为什么你的AI学习项目总是半途而废

摘要

本文主要探讨了一个普遍现象：尽管大语言模型让获取信息变得前所未有地容易，但大多数人利用AI自主学习新技能的项目却半途而废。Oboe平台创始人Nir Zicherman指出，通用型LLM虽然能回答问题，但缺乏人类教师的关键能力。它们无法察觉学习者的困惑状态，也不会在动机减弱时主动重新吸引学习者。Zicherman认为，真正的学习需要比我们想象中更被动的体验，而当前的AI学习工具将本应由教师承担的负担转移给了学习者，要求学习者必须明确表达目标、持续提供反馈，这导致大多数人最终放弃。

内容框架与概述

文章首先提出了一个引人深思的悖论：在LLMs使深度学习任何主题变得极其容易的时代，大多数人并没有利用ChatGPT获得梦寐以求的大学学位或掌握某项专业技能。作者通过自己的经历表达了这种善意尝试却最终失败的普遍内疚感，为引出Zicherman的洞察做了铺垫。

核心部分揭示了问题的本质：通用型LLMs缺乏人类教师的两个关键能力。它们无法察觉学习者的困惑状态，也不会在动机减弱时主动重新吸引学习者。以Dan使用AI学习Andrej Karpathy课程的经历为例，当遇到困难章节时，AI没有像好老师那样重新调整进度，导致学习彻底中断。Zicherman指出，这反映了早期代理型AI的局限性：代理需要更多自主性来重新评估其方法，而不是等待用户介入纠正。

文章进一步阐述了Oboe平台的三项设计原则来解决这些问题。首先是保持学习者动力，而不需要他们主动要求；其次是提供多模态的信息呈现方式，因为真实的学习涉及阅读、观看视频、收听播客等多种形式；最后是让学习体验感觉可实现而非压倒性的，通过里程碑测验和精心设计的进度来降低学习门槛。

核心概念及解读

被动学习理论：Zicherman认为学习的本质过程是被动的，即使学习者有主动获取知识的意愿。回想高中时代，我们主要通过被动听教师授课来掌握新概念，而不是由教师不断询问我们如何构建课程。

教师职能转移：通用型LLMs将本应由教师承担的负担转移给了学习者，要求学习者必须明确表达学习目标、设计课程结构、决定学习节奏并提供持续反馈，这大大增加了学习者的认知负担。

多模态学习：真实的学习涉及多种信息格式的综合吸收，包括阅读文章、观看视频、收听播客等。有效的学习平台需要做出教学判断，在正确的时间以正确的格式呈现正确的内容，而非仅依赖文本输出。

代理自主性：当前的AI代理需要更多自主性来真正实现读懂数据的能力。这意味着代理需要能够重新评估其方法，包括在不要求用户干预的情况下改变其运作的约束条件，从而在学习者动机下降时主动重新吸引他们。

原文信息

此摘要卡片由 AI 自动生成