我眼中最好的學習方法｜《高手的黑箱》節選

我眼中最好的學習方法

向大家介紹一個聽上去非常樸素，但實踐上極為有效的學習理論——認知負荷理論（Cognitive Load Theory，CLT）。

瀏覽評論區，我發現已經有很多優秀的教育者在有意無意地在應用這套理論了，其教學成果令人讚歎，同時也懷疑，當年的自己，也許是眾多被平庸老師耽誤的倒霉孩子之一：

視頻版，掃碼觀看↓

文字版↓

“腦子不夠用”怎麼辦？

這個章節的主題是理解，我們要關注的問題是：

大腦如何理解一件複雜的事，深度學習與深度理解是如何達成的。

在這個問題的引導下，我們將發現一個“讓任何人學會任何事物的底層原理”。

先說一個體感層面的事實：面對一個複雜的對象，我們之所以無法達成理解，一個基礎性的原因就是我們的“腦子不夠用”。

“腦子不夠用”翻譯成學術語言是：“工作記憶”容量限制讓大腦無法完成相對複雜的加工。（“工作記憶”是大腦中的“臨時草稿本”，是我們用來短暫存儲、操作思維內容的地方，我們在其中回憶、想像、心算和“打腹稿”，可類比為計算機的“內存”）

工作記憶的容量是有限的。曾有說法認為我們能同時處理大約七個認知組塊，但後來的研究表明這一數字可能僅為四個左右。

舉個例子，在我女兒眼中，“沐”字是一個非常複雜的圖形符號——它有三個點、一橫一豎一撇一捺，我女兒同時必須處理七個圖像單元，並且記住它們的相對位置，才能把這個字記住，這是3-5歲才能做到的事情，而親手要寫下它，則需要等到5-7歲。

當一個經驗對象所包含的元素過多，元素之間關係過於複雜，超出了她的工作記憶容量限制，她就會懵掉。

不過，隨著她的成長，她最終會毫不費力地寫出“沐”字。主要原因不是因為工作記憶容量提升了，而是因為她在學習過程中，慢慢形成偏旁與部首的概念，將三個點打包成“三點水”，將特定組合的橫豎撇捺打包成“木”。

這種將小元素打包成大組塊的過程被稱為“組塊化”（chunking）。通過組塊化，她得以用極少的認知負荷來辨識和記憶“沐”字。

這些組塊，被我們存儲於“長時記憶”中。（如果工作記憶是臨時草稿本，那麼長時記憶就是長期檔案庫，大腦可以調取檔案庫中的資料進行操作，相當於計算機的“硬盤”）

“長時記憶”中類似於三點水這樣的組塊使我們能模式化地處理大量瑣碎信息，讓我們能在大腦性能不變的情況下處理更復雜的認知任務。

上述原理，不僅解釋了成人與孩童在認知能力上的差別，也揭示了專家與新手之間的差異。

大腦之所以能理解更復雜的事物，根本上是因為我們擁有長時記憶：當一個認知對象與長時記憶中的內容關聯起來之後，就會激活一個較大的認知組塊，它包含更多的信息，但佔用的工作記憶負荷卻和小組塊相似。

認知科學家赫伯特·西蒙做過一項研究：他發現，象棋新手與高手的工作記憶其實差不多，一盤隨意擺放的棋局，兩者都只能記住兩三個棋子的位置，但如果是一個正在對弈的棋盤，新手依然只能記住兩三個棋子的位置，高手則能回憶起大約2/3棋子的位置。

差別在於，高手通過長時間的“打譜”，在長時記憶中保存了很多大組塊結構，這些組塊結構可以被輕鬆調入工作記憶進行處理，這讓他們能迅速識別棋局中的模式和規律，新手當然下不過他們。

外部世界的信息是無限多的，在理解鏈路的起點，感官能接收的信息量比我們想像的更多，而在鏈路終點，我們的長時記憶也是無限可擴展的。於是，工作記憶容量成了整個理解鏈路中最難以突破的瓶頸。

如何解決呢？基於工作記憶限制導致的理解困難，學者們創造了一套理論，叫做“認知負荷理論”。

認知負荷理論的創始人John Sweller說：「**教學的主要功能就是改變長期記憶的內容。**一旦改變了，這些信息就可以轉移到工作記憶中，從而改變學習者在特定環境中的功能。他們可以從印刷品中獲得意義，而其他人只看到表面上隨機的曲線；他們可以立即輕鬆地解決其他人認為極其複雜的數學問題。總的來說，原本毫無意義和難以理解的東西可以變得明顯、常規和自動化……促進這個過程是認知負荷理論的主要功能。」

