AI 進步得這麼快，會不會有一天真的取代老師？

很多人問過我這個問題。身為一個喜歡學習、同時也在教學的人，我試著從學生與老師這兩個位置去思考：當我想學會一件事，我需要什麼幫助？當我教別人時，我又希望學生從中得到什麼？

直到上個月底，我開始嘗試用 AI 製作記帳財務平台，這段經驗讓這個問題的答案慢慢變得具體。

最初會想動手，是因為在 Threads 上看到有人分享，他用 vibe coding 做出了適合自己的個人生產力平台。我是個想法很多、思緒也常常很雜的人，生活裡有很多想整理的事，但用現成工具，總覺得差那麼一點，不完全符合自己的習慣。看到那篇分享時，我開始想：是不是也可以試著做一個？

在做記帳平台的過程中，我發現，當一個想法開始變成能使用的東西，新的問題和想法也會跟著冒出來。我一邊處理這些問題，一邊回頭釐清自己到底是怎麼學習的，也重新思考老師在這個過程裡扮演的角色......

一個人能學得很快 可能是因為知道自己為什麼要學

我一直覺得，自己算是一個學東西滿快的人。但那個「快」，到底是怎麼來的？只是理解能力比較好嗎？還是因為，我習慣把正在學的東西，和自己想解決的問題連在一起？

做記帳平台時，我就有很明顯的感受。當資料只能存在自己的電腦裡，我想到，如果換個裝置也要使用，該怎麼辦？能不能有一個雲端資料庫，讓不同裝置都讀到同一份資料？

開始在手機上使用後，又發現原本適合電腦瀏覽的畫面，到了手機上變得不直覺，所以我又繼續調整。這些需求讓我要學的事情變得具體：也因為我知道為什麼要找這個答案，所以我能在應用中實際檢查，用了這個方法之後，問題有沒有改善。

除了知道自己為什麼學，另一件幫助我理解的事，是把新內容連到過去已經熟悉的經驗。這也讓我想到，教學時接觸過的「認知負荷」。

可以把工作記憶想像成一張空間有限的工作桌，負責當下的處理；長期記憶則像存放知識與經驗的倉庫。當眼前每個名詞、每個步驟都很陌生，工作桌很容易一下就被占滿；有相關的先備知識時，就比較有機會用熟悉的架構理解新內容，減少需要同時處理的陌生元素。這是幫助理解的比喻，也是認知負荷理論重視先備知識的原因。

回頭看，當一個人在學習時能夠比較快有進展，可能就和這兩件事有關：

1. 明確的需求，讓我知道該把力氣放在哪裡
2. 相關的經驗，他讓人在理解新內容時，多了一個可以觸發的節點

就算願意自己摸索，我還是希望有人帶路

學得快、願意嘗試，不代表面對新領域時，就不需要引導。

當我真的很想學會一件事，我依然非常希望有人先幫我踩過坑，告訴我該從哪裡開始、哪些地方容易出錯，以及遇到狀況時可以先檢查什麼。

因為我在摸索的過程很容易岔出去。原本只是想處理一個問題，卻發現還得先弄懂另一件事；接著又遇到新名詞、新選擇，最後還要回頭確認：我現在走的方向，到底對不對？

這時候，除了學眼前的內容，我還得花力氣判斷哪些事情需要現在處理、哪些可以晚一點再說。如果有人先整理過這些經驗，我就能少花一些力氣猜路，更專注在真正想學的事情上。

當我是學生，我希望有人看得出我卡在哪裡，也能幫我找到走得下去的下一步。

AI 可以提供很多協助，但自己實際站在學習者的位置，也讓我更能體會：有人理解我的程度，再給出適合的引導，是多麼有幫助的一件事。

站到老師的位置時 我想把這樣的引導做好

當切換到老師的角色，我回頭問自己：能不能把想教給別人的東西，整理成對方看得懂、能一步一步跟著走的內容？

這同樣牽涉到認知負荷。對熟悉的人來說很自然的步驟，對初學者可能包含好幾個還沒理解的概念。如果一次全部講完，對方未必接得住。

這也是為什麼，我教學時很常使用比喻。我會試著從學生已經熟悉的事情開始，幫他和新的內容建立連結。不過，那個例子必須是他真的理解的；對我很熟悉的事，對他未必熟悉。比喻哪些地方能對應、哪些地方不能直接套用，也需要說清楚。

