Všechno to začalo podcastem. Poslouchal jsem Joea Liemandta v Peter Attia Drive — technologického miliardáře, který desítky let budoval podnikový software, teď investuje miliardu dolarů do vzdělávání a provozuje síť soukromých škol v Texasu bez učitelů, domácích úkolů a učebnic. Jeho výtvor, Alpha School, nahrazuje tradiční výuku aplikacemi řízenými umělou inteligencí. Žáci zvládnou celé akademické učivo za dvě hodiny ráno a zbytek dne tráví workshopy z podnikání, veřejného vystupování, fitness a finanční gramotnosti. Dospělí ve třídě se nenazývají učitelé — jsou to průvodci a koučové, kteří se soustředí na motivaci a emoční podporu, ne na výklad látky.
Výsledky, alespoň podle údajů samotné školy, jsou pozoruhodné. Žáci dosahují v celostátních standardizovaných testech výsledků v nejlepším jednom procentu. Šestadevadesát procent z nich říká, že školu miluje. Čtyřicet až šedesát procent tvrdí, že by raději byli ve škole než na prázdninách. První absolventský ročník loni vyslal studenty na univerzity Stanford, Vanderbilt a Northeastern.
Přistihnú jsem se, jak přikyvuji. Ten model dával smysl. Důraz na skutečné zvládnutí látky — nepokračovat dál, dokud aktuální učivo opravdu neovládáte — odpovídal všemu, čemu o učení věřím. Pak ale Liemandt zmínil, že Alpha nabízí žákům 1 000 dolarů, pokud se dostanou nad 99. percentil. A něco ve mně zaškobrtlo. Platit dětem za učení? To mi přišlo špatně. Zařadil jsem si to jako jedinou část jinak přesvědčivého modelu, která se mi nelíbila, a šel dál.
Písemné dělení, písemka a aplikace, kterou nikdo nepoužívá
Pár týdnů po podcastu čekala mého jedenáctiletého syna písemka z matematiky — dělení víceciferným číslem. Den předtím večer jsem s ním seděl a počítali jsme příklady. Postup chápal, ale ještě to neměl zautomatizované. Procvičovali jsme. Měl jsem celkem dobrý pocit z toho, kam jsme se dostali.
Výsledky testu dobré vůbec nebyly.
Bolelo to — jeho i mě. Věděl jsem, že problém není v nadání. Šlo o opakování, procvičování, o zvládnutí základů dřív, než se po vás chce jejich aplikace. A napadlo mě: tohle dokážu napravit. Dokážu vytvořit něco lepšího než pracovní list.
Tak jsem postavil jednoduchou aplikaci poháněnou umělou inteligencí. Generuje příklady přizpůsobené jeho úrovni v matematice. Upravuje obtížnost podle výsledků. Sleduje, co už ovládá a kde má ještě mezery. Je to opravdu dobrá — vím to, protože sám si v ní procvičuji matiku. Je poutavá, přehledná a adaptivní způsobem, jakým žádná učebnice být nedokáže.
Syn ji párkrát vyzkoušel. A pak… přestal. Ne proto, že by byla špatná. Ne proto, že by to nezvládal. Prostě si k ní sám od sebe nesedne. Aplikace tam je, připravená, schopná, přizpůsobená přesně jeho potřebám — a nepoužívaná.
A v tu chvíli mi ten tisíc dolarů docvakl.
Odsoudil jsem finanční pobídky žákům v Alpha School. Ale já, rodič, který podobný nástroj vytvořil, který vidí, že funguje, který ví, že by mohl pomoct — nedokážu přimět vlastní dítě, aby ho používalo. Alpha neplatí žákům tisíc dolarů proto, že by byli líní. Platí jim proto, že vybudovali nejúčinnější vzdělávací systém na světě a pořád musí vyřešit problém, jak přimět dítě, aby se do něj zapojilo. Narazili na stejnou zeď jako já. Jen našli přímější cestu přes ni.
