從“給答案”到“教動腦”：這屆小學生被AI教會主動思考_熱訊
西風 發自 凹非寺
量子位 | 公眾號 QbitAI
“媽，這題怎么做？”
(資料圖片)
這個在有娃家庭中再熟悉不過的聲音，如今正迎來AI給出的全新答案。
眼下，各種學習App、智能學習硬件層出不窮——
ChatGPT上線了學習模式；谷歌推出了“Learn Your Way”教育工具；美國得州有私立學校還要求學生每天花兩小時和AI助手一起學習……
AI+教育的浪潮，確實已經洶涌而來。
然而，火熱浪潮之下，問題也在顯現：
當前大多數AI教育產品仍停留在授人以魚的層面。它們的本質是效率工具 ，追求“快”——快速響應、快速批改、快速給出標準答案，但沒有解決“會”和“懂”的核心痛點。
學生遇到難題，AI直接給出答案，看似解決了問題，實則掩蓋了思維過程的缺失。久而久之，學生容易陷入一聽就會、一做就廢和盲目刷題的循環。
那么，授人以漁的AI教育應該是什么樣子？
超擬人交互AI老師
行業的演進，比我們感知到的可能更快。
最近教育圈就出現了這么一款大火的AI產品，它已經從被動應答的“工具”，進化成了能主動引導、完成教學閉環的“師者”。
它就是學而思學習機T4所搭載的“小思AI1對1”。
基于多模態感知能力，它能夠同時看懂紙上筆跡、聽懂學生表達，并能以自然語言進行實時講解與引導，形成更接近真人教學的互動體驗。
話不多說，一起來看看這位AI老師究竟有何本領。
只需輕輕拍拍“頭”，即可喚醒。
當孩子遇到錯題或是不會的問題，把試卷放在它面前，說一句“第XX題我不會做”，或直接指著題目說“這題我不會”，小思就能立即聽懂/看見，精準識別題目并開始講解。
劃重點，講解過程不再是直接給出解析或是答案，而是真的會像1對1真人輔導老師一樣，一步步引導孩子動腦思考，帶孩子自主完成解題。
可以看到，小思在講解時用到了一種新型方式——紙屏互動。
它會先讓孩子拿出草稿紙，然后引導他們將每個解題步驟親手寫在紙上。
每寫一步，小思都會實時識別并批改；若有錯誤，會立刻指出問題所在，耐心講解原因與正確思路。
在講解過程中，小思能做到一題多解，會根據孩子所處的學段，選用相應的解題方法。它還會在題目上圈劃關鍵信息，引起孩子注意，這與學校課堂中老師強調的“細讀題目、圈出重點”如出一轍。
即便孩子書寫不夠工整，或在紙上“東一句、西一句”，又或是草稿紙上原本已有字跡，小思依然能夠精準分辨出剛寫下的步驟，理解上下文邏輯。
當整道題講解完成后，小思還會對題目進行整體回顧與重點總結，幫助孩子真正理解這一類題型的解題思路與方法，從而實現真正意義上的智能化輔導閉環。
這種方式徹底改變了學生與學習機的互動方式，從單向的看和聽，轉變為動手寫、實時改、雙向互動的沉浸式學習。它不再是把答案塞給學生，而是把思考的過程還給了學生。
而這位AI老師的能力還遠不止于此。
上個月，特斯拉前AI總監、OpenAI創始成員、現在正在全職搞教育的AI大神AndrejKarpathy在一次專訪中提到，他們“想做的是一種真正的導師體驗”。
他以自己學習韓語的過程為例：最開始是自學；后來報了一個十幾人的小班；最后換成了1對1的導師輔導。他發現，好的導師能迅速判斷他的知識水平，提出恰到好處的問題。
Karpathy認為，當下即便是非常優秀的LLM也做不到這一點，而好的導師卻可以。
就這點來看，只能說，現在咱國內的AI學習機已經能做到了。
小思在1對1輔導時，會采用個性化教學方案。
如果孩子在解題中持續出錯，小思會靈活地轉換思路、變換提問角度，從不同側面試圖撬動孩子的思維。多次引導仍未奏效，它會判斷學生認知負荷已達到臨界點，主動調整教學節奏，確保核心概念能得以傳遞，教學流程能夠順利走完。
它還能在孩子學習過程中時刻關注其行為并給予反饋，比如提醒孩子坐姿要端正、專心聽講、認真做題；通過情緒感知技術，能夠捕捉孩子的情緒變化，在恰當的時候送上鼓勵或祝賀。
小思還會將孩子的情緒總結生成家長報告，推送到家長的手機上，讓家長可以關注到孩子的興趣、情緒、成長變化。
另外，當孩子和小思一起學習時，它會自動構建專屬每個孩子的動態學情圖譜，并基于行為模型生成個性化學習規劃，讓教學從“千人一面”走向“千人千面”。
孩子在學校完成的習題或試卷，也能通過拍照上傳，讓小思持續跟蹤學情，進行動態診斷與精準反饋。
以備考為例，這段時間學生往往需要做大量試卷刷題。而當你將試卷交給“小思”，它就能根據學習數據，自動篩選出學生的薄弱環節，優先呈現易錯題型與未掌握題型。
總結來說，學生課后學習的三個關鍵環節——練習后用AI批改、錯題用AI講解、AI根據學習畫像進行推薦——在學而思學習機T4的“小思AI1對1”中，已經形成了一個完整的環環相扣的學習體系。
據學而思相關產品負責人介紹：
小思AI1對1不僅是行業領先推出的軟硬一體超擬人交互AI老師，也是學習機行業領先多模態交互智能體。搭載了“小思AI1對1”學而思學習機T4，更是行業內少有的能做到紙屏互動、分步驟批改加講解的學習機。
