Sue Khim 谈帮助学生思考的 AI 辅导工具

Brilliant 联合创始人兼 CEO Sue Khim 与 Peter Yang 讨论教育、AI 辅导，以及孩子如何学会坚持解决困难问题。Khim 认为 AI 辅导工具应支持学生自己思考。本期列出的赞助商有 Linear、Riverside 和 Wispr Flow。

Khim 认为美国教育体系允许更多实验，但对学生表现、评分和标准表达担忧。这些是她的解释和概括，并非本次访谈确立的研究结论。Yang 和 Khim 也比较了自己在不同教育体系中的经历。

Khim 认为，课堂时间适合用于同伴学习和教师的鼓励。她认为软件也能帮助个性化练习，提供反馈并让学生在较少尴尬感的情况下反复尝试。这些是她提出的设计优势，并不证明软件总是优于人工辅导。

她说 Brilliant 的辅导工具 Koji 旨在帮助学生思考，而不是直接给出答案。她将跳过学习过程比作在健身房让机械臂代替自己举重。她对学生通常如何使用 AI 的说法是访谈中的观点，片中没有展示相关测量结果。

Khim 展示了一段关于分数和图形的辅导回放。学生给几个部分涂色，却没有考虑它们大小不同。她说，辅导工具希望通过提问引导学生发现关键点，而不是立即给出答案或完整解释。

辅导者需要判断何时提示、简化问题，或让学生继续尝试。Khim 说这需要平衡：帮助太多可能跳过思考，太少则可能让学生沮丧到放弃。她表示产品仍处早期并在持续改进。

Khim 展示 Brilliant 如何制作交互课程。按照她的描述，人工学习设计师决定课程顺序和教学方法，AI 帮助实现设计。她说团队认为完全由模型生成的课程设计尚不能稳定达到自己的质量标准。

公司还为智能体设计接口：可复用交互组件库中的 API 可以创建、标注或突出显示问题。Khim 说，这种结构帮助模型使用已知组件，而不必从头编造整个交互。

对于员工，Khim 希望工具和文档能让使用智能体的人利用公司已有的专业知识。她说团队希望新入职的技术人员和学习设计师尽早做出面向用户的贡献，同时承认入职流程还不完美。

质量检查包括自动评估、多名人工审阅者、模拟学生和逐步上线。Khim 说，模拟学生可以探索不同路径、发现严重问题，但提供的信息远不如真实学生数据丰富。

Khim 说，公司关注评估表现和知识保持，而不是把课程完成率或学习时长本身当作目标。团队从学生最终应掌握的能力倒推，并试验评估设计。她区分了完成课程练习和证明技能能够保持。

谈到产品策略，Khim 认为真实学习者的误解和学习成果数据可以增强辅导产品的竞争力。这是她的商业判断；访谈并未独立证明产品效果或相对于竞争者的优势。

两人讨论家庭作业的激励机制，以及用 AI 获得答案的诱惑。Khim 认为评估应反映学生是否真的理解材料。他们对学校实践的讨论是关于激励机制的观点，并非对所有学校的普遍描述。

作为家长，Khim 说她重视专注、好奇心和解决困难问题的意愿。她举例包括制作东西、下棋和游乐场活动。她把节奏合适的挑战比作马里奥游戏里一次困难但多试几次似乎就能完成的跳跃。

Khim 说，演示产品面向初中和高中学生，团队正在扩大覆盖范围。对话最后，她希望学习帮助孩子发现努力和坚持也是掌握技能过程中令人满足的部分。