讓小孩用 AI 做遊戲，七個專家都說好。但他們連「為什麼好」都吵不完。

某天下午，他叫我過去看他的螢幕。一個綠色的小人在黑色背景上跑，撞到紅色方塊會死，收集黃色圓點分數會加。他說這是他做的遊戲，用 AI 做的，他自己寫想要的規則然後 AI 幫他寫 code。我問他怎麼想到的。他說他不想到，他只是試試看。

這是我們之間最好的對話。我沒有在教他，我們在一起搞清楚一件事。

你去查資料，七個專家都說好。再問下去，七個答案互相矛盾。Papert 說好在他自己 debug，但他設計 debug 那一年沒有 AI。Resnick 把 Papert 的理論做成了 Scratch，然後他跟 Gee 為了「自由探索還是有結構」吵了幾十年。Gee 直接說 Resnick 那套是「糟糕的學習理論」。Dweck 的成長心態影響了全球教育體系，然後 Juul 在一本書裡說她搞錯了：遊戲裡的失敗確實代表你不夠好，而這正是遊戲有效的原因。Shapiro 批 AAP 的螢幕限制是「維多利亞時代的思維」，然後承認自家餐桌禁用所有裝置。

然後我合上瀏覽器，走回去看他的綠色小人。

七個專家都說好。但他們連「為什麼好」都吵不完。

Papert 1980 年說小孩要自己 debug，AI 時代 debug 被跳過了

1980 年，Seymour Papert 在 MIT 寫了一句話：小孩應該 program 電腦，不是被電腦 program。

他的意思很具體：讓小孩用電腦創造東西，創造的過程中碰到 bug，自己找問題在哪、修掉它。這個 debug 循環才是學習。不是看影片，不是做測驗。

他對了。電腦確實便宜到人手一台，互動式繪圖和數位音樂也出現了。但他認為學校可能會因此「枯萎並被取代」。四十五年後，學校還在，而且大多數學校用電腦做的事，剛好是 Papert 最不想看到的：讓小孩坐在螢幕前做選擇題。

為什麼預測錯了？Papert 的學生 Mitchel Resnick 後來做了 Scratch，全世界數千萬小孩在用。他給了一個答案：教育體系「頑固地抗拒改變」，還停在工業時代的流水線模式。Papert 的理論沒有問題，問題在學校不想改。

Resnick 書裡有個四年級生叫 Nicky，做 LEGO 機器人的時候馬達一直掉。他不斷換固定方式，最後發現馬達的震動很像滑板，把整個專案改成了一台「震動步行器」。技術失敗，變成全新的發明。這就是 Papert 說的：小孩在「做」的過程中碰到問題，問題本身變成新的方向。

但 Papert 沒預見的是：如果 AI 幫你 debug 了呢？

Vibe coding 把 Papert 最看重的 debug 跳過了

Papert 說學習發生在 debug 的過程。小孩自己找到 bug、分析為什麼會出錯、修掉它。這個過程讓他們學會「反思自己的思維方式」。

但 vibe coding 是另一回事。Andrej Karpathy 用一條推文定義了這個詞——他當時剛離開 Tesla 的 AI 部門：用自然語言告訴 AI 你要什麼，AI 幫你寫 code、幫你 debug。他的原話：「我甚至不看 diff，直接接受所有修改。」一年後，92% 的美國開發者每天用 AI 工具，一個台灣 YouTuber 完全不會寫程式用 AI 做了五款遊戲，一個不會程式的記者用 vibe coding 幫閱讀障礙的兒子做了 AI 家教。這些人都站在 AI 學習曲線 的第二層——進得去但看不到屋頂。

如果 Papert 的理論是對的，vibe coding 是不是繞過了最重要的學習機制？

如果你擔心小孩用 AI 是在「作弊」——debug 的對象變了，但學習沒有消失。

用 AI 做遊戲的人不 debug 程式碼。但他在 debug 遊戲設計：這關太簡單、這個機制不好玩、獎勵太容易拿到。這些是設計問題，不是程式問題。但思考過程一樣：發現問題、分析原因、提出假設、測試、修正。

