TL;DR — 一種 AI 學校用「兩小時學習」把核心學科壓縮完，下午全做專案，邏輯是移除摩擦、讓學習更快（業者宣稱學生成長 2.6 倍，待獨立驗證）。這個時間結構跟真實任務教育很像，但哲學相反：它相信移除摩擦，我相信能力來自摩擦。這篇追問一件事：當 AI 把學科學習的掙扎都優化掉，孩子還剩下哪裡，可以練習面對困難？

有一種學校，最近在教育圈被討論得很多。它用 AI 家教，把一天的核心學科學習壓縮到兩小時。

它叫「兩小時學習」。孩子上午用 AI 一對一，按自己的精熟速度學數學、語文、科學，據業者的說法，學生的成長速度是同儕的 2.6 倍（這個數字目前是業者自陳、獨立驗證還在進行）。學科兩小時搞定，下午整段時間全部釋放出來，拿去做專案、練公開演說、學創業、玩戶外。老師不再叫老師，改叫 guide，角色從講授者變成動機管理者。

我第一次看到這個模式，心裡有一種很複雜的感覺。因為它的時間結構，跟我帶孩子做真實任務的配置，驚人地像：把知識學習壓縮、把時間還給真實的專案。但再看下去，我發現我們的底層哲學，其實是相反的。

一個相信移除摩擦，一個相信摩擦

這種 AI 學校的邏輯：學習的敵人是低效率。

一個老師對三十個學生，速度一定被拉平：快的被拖慢，慢的跟不上。AI 一對一可以解決這件事，它移除重複、移除等待，讓每個孩子用最短的路徑達到精熟。省下來的時間，拿去做更有意義的事。這個邏輯很漂亮，也確實戳中了傳統課堂最大的浪費。

但我實際參與教學任務的體感，長出來的直覺剛好相反：能力的來源，往往正是摩擦。

我在〈四個孩子，一個暑假，一個要上線的網站〉裡寫過，那四個孩子最重要的成長，發生在他們對著空白頁面卡了兩週、想不清楚網站到底要做什麼的時候。那兩週的焦慮、混亂、一再重來，用效率的眼光看是徹底的浪費。但認知的建構，恰恰發生在那裡。如果有一個工具，在第一天就把答案順順地餵給他們，他們會做出一個更快的網站，卻長不出那個「把模糊想清楚」的能力。

學習，發生在掙扎裡

這不只是我的個人直覺。學習科學有一個概念，叫「有生產力的掙扎」（productive struggle）。

它的意思是：真正的理解，往往長在你卡住、困惑、必須自己想辦法穿過去的那段過程裡。答案來得太容易，那條神經迴路就沒有被鍛鍊到。我在〈當作業可以被生成，真實任務為什麼更重要〉裡談過同一件事：AI 最擅長的就是消除掙扎，它讓你幾秒鐘拿到一個看起來不錯的答案，省下所有卡關的痛苦。這在很多場合是好事，但放在學習裡，它剛好抽掉了學習發生的地方。

所以我對「兩小時學習」最想追問的，不是它快不快，而是這個問題：如果 AI 把學科學習裡所有的掙扎都優化掉了，孩子還剩下哪裡，可以練習面對困難？

一個上午零摩擦的孩子，下午忍得住挫折嗎？

這種學校會說：練習面對困難的地方，就是下午的專案啊。

這個答案不能說錯。但我會再追問一層：一個孩子，如果整個上午都習慣了即時回饋、無摩擦、按最短路徑前進的學習，他下午走進一個真實專案，面對那種沒有標準答案、會卡住好幾天、可能做不出來的挫折，他忍得住嗎？

面對困難的耐受力，是需要練習的。而練習它的方式，是反覆地經歷「卡住、難受、還是撐過去」。如果一個孩子在學科學習裡從來沒有機會經歷這個循環，因為 AI 每次都在他快要卡住的前一刻，就把路鋪平了，那他下午在真實專案裡遇到的挫折，對他來說可能是陌生的、甚至是想逃的，而不是一個他熟悉、知道怎麼撐過去的老朋友。

我不是說 AI 家教不能用。我是說，把摩擦全部當成敵人來消滅，可能連學習本身也一起消滅了。

該分清楚的，是哪一種摩擦

這篇不是要否定 AI 個人化學習。它有很真實的價值：重複練習、基礎精熟這些確實低效的部分，AI 讓它變快，省下的時間本來就該拿去做更難的事。

該想清楚的，是分辨兩種摩擦。一種摩擦是浪費：一個老師講三十個人聽、快的等慢的、重複抄寫。這種摩擦，AI 該優化，優化是功德。另一種摩擦是學習本身：把模糊問題想清楚的燒腦、跟人協作的衝突、在混亂裡整合的煎熬。這種摩擦，不能被優化掉，因為它就是能力生成的現場。

AI 把學習變快，是了不起的事。但我們得看好，別在把浪費的摩擦優化掉的同時，也一起把學習的摩擦抽走。

總論〈從翻轉到翻越〉裡我說，教育是設計一條有足夠真實挑戰、也有足夠支持系統的路。AI 可以把支持系統做得很強，但那條路上的挑戰，不能全部被鋪平。孩子要翻越的，始終是真實的坡，不會快，會顛簸。