一切都太顺利了，是教育一个很危险的信号。

作者：Claire克莱因，剑桥宝妈，前伦敦科技投行和国际学校管理。鸡娃不如自鸡，精通四语，沉迷硬核洞见。

........................................

人的生活，

需要一些走神

上个月，我在斯坦福大学参加一场学者大会，听陶哲轩讲课。

陶哲轩智商高达230，是菲尔兹奖最年轻的得主，这项纪录20年都未曾打破。

主持人提到一个幕后花絮：当时离陶哲轩上台分享只剩最后两分钟，可他居然还在思考一道未解开的数学题。

那一刻，我读到了一种极致的热情。当他在思考问题时，再紧急的事件也无法打断。

不久前在一次访谈中，陶哲轩谈到了一个观点。他说，人的生活需要一定程度的「走神」（distraction）。

这里的走神，是指偶遇、漫游、意外的打断，以及暂时偏离目标的探索。

他打了个比方：如果系统被优化得过于精确，它虽然更加高效，却也更容易停在局部最优解里。

如果生活的每一步都被安排好，我们总是沿着最快、最确定的路线寻找答案，大脑就更容易困在熟悉的轨道上。我们也许完成得更快，却更难发现新的方向。

偶尔走神、绕路，甚至被计划之外的事情打断，这种适度的随机性，反而可能把人从原来的轨道上推开，能带来惊喜的意外。

陶哲轩曾在普林斯顿高等研究院工作过一年，那是知识工作者梦想的职场：少有杂务，不必频繁切换任务，有大块时间用来思考。

最初几周，他效率极高，完成许多积压的论文。可是几个月后，他发现自己的灵感渐渐枯竭。

他感到无聊，更频繁地浏览网页。

反而是那些看起来无所事事的时刻——走廊里偶遇一个人、喝咖啡时听到一段谈话、去图书馆找一篇论文却顺手翻到旁边的一篇——为思考带来了新的方向。

他担心的是，现代社会太擅长优化一切了。

会议必须预约，搜索必须精准，答案必须即时出现。日程越来越满，路径越来越短，却也越来越少与计划之外的东西相遇。

效率让我们更快抵达已经知道要去的地方；偶尔的偏离，让我们惊喜发现地图上原本没有的路。

电脑下线后，

大脑重新上线了

陶哲轩谈的是科学研究。

前几天发生在我生活中一个小意外，让我意识到：同样的问题，也发生在我们的日常生活里。

那天早上，我赶早高峰开车送女儿上学，接着打算开启当天工作。然后发现自己忘带了电脑！我犹豫了一会儿：要不要开回家去取？这一来一回，至少又要一个小时。

我突然想到：也许，这是生活意外留给我的一块空白。

过去一段时间，AI已经帮我生成了很多学习和工作文件。它们结构完整、语言漂亮，几乎「完美」。

可我就像一只困在滚轮上的仓鼠：不断输入提示词，不断修改、优化，让文件一份比一份完整、一份比一份漂亮。一个任务刚刚打勾，我就立刻延展出五个任务，分别奔向下一个。

滚轮转得越来越快，我却很少停下来问一句：这些东西进入我的脑子了吗？

很多文件生成以后，我甚至没有仔细读过，更谈不上理解和消化。AI替我完成了很多成果，而我却还没来得及追上产出。

与其再花一个小时回去拿电脑，继续生产更多，不如就用这一天，停下来读一读那些已经完成、却还没有真正成为我的东西。

那天天气难得舒服，我在斯坦福校园里随意走走。我进入几个以前从未去过的学院，沿着走廊看墙上的研究介绍、那些平时从身边匆匆经过，却从来没有停下来注意过的信息。

走走停停，不知不觉过了两个小时，我灵感爆棚。我去书店买了笔记本和笔，在咖啡厅里坐下来，手写了一下午的笔记。

那天，我没有做出更多文件，没有清空更多任务，没有推进更多项目，但那些被AI整理好的文字，第一次真正开始进入我的头脑。

我开始回忆、怀疑、连接，重新用自己的语言组织它们。原本只是「看起来已经完成」的内容，一点点变成属于我的理解。

电脑下线了，我的大脑反而重新上线了。

那一刻我意识到，AI可以替我完成表达和整理，却不能替我完成理解和内化。

我想到那些每天被课程、补习、练习和标准答案塞满的孩子，我们以为自己在帮他们节省时间；我们总以为，学习发生在不断输入的时候。

但理解往往发生在两次输入之间：散步时，发呆时，尝试复述却突然卡住时，以及没有下一项任务急着被完成的时候。

很多时候，它正是学习重要的后半程。

别让效率，

填满孩子成长的留白

这让我重新理解女儿现在读的这所“play-based”幼儿园。刚开始我很焦虑，它看起来太散漫了，完全没有我熟悉的被课程和任务排得清清楚楚的日程。

我总忍不住想：她今天到底学了什么？完成了什么？这样真的可以吗？

后来我才明白，它不是没有结构，而是把结构放进了环境里。空间和材料都经过了有意识的设计，安全又丰富。孩子自己选择想做什么、和谁一起、愿意在一个问题上停留多久。

老师始终在旁边观察，在孩子真正需要时给予帮助，却不急着规定每一步，更不会立刻替他们解决所有问题。

这不是放任，而是一种有边界、有支持的自由。

我慢慢意识到，我们所追求的每一分钟都有安排，每一个问题都有答案，每一项学习都有成果——代价可能是孩子始终处在被推动、被纠正的紧张之中。他没有机会真正松下来听见：我到底想做什么？

