Bản chép lời tương tác
How Might We Learn?Chúng ta có thể học như thế nào?
Andy Matuschak explores how artificial intelligence can bridge implicit project-based learning with explicit cognitive scaffolding, demonstrating concept scenarios of context-aware reading, ambient spaced practice, and authentic community participation.Andy Matuschak khám phá cách trí tuệ nhân tạo có thể kết nối việc học ngầm định dựa trên dự án với giàn giáo nhận thức tường minh, qua các kịch bản ý tưởng về hoạt động đọc nhận biết ngữ cảnh, luyện tập ngắt quãng trong môi trường xung quanh và tham gia cộng đồng một cách thực chất.
Learning Paradoxes: High-Growth Experiences vs Formal EducationNghịch lý học tập: Trải nghiệm giúp phát triển mạnh và giáo dục chính quy
Andy Matuschak
Talks about learning technology often center on technology. So instead, I'd like to begin by asking, what do you want learning to be like for yourself? If you could just snap your fingers and have the ideal, perfect learning environment, what would that be like?
Các bài nói về công nghệ học tập thường xoay quanh công nghệ. Vì vậy, thay vào đó, tôi muốn bắt đầu bằng câu hỏi: bạn muốn việc học của mình sẽ như thế nào? Nếu chỉ cần búng ngón tay là có được môi trường học tập lý tưởng, hoàn hảo, thì nó sẽ ra sao?
One way to start getting at this question is to ask, What were the most rewarding high-growth periods of your life?Khái niệmHigh-growth learning occurs when acquiring skills is subordinated to pursuing a self-directed, deeply meaningful project rather than pursued as an isolated goal.Quá trình học tập bứt phá diễn ra khi việc tiếp thu kiến thức được gắn liền với một dự án cá nhân đầy ý nghĩa thay vì coi đó là mục tiêu tách biệt. I've noticed 2 patterns when I ask people this question. First, people will tell me about a period in their life where they learned a ton, but where learning wasn't the point. Instead, they were totally immersed in some project with a great deal of personal meaning, like a scrappy startup, or a research project or an artistic urge or just a fiery curiosity. And a lot of learning happened just along the way.
Một cách để tiếp cận câu hỏi này là hỏi: những giai đoạn phát triển mạnh mẽ và đáng giá nhất trong cuộc đời bạn là gì? Tôi nhận thấy hai khuôn mẫu khi đặt câu hỏi này. Thứ nhất, mọi người kể về một giai đoạn họ học được rất nhiều, nhưng việc học không phải mục đích chính. Thay vào đó, họ hoàn toàn đắm mình vào một dự án có ý nghĩa cá nhân sâu sắc, chẳng hạn một công ty khởi nghiệp còn vụng về, một dự án nghiên cứu, một thôi thúc nghệ thuật, hay đơn giản là sự tò mò mãnh liệt. Và rất nhiều việc học diễn ra trên đường đi.
They learned whatever they needed. They dove in, they got their hands dirty. Secondly, in these stories, learning really worked. People emerged feeling transformed, newly capable, filled with insights that remained with them years later. These stories are so vivid in part because learning rarely feels this way.
Họ học bất cứ điều gì cần thiết. Họ lao vào, tự mình bắt tay làm. Thứ hai, trong những câu chuyện ấy, việc học thực sự hiệu quả. Mọi người bước ra với cảm giác đã được biến đổi, có năng lực mới, đầy những hiểu biết vẫn ở lại với họ nhiều năm sau. Những câu chuyện này sống động một phần vì việc học hiếm khi đem lại cảm giác như vậy.
People are often telling me somewhat wistfully about an experience that occurred years or decades earlier.Khái niệmAttempting unguided immersion in complex domains often leads to cognitive overload or superficial cargo-culting without genuine conceptual understanding.Việc tự lao vào các lĩnh vực phức tạp mà thiếu sự hướng dẫn thường dẫn đến quá tải tư duy hoặc bắt chước hời hợt mà không thực sự hiểu bản chất. Learning rarely feels so subordinated to an authentic pursuit. Often if we try to just dive in, we dive into a brick wall, or we find ourselves uneasily cargo-culting others without any real understanding of what's actually going on. So Why can't we just dive in all the time? Instead, it often feels like we have to put our aims on hold while we go do some homework and learn properly.
Mọi người thường kể với tôi, đôi phần nuối tiếc, về một trải nghiệm đã xảy ra nhiều năm hoặc nhiều thập kỷ trước. Việc học hiếm khi chịu phục vụ một mục tiêu chân thực đến vậy. Thường thì nếu cố lao vào ngay, chúng ta sẽ đâm phải một bức tường gạch, hoặc lúng túng bắt chước người khác mà không thực sự hiểu chuyện gì đang diễn ra. Vậy tại sao chúng ta không thể cứ luôn lao vào? Thay vào đó, ta thường cảm thấy phải tạm gác mục tiêu của mình lại để làm bài tập và học cho đúng cách.
And worse, learning so often just doesn't really work.Khái niệmFormal academic instruction produces fragile knowledge that rapidly decays and fails to transfer effectively to practical real-world applications.Phương pháp giáo dục hình thức thường tạo ra kiến thức mong manh, nhanh chóng bị lãng quên và khó áp dụng hiệu quả vào các tình huống thực tế. We take the class, we read the book, and then when we try to put that knowledge into practice, we find that it's fragile. It doesn't transfer well. Worse, we'll often find that we've forgotten half of it by the time we try to use it. Why does learning so often fail to actually work?
Tệ hơn nữa, việc học thường chẳng thực sự hiệu quả. Chúng ta học một khóa, đọc một cuốn sách, rồi khi cố áp dụng kiến thức ấy vào thực tế, nhận ra nó rất mong manh. Nó không chuyển giao tốt. Tệ hơn, đến lúc cần dùng, ta thường phát hiện mình đã quên mất một nửa. Tại sao việc học thường không thực sự hiệu quả?
Pedagogical Divide: Discovery Learning vs Cognitive PsychologyKhoảng cách sư phạm: Học qua khám phá và tâm lý học nhận thức
These questions connect to an age-old conflict among educators and learning scientists between implicit learning, also known as discovery learning, inquiry learning, situated learning, and guided learning, which is often represented by cognitive scientists of the kind we'd find here at UCSD.Khái niệmImplicit discovery learning provides authentic motivation and emotional meaning, whereas explicit guided instruction manages cognitive load and long-term memory retention.Học tập khám phá ẩn mang lại động lực tự nhiên và ý nghĩa cảm xúc, trong khi hướng dẫn tường minh giúp quản lý tải nhận thức và duy trì ký ức dài hạn. Advocates of implicit learning methods argue that we should prioritize discovery, motivation, authentic involvement, and being situated in a community of practice. In the opposing camp, cognitive psychologists argue that you really do need to pay attention to the architecture of cognition, to long-term memory, to procedural fluency, and to scaffold appropriately for cognitive load. In my view, each of these points of view has something— a lot— each of these points of view contains a lot of truth. And they also ignore each other to their detriment.
Những câu hỏi này liên hệ với một xung đột lâu đời giữa các nhà giáo dục và các nhà khoa học học tập: học ngầm, còn gọi là học khám phá, học truy vấn, học định vị, đối lập với học có hướng dẫn, thường được đại diện bởi các nhà khoa học nhận thức như những người ta có thể gặp ở UCSD. Những người ủng hộ phương pháp học ngầm cho rằng ta nên ưu tiên khám phá, động lực, sự tham gia chân thực và việc được đặt trong một cộng đồng thực hành. Ở phía đối lập, các nhà tâm lý học nhận thức cho rằng ta thực sự cần chú ý đến kiến trúc của nhận thức, trí nhớ dài hạn, sự trôi chảy của quy trình và việc tạo giàn giáo phù hợp với tải nhận thức. Theo tôi, mỗi quan điểm này đều chứa đựng rất nhiều sự thật. Và chúng cũng gây bất lợi cho mình khi phớt lờ lẫn nhau.
Implicit learning aptly recognizes meaning and emotion, but ignores the often decisive constraints of cognition— what we need to actually make learning work.Khái niệmConventional project-based learning fails when projects are externally assigned, removing personal agency while offering insufficient guidance for complex concepts.Phương pháp học theo dự án truyền thống thường thất bại khi dự án do người khác áp đặt, làm mất đi sự chủ động cá nhân mà vẫn không cung cấp đủ sự hướng dẫn cần thiết. Guided learning advocates are focused on making learning work, and they sometimes succeed, but usually by sacrificing that purposeful sense of immersion that we love about those rewarding high-growth periods. One obvious approach is to try compromise. Project-based learning is a good representation of that. By creating a scaffolded series of projects, the suggestion is that we can get some of the benefits of implicit learning— authenticity, motivation, transferability— while also getting the instructional control and the cognitive awareness that might be traditional of— typical of traditional courses.
Học ngầm thừa nhận đúng đắn ý nghĩa và cảm xúc, nhưng bỏ qua những giới hạn thường mang tính quyết định của nhận thức—những gì ta thực sự cần để việc học hiệu quả. Những người ủng hộ học có hướng dẫn tập trung vào việc làm cho việc học hiệu quả, và đôi khi họ thành công, nhưng thường phải hy sinh cảm giác đắm mình có mục đích mà ta yêu thích ở những giai đoạn phát triển mạnh mẽ đáng giá ấy. Một cách tiếp cận hiển nhiên là thử thỏa hiệp. Học tập dựa trên dự án là một đại diện tốt cho cách đó. Bằng cách tạo ra một chuỗi dự án có giàn giáo, ý tưởng là ta có thể hưởng một số lợi ích của học ngầm—tính chân thực, động lực, khả năng chuyển giao—đồng thời có được sự kiểm soát giảng dạy và nhận thức về nhận thức vốn có thể là đặc trưng của các khóa học truyền thống.
The trouble is that usually we get the worst of both worlds. I remember when I I was in college, I was interested in 3D game programming, so I signed up for a project-based course on computer graphics. The trouble was that those projects weren't my projects. So a few weeks in, I ended up implementing array marching for more efficient bump mapping, and unfortunately I was really just implementing some math that I was handed because this course was trying to take project-based learning seriously. So there weren't long textbook readings, weren't long problem sets, but I didn't understand the math.
Vấn đề là thường chúng ta nhận lấy điều tệ nhất của cả hai phía. Tôi nhớ khi còn học đại học, tôi hứng thú với lập trình trò chơi 3D, nên đăng ký một khóa học dựa trên dự án về đồ họa máy tính. Vấn đề là những dự án đó không phải dự án của tôi. Vì vậy, sau vài tuần, tôi phải triển khai array marching để lập bản đồ độ gồ ghề hiệu quả hơn, và đáng tiếc là tôi thực sự chỉ triển khai một số phép toán được giao, vì khóa học này cố nghiêm túc thực hiện học tập dựa trên dự án. Không có những bài đọc giáo trình dài, không có những bộ bài tập dài, nhưng tôi không hiểu phép toán đó.
What I ended up with was a project that I didn't care about implementing something I didn't understand.Quy tắcSynthesize authentic self-directed projects with explicit cognitive scaffolding and memory support rather than settling for compromise instructional methods.Hãy kết hợp các dự án tự định hướng thực sự với sự hỗ trợ nhận thức và ghi nhớ tường minh thay vì chấp nhận các phương pháp giảng dạy thỏa hiệp kém hiệu quả. Instead, I suggest we should take both views seriously. Find a way to synthesize the two. You really do want to make doing the thing the primary activity. But the realities of cognitive psychology mean that in many cases, you really do need explicit guidance, scaffolding, practice, intention, and memory support.
Kết quả là tôi có một dự án mà mình không quan tâm, để triển khai thứ mà mình không hiểu. Thay vào đó, tôi cho rằng chúng ta nên nghiêm túc với cả hai quan điểm. Hãy tìm cách tổng hợp chúng. Quả thực, ta muốn việc làm điều đó trở thành hoạt động chính. Nhưng thực tế của tâm lý học nhận thức có nghĩa là trong nhiều trường hợp, ta thực sự cần sự hướng dẫn tường minh, giàn giáo, thực hành, chủ đích và hỗ trợ trí nhớ.
Learning by immersion works naturalistically when the material has a low enough complexity relative to your prior knowledge that you can successfully process it on the fly, and when natural participation routinely reinforces everything important, giving you fluency.Khái niệmPure immersive learning succeeds only when domain complexity is low relative to prior knowledge and routine practice continuously reinforces essential skills.Học tập đắm mình thuần túy chỉ thành công khi độ phức tạp của kiến thức thấp so với hiểu biết có sẵn và việc thực hành thường xuyên liên tục củng cố kỹ năng. When those conditions aren't satisfied, which is most of the time, you will need some support. You want to just dive in, and you want learning to actually work. To make that happen, we need to infuse your authentic projects with guided support. where necessary, inspired by the best ideas from cognitive science.
Học bằng đắm mình hoạt động một cách tự nhiên khi tài liệu có độ phức tạp đủ thấp so với kiến thức nền của bạn để bạn có thể xử lý thành công ngay trong lúc làm, và khi sự tham gia tự nhiên thường xuyên củng cố mọi điều quan trọng, tạo cho bạn sự thành thạo. Khi những điều kiện đó không được đáp ứng, mà phần lớn thời gian là như vậy, bạn sẽ cần một số hỗ trợ. Bạn muốn cứ lao vào, và bạn muốn việc học thực sự hiệu quả. Để làm được điều đó, ta cần truyền sự hỗ trợ có hướng dẫn vào các dự án chân thực của bạn ở những nơi cần thiết, lấy cảm hứng từ những ý tưởng tốt nhất của khoa học nhận thức.
Synthesis Proposal: AI as Catalyst for Scaffolded ImmersionĐề xuất tổng hợp: AI làm chất xúc tác cho trải nghiệm nhập vai có giàn giáo
And if there's something that requires more focused explicit learning, then you want those experiences to be utterly in service to your actual aims.Quy tắcEnsure that any focused explicit learning activities directly serve the learner's primary, authentic goals rather than functioning as isolated instructional exercises.Đảm bảo rằng mọi hoạt động học tập chủ động và tập trung đều phục vụ trực tiếp cho các mục tiêu thực tế của người học thay vì tồn tại như những bài tập rời rạc. Now, I've been thinking about this synthesis for many years, and honestly, I've mostly been pretty stuck. Recently, though, I've been thinking a lot about AI, which I know gets an eye roll, certainly, Pretty much every mention of AI in education gets an eye roll from me. But I confess, the possibility of AI has
Và nếu có điều gì đòi hỏi việc học tường minh, tập trung hơn, thì bạn muốn những trải nghiệm đó hoàn toàn phục vụ cho các mục tiêu thực tế của mình. Tôi đã suy nghĩ về sự tổng hợp này nhiều năm, và thành thật mà nói, phần lớn thời gian tôi khá bế tắc. Tuy nhiên gần đây tôi suy nghĩ rất nhiều về AI, điều mà tôi biết thường khiến người ta đảo mắt—chắc chắn là vậy; hầu như mọi lần nhắc đến AI trong giáo dục đều khiến tôi đảo mắt. Nhưng tôi thú nhận rằng khả năng của AI cuối cùng đã giúp tôi cảm thấy có được một chút lực đẩy trong vấn đề cụ thể này.
helped me finally get what feels like some traction on this particular problem. So I'd like to share some of those early concepts today.
Nó giúp tôi cuối cùng có được cảm giác đang tiến triển trong vấn đề cụ thể này. Vì vậy, hôm nay tôi muốn chia sẻ một số ý tưởng ban đầu đó.
Project Onboarding: Local AI Context for Entry IdentificationNhập môn dự án: Ngữ cảnh AI cục bộ để xác định điểm bắt đầu
We'll explore this possible synthesis through a story in 6 parts. Meet Sam. Sam studied computer science in university, and they're now working as a software engineer at a big tech company. But Sam is bored at their day job. Not everything is boring though.
Chúng ta sẽ khám phá sự tổng hợp khả dĩ này qua một câu chuyện gồm sáu phần. Hãy gặp Sam. Sam học khoa học máy tính ở đại học và hiện đang làm kỹ sư phần mềm tại một công ty công nghệ lớn. Nhưng Sam chán công việc hằng ngày. Dù vậy, không phải mọi thứ đều nhàm chán.
