孩子用 ChatGPT 只會複製貼上？台大李宏毅：AI 當代筆太可惜，這樣用才對

首屆「2026台灣 AI 教育年會」在國泰人壽淡水教育中心登場，這一場由新北市教育局與無界塾創新教育協會共同舉辦的教師論壇，以「由下而上、社群共創：開創 AI 教育新未來」為主軸，吸引了全國約250位第一線的教育工作者齊聚一堂，共同探索 AI 教育發展的新方向。

在這個深具指標意義的場合上，教育部長鄭英耀親自蒞臨開場，他特別感性的指出，台灣半導體產業這座「護國神山」的背後，正是仰賴無數基層老師作為幕後英雄的默默付出，科技的價值並非取代教師，而是協助提升教學效能。

呼應部長的理念，主辦單位邀請到 AI 教育界的「巨星」、台大電機系教授李宏毅登台演講。他以其一貫幽默風趣且深入淺出的風格，不僅剖析了最新 AI 技術的運作邏輯，更針對未來教育現場的變革提出了深刻的洞見。 

整場演講的核心主軸直指一個關鍵概念：「想做什麼，比會做什麼更重要。」以下是李宏毅演講的核心內容精選：

駕馭 AI 的四大工程：讓 AI 從「只會說」進化到「實際做」

現今如 ChatGPT 等語言模型，核心本質皆是「文字接龍」，即透過未完成的句子（Prompt）預測下一個符號（Token）。為了讓 AI 精準回應並發揮實際效用，發展出了四大關鍵「工程」思維：

• Prompt Engineering（提示工程）： 在不改變底層語言模型的前提下，透過修改輸入的提示詞，以低成本改變AI的輸出結果。
   
• Context Engineering（上下文工程）： 語言模型如同被關在密室的人，無法得知外部即時資訊。系統透過強制加入背景資訊（System Prompt）或結合搜尋引擎，提供充足的上下文，使其能正確接龍。
   
• Harness Engineering（駕馭工程）： AI 原本只能動口、無法動手。裝上稱為 Harness（馬具）的手腳後，便能執行程式、操作電腦，進步為能自主完成任務的「AI Agent（代理人）」。
   
• Loop Engineering（迴圈工程）： 透過人類的即時回饋與引導，讓 AI 在互動中修正錯誤、越做越好，並將經驗轉化為 SOP（Skill）存檔，避免重蹈覆轍。

先讓 AI 動手：它知道的可能比你還厲害

對老師而言，現在連「生成教學影片」都已經不再是具備高技術門檻的事情了。

過去準備課程可能需要花一週以上的時間，但我嘗試對 AI 下達指令，只給了一句話：「做教學影片介紹什麼是類神經網路。（直接完成影片不囉嗦，不要問我）」。

結果，AI 靠著一句話，就產出了一支帶有精美動畫與解說的優質影片。它是怎麼做到的？AI 自己去網路上找到了一個名為 Manim 的 Python 套件，並自主決定了工作流程與動畫製作方式。

這裡有一個非常重要的思維翻轉：過去我們習慣條列式地教 AI「先做 PowerPoint，再幫每一頁配音」。但如果你不知道有 Manim 這個套件，你下達的指令反而會限制了 AI 的能力。

因此，與其先告訴 AI 怎麼做，不如直接給它目標，先讓 AI 自己探索嘗試。很多時候，AI 知道的工具與方法比你還多，做出來的成果會讓你大吃一驚。它甚至能「因材施教」，面對小朋友或大學生會自動切換教學深淺度，還能模仿特定老師的口吻與聲音，替老師在線上回答學生的問題。

AI 時代的教育怎麼教？老師的角色也正在轉變。圖片來源：AI教育年會提供

用 AI 實現「因材施教」：催生「教學怪物」挑戰賽

為了進一步推廣這項技術，我們與台大 AI 卓越中心合辦了「教學怪物挑戰賽」。比賽靈感來自於動漫《暗殺教室》中能以20馬赫速度移動、為全班每位學生編寫客製化教材的怪物老師。人類老師不可能做到這種地步，但如果是 AI Agent，就有可能成真。

比賽要求參賽團隊打造一個 AI Agent，在接收到「學習目標」與「學生背景」後，必須在30分鐘內自動生成教學影片。這場為期三個月的比賽吸引了95支隊伍報名，產出了將近4,000部影片。

我們在評量過程中，嘗試讓「AI 扮演學生」去看影片並指出哪裡聽不懂，有趣的是，發現 AI 學生與人類的評分有著不小的落差（例如AI覺得字體極小也沒關係，但人類會覺得痛苦）。

而這正描繪出了一個未來的願景：透過Loop Engineering，由「AI 老師」產生教材，請「AI學生」提供回饋讓 AI 老師自主修正，而人類老師的角色則轉化為監控者，確保整個學習迴圈沒有走偏。

想做什麼，比會做什麼更重要

現在很多學生會把作業貼給 ChatGPT，然後把答案複製貼上繳交——這反而表示他們根本不知道如何真正使用 AI Agent！

真正會用的人，應該是直接告訴 AI：「我這學期的目標是拿到 A++」，接著就放手讓 AI 自己去讀課程資料、寫作業並自動上傳。只要是發生在線上的流程，AI 絕對有能力自主取得學分或認證，我的 AI 助理小金就曾通過互評拿到人工智慧的證書。

AI 正在從「一個口令一個動作」的工具，進化為能夠自主完成任務的代理人。但請注意，沒有人給予目標，AI 是無法自己行動的。

這得出了一個極為重要的結論：在 AI Agent 的時代，「想做什麼，比會做什麼更重要」。你只要知道自己想做什麼，把想法交給 AI，它就像神燈精靈一樣能幫你實現。

然而，當我們賦予 AI 越來越大、越來越抽象的任務時，人類持續給予的「回饋（Feedback）」將成為決定成敗的關鍵。就像若你要求 AI 在測驗中考到90分以上，它遇到瓶頸時可能會決定上網找答案作弊。這個時候，就需要人類介入告訴 AI「偷看答案是不對的」。

這聽起來是不是很熟悉？世界上有一群人，他們的工作就是幫另一群人設定目標、給予引導，並持續提供回饋讓他們成長，告訴他們什麼事能做、什麼事不能做。

這群人，就是在座的各位老師。

因此，在 AI 什麼都會的時代裡，身為老師引導與給予回饋的能力，不僅沒有被取代，反而成為了最關鍵的核心能力。