Co umělá inteligence zvládá
Tradiční školní model posouvá děti učivem podle pevného rozvrhu. Pokud vaše dítě chápe 75 % zlomků, stejně se přejde k dalšímu tématu. Těch chybějících 25 % nezmizí — nabalují se. Než se dostane k algebře, netrápí se s algebrou. Trápí se se zlomky, které se pořádně nenaučilo před třemi lety.
Není to žádný nový poznatek. V roce 1984 publikoval pedagogický psycholog Benjamin Bloom výzkum, který ukázal, že žáci vyučovaní individuálně pomocí technik založených na zvládnutí látky — kdy nepokračujete dál, dokud aktuální učivo skutečně nepochopíte — dosahovali o dvě směrodatné odchylky lepších výsledků než žáci vyučovaní v běžné třídě. Průměrný individuálně vyučovaný žák předčil 98 % žáků z klasické výuky. Bloom pojmenoval hledání škálovatelného způsobu, jak tohoto výsledku dosáhnout, jako „problém 2 sigma”.
O čtyřicet let později by odpovědí mohla být právě umělá inteligence. Adaptivní systém dokáže přesně určit, kde porozumění dítěti chybí, vyplnit mezeru, znovu otestovat a posunout dál teprve tehdy, když žák skutečně zvládl prerekvizitu. Žádné dítě nezůstane pozadu — ne jako politické heslo, ale jako mechanický princip fungování softwaru.
Princip Alpha je prostý a přesvědčivý: buďte rychlí v malé násobilce, než se pustíte do dělení víceciferným číslem. Zvládněte základy tak důkladně, aby další úroveň působila zvládnutelně, ne nemožně. Líbí se mi na tom, že to respektuje skutečné porozumění dítěte, ne jeho věk. Bystrý devítiletý kluk, kterému unikl nějaký stavební kámen ve druhé třídě, by neměl být nucen tápat v učivu čtvrté třídy — měl by se vrátit a rychle mezeru uzavřít a pak pokračovat.
Pokud dítě dokáže učivo jednoho ročníku z daného předmětu skutečně zvládnout za 20–30 soustředěných hodin — a data z adaptivních vzdělávacích platforem naznačují, že je to reálné, i když v širokém měřítku to ještě není dokázáno — proč je držet v učebnách šest hodin denně? Uvolněný čas by mohl jít na věci, na které v osnovách nikdy není místo: naučit se vést firmu, procvičovat veřejné vystupování, trénovat na triatlon nebo si prostě hrát.
AI vyřešila problém obsahu. Problém motivace nevyřešila.
Tady se mé uvažování posunulo. Umělá inteligence dnes dokáže vygenerovat dokonale přizpůsobené vzdělávání pro jakékoli dítě, v jakémkoli předmětu, na jakékoli úrovni. Problém obsahu je v podstatě vyřešen. Khan Academy Khanmigo používá GPT-4 pro sókratovské doučování. Čínská Squirrel AI rozložila matematiku pro střední stupeň na přes 10 000 dílčích znalostních bodů a provozuje 1 700 výukových center. Duolingo pomocí AI vytváří adaptivní jazykový trénink v reálném čase. Nástroje existují a každým měsícem se zlepšují.
Jenže ukázalo se, že vytvořit dokonalý vzdělávací stroj je jen polovina problému — a pravděpodobně ta snazší. Ta těžší, kterou samotná technologie vyřešit nedokáže, zní: jak přimět dítě, aby se do toho smysluplně zapojilo?
Tohle je poznatek, který Alpha School zřejmě pochopila jasněji než většina edtech firem. Joe Liemandt říká, že motivace tvoří „90 % řešení”. Celý jeho model je kolem ní vystavěn — samotný dvouhodinový den je motivačním nástrojem (dokonči práci a odpoledne je tvé), průvodci se soustředí na povzbuzování místo výkladu, workshopy dávají žákům na co se těšit.