Every time Sam sees a tweet announcing a new result in brain-computer interfaces, they're absolutely captivated.Khái niệmLocal AI systems can analyze a learner's background and current skill set to recommend manageable, relevant entry points into complex and unfamiliar domains.Hệ thống AI cục bộ có thể phân tích bối cảnh và kỹ năng hiện có của người học để đề xuất các điểm bắt đầu phù hợp trong những lĩnh vực mới phức tạp. These projects seem so much more interesting than what they're doing by day. Sam pulls up the papers looking for some way to contribute, but they hit a brick wall with so many unfamiliar topics all at once. What if Sam could ask for help finding some meaningful way to start participating? With Sam's permission, our AI— and let's assume it's a local AI— can build up a huge amount of context about their background.
Mỗi khi Sam thấy một bài đăng trên Twitter thông báo về một kết quả mới trong lĩnh vực giao diện não–máy tính, họ hoàn toàn bị cuốn hút. Những dự án này có vẻ thú vị hơn rất nhiều so với công việc hằng ngày của họ. Sam mở các bài báo để tìm cách đóng góp, nhưng lập tức đâm vào bức tường với quá nhiều chủ đề xa lạ cùng lúc. Nếu Sam có thể nhờ giúp đỡ để tìm một cách có ý nghĩa nhằm bắt đầu tham gia thì sao? Với sự cho phép của Sam, AI của chúng ta—và hãy giả sử đó là một AI cục bộ—có thể xây dựng một lượng lớn ngữ cảnh về nền tảng của họ.
From old documents on Sam's hard drive, our AI knows all about their university coursework. It can see their current skills through work projects. It knows something about Sam's interests through their browsing history. So it suggests a few ideas, and Sam is excited about the idea of reproducing the paper's data analysis. That seems to play to their strengths.
Từ các tài liệu cũ trên ổ cứng của Sam, AI biết toàn bộ chương trình học đại học của họ. Nó có thể thấy các kỹ năng hiện tại của Sam qua những dự án công việc. Nó biết phần nào về sở thích của Sam thông qua lịch sử duyệt web. Vì vậy, nó đề xuất vài ý tưởng, và Sam hào hứng với ý tưởng tái tạo phân tích dữ liệu của bài báo. Điều đó có vẻ phù hợp với thế mạnh của họ.
They notice that the authors use a custom Python package to do their analysis, but that code was never published. And that seems intriguing. Sam has built open-source tools before. Maybe they could contribute here by building an open-source version of this signal processing pipeline. So Sam dives in.
Họ nhận thấy các tác giả dùng một gói Python tùy chỉnh để phân tích, nhưng mã nguồn đó chưa từng được công bố. Điều ấy có vẻ rất đáng chú ý. Sam từng xây dựng các công cụ mã nguồn mở. Có lẽ họ có thể đóng góp bằng cách xây dựng một phiên bản mã nguồn mở của quy trình xử lý tín hiệu này. Thế là Sam lao vào.
Cross-App Guidance: Contextual Scaffolding and Dynamic MediaHướng dẫn xuyên ứng dụng: Giàn giáo theo ngữ cảnh và phương tiện truyền thông động
They found an open access dataset, and they've taken the first steps to start working with it.Quy tắcIntegrate AI scaffolding across application boundaries so contextual guidance can synthesize source code, reference literature, and dataset documentation into unified explanations.Tích hợp giàn giáo AI qua ranh giới ứng dụng để sự hướng dẫn theo ngữ cảnh có thể tổng hợp mã nguồn, tài liệu tham khảo và tài liệu dữ liệu thành các giải thích nhất quán. Tools like Copilot help Sam get started, but to follow some of these signal processing steps, what Sam really needs here is something like Copilot, but with awareness of the paper in addition to the code, and with context about what Sam's actually trying to do. This AI system isn't trapped in its own chat box. or in the sidebar of one application. It can see what's going on across multiple applications, and it can propose actions across multiple applications.
Họ tìm được một bộ dữ liệu truy cập mở và đã thực hiện những bước đầu tiên để bắt đầu làm việc với nó. Các công cụ như Copilot giúp Sam khởi đầu, nhưng để theo dõi một số bước xử lý tín hiệu này, điều Sam thực sự cần là một thứ giống Copilot nhưng ngoài mã nguồn còn nhận biết được bài báo, đồng thời có ngữ cảnh về điều Sam thực sự đang cố làm. Hệ thống AI này không bị nhốt trong hộp trò chuyện riêng của nó hay trong thanh bên của một ứng dụng. Nó có thể thấy chuyện gì đang diễn ra trên nhiều ứng dụng và đề xuất hành động trên nhiều ứng dụng.
Sam can click that button to view a changeset with the potential implementation. Here that is. And then they can continue the conversation, smoothly switching into the context of the code editor. Like, what is this axis=1 parameter? The explanation depends on context from the code editor, from the paper being implemented, and also the documentation that came with the dataset Sam's working with.
Sam có thể nhấp vào nút đó để xem một changeset với phần triển khai tiềm năng. Đây là nó. Sau đó họ có thể tiếp tục cuộc trò chuyện, chuyển mượt mà sang ngữ cảnh của trình soạn thảo mã. Chẳng hạn: tham số axis=1 này là gì? Lời giải thích phụ thuộc vào ngữ cảnh từ trình soạn thảo mã, từ bài báo đang được triển khai, và cả tài liệu đi kèm bộ dữ liệu mà Sam đang sử dụng.
The AI underlines assumptions made based on specific information and turns those things into links. So Sam can click on that in this dataset link, and our AI opens the README to the relevant line. All this is to support our central aim, which is that Sam can immerse themselves as much as possible in what they're actually trying to do, but get the support they need to understand what they're doing. And that support doesn't have to just mean text. Sam next needs to implement a downsampling stage.
AI gạch chân các giả định dựa trên thông tin cụ thể và biến những điều đó thành liên kết. Vì vậy Sam có thể nhấp vào liên kết “trong bộ dữ liệu này”, và AI mở README đến dòng liên quan. Tất cả những điều này nhằm phục vụ mục tiêu trung tâm của chúng ta: Sam có thể đắm mình nhiều nhất có thể vào điều họ thực sự đang cố làm, nhưng vẫn nhận được sự hỗ trợ cần thiết để hiểu mình đang làm gì. Và sự hỗ trợ đó không nhất thiết chỉ là văn bản. Tiếp theo Sam cần triển khai một giai đoạn downsampling.
And this time, guidance includes synthesized dynamic media so that Sam can understand what downsampling does through scaffolded immersion.Quy tắcScaffold abstract domain concepts through interactive dynamic media built on live workspace data rather than forcing learners to mentally visualize effects from static text explanations.Dựng giàn giáo cho các khái niệm trừu tượng bằng phương tiện động tương tác trên dữ liệu thực tế thay vì buộc người học tự hình dung tác động từ các giải thích văn bản tĩnh. Sam doesn't need to read an abstract explanation and try to imagine what that would do to different signals. Instead, as they try different sampling rates, real-time feedback can help them internalize the effect on different signals.
Lần này, hướng dẫn bao gồm phương tiện động được tổng hợp để Sam có thể hiểu downsampling làm gì thông qua sự đắm mình có giàn giáo. Sam không cần đọc một lời giải thích trừu tượng rồi cố tưởng tượng nó sẽ tác động thế nào đến các tín hiệu khác nhau. Thay vào đó, khi thử các tốc độ lấy mẫu khác nhau, phản hồi theo thời gian thực có thể giúp họ nội hóa tác động lên các tín hiệu khác nhau.
By playing with the dynamic media, Sam notices that some of the peaks are lost when the signal is downsampled. These dynamic media aren't trapped in the chat box. They're using the same input data and libraries, That Sam is using in their notebook. So at any time, Sam can just view source to tinker with this figure or to use some of its code in their own notebook.
Bằng cách nghịch với phương tiện động, Sam nhận thấy một số đỉnh bị mất khi tín hiệu được downsample. Những phương tiện động này không bị nhốt trong hộp trò chuyện. Chúng sử dụng cùng dữ liệu đầu vào và các thư viện mà Sam đang dùng trong notebook. Vì vậy bất cứ lúc nào Sam cũng có thể xem mã nguồn để thử nghiệm với hình này hoặc dùng một phần mã của nó trong notebook riêng.
Grounded Reading: Personalized Paths in Canonical TextbooksĐọc có căn cứ: Lộ trình cá nhân hóa trong các giáo trình kinh điển
Now Sam presses on.Khái niệmChat interfaces fail to deliver deep conceptual mastery, requiring learners to transition into structured long-form reference material when facing foundational domain complexities.Giao diện trò chuyện không thể mang lại sự thông thạo khái niệm sâu sắc, đòi hỏi người học chuyển sang các tài liệu tham khảo dài khi đối mặt với độ phức tạp cốt lõi. But as they dig into bandpass filters, the high-level explanations they can get from these short chat interactions really just don't feel like enough. What is a frequency domain? What is a Nyquist rate? Sam can copy and paste some AI-generated code all day, but they don't understand what's going on at all.
Sam tiếp tục. Nhưng khi đào sâu vào các bộ lọc thông dải, những lời giải thích cấp cao có thể nhận được từ các tương tác trò chuyện ngắn thực sự không còn đủ. Miền tần số là gì? Tần số Nyquist là gì? Sam có thể cả ngày sao chép và dán mã do AI tạo ra, nhưng hoàn toàn không hiểu chuyện gì đang diễn ra.
A chat interface is just not a great medium for long-form conceptual explanation. It's time here for something deeper. Now, our AI knows Sam's background and aims here. So it suggests an appropriate undergraduate text with a practical focus. And more importantly, the AI reassures Sam that they don't necessarily need to read this entire 1,000-page book right now.
Giao diện trò chuyện đơn giản không phải là phương tiện tốt cho lời giải thích khái niệm dạng dài. Đã đến lúc cần một thứ sâu hơn. AI của chúng ta biết nền tảng và mục tiêu của Sam. Vì vậy nó đề xuất một giáo trình đại học phù hợp, tập trung vào thực hành. Quan trọng hơn, AI trấn an Sam rằng ngay lúc này họ không nhất thiết phải đọc toàn bộ cuốn sách 1.000 trang.
It focuses on Sam's goal here and suggests a range of accessible paths that Sam can choose according to how deeply they would like to understand this material.Quy tắcMap expansive reference books into goal-directed, modular reading pathways that allow learners to select paths matching their intended depth of conceptual or practical mastery.Hãy lập bản đồ sách tham khảo đồ sộ thành các lộ trình đọc mô-đun theo mục tiêu, cho phép người học chọn con đường phù hợp với độ sâu hiểu biết hoặc thực hành mong muốn. The AI has made a personal map in the book's table of contents so that if Sam, for instance, just wants to understand what these filters are doing and why, there's a 25-page path for that. But if they want to know the mathematical background of how these filters work, there's a deeper path. And if they want to actually be able to implement them themselves, there's an even deeper path. You can choose a journey here.
Nó tập trung vào mục tiêu hiện tại của Sam và đề xuất một loạt lộ trình dễ tiếp cận mà Sam có thể chọn tùy theo mức độ muốn hiểu sâu tài liệu. AI đã tạo một bản đồ cá nhân trong mục lục cuốn sách, để nếu Sam chỉ muốn hiểu các bộ lọc này đang làm gì và tại sao, có một lộ trình 25 trang. Nếu muốn biết nền tảng toán học của cách các bộ lọc hoạt động, có một lộ trình sâu hơn. Và nếu muốn thực sự có thể tự triển khai chúng, có một lộ trình còn sâu hơn nữa. Bạn có thể chọn hành trình của mình ở đây.
When Sam digs into the book, they'll find notes from the AI at the start of each section and scattered throughout, which ground the material in Sam's context, Sam's project, Sam's purpose.Quy tắcInsert contextual annotations throughout canonical instructional texts to explicitly connect abstract theoretical concepts back to the learner's active project objectives.Chèn chú thích ngữ cảnh xuyên suốt tài liệu giảng dạy chuẩn mực để kết nối trực tiếp các khái niệm lý thuyết trừu tượng với mục tiêu dự án thực tế của người học. This section will help you understand how to think about signals in terms of frequency spectra. That's what low-pass filters manipulate. Sam's spending some time away from their project in a more traditionally instructional setting. But that doesn't mean the experience has to lose its connection to their authentic purpose.
Khi Sam đào sâu vào cuốn sách, họ sẽ thấy các ghi chú của AI ở đầu mỗi phần và rải rác xuyên suốt, đặt tài liệu vào ngữ cảnh của Sam, dự án của Sam, mục đích của Sam. Phần này sẽ giúp bạn hiểu cách suy nghĩ về tín hiệu theo phổ tần số. Đó là thứ mà các bộ lọc thông thấp thao tác. Sam đang dành một khoảng thời gian rời xa dự án trong một môi trường giảng dạy truyền thống hơn. Nhưng điều đó không có nghĩa trải nghiệm phải mất đi mối liên hệ với mục đích chân thực của họ.
Incidentally, I've heard some technologists suggest that we should just use AI to synthesize the whole book.Khái niệmPreserving shared canonical texts fosters cultural common ground, which is better served by layering personalized AI lenses over key books than replacing them with AI synthesis.Việc bảo tồn các văn bản chuẩn mực chung tạo nên nền tảng văn hóa chung, vốn đạt hiệu quả tốt hơn bằng cách phủ lăng kính AI cá nhân hóa thay vì thay thế bằng sách tổng hợp. We'll get per-person bespoke textbooks. But I think that there's actually a huge amount of value in having shared canonical artifacts. In any given field, there are key texts that we can all point to, and they form a common ground for the culture. I think we can preserve that by layering personalized context on top as a lens like this.
Nhân tiện, tôi từng nghe một số nhà công nghệ đề xuất rằng ta chỉ cần dùng AI để tổng hợp toàn bộ cuốn sách. Mỗi người sẽ có một giáo trình riêng được thiết kế theo nhu cầu. Nhưng tôi nghĩ các hiện vật kinh điển dùng chung thực sự có giá trị rất lớn. Trong bất kỳ lĩnh vực nào cũng có những văn bản then chốt mà tất cả chúng ta có thể cùng chỉ đến, và chúng tạo thành nền tảng chung cho văn hóa. Tôi nghĩ ta có thể bảo tồn điều đó bằng cách phủ ngữ cảnh cá nhân lên trên như một lớp kính như thế này.
In my ideal future, of course, our canonical shared artifacts are dynamic media, not digital representations of dead trees.Quy tắcFeed reader highlights and marginal annotations directly into interactive learning environments to ensure active reading insights drive downstream discussion and practice.Truyền các đánh dấu và chú thích lề của người đọc trực tiếp vào môi trường học tập tương tác để đảm bảo nhận thức khi đọc sẽ thúc đẩy thảo luận và thực hành sau đó. But until all of our canonical works are rewritten, a transitional measure, we can at least wave our hands and imagine that our AI could synthesize dynamic media versions of figures like this one. Now, as Sam reads through the book, they can continue to engage with the text by asking questions as before, and our AI's responses will continue to be grounded in their project. As Sam highlights the text or makes comments about details which seem particularly important or surprising, those annotations won't end up trapped inside the PDF. Instead, they will feed into future discussions and practice, as we'll see later.
Tất nhiên, trong tương lai lý tưởng của tôi, các hiện vật kinh điển dùng chung sẽ là phương tiện động, chứ không phải những bản sao kỹ thuật số của cây chết. Nhưng cho đến khi tất cả các tác phẩm kinh điển của chúng ta được viết lại, như một biện pháp chuyển tiếp, ít nhất ta có thể vẫy tay và tưởng tượng rằng AI có thể tổng hợp các phiên bản phương tiện động của những hình như thế này. Giờ đây, khi Sam đọc cuốn sách, họ có thể tiếp tục tương tác với văn bản bằng cách đặt câu hỏi như trước, và câu trả lời của AI tiếp tục được neo vào dự án của họ. Khi Sam đánh dấu văn bản hoặc bình luận về những chi tiết có vẻ đặc biệt quan trọng hay bất ngờ, các chú thích đó sẽ không bị nhốt trong PDF. Thay vào đó, chúng sẽ được đưa vào các cuộc thảo luận và hoạt động thực hành sau này, như chúng ta sẽ thấy.
In addition to Sam asking questions of the AI, the AI can insert questions for Sam to consider, again grounded in their project, to promote deeper processing of the material.Quy tắcCurate targeted exercises and embed reflective prompts tailored to learner goals so that explicit practice feels like an extension of authentic project work.Tuyển chọn bài tập mục tiêu và chèn câu hỏi gợi mở phù hợp với mục đích người học để việc thực hành có chủ đích mang lại cảm giác gắn kết tự nhiên với dự án thực tế. And just as our AI guided Sam to the right sections of this 1,000-page book, it can point out which exercises might be most valuable considering both Sam's background and their aims. Better, it can connect the exercises to Sam's aims so that aspirationally doing those problems feels continuous with Sam's authentic practice. Even if the exercises do still feel somewhat decontextualized, Sam can at least feel more confident that the work is going to help them do what they want to do. So Sam ends the day.
