吴恩达的核心警告：AI对学习“糟糕透了”
2024年8月28日，在线教育先驱、Coursera创始人吴恩达在一档播客中抛出了一个极具争议的观点。作为曾创办Coursera、在百度担任首席科学家期间指导过Anthropic创始人达里奥·阿莫代伊的行业巨头，吴恩达直言不讳地表示：“坦白来说，AI模型对于学习来说糟糕透了。” 他反复使用了"terrible"（糟糕透顶）一词，并强调这是绝对的事实。这一观点并非闲聊时的随口一提，而是基于他对教育本质的深刻洞察。
吴恩达指出，当前的数据已经非常清晰地揭示了AI对学习的负面影响。大学生使用AI完成作业后，短期内的分数确实提高了，但长期来看，他们的实际表现却大幅下滑。这是因为学生将思考过程完全外包给了AI，导致他们并没有真正掌握知识。“我们应该停止把AI看作对学习有帮助的东西”，至少对于绝大多数普通学习者而言是这样。吴恩达认为，这种直接的“答案获取”模式剥夺了大脑锻炼的机会，使得学习者变得不再熟练。
为了佐证这一观点，吴恩达分享了自己的亲身经历。在过去半年里，他在开发项目时直接询问AI关于前端、后端及组件运行的答案。“当时爽得很，可是过了6个月……他脑子里是一片空白”。当需要再次处理相同组件时，由于缺乏记忆和理解，他不得不重新向AI求助。吴恩达强调，这并非因为学生或他自己“笨”，而是认知外包（Cognitive Offloading）的自然结果。当大脑不再承担原本应由其完成的思考任务时，记忆和理解能力就会退化。
认知外包与“护栏”的必要性：从电话号码到LearnVector
所谓“认知外包”，是指将本应由大脑处理的记忆或思考任务转移给外部工具。吴恩达用“背电话号码”这一经典案例来解释：过去人们能背诵几十个甚至上百个号码，而现在许多人连自己的手机号都记不住，只能依赖通讯录查找。这种便利虽然提高了效率，却导致了“本事你没学会”的后果——作业分数当场结清，但核心能力并未内化。
为了解决这一问题，吴恩达提出了“护栏”的概念。他引用相声《威胁》中的情节：父亲因知识落后无法直接回答儿子问题，便以“直接告诉你答案你印象不深”为由搪塞。吴恩达认为，这种看似笨拙的“拒绝直接给答案”，实际上是一种保护机制。AI护栏的作用就是防止学生通过聊天机器人轻松完成任务，从而避免认知能力的退化。
基于这一判断，吴恩达投入了真金白银。2024年7月28日，Coursera宣布向吴恩达的新公司LearnVector投资1亿美元，换取其三分之一股份。这意味着LearnVector的估值约为3亿美元。该公司官网明确写道：“没有护栏的聊天机器人会损害学习。” LearnVector的目标正是构建带有认知保护机制的教育工具，确保学生在利用AI辅助的同时，依然保持大脑的活跃和思考的深度。
职场焦虑与教育模式的断层：从错误中成长的路径被堵死
吴恩达的观点不仅适用于学生，也深刻影响了职场。2026年1月20日（注：原文时间，可能为笔误或未来预测语境），他在达沃斯论坛指出，传统职场新人的成长路径依赖于“查资料、做错事、被老同事骂”的循环。正是在这一轮轮的试错中，新人积累了行业判断力。“现在这个基础活一件一件在被AI接走……这条道路正在被堵死。”
初级员工面临的真正焦虑，不仅仅是饭碗问题，更是担心自己沦为只会操作AI的“工具人”。他们跳过了本该由自己犯错的几年，导致缺乏独立解决问题的能力和行业直觉。吴恩达指出，“在错误里头成长这条道路正在被堵死”，这是初级员工最深层的恐惧。
博主通过其儿子的经历进一步说明了这一风险。其子参加集成电路设计比赛时，利用AI工具学习课程后半部分并生成题库练习。“他在笔试的时候拿了个一等奖”，信心满满地准备参加外部比赛。然而，当面对不允许使用电脑、需现场作答的比赛时，他因缺乏底层逻辑理解而陷入困境。尽管AI帮他穷举了大量题目范围，但实际考题与预测结果存在细微差异，导致他“抓瞎了”。这一案例表明，依赖AI生成的表面知识无法应对复杂多变的实际挑战。
多位AI领袖的观点分歧：辛顿的乐观与杨立昆、奥特曼的警示
在吴恩达发出警告的同时，其他AI领域的大佬也表达了不同视角的看法。2024年诺贝尔物理学奖得主、被誉为“AI教父”的杰弗里·辛顿在BBC采访中肯定了AI在教育中的潜力。他认为，传统教师是“广播模式”，而“AI导师不一样……你刚冒出来那个问题，他当场就给你答了”。辛顿特别推崇Alpha School模式：每天仅两小时学业课，其余时间做项目社交，学生在全美标准化考试中排名前1%-2%。在该校，老师被称为“引导员”，起薪高达10万美元。辛顿的观点隐含了一个前提：只有当教育模式发生根本性变革，且资源高度集中时，AI才能发挥最大效益。
