AI像月光：哈佛教授劝你别走错路

点开蓝色字样，欢迎关注我们

AI是月光，你是太阳：来自哈佛教授的一则重要警示

当AI能够替学生写论文、替老师改作业时，我们是在把教育做得更好吗，还是在让更荒唐的做法跑得更快？

2026年3月18日，一位研究AI与教育长达半个多世纪的哈佛教授Chris Dede（克里斯·戴德），在面向全球130多名学生的黑客松大师课上，抛出了题为《用多智能体AI系统赋能教育，做"正确的事"而非"把事情做正确"》的讨论。

他没有花时间讲最新模型参数，也没有上来就秀炫酷演示。他花了整整一小时，一次又一次把问题拎回同一个核心点：

"你更希望AI把事情做得更好，还是做更好的事情？"

01 经过九轮AI炒作周期，他看到了什么

克里斯·戴德教授从1970年起就关注人工智能与教育。那一年，他发表了第一篇相关论文，并在文章里大胆预测：到了1970年代末，人们不再需要教师。

事实证明，那样的判断错了。

接下来的五十多年里，他目睹了八、九次AI“热潮”轮回。"大概每隔五年左右，AI都会有些新进展。支持者说我们获得了数字神；悲观者又担心终结者会找上门。可无论哪边的说法，都太极端了。"

但他也承认：由生成式AI带来的这一轮，也就是“第十个周期”，是"很长一段时间以来最大的进步"。

02 做对的事（把事做好） vs 做更好的事（做对方向）

教授在现场画出一条分界：

把事做对（Doing things better）：让AI把文章改成播客，把课程大纲拆成教学大纲——说白了就是把你原本就在做的流程自动化。

做对的事（Doing better things）：用AI去尝试一些在AI出现之前根本做不到的事情。

"新技术真正带来的突破，往往发生在“以前不可能”的领域。永远别只是在把已经发生的事换个速度做完。"

他所在的美国国家AI研究所（AI-ALOE）正想解决一个具体挑战：劳动力正在被AI重塑。

在美国，约有六千万工人亟需提升技能或重新培训。

靠线下学校，你根本无法提供足够多的学习容量。

只能转向线上，而AI想要发挥作用，又离不开海量数据——这恰好与在线学习的优势高度匹配。

03 Jill Watson：十年打磨才走向成熟的AI助教

教授重点介绍团队的旗舰产品——Jill Watson，一款对话式AI助教。

它不只是“回答问题”。在设计之初就设置了四项关键要求：

知识（清楚课程内容）

安全（不会把学生引向错误方向）

可信（答案可被验证）

有吸引力（让学生愿意互动）

在真实课程里，它能够回应学生抛出的极其多样的问题；而要做到这点，需要十年的研究积累。

但它从不是"上线就放任不管"。系统配备了一个"人在回路中"的教师仪表盘：老师可以看到每个学生是如何与AI互动的，哪些知识点全班已理解，哪些沟通效果不佳。

结果会怎样？

更多学生完成更出色的作业

学习薄弱的学生数量在减少

基础问题被更快处理，课堂最后留下的往往是更高阶的讨论，比如："先天基因与后天环境之间的行为平衡究竟是什么？"

04 旅程比目的地更重要

这是教授最核心的教育观。

他用一个直观例子解释：老师布置一篇论文。以往的传统路径是——学生负责提出想法、组织语言，并思考怎样与读者有效沟通。

真正的学习发生在写作过程中，而不是论文成品本身。

可如果学生把ChatGPT当成“代笔”呢？

"AI负责给你点子、负责帮你组织表达、也替你推演读者会怎么想。所以你被替你走完旅程，当然也就学不到东西。"

这正是他所说的"把事情做更糟"：学生交了论文，但写之前与写之后并没有实质差异。

因此，团队另一款工具 Smart 的理念也完全不同——

Smart不替你写，也不替你开口。它只做一件事：看你的草稿，然后告诉你——

"这个概念由六个部分组成，你只覆盖了四个，还漏掉了A和B。"

"第二部分和第四部分其实是相关的，你的行文里还没有体现出来。"

这样的反馈粒度，比讲师能做到的更细，也更能因人而异、因材施教。

比如一个班有60名学生，没有AI的话，老师根本不可能给到每个人同等程度的个性化反馈。

05 多智能体：1+1>2 的协同效应

教授展示了多个AI工具如何共同完成教学闭环：

Jill Watson：负责课程对话助教

Ivy：让视频"交互化"的AI代理——学生在观看时可以随时暂停提问

Vera：虚拟实践社区

关键在于：这些代理之间能共享数据。学生在看视频时的疑问，会被记录并传递给Jill Watson，从而让后者更理解具体学生。Jill Watson从学习轨迹得到的洞察，也会进一步反馈给Ivy。

