當答案不再稀缺，我們怎麼學會思考？沈裕昌與沈伯丞對談AI之後的藝術教育

編按：
這場對談源於《典藏．今藝術&投資》為「AI之後，怎麼學藝術？」專題進行的一項教師與學生調查。問卷中，學生一方面已經習慣使用AI協助研究、整理資料與發想，另一方面也擔心過度依賴工具，影響自己的思考與創作能力。值得注意的是，儘管師生使用AI的經驗與態度有所不同，卻都相當重視「批判思考」這項能力。然而，批判思考究竟該如何培養？學生要怎麼學會提問、思考與判斷？教師又能如何引導？為了進一步理解這些問題，編輯部邀請沈裕昌與沈伯丞展開對談。兩人都長期關心藝術教育，卻有不同的學習背景與教學方式。這場討論也逐漸超出AI工具的使用，回到藝術教育原本就應該認真面對、卻未必已經處理好的問題。

在沈裕昌的課堂上，學生可以使用Google，也可以向AI尋求答案，但有一件事無法省略：他們必須當面回答老師的問題。「因為你用了你還是得當面回答我啊，我會追問你。」沈裕昌說。他並不特別鼓勵學生使用AI，也沒有禁止。對他而言，學生從哪裡找到答案不是最重要的事情，重要的是當別人繼續追問，他是否真的能夠回答。
沈伯丞的做法則不同。早在2022年前後、生成式AI工具開始出現時，他就鼓勵學生嘗試與AI互動，甚至利用Midjourney進行作品描述的練習。他讓學生先以文字描述一件藝術作品，再將文字交給AI生成圖像，從兩者的差異檢視自己是否說清楚了看到的東西。後來，他也透過AI協助學生整理文字，或者讓學生回頭觀察自己在一連串問題中做了什麼選擇。

表面看起來兩人對AI進入課堂的態度相當不同，但隨著談話展開，會發現他們關心的並不只是如何使用一種新工具，而是學生究竟如何學會思考。當AI能夠快速提供資訊、組織論述，甚至生成看似完整的作品，原本用來判斷一個人是否理解、是否具有創作能力的方法，還足夠嗎？而那些經常被認為是藝術教育核心的能力，例如提問、觀察、判斷與創造，究竟是怎麼學會的？

能夠回答問題，就代表真正理解了嗎？

AI愈來愈擅長提供答案，學生是否就更容易跳過思考？沈裕昌沒有立即接受這個前提。他認為，所謂「不懂裝懂」，遠在AI出現之前就已經存在。從蘇格拉底以來，人們便不斷面對一個問題：一個人可能以為自己理解了某件事，卻不知道自己其實還有許多不懂的地方。書寫、印刷、搜尋引擎都曾改變知識取得的方式，AI只是這個漫長歷史中的新形式。甚至，AI是否真的讓問題變得更明顯，他也有所保留。「或者是說它其實也隱藏得更好」，他反問。當機器能提供條理清楚、看似具有推論能力的回答，人可能更加難以辨認自己到底理解多少。

他以自己曾有過的學習經驗為例。有些老師非常擅長引導討論，學生在課堂上彷彿也跟著變得很會思考，但離開那個環境後，卻發現自己無法維持同樣的思考能力。這種經驗使他意識到，即使是優秀教師的引導，也不等於學生已經真正學會。AI或許帶來類似的情況：使用者在流暢的問答過程中，感覺自己想通了許多事情，卻未必能夠在沒有協助時重新完成思考。

沈伯丞從另一個角度回應。他認為，AI並不是一位會主動帶領學生思考的聰明老師，而是會隨著使用者提出的問題作出回應。因此，一個人原本的提問能力與視野，會大幅影響他從AI得到什麼。「你的提問框架決定性地決定了你找到的資訊或答案的邊界」，他說。

如果一開始便將問題設定在狹窄的範圍內，即使AI提供大量資訊，使用者也可能只是沿著既有的方向愈走愈深，而沒有發現其他可能性。沈伯丞甚至認為，AI的能力越強，使用者越需要意識到自身提問方式的限制。

這也解釋了為什麼沈裕昌不急於將AI納入所有教學練習。在大學部課程中，他要求學生做筆記，並以課堂筆記為基礎撰寫心得。學生可以手寫、打字，甚至參考、謄寫別人的筆記，但不能以直接複製檔案取代閱讀。他在乎的不是手寫本身，而是學生有沒有經過理解與整理的過程。

