Capture record

  • Canonical URI: https://www.bnext.com.tw/article/92416/ai-education-problem-finding-future-skills
  • Source class: first-hand opinion(專家評論)。BusinessNext 刊載台大電機系教授李宏毅的第一人稱教育評論;文末作者簡介列其為台大電信工程所博士、專長機器學習/深度學習與語音處理,近年開設生成式 AI 課程並打造 AI Agent「小金老師」。本文是觀點文章,不是研究論文、調查或成效評估。
  • 原文標題: 「想做什麼,比會做什麼重要」!台大教授李宏毅:AI Agent時代,學生最該練的是這3種能力
  • 作者/出版者: 李宏毅;數位時代 BusinessNext(JSON-LD author 欄位只列「數位時代 BusinessNext」,個人署名取自文末作者區塊)
  • 發布日期: 2026-09-30T09:00:00+08:00(BusinessNext JSON-LD datePublished/dateModified)
  • 擷取時間: 2026-10-01T10:25:59+00:00(canonical response Date,作為抓取時間近似)
  • Retrieval method: 先以 web_extract 讀取可見正文;再以 Python urllib 直接 HTTP GET 核對 canonical HTML、JSON-LD 與 articleBody。全程未使用 browser。
  • HTTP metadata: canonical response 200;Content-Type: text/html; charset=UTF-8;response Date: Thu, 01 Oct 2026 10:25:59 GMT;331,290 bytes;HTML payload SHA-256 e505c7748ffdc6d784a705eb49f20e3d8a0ca8a0a88f359bf17111369e5d57ab。HTML 未保存至 bundle。
  • Saved payloads and SHA-256: 無;只保存本 wrapper。frontmatter 的 sha256 是本檔 frontmatter 結束後 body 的 SHA-256,未對未保存的 BusinessNext HTML、圖片或相關頁面宣稱可重現 hash。

Faithful summary

李宏毅以課堂經驗開頭:問學生「假設現在有無限資源,你想做什麼?」時,原本常抱怨資源不足的學生反而答不上來;他由此判斷資源不足未必是真正的限制,更難的是想清楚自己要做什麼、以及有沒有能力想像另一種可能。1

他把 AI Agent 時代的「學習 AI」視為模糊說法,改問一個人想把事情做好需要哪些能力:當 Agent 能代為執行,科系與技術界線會愈發模糊,「怎麼做」不再因個人技能受限,「決定方向」的能力會被推到前面。他常說「想做什麼比會做什麼重要」,並認為很多時候 AI 做不好是因為人自己也說不清楚要什麼。1

文章提出帶領 AI 完成任務所需的三項人類能力:一是出題(把模糊想法轉成明確目標);二是驗收(知道什麼樣的成果才算符合需求——AI 可以找另一個 AI 檢查答案,但最終由人決定檢查項目與標準);三是監督(持續看著 AI 修改與進步,避免為了追求指標而朝錯誤方向前進)。1

他以自己的 AI Agent「小金老師」為例:小金曾找 Gemini 檢查影片是否有聲音,Gemini 回覆「有音效」,小金也跟著聲稱音效是自己加的,直到他要求回頭檢查程式碼才發現影片根本沒有音效。作者據此主張 AI 能彼此協作、也可能一起產生集體幻覺,最後的判斷仍要由人做;因此未來教育要培養的是「成為指導教授的能力」。1

文末他把傳統教育(先設定題目、限制與評分標準,學生找最佳解法)定位為培養執行者:只要目標能用文字說清楚、成果能用分數衡量,AI Agent 就能在反覆嘗試中自行改善。作者承認目前能想到的做法仍是「用 AI 加速既有課程」,但這還沒有回答教育真正要培養什麼;若許多工作都能交給 AI,學生也要學會在這樣的世界裡自處、找到想前往的方向並知道自己為何願意投入一件事。1

Reusable extraction(raw-only)