AI 把 coding 那層拿掉了，露出了底下更本質的東西：設計思維。

Papert 四十五年前就對了，小孩透過「做」來學。但他沒預見 AI 會把「做」的門檻降到幾乎為零。差別不在寫不寫得出 code，在想不想得出好設計。

Resnick 說自由探索最好，Gee 說自由探索是「糟糕的學習理論」

支持遊戲式學習的專家，在每個具體問題上都互相矛盾。

第一場：自由探索 vs. 結構化教學

Resnick 的 Scratch 團隊認為最好的學習是不結構化的「tinkering」，隨便玩、隨便試、不預設步驟。他把環境分成「遊樂場」（playground）和「遊戲圍欄」（playpen），前者永遠比後者好。

James Paul Gee 直接反駁。他說讓初學者在豐富環境中自由探索是「糟糕的學習理論」和「無腦進步主義」。沒有引導，人會走進一堆錯誤的模式，然後卡在死胡同裡出不來。遊戲之所以有效，正是因為它提供「strong doctrine」，一套有序的問題，讓玩家在正確的順序中學習。他舉 Full Spectrum Warrior 當例子：你控制一支軍事小隊，遊戲的 AI 士兵已經會執行陣型，你要學的是什麼時候、在哪裡、為什麼下令。遊戲把低層技能包進「smart tools」，讓玩家專注在高層決策。

AI 做遊戲的場景天然站在 Gee 那邊。你說「我要一個有敵人的遊戲」，AI 不會丟給你一個空白畫面。AI 會連續問：敵人長什麼樣？有幾種？怎麼攻擊？血量多少？這就是 well-ordered problems。

但兩人都對。Resnick 量的是內在動機，長期不會被外在獎勵殺死的那種自發性。Gee 量的是學習效率，一個小孩在一小時內能走多遠。這是兩個不同的變數，他們各自給了自己的答案。你家小孩需要哪一個，看他現在卡在哪一關。

第二場：獎勵機制殺死動機？

Resnick 強烈反對「遊戲化」教育：點數、徽章、排行榜。他說這些外在獎勵短期刺激行為，長期殺死內在動機和創造力。所以 Scratch 刻意沒有任何點數和徽章系統。

那如果你家小孩連打開工具都不會呢？

Scientific American 報導的 Tobey's Tutor，一個媽媽用 vibe coding 做的 AI 家教，用的就是 gamification。徽章、等級、遊戲化練習。效果好到兒子反過來教媽媽「遇到困難要繼續做下去」。

The Game Believes in You 記錄了更多案例。紐約的 Quest to Learn 學校用「Boss Level」取代期末考，學生花一週設計、測試、修正自己的遊戲。七年級生發明了一款叫 Triple Turbo Ball 的實體遊戲，結合籃球、足球和美式足球的計分方式。另一間學校用 Classcraft 讓學生扮演戰士、法師、治療師，用經驗值獎勵回答問題和幫助同學。老師評價：學生前所未有地投入。

2024 年 Frontiers in Psychology 的統合分析也挑戰 Resnick：獎勵和回饋對動機的效果量 g=0.40，參與度 g=0.44，認知發展 g=0.46，社會發展 g=0.38。

同樣的指標分裂。Resnick 量的是二十年後這個小孩還會不會自己寫 code，統合分析量的是這學期他願不願意打開工具。都對。差別是你家小孩現在卡在哪一關。

Dweck 說失敗是你還沒學會，Juul 說在遊戲裡失敗就是你不夠好

「成長心態」你大概聽過。核心主張是失敗不代表你笨，只是代表你還沒學會。史丹佛的 Carol Dweck 在《心態致勝》（Mindset）裡提出這個理論，後來影響了全世界的教育體系。小學的走廊貼著「擁抱失敗」的海報，管理層的年度計畫寫著「成長心態」，你大概也在小孩把考卷翻過來的那一刻說過「沒關係，只是還沒學會」。

然後是複製研究。愛丁堡大學測試了超過 600 名學生，試圖複製 Dweck 最被引用的實驗，結果是「不夠強也不夠穩定，只能算是統計假象」。阿根廷和英國的測試也沒有效果。Dweck 自己後來承認理論被過度推廣，開始警告「假的成長心態」：光在牆上貼海報沒有用，環境必須真正支持冒險。Nature 的大規模研究測試了超過 12,000 名九年級生，效果是有的，但只有 0.1 個等第分。教育經濟學家說對低成本介入來說已經很好，批評者說微乎其微。

