2023 年 5 月，美國線上教育公司 Chegg 在財報會議中表示，自從生成式人工智慧工具（如 ChatGPT）開始被學生大量使用後，公司網站流量與付費訂閱出現明顯下降，市場隨即劇烈反應，股價在一天內下跌超過 40%。這個事件提醒了我們一件事情：當 AI 能夠快速生成答案、摘要與解題時，一些原本依賴「提供標準答案」的教育服務，可能會面臨新的競爭。
文／謝伯讓（臺大心理系教授、腦與意識實驗室主持人）
當AI出現，教育的核心目標改變了嗎？
許多教育者開始重新思考一個問題：如果答案越來越容易取得，那教育的核心目標應該是什麼？
其實，教育心理學家布魯門（Benjamin Bloom）早在1956 年就提出了著名的「教育目標分類學」。布魯門指出，人類的學習能力可以分成不同層次：最基礎的是記憶與理解，其上還包括應用、分析、評估與創造。布魯門的觀點很簡單：如果教育只停留在記憶與理解，那其實只是訓練了最低層次的認知能力。因此，他主張教育應該逐漸引導學生發展更高層次的能力，例如分析問題與提出新的想法。
在資訊科技高度發展的今天，這個觀點似乎變得更加重要。當 AI 能夠協助處理大量資訊時，人類學習的重點可能需要逐漸轉向那些較難自動化的能力，例如理解問題、整合不同觀點，以及在不確定情況下做出判斷。
以下從四個面向討論這種轉變可能帶來的影響。
一、教育的重點：從「答對問題」到「理解問題」
在過去資訊不易取得的年代，教育系統往往強調學生是否能夠給出正確答案。然而，在資訊容易取得的環境中，教育更重要的目標應該是培養學生理解問題的能力。
使丹佛大學的教育學者達令哈蒙德（ Linda Darling-Hammond ）在研究美國教育改革時指出，未來社會需要的能力，往往不是單純記住知識，而是能夠把不同來源的資訊整合起來，並在複雜情境中做出判斷。換句話說，學生需要的不只是「知道答案」，而是能夠理解問題背後的假設、限制與不同觀點。
經濟合作暨發展組織（OECD）在「Education 2030」計畫中也提出類似觀點：未來教育應更重視學生的批判性思考、跨領域理解以及複雜問題解決能力，而不只是知識記憶。
另外，蘇黎世聯邦理工學院的教育心理學家卡波爾（ Manu Kapur ）的研究，更提供了一個有趣的觀點：如果學生在學習初期先嘗試解決問題，即使一開始解錯，之後只要再學習正確概念，往往會比一開始就直接被教導正確答案的學生理解得更深。他把這種現象稱為「有意義的失敗」（productive failure）。卡波爾的研究提醒我們：適度的犯錯，其實可以促進理解，而不是阻礙學習。
二、職涯的思考：從「單一技能」到「解決問題的協作能力」
當人們討論 AI 對工作的影響時，一個常見問題是：「哪些技能比較不會被取代？」
麻省理工學院的經濟學家奧圖爾（ David Autor ）指出，科技通常不會單純取代整個職業，而是會改變工作中不同任務的比例。例如，電腦可以處理大量重複性資料，但許多工作仍然需要人類負責與人互動、解釋情境或做決策。奧圖爾的研究發現，近幾十年來，勞動市場中增加最多的工作，是那些需要「非例行性任務」的職位。這些任務通常需要人類理解情境、做出判斷或與他人合作。
哈佛大學的公共政策與教育學者德明（ David Deming）在研究美國就業市場後也發現，過去二十多年來，社會互動能力在勞動市場中的重要性持續上升。德明的研究顯示，那些同時需要技術能力與人際互動能力的工作，薪資與需求都在增加。
這些研究提醒我們，職涯規劃或許不應只關注某一項技能，而更應該思考：自己能否在真實情境中解決問題？能否在團隊中建立信任？能否在不確定的情況下做出判斷？這種從「單一技能」轉向「解決問題的協作能力」，可能才是未來人類得以發揮的方向。
三、影響孩子持續學習的因素：學習動機、心理韌性與自由時間
