133
0📝 本期播客简介
本期我们克隆了：Huberman Lab How to Accelerate Learning & Improve Education | Joe Liemandt
原内容更新时间：Mon, 31 Aug 2026
本期节目由神经科学家、斯坦福医学院教授 Andrew Huberman 主持，嘉宾是 Alpha School 校长 Joe Liemandt。Alpha School 是一套以 AI 个性化教学、掌握度学习和实践型教育为核心的 K-12 教育模式：学生每天只用大约两小时完成学术学习，其余时间投入创业、体育、实验、社区活动和生活技能训练。
这场对谈首先追问了一个根本问题：传统学校已经实现了“让所有孩子入学”，为什么仍然没有实现“让所有孩子真正学会”？Joe 认为，按年龄和年级统一推进的课堂，掩盖了学生之间巨大的知识漏洞；AI 家教则有机会识别每个人的真实水平，按照前置知识、学习速度和掌握程度重新安排课程。
节目也深入讨论了高标准与高支持、动力与羞耻感、工作记忆与基础熟练度、间隔重复与范例教学，以及为什么孩子需要在成年人的支持下经历困难和失败。更重要的是，Alpha School 试图把省下来的时间还给孩子，让他们从被动消费者变成动手创造的“建设者”，在创业、体育、科学实验、艺术和社区项目中发现自己的潜能。
👨⚕️ 本期嘉宾
Joe Liemandt，科技企业家、Alpha School 校长，也是推动 Alpha 教育模式扩张的核心负责人。Alpha School 通过 AI 和个性化课程，让学生以更短时间完成学术学习，同时由 Alpha Guides、教练和项目导师陪伴孩子发展创业、财商、领导力、社交、公开表达、坚毅与刻苦等能力。
Joe 并非 Alpha School 的创始人，而是在自己的女儿进入 Alpha、亲眼看到她们重新喜欢上学之后加入学校，并担任校长进入第五年。他既有创业者对产品、效率和规模化的思考，也有校长对学校管理、教师培训、家长沟通和教育结果的直接经验。节目中，他结合大量 Alpha 学生案例，解释了为什么“补基础”可能比继续推进年级内容更重要，为什么动力往往是学习方案能否奏效的关键，以及 AI 在教育中真正应该扮演的角色。
⏱️ 时间戳
传统学校为何让孩子“入学”却没有让他们“学会”
开场：Huberman Lab 与本期嘉宾介绍
100 年前的工业化课堂模式从何而来
从普及入学到普及学习效果
喜欢的事与必须学会的事：教育标准如何平衡
Alpha School 的核心理念：高标准、高支持
Joe 如何从怀疑 Alpha 到成为校长
“孩子必须喜欢上学”与教育观念的冲突
Alpha 学生为什么喜欢上学甚至胜过度假
做困难的事，为什么反而能让孩子获得快乐
体育训练给学术教育的启发
为什么美国把体育和学术区别对待
高标准与高支持的导师体系
让孩子在安全环境中经历挣扎与失败
攀岩、骑行与 Alpha Tests：把困难变成成就感
AI 个性化教学与掌握度学习
一刀切课堂为何只能提供“中位数教学”
一对一辅导的效果为何过去无法规模化
布鲁姆双西格玛问题与 AI 家教
两小时学两倍：Alpha 的学习效率数据
学习科学：从脚手架到长期记忆
AI 教育工具不是聊天机器人
前置知识、注意力与真实学习效果
错误、挣扎与神经可塑性
范例教学、初次掌握与间隔重复
基础知识漏洞如何拖慢整个学习曲线
工作记忆槽位与熟练度
乘法口诀为什么会影响代数学习
SAT 数学 710 到 790：补基础带来的变化
为什么不能带着 80% 的掌握度继续升年级
动力、羞耻感与“我能做到”的自我认知
为什么动力可能占学习解决方案的 90%
把“落后三年”变成“只差 22 个小时”
