跳到主要內容
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。

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。

你家小孩想用 AI 做遊戲。你不確定該不該讓他。查了資料，問了人，七個專家都說好。但你繼續問下去——好在哪？為什麼好？該怎麼陪？七個答案完全不同。

Papert 說好在小孩自己 debug。Resnick 說好在自由探索。Gee 說自由探索是糟糕的學習理論，好在有結構。Dweck 說好在培養成長心態。Juul 說 Dweck 搞錯了，遊戲裡的失敗確實代表你不夠好，好在它可以重來。Shapiro 說好在家長一起玩。統合分析說好在獎勵機制，但 Resnick 說獎勵會殺死動機。

我跟小孩試了。讀了十三個來源。答案比「好不好」有趣得多。

Papert 四十五年前就對了，但他預測錯了一半

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？他的學生 Resnick（Scratch 的開發者，數千萬小孩在用）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？

但 AI 繞過了 Papert 最看重的東西

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。2025 年 Andrej Karpathy 用一條推文定義了這個詞：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。

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？

我的判斷：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。

專家都說好，但他們在吵什麼

讀完七本書之後發現，支持遊戲式學習的專家幾乎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 認為最好的學習是不結構化的「tinkering」，隨便玩、隨便試、不要有預設步驟。他把環境分成「遊樂場」（playground）和「遊戲圍欄」（playpen），認為前者永遠比後者好。

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」。沒有引導的話，人類會找到一堆錯誤的模式，走進死胡同。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。

Gee 用了 Full Spectrum Warrior 當例子：玩家控制一支軍事小隊，遊戲的 AI 士兵已經知道怎麼執行陣型，玩家要學的不是操作細節，而是什麼時候、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。

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

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 刻意不放任何點數和徽章系統。

但現場證據不支持他。

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」。

Greg Toppo 在 The Game Believes in You 裡記錄了更多案例。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：數據顯示獎勵和回饋顯著提升動機（效果量 g=0.40）和參與度（g=0.44）。認知發展的效果量 g=0.46，社會發展 g=0.38。

Resnick 可能對長期效果是對的。但短期內，很多小孩需要一個外在的鉤子才會跨過「開始」的門檻。

遊戲裡的失敗，不是你以為的那樣

這是所有來源裡最讓我意外的部分。

你大概聽過 Carol Dweck 的「成長心態」：失敗不代表你笨，只是代表你還沒學會。這個理論影響了全世界的教育體系。

但事實比這複雜。

Timothy Bates 團隊的複製研究測試了超過 600 名學生，試圖複製 Dweck 最被引用的實驗。結果：效果「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。

發表在 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。

然後我讀到 Jesper Juul。

Juul 提出「失敗悖論」：我們在日常生活中避免失敗，在遊戲中不斷經歷失敗，卻主動去找遊戲來玩。為什麼？

Dweck 說失敗不代表你不夠好。Juul 說不對。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，第一次玩就通關了，一次都沒失敗。他的反應不是開心，是生氣。一年多沒再碰。

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。

Juul 還引用了一本童書叫 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。換句話說，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。

遊戲的魔法不是「失敗沒關係」。是「失敗可以重來」。

木桌上的棋子：有的站著，有的倒了，一隻手正把倒下的扶起來

課金不是問題，是教室

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」。

但如果把焦點從「控制」移到「理解」，遊戲經濟其實是小孩第一次碰到「稀缺、選擇、後果」的場景。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，只是發生在虛擬世界裡。

前陣子家裡碰到一個時刻：小孩開始理解課金的邏輯。我本來覺得不可思議，後來發現他看這套系統的方式跟我完全不一樣。那個斷層感是真的。但那不是價值崩壞，是世代差異。他們的「價值」不綁在實體世界。

當小孩是遊戲經濟的設計者而不只是消費者，他理解的東西會完全不同。課金本身不是問題，不理解課金才是。

螢幕不是毒藥，但也不是維他命

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 在 The New Childhood 裡直接開砲：AAP 的時間限制是「維多利亞時代的思維，節制和禁慾」。他的論點是，小孩不是對螢幕「上癮」。他把手機比成泰迪熊，不是毒品，是過渡性客體。「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。」

但 Shapiro 有趣的地方在於他的矛盾。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。」他在說的不是「螢幕越多越好」，而是「重點不是開多久，是你在做什麼」。

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。不是把螢幕丟給小孩然後自己去忙，是坐下來一起用。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？」

重點不是開多久，是誰在旁邊。

風險是真的

Papert 最看重的不是 debug 這個動作，是「反思自己的思維過程」。當 AI 幫你修掉所有技術問題，學到的可能是「描述我要什麼」而不是「理解為什麼做不到」。前者是消費者技能，後者是創造者技能。

Gee 在書裡也警告過這個風險。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。他說如果只是玩遊戲不去理解它怎麼被做出來的，你永遠是教眾。學會設計，才能成為祭司。

Juul 的角度更微妙。遊戲需要失敗才有意義。如果 AI 太好用，連失敗的機會都被消除了，那他說的那種有益的痛苦也消失了。

Jensen Huang 說「不要學寫程式」。Resnick 說 coding 是新的讀寫能力。他們都對了一半：不需要學寫，但需要學想。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。

十三個來源讀完，三件事

第一，debug 的對象從 code 變成了 design，但學習的本質沒變。 Papert 1980 年的直覺是對的：小孩透過「做」來學，透過「修」來思考。AI 時代「修」的東西不再是程式碼，而是遊戲機制、使用者體驗、經濟系統。不需要學語法，但需要學怎麼問好問題。

第二，課金不是問題，是場景。 遊戲經濟是小孩第一次碰到「稀缺、選擇、後果」的地方。與其禁止，不如讓他理解。當他是設計者而不只是消費者，他理解的東西會完全不同。

第三，保留失敗的空間。 Juul 說得比 Dweck 好：遊戲的魔法不是「失敗沒關係」，是「失敗可以重來」。AI 可以幫你解決大部分問題，但有些時候要故意讓它不幫。

我不知道這樣做五年後會怎樣。但跟小孩一起做遊戲的過程，是我們之間最好的對話。不是因為我在教他什麼，是因為我們在一起搞清楚一件事。

本文讀了這些來源：

書：

文章：

影片：

論文：

聲明： 以上內容為個人閱讀教育研究文獻後的整理與觀點分享，結合 AI 做遊戲的實際體驗。不構成教育或育兒建議。每個小孩的狀況不同，任何教育決定請依照自身家庭情況判斷。

你可能也想讀：

新文章上線時通知你

有新主題才通知，僅此而已。