Ngoài việc Sam đặt câu hỏi cho AI, AI có thể chèn các câu hỏi để Sam suy nghĩ, một lần nữa dựa trên dự án của họ, nhằm thúc đẩy việc xử lý tài liệu sâu hơn. Và cũng như AI đã hướng Sam đến đúng các phần trong cuốn sách 1.000 trang, nó có thể chỉ ra bài tập nào có giá trị nhất xét cả nền tảng lẫn mục tiêu của Sam. Tốt hơn nữa, nó có thể kết nối bài tập với mục tiêu của Sam, để việc chủ động làm các bài đó có cảm giác liên tục với thực hành chân thực của họ. Ngay cả khi bài tập vẫn có vẻ phần nào tách khỏi ngữ cảnh, ít nhất Sam cũng có thể tự tin hơn rằng công việc này sẽ giúp họ làm điều mình muốn. Vậy là Sam kết thúc ngày.
Fluency Deficit: Retention Challenges in Short-Term ProgressThiếu hụt độ thuần thục: Thách thức ghi nhớ trong tiến bộ ngắn hạn
with some rewarding progress on their project and a newfound understanding of quite a few topics.Khái niệmInitial progress in project-based learning produces fragile conceptual understanding, which rapidly decays without dedicated mechanisms for fluency and retention.Tiến trình ban đầu trong học tập qua dự án chỉ tạo ra hiểu biết khái niệm mong manh, vốn sẽ nhanh chóng phai nhạt nếu thiếu cơ chế rèn luyện sự thành thạo và ghi nhớ. But this isn't yet robust knowledge. Sam has very little fluency. If they try to use this material seriously, they'll probably feel like they're standing on shaky ground. And more prosaically, they will probably forget much of what they just learned.
với một số tiến bộ đáng khích lệ trong dự án và sự hiểu biết mới về khá nhiều chủ đề. Nhưng đây vẫn chưa phải kiến thức vững chắc. Sam còn rất ít sự thành thạo. Nếu cố sử dụng tài liệu này một cách nghiêm túc, có lẽ họ sẽ cảm thấy như đang đứng trên nền đất lung lay. Và thực tế hơn, có lẽ họ sẽ quên phần lớn những gì vừa học.
Memory Mechanics: Cues, Retrieval, and Forgetting CurvesCơ chế ghi nhớ: Tín hiệu gợi nhớ, truy hồi và đường cong quên lãng
So I'd like to focus on memory for a bit here. It's worth asking, why do we sometimes remember conceptual material and sometimes not? Often we take a class or read a book or even just look something up and find that a short time later, we have retained almost nothing. But sometimes things seem to stick. Why is that?
Vì vậy, tôi muốn tập trung một chút vào trí nhớ. Đáng để hỏi: tại sao đôi khi chúng ta nhớ được tài liệu khái niệm, đôi khi lại không? Thường ta học một lớp, đọc một cuốn sách, hoặc thậm chí chỉ tra cứu một điều gì đó, rồi nhận ra chẳng bao lâu sau mình gần như không giữ lại được gì. Nhưng đôi khi mọi thứ dường như bám lại. Tại sao vậy?
There are some easier cases.Khái niệmLearning within familiar domains accelerates long-term retention because new facts automatically anchor to existing knowledge networks.Việc học trong các lĩnh vực quen thuộc giúp đẩy nhanh khả năng ghi nhớ lâu dài nhờ các thông tin mới tự động gắn vào mạng lưới kiến thức sẵn có. If you're learning something new in a domain that you know well, each new fact connects to lots of prior knowledge. And that creates more cues for recall and more opportunities for reinforcement. Likewise, if you're in some setting where you need that knowledge every single day, you will find that your memory becomes reliable pretty quickly. Conceptual material like what Sam just learned doesn't usually get reinforced every day like that.
Có những trường hợp dễ hơn. Nếu bạn đang học điều mới trong một lĩnh vực mà mình đã am hiểu, mỗi sự kiện mới sẽ kết nối với rất nhiều kiến thức trước đó. Điều này tạo ra nhiều dấu hiệu gợi nhớ hơn và nhiều cơ hội củng cố hơn. Tương tự, nếu bạn ở trong một môi trường mà ngày nào cũng cần kiến thức đó, bạn sẽ thấy trí nhớ của mình nhanh chóng trở nên đáng tin cậy. Những tài liệu khái niệm như điều Sam vừa học thường không được củng cố hằng ngày theo cách ấy.
But sometimes the world conspires to give those memories the reinforcement it needs.Khái niệmActive memory retrieval spaced at expanding time intervals flattens the forgetting curve, enabling durable retention with few repetitions.Việc chủ động truy xuất trí nhớ theo các khoảng thời gian giãn cách mở rộng giúp làm phẳng đường cong quên, mang lại sự ghi nhớ bền vững. Sometimes you read about a topic, And then later in that evening, that topic comes up in conversation with a collaborator. So you have to retrieve what you learned, and that retrieval reinforces the memory. Then maybe 2 days later, it comes up again. You need to recall that knowledge for a project.
Nhưng đôi khi thế giới tình cờ tạo ra sự củng cố mà những ký ức đó cần. Có lúc bạn đọc về một chủ đề, rồi tối hôm đó chủ đề ấy xuất hiện trong cuộc trò chuyện với một cộng tác viên. Vì vậy bạn phải truy hồi điều mình đã học, và việc truy hồi đó củng cố ký ức. Có thể hai ngày sau chủ đề ấy lại xuất hiện. Bạn cần nhớ lại kiến thức đó cho một dự án.
Each time you reinforce the memory this way, you forget it more slowly.Quy tắcLooking up forgotten material fails to strengthen long-term memory, requiring learners to deliberately arrange active retrieval timelines.Việc tra cứu lại tài liệu đã quên không giúp củng cố trí nhớ lâu dài, đòi hỏi người học phải tự chủ động sắp xếp lộ trình truy xuất kiến thức. Now perhaps a week can go by and you're still likely to remember, then maybe a few weeks, Then a few months, and so on. With a surprisingly small number of retrievals, if they're placed close enough to avoid forgetting, you can retain that knowledge for months or years. By contrast, sometimes when you learn something, it doesn't come up again until, say, the next week. Then you try to retrieve the knowledge, but maybe it's already been forgotten.
Mỗi lần củng cố ký ức theo cách này, bạn sẽ quên nó chậm hơn. Có thể một tuần trôi qua mà bạn vẫn còn khả năng nhớ, rồi vài tuần, vài tháng, và cứ thế. Với số lần truy hồi ít đến bất ngờ, nếu chúng được đặt đủ gần nhau để tránh quên, bạn có thể giữ kiến thức trong nhiều tháng hoặc nhiều năm. Ngược lại, đôi khi khi học điều gì đó, mãi đến tuần sau nó mới xuất hiện lại. Bạn cố truy hồi kiến thức, nhưng có lẽ nó đã bị quên mất.
So you have to look it up. Looking it up doesn't reinforce your memory very much. And then if it doesn't come up again for a while longer, you may still not remember the next time. So you have to look it up again, and so on. The key insight here is that it's possible to arrange the top timeline for yourself.
Vì vậy bạn phải tra cứu. Việc tra cứu không củng cố trí nhớ nhiều. Rồi nếu một thời gian dài hơn nữa nó không xuất hiện lại, lần sau bạn vẫn có thể không nhớ. Thế là bạn lại phải tra cứu, và cứ tiếp diễn như vậy. Nhận thức then chốt ở đây là ta có thể tự sắp xếp dòng thời gian tối ưu cho mình.
Quantum Country: Empirical Evidence for Mnemonic MediumsQuantum Country: Bằng chứng thực nghiệm về phương tiện ghi nhớ
And of course, courses sometimes do when each problem set consistently interleaves knowledge from the prior problem sets.Khái niệmMnemonic mediums integrate embedded review prompts directly into explanatory prose, extending spaced repetition from simple factual recall to complex conceptual learning.Phương tiện ghi nhớ tích hợp các câu hỏi ôn tập trực tiếp vào văn bản giải thích, mở rộng lặp lại ngắt quãng từ ghi nhớ dữ kiện đơn giản sang học khái niệm phức tạp. But immersive learning and for that matter, most learning, usually doesn't arrange this properly, so you usually forget a lot. What if this kind of reinforcement were woven into the grain of the learning medium? Collaborator Michael Nielsen and I created a quantum computing primer, Quantum Country, to explore this idea. It's available for free online.
Dĩ nhiên, các khóa học đôi khi làm được điều đó khi mỗi bộ bài tập liên tục đan xen kiến thức từ các bộ bài tập trước. Nhưng học bằng đắm mình, và thực ra phần lớn việc học, thường không sắp xếp đúng như vậy, nên ta thường quên rất nhiều. Nếu kiểu củng cố này được dệt vào kết cấu của phương tiện học tập thì sao? Cộng tác viên Michael Nielsen và tôi đã tạo một nhập môn điện toán lượng tử, Quantum Country, để khám phá ý tưởng này. Nó được cung cấp miễn phí trên mạng.
If you head to quantum.country, you'll see what looks at first like a normal book.
Nếu bạn truy cập quantum.country, thoạt nhìn bạn sẽ thấy thứ trông như một cuốn sách bình thường.
And after a few minutes of reading, the text is interrupted with a small set of review questions. They're designed to take just a few seconds each. You think the answer to yourself, then mark whether or not you were able to answer correctly. And so far, these look like simple flashcards. But as we've discussed, even if you can answer these questions now, that doesn't mean you'll be able to in a few weeks or even in a few days.
Sau vài phút đọc, văn bản bị ngắt quãng bởi một nhóm nhỏ câu hỏi ôn tập. Mỗi câu được thiết kế để chỉ mất vài giây. Bạn tự nghĩ câu trả lời, rồi đánh dấu xem mình có trả lời đúng hay không. Cho đến đây, chúng trông như những thẻ ghi nhớ đơn giản. Nhưng như chúng ta đã thảo luận, ngay cả khi có thể trả lời đúng các câu hỏi bây giờ, điều đó không có nghĩa vài tuần hoặc thậm chí vài ngày nữa bạn vẫn làm được.
So notice these markings at the bottom of each question. These represent intervals. So you practice the questions while you're reading the text, then one week later you'll get an email that says, hey, you have probably started to forget some of what you've learned. Do you want to take 5 minutes to quickly review that material again? Each time you answer successfully, the interval increases to a few weeks, then a few months, and so on.
Vì vậy hãy để ý các dấu đánh dấu ở cuối mỗi câu hỏi. Chúng biểu thị các khoảng thời gian. Bạn luyện các câu hỏi trong lúc đọc văn bản, rồi một tuần sau nhận được email: này, có lẽ bạn đã bắt đầu quên một phần những gì đã học. Bạn có muốn dành 5 phút để nhanh chóng ôn lại tài liệu đó không? Mỗi lần trả lời thành công, khoảng thời gian lại tăng lên vài tuần, rồi vài tháng, và cứ thế.
If you begin to forget, then the intervals tighten up to provide more reinforcement. Now, you may have seen systems like this before. Language learners and medical students in particular often use tools called spaced repetition memory systems to remember vocabulary and basic facts. But the same cognitive mechanisms should work for more complex conceptual knowledge as well. There are 112 of these questions scattered throughout the first chapter of the book.
Nếu bạn bắt đầu quên, các khoảng thời gian sẽ được rút ngắn để tạo thêm củng cố. Có thể bạn đã từng thấy những hệ thống như vậy. Đặc biệt, người học ngôn ngữ và sinh viên y khoa thường dùng các công cụ gọi là hệ thống ghi nhớ lặp lại cách quãng để nhớ từ vựng và sự kiện cơ bản. Nhưng các cơ chế nhận thức tương tự cũng phải hiệu quả với kiến thức khái niệm phức tạp hơn. Có 112 câu hỏi như vậy rải rác trong chương đầu của cuốn sách.
On that basis. Quantum Country is a kind of new medium, a mnemonic medium integrating a spaced repetition memory system with an explanatory text, aspirationally to make it easier for people to absorb complex material reliably. We now have millions of practice data points, so we can start to see how well it's working. This plot shows the amount of time spent practicing on the x-axis, versus the reader's demonstrated retention on the y-axis. That is, how long a reader was able to go without practicing and still answer at least 90% of questions correctly.
Trên cơ sở đó, Quantum Country là một dạng phương tiện mới, một phương tiện ghi nhớ tích hợp hệ thống ghi nhớ lặp lại cách quãng với văn bản giải thích, với khát vọng giúp mọi người tiếp thu tài liệu phức tạp một cách đáng tin cậy dễ dàng hơn. Hiện chúng tôi có hàng triệu điểm dữ liệu thực hành, nên có thể bắt đầu thấy nó hoạt động tốt đến đâu. Biểu đồ này cho thấy lượng thời gian dành cho luyện tập trên trục x, so với mức độ lưu giữ được chứng minh của người đọc trên trục y. Tức là người đọc có thể không luyện tập trong bao lâu mà vẫn trả lời đúng ít nhất 90% câu hỏi.
These 5 dots represent the median user's first 5 repetitions, just for the first chapter.Khái niệmAllocating less than half the initial reading time to spaced retrieval practice produces durable long-term retention of complex technical material for several months.Dành chưa đến một nửa thời gian đọc ban đầu cho việc luyện tập gợi nhớ ngắt quãng giúp duy trì trí nhớ bền vững cho kiến thức kỹ thuật phức tạp trong nhiều tháng. Notice that the y-axis is logarithmic, so this straight-line plot we're seeing here represents a very nice exponential growth. Each extra repetition which is a constant extra time input, yields increasing output, i.e., retention. And so in exchange for about an hour and a half of total practice, the median reader was able to correctly answer over 100 detailed questions about the first chapter after more than 2 months without any practice. Now, the first chapter takes most readers about 4 hours to read the first time.
Năm chấm này biểu thị năm lần lặp đầu tiên của người dùng trung vị, chỉ trong chương đầu. Lưu ý rằng trục y là logarit, nên biểu đồ đường thẳng ta thấy ở đây thể hiện mức tăng trưởng theo hàm mũ rất đẹp. Mỗi lần lặp thêm, vốn đòi hỏi một lượng thời gian đầu vào không đổi, tạo ra đầu ra tăng dần, tức khả năng lưu giữ. Vì vậy, đổi lại khoảng một tiếng rưỡi luyện tập tổng cộng, người đọc trung vị có thể trả lời đúng hơn 100 câu hỏi chi tiết về chương đầu sau hơn hai tháng không luyện tập. Chương đầu tiên mất khoảng bốn giờ để hầu hết độc giả đọc lần đầu.
So this plot implies that an extra overhead of less than 50% in time commitment can yield months or years of detailed retention.Khái niệmAdding just one brief review session a week after reading dramatically raises long-term comprehension recall, enabling readers to master even difficult conceptual questions.Chỉ cần thêm một buổi ôn tập ngắn một tuần sau khi đọc sẽ tăng mạnh khả năng nhớ lại, giúp người đọc làm chủ ngay cả những câu hỏi khái niệm hóc búa nhất. It's also interesting to explore the counterfactual. How much would people have forgotten if they didn't have this extra reinforcement? So as an experiment, we removed 9 questions from the first chapter for some readers and then covertly reinserted the questions 1 month later into their practice sessions. This graph shows what happened.
Vì vậy biểu đồ này cho thấy một phần thời gian bổ sung dưới 50% có thể đem lại khả năng lưu giữ chi tiết trong nhiều tháng hoặc nhiều năm. Cũng thú vị khi xem xét phản thực tế. Nếu không có sự củng cố bổ sung này, mọi người sẽ quên bao nhiêu? Trong một thí nghiệm, chúng tôi bỏ 9 câu hỏi khỏi chương đầu đối với một số độc giả, rồi bí mật đưa chúng trở lại các buổi luyện tập của họ một tháng sau. Biểu đồ này cho thấy điều gì đã xảy ra.
These 9 points represent those 9 questions, The y-axis shows the percentage of readers who are able to answer that question correctly after 1 month with no support at all. You can see that some questions are harder than others. All the way over here on the left, 1 month later, the majority of readers missed the hardest 3 questions, and about 30% missed the middle 3, about 15% missed the easiest 3. We can compare these to another group of users who got practice while reading the essay, like we saw in the video a moment ago. And for any questions they missed, they got a bonus round of practice the next day.
