Lathoa：让AI故意出错的儿童数学App，教孩子学会批判性思维

一个反直觉的教育产品：AI故意算错

在大多数教育科技产品追求「AI永远正确、永远给出标准答案」的当下，一款名为 Lathoa 的儿童数学应用反其道而行——它的核心设计是让 AI 故意出错。这款产品近日在 Hacker News 的 Show HN 板块亮相，虽然目前讨论热度尚不高（11 个赞、1 条评论），但其背后的教育理念值得展开讨论。

Lathoa 的定位是一款面向儿童的数学学习工具。与传统辅导软件把 AI 当作「无所不知的老师」不同，它把 AI 塑造成一个会犯错的「同伴」，让孩子在纠错的过程中主动思考、验证答案，从而锻炼批判性思维。

为什么要让AI「故意犯错」

这种设计并非噱头，而是触及了教育心理学中的一个关键问题：被动接受答案 vs 主动建构知识。

当孩子习惯于向 AI 提问并直接获得正确答案时，学习往往退化为「复制粘贴」式的记忆，而非真正的理解。而当 AI 会出错时，孩子被迫承担起「检查者」的角色——他必须自己动手计算、判断 AI 给出的结果是否合理，再决定是否接受。这个「教别人/纠正别人」的过程，恰恰是学习效果最强的方式之一（即所谓的「以教促学」效应）。

从更广的视角看，这也回应了当前 AI 时代的一项核心素养：如何与可能出错的 AI 协作。大语言模型会「一本正经地胡说八道」（hallucination）已是不用多说的事实。让孩子从小建立「AI 不一定对、需要自己验证」的意识，某种程度上比单纯学会算术题更具长远价值。

「以教促学」效应在认知科学中有较为扎实的实证基础。美国教育心理学家埃德加·戴尔的「学习金字塔」模型显示，单纯听讲的知识留存率约为5%，而「教授他人」的留存率可达90%。这一现象背后的机制在于：当学习者需要向他人解释或纠正错误时，必须将零散知识重新组织成连贯的逻辑链条，这个「元认知」过程会强迫大脑对知识进行更深层的加工与编码。Lathoa 的设计正是将这一原理嵌入到人机交互中——孩子纠正AI错误的过程，在功能上等同于「向同伴讲解题目」，只是将人类同伴替换成了一个可控的、会出错的AI角色。

教育科技的另一种思路

Lathoa 的出现，反映了教育类 AI 产品设计上的一种分化。

主流路线追求「精准答疑」：无论是拍照搜题还是 AI 家教，目标都是尽可能快、尽可能准地把答案送到学生面前。这类产品解决的是「效率」问题，但也带来了广受诟病的副作用——学生容易产生依赖，丧失独立解题的能力。

Lathoa 代表的则是另一条路径：把 AI 的「不完美」转化为教学资源。通过刻意引入错误，产品迫使学习者保持警觉和参与感。这与近年教育界推崇的「有意义的困难」（desirable difficulties）理论不谋而合——适度的挑战和摩擦反而能加深记忆与理解。

当然，这种设计也存在需要精细权衡的地方：错误的难度与频率必须恰到好处。如果 AI 错得太离谱，孩子一眼识破便失去意义；如果错得太隐蔽，又可能误导尚未建立扎实基础的初学者。如何设计出「恰到好处的错误」，将是这类产品的核心技术壁垒。

「有意义的困难」（Desirable Difficulties）概念由认知心理学家罗伯特·比约克（Robert Bjork）在1990年代提出。其核心主张是：某些看似拖慢学习速度的障碍，反而能显著提升长期记忆和知识迁移能力。常见的例子包括间隔重复（而非集中复习）、交错练习（混合不同题型而非按类刷题）、以及测试效应（用回忆代替重读）。这些方法的共同点是：在学习当下制造认知摩擦，迫使大脑主动检索和处理信息，而非被动接收。Lathoa 引入故意错误，本质上是在利用「生成效应」——学习者自己产出正确答案比直接接收答案的记忆效果更持久。这一理论框架也为「错误难度需精细权衡」提供了解释：过易的错误不足以激活深度加工，过难的错误则超出认知负荷，反而造成混乱。

尚待观察的产品潜力

需要客观指出的是，Lathoa 目前仍处于早期阶段，公开信息有限。Hacker News 上的讨论规模较小，缺乏对其具体交互形式、错误生成机制、以及实际教学效果的详细披露。它究竟是通过预设错误题库，还是利用大模型动态生成带瑕疵的解答，目前尚不明确。

尽管如此，这个产品所提出的问题很有价值：在 AI 越来越「聪明」的时代，我们是否应该教孩子如何与一个「会犯错的智能体」相处？答案或许不在于让 AI 变得更完美，而在于让人类保持独立判断的能力。

对于关注教育科技与 AI 应用的从业者来说，Lathoa 是一个值得留意的实验样本。它提醒我们：AI 在教育中的最佳角色，未必是「标准答案的提供者」，也可以是「激发思考的陪练」。