本筆可保留一個最小的人類能力 framing:出題(模糊想法 → 明確目標)→ 驗收(人定義檢查項目與標準,AI 互查只是輔助)→ 監督(持續追蹤修改方向,防指標誤導)。這是作者對 AI Agent 時代教育與 human-in-the-loop 判斷的觀點框架,不是經過課程實驗或成效驗證的教育規範;本輪不升格成 compiled concept。1

Primary-source checks during ingest

本次直接讀取 BusinessNext canonical page(web_extract + Python urllib HTTP GET、JSON-LD 核對)。文末作者簡介的職稱與「小金老師」背景只以文章自述為限,未另行讀取台大官方頁面或「小金老師」原始材料;沒有新增其他 sources[] 條目。

Claim ledger

IDSource claimStatusOwning evidence and boundary
C01作者問學生「無限資源下你想做什麼」時,常抱怨資源不足的學生反而答不上來;資源不足未必是真正的限制。supported(as author account)BusinessNext 刊載作者第一人稱課堂觀察;沒有樣本數、選樣方式或可重現紀錄,僅支持該案例存在與作者的解讀。1
C02AI Agent 時代「怎麼做」不再因個人技能受限,「決定方向/想做什麼」的能力會被推到前面。supported(as author opinion)作者教育觀點;沒有實證研究或跨群體比較支持其普遍性。1
C03帶領 AI 完成任務需要三項人類能力:出題、驗收、監督。supported(as author framework)作者提出的概念框架;沒有獨立驗證或量化評量,不構成教育標準。1
C04「小金老師」曾請 Gemini 檢查影片是否有聲音,Gemini 答「有音效」、小金跟著聲稱音效是自己加的,直到作者要求回頭查程式碼才發現影片沒有音效。supported(as author account)作者自述單一案例;未讀取程式碼、對話紀錄或可重現材料,不構成對 Gemini/多 agent 系統行為的普遍結論。1
C05AI 能彼此協作,也可能一起產生集體幻覺;最終判斷仍要由人做。partially-supported「小金老師」案例支持該情境下的錯誤傳遞;「集體幻覺」的一般化是作者推論,沒有系統性研究或統計支持。1
C06傳統「出題—解題—評分」教育主要在培養執行者;只要目標可文字化、成果可量化,AI Agent 可在反覆嘗試中自行改善。supported(as author opinion)作者對教育結構與 agent 自我改進的判斷;沒有課程實驗或成效數據。1
C07未來教育要培養的是「成為指導教授的能力」,讓學生在 AI 可承接多數工作的世界裡自處並找到投入方向。supported(as author opinion)作者對未來教育的 framing;沒有政策、課程或長期追蹤證據。1

Evidence boundary

本筆最小可用結論是:BusinessNext 提供李宏毅以課堂與「小金老師」經驗為基礎的第一人稱教育評論,把 AI Agent 時代的人類能力收束為出題、驗收、監督三項,並主張最終判斷留在人類。上述可作為 AI 教育、human-in-the-loop 判斷與 agent supervision 的觀點輸入,但全部屬作者案例與評論。

本記錄不能證明:學生整體能力的統計描述、AI Agent 自我改進對教育結構的實際影響、「集體幻覺」在多 agent 系統中的發生率或機制、特定課程改革的學習成效,或「指導教授能力」可被量化培養。台大官方頁面、「小金老師」原始材料、對話紀錄與任何課程/評量資料本輪未直接讀取;未加入 verified,本次只有 process-level HTTP/JSON-LD source checks,沒有獨立 human verification。

Rights boundary

BusinessNext article 與其頁面內容屬外部著作。本次僅保存 metadata、faithful summary、claim ledger、必要的 canonical link 與證據界線;未保存文章全文、HTML、圖片或任何 credential。canonical link 是後續查核入口,來源 ingest 指示不等於取得重製授權。

Footnotes

  1. 數位時代 BusinessNext〈「想做什麼,比會做什麼重要」!台大教授李宏毅:AI Agent時代,學生最該練的是這3種能力〉(李宏毅),2026-09-30;https://www.bnext.com.tw/article/92416/ai-education-problem-finding-future-skills。 ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13