研究所課程則採取另一種方式。他只要求學生提出一頁A4的研究提綱，甚至不必完成一篇小論文，但學生必須在課堂上發表，回答他的追問，也接受其他同學提問。有時他還會將學生向同學提出的問題列入評分。準備一份看似完整的論述並不困難，困難的是當別人從不同角度發問時，能否繼續思考，而不是重複原先準備好的答案。
如果答案愈來愈容易取得，教育真正需要確認的，或許就不只是學生能不能回答一個既定問題，而是他能否理解問題如何形成，並且在新的追問面前繼續思考。然而，這也帶出更困難的問題：如果提問能力如此重要，究竟該怎麼教？

學生需要學會提問，但提問究竟怎麼教？

沈裕昌認為，提問是一門「手藝」。他不相信存在一套可以適用於所有對象的標準程序。面對不同的文本、作品或思想，需要提出不同的問題，甚至必須為了理解某個特定對象，重新發展自己的方法。他所說的手藝，並不是神祕、無法學習的天賦，而是必須透過示範與反覆練習逐漸掌握的能力。

在文本閱讀課程中，他要求學生不要只摘要作者說了什麼，而是反過來思考：作者究竟提出了什麼問題，才會寫出這段文字作為回答？學生必須將文章的每一段還原成問題，再將幾個段落的問題歸納為一個較大的問題，進一步理解章節之間的關係，最後找出整篇文章真正關心的問題意識。完成這個過程後，學生還必須沿著這些問題繼續追問，試著提出自己的回答。

沈裕昌將這種閱讀方式比喻為編輯工作。好的編輯不只整理作者提供的資訊，有時還必須比作者更清楚，他到底想處理什麼問題。學生閱讀思想家的著作也一樣，不是要搬移對方的知識，而是理解這些思想如何被一步步推導出來。

沈伯丞對提問的理解卻有不同的出發點。具有工程背景的他認為，既然提問涉及一連串思考與選擇，就應該有可能將這個過程拆解成可以學習、分析及改善的程序。「問問題應該是可以被拆解成一個工程程序。」他說。

在他看來，問題有不同的層次，而提問的層次也會影響接下來知識發展的範圍。他以西方藝術史為例：當透視法成為繪畫的基本技術，藝術家可以在這個框架內處理光線、色彩等問題；但當藝術家開始質疑透視法本身，便可能開啟另一種創作方向。到了杜象，問題甚至進一步轉向藝術究竟是什麼。這些例子要說明的不是藝術史必然沿著固定階段進步，而是當提問的層次改變，原本被視為理所當然的創作條件，也可能重新成為問題。

沈伯丞很早便試著把這種想法帶入AI教學。生成式AI工具開始出現時，他鼓勵學生與AI互動，不只是為了取得答案，也為了讓學生觀察自己如何提問。他特別注意AI提供後續問題選項的功能。當學生提出一個問題，工具可能建議幾個可以繼續探索的方向。學生選擇其中一條路，再接著選擇下一個問題。沈伯丞在意的不是學生究竟選了哪一題，而是這一連串選擇最後走向哪裡。

如果問題愈問愈窄，是否表示學生始終受到某種思考框架限制？如果在某個節點選擇另一個方向，最後得到的知識又可能有什麼不同？當學生回過頭檢視這條問題鏈，也就有機會發現自己總是關注哪些事情，又忽略了哪些可能性。他也希望進一步發展可檢驗提問層次的訓練方式，讓學生不必始終依靠教師在場，也能獲得回饋、修正自己的問題。

這是兩人最明顯的分歧。沈裕昌強調，每個對象都有獨特性，學生需要逐漸發明自己的提問方法；沈伯丞則希望透過分析與工程化，讓提問能力不必只仰賴個人的天分或少數老師的示範。然而，隨著討論深入，兩人也逐漸釐清，手藝與工程並不一定互相排斥。

沈裕昌指出，工程如果能夠透過回饋不斷調整，而不是依照封閉的程序重複操作，其實也具有手藝的特質。沈伯丞則借用默會知識與外顯知識的區分，說明他並不否認思考中有難以完全說清楚的部分，只是希望盡可能將其中能夠被分析與傳授的部分，轉化為更多人可以學習的方法。他尤其不認為藝術教育應以培養天才作為唯一目標。多數學生未必能成為傑出的創作者或思想家，但如果透過系統性的訓練，能夠提升觀察、思考與提問的能力，教育便有其價值。

