AI 不是给答案，而是出题（下）：从答案机器到提问教练

AI 的角色：从「答案机器」到「提问教练」

生成式 AI 的快速发展，为学习带来了新的可能性，也带来了新的担忧。最常见的忧虑是：当 AI 能够提供即时、便捷的答案时，学生可能将认知工作「卸装」给 AI。一项研究发现，频繁使用生成式 AI 的学生出现「显著更低的认知度」，因为少了的反思、减低了对理解需求和批判性思考，出现了「cognitive debt cycle」。

然而，问题的关键是 AI 如何被使用。如果 AI 被主要定位为「答案提供者」，就未必能达到学习效果。但如果 AI 被设计为「提问者」和 retrieval practice 的触发器，它反而可以成为促进深度学习的工具。传统上，retrieval practice 需要学习者自觉地主动回忆，而这种「自觉」恰恰是许多学生所缺乏的。学生很少自发地进行 free recall 练习。AI 可以填补这个缺口。

AI 生成练习的具体优势

AI 不只是「出题」，它出题的方式可以远比传统练习更精准、更有针对性。

个人化渐进难度的题目。 传统课本的练习题，难度比较固定，要么比较简单或很难。AI 可以根据学生的表现，动态调整题目难度，让学生永远在「稍微超出目前能力，但努力就能达到」的区间学习，达到「zone of proximal development」的理想状态。

针对弱点的陷阱题。 学生常见的状态，不是「知道自己不会」，而是「以为自己会」。AI 可以设计专门针对常见误解的「陷阱题」，测试学生是否真正理解，还是只是背下了表面模式。例如学生学了矩阵乘法，AI 就出一个「行乘列」和「列乘行」结果不同的题目，令学生面对自己是否真的分得清楚。这些陷阱题不是为了刁难学生，而是为了在安全的环境下暴露弱点，在考试前发现自己哪里没懂。

模拟实境练习。 AI 可以模拟真实的测验情境：限时、随机出题、不给提示、混合不同章节的内容。这种模拟练习让学生提前体验考试的情境，也让 retrieval practice 更接近真实的提取条件，而不是在你刚读完、记忆还很新鲜时提取。它提供了「间隔练习」（spaced practice）和「交错练习」（interleaved practice）的机会，而这两者都被证实能显著提升长期保留。这种个人化的模拟测验，是传统教学中难以达致的。

不要过量生成练习

AI 生成练习虽然很方便，但不等于学习的容易。生成一份练习题只需几秒钟，学生做完及理解每一个卡住的地方却可能要几个小时。若因出题变便宜就不断堆叠练习和测验，会变成剥削学生，当练习量超出消化时，学习就退化成「应付」。再好的方法，如果学生不想学，都是空的。如果学生没有足够动机去承受，再科学的方法也不会被采用。当学习被简化为一连串测验、分数和进度追踪，学生很容易失去内在动力，学习成了外在压力，而不是出于好奇和渴望。学习动机不是附加品，它是学习的引擎。设计 AI 辅助学习时，必须把动机放在核心位置：平衡质与量。

结语

有效学习是知识的「输入」及「输出」，通过认知学习，再加工。如 AI 被适当设计为「提问者」而非「答案提供者」时，将大大提升学习效果。AI 的方便不应该变成剥削学生的理由；学习动机才是学习的核心。