Chín điểm này đại diện cho chín câu hỏi đó. Trục y cho thấy tỷ lệ độc giả có thể trả lời đúng câu hỏi sau một tháng hoàn toàn không được hỗ trợ. Bạn có thể thấy một số câu khó hơn những câu khác. Ở hẳn phía bên trái, một tháng sau, đa số độc giả trả lời sai ba câu khó nhất, khoảng 30% trả lời sai ba câu ở giữa, và khoảng 15% trả lời sai ba câu dễ nhất. Ta có thể so sánh họ với một nhóm người dùng khác được luyện tập trong lúc đọc bài luận, như ta vừa thấy trong video. Với mỗi câu họ trả lời sai, họ được luyện thêm một vòng vào ngày hôm sau.
Then these questions disappeared for a month, at which point we tested. These readers performed noticeably better, though a big chunk of them are still missing several of these questions. Now, here's one last group, like the previous one, except they got just one extra round of practice a week after reading the book. Then we tested them again at the one-month mark, and that's what you're seeing here. Each question takes 6 seconds on average to answer.
Sau đó những câu hỏi này biến mất trong một tháng, đến lúc ấy chúng tôi kiểm tra. Những độc giả này làm tốt hơn đáng kể, dù một phần lớn vẫn bỏ sót vài câu. Giờ đây là nhóm cuối cùng, giống nhóm trước, ngoại trừ việc họ chỉ được thêm một vòng luyện tập một tuần sau khi đọc sách. Rồi chúng tôi kiểm tra họ lần nữa ở mốc một tháng, và đó là điều bạn đang thấy ở đây. Mỗi câu hỏi mất trung bình 6 giây để trả lời.
So this is less than a minute of extra practice in total for these 9 questions.Khái niệmSpaced repetition scaffolding disproportionately helps lower-performing learners, closing initial performance gaps to reach retention levels comparable to top readers.Giàn giáo lặp lại ngắt quãng hỗ trợ vượt trội cho người học có kết quả ban đầu thấp, thu hẹp khoảng cách hiệu suất để đạt tỷ lệ ghi nhớ tương đương người học dẫn đầu. But now, for all of these questions, at least 90% of readers were able to answer correctly. Of course, some readers have a much easier time than others. So the left plot here focuses on the bottom quartile of users. That is, the readers who missed the most questions while they were first reading the essay.
Như vậy, tổng thời gian luyện tập bổ sung cho chín câu hỏi này chưa đến một phút. Nhưng giờ đây, với tất cả các câu hỏi, ít nhất 90% độc giả có thể trả lời đúng. Dĩ nhiên, một số độc giả thấy việc này dễ hơn nhiều so với người khác. Vì vậy biểu đồ bên trái tập trung vào nhóm người dùng thuộc tứ phân vị dưới cùng, tức những độc giả bỏ sót nhiều câu hỏi nhất khi lần đầu đọc bài luận.
Notice that I've had to lengthen the y-axis downwards here, because we can see that without any practice at all, most of these people in the bottom quartile forgot 2/3 of these held-out questions. If they only had in-essay practice, roughly half of them were left forgetting roughly half of the questions. And here, with just one extra round of practice, that extra slightly less than a minute of extra practice, even this bottom quartile of readers performs quite well, almost as well as the the overall population.
Lưu ý rằng ở đây tôi phải kéo trục y xuống dưới, vì ta có thể thấy rằng nếu hoàn toàn không luyện tập, hầu hết những người thuộc tứ phân vị dưới cùng đã quên hai phần ba số câu hỏi được giữ lại. Nếu chỉ luyện tập trong bài luận, khoảng một nửa trong số họ vẫn quên khoảng một nửa câu hỏi. Còn ở đây, chỉ với một vòng luyện tập bổ sung—chưa đến một phút luyện tập thêm—ngay cả nhóm độc giả thuộc tứ phân vị dưới cùng cũng làm khá tốt, gần bằng toàn bộ quần thể.
So this is the power of practice, efficient practice at least.Quy tắcSystematically convert insights from daily conversations, meetings, and research papers into spaced retrieval prompts to build a durable personal knowledge base.Xây dựng hệ thống chuyển đổi thông tin từ cuộc họp, bài giảng và tài liệu hàng ngày thành các câu hỏi gợi nhớ ngắt quãng để duy trì tri thức cá nhân lâu dài. And this mechanism is useful for more than just quantum computing. In my personal practice, I have accumulated thousands and thousands of questions. I write questions about scientific papers, about conversations, about lectures, about memorable meals. I will definitely be writing a bunch about meetings I've had here today.
Đó là sức mạnh của việc luyện tập, ít nhất là luyện tập hiệu quả. Và cơ chế này hữu ích không chỉ cho điện toán lượng tử. Trong thực hành cá nhân, tôi đã tích lũy hàng nghìn, hàng nghìn câu hỏi. Tôi viết câu hỏi về các bài báo khoa học, các cuộc trò chuyện, các bài giảng, những bữa ăn đáng nhớ. Chắc chắn hôm nay tôi sẽ viết khá nhiều câu về những cuộc họp mình đã tham dự.
Personal Practice: Daily Rituals and System FrictionThực hành cá nhân: Thói quen hằng ngày và lực cản của hệ thống
All of this makes my daily life more rewarding, because I know that if I invest my intention in something, I will internalize it indefinitely.Quy tắcEstablishing a brief, dedicated daily ritual for spaced practice enables learners to sustain thousands of memory items and integrate new knowledge efficiently.Thiết lập một thói quen hằng ngày ngắn gọn và chuyên biệt cho việc luyện tập ngắt quãng giúp người học duy trì hàng nghìn ghi nhớ và tiếp thu kiến thức mới hiệu quả. Central to this is the idea of a daily ritual, a vessel for practice. Like meditation or exercise, I spend about 10 minutes a day using this memory system. And because these exponential schedules are very efficient, those 10 minutes are enough. To maintain my memory for thousands of these questions and to allow me to add about 40 new questions every day.
Tất cả điều này làm cuộc sống hằng ngày của tôi đáng giá hơn, vì tôi biết rằng nếu đầu tư chủ đích vào điều gì, tôi sẽ nội hóa nó vô thời hạn. Trung tâm của việc này là ý tưởng về một nghi thức hằng ngày, một vật chứa cho việc luyện tập. Giống như thiền hoặc tập thể dục, tôi dành khoảng 10 phút mỗi ngày để sử dụng hệ thống ghi nhớ này. Và vì các lịch trình theo hàm mũ đó rất hiệu quả, 10 phút là đủ để duy trì trí nhớ cho hàng nghìn câu hỏi và cho phép tôi thêm khoảng 40 câu hỏi mới mỗi ngày.
But there are some problems.Khái niệmRepeated exposure to fixed questions leads to superficial pattern matching, creating brittle memory that fails to transfer to real-world problem-solving contexts.Việc lặp lại các câu hỏi cố định dẫn đến việc nhận diện mẫu bề mặt, tạo ra trí nhớ mong manh và khó áp dụng vào các bối cảnh giải quyết vấn đề thực tế. So I want to mention a few of these problems. One is pattern matching. Once a question comes up a few times, I may recognize the text of the question without really thinking about its meaning. This creates the unpleasant feeling of parroting, but more importantly, I suspect it often leaves my memory brittle.
Nhưng có một số vấn đề. Tôi muốn nhắc đến vài vấn đề trong số đó. Một vấn đề là khớp mẫu. Khi một câu hỏi xuất hiện vài lần, tôi có thể nhận ra văn bản của câu hỏi mà không thực sự suy nghĩ về ý nghĩa. Điều này tạo ra cảm giác khó chịu như đang học vẹt, nhưng quan trọng hơn, tôi nghi rằng nó thường khiến trí nhớ trở nên mong manh.
I'll remember the answer, but only when cued exactly as I've practiced it. I wish the questions had more variability. Likewise, the questions are necessarily somewhat abstract. When I face a real problem in this domain, I won't always recognize what knowledge I should use or how to adapt it to that medium. A cognitive scientist would say maybe that I need to acquire schemas.
Tôi sẽ nhớ câu trả lời, nhưng chỉ khi được gợi ý chính xác như cách tôi đã luyện. Tôi ước các câu hỏi có nhiều biến thiên hơn. Tương tự, các câu hỏi nhất thiết có phần trừu tượng. Khi đối mặt với một vấn đề thực tế trong lĩnh vực này, tôi không phải lúc nào cũng nhận ra nên dùng kiến thức nào hoặc thích ứng nó với môi trường đó ra sao. Một nhà khoa học nhận thức có thể nói rằng có lẽ tôi cần tiếp thu các lược đồ.
Now, unless I intervene, these questions stay the same over years.Quy tắcSpaced repetition prompts must evolve toward deeper conceptual processing over time while staying tightly integrated with the learner's authentic project work.Các câu hỏi ôn tập ngắt quãng cần được phát triển để đào sâu tư duy khái niệm theo thời gian, đồng thời gắn kết chặt chẽ với công việc thực tế của người học. They're maintaining my memory, but ideally they would push for further processing, increasing depth over time. And finally, returning to this talk's thesis, memory systems are too often disconnected from my authentic practice, what I'm actually interested in. Say I'm studying a topic in signal processing for a creative project. Unless I'm very careful, the questions that I get from that probably won't feel very connected to my project.
Giờ đây, trừ khi tôi can thiệp, những câu hỏi này sẽ giữ nguyên qua nhiều năm. Chúng duy trì trí nhớ của tôi, nhưng lý tưởng nhất là chúng phải thúc đẩy việc xử lý sâu hơn, làm tăng chiều sâu theo thời gian. Và cuối cùng, quay lại luận đề của bài nói này, các hệ thống trí nhớ thường bị tách khỏi thực hành chân thực của tôi, khỏi điều tôi thực sự quan tâm. Giả sử tôi đang học một chủ đề về xử lý tín hiệu cho một dự án sáng tạo. Nếu không hết sức cẩn thận, những câu hỏi tôi nhận được có lẽ sẽ không tạo cảm giác liên hệ nhiều với dự án.
Ambient Practice: Project-Grounded Prompts and TasksThực hành trong môi trường xung quanh: Câu hỏi gợi mở và nhiệm vụ gắn với dự án
They will probably feel like generic textbook questions about signal processing. Let's return to Sam now and see if we can apply some of these ideas about practice and memory. So Sam did the work to study that signal processing material. They want to make sure it actually sticks. How might that work?
Có lẽ chúng sẽ giống những câu hỏi giáo trình chung chung về xử lý tín hiệu. Bây giờ hãy quay lại với Sam và xem ta có thể áp dụng một số ý tưởng về thực hành và trí nhớ này không. Sam đã bỏ công học tài liệu xử lý tín hiệu đó. Họ muốn chắc chắn rằng kiến thức thực sự bám lại. Điều đó có thể diễn ra thế nào?
Let's say they can install a home screen widget, which ambiently exposes them to practice prompts drawn from highlights, questions asked, and any other activity that the AI can access.Quy tắcExpose project-grounded practice prompts ambiently through mobile widgets, allowing learners to integrate bite-sized retrieval into everyday idle moments.Hiển thị các câu hỏi ôn tập gắn liền với dự án qua widget di động, giúp người học tận dụng những khoảng thời gian rảnh hàng ngày để truy xuất kiến thức. Sam can flip through these questions while waiting in line or on the bus. And notice that this isn't a generic textbook signal processing question. It's actually grounded in the details of Sam's brain-computer interface project, so that at least aspirationally, Practice feels somewhat more continuous with authentic doing.
Giả sử Sam có thể cài một tiện ích trên màn hình chính, âm thầm đưa ra các lời nhắc luyện tập lấy từ những đoạn được đánh dấu, các câu hỏi đã đặt và mọi hoạt động khác mà AI có thể truy cập. Sam có thể lướt qua các câu hỏi này khi xếp hàng hoặc đi xe buýt. Và hãy chú ý rằng đây không phải một câu hỏi xử lý tín hiệu chung chung trong giáo trình. Nó thực sự dựa trên các chi tiết của dự án giao diện não–máy tính của Sam, để ít nhất về mặt lý tưởng, việc luyện tập có cảm giác liên tục hơn với việc làm chân thực.
These synthesized prompts can vary each time they're asked so that Sam gets practice asking— Sam gets practice accessing the same idea from different angles.Quy tắcVary synthesized practice prompts across review sessions so learners build flexible memory by accessing identical concepts from multiple cognitive angles.Thay đổi linh hoạt câu hỏi ôn tập được tạo ra qua mỗi lần luyện tập để người học củng cố ghi nhớ bằng cách tiếp cận một khái niệm từ nhiều góc độ khác nhau.
Các lời nhắc được tổng hợp này có thể thay đổi mỗi lần được hỏi, để Sam luyện cách tiếp cận cùng một ý tưởng từ những góc độ khác nhau.
The prompts get deeper and more complex over time as Sam gets more confident with the material. Notice also that this question isn't so abstract. It's really about applying what Sam has learned in a bite-sized form factor that can do anywhere. Now, the widget can also include kind of more open-ended discussion questions. Why do we think Metzger et al.
Các lời nhắc trở nên sâu hơn và phức tạp hơn theo thời gian khi Sam tự tin hơn với tài liệu. Cũng lưu ý rằng câu hỏi này không quá trừu tượng. Nó thực sự nói về việc áp dụng điều Sam đã học dưới một hình thức ngắn gọn có thể thực hiện ở bất cứ đâu. Tiện ích này cũng có thể bao gồm những câu hỏi thảo luận mở hơn. Tại sao chúng ta nghĩ Metzger và cộng sự
downsampled their signals to 200 Hz?
đã downsample tín hiệu của họ xuống 200 Hz?
Maybe it's for performance? Here Sam gets some elaborative feedback. An extra detail to consider in their answer.
Có lẽ là vì hiệu năng? Ở đây Sam nhận được phản hồi mang tính mở rộng, một chi tiết bổ sung để cân nhắc trong câu trả lời.
Now when questions are synthesized like this, it's important that Sam can steer them with feedback, assuring that future questions are synthesized accordingly.Quy tắcEnable learners to steer AI prompt synthesis using explicit feedback, ensuring practice activities continuously serve authentic goals rather than generic homework.Cho phép người học định hướng việc tạo câu hỏi AI bằng phản hồi trực tiếp, đảm bảo các hoạt động ôn tập luôn phục vụ mục tiêu thực tế thay vì bài tập thụ động.Quy tắcTransition learners from micro-retrieval practice on mobile devices into substantive, longer-form tasks executed inside authentic tools like code notebooks.Transition learners from micro-retrieval practice on mobile devices into substantive, longer-form tasks executed inside authentic tools like code notebooks. Because again, what we're trying to do here is to make all of this not be homework, but to actually support what Sam's really trying to do. So far we've been looking at bite-sized questions Sam can answer while they're out and about. But if they make time for a longer dedicated session, we can suggest meatier tasks like this one. And what's more, we can move that work out of fake practice land and into Sam's real context— here, a Jupyter Notebook.
Khi các lời nhắc được tổng hợp như thế này, điều quan trọng là Sam có thể điều chỉnh chúng bằng phản hồi, bảo đảm rằng các câu hỏi sau này được tổng hợp phù hợp. Bởi vì một lần nữa, điều chúng ta cố làm là biến tất cả những thứ này không thành bài tập về nhà, mà thực sự hỗ trợ điều Sam đang cố làm. Cho đến đây, ta đã xem những câu hỏi ngắn mà Sam có thể trả lời khi đang đi đây đó. Nhưng nếu họ dành thời gian cho một buổi học dài hơn, ta có thể đề xuất những nhiệm vụ nhiều chất liệu hơn như thế này. Hơn nữa, ta có thể đưa công việc ra khỏi vùng luyện tập giả tạo và đặt vào ngữ cảnh thực của Sam—ở đây là một Jupyter Notebook.
Community Connection: Meetups and Conversation DigestingKết nối cộng đồng: Các buổi gặp mặt và đúc kết cuộc trò chuyện
Notice that the task is still framed in terms of Sam's specific aims rather than some generic signal processing pipeline.Khái niệmAI scaffolding should extend beyond isolated technical tasks to connect learners with local communities of practice for authentic domain participation.Giàn giáo AI cần mở rộng vượt khỏi các tác vụ kỹ thuật riêng lẻ để kết nối người học với cộng đồng thực hành địa phương nhằm tham gia thực chất vào lĩnh vực. Now, Sam got into this project not as a learning exercise, but as a way to start legitimately participating. to start working with BCIs while playing to existing strengths. So just as our AI can help Sam find a tractable way into this space, it can also facilitate connections to communities of practice, here suggesting a local neurotech meetup. So let's say Sam goes to this meetup, meets a local scientist, and sets up a coffee date.
