0:00 / --:--
a16z Show · 10 月 27 日
Joe Liemandt 主张 AI 加速知识学习的真正价值，不是让孩子提前放学，而是把腾出的时间用于团队协作、创造、创业和建立主动性。
Alpha School 的 Joe Liemandt 主张：AI 加速知识学习的真正价值，不是让孩子提前放学，而是把腾出的时间用于团队协作、创造、创业和建立主动性；但其惊人的成效宣称仍需要独立验证。
这集还没有学习卡。生成后会保存在这一集，下次直接打开。
a16z Show· 2026-09-22为什么 a16z 要为 AI 时代创办一所新学校｜Ben HorowitzWhy a16z is Building a New School for the AI Era | Ben Horowitz同一位嘉宾：Gagan Biyania16z Show· 2026-09-23Amjad Masad 谈重新思考 AI 时代的大学Amjad Masad on Rethinking College for the AI Era同主题：教育与技能培养
Lex Fridman Podcast· 2026-10-26#503 —— 数学中的 AI 危机：纳维-斯托克斯、黎曼猜想与复杂性理论#503 – AI Crisis in Math: Navier-Stokes, Riemann Hypothesis & Complexity Theorya16z Show
Reinventing School for the AI Era | Joe Liemandt, Gagan Biyani & Erik Torenberg
YouTube
音频
本集围绕两种正在探索中的教育模式展开：Joe Liemandt 参与经营的 Alpha School，试图重组 K–12 的上学日；Gagan Biyani 与 Erik Torenberg 讨论的 Horowitz and Andreessen Academy（节目中也称 HAA 或 HA），则面向大学阶段，强调通过真实项目学习。Joe 表示自己也是后者的投资人与顾问，因此对其前景的判断并非独立观察。
三人的共同问题是：当 AI 能帮助学生更快获取知识、完成工作，学校还应当如何安排时间、衡量成长，以及帮助年轻人进入不断变化的社会？
这场对谈最有意思的地方，不是「让学生用 AI 学习」本身，而是由此倒推学校该提供什么。Joe 把 Alpha 描述为一项上学日的重新设计：上午用个性化学习系统推进学科内容，下午以成人指导的项目训练团队协作、表达、财务素养与韧性。他认为，孩子愿意上学并不意味着降低要求；恰恰是难度合适、能不断看到进步，又能和朋友一起完成困难任务，才让学校具有吸引力。Gagan 将这一思路延伸至大学：如果学生最珍惜的是同伴、导师、社团与真实世界的接触，那么大班讲座未必还该占据正式教育的中心。
节目也呈现了新学校必须跨越的两道门槛。第一道是教学证据：Joe 提出的「学习快十倍」「两小时学得更多」以及校园满意度等数字，大多是校方陈述，不能仅凭访谈判断适用于哪些学生，或是否优于可比学校。第二道是家庭信任：新机构即使能吸引学生，也必须说服家长承担对升学、成本与长期结果的不确定性。Joe 的经验是先找到愿意试行的家庭，让可见的学生经历带来下一批报名者；但早期采纳者的自我选择，也使成功故事更需要谨慎解读。整集最终指向一个比「AI 会不会取代老师」更具体的问题：如果知识传授更高效，学校能否有意识地培养学生独立行动、与人合作、接受反馈并创造价值的能力？
💬 他们说了什么：开场连续抛出三个问题：能否让孩子喜欢学校胜过度假？如果学习更快，学校如何使用省出的时间？家长为何要把孩子交给尚未建立长期声誉的新机构？