沈裕昌同樣不贊成精英教育，只是他更強調學習中無法被完整傳授的部分。「其實我沒有辦法教。那我只能示範我怎麼學。」他說。教師可以示範、引導，但學生終究需要自行發現並建立自己的學習方式。

兩人討論的因此不只是提問能不能被教，而是教育如何同時提供可以學習的方法，又不讓學生被既有的方法限制。這個問題在AI出現後更值得思考：當工具能夠提供愈來愈完整的思考程序，學生是否也能意識到這些程序的限制，甚至發展出不同的方法？
學藝術，不只是學會做出樣子。

提問能力對不同學科都有意義。但回到藝術教育，究竟有哪些特別值得重新思考的地方？

沈伯丞表示，藝術相關科系的學生，在文字敘事上常有邏輯不夠清楚的問題。為了說明一個想法，學生可能繞了很大一圈，仍然無法表達核心。他因此要求學生將自己寫的文字交給AI整理，再自行修改AI整理後的版本。這個過程不是讓AI代替學生寫作。他希望學生透過反覆比較，逐漸掌握如何清楚組織自己的敘事，同時把自己的語言習慣、感性與觀察重新放回文字之中。而他更早進行的一項練習，則是讓學生利用Midjourney，反過來檢驗自己的描述能力。

他以塞尚的聖維克多山為例，要求學生先用文字描述眼前的畫作，再將描述交給AI生成圖像。生成的結果未必與原作相似，學生便需要檢視自己的文字究竟傳達了什麼，又遺漏了哪些特徵。反覆修改的確能使描述更加精確，但沈伯丞認為，真正有意思的發現並不只是學生變得更會描述，而是有些特徵會在每一次描述中反覆出現。原來面對同一件作品，每個人所注意的部分並不相同。有人可能對色彩特別敏感，有人則不斷強調某種空間或形式關係。這些差異不必然是觀察不夠客觀所造成的缺點，也可能顯示觀看者自己特別在意的部分。對沈伯丞而言，這正是未來研究與創作可以繼續發展的線索。AI生成的圖像在此並不是作品的替代品，而是一個讓學生重新認識自身觀看方式的媒介。

沈裕昌也很重視描述，但他提醒，描述的目的不只是精確地重現所見。就像畫素描一樣，不可能將眼前所有細節都畫下來，每一次觀看與描述，都涉及如何選擇重點、建立關聯。他認為，描述其實是在將大量雜訊轉換成具有結構的資訊，而這個過程甚至未必完全依靠語言。從這裡再往前一步，便會進入藝術創作本身。

沈裕昌觀察到，有些藝術學生看過大量展覽與作品，熟悉不同藝術家如何使用材料、安排燈光、展示作品，甚至知道當代藝術流行哪些形式語言。但看得多，不一定代表真正理解藝術家為什麼這樣做。在他看來，這與傳統上將「臨摹」理解為模仿技術的問題相似。臨摹真正值得學習的，不只是如何畫得像，而是藝術家為什麼採用這種方式。

他以藝術修復作為比喻。修復作品的人需要理解原作如何形成，不只是掌握同樣的技術，還要辨認藝術家在作品中留下的判斷與推理痕跡。因為作品真正值得保存的，不只有它最後的形式，也包括形成這個形式的過程。同樣地，他認為藝術史如果是教給創作者，就不應只讓學生站在鑑賞者的位置，認識一件作品的年代、風格、背景及相關知識。創作者還需要問：為什麼要製作這件作品？為什麼採取這個解法？如果自己面對同樣的問題，能不能做出不同的選擇？這也連結到兩人對當前藝術創作教學的共同質疑。

沈伯丞認為，藝術學生太習慣從「我的感覺」開始說明創作，卻很少繼續追問：為什麼是這個感覺？為什麼它對自己如此重要？如果沒有這些自我提問，學生可能始終停留在個人感受的陳述，而沒有真正形成值得發展的創作問題。

沈裕昌則認為，創作課如果只是讓學生輪流談自己對作品的感覺，對創作能力的提升可能十分有限。感受與真誠當然有其重要性，但無法單憑這些條件，判斷一件作品如何成立。

在討論創作時，他反而希望學生把自己當成工程師。首先必須理解創作的目標，接著思考有哪些方法可能達到這個目標，並且比較各種選擇的優缺點。厲害的創作者不是只知道一種做法，而是理解許多可能性，最後才決定為什麼採取其中一種。