Lưu ý rằng nhiệm vụ vẫn được đặt trong khuôn khổ các mục tiêu cụ thể của Sam thay vì một quy trình xử lý tín hiệu chung chung. Sam bước vào dự án này không phải như một bài tập học tập, mà như một cách bắt đầu tham gia hợp pháp, bắt đầu làm việc với BCI đồng thời tận dụng các thế mạnh sẵn có. Vì vậy, cũng như AI có thể giúp Sam tìm một lối vào khả thi cho lĩnh vực này, nó cũng có thể tạo điều kiện kết nối với các cộng đồng thực hành, ở đây là đề xuất một buổi gặp mặt neurotech địa phương. Giả sử Sam đến buổi gặp, gặp một nhà khoa học địa phương và hẹn uống cà phê.
With permission, Sam records the meeting, knowing the notes will probably be helpful later.Quy tắcDetect moments of surprise within recorded discussions using AI to automatically turn unexpected insights into active reflective practice prompts.Sử dụng AI để phát hiện các khoảnh khắc bất ngờ trong các cuộc thảo luận được ghi âm nhằm tự động biến các hiểu biết mới thành câu hỏi phản tư chủ động. And of course, Sam ends up surprised. And intrigued quite a lot in this conversation. Our AI can notice these moments of surprise and help Sam metabolize them. Here, that insight turns into a reflective practice prompt.
Với sự cho phép, Sam ghi âm cuộc gặp, biết rằng những ghi chú này có thể hữu ích về sau. Và dĩ nhiên, Sam kết thúc cuộc trò chuyện với khá nhiều điều bất ngờ và hứng thú. AI của chúng ta có thể nhận ra những khoảnh khắc bất ngờ này và giúp Sam chuyển hóa chúng. Ở đây, hiểu biết đó biến thành một lời nhắc thực hành phản tư.
Design Principles: Four Pillars of Augmented LearningNguyên tắc thiết kế: Bốn trụ cột của học tập tăng cường
4 big design principles are threaded through Sam's story.Quy tắcIntegrate guided learning directly inside authentic work tools rather than isolating instruction, leveraging cross-application perception to support active projects.Tích hợp học tập có hướng dẫn trực tiếp vào các công cụ làm việc thực tế thay vì tách biệt, tận dụng khả năng quan sát đa ứng dụng để hỗ trợ dự án. I'd like to review them now and for each point out the ways that AI has helped me think about them. First, we bring guided learning to authentic contexts rather than thinking about it as a separate activity. We're able to make that happen by imagining an AI which can perceive and act across applications on Sam's computer. And as the audio transcript at the end of the story here alluded to, that action can potentially extend to activities outside of the computer as well.
Bốn nguyên tắc thiết kế lớn xuyên suốt câu chuyện của Sam. Bây giờ tôi muốn xem lại chúng và chỉ ra ở mỗi điểm những cách AI đã giúp tôi suy nghĩ về chúng. Thứ nhất, chúng ta đưa việc học có hướng dẫn vào các ngữ cảnh chân thực, thay vì coi nó như một hoạt động tách biệt. Ta có thể làm điều đó bằng cách hình dung một AI có thể nhận biết và hành động trên nhiều ứng dụng trên máy tính của Sam. Và như phần phiên âm âm thanh ở cuối câu chuyện đã gợi ý, hành động đó có khả năng mở rộng sang các hoạt động bên ngoài máy tính.
The AI can give appropriate guidance in part because with permission and executing locally, it can learn from every piece of text that has ever crossed Sam's screen, every action they have ever taken on the computer.Quy tắcGround explicit study tasks in a learner's actual project goals and real-world moments to ensure learning activities match their desired depth of engagement.Gắn kết các bài tập học tập rõ ràng với mục tiêu dự án thực tế và những khoảnh khắc đời thực để đảm bảo hoạt động đáp ứng đúng mức độ quan tâm của người học. It can synthesize scaffolded dynamic media so that Sam can learn by doing but with guidance. And then when explicit learning activities are necessary, We suffuse them with authentic context. The AI in our story grounds all of the reading and practice Sam's doing in their actual aims. It helps Sam match the learning activities to their depth of interest.
AI có thể đưa ra hướng dẫn phù hợp một phần vì, với sự cho phép và khi thực thi cục bộ, nó có thể học từ mọi mẩu văn bản từng xuất hiện trên màn hình của Sam, mọi hành động họ từng thực hiện trên máy tính. Nó có thể tổng hợp phương tiện động có giàn giáo để Sam học bằng cách làm nhưng vẫn có hướng dẫn. Và khi các hoạt động học tường minh là cần thiết, chúng ta thấm nhuần chúng bằng ngữ cảnh chân thực. AI trong câu chuyện đặt toàn bộ hoạt động đọc và luyện tập của Sam vào các mục tiêu thực tế của họ. Nó giúp Sam ghép các hoạt động học với mức độ quan tâm của mình.
And it draws on important moments that happen while Sam is doing, like insights from that coffee meeting at the end, or questions asked while implementing parts of the project.Quy tắcAccelerate domain entry by offering manageable initial steps for new interests while connecting learners directly to authentic communities of practice.Thúc đẩy quá trình tiếp cận lĩnh vực mới bằng các bước khởi đầu khả thi, đồng thời kết nối người học trực tiếp với cộng đồng thực hành thực tế. And it brings those moments into study activities. Besides connecting these 2 domains, we can also strengthen each of them. So our AI suggests tractable ways for Sam to just dive in to a new interest. And it helps Sam build connections with a community of practice.
Và nó dựa vào những khoảnh khắc quan trọng xảy ra trong khi Sam làm việc, chẳng hạn những hiểu biết từ buổi gặp cà phê ở cuối câu chuyện, hoặc các câu hỏi được đặt ra khi triển khai những phần của dự án. Nó đưa những khoảnh khắc đó vào các hoạt động học. Ngoài việc kết nối hai lĩnh vực này, ta cũng có thể củng cố từng lĩnh vực. Vì vậy AI đề xuất những cách khả thi để Sam cứ lao vào một mối quan tâm mới. Và nó giúp Sam xây dựng kết nối với một cộng đồng thực hành.
On the other side, when we are spending time in explicit learning activities, let's make sure that they actually work.Khái niệmDynamic reinforcement vessels must vary practice content over time to deepen conceptual understanding and ensure knowledge transfers to novel situations.Các khuôn khổ củng cố động cần thay đổi nội dung thực hành theo thời gian để đào sâu mức độ hiểu khái niệm và đảm bảo tri thức truyền tải sang ngữ cảnh mới. So our AI creates a dynamic vessel for ongoing reinforcement. It varies what's in that vessel over time so that knowledge transfers more effectively to real situations. And it doesn't just maintain memory. It increases depth of understanding over time.
Ở phía bên kia, khi dành thời gian cho các hoạt động học tường minh, hãy bảo đảm rằng chúng thực sự hiệu quả. Vì vậy AI tạo ra một vật chứa động cho sự củng cố liên tục. Nó thay đổi nội dung trong vật chứa theo thời gian để kiến thức chuyển giao hiệu quả hơn sang các tình huống thực. Và nó không chỉ duy trì trí nhớ. Nó còn làm tăng chiều sâu hiểu biết theo thời gian.
Chatbot Tutors: Windowless Boxes vs Human TutoringGia sư chatbot: Những chiếc hộp không cửa sổ và việc dạy kèm của con người
Now I'd like to give 2 cheers for chatbot tutors.Khái niệmLanguage model chatbot tutors excel at answering clearly articulated long-tail questions and helping users resolve routine task obstacles.Gia sư chatbot bằng mô hình ngôn ngữ rất giỏi giải đáp thắc mắc chi tiết và hỗ trợ người dùng vượt qua các trở ngại trong tác vụ quen thuộc. Most discussion of AI and education at the moment revolves around the framing of chatbot tutors. And I think this framing correctly identifies something really wonderful about language learning models, which is that they are so good at answering long-tail questions, if the user can articulate the question clearly enough. And if the user is trying to perform a routine task, chatbot tutors can often diagnose problems and find good ways to get the user unstuck. And that's great.
Bây giờ tôi muốn dành hai lời cổ vũ cho các gia sư chatbot. Phần lớn thảo luận về AI và giáo dục hiện nay xoay quanh khung gia sư chatbot. Và tôi nghĩ khung này xác định đúng một điều thực sự tuyệt vời về các mô hình học ngôn ngữ: chúng rất giỏi trả lời những câu hỏi đuôi dài, nếu người dùng có thể diễn đạt câu hỏi đủ rõ. Và nếu người dùng đang cố thực hiện một nhiệm vụ thường quy, các gia sư chatbot thường có thể chẩn đoán vấn đề và tìm ra cách tốt để giúp người dùng thoát khỏi bế tắc. Điều đó thật tuyệt.
But when I look at others' visions of chatbot tutors through the broader framing that we've been discussing, they're clearly missing a lot of what I want.Khái niệmConventional chatbot tutors enforce rigid instructional agendas instead of grounding conversations in the learner's authentic project objectives.Gia sư chatbot thông thường hay áp đặt chương trình học cứng nhắc thay vì gắn kết các cuộc trao đổi vào mục tiêu dự án thực tế của người học. I think these visions often fail to take seriously just how much a real tutor can really do. In large part, I think that's because the authors of these visions are usually thinking about educating— something they want to do to others— rather than learning— something they want for themselves. Now, a sad truth about the world is that postdocs and graduate students are incredibly underpaid. So it is actually surprisingly affordable to get an expert tutor for a technical topic I care about.
Nhưng khi nhìn vào tầm nhìn của người khác về các gia sư chatbot qua khung rộng hơn mà chúng ta đang thảo luận, rõ ràng chúng bỏ sót nhiều điều tôi mong muốn. Tôi nghĩ những tầm nhìn này thường không xem xét nghiêm túc việc một gia sư thực sự có thể làm được nhiều đến mức nào. Phần lớn là vì tác giả của những tầm nhìn ấy thường nghĩ về giáo dục—một điều họ muốn làm cho người khác—chứ không phải việc học—một điều họ muốn có cho chính mình. Một sự thật đáng buồn của thế giới là các nghiên cứu sinh sau tiến sĩ và sinh viên cao học bị trả lương thấp đến mức đáng kinh ngạc. Vì vậy, thuê một gia sư chuyên gia cho một chủ đề kỹ thuật mà tôi quan tâm thực ra có giá phải chăng đến bất ngờ.
But if I hire a real tutor as an adult to learn about signal processing, I will tell them about my interest in brain-computer interfaces, and I will expect them to ground every conversation in that purpose. My goal here is not to learn signal processing. It is to participate in the creation of brain-computer interfaces. Chatbot tutors are not interested in what I'm trying to do. There's a set of things they think I should know, or should be able to do, and they view me as defective until I say the right things.
Nhưng nếu khi trưởng thành tôi thuê một gia sư thực sự để học về xử lý tín hiệu, tôi sẽ kể cho họ về mối quan tâm của mình đối với giao diện não–máy tính, và tôi sẽ kỳ vọng họ đặt mọi cuộc trò chuyện vào mục đích đó. Mục tiêu của tôi ở đây không phải học xử lý tín hiệu. Mục tiêu là tham gia vào việc tạo ra các giao diện não–máy tính. Các gia sư chatbot không quan tâm tôi đang cố làm gì. Có một tập hợp những điều họ nghĩ tôi nên biết hoặc nên làm được, và họ xem tôi là khiếm khuyết cho đến khi tôi nói đúng những điều đó.
If I hire a real tutor, I might ask them to sit beside me as I try to actually do something involving the material.Khái niệmIsolated chatbot interfaces disrupt project immersion because they lack direct visibility into the user's active workspace and live task execution.Giao diện chatbot biệt lập làm gián đoạn sự đắm chìm vào công việc vì thiếu khả năng quan sát trực tiếp không gian thao tác thực tế của người học. They can see everything I'm doing, see what I'm pointing at, and if it's appropriate, I can scoot over and they can drive for a minute. By comparison, the typical conception of a chatbot tutor lives in a windowless box, and it can only see whatever is provided on scraps of paper passed under the door. It can have no effect On the outside world. My goal here is to dive in, to immerse myself, to start doing the thing.
Nếu thuê một gia sư thật, tôi có thể nhờ họ ngồi cạnh khi tôi cố thực hiện một việc gì đó liên quan đến tài liệu. Họ có thể thấy mọi thứ tôi đang làm, thấy điều tôi đang chỉ vào, và nếu phù hợp, tôi có thể nhường chỗ để họ điều khiển trong một phút. Ngược lại, quan niệm điển hình về gia sư chatbot sống trong một chiếc hộp không cửa sổ và chỉ có thể thấy bất cứ thứ gì được đưa vào qua những mẩu giấy luồn dưới cửa. Nó không thể tác động đến thế giới bên ngoài. Mục tiêu của tôi ở đây là lao vào, đắm mình, bắt đầu làm điều đó.
But these chatbot tutors can't join me where the action is.Khái niệmTransactional chatbot tutors fail to build ongoing relational context, missing how a learner's interests and confusions evolve over multiple sessions.Các gia sư chatbot mang tính giao dịch không thể tạo dựng mối quan hệ lâu dài, bỏ lỡ sự phát triển về sở thích và vướng mắc của người học qua thời gian. So interactions with them create distance and pull me away from immersion. If I hire a real tutor, we'll build a relationship. With every session, they'll learn more about me, my interests, my strengths, my confusions. Chatbot tutors, on the other hand, as typically conceived, are transactional, amnesiac.
Nhưng các gia sư chatbot này không thể cùng tôi đến nơi hành động đang diễn ra. Vì vậy tương tác với chúng tạo khoảng cách và kéo tôi ra khỏi sự đắm mình. Nếu thuê một gia sư thực, chúng tôi sẽ xây dựng một mối quan hệ. Qua mỗi buổi, họ sẽ hiểu thêm về tôi, sở thích, thế mạnh và những điều khiến tôi bối rối. Mặt khác, các gia sư chatbot theo cách thường được hình dung là mang tính giao dịch và mất trí nhớ.
Legitimate Participation: Supporting Action over InstructionTham gia chính đáng: Ưu tiên hỗ trợ hành động hơn chỉ dẫn
Now, we can fix that as context windows get longer.Khái niệmEffective tutoring operates as peripheral community participation that models practitioner values and mindsets, preventing learning from feeling like an isolated task.Việc hướng dẫn hiệu quả đóng vai trò như sự tham gia ngoại vi vào cộng đồng giúp làm mẫu các giá trị và tư duy của người hành nghề, tránh biến việc học thành nhiệm vụ tách biệt. But that relationship is also important to my emotional connection. If I view conversation with my tutor as a kind of peripheral participation in the community I'm hoping to enter, an interaction between a novice in the discipline and an expert in the discipline, then tutoring just becomes part of doing the thing. But if my interaction with the tutor is transactional, that will tend to make my tutoring sessions feel like learning time, separate from doing the thing. Finally, people talk about how Aristotle was a tutor for Alexander the Great.
Ta có thể khắc phục điều đó khi cửa sổ ngữ cảnh dài hơn. Nhưng mối quan hệ ấy cũng quan trọng đối với sự gắn kết cảm xúc của tôi. Nếu xem cuộc trò chuyện với gia sư như một dạng tham gia ngoại vi vào cộng đồng mà tôi hy vọng gia nhập, một tương tác giữa người mới trong ngành và chuyên gia trong ngành, thì việc gia sư trở thành một phần của việc làm điều đó. Nhưng nếu tương tác với gia sư mang tính giao dịch, các buổi học sẽ có xu hướng giống thời gian học tập, tách biệt khỏi việc làm điều đó. Cuối cùng, mọi người thường nói Aristotle từng là gia sư của Alexander Đại đế.
But you know what's most valuable about having Aristotle as your tutor is not that he can diagnose misconceptions, but rather that he's modeling the practices and values of an earnest, intellectually engaged adult. Is demonstrating how and why he thinks about problems, his taste in the discipline. The high-growth periods that we love transform the way that we see the world. They reshape our identity.
Nhưng bạn biết điều có giá trị nhất khi có Aristotle làm gia sư không phải là ông có thể chẩn đoán những quan niệm sai, mà là ông đang làm mẫu cho các thực hành và giá trị của một người trưởng thành nghiêm túc, gắn bó với trí tuệ. Ông cho thấy cách thức và lý do ông suy nghĩ về các vấn đề, gu thẩm mỹ của ông trong lĩnh vực. Những giai đoạn phát triển mạnh mẽ mà ta yêu thích sẽ biến đổi cách ta nhìn thế giới. Chúng định hình lại bản sắc của ta.
