也不是我经历的一部分。当时，我订阅了 Wolfram Alpha，如果在中间步骤卡住，它会很有帮助。
这篇文章的高层目标——即提出好问题——这一点在我看来是有效的。
- wafflemaker
这篇文章讲的是 Khan Academy 教数学的方式以外的东西吗？
我记得视频很短（3-13 分钟，通常 5-8 分钟），然后是练习，反复操练技巧直到你理解它并且不再犯错。如果你得了满分（没有任何错误），进度会稍微快一点。
这就是“做中学”（learning by doing），还是我记错了？
或者除了数学之外就没有其他练习了吗？
- vanderZwan
每当这个话题出现时，我都忍不住想指出，有太多人没有读过 Audrey Watters 的《Teaching Machines: The History of Personalized Learning》（教学机器：个性化学习史），或者她的博客。如果我们读了，或许就不会一遍又一遍地重复同样的错误。
[0] https://direct.mit.edu/books/book/5138/Teaching-MachinesThe-...