Jesper Juul 從完全不同的方向攻擊。他專門研究遊戲裡的失敗，從一個觀察開始：我們在日常生活中避免失敗，在遊戲裡不斷經歷失敗，卻主動去找遊戲來玩。

Dweck 說失敗不代表你不夠好。Juul 說在遊戲裡，失敗確實代表你不夠好，而這正是遊戲有效的原因。

他買了一款益智遊戲叫 Meteos，第一次玩就通關，一次都沒失敗。他寫：他生氣了。一年多沒再碰那款遊戲。

我們不喜歡失敗，但我們更不喜歡不失敗。

遊戲給你的是「安全的不夠好」。你可以重來。你可以怪遊戲設計太爛。你可以故意用最蠢的方式玩（Juul 觀察到 Skate 2 的玩家會故意讓角色頭朝下撞進垃圾桶，然後上傳影片）。遊戲給你「推卸責任的合理藉口」。

學校給你的是「真正的不夠好」。考砸了就是考砸了，沒有重來。

兩個人都對，但他們講的是不同的場所。Dweck 在學校是對的：她在教一套給沒有重來機會的場合用的心理工具。Juul 在遊戲裡是對的：他在解釋為什麼可以重來的失敗反而能吸住人一年多。小孩用 AI 做遊戲的時候，他站在兩個場所的中間。他有一個可以重來的環境，而他在這個環境裡做的事，會決定他未來怎麼面對真正不能重來的失敗。

教室裡的失敗沒有下一關。遊戲裡的失敗有。

Juul 最後引用了一本童書叫 Liam Wins the Game, Sometimes，教小孩的是：輸了覺得難過完全可以，但不能崩潰。小孩從很小就被教導要接受失敗的痛苦才能繼續玩。Juul 的結論：失敗悖論是哲學家爭論不休的問題，但我們在幼兒園就開始教了。玩遊戲的時候，每個人都是哲學家。

可以重來的失敗。這五個字是 Juul 說的，也是小孩在螢幕前跟我試做遊戲時我一直想的五個字。

課金是小孩的第一堂經濟學課

Gee 說遊戲裡有效的學習有幾個特徵：成本低、回饋即時、動機真實。遊戲裡的經濟系統全部符合。

台灣家長對課金的焦慮，多半集中在「小孩會不會偷刷卡」。新聞報導小六生偷刷 5.5 萬買手遊點數，家長崩潰。人本教育基金會建議「跟孩子約法三章、控制玩樂時間和開支」。

前陣子家裡碰到一個時刻：小的第一次搞懂「花真的錢買虛擬東西」。大的早就不覺得這有什麼，但小的那個表情我忘不了。他在算——金幣怎麼來、花在哪、什麼東西值得買。這些是經濟學的基本概念，他不知道名字，但他在做。

我本來覺得不可思議，後來發現問題在我不在他。他在那邊學經濟，我在那邊擔心他學壞。他看這套系統的方式跟我完全不一樣。那個斷層感是真的。那是一堂我沒安排的經濟學課。

當小孩是遊戲經濟的設計者，他看這套系統的角度跟消費者完全不同。把課金當問題的是我，他在解這一題。

Shapiro 批 AAP「維多利亞時代思維」，但自家餐桌禁用所有裝置

台灣家長的螢幕焦慮是真實的。亞洲大學的調查：24.3% 的父母覺得孩子沉迷 3C 難以管教、23.1% 不給 3C 小孩就發脾氣、24.1% 常因為 3C 跟小孩起衝突。

Jordan Shapiro 自己也在帶小孩。他對 AAP 的時間限制直接開砲：「維多利亞時代的思維，節制和禁慾」。他的論點是，小孩對螢幕不算「上癮」。他把手機比成泰迪熊。過渡性客體，不是毒品。「小孩不是對裝置上癮，他們在任何可以使用的時候都用，因為他們覺得被螢幕擁抱了。」

他在書裡大力批評螢幕恐慌，自己家的餐桌卻是禁止使用任何裝置的。他承認：「晚餐不是我們家庭生活的中心。」他在說的是：重點不在開多久，在你做什麼。

AAP 2023 年也更新了指引，開始區分「創造性螢幕使用」和「被動消費」。做遊戲和看 YouTube 不一樣。

Shapiro 有一個詞叫「joint media engagement」，一起用螢幕。他說這比限制螢幕時間有效得多。他的意思是坐下來跟小孩一起玩，不是把螢幕丟過去自己跑去忙。他建議家長玩完遊戲之後問小孩一個問題：「如果用遊戲世界的方式解決你跟同學的衝突，會怎麼做？」