西蒙曾認為學習的本質是系統為適應環境而產生的長期變化，這種變化使得系統能以更高的成效在下一次完成同類工作，而Sweller說得更為具體——教學的主要功能是就改變長期記憶的內容。

如果用奧卡姆剃刀原則檢視所有的教育理論，百分之七八十的的理論都會因為繁冗而被剔除。在剩下的理論中，一定會有認知負荷理論的位置，它是我見過的最簡潔有效的教育理論之一。研究者在這個理論框架下提煉出了一些非常有效的教學策略。我們可以在其中歸納出三個原則：

在正式介紹這些策略與原則之前，我們必須先熟悉認知負荷理論中的一個核心概念：元素交互性（Element interactivity），指的是學習材料中各個信息元素之間的相互關聯性。

如果一個任務中的信息元素之間相互獨立，那麼它們的元素交互性就比較低。比如背單詞時，我們可以孤立地記憶每個單詞，它們相對獨立，沒有很強的依存和交互關係。我們也可以用類似的方式學習乘法口訣表、元素週期表、歷史朝代等，這些學習元素都能在不與其他元素發生交互的情況下被我們記憶與理解。

如果這些元素之間有很強的依賴關係，那麼元素交互性就較高。比如寫作時，某個詞意的微妙差別會導致整個語境的變化；解數學方程時，每個數字與運算符都與其他元素有關；閱讀理解時，關鍵字句、段落的意義需要在文章的整體脈絡中被把握。有些國外長篇小說充滿了繞口的人名和複雜的人物關係，逼得讀者需要給角色起外號、畫關係圖才能理解小說到底講了什麼。元素交互性越高，處理這些信息所需的認知負荷就越大。

一般認為，前一類學習材料是可以通過機械記憶處理的，而後一類學習材料則需要我們尋求領會和理解。而在認知負荷理論看來，後一種情況要解決的依然是記憶問題。區別在於，我們需要依靠長時記憶中的大組塊來應對元素的交互性導致的複雜性——再複雜的問題，只要它在邏輯上是有解的，那麼它就和小孩子把三個離散的墨水點處理成“三點水”沒有本質區別。唯一的差異就是複雜性的差異——確切地說，是元素交互性高低的差異。

“元素交互性”是我們所感知到的複雜性的來源，也是困惑的來源。下面介紹三個具有代表性的優化或減少認知負荷的原則：

• 減少冗餘
• 分割複雜
• 交替實例

原則一：減少冗餘

第一個策略是“減少冗餘”（Reduce Redundancy）。具體來說，是去除學習材料中多餘的元素交互性，以達到減少認知負荷的目的。

一項研究（Bobis et al., 1993）非常能說明問題。研究者在悉尼一所小學中隨機選取了30名小學生，將他們分成兩組，都需要按照說明書完成一個摺紙任務。其中一組得到的是這樣一份圖文並茂的說明書，而另一組人得到的是只有圖形示意的版本。

得到完整說明書的小組——實驗人員將其稱為“冗餘格式組”——的學習表現明顯更差。在習得階段，只有33.3%的學生完成了摺紙任務，而“圖形格式組”的完成率則高達66.7%。在後續的測試階段，差距依然明顯：冗餘格式組的完成率只有26.7%，而圖形格式組則有60%。研究人員還發現，圖形格式組的學生更少犯錯，有近一半（46.7%）的學生零錯誤完成了測試，而冗餘格式組則只有五分之一的學生能做到。

說明書中的文字信息屬於典型的冗餘設計。理解這些文字信息會佔用學生的工作記憶，導致學生只能用剩下的部分工作記憶空間用來處理圖形認知任務。相比之下，拿到圖示說明書的學生則可以將全部認知資源投入在理解圖形上。

這讓我想起宜家傢俱的組裝說明書。我曾經很疑惑，為什麼宜家的說明書上一個字都不寫，是不是全球化公司為了節省成本，不想做各種語言版本的說明書。後來自己拼裝過傢俱才發現，那些說明書堪稱認知負荷優化的典範。

而更常見的安裝說明書是這樣的：我不懂我為什麼需要知道這玩兒叫小角鐵——“將所有板上面的白色塑料圓孔擰上螺絲桿A，待組裝使用。在右板6安裝導軌J-1，使板材上面的黑色準線貫穿導軌中心的圓孔，導軌最前端和最後端的圓孔各固定一顆短螺絲即可，螺絲定在準線上。”

