18개월 전에 작성한 이 에세이의 버전이 있습니다. 게시하지 않은 것을 다행으로 생각합니다.
그것은 *왜 ChatGPT 시대에 학습 앱?*이라고 불렸고, AI가 어떻게 교육을 변화시킬지, Fluera가 마침내 개인화된 튜터링을 실현할 앱이 될지, 5년 안에 아무도 이전과 같은 방식으로 공부하지 않을지 설명하는 데 2,000 단어를 보냈습니다. 명랑했습니다. 자신감 있었습니다. 또한, 회고적으로, 거의 완전히 잘못되었습니다.
당시 내가 보지 못한 것은 문제가 결코 학생들이 정보에 도달할 수 없다는 것이 아니었다는 것입니다. 결코 교사들이 개인화할 수 없다는 것이 아니었습니다. 문제는 — 그리고 그렇습니다 — 현대 도구들이 무언가를 배우지 않았을 때 배웠다고 느끼는 것을 노력 없이 만든다는 것입니다. 그리고 도구가 느낌에 더 잘할수록, 중요한 것에는 더 나빠집니다.
병목이 이동했습니다
역사 대부분 동안, 어떤 것을 공부하는 것을 정의하는 질문은 접근이었습니다. 책은 돈이 들었습니다. 교사는 부족했습니다. 도서관은 멀었습니다. 교육받은 사람은, 무엇보다도, 정보에 도달할 수 있었던 사람이었습니다.
내 세대에게는, 질문이 탐색이 되었습니다. 정보는 풍부했습니다; 올바른 조각을 찾는 것이 일이었습니다. Google, Wikipedia, Stack Overflow — 한 가지 질문을 위한 전체 인프라: 어디에 있나? 2015년에 교육받았다는 것은 검색을 잘한다는 것을 의미했습니다.
2026년에는, 어느 질문도 더 이상 묶지 않습니다. 어떤 사실도 3초 거리에 있습니다. 어떤 설명도 원하는 스타일로 생성될 수 있습니다. 병목이 다시 이동했고 — 이것이 내가 놓친 부분 — 우리는 새 모양을 위한 인프라를 아직 가지고 있지 않습니다.
새 병목은: 어떻게 읽은 것을 유지하는 것으로 변환하나?
오래된 인지 과학, 조용히 입증됨
여기 재미있는 것입니다. 그 질문에 대한 답은 50년 동안 문헌에 있었습니다. 1885년 Ebbinghaus의 간격 반복. 2006년 Roediger와 Karpicke의 회상 연습 [Roediger & Karpicke, 2006] View in bibliography → . 1994년 Bjork의 바람직한 어려움 [Bjork, 1994] View in bibliography → . 1984년 Novak의 컨셉 매핑 [Novak & Gowin, 1984] View in bibliography → . O’Keefe와 Mosers의 공간 기억 신경과학, 2014년 노벨상을 수상한 것 [Moser et al., 2005] View in bibliography → .
이 발견들은 강력합니다. 메타 분석은 일관됩니다. 효과 크기는 중간에서 d = 0.88까지 — 어떤 인지 과학 표준에서도 매우 큼.
우리가 결코 가지지 못한 것은 — ed-tech의 전체 역사에서 한 번도 — 올바른 것을 쉬운 것으로 만드는 도구입니다. Anki는 회상 연습을 가능하게 하지만 거대한 구축 비용에. Notion은 노트를 읽기 쉽게 만들지만 회상 가능하지 않게. GoodNotes는 손글씨를 아름답게 만들지만 어떤 메모리 일정에서도 분리되어. 모든 도구는 다단계 사이클의 한 단계를 해결합니다; 어느 것도 사이클을 해결하지 않습니다.
그리고 이제, 그 짜집기 위에, LLM이 있습니다. 잘못된 것 — 명확한 답의 수동적 소비 — 을 옳은 것처럼 느끼게 합니다. 부호화로 잘못 해석되는 3초의 유창함. 행성 규모의 자동화 편향 [Kahneman, 2011] View in bibliography → .
켄타우로스, 대체가 아님
AI 기반 학습 도구를 구축할 때의 유혹은 AI를 중심에 두는 것입니다. 노트를 생성하고, 교과서를 요약하고, 시험 문제를 설명하게 하는 것. 유혹을 이해합니다. 그것은 명백한 제품입니다. 또한, 과학이 말하는 모든 것에서, 정확히 잘못되었습니다.
Kasparov의 켄타우로스 프레이밍이 작동하는 것입니다. 세계에서 가장 강한 체스 선수는 Stockfish가 아닙니다. Carlsen도 아닙니다. 그것은 Carlsen 과 Stockfish, 구조화된 공생 안에 — 각자가 가장 잘하는 것을 하고, 어느 쪽도 다른 쪽인 척하지 않습니다.
학습의 경우, 인간 기여는 깊이, 판단, 생성입니다. AI 기여는 폭, 검증, 비계입니다. 이것을 옳게 하는 도구는 AI가 답하기 전에 묻고, 해결하기 전에 비계 역할을 하고, 자원해서 제공하기 전에 검증합니다. 잘못하는 도구는 그 반대를 하고, 학생은 아무것도 배우지 않은 채 더 똑똑하다고 느끼며 세션을 떠납니다.
Fluera는 첫 번째 것에 대한 우리의 시도입니다.
우리가 걸고 있는 것
우리는 학습자 코호트가 있다고 — 모두는 아니고, 대부분도 아니지만, 충분히 — 베팅합니다. 중요할 때 유창함과 능력 사이의 차이를 느낄 수 있는 사람들. 거짓말로 통과할 수 없는 구술 시험을 준비하는 학생들. ChatGPT에게 묻는 모든 것이 다음 주에 증발하는 것을 알아차리는 평생 학습자들. 학생이 그 다음 변호할 수 없는 명확한 LLM 생성 에세이를 제출하는 것을 보는 데 지친 교수진들.
그들에게, 마찰은 버그가 아닙니다. 손으로 쓰는 것은 향수가 아닙니다. 들리기 전에 퀴즈받는 것은 처벌이 아닙니다. 이것들은 기능입니다. 그것들이 메커니즘입니다.
우리는 대안보다 더 느리고, 더 조용하고, 더 어려운 학습 도구를 만들고 있습니다. 증거가 그것이 작동한다고 말하기 때문입니다. 그리고 더 빠르고, 더 시끄럽고, 더 쉬운 도구들이 이 시점에서 능력의 환상을 위한 도구가 되었기 때문입니다.
그것이 공명한다면 — 베타에서 우리와 함께 구축하러 오세요. 그렇지 않다면, 그것도 괜찮습니다. 모든 도구가 모든 학습자를 위한 것은 아닙니다. 이것은 차이를 알 수 있는 사람들을 위한 것입니다.