💡 为什么重要：这为全片划定了讨论范围。AI 是改变教学安排的工具；学生动机、学校组织方式和家庭信任，才是决定模式能否成立的条件。
⚡ 争议点：「十倍速度」在开场被用作鲜明的前提，却尚未说明比较对象、测量方法及适用范围，不应直接理解为已获证实的普遍学习效果。
💬 Joe 称，认知科学、学习科学与大语言模型使教学引擎有可能比传统课堂「快十倍」。Alpha 据此安排每天约 2 小时学科学习，其余时间开展由成人指导的项目，覆盖领导与团队合作、创业与财务素养、关系建立、表达，以及韧性与勤奋。他还称，最近的校内问卷中，九成以上学生表示「我爱学校」，约 50% 表示宁愿上学也不度假；一个校区达到 65%。按其说法，学校从上一年的 12 个校区增至 50 个。
💡 他的核心设计并非「两小时学完、然后回家」，而是重新定义剩余四五小时的教育用途。Joe 也把产品化、标准化与质量控制视为扩张学校的难题。
⚡ 「学习快十倍」「两小时学得比传统上课加作业更多」与满意度均为访谈中的校方陈述。问卷题目、回应率、成绩比较及不同校区的差异，节目没有充分展开；扩张速度也不能自动证明教学质量同步提高。
💬 Joe 认为，单把教育软件塞进普通课表不会产生同样效果，必须重设计一天。他以团队训练为例：让三年级学生佩戴麦克风进入密室，分析活动中的语言与行为；他称初期用于支持队友的表达不到 20%，经过 8 周训练，毕业标准是团队行为达到 85%，团队协作时完成密室的速度约快 3 倍。他还说，四、五年级学生会挑战一项沃顿商学院 MBA 团队模拟任务。
💡 Alpha 试图把原本容易流于口号的「软技能」变成可以练习、复盘、再次挑战的课程。孩子喜欢的未必是任务变轻，而可能是与朋友完成难事时获得的能力感。
⚡ 麦克风记录与 AI 分析儿童互动，涉及知情同意、隐私、保存期限及指标是否公平。「85% 团队行为」如何标注、对不同表达风格是否有偏差，访谈未说明。
💬 Joe 说，按年龄同步推进的课堂容易让掉队学生长期面对无法完成的任务；个性化系统则可以让八年级学生补上此前遗漏的五年级内容。他希望学生面对题目时保持约 80%—85% 的正确率：接近 100% 太简单，太常失败则可能丧失兴趣。系统会根据表现补充支架课程，或加快进度。Gagan 接着指出，K–8、高中与大学阶段不能简单复制同一种设计。
💡 这里的「85%」是学科学习的答题正确率目标，不同于上一节团队训练的行为标准。两者共同体现一种设计取向：让学生持续遇到可克服的困难，而不是以统一进度决定谁能前进。
⚡ 单个正确率无法代表理解深度，也可能诱使系统不断调整题目，使数字好看却掩盖知识迁移问题；成人教师何时介入、如何发现学生的误解，同样关键。
💬 Joe 说，Alpha 当年夏天接收了 70 多名来自 MIT、斯坦福及得克萨斯大学等校的实习生；当他问大学是否正帮助他们为毕业后的世界做好准备时，只有 一人举手。他描述实习生担心初级岗位受 AI 影响，也说他们曾以每周约 80 小时的投入研究学习科学、开发教育模型。谈到 Alpha 高中首届毕业生，他称他们大学成绩不错，却批评入门大课，反而喜欢小型研讨课、社团和同伴活动。
💡 大学并非只有授课一种产品。讨论将其拆成知识学习、同伴网络、实践、导师与探索机会，追问哪些价值值得保留，哪些形式值得重做。
⚡ 一次面向实习生的举手调查不能代表名校学生总体；每周工作 80 小时也不能直接视为值得推广的教育安排。对大课出勤率的印象性说法，尤其需要区分课程与学校。
💬 Joe 说，自己接触过数以万计的 K–12 家长：一些仍想从幼儿园起规划常春藤升学路径，另一些曾就读斯坦福或哈佛的家长，却更担心这条路径无法应对孩子未来的世界。他用二十世纪初美国农业机械化与高中教育扩张作类比：上一代未必亲历新教育，却可能因为工作变化而支持它。