所以，準備教學時，除了我想教的內容，我更在意：哪些背景要需要幫學生補上？內容怎麼安排？哪一步需要拆開？學生現在已經理解了什麼，又有哪些地方還接不起來？

在 AI 時代，取得資訊非常方便。但拿到資訊之後，要怎麼理解、整理，再放到不同情境裡運用，對初學者來說，仍然可能不知道該從哪裡開始。

身為學生時，我需要有人引導、協助辨認問題；身為老師時，我就更在意，怎麼把這樣的引導做好。我需要留意學生現在站在哪裡，才能幫他找到適合的起點。

所以，AI 會取代老師嗎？我的答案是不會

以我目前的教學經驗來說，我不認為 AI 能完全取代老師。

如果一個人已經有適合自己的學習方法，能清楚描述問題、持續追問，也能回頭檢查自己是否理解，AI 的確能提供很大的幫助。但這些能力，本身就需要培養。

以教數學為例，學生有時候只能說：「這題我不會。」這句話裡面，可能藏著很多不同的困難：題意沒讀懂、某個觀念還不清楚，或是前面都跟得上，到了其中一步才接不起來。

AI 也可以透過提問協助釐清，但有一個隨時能回答的工具，不代表學生就能辨認自己的困難，或判斷眼前的解釋是否真的解決了問題。

這也是我在教學時特別重視的事。一場教學帶給學生的，還包括如何摸索、思考，以及在犯錯的過程中，慢慢養成解決問題的能力。

當學生做錯時，他的錯誤讓我有機會看見：他是怎麼想的？哪裡還不清楚？從哪個環節開始偏掉？這時候，我可以陪他回頭檢查，引導他說出思路，再帶著他嘗試找出問題、調整方法。

有時候，也需要留出空間讓他自己試，而不是立刻把解法告訴他。我希望這樣的練習累積下來，學生下次遇到困難時，能逐漸知道怎麼開始、怎麼檢查，以及一種方法行不通時，還可以怎麼試。

AI 可以參與其中，提供提示、解釋和練習。而在我的教學裡，持續觀察學生的理解、判斷什麼時候介入，再逐步把解決問題的責任交回學生手上，仍然是老師很重要的工作。

我希望學生最後帶走的，是學會如何學習，以及遇到下一個問題時，也有能力自己往前走。

這就是我認為老師仍然有價值的原因，我也開始在我的線上課程系統中思考，如何把 AI 用在能幫助學生長出這些能力的地方。

學習路上重要的 還有那些一起摸索的人

回到自己的學習經驗，我也發現，幫助我們往前走的人，其實不只有老師。

最近和朋友交流時，我就有這種感覺：原本覺得自己這樣使用 AI，也沒有什麼問題，聊過才知道，原來還有更簡單的方法，或是自己沒想到的小技巧。原本的做法也能用，所以如果沒有聊到，我可能就會一直照著做。

我最初會想動手做工具，本身也是受到別人分享的啟發。看到有人做出適合自己的平台，才開始想我的需求，是不是也可以試著做出來。

但很多新的想法，是在開始使用之後才出現的。工具真的放進生活裡，才會發現哪裡不順手，才有後面的：如果這裡可以這樣調整，是不是更方便？

對我來說，想像力也會隨著這些經驗慢慢長出來。

AI 縮短了想法到嘗試之間的距離，而別人的經驗，又讓我看見更多可以嘗試的方向。

自己做到了一點，就會再多想一步，原本覺得離自己很遠的事情，也開始覺得可以試試看。

這也是我覺得論壇很有意思的地方。每個人帶著不同的經驗來分享，可能剛好讓另一個人發現：「原來還可以這樣試。」在交流裡，我們有機會重新看待自己的問題，也有機會找到原本沒想到的下一步。

AI 的進步，讓「老師如何引導」、「學習者如何思考」，以及「同伴之間如何交流」，成為比得到答案更值得重視的課題。當答案越來越容易取得，學習更需要關注的是：我們能不能理解其中的原因，連結已有的經驗，並在實際運用中發現問題、調整做法。

從自己摸索做工具，到在課堂上引導學生，我期待學習留下的，是面對下一個問題時，能自己思考、判斷，並找到前進方向的能力。如何讓容易取得的答案，經過引導、交流與嘗試，逐步轉化為這樣的能力，是身處 AI 時代的我，作為學習者，也作為教育工作者，想持續思考的問題。