In my demo earlier, I showed a chatbot, but it didn't really work like most chatbot tutors I describe.Quy tắcDesign augmented learning tools to support immediate immersion in real-world practice rather than positioning AI as a perpetual tutor that replaces authentic action.Thiết kế các công cụ học tập tăng cường để hỗ trợ sự đắm mình tức thì vào thực tiễn thay vì định vị AI như một gia sư vĩnh viễn thay thế cho hành động thực tế. It focused all its actions on the user's interest rather than bringing its own agenda. It wasn't trapped in a little text box. It could see and take action in the context of authentic use. It can communicate through dynamic media.
Trong phần trình diễn trước, tôi đã cho thấy một chatbot, nhưng nó không thực sự hoạt động như hầu hết các gia sư chatbot mà tôi mô tả. Nó tập trung mọi hành động vào mối quan tâm của người dùng thay vì đưa ra chương trình riêng. Nó không bị nhốt trong một hộp văn bản nhỏ. Nó có thể thấy và hành động trong bối cảnh sử dụng chân thực. Nó có thể giao tiếp thông qua phương tiện động.
It had a deep memory drawing on everything I'd ever seen and written. So in some ways, the system I've shown is more like a real tutor. But in my ideal world, I don't want a tutor. I want to legitimately participate in some new discipline and to learn what I need as much as possible from interaction with real practitioners. So I view the role of the augmented learning system as helping me act on my creative interests, ideally by letting me just dive in and start doing as much as possible.
Nó có một trí nhớ sâu, dựa trên mọi thứ tôi từng thấy và viết. Vì vậy, theo một số cách, hệ thống tôi trình bày giống một gia sư thực hơn. Nhưng trong thế giới lý tưởng của mình, tôi không muốn có gia sư. Tôi muốn thực sự tham gia vào một ngành mới và học những gì cần thiết càng nhiều càng tốt thông qua tương tác với những người thực hành. Vì vậy tôi xem vai trò của hệ thống học tập tăng cường là giúp tôi hành động theo những mối quan tâm sáng tạo của mình, lý tưởng nhất bằng cách cho phép tôi cứ lao vào và bắt đầu làm càng nhiều càng tốt.
Ethical Vision: Bicycles for Mind vs Authoritarian ControlTầm nhìn đạo đức: Xe đạp cho trí óc và sự kiểm soát độc đoán
That will often mean scaffolding connections to and interactions with communities of practice. One theme for this Design at Large series is the ethics of AI and its likely enormous social impacts. So let me say, I am tremendously worried about those impacts. In the general case. I am worried about despots locking in their powers.
Điều đó thường có nghĩa là tạo giàn giáo cho các kết nối và tương tác với các cộng đồng thực hành. Một chủ đề của chuỗi Design at Large này là đạo đức của AI và những tác động xã hội có thể vô cùng lớn của nó. Vì vậy tôi muốn nói rằng tôi cực kỳ lo lắng về những tác động đó. Nói chung, tôi lo các kẻ độc tài sẽ khóa chặt quyền lực của họ.
I'm worried about lowering the bar to bioweapons.Khái niệmAuthoritarian educational technologies view students as defective vessels needing remediation, whereas human-centered systems honor learner agency and personal goals.Các công nghệ giáo dục độc đoán coi người học là những đối tượng khiếm khuyết cần khắc phục, trong khi hệ thống lấy con người làm trung tâm tôn trọng sự tự chủ của người học. I'm worried about economic chaos. I would not feel comfortable ethically with researching more powerful frontier models myself. But within the narrower domain of learning that we've been discussing, my main moral concern is that we will end up trapped in a sad, narrow future. A condescending authoritarian frame dominates the narrative in the future of learning.
Tôi lo việc hạ thấp rào cản đối với vũ khí sinh học. Tôi lo hỗn loạn kinh tế. Về mặt đạo đức, tôi sẽ không thấy thoải mái khi tự mình nghiên cứu những mô hình biên mạnh hơn. Nhưng trong phạm vi hẹp hơn của việc học mà chúng ta đang thảo luận, mối lo đạo đức chính của tôi là chúng ta sẽ bị mắc kẹt trong một tương lai buồn bã, chật hẹp. Một khung nhìn độc đoán, trịch thượng đang thống trị câu chuyện về tương lai của việc học.
I'll caricature it to make the point. With AI, we can finally take all of these defective kids that don't know the stuff they're supposed to know and get them to know it. You know, that's personalized learning. The AI lets us precisely identify where the kids are wrong, or where they're ignorant, and fix them. Then we can fill their heads to the brim with what's good for them.
Tôi sẽ biếm họa nó để làm rõ ý. Với AI, cuối cùng chúng ta có thể đưa tất cả những đứa trẻ khiếm khuyết không biết những điều chúng đáng ra phải biết vào khuôn, để chúng biết những điều đó. Đó là học tập cá nhân hóa, bạn biết đấy. AI cho phép ta xác định chính xác trẻ đang sai ở đâu hoặc thiếu hiểu biết ở đâu, rồi sửa chúng. Sau đó ta có thể nhồi đầy đầu chúng những gì tốt cho chúng.
By contrast, the famous bicycle for the mind metaphor has no agenda other than the one that you bring.Quy tắcDesign learning systems to support open-ended creative projects at knowledge frontiers rather than restricting tools to mapped pathways and correctness.Thiết kế các hệ thống học tập để hỗ trợ những dự án sáng tạo mở tại các ranh giới tri thức, thay vì giới hạn công cụ vào những lộ trình và sự chính xác có sẵn. It just lets you reach a wider range of destinations than you could on foot, and it makes the journey more fun, maybe particularly if you're biking along with some friends. The bicycle asks, where do you want to go? Of course, that question assumes your destination is well-known and charted on some map. But those most rewarding high-growth experiences are often centered on a creative project.
Ngược lại, phép ẩn dụ nổi tiếng về chiếc xe đạp cho trí óc không có chương trình nào ngoài chương trình bạn mang theo. Nó chỉ giúp bạn đến được nhiều điểm đến hơn so với đi bộ, và làm hành trình vui hơn, có lẽ đặc biệt khi bạn đạp xe cùng bạn bè. Chiếc xe đạp hỏi: bạn muốn đi đâu? Dĩ nhiên, câu hỏi đó giả định điểm đến của bạn đã được biết rõ và được đánh dấu trên bản đồ. Nhưng những trải nghiệm phát triển mạnh mẽ đáng giá nhất thường xoay quanh một dự án sáng tạo.
You're trying to get somewhere no one's ever gone before, to reach the frontier, and then starting charting links into the unknown. Learning in service of creation. It's a dynamic, context-laden kind of learning. It's about more than just efficiency and correctness, more than just faster gears on a bike. And that's the kind of learning that I feel an almost moral imperative to help create.
Bạn đang cố đi đến nơi chưa ai từng đến, vươn tới biên giới rồi bắt đầu vẽ các liên kết vào vùng chưa biết. Học tập phục vụ sáng tạo. Đó là một dạng học tập năng động, đầy ngữ cảnh. Nó không chỉ nói về hiệu quả và tính đúng đắn, không chỉ về việc chuyển bánh xe nhanh hơn. Và đó là kiểu học tập mà tôi cảm thấy gần như có mệnh lệnh đạo đức phải giúp tạo ra.
Thank you.
Cảm ơn.
Practice Management: Carrying Capacity and Prompt FilteringQuản lý thực hành: Khả năng tiếp nhận và sàng lọc câu hỏi gợi mở
So I think we maybe have time for questions. We have some time for questions.
Tôi nghĩ có lẽ chúng ta còn thời gian cho câu hỏi. Chúng ta còn một chút thời gian cho câu hỏi.
Speaker A
Speaker A Love the talk.
Bài nói hay quá.
Speaker B
Speaker B Thank you.
Cảm ơn.
Speaker A
I really like a lot of what you said. One thing that I'm curious about is you mentioned that you add questions to your own, like, like for your spaced repetition routine, you add questions every day and you said you add 40 questions a day. So I guess what I'm wondering is, in your example, you took one topic.
Tôi rất thích nhiều điều bạn nói. Có một điều tôi tò mò: bạn có nhắc rằng mình thêm các câu hỏi vào thói quen lặp lại cách quãng, mỗi ngày thêm 40 câu hỏi. Vậy điều tôi băn khoăn là, trong ví dụ của bạn, bạn lấy một chủ đề.
Andy Matuschak
Andy Matuschak Yeah.
Đúng.
Speaker A
But many people are often learning multiple things, and very often we don't know that we want to learn something until like we've built some momentum.
Nhưng nhiều người thường học nhiều thứ cùng lúc, và rất thường ta không biết mình muốn học điều gì cho đến khi đã tạo được một chút đà.
Andy Matuschak
Andy Matuschak Yeah.
Đúng.
Speaker A
Right. So my question is broadly, how do you decide what questions you want to add?
Vậy câu hỏi của tôi nói rộng ra là: bạn quyết định muốn thêm những câu hỏi nào như thế nào?
Speaker C
Speaker C Yeah.
Đúng.
Speaker A
And how do you Plan for your future self in some way, right?
Và bằng cách nào đó, bạn lập kế hoạch cho con người tương lai của mình ra sao?
Speaker D
Speaker D Right.
Đúng.
Andy Matuschak
First, I should clarify, so I don't in fact add 40 questions a day.Khái niệmDaily spaced practice limits define the maximum capacity for card review time rather than establishing a rigid daily quota for creating new prompts.Giới hạn luyện tập ngắt quãng hàng ngày xác định sức chứa tối đa cho thời gian ôn tập thay vì tạo ra một chỉ tiêu bắt buộc để thêm câu hỏi mới. That is the carrying capacity of my, my practice time.
Trước hết, tôi nên làm rõ rằng thực ra tôi không thêm 40 câu hỏi mỗi ngày. Đó là khả năng tải của thời gian thực hành của tôi.
10 minutes will support 40 a day added.Quy tắcDesign spaced learning interfaces to adapt to unpredictable learner priorities by supporting continuous steering instead of requiring rigid upfront planning.Thiết kế giao diện học ngắt quãng để thích ứng với ưu tiên thay đổi của người học bằng cách hỗ trợ điều chỉnh linh hoạt thay vì lập kế hoạch cứng nhắc. In practice, it ends up like some kind of Poisson distribution or something. But how do I do this? How do I plan appropriately? You can't know what's going to be important to you in advance.
Mười phút cho phép thêm 40 câu mỗi ngày. Trên thực tế, cuối cùng nó có dạng như một phân phối Poisson hay gì đó. Nhưng tôi làm điều này thế nào? Làm sao lập kế hoạch phù hợp? Bạn không thể biết trước điều gì sẽ quan trọng với mình.
Sometimes you can, but in general you can't. So the system needs to be resilient to that. The way that that works right now is very coarse. Like, you can delete questions that you add if you decide that you don't like them. I view this as an interface problem of sorts.
Đôi khi bạn có thể biết, nhưng nhìn chung thì không. Vì vậy hệ thống cần có khả năng thích ứng với điều đó. Cách nó hoạt động hiện nay còn rất thô sơ. Chẳng hạn, bạn có thể xóa những câu hỏi đã thêm nếu quyết định không thích chúng. Tôi xem đây phần nào là một vấn đề giao diện.
I think ideally you don't need to plan for what's going to be important. You can just do stuff, and stuff will get reinforced, and you can steer more of this, less of that. And I think that's an interesting challenge in interface design to create systems that behave more like that and less like these kind of discrete destructive actions— destroy this question.
Lý tưởng nhất, tôi nghĩ bạn không cần lập kế hoạch cho điều sẽ trở nên quan trọng. Bạn chỉ cần làm mọi thứ, để mọi thứ được củng cố, rồi điều chỉnh nhiều hơn điều này, ít hơn điều kia. Tôi nghĩ đây là một thách thức thú vị trong thiết kế giao diện: tạo ra các hệ thống hoạt động theo cách như vậy hơn, thay vì giống những hành động rời rạc, phá hủy—hủy câu hỏi này.
Demo Clarification: Smoke-and-Mirror Concept ArtLàm rõ bản demo: Minh họa ý tưởng kiểu đánh lừa thị giác
Speaker E
Andy, I love that vision over here for that. Especially liked how you talked about how the AI could reinforce things you've learned and challenge you.
Andy, tôi rất thích tầm nhìn đó của anh. Đặc biệt tôi thích cách anh nói về việc AI có thể củng cố những điều anh đã học và thách thức anh.
It could integrate you with communities. Love all those.
Nó có thể kết nối anh với các cộng đồng. Tôi thích tất cả những điều đó.
Speaker F
Speaker F ideas.
Những ý tưởng.
Speaker E
What I didn't get, and maybe it's because I walked in 2 minutes late, was that an actual demo that you've created?
Điều tôi chưa hiểu, và có lẽ là vì tôi bước vào muộn hai phút, là đó có phải một bản trình diễn thực sự mà anh đã tạo ra không?
Speaker G
Speaker G No.
Không.
Speaker E
Or is that just a vision for how you want it to be in the future?
Hay đó chỉ là tầm nhìn về cách anh muốn nó trở thành trong tương lai?
Andy Matuschak
Yeah, I'm sorry for not making that clear if it wasn't. I thought it looked sufficiently fake. No, this is concept art. Thank you for asking.
Đúng, xin lỗi vì đã không làm điều đó rõ ràng nếu quả thật chưa rõ. Tôi nghĩ nó trông đủ giả để nhận ra. Không, đây là nghệ thuật ý tưởng. Cảm ơn bạn đã hỏi.
There is, I suppose, a grand tradition in our discipline of smoke-and-mirror concept art. I have been using this talk as an excuse to figure out what I think I want to do with respect to AI and learning. And so these drawings are part of that process.
Có lẽ trong ngành của chúng ta tồn tại một truyền thống lớn về nghệ thuật ý tưởng kiểu khói và gương. Tôi đã dùng bài nói này như một cái cớ để tìm hiểu mình nghĩ gì về điều muốn làm liên quan đến AI và việc học. Vì vậy những bản vẽ này là một phần của quá trình đó.
Curriculum Unbundling: Student Interest vs Future GuidanceTách rời chương trình học: Mối quan tâm của học sinh và định hướng tương lai
Speaker B
I was curious. I wanted to follow up on the question about sometimes I don't know what I want. And I think, you know, if you look at some of the more Montessori or Papert-esque learning experiences, when you know, when you have, like, you know, if you just said school is going to be whatever you're interested in forever.
Tôi tò mò và muốn hỏi tiếp về vấn đề đôi khi ta không biết mình muốn gì. Tôi nghĩ, nếu nhìn vào một số trải nghiệm học tập kiểu Montessori hoặc Papert, khi bạn biết đấy, nếu chỉ nói rằng trường học sẽ mãi mãi là bất cứ điều gì bạn quan tâm.
Andy Matuschak
Andy Matuschak Yeah.
Đúng.
Speaker B
It has lots of benefits.
Điều đó có rất nhiều lợi ích.
A challenge is that there are topics that I might benefit from, and I loved your paternalistic caricature as being that's what we don't want.Khái niệmEffective educational guidance bridges the gap between immediate curiosity and long-term value by introducing essential domain concepts that learners would not think to seek independently.Hướng dẫn giáo dục hiệu quả giúp khép lại khoảng cách giữa sở thích tức thời và giá trị lâu dài bằng cách chủ động giới thiệu những khái niệm cốt lõi mà người học chưa tự tìm kiếm. There is a— like, the psychologist Dan Gilbert defines the happiness challenge as the delta between our current self and what our future self would have wanted us to do. And I can—
Một thách thức là có những chủ đề mà tôi có thể hưởng lợi từ việc học, và tôi rất thích hình ảnh biếm họa gia trưởng của anh về điều chúng ta không muốn. Có một—nhà tâm lý học Dan Gilbert định nghĩa thách thức hạnh phúc là khoảng cách giữa con người hiện tại của ta và điều mà con người tương lai của ta mong muốn ta đã làm. Và tôi có thể—
Speaker C
Speaker C Right.
Đúng.
Speaker B
Like, a nice thing about a good tutor, your talk, for example, is I'm learning things that will be valuable to me in the future that at 4 o'clock today I wouldn't have thought to ask for.