重點在誰坐在他旁邊。

Jensen Huang 說不要學寫程式，Resnick 說 coding 是新的讀寫能力

Huang 說的有道理：AI 幫你寫 code、幫你 debug、幫你部署，學程式語法正在變成學打字機——很快就不需要了。

但 Papert 最看重的從來不在語法上。他在意的是「反思自己的思維過程」。當 AI 幫你修掉所有技術問題，你學到的是怎麼描述需求。你沒學到的是當它做不到的時候，找出為什麼。消費者只需要前面那個能力。

Gee 在書裡把這個風險推得更遠。他把社會分成兩種人：「laity」（教眾），被動消費技術但不理解它怎麼運作；和「priests」（祭司），掌握技術深層秘密的人。如果只是用 AI 做遊戲不去理解它怎麼運作，你永遠是教眾。這條線也是 AI agent 信任危機 的核心——寫這些工具的開發者自己都不敢把 agent 放進自己的電腦，而我們在討論要不要放進小孩的房間。

Juul 說得更直接：遊戲需要失敗才有意義。如果 AI 太好用，失敗的機會全部被它接走，那他說的那種有益的痛苦也消失了。

Resnick 說 coding 是新的讀寫能力。如果你正在猶豫要不要讓小孩學程式——他跟 Huang 都對了一半。寫可以讓 AI 做。要怎麼想還是得自己練。而「學想」需要有一些時候，AI 不幫你。

成長心態的研究告訴我們：光說「擁抱失敗」沒有用。環境必須真正允許失敗、支持重來。Dweck 自己承認，學校在牆上貼一張「我們擁抱失敗」的海報不會改變任何事。

遊戲天然提供這種環境。前提是你不要讓 AI 把所有困難都解決掉。

你打算讓 AI 幫他到哪裡為止？

我又回到那個綠色小人的畫面前。七個專家的話擺在那裡。留在我腦子裡的，是 Juul 的那五個字。

可以重來的失敗。

他說這是遊戲的魔法。我現在覺得這是 AI 時代育兒最重要的一個空間。Dweck 的走廊海報掛了這麼多年也沒有真正改變任何事。因為學校給不了可以重來的失敗。遊戲能給。AI 做的遊戲也能給。但只有在 AI 不替小孩把失敗收掉的時候。

於是問題換了。你打算讓 AI 幫他到哪裡為止？

Papert 的 debug 他自己走過嗎，還是三次失敗後 AI 就替他 try-catch 掉了？遊戲經濟裡的金幣怎麼來、花在哪、什麼東西值得買，他都看懂了嗎？他卡住的時候，你在不在旁邊。

這些答案不在任何一本書裡。到目前為止我的判斷依據是他的表情。跟釀啤酒一樣，有些東西沒有配方，靠的是你盯著它發酵的那些時間。

---

下次走進他的房間看他做遊戲，先不要問他在做什麼。看他卡在哪裡。

---

本文讀了這些來源：

書：

• Mindstorms: Children, Computers, and Powerful Ideas — Seymour Papert
• Lifelong Kindergarten: Cultivating Creativity through Projects, Passion, Peers, and Play — Mitchel Resnick
• Good Video Games and Good Learning — James Paul Gee
• The New Childhood: Raising Kids to Thrive in a Connected World — Jordan Shapiro
• Mindset: The New Psychology of Success — Carol S. Dweck
• The Game Believes in You: How Digital Play Can Make Our Kids Smarter — Greg Toppo
• The Art of Failure: An Essay on the Pain of Playing Video Games — Jesper Juul

文章：

• How One Mom Used Vibe Coding to Build an AI Tutor for Her Dyslexic Son（Scientific American）
• Debate Arises over Teaching "Growth Mindsets" to Motivate Students（Scientific American）
• A Semantic History of Vibe Coding（CodeRabbit）
• Vibe Coding for Kids: The Ultimate Guide（CodaKid）

影片：

• 零基礎用 AI 做遊戲：不花一分錢，從陽春到華麗的全過程（Debug 土撥鼠）

論文：

• Game-based learning in early childhood education: a systematic review and meta-analysis（Frontiers in Psychology, 2024）

---

你可能也想讀：

• AI Agent 最大的安全漏洞，開發者自己不敢用 — 如果你在讓小孩用 AI，這篇告訴你 AI 的信任問題不只是大人的事
• 一樓到屋頂：AI 學習曲線的真相 — 大部分人用 AI 都卡在一樓。這篇幫你看到屋頂長什麼樣