A přesto nabízejí i finanční pobídky.
Mám platit svým dětem za učení?
Tohle je otázka, ke které se jako rodič stále vracím, a nemyslím si, že odpověď je jednoduchá.
Alpha nabízí žákům středních škol 1 000 dolarů za dosažení nejlepšího 1 % v celostátním měřítku. Provozuje i menší motivační programy — 100 dolarů za plný počet bodů ve státních standardizovaných testech. Liemandt navazuje na práci harvardského ekonoma Rolanda Fryera, který provedl rozsáhlé experimenty s placením žáků ve více než 200 městských školách v Dallasu, New Yorku a Chicagu.
Fryerovy závěry jsou nuancované a stojí za pochopení. Platit žákům za výstupy — lepší výsledky v testech — nemělo v podstatě žádný efekt. Ale platit žákům za vstupy — čtení knih, plnění konkrétních úkolů — fungovalo, alespoň u některých skupin. Tento rozdíl je podstatný: když žáci přesně vědí, co mají dělat, pobídky je dokážou přimět, aby to udělali. Když cesta není jasná, peníze samy o sobě nepomohou.
Argument Alpha School je, že jejich AI cestu jasně vytyčuje — tady jsou přesné lekce, které potřebuješ splnit, systém ti řekne přesně, co studovat — že i pobídky založené na výstupech začnou fungovat. Je to šikovně vymyšlené. A podle jejich vlastních údajů to funguje: žáci, kteří věřili, že „matematiku neumí”, dosahují špičkových výsledků, a co je důležitější, mění svůj vlastní obraz o sobě. Liemandt popisuje tuto proměnu identity jako cennější než samotné akademické znalosti.
Chápu tu logiku. A vidím, jak to pro mnohé děti funguje. Těch 1 000 dolarů ve skutečnosti není o penězích — jde o to ukázat dítěti, že je schopné něčeho, o čem si myslelo, že to nedokáže. Jakmile se toto přesvědčení změní, vnější odměna se stává méně potřebnou.
Ale výzkum motivace mě nutí k obezřetnosti. Teorie sebeurčení — dominantní rámec v pedagogické psychologii — tvrdí, že trvalá motivace pramení z autonomie, kompetence a sounáležitosti. Metaanalýza od Deciho, Koestnera a Ryana zjistila, že hmatatelné odměny mají „negativní účinek” na vnitřní motivaci. Když dětem za něco platíte, mohou přestat chtít dělat to samé pro radost z věci samé. Odměna se stane smyslem, a když zmizí, zmizí i motivace.
Je tu i osobnější obava. Chci, aby moje děti vnímaly učení samo o sobě jako odměnu — aby zažívaly ten tichý pocit uspokojení, když porozumí něčemu, co jim včera bylo záhadou. Pokud jim budu platit za výsledky, neučím je vnímat vzdělání jako transakci?
Finanční odměny souvisí s mou obecnější obavou z gamifikace. Herní designéři vědí, že optimální bod — kde je hra nejpoutavější — leží přibližně na 85% úspěšnosti. Uspějete dost na to, abyste se cítili kompetentní, ale selháváte dost na to, abyste cítili výzvu. To se přesně překrývá s Vygotského zónou nejbližšího vývoje, dobře zavedeným pedagogickým konceptem. Alpha a další AI systémy v podstatě tento princip implementují.
Ale je rozdíl mezi dítětem, které vnímá samotné učení jako odměnu (vnitřní motivace), a dítětem, které vnímá gamifikovanou zpětnou vazbu jako odměnu (vnější motivace). Obě se budou zapojovat. Ale co se stane, když herní prvky zmizí? Co se stane na univerzitě nebo v práci, kde vám nikdo nedává body za splnění úkolu? Dítě, které se naučilo nacházet uspokojení v porozumění, je na to připravené lépe než dítě, které se naučilo honit další odměnu.