Một điều hay ở một gia sư tốt, chẳng hạn bài nói của anh, là tôi đang học những điều sẽ có giá trị với mình trong tương lai, dù lúc bốn giờ hôm nay tôi sẽ không nghĩ đến việc hỏi về chúng.
Andy Matuschak
Right.Khái niệmUnbundle educational systems by separating curiosity discovery from knowledge acquisition, relying on cultural channels to spark interest while dedicated tools drive learning.Tách biệt hệ thống giáo dục thành hai cơ chế độc lập gồm khám phá điều cần học và tiếp thu kiến thức, dùng các kênh văn hóa để khơi gợi hứng thú và công cụ chuyên biệt để ghi nhớ. Yeah, yeah, I think this is totally right. I think that the way that I think about this is a kind of unbundling. Like, normally when we think about schooling, we ask schooling to do 2 jobs: one, to decide what is it that I should know, and then 2, to cause me to know it. I think there are all kinds of cultural institutions that help us figure out what is it that we want to know.
Đúng. Ừ, ừ, tôi nghĩ điều này hoàn toàn đúng. Cách tôi nghĩ về nó là một dạng tháo rời các chức năng. Thông thường khi nghĩ về trường học, ta yêu cầu trường học làm hai việc: một, quyết định tôi nên biết điều gì, và hai, khiến tôi biết điều đó. Tôi nghĩ có đủ loại thiết chế văn hóa giúp ta tìm ra mình muốn biết điều gì.
In the example that I showed, Sam figures out that they may be interested in brain-computer interfaces through Twitter. If you are in San Diego, you can decide to attend this talk. And ideally, it doesn't feel like schooling. I hope it doesn't feel like schooling. And you can decide, oh, maybe I'm interested in studying some of the cognitive science that Andy mentioned.
Trong ví dụ tôi trình bày, Sam nhận ra họ có thể quan tâm đến giao diện não–máy tính thông qua Twitter. Nếu ở San Diego, bạn có thể quyết định tham dự bài nói này. Và lý tưởng nhất, nó không có cảm giác như trường học. Tôi hy vọng nó không có cảm giác như trường học. Bạn có thể quyết định: có lẽ tôi muốn học một phần khoa học nhận thức mà Andy đã nhắc đến.
So I think there's a variety of cultural institutions and venues and channels we can use to help deliver that first part, and then possibly use second separate tools for the other part.
Vì vậy tôi nghĩ có nhiều thiết chế, địa điểm và kênh văn hóa mà ta có thể dùng để hỗ trợ phần đầu tiên, rồi có thể dùng những công cụ riêng biệt thứ hai cho phần còn lại.
Post-Work Creation: Discovery and Negotiation in ProcessSáng tạo sau công việc: Khám phá và thương lượng trong quá trình thực hiện
Speaker C
Speaker C Yeah.
Đúng.
Good afternoon.
Chào buổi chiều.
Andy Matuschak
Should we be planning for the day where we won't have to work due to artificial intelligence, automation, computers, and robotics?
Chúng ta có nên chuẩn bị cho ngày mà mình không còn phải làm việc vì trí tuệ nhân tạo, tự động hóa, máy tính và robot không?
Speaker C
Your thoughts. Thank you.
Anh nghĩ sao? Cảm ơn.
Andy Matuschak
I'm so grateful that you asked that question because I spent a month preparing for this talk, writing another version of this talk that I didn't give that was called What's Worth Learning in the Age of Strong AI, and it didn't end up aligning, so I didn't end up getting to present any of it.
Tôi rất biết ơn vì bạn đã hỏi câu đó, bởi tôi đã dành một tháng chuẩn bị cho bài nói này, viết một phiên bản khác mà tôi không trình bày, có tên là “Điều gì đáng học trong thời đại AI mạnh”, nhưng cuối cùng nó không phù hợp, nên tôi không có cơ hội trình bày phần nào.
So I'll give you a piece of that.Khái niệmComplex creative tasks cannot be fully delegated to AI because human goals emerge through active participation in the creation process rather than upfront specification.Các tác vụ sáng tạo phức tạp không thể giao hoàn toàn cho AI vì mục tiêu của con người bộc lộ qua quá trình trực tiếp thực hiện thay vì có thể mô tả rõ ràng từ đầu. Say that you are a composer, and you have some very vague idea about a new cello concerto that you would like to write. I claim that you can't just ask the AI to write it for you, because you don't know what it is that you want. In fact, you discover what the cello concerto is supposed to be through the process of composing it. Likewise, when we talk about software, an interesting thing about software is that it really, it feels so messy and unpleasant so much of the time.
Tôi sẽ chia sẻ một phần trong đó. Giả sử bạn là một nhà soạn nhạc và có một ý tưởng rất mơ hồ về một bản concerto cello mới mà mình muốn viết. Tôi cho rằng bạn không thể chỉ yêu cầu AI viết nó thay mình, vì bạn không biết chính xác mình muốn gì. Thực ra, bạn khám phá bản concerto cello cần phải như thế nào thông qua quá trình sáng tác. Tương tự, khi nói về phần mềm, một điều thú vị ở phần mềm là nó thực sự rất hỗn độn và khó chịu trong phần lớn thời gian.
We want a particular piece of software, we ask some people to go start making it for us, and then they come back 3x over time, 3x over budget, you know, 1/3 x quality. Why is software so hard? Why can't we just like tell the system what we want and Yeah. Get the thing out the other side. And it turns out, like, we actually do have that kind of technology.
Ta muốn một phần mềm cụ thể, nhờ người khác bắt đầu làm nó cho mình, rồi họ quay lại với thời gian gấp ba, ngân sách gấp ba, và chất lượng chỉ còn một phần ba. Tại sao phần mềm khó đến vậy? Tại sao ta không thể chỉ nói cho hệ thống điều mình muốn rồi nhận thứ đó ở đầu bên kia? Hóa ra, ta thực sự có loại công nghệ ấy.
It's called formal modeling. We've had it for a long time. And I think the reason why it's not more widely used is that that's not how we think about designing software. Namely, we figure out what software we want in the process of making it. It's continuously negotiated.
Nó được gọi là mô hình hóa hình thức. Chúng ta đã có nó từ lâu. Và tôi nghĩ lý do nó chưa được sử dụng rộng rãi hơn là vì đó không phải cách ta nghĩ về việc thiết kế phần mềm. Cụ thể, ta xác định mình muốn phần mềm nào trong quá trình tạo ra nó. Điều đó liên tục được thương lượng.
It's contingent. So I think there are many activities in human life that have that characteristic where we can't actually appropriately specify what it is that we want to the model. We can't externalize it and make it legible. We have to participate in the creation of the thing. And then we can ask, what do we need to know in order to participate in that creation?
Nó phụ thuộc vào tình huống. Vì vậy tôi nghĩ có nhiều hoạt động trong đời sống con người mang đặc điểm đó, nơi ta không thể mô tả thích đáng cho mô hình biết mình muốn gì. Ta không thể ngoại hiện hóa nó và làm cho nó trở nên dễ đọc. Ta phải tham gia vào việc tạo ra sự vật. Rồi ta có thể hỏi: cần biết gì để tham gia vào việc tạo ra đó?
What are the dynamics of that participation? How much injection of involvement is necessary to steer appropriately? And I have some thoughts on that, but I should probably move on to the next question. So yes, I hope that's somewhat helpful.
Động lực của sự tham gia ấy là gì? Cần đưa vào bao nhiêu mức độ can dự để điều hướng cho phù hợp? Tôi có một số suy nghĩ về việc đó, nhưng có lẽ nên chuyển sang câu hỏi tiếp theo. Vì vậy, vâng, tôi hy vọng điều này phần nào hữu ích.
Schooling Constraints: Institutional Inertia vs Self-LearnersRàng buộc trường học: Sức ì thể chế và người tự học
Speaker G
Speaker G Yeah.
Đúng.
Andy Matuschak
Andy Matuschak Hi.
Chào.
Speaker C
So with my question, I was thinking about how with the AI, what you have is you say that AI advancement will lead to some dystopian future where we find people the knowledge and then we force them to know it. But who's to say that that isn't already happening to some extent with curriculum right now without AI? That isn't necessarily a concern as much as other things, I think.
Với câu hỏi của mình, tôi đang nghĩ rằng với AI, điều anh nói là tiến bộ AI sẽ dẫn đến một tương lai phản địa đàng, nơi ta tìm ra kiến thức cho mọi người rồi buộc họ phải biết nó. Nhưng ai dám nói điều đó chưa xảy ra ở mức độ nào đó với chương trình học hiện nay, ngay cả khi không có AI? Tôi nghĩ đó không nhất thiết là mối lo lớn bằng những điều khác.
Speaker B
Speaker B Yes.
Đúng.
Speaker C
But beyond that, I think it's kind of like because that problem can happen when we don't look at the root problem, it can happen in the most immersive learning.
Nhưng ngoài ra, tôi nghĩ vấn đề này có thể xảy ra khi ta không nhìn vào gốc rễ, và nó có thể xảy ra ngay cả trong việc học đắm mình nhất.
In ethnic studies class, you can still end up restricting someone to that specific topic instead of connecting to identity as much as you would in, say, a math class or something like that. So what if you could implement that, like, sort of— I guess to give another example of how, on the other hand, you can do something really well, even in a math class, for example, if you look at the higher concepts or if someone explains it really well, or in, like, say, neuroscience and those sort of fields, there might be content that is above the class that is interesting that would make someone more interested and able to learn the class themselves. especially if it connects to their own prior knowledge. So what would you think if, like, you had— I guess, how do you think you would implement this into, like, a learning system to take advantage of it, like, say, Canvas? Do you think that you could do it in a way that you could customize in-part assignments to synthesize the students' interests and the teacher's intent to teach people necessary content and teach people the content that they want to know in a way that they might be doing more but ultimately less because it's easier for them if they know the context You can connect to it.
Trong lớp nghiên cứu dân tộc, bạn vẫn có thể bị giới hạn vào chính chủ đề đó thay vì kết nối với bản sắc nhiều như trong một lớp toán hay thứ gì tương tự. Vậy nếu có thể triển khai điều đó—tôi đoán để đưa ra một ví dụ khác về cách, mặt khác, ta có thể làm điều gì đó thật tốt ngay cả trong lớp toán: chẳng hạn nhìn vào các khái niệm cao hơn, hoặc có người giải thích thật hay; hay trong khoa học thần kinh và những lĩnh vực tương tự, có thể có nội dung nằm ngoài lớp nhưng thú vị, khiến ai đó quan tâm hơn và có khả năng tự học lớp đó hơn, đặc biệt nếu nó kết nối với kiến thức nền của họ. Anh nghĩ sao nếu có—tôi đoán là, anh sẽ triển khai điều này vào một hệ thống học tập như thế nào để tận dụng nó, chẳng hạn như Canvas? Anh có nghĩ có thể làm theo cách tùy chỉnh một phần các bài tập để tổng hợp mối quan tâm của sinh viên và ý định của giáo viên—dạy những nội dung cần thiết và dạy nội dung họ muốn biết theo cách có thể khiến họ làm nhiều hơn nhưng rốt cuộc lại ít hơn vì dễ dàng hơn khi biết bối cảnh mà họ có thể kết nối với nó?
Andy Matuschak
Cool. I think I followed. So to your first question, yeah, I think you're right. That part of the talk was part of a complaint about schooling in general. And AI doesn't necessarily make that worse, though it may continue trends I don't like.
Hay đấy. Tôi nghĩ mình đã theo kịp. Với câu hỏi đầu tiên, đúng, tôi nghĩ bạn nói đúng. Phần đó của bài nói là một lời phàn nàn về trường học nói chung. AI không nhất thiết làm điều đó tệ hơn, dù có thể tiếp tục những xu hướng tôi không thích.
To your second point, or your second question, I have deliberately avoided the question of schooling in this talk.Khái niệmEducational tools and AI interfaces cannot overcome fundamental disengagement in formal schooling because software cannot supply missing intrinsic learner motivation.Các công cụ giáo dục và giao diện AI không thể vượt qua sự thiếu gắn kết căn bản trong nhà trường khi phần mềm không thể thay thế cho động lực học tập nội tại. And I did that for a reason. I think it makes everything very complicated. So in terms of integrating into Canvas, I think it's a very difficult position to start. I have done a bunch of collaborations these past few years.
Về điểm thứ hai, hay câu hỏi thứ hai của bạn, tôi đã cố ý tránh vấn đề trường học trong bài nói này. Tôi làm vậy có lý do. Tôi nghĩ nó khiến mọi thứ rất phức tạp. Vì vậy, về việc tích hợp vào Canvas, tôi nghĩ đó là một điểm xuất phát rất khó. Tôi đã hợp tác khá nhiều trong vài năm qua.
With professors in higher ed teaching large classes. And what I experience again and again is just an enormous fraction of the student body that is just fundamentally not engaged with the class. And I don't think any amount of UI chicanery or AI involvement is going to change that. And I think I basically don't— want to put myself into that problem-solving situation. In some sense, that's actually why I left Khan Academy.
với các giáo sư giáo dục đại học đang dạy những lớp đông. Điều tôi hết lần này đến lần khác trải nghiệm là một phần cực lớn của sinh viên hoàn toàn không tham gia vào lớp học. Và tôi không nghĩ bất kỳ trò tinh chỉnh giao diện hay sự can thiệp nào của AI có thể thay đổi điều đó. Tôi nghĩ về cơ bản mình không muốn đặt bản thân vào tình huống giải quyết vấn đề ấy. Theo một nghĩa nào đó, đó thực sự là lý do tôi rời Khan Academy.
Current LLMs: Initial Momentum vs Conceptual CliffsCác LLM hiện nay: Đà tiến ban đầu và những vách đá khái niệm
Speaker D
Hey, Andy. My name's Taylor. I'm a software engineer at Replit. So I would say, in some sense, my salary depends on some of the ideas in your talk, which is to say that AI can be an effective tool for teaching difficult concepts like computer programming. So my question to you is, have you seen any inklings of this being true, the ideas in your talk, um, of the delta between something like a GPT, um, being a teacher and what you're outlining, have you seen any of those, um, ideas actually start to play out?
Chào Andy. Tôi tên là Taylor. Tôi là kỹ sư phần mềm tại Replit. Theo một nghĩa nào đó, mức lương của tôi phụ thuộc vào một số ý tưởng trong bài nói của anh, tức là AI có thể là công cụ hiệu quả để dạy những khái niệm khó như lập trình máy tính. Câu hỏi của tôi là: anh đã thấy dấu hiệu nào cho thấy những điều này là đúng chưa, những ý tưởng trong bài nói của anh, khoảng cách giữa một thứ như GPT làm giáo viên và điều anh đang phác thảo? Anh đã thấy ý tưởng nào bắt đầu diễn ra trên thực tế chưa?
Or do you think this is purely speculative with what we have today?
Hay anh nghĩ với những gì ta có hôm nay, đây hoàn toàn chỉ là suy đoán?
Andy Matuschak
Yeah.Khái niệmCurrent LLMs build rapid initial momentum by answering quick questions, but self-directed learning stalls when encountering complex conceptual cliffs that demand deep mental models.Các LLM hiện tại giúp người học tạo đà tiến bộ ban đầu rất nhanh qua các câu trả lời ngắn, nhưng việc tự học sẽ bế tắc khi đối mặt với những rào cản khái niệm phức tạp đòi hỏi tư duy sâu. I think we're seeing, uh, a lot of hints at what I described already. So lots of people already use GPT to just dive into stuff. It's missing that universal I/O.
Đúng. Tôi nghĩ chúng ta đã thấy nhiều dấu hiệu gợi ý về điều tôi mô tả. Rất nhiều người đã dùng GPT để lao vào tìm hiểu mọi thứ. Nó còn thiếu I/O phổ quát.
It's missing the billion-token context window. And yet it's still already able to deliver some value, which is great. I think missing also the bridge to textbooks— again and again, I've been talking to people— not that textbooks are the answer. Here I'm using textbook as synecdoche for some kind of deeper, more focused learning. experience.
Nó thiếu cửa sổ ngữ cảnh một tỷ token. Vậy mà nó vẫn có thể đem lại một số giá trị, điều đó thật tuyệt. Tôi nghĩ nó cũng thiếu cầu nối với giáo trình—tôi đã nói chuyện hết lần này đến lần khác với mọi người—không phải giáo trình là câu trả lời. Ở đây tôi dùng “giáo trình” như một phép hoán dụ cho một dạng trải nghiệm học tập sâu hơn, tập trung hơn.
