AI Makes Cheating Easy. Here’s How It Can Make Kids Smarter Instead | Sue Khim

Brilliant 的 CEO Su Kim 讲明：AI 教学不能直接给答案，必须像健身一样让学生自己“流汗”，否则只会养出不会思考的孩子。

AI 教育产品怎么做，才能既不让学生变懒、又能真正提升能力？Brilliant 创始人 Su Kim 现身说法，讲透美国教育“降标”困境、AI 辅助学习的底线、以及他们如何用“不给答案、不解释”的机制，逼学生自己思考。你能看到 AI 在教育里最难的平衡：既要让人有成就感，又不能让人走捷径。

Brilliant 的理念是：AI 不能变成学生的“作弊神器”，而要像健身教练一样让学生自己动脑。

• Brilliant 的 AI 教师 Koji 不直接给答案，也极少给解释，而是用反问和引导，让学生自己推理出解法。
• 解释和作弊本质类似，都让学生少动脑，短期看舒服，长期却让人变“傻”；Brilliant 故意让学生“卡壳”，鼓励他们多试错。
• AI 教师的难点 是平衡难度和挫败感：太难学生会放弃，太简单又没成长感，Brilliant 用动态调整难度和及时反馈来维持挑战感。

AI 在教育产品里不能“包打天下”，内容和结构必须由人把关，AI 只负责落地和个性化。

• 课程结构和每道题的设计 都由资深人类老师完成，AI 只负责根据学生表现实时调整讲解和练习顺序。
• 大模型（如 Claude、Codex） 擅长执行和生成变式题，但做不好课程整体设计和教学节奏，完全放手会导致“内容稀烂”。
• Brilliant 给 AI 设定“原语库”，像搭积木一样规定 AI 只能用哪些互动模块，避免它“胡编乱造”或出错。

AI 教育产品的长期壁垒，不是模型本身，而是“学生真实学习过程”的独特数据。

• 大模型厂商（如 OpenAI） 可以自动生成内容，但拿不到“学生卡壳、思考、试错”的细粒度数据，无法持续优化教学体验。
• Brilliant 用真实学生的操作轨迹（比如每一步的错误、反应时间、请求帮助的节点）来训练和微调 AI 教师，形成独特优势。
• 只看完成率/时间没意义，Brilliant 只关注学生最终是否真正掌握了能力，并用大量小测和动态评估来判断。

“用 AI 直接给答案，就像带机械臂去健身房——你根本没锻炼到自己。”

• 设计 AI 教育产品时，必须人为设定“不能直接给答案”的机制，让 AI 只做引导和反馈，避免学生变成“点答案机器”。
• 想要建立产品壁垒，要聚焦收集和利用“真实学习过程数据”，而不是只依赖大模型本身，否则很快会被通用工具替代。