他们搭建了一套数据架构，让微学习（秒级反馈）、中学习（贯穿整门课程的模式）以及宏学习（从学位到职业转变）形成三层协同。

教授还特别强调：如果你在黑客松里要做多智能体系统，首先要把数据架构想清楚——这是多代理协作的关键。

06 AI是月光，你是太阳

教授用一种近似莎士比亚式的比喻作为收尾：

"月亮是小偷——她从太阳那里偷走了光。"

这个说法非常贴切：太阳本身在发光，月亮只是反射。

人类真正原创的知识，就是太阳。

AI生成的知识，则像月光——它只是对人类知识的映照。

但问题在于：如果我们过度依赖AI“生产知识”，就可能把AI自己生成的"月光"再喂回训练集。最终等于用月亮的反光去稀释本源——太阳。

"这是一种非常糟糕的循环。"

随后他引用希腊智慧女神雅典娜的典故：她肩头总有一只猫头鹰。

"AI应该像那只猫头鹰——站在我们的肩上，帮助我们学习与创造。反过来不行：我们不能坐到AI肩上，让它替我们把旅程走完。"

07 给教育者的当头棒喝

Q&A环节里，有人问：当学生用AI作弊时，老师该怎么做？

教授的回答很直接：

"你为什么要教AI能做的事？

你不应该把“AI能做的一切”教给学生——除非它本质上是某些只有人类才能完成的内容背后的基础。"

如果一项测验只是验证"学生有没有读过那本书"，那它也许恰好是AI能做到的，于是考试本身就失去了意义。

但如果你去问"把你刚读的内容与你的真实生活联系起来"，这就不是AI轻易能做的事了，也就更有价值。

"最大的难题在于：教育究竟应该改变什么。应该改变的是老师该教什么、怎么教，让学生去面对毕业后的现实世界。"

他直言不讳：我们的教育系统——连哈佛这样的机构也在其中——早已跟不上时代。我们在为"一个已经不再存在的世界"培养人才。

写在最后

教授留给参加黑客松的学生们的建议，同样值得每个关注AI的人认真想一想：

从问题出发，不要从技术出发。别拿着AI当成锤子，哪里都去找钉子。

最好的团队，是每个人都能提供别人不知道的那部分知识。故意追求经验与背景的多样性。

别让学生借助AI走捷径。只要AI替学生完成了"旅程"，就意味着学习没发生。

真正重要的突破不在于"被AI赋能"，而在于成为那个"被赋能的人"，让自己变得更强。

"我们不想坐在猫头鹰的肩膀上。我们更希望猫头鹰坐在我们的肩膀上。"

关于讲者：Chris Dede 是谁？

Chris Dede（克里斯·戴德）现任哈佛大学教育研究生院（HGSE）高级研究员。此前，他在哈佛大学担任Timothy E. Wirth 学习技术讲席教授长达22年，是该校教育科技方向最具影响力的学者之一。

他的经历横跨学术界、政府与产业领域：

教育背景：加州理工学院（Caltech）化学与英语双学士，麻省大学教育学博士（Ed.D.）。——把理科与人文"双修"的人才并不常见。

学术荣誉：2007年获哈佛大学评为"杰出教师">；2011年当选美国教育研究协会（AERA）会士（Fellow）；2023年当选在线学习联盟（OLC）会士；他也是唯一两次获得美国教育传播与技术协会（AECT）杰出开发奖的人。

政府服务：曾任美国国家科学基金会（NSF）教育与人力资源局高级项目主任，负责2500万美元规模的资助计划；曾应邀出席美国众议院科学委员会、国会网络教育委员会并作证；参与美国国家教育技术计划（NETP）技术工作组。

企业顾问：为微软、英特尔、高通、IBM、戴尔、培生（Pearson）、麦格劳·希尔等多家机构提供教育科技咨询；目前还担任麦肯锡旗下Mursion、ACTNext等教育科技公司的顾问委员会成员。

研究资助：主持来自NSF、美国教育部教育科学研究所、盖茨基金会、陈-扎克伯格计划（Chan-Zuckerberg Initiative, 3000万美元）等数十项研究任务。

著作：近16年合编7部学术专著，包括《60年课程：数字经济时代终身学习的新模式》（The 60-Year Curriculum）、《虚拟/增强/混合现实与教育》以及《在线教育的学习工程》等。

目前，他担任NSF资助的美国国家AI成人学习与在线教育研究所（AI-ALOE）联合首席研究员及研究副主任，也是本文提到的Jill Watson、Smart、Ivy等多智能体教育工具背后的孵化机构。

2020年，他还联合创办了"Silver Lining for Learning"（学习的银线）全球教育创新倡议，目标是在疫情之后重新设想教育的未来。

一句话概括：一位研究AI与教育超过半个世纪，且在技术、政策与认知科学之间往返的"活化石级"学者。

我已用夸克网盘分享了「智能体AI系统赋能教育.mp4」，版权归Chris Dede（克里斯·戴德）教授所有。

链接：

https://pan.quark.cn/s/af5cf135805d

特此说明：我们共享的初衷仅用于学术交流。未获得Chris Dede教授授权前，请勿将内容用于任何商业用途。