【專訪】薩爾·可汗比ChatGPT早五個月押注，AI家教能否兌現兩千年前的亞里斯多德承諾

這場訪談有四件事值得認真對待。第一，可汗比任何人都早拿到GPT-4的內部測試資格，他的第一反應不是商機而是恐懼，然後他把每一個恐懼拆成一個設計題目。第二，Khanmigo第一版的結果很誠實——只有一到一成五的學生真的用起來，他沒有粉飾，而是把這個數字當成下一輪產品設計的起點。第三，他對自己兩百人團隊許下一個在這個時代算是罕見的承諾：你把自己的工作自動化掉，我給你更好的職位和薪水。第四，他把AI在教育裡的角色拆成三層：學AI本身，用AI學其他科目，學怎麼用AI工作——這個分法比大多數公司的AI策略簡報清楚得多。合起來看，這場訪談的核心命題是：AI不是在替換教育，而是第一次讓個人化教學有機會從貴族特權變成普及品。

◎比ChatGPT早五個月，可汗在Zoom上看到了什麼

2022年夏末，OpenAI的共同創辦人Greg Brockman在一個視訊會議上給可汗看了一道AP生物考題。可汗說答案是C，滲透作用。接下來他要求AI解釋推理，解釋為什麼其他選項是錯的，再出一道類似的題目。全部做到了。可汗的反應是：我是被整了嗎？那個週末他和Khan Academy的學習長拿到了測試權限，兩個人整晚沒睡，在Slack上互傳截圖。他試著用孟加拉語問，AI用孟加拉語回答。他把截圖傳給Brockman，對方說：你問之前我們以為它只會英文，你問完我們才去測，發現它會所有我們測試過的語言。這個細節說明一件事：連OpenAI自己都還沒摸清這個模型的邊界，可汗卻已經在想怎麼把它用在課堂上。

◎把恐懼變成功能，而不是等恐懼消失

幻覺（AI生成看似合理但錯誤的內容），數學計算錯誤，作弊，不當對話——可汗把這四個風險全部說出來，然後告訴團隊：這些是真實的問題，但我們要把它們變成設計約束，不是停下來的理由。他的做法是蘇格拉底式設計：Khanmigo不給答案，它反問。它把多選題變成需要解釋推理的對話。ChatGPT在2022年11月29日突然公開，可汗立刻打電話給Brockman抱怨——那個版本沒有護欄，錯誤率更高，更容易被拿來作弊。但他隨即把這件事當成內部說服的工具：貓已經跑出去了，有人得負責任地做這件事，那個人為什麼不是我們？2023年3月，GPT-4公開當天，Khanmigo同步上線。

◎Khanmigo第一版只打動一成五的學生，然後呢

可汗對《華爾街日報》說Khanmigo對很多孩子來說沒什麼感覺，他說那不是他的意思。他的比喻是：想像他走進教室說，我是個不錯的家教，我坐在後面，有問題來找我。大概只有一到一成五的學生會走過來。AI第一版就是這樣。剩下的學生不是不需要幫助，而是不知道怎麼開口，甚至不知道自己需要幫助。他從老師那裡得到的反饋印證了這一點：很多學生被問需要幫忙嗎會說不用，但他們顯然卡住了。所以下一版Khanmigo的方向是主動出擊，不等學生來問，而是在學生卡住的時候介入，把多選題變成必須向AI解釋推理才能算完成的互動。這是在用數據修正產品，不是在辯護。

◎一億預算，等於美國一所大型高中

Khan Academy一年的運營預算是一億美元。可汗說這和美國一所大型高中差不多，但他們的任務是全球免費教育。這個數字說明兩件事：第一，他對AI生產力的押注不是錦上添花，而是生存命題——同樣的錢，能不能做三倍五倍的事。第二，他對團隊的承諾因此有了具體的邏輯支撐：你把自己的工作自動化掉，省下來的資源不會進股東口袋，會轉成更大的任務和更好的職位。這在一個非營利組織裡說得通，在一個上市公司裡說不說得通是另一回事。但可汗的邏輯至少是完整的，不是空話。

◎工業革命的教育模型運作了兩三百年，AI是第一個有機會打破它的工具

可汗把歷史拉到兩千三百年前：亞歷山大大帝有亞里斯多德一對一教。這是人類已知最有效的學習方式。工業革命之後，社會選擇了另一條路：把學生集中，統一進度，集中標準，因為沒有辦法讓每個人都有私人家教。Benjamin Bloom在1984年量化了這個差距，稱之為two-sigma problem——個人化教學可以把一個中位數學生的表現提升到第九十六百分位。可汗的論點是：這個差距從來不是因為個人化教學沒用，而是因為太貴，太稀缺。AI是第一個有機會讓這件事規模化的工具。這不是新觀點，但可汗是少數真的在試著兌現它的人。

看這場訪談，最值得注意的不是Khanmigo有多聰明，而是可汗做決定的順序：先看到技術的邊界，再問這個邊界對使命意味著什麼，然後把每一個風險拆成一個可以設計的問題。這個順序和大多數組織面對AI的方式剛好相反。大多數組織先問AI能幫我做什麼，可汗先問AI會破壞什麼，然後怎麼把破壞變成設計。AI是不是真的能讓每個孩子都有亞里斯多德，現在還不知道。但至少有人在認真試。