I talk to a lot of people who like get a really good start with GPT because they can get the like couple sentence answers and that lets them make a certain amount of progress and that's really motivating.Khái niệmFrequent hands-on practice continuously reinforces surface syntax, whereas deeper structural concepts require deliberate external scaffolding because routine usage does not naturally trigger their retrieval.Thực hành thường xuyên giúp củng cố liên tục các yếu tố cú pháp bề mặt, trong khi các khái niệm cấu trúc sâu sắc đòi hỏi giàn giáo hỗ trợ chủ động vì việc sử dụng thông thường không tự kích hoạt chúng. You can kick up some momentum and momentum is very powerful, but they hit a wall. And I had a section that I cut talking about programming. I think it's really interesting that in programming like a lot of people can manage to self-teach programming. And in part, I think that's because of things like syntax, for instance, is reinforced every time you sit down to program.
Tôi nói chuyện với rất nhiều người bắt đầu rất tốt với GPT vì họ nhận được những câu trả lời vài câu, và điều đó cho phép họ tiến bộ đến một mức nhất định, rất có động lực. Bạn có thể tạo đà, và đà rất mạnh mẽ, nhưng rồi họ đâm vào tường. Tôi từng có một phần bị cắt về lập trình. Tôi nghĩ điều thực sự thú vị là trong lập trình, nhiều người có thể tự học, một phần vì những thứ như cú pháp được củng cố mỗi lần bạn ngồi xuống lập trình.
And obscure facets of syntax which are not reinforced regularly, like maybe your macro library or whatever, people do tend to forget. But again and again, you meet people who are like, I don't understand how pointers work though. Like, that asterisk in see, it's like it's a bridge too far. So like, there's a certain amount of conceptual understanding that seems acquirable with, I don't know, like the frontier of self-learning tools that are widely available. And then like, as soon as you run into like difficult conceptual territories, it's just a cliff.
Nhưng những khía cạnh tối nghĩa của cú pháp không được củng cố thường xuyên, chẳng hạn thư viện macro hay gì đó, thì mọi người có xu hướng quên. Thế nhưng hết lần này đến lần khác, bạn gặp những người nói: tôi vẫn không hiểu con trỏ hoạt động thế nào. Dấu hoa thị trong C ấy, nó như một cây cầu quá xa. Vì vậy có một lượng hiểu biết khái niệm nhất định có vẻ có thể tiếp thu được với, tôi không biết, biên giới của các công cụ tự học đang phổ biến. Nhưng ngay khi chạm vào những vùng khái niệm khó, đó là một vách đá.
So I think we're seeing glimmers of progress in this vein, and perhaps this talk will inspire people to try some more stuff.
Vì vậy tôi nghĩ chúng ta đang thấy những tia sáng tiến bộ theo hướng này, và có lẽ bài nói này sẽ truyền cảm hứng để mọi người thử thêm một số điều.
Motivation Modes: Project Utility vs Pure CuriosityCác dạng động lực: Tính hữu ích của dự án và sự tò mò thuần túy
Speaker F
Speaker F Hello.
Xin chào.
Andy Matuschak
Andy Matuschak Hi.
Chào.
Speaker F
So my question is, to what extent do you think learning— the desire to learn comes from the innate pleasure of learning or specific to whatever the material the person learning is? And to what extent do you think the desire to learn comes from some sort of use of the material the person learns? And do you think this distinguished— or making this distinction is important to the design of systems for learning?
Câu hỏi của tôi là: anh nghĩ việc học—mong muốn học—đến mức nào từ niềm vui bẩm sinh của việc học, hay đặc thù của tài liệu mà người đó đang học? Và đến mức nào mong muốn học xuất phát từ một dạng sử dụng tài liệu mà người đó học? Anh có nghĩ việc phân biệt—hay tạo ra sự phân biệt này—quan trọng đối với thiết kế các hệ thống học tập không?
Andy Matuschak
Yeah, probably. This is a good question, and it's something that I don't emphasize perhaps quite clearly enough. In the example story that I gave, everything is motivated by this, this persona Sam wanting to like do a project. It's very, it's very concrete. It's out in the world.
Có lẽ là có. Đây là một câu hỏi hay, và có điều tôi có lẽ chưa nhấn mạnh đủ rõ. Trong câu chuyện ví dụ tôi đưa ra, mọi thứ được thúc đẩy bởi việc nhân vật Sam muốn làm một dự án. Nó rất cụ thể, rất rõ ràng. Nó nằm ngoài thế giới thực.
That doesn't mean that curiosity-based learning is any less legitimate or that I think any of the claims don't apply.Khái niệmCuriosity-driven learning defines authentic practice as engaging directly with interesting domain problems rather than building a tangible utility project.Học tập dựa trên sự tò mò xác định thực hành đích thực là tham gia trực tiếp vào các bài toán của lĩnh vực thay vì tạo ra sản phẩm thực tế. It's just that what what authentic practice and legitimate participation looks like is different. So in mathematics, for instance, which may be very abstract, there may not be like a project I'm trying to do as I learn about algebraic topology or something like that. What legitimate practice looks like is engaging with problems and questions in algebraic topology that I find authentically interesting.
Điều đó không có nghĩa việc học dựa trên tò mò kém chính đáng hơn, hay tôi nghĩ bất kỳ luận điểm nào cũng không áp dụng được. Chỉ là thực hành chân thực và sự tham gia chính đáng trông khác nhau. Chẳng hạn trong toán học, vốn có thể rất trừu tượng, có thể không có một dự án nào tôi đang cố làm khi học về tôpô đại số hay điều gì tương tự. Thực hành chính đáng ở đây là tham gia vào những bài toán và câu hỏi về tôpô đại số mà tôi thực sự thấy thú vị.
And as soon as you make that move, rather than thinking about, well, I need to learn algebraic topology in order to do this like 4D renderer that I was working on for a game project, if you think about it from the perspective of authentic curiosity, then I think much of what I'm saying applies.Khái niệmScaffolding curiosity-driven learning with AI is challenging because internal intellectual interests are less legible to system models than external project artifacts.Hỗ trợ học tập dựa trên sự tò mò bằng AI gặp khó khăn vì sở thích trí tuệ bên trong khó hiển thị rõ cho mô hình so với các sản phẩm dự án bên ngoài. However, there are issues with rendering legible the nature of the curiosity and the interest to the AI. A lot of what's happening is internal, and that may make a lot of what I'm describing somewhat more difficult.
Và ngay khi thực hiện chuyển đổi đó, thay vì nghĩ rằng mình cần học tôpô đại số để làm một bộ kết xuất 4D cho dự án trò chơi, nếu nhìn từ góc độ tò mò chân thực, tôi nghĩ phần lớn điều tôi nói vẫn áp dụng. Tuy nhiên, có những vấn đề trong việc làm cho bản chất của sự tò mò và mối quan tâm trở nên dễ đọc đối với AI. Phần lớn những gì đang diễn ra là nội tại, và điều đó có thể khiến nhiều điều tôi mô tả trở nên khó khăn hơn.
The nature of relation to community of practices changes somewhat. Although not completely. So it's a partial answer, I suppose. Is there someone with the microphone? Oh, hi, Jonathan.
Bản chất của mối quan hệ với cộng đồng thực hành cũng thay đổi phần nào, dù không hoàn toàn. Vì vậy, tôi cho rằng đây là một câu trả lời không đầy đủ. Có ai đang cầm micro không? À, chào Jonathan.
Ethical Tutoring: Countering Authoritarian Ed-TechDạy kèm có đạo đức: Đối trọng với công nghệ giáo dục độc đoán
Speaker G
Hi, Andy. This is great. I just love the deepness of the reflective practice you're demonstrating for us here. I think, is it Aristotle that said, give me a child till the age of 7, and I'll show you the man? And when you bring up the ethical issues, this is what scares me the most, from an AI tutor.
Chào Andy. Điều này thật tuyệt. Tôi rất thích chiều sâu của thực hành phản tư mà anh đang trình diễn cho chúng tôi. Tôi nghĩ có phải Aristotle từng nói: hãy giao cho tôi một đứa trẻ đến bảy tuổi, tôi sẽ cho bạn thấy người đàn ông? Và khi anh nêu các vấn đề đạo đức, đó là điều khiến tôi sợ nhất ở một gia sư AI.
Have you thought about adversarial tutoring? Given that we're going to have— if we do, if we hypothesize AI tutors are out there and that we have the schooling industrial complex producing them, how do we counteract them?
Anh đã nghĩ về việc gia sư đối nghịch chưa? Nếu chúng ta sẽ có—nếu giả thuyết rằng gia sư AI tồn tại và khu liên hợp công nghiệp trường học sản xuất ra chúng—thì làm sao chúng ta chống lại chúng?
Speaker C
Speaker C I love that.
Tôi thích điều đó.
Andy Matuschak
It's like manufacturing the the mythical and often in the teaching community maligned Robin Williams character, the teacher from the film whose name I'm forgetting. I haven't thought about that.
Nó giống như việc sản xuất nhân vật Robin Williams huyền thoại—và thường bị cộng đồng giảng dạy chê bai—người thầy trong bộ phim mà tôi quên mất tên. Tôi chưa từng nghĩ về điều đó.
It's a lovely, lovely provocation.
Đó là một lời gợi mở rất tuyệt, rất tuyệt.
Speaker B
Speaker B I don't—
Tôi không—
Andy Matuschak
I feel uncomfortable with like an activist framing where it's like I need to get out there because I know what's best for the people or for the kids. So like they're doing it wrong, I'm gonna make a thing that's gonna like put fluoride in the drinking water so that they end up in the right spot.Quy tắcEducational tool designers should avoid paternalistic agendas that prescribe ideal learner outcomes, focusing instead on empowering individuals to pursue their self-directed interests.Nhà thiết kế công cụ giáo dục nên tránh các chương trình mang tính áp đặt kết quả tối ưu, mà nên tập trung vào việc trao quyền cho người học tự do theo đuổi sở thích cá nhân. I'm uncomfortable with that.
Tôi không thoải mái với một cách đóng khung mang tính hoạt động xã hội, kiểu như tôi cần bước ra ngoài vì tôi biết điều gì là tốt nhất cho mọi người hoặc trẻ em. Họ đang làm sai, tôi sẽ tạo ra một thứ như việc cho fluoride vào nước uống để cuối cùng họ đi đúng hướng. Tôi không thoải mái với điều đó.
I don't— I feel much more comfortable saying like, well, I can make a thing that lets you pursue the things you're interested in if you would like that. That feels less complicated. So I will need to think about your question. I find it very provocative. Thank you.
Tôi không—tôi cảm thấy thoải mái hơn nhiều khi nói rằng tôi có thể tạo ra một thứ cho phép bạn theo đuổi những điều mình quan tâm nếu bạn muốn. Điều đó có vẻ ít phức tạp hơn. Vì vậy tôi sẽ phải suy nghĩ về câu hỏi của bạn. Tôi thấy nó rất gợi mở. Cảm ơn.
Tacit Knowledge: Street Smarts and Practice OrchestrationTri thức ngầm: Trí khôn đường phố và điều phối thực hành
Hey, Andy, I have a question for you about this idea of that AI tutor. I'm wondering, is there like a limit to what kind of disciplines that, that course kind of technology could be applied to? I've always deemed myself as being book smarts but not street smarts. That's a great question. You know, one of the inspirations for this talk was trying to exorcise myself of the Young Ladies Illustrated Primer.
Chào Andy, tôi có một câu hỏi về ý tưởng gia sư AI này. Tôi tự hỏi liệu có giới hạn nào đối với loại lĩnh vực mà công nghệ kiểu khóa học đó có thể áp dụng không? Tôi luôn tự xem mình là người giỏi sách vở nhưng không giỏi thực tế. Đó là một câu hỏi hay. Bạn biết đấy, một trong những nguồn cảm hứng cho bài nói này là nỗ lực xua đuổi khỏi mình cuốn Young Ladies Illustrated Primer.
I don't know if that phrase means anything to you. Ah, that's a shame. Okay, so an inspiration for many educational technologists is this book called The Diamond Age by Neal Stephenson, which depicts a sort of far-future utopian learning environment. It's like a magical book that transforms a young girl's life. And one of the things that's interesting about this book that I think is underappreciated is that it is almost exclusively focused on street smarts.
Tôi không biết cụm từ đó có ý nghĩa gì với bạn không. À, tiếc thật. Được rồi, nguồn cảm hứng cho nhiều nhà công nghệ giáo dục là cuốn sách có tên The Diamond Age của Neal Stephenson, mô tả một môi trường học tập không tưởng ở tương lai xa. Nó giống một cuốn sách ma thuật biến đổi cuộc đời một cô bé. Và một trong những điều thú vị về cuốn sách này mà tôi nghĩ chưa được đánh giá đúng là nó gần như chỉ tập trung vào sự thông minh đường phố.
So like this book teaches her like martial arts and like getting out of sticky situations and like persuading people and so on. And I chose not to deal with any of that. I think the way that I would handle much of that looks very different. And I'm afraid I haven't really thought about how I would handle that. It's difficult to think about authentic practice of street smarts.
Chẳng hạn cuốn sách dạy cô bé võ thuật, cách thoát khỏi những tình huống khó xử, cách thuyết phục người khác, vân vân. Và tôi đã chọn không xử lý bất kỳ điều nào trong số đó. Tôi nghĩ cách mình xử lý phần lớn những điều ấy sẽ rất khác. Và tôi e rằng mình chưa thực sự nghĩ xem sẽ xử lý chúng thế nào. Thật khó để nghĩ về thực hành chân thực của sự thông minh đường phố.
Like, what is— what does that look like? Is it like, I'm gonna go to a bad neighborhood and like look purposeful as I walk?
Chẳng hạn, nó trông như thế nào? Có phải là tôi sẽ đi vào một khu phố tồi tàn và cố tỏ ra có mục đích khi bước đi không?
Speaker C
Speaker C And then—
Và rồi—
Andy Matuschak
but that's not exactly authentic practice, because like you went to this neighborhood just for that purpose. So I find myself confused thinking about this.
nhưng đó không hẳn là thực hành chân thực, vì bạn đến khu phố ấy chỉ vì mục đích đó. Vì vậy tôi thấy mình bối rối khi suy nghĩ về điều này.
And I find myself most comfortable when I think about people who enjoy practicing martial arts not as a kind of preparatory measure for imagined conflict in the future, but rather because they like the way it makes their body feel, they like their community at the dojo.Khái niệmPractice vessels can extend beyond academic subjects to physical and artistic skills by orchestrating routine practice and connecting learners with domain communities.Các công cụ rèn luyện có thể mở rộng ra ngoài các môn học lý thuyết sang kỹ năng thể chất và nghệ thuật bằng cách điều phối việc luyện tập và kết nối người học với cộng đồng. And so if we start thinking about that, like, oh, it'd be fun to do some exercise with others, then I think some of the same techniques can help. Like, so you could probably use tools to help you find an appropriate community and perhaps to help you practice appropriately. I play the piano, and that's not exactly book smart, but one can use practice systems, vessels for practice like I've described, to orchestrate piano practice. You can imagine extending that to martial arts.
Và tôi cảm thấy thoải mái nhất khi nghĩ về những người thích tập võ không phải như một biện pháp chuẩn bị cho xung đột tưởng tượng trong tương lai, mà vì họ thích cảm giác nó tạo ra trong cơ thể, thích cộng đồng của mình tại dojo. Vì vậy nếu bắt đầu nghĩ theo hướng đó, kiểu như “ồ, sẽ vui nếu tập luyện cùng những người khác”, thì tôi nghĩ một số kỹ thuật tương tự có thể hữu ích. Chẳng hạn, bạn có thể dùng các công cụ để giúp tìm một cộng đồng phù hợp và có lẽ giúp bạn luyện tập đúng cách. Tôi chơi piano, và điều đó không hẳn là giỏi sách vở, nhưng ta có thể dùng các hệ thống luyện tập, những vật chứa cho việc luyện tập như tôi đã mô tả, để điều phối việc luyện piano. Bạn có thể hình dung mở rộng điều đó sang võ thuật.
I don't know about other kinds of street smarts, but But perhaps— thanks for the question. Let's thank Andy. And I'm sure he'll stay around if you want to talk to him.
Tôi không biết về những dạng thông minh đường phố khác, nhưng có lẽ—cảm ơn câu hỏi. Hãy cảm ơn Andy. Và tôi chắc anh ấy sẽ còn ở đây nếu bạn muốn nói chuyện với anh ấy.
Speaker G
Speaker G Thanks, everybody.
Cảm ơn mọi người.
Andy Matuschak
Andy Matuschak I appreciate you.
Tôi cảm kích các bạn.