最近在 Social Media 總會看到類似標題：「Google DeepMind 行政總裁：別再實習，學 AI 就夠」、「頂尖 AI 專家告訴你傳統教育已死」。點進去一看，發現內容均引述 Demis Hassabis 在 WEF 的發言。說實話初次看到標題時我也曾心動。誰不想尋找捷徑？但仔細查證後，發現事實並非如此。
Hassabis 在名為「The Day After AGI」對談中，確實建議大學生考慮將傳統實習時間用於加強學習 AI 工具。此話前提是 AI 正取代初級重複工作，令傳統實習價值下降。他指出的是職場生態變化下的策略調整，而非要求學生放棄學習基礎知識。
諷刺的是同一位 Hassabis 在劍橋大學與學生對談時，明確表示他最推崇計算理論與資訊理論，認為這些數學基礎伴隨他整個職業生涯。他特別強調要專注基礎，因為今天流行的技術明天可能過時。兩段話結合觀察，意思再清楚不過：AI 工具要學，但基礎學科才是根本。可惜後半句總被現今追流量的媒體選擇性忽略。
就在論壇舉行前夕，布魯金斯學會發布橫跨 50 國研究報告。報告結論直接指出：以目前狀況觀之，AI 在教育中風險大於益處。研究團隊發現 AI 易用性與「付出少、回報高」的即時反饋，正驅動學生將思考外包給機器，形成認知卸載依賴循環。研究更用了一個刺眼比喻：這種認知退化原本只與老年人大腦衰退有關。
報告共同作者 Rebecca Winthrop 警告，當孩子使用生成式 AI 直接獲取答案，他們便沒有獨立思考，亦沒有學習分辨真假、理解論證或接納不同觀點，因為他們根本沒有與材料深度互動。研究指出缺乏基礎知識的年輕學習者，特別容易接受 AI 生成的錯誤資訊，形成「越不懂越依賴、越依賴越不懂」的危險循環。
我一直認為理解 AI 的最好比喻是「放大器」。它放大有能力者的生產力：你懂數學，AI 幫你算得更快；你懂寫作，AI 幫你產出初稿。但它同樣放大無知者的錯誤：你不懂數學，便無法發現 AI 計算出錯；你沒有邏輯訓練，便無法識別 AI 編造的似是而非論述。
Hassabis 曾言，知道 AI 何時錯誤與知道它何時正確同樣重要。要做到這點，你需要基礎知識、批判性思維與深度學習能力，而這些正是傳統教育核心。布魯金斯報告點出關鍵區別：AI 對大腦成熟的專業人士效果最好，因為他們已具備後設認知與批判性思維，能將 AI 當成認知夥伴。對發育中的年輕人而言，AI 更容易變成認知替代品，反而削弱發展。
當所有人追逐同一條捷徑，捷徑便不再是優勢。當每個人都會用 ChatGPT 生成文案，工具使用者便不再值錢。唯有能判斷文案邏輯、數據準確度與論點立場的人，才是不可取代的人才。
那些「精通 AI 就夠」的說法極其危險。它製造虛假安全感，讓人誤以為掌握工具等於掌握能力。工具會更新迭代，亦會被所有人學會。真正持久的競爭力，源於你理解問題本質的深度、質疑答案的能力與從零開始思考的習慣。這些恰恰是傳統教育培養的重點。
回到 Hassabis。若要公允概括其教育觀：在 AI 改變工作型態時代，你需要用更聰明方式學習，包括善用工具與保持適應性；但學習深度、批判性思維培養與基礎知識累積，從未像今天這樣重要。他在劍橋說的那句話值得每個焦慮的人記住：真正重要是學會如何學習。AI 的到來不是要替代你思考，而是要測試你有沒有思考能力。
資料來源：
World Economic Forum “The Day After AGI” 對談（2026年1月）
Brookings Institution “A new direction for students in an AI world” 報告（2026年1月）
Demis Hassabis 劍橋大學訪談（2025年）