货物崇拜科学：费曼 70 年前在巴西发现的教育绝症，今天正在 AI 时代全面复发

1952 年，里约热内卢。一位 34 岁的美国物理学家站在窗边，指着窗外波光粼粼的海湾，问他的学生们一个简单的问题。他得到了教科书般的完美回答——然后发现，没有一个人真正理解自己在说什么。

一、满分学生的"完美"回答

1951 年，理查德·费曼（Richard Feynman）接受巴西政府的邀请，来到里约热内卢物理研究中心执教。他的学生是巴西最优秀的物理学子——未来的大学教授、科研骨干，整个国家科学教育的希望。

第一堂课，费曼就感到了一种说不出的违和感。

他问一个问题，学生们立刻齐刷刷地举手回答。答案精准、流畅、一字不差。再问同一个问题，换一种表述方式——沉默。一片茫然。

"就好像他们背下了整本教科书，但完全没有理解。"

费曼决定做一个测试。他拿起一块偏振片（polaroid），走到窗边，指着外面阳光照射在海面上的反射光：

"看，海湾上的阳光正在反射。如果我透过这块偏振片看那个反射，然后转动它，会发生什么？"

沉默。

"布儒斯特角（Brewster's Angle），" 一个学生终于开口了，"就是当光从折射率为 n 的介质表面反射时，如果入射角的正切值等于折射率，反射光将完全偏振，电场方向垂直于入射面。"

完美的教科书答案。一字不差。

"但我的问题是——"费曼把偏振片递过去，"你试试看。"

学生接过偏振片，透过它看向海面，缓缓转动。反射光忽明忽暗。

他惊呆了。

这不是他在课堂上学到的东西。他背下了布儒斯特角的定义，却从未想过这个定义描述的是一个真实存在的物理现象——此刻就在窗外发生着。

费曼又拿出一块方解石（calcite）晶体，让光穿过它，投射出两束偏振光。学生们瞪大了眼睛——他们学过双折射，能默写公式，但从未真正见过光穿过方解石的样子。

"你们学过偏振光，" 费曼说，"但你们从未看过偏振光。"

二、一本教科书，一场尸检

学期末，学生们邀请费曼做一场演讲，谈谈他在巴西的教学体验。台下不仅有学生，还有教授、政府官员。

费曼答应了，但提了一个条件："我必须想说什么就说什么。"

"当然，当然，言论自由嘛。"他们笑着说。

费曼走上讲台，手里拿着巴西大学一年级用的物理教科书。

"这本书，"他说，"被认为是一本特别好的教科书，因为它用了不同的字体——最重要的东西用粗黑体，次要的用细体。"

他翻开书，随便指了一处。

"看这里——粗黑体。这是作者想让学生记住的东西。"

他翻到另一页，又指了一处。

"这里也是粗黑体。"

他继续翻。

"这里还是。到处都是。"

"这本书里没有任何非粗黑体的内容。"

台下笑声渐起，但费曼没有笑。

"这不是一本教科书，"他说，"这是一本答案手册。它告诉学生要记住什么，但从不告诉他们为什么。它把知识变成了需要背诵的清单，而不是需要理解的世界。"

然后他说出了那句后来被反复引用的话：

"我看不到任何人如何能通过这样一个自我繁殖的系统受到教育——人们通过考试，然后教别人通过考试，但没有人真正知道任何东西。"

台下死一般的沉默。

然后，科学教育系主任站了起来。

"费曼先生告诉了我们一些很难听的话，但他显然是真正热爱科学的，他的批评是真诚的。因此，我认为我们应该听他的。我来这里时就知道我们的教育系统有病；我今天学到的是——我们得的是癌症。"

他坐下了。

这句话打开了闸门。学生们纷纷站起来，提出建议，组织委员会，准备改革。

然后，一个学生站了起来。

"费曼先生在演讲最后提到，他的班上有两个学生表现很好。我就是其中之一。我不是在巴西受的教育——我是在德国受的教育，今年才来巴西。"

另一个"好学生"也站了起来："我也是在国外受的教育。"

费曼提到的那个"在巴西教育体系下成长起来的优秀物理学家"也站了起来："我是在战争期间受的教育，那时候所有教授都离开了大学，我是完全靠自学学会物理的。"

100%。 费曼后来写道，"我知道这个系统很糟糕，但没想到是 100%——它太可怕了。"

三、"货物崇拜"：看起来像科学，但不是科学

1974 年，费曼在加州理工学院的毕业典礼上发表了一篇后来被称为 "货物崇拜科学"（Cargo Cult Science） 的著名演讲。

这个词来自二战后的太平洋岛屿。岛民们看到美军在岛上修建跑道，飞机就会降落，带来各种物资——食物、工具、收音机。战争结束后，美军离开了，但岛民们想要那些"货物"继续到来。于是他们修建了假的跑道，用竹子搭了假的控制塔，戴上椰壳做的耳机，模仿他们看到的机场运作流程。

一切看起来都和真的一样——除了飞机不会来。

费曼说，科学界也存在同样的现象：

"他们遵循所有的形式和仪式——他们收集数据、发表论文、参加会议——但他们没有做科学中最重要的事情：诚实地面对自己的错误。"

在巴西，费曼看到的是教育版的货物崇拜：

• 学生们背诵公式 ✓
• 学生们通过考试 ✓
• 学生们获得学位 ✓
• 学生们成为教授 ✓
• 学生们教下一代背诵公式 ✓

一切看起来都和真的一样——除了没有人真正理解任何东西。

这不是巴西独有的问题。费曼在 1963 年美洲物理教育大会上的演讲中明确指出：

"拉丁美洲物理教学的问题，只是任何地方物理教学问题的一部分。事实上，它是任何地方任何学科教学问题的一部分——一个至今没有令人满意解决方案的问题。"

四、费曼的诊断：三个致命症状

症状一：纯记忆式学习

"最严重的问题，我认为，是几乎完全通过纯粹的、绝对的死记硬背来教学和学习。这根本不是在教物理作为一门科学。什么都没有被理解；只是被记住了。"

费曼举了一个望远镜的例子：

"望远镜是一个有趣的装置——制作它、理解它、透过它看、玩弄它。它改变了人们的思想方向。但在拉丁美洲，人们学到的是：有四种望远镜——牛顿式、卡塞格林式等等。第一种中，像是虚的、倒的，等等。望远镜消失了。不再有透镜，不再有星星，不再有眼睛，不再有光——只有不需要理解的、被记住的词语。"

症状二：面子文化扼杀提问

"学生们不能和其他学生交谈；他们看不到某些同学有多么愚蠢。这主要是出于某种心理原因。他们不想被发现不确定，因为会被嘲笑。他们不能在课堂上提问，因为其他人会说：'你为什么要浪费大家的时间？每个人都知道这个。'"

费曼发现，这种"面子文化"创造了一个恶性循环：

1. 没人敢提问 → 没人暴露自己的无知
2. 没人暴露无知 → 所有人都假装知道
3. 所有人都假装知道 → 真正的讨论被扼杀
4. 没有讨论 → 没有真正的学习

"这是一种可笑的状态，这种奇怪的、自我繁殖的'教育'——毫无意义，完全毫无意义！"

症状三：系统自我繁殖

最可怕的不是个别学生不理解，而是整个系统在自我繁殖无知：

• 不理解的毕业生 → 成为教授 → 教出不理解的学生 → 成为教授……

费曼用了一个精妙的比喻：

"这些学生就像书本，不多不少。我可以在书的索引中找到'布儒斯特定律'，得到和学生回答等价的信息。但在索引中我找不到'阳光在海湾上的反射'。这些学生知道什么是一本书中不容易直接查到的吗？"

"谁想要这样的学生在工厂里工作，当一本不需要食物和维护的书，日复一日地站在那里，随时准备给出同样充分的回答？"

五、费曼的药方：真正的学习是什么

费曼在 1963 年的演讲中列出了教授物理的五个理由，每一个都指向同一个核心——理解，而非记忆：

1. 物理是技术的基础

"知道物理的人将更有能力应对工业中出现的各种技术问题。"——但前提是他们真正理解物理，而不是只会背诵公式。

2. 科学教会你"动手"

"它教会你许多操作东西的技巧——测量和计算的技巧——这些技巧的应用远超特定的研究领域。"——纯记忆做不到这一点。

3. 科学本身就是乐趣

"科学是人类的活动；对许多人来说，它是巨大的乐趣，不应该仅仅因为教育系统的缺陷，就剥夺世界上一大部分人的这种乐趣。"