對我而言，這段話比最晦澀的哲學書還要難懂——極其繁瑣的元素交互。

回到摺紙實驗，研究者在最後一項實驗中，製作了一個幾乎是零設計冗餘的說明書方案，試圖把學習材料的元素交互性降至最低。這個方案非常有智慧，它將說明書和工作素材合二為一了。學生得到了一張印刷有指示圖形的紙板，直接進行摺疊。這種方案不僅去除了冗餘信息，還消除了在指令和被摺疊的材料之間需要分散注意力的需求，被稱為“嵌入指令”(embedded instructions)格式，我願稱之為“知行合一”格式。

研究人員將學生分成三組，分別是冗餘格式組、圖形格式組和這裡的嵌入指令格式組。最後的結果可想而知，完成率分別是40%、60%和90%。有時候我們不得不感嘆，沒有笨學生、笨用戶，只有懶老師、蠢設計。

原則二：分割複雜

第二個策略是“分割”（Segmentation），剛剛還在集成、嵌入，這裡卻要分割。

因為我們需要區分兩種認知負荷：

一種是外部認知負荷（Extraneous cognitive load），指的是信息組織形式、學習環境等外部因素導致的負荷。前面的例子中，那些設計冗餘導致的認知負荷就屬於此類。我也將其稱之為“派生的、外圍的複雜性”。

外部認知負荷可以通過課程設計儘可能地減少或消除。

另一種是內在認知負荷（Intrinsic cognitive load），指的是知識結構本身的複雜性導致的認知負荷。有些知識或技能本身就具有很強的元素交互性，比如數學中的各種複雜的公式和定理，長篇文章的寫作，或是學會跳一支舞。學習會它們需要消耗大量的認知資源。我稱之為“原生的、內核的複雜性”。

內在認知負荷是無法通過優化呈現方式和學習環境來消除的，我們只能將其“分割”。

分割就是將複雜的任務拆分開來，先提供元素交互性較弱的任務，再提供元素交互性較強的任務。類似於我們常說的“循序漸進”。難點在於，該循什麼序，用何種方式漸次推進，這其實非常考驗教育者的技巧和智慧。

“分割”是認知負荷理論指導下最為重要的學習策略，因此重點介紹：

分割案例：語文/外語

先看一個寫作教學的例子：

前段時間，一位親戚向我抱怨，現在小學的課程安排不合理，一二年級的語文課沒教過寫作，三年級卻突然要求學生寫200字的作文，學生一臉懵。

我剛好在研究認知負荷理論，看過相關的案例，就給她支招：小外甥會造句吧？其實會造句就會寫作文。

有一個主題句，就能擴展出一篇文章。假如他隨口一說：“今天出去玩了，我很高興。”

那麼你要問他：

• “今天”，哪一年的幾月幾號？什麼季節？天氣好不好？
• “出去”，去哪裡玩了？從哪裡出發的？坐什麼交通工具去的？一路上有什麼風景？
• “玩”，玩什麼了？怎麼玩的？和誰玩的？
• “很高興”，發生了什麼事情，讓你很高興？高興是一種什麼樣的感覺？除了高興，你還有其他什麼感受嗎？

讓他一個一個回答，每個小問題都能引出一組句子，最後只需要把這些句子組合成段落，一篇小作文就完成了。由於每個問題都基於他給出的基本句子中的單位，因而對應著他的具體經驗，對他來說是相對容易回答的。

小朋友也許會寫出這樣的文章：

「今天是2022年的3月20日，春天的一天，陽光明媚。我從家裡出發，坐公交車去了公園玩。

一路上，我看到了許多美麗的花朵和綠色的樹木。在公園裡，我玩了許多遊戲。我玩了鞦韆，還和小朋友們一起玩了捉迷藏。

我非常開心，因為這是我最喜歡的遊戲。然後我們去吃了冰淇淋，那個冰淇淋真好吃！吃完後，我們又去看了小動物園。那裡有許多可愛的小動物，我最喜歡那隻小猴子。

今天的活動讓我感到非常高興。高興就像一種甜甜的感覺，就像剛剛吃下去的冰淇淋那樣甜蜜。除了高興，我還有些累但是非常滿足。

這就是我的一天，雖然有些累但是很快樂！ 」 （由GPT模擬小學生完成）

有人會說，這不是“流水帳”嗎？一開始寫流水帳沒有任何問題，先讓思維流動起來，總有機會激起靈感的浪花——比如：高興是一種甜甜的感覺，就像剛剛吃下去的冰淇淋那樣甜蜜。