這是對談中一個有趣的轉折。原本強調提問是一門手藝的沈裕昌，此時也積極借用沈伯丞所說的工程觀念來理解創作，而沈伯丞也表示贊同。兩人並不是要把藝術化約為解決技術問題，也不是主張創作應該排除感性。真正需要檢視的是，學生能否將自己的感受、觀察與想法，進一步發展為可以思考、選擇、推進的創作問題。

AI使這個問題更值得重新提出。當工具能夠快速生成成熟的形式、協助整合不同媒材，或提供各種看似可行的創作方向，作品的完成度未必足以說明創作者經歷了什麼樣的思考。學生究竟想要處理什麼問題，又為什麼選擇眼前的結果？這些判斷，或許才是創作教育需要進一步討論的部分。

當AI可以完成更多工作，老師究竟要負責什麼？

當完成一份文字或作品變得愈來愈容易，教師如何判斷學生是否真正學會了某件事？兩人的教學看來早已採取了不同於只看最後成果的方式。

沈裕昌要求學生能夠即時回答追問，不只檢查提交的報告。沈伯丞則會在課堂上為好的提問與回答加分，而且特別向其他學生解釋，為什麼某個問題值得繼續思考。分數在此不只是對成果的評價，也可以成為讓學生理解提問品質的一種回饋。

但兩人對評量制度本身也有保留。沈裕昌認為，如果能夠進行真正綿密的辯證式教學，未必需要考試與分數；問題是這種教學需要充分的師生互動，並不容易在大型課堂中實施。沈伯丞則認為，既然學生非常在意分數，不妨利用加分來鼓勵他們主動提出問題。

當AI開始介入教師的工作，原本的評量問題又出現新的面向。

在這次專題調查中，有學生提到，自己使用AI時會感到某種罪惡感，但看見老師用AI批改作業，或直接使用AI生成的簡報上課，也會感到「心寒」。另有學生提出，如果教師使用AI修改學生作業，是否也應該說明使用的情況與程度？這些疑慮不一定只是反對老師使用AI。當學生花時間完成自己的工作，卻不確定老師是否真正閱讀、理解並回應，問題便涉及師生之間的信任，以及雙方究竟如何理解有價值的教學工作。
沈伯丞對於利用AI製作簡報並沒有太多疑慮。他認為，簡報不必然需要由老師手工完成，真正重要的是教師能否組織知識、建立清楚的思考架構。而他認為不能外包的，是教師對一門課的想像與規劃。課程的知識結構、思想方向，以及希望帶領學生理解什麼，仍然需要教師自行決定。

沈裕昌也不反對AI協助教師備課、製作教材、批改作業或提供回饋。儘管自己並未使用AI批改作業，但他更強調教師必須承擔最後的判斷責任。如果AI協助評分，教師不能只是接受結果，而必須確認這個判斷，並能向學生解釋為什麼如此評價。就像醫師可以使用新的工具協助診斷，但不能因此將醫療決策的專業責任一併交出去。

兩人的說法分別指向教師工作的兩個面向：一個是決定教育要往哪裡去，另一個是對教學中的判斷負責。

持續提問的熱情

我們很難從短暫的對談中解決師生對AI使用的疑慮，也不可能為新的評量制度或使用倫理提出一套完整的答案。但兩人的思考，正好讓人看見問題不只在於工具，也涉及我們原本如何理解教學、創作與學習。

回到教育的最後目的，沈裕昌與沈伯丞都認為，學生離開學校時最應該帶走的，是熱情與持續提問的能力。沈裕昌說：「熱情是永續，提問是成長。」沈伯丞也希望學生能保有持續提問的熱情。儘管他們對這些能力如何形成有不同的想法，一個強調教師只能示範自己如何學習，學生必須逐漸發明自己的方法；另一個則希望透過更清楚、可練習的程序，讓更多人有機會掌握提問與思考的能力。

AI或許可以成為新的學習對象，甚至在某些情況下，成為能夠不斷提供回饋的老師。但它能提供多少答案，與學生能從中學到什麼，始終不是同一件事。而藝術教育需要繼續思考的，也許正是如何讓學生在老師與工具的協助之外，逐漸有能力辨認自己的問題、選擇自己的方法，並且在離開學校之後，仍然知道如何繼續學習。