若要培養上述的理解問題和解決問題能力，該如何從小養成和持續學習呢？心理學研究顯示，一個人能否持續學習，往往與動機與心理韌性有關。
心理學家德西（Edward Deci）與萊恩（Richard Ryan）提出的「自我決定理論」（Self-Determination Theory）認為，人類有三個重要的心理需求：自主性、能力感與關係感。簡單來說，人們更容易持續投入某件事情，通常是因為他們感到自己有選擇權、能逐漸變得更擅長，而且與他人有連結。
發展心理學家梅斯頓（ Ann Masten）在研究兒童發展時也提出一個有名的概念：「平凡的魔法」（ordinary magic）。她的意思是，許多孩子能夠在困難環境中保持良好發展，並不是因為特殊天賦，而是因為一些普通但重要的因素，例如穩定的關係、基本的支持環境，以及逐漸建立的自信與問題解決能力。這些因素共同形成了所謂的心理韌性。
想要順利發展動機與韌性，孩子就需要一定程度的自主探索空間。心理學家葛雷（ Peter Gray ）在研究兒童遊戲與學習時指出，自由玩耍與空閒的時間，能讓孩子自行協商規則、解決衝突，並嘗試設定自己的目標。這些經驗涉及自主性、能力感與人際互動，可能有助於培養內在動機與社會能力。因此，適度的自由時間並不只是「放鬆」，而是兒童在現實情境中練習自主解決問題與培養心理韌性的重要場域。
四、成年人能努力的方向：提升自我覺察
最後再回到我們自身：成年人在面對快速變動的技術環境時，應該如何調整自己的心態？在AI人工智慧與自動化持續進展下，許多人會產生一種不確定感：如果ＡＩ技術能力不斷提升，甚至能在某些任務上超過人類，那麼我們現在投入的學習與努力，是否仍具有長期意義？這種焦慮在高度變動的環境中並不罕見，也反映了人們在重新定位自身角色時所面臨的心理挑戰。
在心理學研究中，一個與長期發展密切相關的能力是「自我覺察」。心理學家葛蘭特（ Anthony Grant）發現，較常進行自我反思的人，能持續檢視自己的目標、動機與行動時，往往就更容易在複雜情境中保持方向感，並逐步修正決策。
從這個角度來看，自我覺察是一種持續理解自身狀態的過程。這種理解可能包括幾個層面：個體逐漸辨識自己真正重視的價值與長期目標、理解自己對不確定性的容忍程度、學習判斷哪些人際關係具有信任與合作的基礎、以及更敏感地覺察自身的心理與身體狀態。這些能力往往是在長時間的反思與經驗中逐漸形成，而不是透過短期訓練即可獲得。
因此，自我覺察未必會在短期內轉化為可量化的成果，也不一定立即提升工作績效。然而，在高度不確定且持續變動的環境中，它能幫助個體維持基本的方向感與心理穩定，使人更有能力在新的情境中重新評估目標、調整行動，並持續參與長期的學習與成長。
人機協作普遍後，人類需重新定位展望自身能力
教育、職涯與個人成長，看似屬於不同層次的議題，但在AI人工智慧技術快速發展下，它們其實共同指向一個更根本的問題：在人機協作日益普遍的環境中，人類能力應該如何重新定位？
目前多數研究與評論指出，人工智慧在大規模資料處理、模式辨識與快速生成內容方面具有明顯優勢；而人類在理解具體情境、處理價值衝突、建立信任關係以及進行跨情境判斷等方面，仍扮演關鍵角色。這些能力往往涉及長期經驗、社會互動與價值判斷，因此不容易被單純的演算法完全取代。
未來的重要課題可能並不只是與人工智慧進行能力競賽，而是學習如何在不同任務中有效地結合人類與機器的優勢。教育、職涯與個人發展的重點，也可能逐漸轉向那些有助於理解情境、整合資訊、做出判斷並與他人合作的能力。
由此來看，AI人工智慧的出現不僅代表一項技術上的突破，也提供了一個契機，使我們得以重新思考：在人類與機器共同參與的知識生產與決策環境中，哪些能力值得長期培養，哪些學習目標需要被重新界定，以及人類在未來社會中所能發揮的獨特價值究竟為何。