相比之下，讓小朋友直接寫一篇200字的文章是很過分的要求，詞句如何搭配，情感如何抒發，主題如何表達，某個字要怎麼寫，標點符號怎麼用……孩子腦子裡千頭萬緒，根本不知從何說起。

這就是典型的分割策略。這裡我們用到了“句子擴展”（sentence expansion）和“句子合併”（sentence combining）方法，它們是寫作教學中最強大的策略之一，也是教授語法最有效的方式。

學習外語語法，可以先創建一個主謂賓結構的基本句式，比如：

I ate an apple （我吃了一個蘋果）

然後一步一步進行擴寫。

先加入時間：

Yesterday, I ate an apple. （昨天，我吃了一個蘋果）

再加入地點：

Yesterday, I ate an apple in the park. （昨天，我在公園吃了一個蘋果）

之後是添加事物細節：

Yesterday, I ate a juicy, red apple in the park. （昨天，我在公園吃了一個多汁的紅蘋果）

添加主觀感受：

Yesterday, I felt contented when I ate a juicy, red apple in the park. （昨天，我在公園裡吃了一個多汁的紅蘋果，感覺很滿足）

甚至加入富有想像力的情節：

Yesterday, I felt contented when I ate a juicy, red apple in the park. I found a rainbow-colored caterpillar in the core （昨天，我在公園裡吃了一個多汁的紅蘋果，感覺很滿足。我在蘋果核裡發現了一隻彩虹色的毛毛蟲）

直到把它擴展成完整的段落：

Yesterday, I felt contented when I ate a juicy, red apple in the park. I was startled to find a rainbow-colored caterpillar nestled within the core.I gently moved it to a nearby leaf and watched it crawl. This unexpected meeting made my normal day special and left me with a colorful memory. （昨天，我在公園裡吃了一個多汁的紅蘋果，感到很滿足。我驚訝地發現蘋果核裡藏著一隻彩虹色的毛毛蟲。我輕輕地把它移到附近的一片葉子上，看著它爬來爬去。這次意外的相遇讓我平凡的一天變得特別，給我留下了豐富多彩的回憶。）

擴展過程中，我們會逐步理解主謂賓結構、時間、地點狀語的使用、形容詞的使用以及複合句的構造等知識點。

下面是另一個寫作教學的精彩例子：將聯結詞的學習與學科知識學習結合起來。

上學時，歷史老師往往要求我們回答類似下面這樣問題：

為什麼工業革命很重要？

為什麼戊戌變法最終失敗？

為什麼西方能發展出現代科學？

這些都不是好問題。認知負荷理論的學者提醒我們，要警惕以“why”打頭的問題，尤其是在教學的早期階段，會因為問題過於開放而導致學生認知過載。

比回答問題更好的方式，是擴展句子。引導學生使用特定的連詞（because-but-so；although，before）來完成一個殘缺的句子。題目的形式是這樣的：

請問完成下面的句子：

• 在工業革命之前，（ ）
• 在工業革命之後，（ ）
• 工業革命很重要，因為（ ）
• 工業革命很重要，所以（ ）
• 工業革命很重要，但是（ ）

學生可能會給出這樣的回答：

• 在工業革命之前，（ 人們主要依賴農業和手工勞動生產物品。 ）
• 在工業革命之後，（ 機械生產和大規模生產成為了主流。 ）
• 工業革命很重要，因為（ 它標誌著人類社會從農業社會轉向工業社會的重大轉變。 ）
• 工業革命很重要，所以（ 我們現在可以享受到許多由此產生的便利和進步。 ）
• 工業革命很重要，但是（ 它也帶來了許多問題，如環境汙染和勞動力剝削。 ）

通過準確、熟練地使用連詞，學生能更加精準地調用有限的認知資源來處理特定信息，這就是一種分割。只要稍加引導，學生就能將這些句子合併成一個完整文字段落：

「 在工業革命之前，人們主要依賴農業和手工勞動生產物品。然而，工業革命之後，機械生產和大規模生產成為了主流。這種變化標誌著人類社會從農業社會轉向工業社會的重大轉變，因此，我們可以說工業革命非常重要。更進一步來說，由於這次革命的發生，我們現在可以享受到許多由此產生的便利和進步。但是，在我們欣賞工業革命帶來的好處時，也不能忽視它帶來的問題。例如，環境汙染和勞動力剝削就是這次革命帶來的負面影響。 」（由GPT模擬學生完成）