而學而思能夠率先做到這些，并非偶然。
軟硬一體原生派，自研主導
這背后，是一條由軟硬一體與自研主導共同構筑的、難以被快速復制的AI原生派護城河。
當前，在AI+教育方向上，業內大致形成了三種主要技術路徑：
以大模型為核心的開放平臺服務，聚焦模型能力本身，不直接落地面向C端的教育產品；
將AI能力嵌入教學App，用于題庫、批改、口語陪練等功能模塊；
軟硬一體化，通過自研模型與專屬硬件深度融合，構建原生AI老師。
學而思在第三條路徑上布局較早，團隊認為：
盡管強大的云端大模型是AI老師的“智慧核心”，但要實現真正媲美甚至超越真人教學的原生AI老師體驗——即具備低延遲、多模態、沉浸式交互和深度個性化能力的教學形態——軟硬一體化的實現路徑是必然選擇。
基于這一判斷，學而思最新自研的T系列學習機成為AI老師的物理載體。前置的高清攝像頭能看清學生在紙上的每一處演算筆跡；內置的傳感器與算法則構成了其視覺神經系統，使之能實現低延遲的紙屏同步與多模態交互。
另外，AI老師的能力邊界，包含兩個維度，一方面在于解題準確性，另一方面在于講題能力。前者是客觀過程，講求邏輯與答案的正確；后者則是主觀過程，體現教學設計與啟發式講解的水平。
首先，在解題環節，學而思依托自研的“九章大模型”（MathGPT），承擔全學科解題、應用題批改、作文批改、AI分步講解等任務。
該模型在中國信通院組織的首輪教育大模型評估中，通過了教育大模型5級與教育智能體4+級雙項最高級別認證，能力獲國家級權威背書。
在此基礎上，學而思AI老師采用“雙模型”架構，引入業內領先通用大模型DeepSeek以增強開放對話與邏輯推理能力。
當下這類“垂直模型+通用模型”協同方案也正在成為教育AI的新趨勢——垂直模型保障專業精度，通用模型擴展交互與邏輯推理能力。
其次，在講題環節，AI的表現取決于其是否具備教學思維。
據悉，學而思將二十余年教研團隊積累的授課經驗、解題策略與課堂互動邏輯數據，系統性地“注入”到大模型中，使AI逐步掌握教學思維與啟發邏輯，具備“如何教”的能力，而不僅僅是“如何答”。
最后，教育場景對AI系統的安全性要求尤為嚴格。
學而思貫穿全鏈路的自研體系，正為安全與可靠性提供了保障。
學而思團隊介紹道，在內容安全層面，學而思AI老師出的題目的都有真人審核，在特定關鍵環節甚至設有“三輪審核”機制，并由集團級安全中臺提供最終保障。在數據與隱私安全上，學習機內部建立了數據防控與權限管理機制。
自研技術棧還能精準約束AI行為，比如題目講解時以標準答案和解析規范模型，自研意圖理解模塊搭配可插拔調度的大模型保障專業準確。從在線實時攔截到離線全量復審，安全機制覆蓋全流程，保障端到端安全。
綜合來看，業內AI教學系統的演進，正在經歷從“答題工具”到“AI學伴”再到“AI老師”的過程。
通往“完全體”之路
當AI技術浪潮席卷各行各業，教育領域也正迎來一場深層變革。這場變革早已跳出單一教學產品的功能修補，而是向著重構教學模式、拓展學習邊界的方向突圍。
整個行業都在探索，AI深度融入教育場景，究竟會帶來哪些顛覆性改變？而能真正適配教育本質的AI老師，又將是什么樣的形態？
在今年的云棲大會上，學而思CTO田密對標自動駕駛L1-L5分級，提出了AI老師的L1-L5。
其核心衡量標準頗為直接：AI能在多大程度上替代傳統書桌旁的課外輔導角色。
L5即實現完全取代真人輔導的“AI托管”。
這不僅是學而思的技術路線圖，某種程度上也體現出整個AI教育賽道可能的技術終局。
按照這一標準衡量，學而思學習機中的AI老師能力目前已經一只腳邁入了L3階段。
具體表現為，在題目講解這一核心場景中，系統已經實現了多模態交互+個性化引導，同時將引導+實時批改與自適應講解等能力串聯，形成相對完整的系統化學習鏈條。
實際上，小思全學習機可以自由調度的AI能力，有七十多種。
業內有觀點認為，現階段AI老師要想做得更好，得在三個方面持續推進：
教學能力：持續優化AI老師本身的批改、講題、診斷規劃等能力。
認知理解能力：通過匯聚更多學習數據，構建更清晰的數字化學習系統，實現對孩子的深度認知。
交互能力：持續推進多模態迭代，實現更自然的擬人交互。
長期來看，學習機有望突破現有形態，向具備教育感知與情感交互的陪伴式機器人演進。
學生是有血有肉的人，教育的目的是為了激發和引導他們的自我發展之路。學而思的實踐提供了一種人機協同的引導式教學新思路。當AI承擔起知識傳授中標準化的工作，便為真人教師留出了更多進行情感關懷、創造力激發和人格塑造的空間。
盡管當下的技術發展與完全體AI老師仍有距離，但行業沿著多模態個性化的技術鏈條持續突破，或許正在接近古希臘哲學家蘇格拉底曾提出的理想——
“教育不是灌輸，而是點燃火焰”。
-
無相關信息