💡 选择学校的并不只是学生。教育改革要面对家长对机会成本的判断，而孩子年龄越小，家庭越可能从长期变化而非眼前升学节点思考。
⚡ Joe 提及约 1910 年美国人的受教育程度、农业人口比例、拖拉机替代劳力及约 13 万个城镇的集体选择；这些历史数字和因果链在节目中未提供出处。历史类比可以帮助思考，不能证明今日 AI 会以相同方式改变就业和学校。
💬 Joe 承认，自己起初也觉得新学校不可靠，过了约 两年才让孩子转入 Alpha。他说，新校区即使有上千人参加说明会，也可能难招到首批 25 人；纽约校区最初约 10—12 人，后来达到约 150 人。因此，先找到了解风险、仍愿意参与的家庭，比试图立即说服所有人更现实。Gagan 表示，大学阶段的一年制尝试、不收首年学费，以及之后可返回其他升学选项，有助于降低部分家庭的顾虑。
💡 新教育模式的早期问题不仅是课程好不好，还包括谁愿意承担首次尝试的风险。创始家庭会影响学校文化，也会成为后来者观察模式的窗口。
⚡ 「可以回头」不等于「没有损失」：学生仍可能承担时间、机会和转换成本。早期家庭与学生通常高度自我选择，其体验不能直接外推给更广泛的人群。
💬 Joe 回忆自己曾逃课，进入斯坦福后退学创业；父亲起初将此视为错误，看到他投入工作约 两年后才改变看法。他借此说明，有些学生在不认同的课堂里显得懒散，找到愿意承担责任的事情后却能非常投入。对谈随后谈及实践、旅行与成熟：Gagan 称 HAA 为每名学生安排了 5000 美元旅行预算，并希望一些学生借独立旅行接触不同生活环境。
💡 这提醒教育者不要把「不适应某种教学形式」直接等同于「缺乏潜力」。但让学生自主选择，并不意味着撤掉支持；真实任务需要安全安排、反馈与承担后果的机会。
⚡ 成功创业者的退学经历存在明显幸存者偏差，不能成为鼓励一般学生退学的依据。旅行和高强度项目的价值，也取决于指导、保障与学生个人条件。
💬 Joe 提议将学习与创造连接起来：用 AI 快速补足领域知识，再为真实问题制作产品。他预期学生会越来越多地开发供同龄人使用的学习软件，并举出一名学生制作 AP 世界历史课程的例子。Gagan 则说，与其问「学什么才能不被未来淘汰」，不如问自己真正对哪个领域感兴趣，再学会在其中使用 AI。
💡 这把专业选择从防御性的「避开风险」，转向主动性的「找到值得投入的问题」。嘉宾重视的不是脱离知识、只会调用工具，而是因创造目标而主动学习必要知识。
⚡ Joe 关于「学习快十倍」「高中生一年可取得相当于硕士的知识」及未来多数学习软件由学生编写的说法，属于估计或预测。个别学生作品与 AP 成绩，尚不足以证明其可大规模复制。
💬 Joe 介绍 Alpha 面向有创业意愿的高中生开设的 Founder School。他称，学校承诺学生在高中期间创办取得 100 万美元利润的企业，否则退还全部学费；训练则从赚取 100 美元开始，逐级推进至 1000、1 万、10 万和 100 万美元。该专门学校据他所说当年 8 月开办，访谈时运行仅数月。他还举出一名 14 岁学生联系 Jensen Huang、获得约 90 秒陈述机会并收到准备不足的反馈，说明人脉接触也可以成为具体的学习经历。
💡 其设计把财务知识、客户沟通、研究、接受拒绝和建立关系纳入连续任务，而非把创业视作偶然产生的天赋。嘉宾尤其强调，接触可敬的实践者能提高学生对自身可能性的想象。
⚡ 百万美元指利润而非营收，承诺的具体条款、适用对象、计算口径及退款条件均需另查；开办数月也不足以检验其长期兑现率。创业教育不能只以财务结果评估，否则可能忽略安全、诚信及并不以创业为目标的学生。
以下为依据英文对话所作的中文意译，非逐字中文原话。