Protiargument, který si zaslouží upřímné zvážení: tohle možná záleží jen u dětí směřujících na akademickou nebo intelektuálně náročnou dráhu. Pro děti, které by se jinak vzdělávat ani nechtěly, je gamifikované AI učení, které je dovede k solidním základům, obrovské zlepšení oproti současnému stavu. Dostat 80 % žáků ke skutečné kompetenci prostřednictvím vnější motivace může být pro společnost cennější než dostat 20 % k lásce k učení, zatímco zbytek zaostává. Nejsem si jistý, jak se k tomuto kompromisu stavím, ale myslím, že je to ten skutečný, před kterým stojíme.
Je moje preference pro vnitřní motivaci idealistická? Je pragmatická pravda taková, že některé děti prostě potřebují vnější impuls, aby zjistily, že toho zvládnou víc?
Upřímně nevím. A mám podezření, že odpověď zní: záleží na dítěti, záleží na kontextu a pravděpodobně záleží na tom, co uděláte poté, co je ta pobídka nastartuje.
Co obrazovka nedokáže nahradit
Je tu ještě jedna dimenze, o které jsem moc diskuzí nezaznamenal. Tradiční třídy při veškeré své neefektivitě poskytují něco, co AI na obrazovce nedokáže: sociální dynamiku učení po boku vrstevníků.
Když dítě vidí dalších dvacet dětí, jak procvičují malou násobilku, něco se děje — a není to v žádných osnovách. Vstřebávají sdělení: takhle to tu děláme. Sociální srovnávání, tlak vrstevníků, prostý fakt, že kolem nich jsou všichni zapojeni — to jsou silné motivační síly, které fungují z velké části pod prahem vědomí. Děti přirozeně kalibrují své úsilí podle prostředí.
Dítě samo s iPadem a AI tutorem tohle nemá. Má obsah. Možná má i průvodce, který se na něj občas podívá. Ale nemá ten okolní sociální signál, který normalizuje úsilí a dělá z učení sdílený podnik, ne osamělý úkol.
Nové modely, které se vynořují
Začíná být jasné, že „AI ve vzdělávání” není jedna věc — je to spektrum přístupů a pravděpodobně směřujeme ke světu, kde bude koexistovat více modelů. Takhle je momentáně vidím:
Rozšířené klasické třídy. AI se postará o známkování, hodnocení a personalizovanou zpětnou vazbu. Učitelé zůstávají v centru, ale jsou osvobozeni od administrativní zátěže. Tohle je nejméně disruptivní model a pravděpodobně nejpravděpodobnější ve veřejném školství. Khanmigo od Khan Academy je navrženo přesně pro tohle — tutor pro žáky a asistent pro učitele.
Model Alpha. Ráno intenzivní výuka řízená AI, odpoledne workshopy životních dovedností vedené lidmi. Průvodci nahrazují učitele. Vyžaduje to znovupromýšlení toho, co škola je a co dospělí ve školách dělají. V současnosti dostupné jen pro bohaté rodiny (40 000–75 000 dolarů ročně), i když Liemandt buduje levnější varianty.
Hybridní domácí vzdělávání. AI a dálková výuka zajistí akademickou složku. Děti se fyzicky scházejí několik dní v týdnu na sociální aktivity, společné projekty a sport. Tohle by mohlo dramaticky snížit potřebnou infrastrukturu — méně učeben a učitelů by mohlo obsloužit více dětí.
AI-posílený homeschooling. Rodiče, kteří již vzdělávají doma, získávají nesmírně silné nástroje. AI se stará o tvorbu osnov, předávání obsahu a hodnocení. Rodič zajišťuje motivaci, sociální kontext a hodnoty.