這種提問方式，能讓學生在理解歷史事件的同時提高語言組織能力。更重要的是，提高語言組織能力本身就是在增強理解能力。語言是思維的載體，句子與文章的構造能力與理解能力相輔相成。但在語言表達與寫作能力發展的早期，需要足夠多的腳手架來幫助我們獲得這樣的能力。

另一個很有智慧的設定是，練習中需要完成的句子，最好來自學生正在學習的科目內容，比如案例中的歷史課程。將寫作學習與學科知識結合起來，如此一來，學生就不需要花費額外的精力來思考“寫什麼”，可以騰出更多的認知資源關注“怎麼寫”。

這部分的案例內容借鑑或改編自朱迪思·霍奇曼和娜塔莉·韋克斯勒的著作《寫作革命》（The Writing Revolution），這是一本與認知負荷理論思想高度契合的寫作教材，有興趣的朋友可以深入閱讀。

分割案例：數學

再看一個數學教學的例子：

這個例子來自數學樂（Mathfun），一個非常優秀的數學教學網站，它的教學內容充分考慮了學習者的接受能力，完美符合認知負荷理論的教學原則。

假設我們的孩子第一次學習代數，按照“分割”策略，教程可能是這樣的：

教程的初始問題是：“一個謎題：什麼數字不見了？”。

這是非常有智慧的設問，1）它符合我們對事物的具象理解；2）它關聯了學生的前知識，即在之前進行過的“填空”練習。這是一個認知負荷非常低的問題。

接下來，教程專門花了一點篇幅來向學習者解釋為什麼要使用“x”來代替未知數，而不用“空格”，這是很多數學教師不會意識到的。

一個東西“不見了”，理應留下一個空缺，因此“空缺”才應該是等式中的基本元素。但教程告訴我們，由於“空缺”用語言表述起來不夠方便，因此我們用一個符號替代。

這個解釋非常關鍵，它使“代數”具備了意義：為了發現未知事物，我們必須先用一個符號來代表它，使整個表達成立，方便我們在上面展開更為精密的推理。“代數”概念由此建立了起來。

隨後，教程將新知識與前知識做出了關鍵區分——由於我們用x代替了“空”，於是我們不能直接得出6這個答案，把“空”填上，而是思考應該移除什麼，把等式變成“x=……”。

移除的方法是進行反向運算，而且在等號的每一邊都要這樣做。如果我們要移除X-2=4這個等式左邊的負二，就要在左邊+2，如果左邊+2，右邊也要同樣+2。

至於為什麼要這樣做，是因為我們要保持等號兩邊的平衡。當學習者在天平上操作幾次之後，會非常直觀地理解等號與平衡的關係。接著，學習者馬上被要求解一道與教學案例非常類似的問題，一旦學生答對，他就算入門了。

這是非常優秀的分割教學案例，僅僅用前三步就做到了：

• 關聯背景知識（前知識）
• 為學習內容賦予意義
• 對新舊知識做出關鍵區分

類似的設計也是我們在創作內容時需要考慮的，後面的課程會詳細展開。

教學中，這三步常常被我們的數學教師合併成一個類似的問題：現在我們有一個等式，其中x代表未知數，我們如何知道x等於多少？現在我們知道，這個在教師看來簡單直白的問題，其實充滿了知識的詛咒。

到了這把年紀才看到這樣的課程設計，讓我有些感概。如果當年遇到了這樣的數學老師，這個世界上也許會多一個理工男。

數學樂的案例揭示的另一個重點是對教學示例與相似問題恰當的使用，由此我們引出了認知負荷理論的第三個學習策略：“交替實例”。

原則三：交替實例

John Sweller說：「學習例子和解決問題的最有效方法是先呈現一個解答示例，然後立即要求學習者解決一個類似的問題。」(Sweller et al., 2011)

我們都知道舉例子的重要性，但如何更有效學習例子？關鍵在於，練習內容需要與例子高度相似，要警惕在練習中一次出現過多的變量，防止學生認知過載。之後繼續按照這個原則，根據學習內容的變化，來逐步微調練習內容，隨學隨練，步步為營。

比如，語法學習中，如果教學案例是時間狀語的使用，就要對應練習多種時間狀語的搭配，而不要同時學習地點狀語、形容詞。

教學實例如果是：

Yesterday, I ate an apple.