4. 理解自然的美

"研究自然的一个好理由是欣赏它的奇妙和美丽，即使你不会成为一个积极工作的职业科学家。这种对自然的了解也给人一种关于世界的稳定感和真实感，驱散许多恐惧和迷信。"

5. 学会"如何发现"

"科学是一种教会'事物是如何被发现的'的方法——什么是未知的，事物在多大程度上是已知的（因为没有什么东西是绝对已知的），如何处理怀疑和不确定性，证据的规则是什么，如何思考事物以便做出判断，如何区分真理与欺诈、与表演。"

这第五点，是费曼认为最重要的。他称之为 "科学的精神" ——不是知识的积累，而是思维的转化。

六、70 年后的今天：AI 时代的"货物崇拜科学 2.0"

费曼在巴西发现的教育绝症，并没有随着时间消失。事实上，2024-2025 年的最新研究表明，它正在以更隐蔽、更危险的形式全面复发。

6.1 "元认知懒惰"：AI 让背诵变得不再必要，但理解也没有增加

2025 年 1 月，俄勒冈州立大学的研究者 Joseph Slade 在一篇综述中总结了几项关键研究：

实验一：ChatGPT 写作文（Fan et al., 2025）

• 117 名中国大学生被分为四组：使用 ChatGPT、人类写作教练、检查清单工具、无辅助
• ChatGPT 组的作文质量最高 ——甚至超过了人类教练组
• 但学生在材料学习、动机和兴趣方面 没有任何提升
• 研究者发现 ChatGPT 使用者更少查阅原始资料，更倾向于直接复制粘贴 AI 生成的文本
• 结论：ChatGPT 使用有培养 "元认知懒惰"（metacognitive laziness） 的风险

实验二：GPT-4 数学辅导（Bastani et al., 2025）

• 近 1000 名高中生参与
• 两种 GPT-4 辅导模式：标准 ChatGPT（"GPT Base"）和学习导向型（"GPT Tutor"）
• 使用期间，两组解题能力分别提升了 48% 和 127%
• 但移除 AI 后，GPT Base 组的成绩比无 AI 组低了 17%
• 过度依赖 AI 反而损害了技能保留

6.2 从"背诵公式"到"背诵 AI 的回答"

费曼时代的学生背诵教科书。今天的学生不需要背诵了——他们只需要问 ChatGPT。

但结果是一样的：没有理解。

形式变了，本质没变。 费曼所说的"货物崇拜科学"——看起来像科学但不是科学——正在变成"货物崇拜学习"——看起来像学习但不是学习。

6.3 更危险的是：AI 让"假装知道"变得更容易

费曼在巴西最痛心的发现之一是学生的"面子文化"——所有人假装知道，没人敢提问。

AI 让这个问题更严重了：

• 不需要理解就能给出正确答案 → 没有暴露无知的机会
• 不需要提问就能获得信息 → 没有讨论和辩论的空间
• 不需要动手做实验 → 没有与真实世界互动的体验

2025 年 8 月，EdWeek 的调查显示：超过 60% 的教师担心 AI 会阻碍学生的批判性思维能力发展。

这和费曼 70 年前的观察如出一辙——只是工具从"教科书"变成了"AI"。

七、费曼检验法：70 年后仍然是判断"是否真正学会"的黄金标准

费曼从未正式提出过所谓的"费曼学习法"——这个概念是后人根据他的教学理念总结出来的。但他的核心理念极其清晰：

第一步：关闭所有资料

"合上书本。如果你不能不看笔记就解释清楚，说明你还没有真正理解。"

第二步：用最简单的语言解释

"如果你不能用大白话向一个外行解释清楚，说明你自己也没有真正理解。"

第三步：应用到新情境

"真正的理解意味着你能把知识用到你从未见过的情况中。"