相比之下，图灵奖得主杨立昆在2026年2月19日的印度AI峰会上表达了更悲观的看法。他反对大语言模型（LLM）作为智能的未来，认为“用大语言模型去做教育这件事肯定也是不对的”。他建议学生转向物理、电子工程等“半衰期长”的基础学科，并警告AI末日论可能引发年轻人的抑郁情绪。
山姆·奥特曼也在同一场合承认了错误。2026年5月，他在斯坦福大学CS153课程上表示：“ChatGPT已经出来三年半了，我找不到教育系统有过哪怕一次像样的系统性改变。” 他原本预测AI会在1-2年内引发教育变革，但现实并未如此。“把思维外包出去，人是会萎缩的”，奥特曼的这一反思与吴恩达的观点不谋而合。
实验数据揭示“认知债”：大脑连通性下降与批判思维退化
吴恩达、盖茨和奥特曼的观点并非空穴来风，而是基于具体的实验数据。2025年6月10日，MIT媒体实验室科斯米娜团队在arXiv发表了一项关于ChatGPT对大脑影响的研究。实验将54人分为三组：使用ChatGPT、仅用搜索引擎、纯脑力写作，持续四个月并监测脑电活动。
实验结果显示了显著的负面影响： 1. 低频段脑网络连通性降低55%：使用ChatGPT组的大脑区域联动比纯脑力组少了一半以上，表明大脑投入的精力大幅减少。 2. 记忆留存率极低：刚交完卷后，83.3%的使用AI组学生无法引用自己写过的任何一句话。“他刚写完的东西，他不知道自己写了什么。” 3. 认知债（Cognitive Debt）：当撤去AI工具后，使用者的脑活动并未立即恢复。这种损害是持久的，类似于软件行业的“技术债”，即为了节省时间而牺牲了长期的认知能力锻炼。 4. 文章同质化：AI生成的文章内容结构规整但缺乏个人视角和灵魂，显示出创造力的缺失。
此外，瑞士商学院格利希于2025年1月发布的问卷调查显示了AI使用与批判性思维之间的负相关： - AI使用越多，批判性思维得分越低（相关系数 -0.68）。 - 脑力外包越多，批判性思维越低（相关系数 -0.75）。 - 年龄越小，影响越明显。虽然问卷仅显示相关性而非因果性，但趋势清晰指向AI对深层思考能力的侵蚀。
历史对比与中国方案：计算器、谷歌效应与教育护栏
历史上，类似的技术恐慌曾出现在计算器和搜索引擎普及时期。2011年哥伦比亚大学斯帕罗学者提出的“谷歌效应”表明，人们倾向于记住信息存储的位置而非信息本身。然而，西方人认为计算器并未摧毁数学教育，但这一结论忽略了关键对比样本——中国。
在中国，从幼儿园到高考（除上海外），学生长期禁止使用计算器，必须掌握口算和九九乘法表。经合组织（OECD）2022年PISA测试数据显示，数学前四名均为华人教育系统：新加坡575分、澳门552分、台北547分、香港540分，而美国仅为465分（第32名）。中国大陆虽未参加2022年测试，但2018年北京、上海等地成绩全球第一。 这一对比表明，严格的训练和限制工具使用可能有助于维持高水平的认知能力。
中国教育部于2025年5月12日发布《中小学生成式人工智能使用指南》，采取了与“收走计算器”类似的策略：小学阶段禁止学生独自使用开放式内容生成功能，初中高中逐级开放分析权限。“学生应该避免在作业里头简单复制AI生成的内容。” 这一政策比吴恩达的警告早15个月出台，体现了中国在教育数字化过程中的前瞻性布局。
未来教育的三大支柱与结论：限制、训练与验证
面对AI的挑战，博主总结了中国教育应对策略的核心：记忆力、上下文构建能力与批判性思维。首先，记忆力是基础，因为AI接管了记忆功能，人类仍需保留核心知识的内化能力。其次，上下文构建能力至关重要，因为AI无法自动判断哪些信息应纳入推理范围，这是人类需要训练的关键技能。最后，批判性思维是最后一道防线，确保学生能甄别AI输出的真伪与逻辑。
然而，这种“收走计算器”式的严格管理依赖于良好的教育底蕴和师资支持。在教育资源落后的地区，直接套用此模式可能难以奏效。“你把这个东西放到非洲、东南亚……未必能走通。”
回到吴恩达的观点，其核心在于：在现有教学体系未发生根本变革的前提下，无护栏的聊天式AI对学习绝对是有害的。 吴恩达新创办的LearnVector试图通过技术护栏解决这一问题，但其有效性仍需时间检验。“今天在上学的这批孩子……要等到他们三四十岁真正坐到该他们自己拿主意的那个位置上的时候，才能够看得出来。” 教育的变革不仅是技术的引入，更是认知保护机制的重建。
结论
吴恩达等AI领袖的警告揭示了一个核心矛盾：AI在提升效率的同时，正在侵蚀人类深层学习和批判性思维的能力。“没有护栏的聊天机器人会损害学习”，这不仅是吴恩达的判断，也是MIT实验数据和中国教育实践所印证的趋势。未来的教育必须在利用AI便利与保护认知能力之间找到平衡，通过建立严格的“护栏”和强化基础思维训练，避免学习者沦为思维的懒惰者。这一变革需要时间验证，但其紧迫性已不容忽视。