Něco úplně nového. Variace napříč mnoha osami — doma vs. škola, individuálně vs. ve skupině, pevné osnovy vs. vedené zájmy, kouč vs. učitel — které jsme si ještě plně nepředstavili. Možná školy, které vyhodnotí motivační profil dítěte a přiřadí ho ke správnému modelu. Možná AI, která přizpůsobuje nejen obsah, ale i motivační strategii každému jednotlivému dítěti.
Celosvětově experimentování zrychluje. Čínská Squirrel AI provozuje přes 1 700 výukových center s hypergranulární adaptivní technologií. Singapur začlenil AI do své národní vzdělávací platformy. Khanmigo od Khan Academy je pilotně testováno ve více než 40 školních obvodech ve Spojených státech.
Nepříjemné otázky
Nevytváříme dvourychlostní systém? Alpha School stojí víc než mnohé univerzity. Pokud AI-optimalizované vzdělávání přinese dramaticky lepší výsledky a přístup k němu budou mít jen bohaté rodiny, prohloubili jsme nerovnost místo toho, abychom ji zmenšili. Liemandt mluví o tabletech za méně než 1 000 dolarů, které obslouží miliardu dětí, ale to je zatím vize, ne realita.
Je motivační styl vrozený, nebo naučený? Výzkum v oblasti vývojové psychologie naznačuje, že je podstatně formován prostředím, zejména v raných letech. Děti se rodí s vrozenou zvídavostí — to, čemu výzkumníci říkají „motivace ke zvládnutí”. Ale motivační vzorce se utvářejí brzy a rané dětství je klíčové pro budování vnitřních orientací, které vydrží celý život. V době, kdy mnoho dětí nastoupí do školy, velká část té přirozené motivace už vyhasla nebo byla nahrazena strategiemi učení řízenými vnější motivací.
Co to formuje? Především výchova. Studie ukazují, že když rodiče projevují chování podporující autonomii, děti si rozvíjejí větší schopnost nezávislého jednání a sebemotivace. Naopak interakce s vysokou mírou negativní kontroly — kritika, nadměrné opravování — předpovídají nižší autonomii. Výzkum dětské zvídavosti ukazuje, že reagování na zájmy dítěte ho povzbuzuje klást víc otázek a vyhledávat informace, zatímco nejisté nebo omezující prostředí průzkum tlumí.
Zamyslete se, co to znamená v praxi. Dítě, které smí obracet kameny na zahradě a žasnout nad tím, co je pod nimi, dostává posilování své zvídavosti. Dítě, které dostane vynadáno za to, že se umazalo a nesmí se dotýkat brouků, se učí, že prozkoumávání má následky. Dítě, které se nechá potrápit s puzzle, si buduje vytrvalost; dítě, kterému dobře míněný rodič neustále „pomáhá” — nebo ho pokárá pokaždé, když dá dílek špatně — se učí, že jde o správnou odpověď, ne o proces. Nedávný výzkum naznačuje, že zvídavost může být formována spíše kontextem než věkem, což podtrhuje potřebu vytvářet prostředí, které chrání a podporuje vnitřní zájem dětí, jak rostou.
To znamená, že vzdělávací prostředí, které pro naše děti vybereme, aktivně formuje, jakými se z nich stanou žáci. To je velká zodpovědnost. Pokud dám dítě do gamifikovaného AI systému, možná ho trénuji k potřebě vnějších odměn. Pokud ho nechám v tradiční třídě, možná ho tréniki k pasivnímu učení. Ta volba není neutrální.
Jak se přizpůsobí vysokoškolské vzdělávání? Vstupujeme do potenciálně velmi dlouhého přechodného období, kdy někteří studenti přijdou na univerzitu s mimořádně vysokou úrovní vzdělání a jiní projdou tradičním systémem. Jak budou univerzity tuto variabilitu zvládat? Přežije model přednáškových sálů, když někteří prváci už budou ovládat látku, se kterou se ostatní setkají až ve druhém ročníku?