这正是费曼在巴西做的测试——他不是问"布儒斯特角是什么"，而是问"如果你透过偏振片看海面上的反射光，转动它，会发生什么"。

从定义到应用，从记忆到理解——这就是费曼检验法的精髓。

在 AI 时代，费曼检验法可以这样操作：

1. 关闭 AI。不使用 ChatGPT、不使用搜索引擎，只凭自己的理解来解释一个概念。
2. 用大白话写出来。如果你发现自己只能用术语堆砌，说明你还没有真正理解。
3. 找一个新场景应用。不是教科书上的例题，而是你生活中遇到的、需要这个知识来解释的真实问题。
4. 如果卡住了，回到原始资料——不是问 AI，而是回到教科书、论文、实验数据。

八、从费曼到 SELF-TUNING：AI 如何帮助而非伤害学习

讽刺的是，AI 本身也可以成为费曼式学习的工具——前提是正确使用。

2024 年，ACL 2025 发表了一篇题为 "SELF-TUNING: Instructing LLMs to Effectively Acquire New Knowledge" 的论文。研究者受到费曼学习法的启发，设计了三种训练策略：

1. 记忆（Memorization）：让模型阅读训练文档
2. 理解（Comprehension）：让模型回答关于文档的问题
3. 应用（Application）：让模型在新情境中使用学到的知识

结果发现，只有同时包含这三个层次的训练，模型才能真正"学会"新知识 ——单纯记忆是不够的。

这和费曼对人类学习的观察完全一致。

AI 作为费曼式学习工具的正确用法：

九、费曼的警告：坏教学比不教学更可怕

费曼在 1963 年的演讲中引用了吉本（Edward Gibbon）的话：

"教学的力量几乎没有什么效果，除非在那些天赋聪颖、几乎不需要教学的人身上。"

然后他反驳道：

"这不完全正确。好的教学确实如此，但坏教学可以非常有效地让人感到某个学科无比无聊。"

"有可能摧毁学生通过在图书馆发现一本小书、买一个玩具、一个化学实验套装或一个小电动机——通过玩耍——所获得的兴奋和兴趣。事实上，教育中最重要的兴趣激发来源之一，就是一个玩具、一本特别的书，以及那些足够自由、不受教育系统束缚、能够保持孩子们的兴奋和灵感的少数教师。"

这句话在 AI 时代更加振聋发聩。

如果 AI 被用来替代思考而非辅助思考，它就是最有效的"坏教学"——它让学习看起来毫不费力，但真正的理解从未发生。

十、结语：70 年后，费曼在看着我们

1952 年，费曼在巴西发现了一个教育系统的"癌症"。

1974 年，他把这个发现推广为对整个科学界的警告——"货物崇拜科学"。

2025 年，这个"癌症"正在以 AI 为载体，以前所未有的规模在全球蔓延。

但费曼也给了我们希望。他在巴西的演讲最后说：

"我从研究工作者理解科学真正是什么的泉源中——真正的探究精神将降落在他们的学生身上，以及学生的学生身上，最终，如果事情组织得当，渗透到整个教育系统，加速国家的技术发展。"

真正的学习不是知识的积累，而是思维的转化。

真正的教育不是让学生通过考试，而是让他们学会 如何面对自己不知道的东西。

真正的科学不是背诵公式，而是 诚实地面对自己的错误。

70 年后，费曼的检验法仍然是判断"是否真正学会"的黄金标准：

关闭资料。解释知识。应用到新情境。

如果你做不到——不管你的考试分数有多高，不管你的 AI 助手有多强——你还没有真正学会。

参考资料

1. Feynman, R. P. (1985). Surely You're Joking, Mr. Feynman! W. W. Norton. (Brazil chapter)
2. Feynman, R. P. (1974). "Cargo Cult Science." Caltech Commencement Address.
3. Feynman, R. P. (1963). "The Problem of Teaching Physics in Latin America." First Inter-American Conference on Physics Education, Rio de Janeiro. Caltech Archives
4. Fan, Y., et al. (2025). "Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance." British Journal of Educational Technology, 56(2).
5. Bastani, H., et al. (2025). "Generative AI without guardrails can harm learning: Evidence from high school mathematics." PNAS, 122(26).
6. Slade, J. J. (2025). "AI in education: Enhancing learning or eroding critical thinking?" Oregon State University.
7. SELF-TUNING (2025). "Instructing LLMs to Effectively Acquire New Knowledge." ACL 2025 Findings.
8. Wu, Y., & Yu, Z. (2024). Meta-analysis of AI chatbot impact on student learning outcomes.