那麼相似問題就是應該是讓學生寫:

（This morning/Last night/Just now/Half an hour ago）I ate an apple

再逐步變化形式:

I ate an apple （in the morning/in the last night/just now/half an hour ago）

然後再講清楚先時間後動作和先動作後時間的細微區別。之後使用類似的教學實例+相似問題的組織方式，逐步學習地點狀語、形容詞、複合句等其他知識點。

又比如，數學課上，當老師在課堂上教會學生3x-6=12的解法之後，應該馬上讓學生自己解2x-4=10。這構成了第一組教學實例以及相似問題。第二組教學實例可以是3x+6=12的解法，需要學生解答的相似問題則可以是2x+4=10。

第一組中，教學實例和相似問題之間只有數值的變化。從第一組到第二組，則是從減法變成了加法。以此類推，第三組相比於第二組，可能是把x從等號的左邊挪到右邊……隨著課程的展開，逐步加入方程的圖形化，從等式變成不等式，從一元變成二元，從一次變成二次直到窮盡方程的組合形式，這才是不讓任何一個孩子掉隊的循序漸進教學。(案例參考Lovell, 2020)

一項研究中(Ward & Sweller, 1990)，老師在完成一項物理知識的教學後，學生被分成兩組，對照組需要完成十個家庭作業問題（由五對相似問題組成），交替實例組則需要完成五個有實例講解的問題。

結果，完成交替實例作業的學生的正確率明顯高於完成普通家庭作業的學生：

還記得當年上學時刷過的那些作業題嗎？老師在課堂上講解一些原理，完成幾個示例之後，丟給我們的是一堆有著各種變形的練習題，那些“悟性好”的學生——這裡需要換個說法，是那些前知識足夠紮實，因此能跟上老師思路，進而有富餘的認知負荷來應對題型變化的學生——他們得以順利地完成作業以及後續的考試。而那些因為“腦子不夠用”沒有跟上思路的學生，則很容易“掉隊”。

類似的課程與作業設計，能確保學生在每個階段都不會因為認知過載而懵掉，避免學生因為無法勝任而感到挫敗，陷入自我懷疑的惡性循環。今天才知道這些思路與方法，作為曾經的學生，我有些遺憾，但作為一個家長，我未來孩子的學習充滿信心。

總之，複雜性來自元素之間的交互，我們可以通過對學習材料的設計來巧妙地簡化這種交互性，使學習材料按照一種我們易於接受的方式呈現。身為創作者，我們能從認知負荷理論中獲得很多啟發，深度理解與深度創作的關鍵在於我們如何應對複雜性。

交替實例：AI助學演示

給AI一個教學實例，讓AI為我們編寫相似問題（完整對話內容：https://42share.com/gpt/LBTZHEtlER）。

我會先告知AI交替實例的思路，讓它扮演教師，向我教授【主動語態轉換為被動語態】這個知識點。我要求它提供概念解釋、學習意義、實例以及實例解析，然後給出三個相似問題供我練習。

它生成了這樣的內容：

隨後，我分別完成了三道題：

在前兩道中，我故意給出了錯誤答案。第一題中，我沒有使用過去分詞；第二題中，我把be動詞換成了複數形式。它都非常細緻地給予了糾正，而且是先表揚再指出問題，表現極好。

到了第三道題，我想給出一個正確答案，結果粗心拼錯單詞……

這樣博學、友善且耐心的智能家教，在一兩年前是不可想像的。

普林斯頓大學教授愛德華·費爾滕（Edward Felten）在2018年提出了“職業AI暴露指數”概念，他將AI技術與人類的技能關聯起來，考察各種職業在AI技術發展中的“暴露”程度，2021年的Top20榜單中，排名靠前的主要是遺傳病諮詢師、財務審核師、精算師、審計員，他們的共同點是工作內容主要涉及到大量的數據分析和處理，這些都是AI技術發展得相對成熟的領域。

到了2023年，大語言模型出現之後，這個榜單的構成發生了巨大變化，各個學科的教師立即成了高危人群，而兩年前的榜單還只有歷史教師在列。

在未來，大語言模型一定是我們能接觸到的綜合能力最強的老師，沒有任何人類能與之匹敵。而學生只要掌握方法，人人皆可成為超級自學者。

（本文為《高手的黑箱：AI時代的學習、思考與創作》課程第三章節選）