在这种环境中，孩子必须自己发起一件事、作出选择、遇到问题、调整办法，再决定要不要继续。，他们甚至学会自己安排自己的一天。

留白，不是什么都没有发生。恰恰是在没有人告诉孩子“下一步该做什么”的时候，他才有机会听见自己的兴趣，做出自己的选择，并试着为这个选择负责。

可惜，这样的留白，正在被效率填满。我们把自己的焦虑变成孩子的日程表，再把这张日程表误认为是教育。

AI把一切推到了极致

在 AI 出现之前，我们的教育系统早已开始消灭孩子的留白和学习中的摩擦。

孩子刚感到无聊，下一项活动就被安排好了；孩子还没有形成完整的问题，知识就已经被切成一个个可以打勾的小颗粒；孩子刚不会，补习老师就把解题步骤讲给他；孩子一旦走错路，成年人便急着把他拉回“正确答案”……

我们当然爱孩子，因为爱、所以害怕。我们怕他浪费时间，怕他落后，怕别人家的孩子已经多做了一套题。于是，我们把每一步都铺平，把每一个坑都填上，把每一分钟都变得“有价值”。

AI，让这种愿望第一次接近了完美。它可以迅速解释、拆解、总结、修改，甚至直接交付一个看起来无可挑剔的成果。

于是，孩子越来越少卡住。

但问题是：孩子没有卡住，不等于孩子正在学习。所有阻碍“完成”的东西都叫作摩擦，但有些摩擦不是学习的障碍，而是能力形成时产生的必要条件。

危险的误会：

把表现当成学习

学习科学早就区分了两个经常被混为一谈的概念。

• 一是表现（performance）：孩子此刻能不能顺利完成任务。

• 一是学习（learning）：当提示、老师和工具全部撤走以后，他是否仍然能够保留、解释和迁移这种能力。

UCLA的Robert Bjork等教授提出：学习期间表现得更好，并不必然意味着形成了更持久的学习。有些让练习看起来更困难、产生更多错误的方法，反而更有利于长期保持与迁移。

2025年，PNAS发表的一项近千名高中生数学实验，把这个区别呈现得格外清楚：使用GPT的学生，在AI辅助练习时，表现比对照组高48%；但当AI被拿走，他们在独立考试中的成绩反而低17%。

显然，AI让任务变容易了，却没有让能力留住。完成是任务的状态，学会才是人的状态。

这或许正是「人类正在变蠢」背后真正值得担心的部分：不是我们的脑子变笨了。而是我们越来越少有机会练习那些无法被即时看见的能力：独立开始，忍受不知道，形成假设，经历错误，重新组织，以及在没有标准答案时作出判断。

有些弯路，本来就是学习的一部分。

学习中有个概念叫“生产性失败”（Productive Failure ），它是让学习者在接受完整讲解前，先尝试解决一个暂时超出当前能力的问题。他可能会失败，也可能提出不完整甚至错误的方法。

过程中大脑调动已有知识，暴露理解缺口，并形成多个等待修正的模型。有些弯路不是学习的浪费，而是大脑铺设道路的方式。

当然，这并不意味着我们应该浪漫化痛苦，更不意味着家长应该在孩子需要帮助时袖手旁观。

有害的困难包括羞辱、恐惧、资源匮乏、无意义的重复，以及长期得不到反馈的挫败。

这些困难应该被消除，但另一些困难需要被保护：

• 自己尝试的困难；
• 暂时不知道答案的困难；
• 从错误中重新组织的困难；
• 回忆、解释和迁移的困难；
• 自己选择目标并承担结果的困难。

我们要消除的是伤害，不是不确定；是无意义的障碍，不是塑造能力的阻力。

之前我写过一篇文章，是在曼哈顿飞机失事劫后余生的人说的：Be a human being, not a human doing. 过去，我更多把它理解为一种生活态度，现在我发现，它同样是一条教育原则。

Human doing关心的是：今天完成了多少学习任务？还有哪些作业没有打卡？怎样把下一项任务做得更快？

Human being关心的是：今天有什么东西真正进入了我？什么改变了我的理解？什么问题仍然留在我的身体和头脑里？

Being不是躺平，也不是拒绝效率。它只是承认人的成长不能全部被压缩成可交付成果。

理解需要停留，需要遗忘后重新回忆，需要允许一个问题在头脑里多住一会儿。

AI可以让doing变得无限高效，但没有任何工具能够替一个人完成being。

但我不是说我们要拒绝AI，也不必取消孩子所有的课程。真正可以改变的，是帮助介入的时机。

有些看起来没有用的时间，正在悄悄重塑我们作为人类最基础的品质。

最后

在那场陶哲轩的课堂上，最后的提问环节，有人问他：“你现在最需要什么？”

他认真地想了一会儿，带着一点无奈说：“more free time.”

一个能够处理世界上最复杂问题的头脑，最需要的不是更强大的工具、更精密的日程，甚至不是更高的效率。他需要的，只是更多不被占用的时间。

不是用来完成更多任务的时间，而是允许一个问题继续生长、让一个念头暂时没有结论、让偶然与意外有机会发生的时间。

也许让人变笨的，从来不只是AI替我们思考了什么。

是我们已经没有足够的空白，让自己的大脑把一个问题真正想完。

机器永远可以完成得更多、更快。但一个人要理解、创造，最终成为他自己，需要的也许正是陶哲轩那个简单又奢侈的答案——more free time。