Co se stane, když většina lidí dosáhne svého vzdělávacího potenciálu? Tohle je ta největší a nejspekulativnější otázka. Pokud AI umožní většině dětí dosáhnout skutečné kompetence v klíčových předmětech a zároveň mít čas na rozvoj dovedností a zájmů, jak bude taková společnost vypadat? Víc podnikatelů? Víc umělců? Víc lidí, kteří jsou kompetentní, ale stále hledají smysl? A co se stane, když prvotřídní vzdělání dorazí ve stejnou chvíli, kdy AI zvládne většinu práce, na kterou nás vzdělání mělo připravit? Kam to posouvá lidskou motivaci učit se?
Co můžete udělat hned teď
Pokud jste rodič jako já, bezprostřední akce je jednoduchá: požádejte AI, aby vytvořila učební materiály přizpůsobené úrovni a zájmům vašeho dítěte. Odvede pozoruhodnou práci. Problém obsahu je vyřešen.
Problém motivace je na vás. Blížící se test ve škole je rozumná motivace pro některé děti, ale ne pro všechny. Udělat z toho společnou aktivitu — sednout si s dítětem a počítat příklady společně — pomáhá. Ale nedá se to dělat každý večer a vyžaduje to míru zapojení, kterou ne každý rodič dokáže udržet.
Pokud se sami vzdělávate — třeba jako dospělý, který se chce naučit nové dovednosti — příležitost je mimořádná. Využijte AI, aby vás učila, testovala a zpochybňovala vaše porozumění. Požádejte ji, aby identifikovala mezery ve vašich znalostech. Nechte ji klást hloubkové otázky i chytáky. Nástroje, které dnes existují, mnohé z nich zdarma, by byly před pěti lety nepředstavitelné.
Pokud jste podnikatel, řeknu vám tohle: strana osnov a obsahu vzdělávání se rychle stává komoditou. AI dokáže generovat, personalizovat a hodnotit učební materiál. Ale firma, která vyřeší motivaci ve velkém měřítku — která přijde na to, jak přimět děti, aby se skutečně zapojily do AI-řízeného vzdělávání bez finančních pobídek nebo neustálého rodičovského dohledu — ta firma změní vzdělávání. Obsah je ta snadná část. Ta lidská je ta těžká a vždycky byla.
Kde mě to nechává
Píšu tohle jako člověk, který je upřímně optimistický ohledně toho, co AI může pro vzdělávání udělat, a upřímně si není jistý, jak se odtud dostaneme tam. Postavil jsem aplikaci, která by mohla synovi pomoct zvládnout písemné dělení i všechno další, co ho čeká. Funguje. On by raději četl knížku nebo si hrál venku. A upřímně? Část mě si myslí, že je to přesně správně — je mu jedenáct a čtení a hraní venku je taky důležité.
Ale zároveň vím, že svět, ve kterém vyrůstá, od něj bude vyžadovat víc než svět, ve kterém jsem vyrůstal já. Pokud AI dokáže zkomprimovat nudné, repetitivní části učení do dvou soustředěných hodin a uvolnit zbytek dne pro věci, které dělají dětství bohatým — sport, kreativitu, přátelství, objevování — to mi připadá jako skutečné zlepšení, nejen pro vzdělávání, ale pro to, co to znamená být dítětem.
Otázka, na kterou zatím nedokážu odpovědět, zní: kdo zajistí, že ty dvě hodiny opravdu proběhnou, a co jsme ochotni udělat — jako rodiče, jako společnost — aby byly smysluplné. Technologie je připravena. My ne. Zatím ne.
Budu synovi za učení platit? Dám vám vědět.
Pokud vás tohle téma zajímá, epizoda #366 podcastu Peter Attia Drive s Joem Liemandtem je nejlepší hluboký ponor do modelu Alpha School, jaký jsem našel. A pokud jste rodič a přemýšlíte, jestli experimentovat s AI nástroji pro učení — prostě začněte. To nejhorší, co se může stát, je, že nakonec budete sami procvičovat matiku.