个性化学习如何消除羞耻感
用奖励打破“我不是那种人”的心理障碍
从学术学习到建设者教育
Founder School：创业、财商与 100 万美元利润目标
Alpha X：把孩子真正热爱的事变成长期项目
“哲学家与建设者”：AI 时代需要什么样的人
Dream Launcher：帮助孩子从消费者变成创造者
创造、实验与真实世界的项目式学习
建设者下午：让孩子动手做事
五六年级学生如何筹办自己的音乐节
下一代实验课：从掌握知识到亲自做实验
黑客马拉松、应用开发与主动创造
教育公平、规模化与 AI 的未来
性别差距、ADHD 与个性化学习
Alpha 如何回应“只适合有钱人孩子”的质疑
收入、智商与尽责性之外，动力为何是关键
教育券、公立学校与面向 5 亿孩子的免费学习游戏
🌟 精彩内容
💡 普及入学，不等于普及学会
传统教育解决了“让所有孩子坐进教室”的问题，却没有解决“让每个孩子真正掌握知识”的问题。统一年级、统一教材和统一进度，会让学生带着漏洞不断升级，最终在更复杂的学科中集中爆发。
“我们做到了普惠入学，但没有做到普惠学会。”
💡 学习不是按年龄推进，而是按掌握程度推进
一个八年级学生可能实际只掌握了五年级的数学或阅读基础。继续给他八年级内容，并不会让他更快赶上，反而会让学习变成持续失败。真正有效的路径，是先找到缺口，从学生当前能学会的地方重新开始。
“你必须得把我拉回到大一生物的水平，告诉我，这才是你目前的水平，然后从那里开始逐步培养我。”
💡 基础熟练度决定了工作记忆能走多远
如果乘法口诀没有熟练到可以自动提取，学生在解代数题时就会把有限的工作记忆用在计算七乘八上，而不是用来理解多步骤推理。很多所谓的“粗心”或“不会高等数学”，其实可能只是基础事实没有进入熟练状态。
“解决问题的办法不是用更多代数题去轰炸他们，而是回去解决三年级的问题。”
💡 AI 的价值不是替学生作弊，而是成为精细的学习测量系统
把 ChatGPT 直接放进传统课堂，可能只会让学生更方便地逃避学习。Alpha 试图让 AI 负责评估学生掌握了什么、遗漏了什么、下一步该学什么，并通过即时反馈、范例教学和间隔重复形成数据闭环。
“给孩子们聊天机器人是行不通的，应该根据他们的水平提供个性化的教学计划。”
💡 高标准与高支持必须同时存在
低标准、高支持会让孩子失去成长机会；高标准、低支持则容易让孩子陷入挫败和羞耻。好的教育者应该像优秀教练一样，明确要求孩子完成困难任务，同时在旁边提供足够的指导、鼓励和安全感。
“真正的答案是，两者兼顾。学校应该既有高标准，又有高支持。”
💡 动力不是学习的附属品，而是学习系统的核心
当学生相信自己“落后三年”时，任务会显得不可能；当系统告诉他只需要再投入 22 个小时，行动就变得具体可行。Alpha 通过体育、创业、奖励、同伴文化和真实项目，把孩子想要的东西与必须学习的内容连接起来。
“动力占了问题的 90%，或者说是解决方案的 90%。”
💡 亲手创造，是对抗消费主义和多巴胺循环的教育方式
孩子如果长期只刷 TikTok、玩游戏或被动消费内容，很难建立“我能够做出东西”的自我认知。通过办音乐节、做实验、开发应用、创业或建设自行车公园，孩子可以在真实世界中看到自己的行动产生结果。
“人生最顶级的体验就是去创造东西。”
💡 AI 节省的不是时间本身，而是把时间还给人
如果学术知识可以通过个性化 AI 教学在更短时间内掌握，学校就不必把全天都用在讲授、作业和重复练习上。被释放出来的时间，可以用于体育、实验、社交、创业、社区贡献和人与人之间真正有温度的培养。
“它的作用是释放了人性，它把时间还给了人。”
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺
