哈斯汀的反 STEM 宣言：Netflix 共同創辦人為什麼勸家長停止逼小孩學程式？

本文整理自《Possible》Podcast 2026 年 4 月播出的單集，由 Reid Hoffman 與 Aria Finger 訪問 Netflix 共同創辦人 Reed Hastings。

{{< youtube 2qoGbd9d2yA >}}

---

一個 Stanford AI 碩士的反 STEM 宣言

里德．哈斯汀（Reed Hastings）在《Possible》Podcast 拋出一句很多矽谷父母不會喜歡聽的話：「如果我有三歲小孩，我會加倍投資情緒能力。」

這句話的衝擊力，在於說話的人是誰。哈斯汀是 1988 年 Stanford 人工智慧碩士，1985 年到 1990 年代初親身參與過第一波 AI（專家系統）熱潮並見證它崩盤；他擔任 Netflix 執行長 25 年、2023 年 1 月卸任，現任 Anthropic、Bloomberg、Netflix 董事，過去也擔任過 Microsoft 與 Meta 董事。同時，他是美國規模最大的教育改革慈善家之一，捐款總額累積以「億美元」為單位。

換句話說：一個橫跨 AI 業、媒體業、科技巨頭董事會、教育投資的人，他不是建議「未來孩子要會用 AI 工具」，也不是說「除了寫程式還要學一點軟實力」。他直接說：過去 25 年的 STEM 與 learn to code 路線已經走到盡頭，下一代的核心能力應該換掉。

這集 Podcast 由 LinkedIn 共同創辦人里德．霍夫曼（Reid Hoffman）與共同主持人 Aria Finger 訪問。哈斯汀在 56 分鐘的對話裡，把這個結論的推理鏈完整鋪了一次：為什麼 STEM 過了頭、下一代該學什麼、以及他自己投資的 Alpha School 為什麼是 AI 教育的「Tesla Roadster」。

25 年的「learn to code」運動，差不多該結束了

哈斯汀對 STEM 的批評很直接。他在訪談中段一氣講了一整串：「我們整個社會就是 STEM、STEM、STEM、learn to code、STEM、STEM、STEM。」這句話放在歐巴馬時代「Hour of Code」運動的脈絡下特別有重量。那是 2013 年由 Code.org 發起、總統親自錄影力推、後來被全球各國政府複製的程式教育運動。臺灣在 108 課綱裡把「運算思維」與資訊科技列為國中必修，背後也是同一波思潮。

哈斯汀並不否認過去 25 年這個方向是對的。他質疑的是「再往下五年到二十年還對嗎？」推論的起點是：符號處理（symbolic processing）的工作，正是 AI 最先吃掉的工作。寫程式、寫例行法律文件、寫研究摘要、做行政文書，這些「言語的、有公式可循的」白領勞動，被大型語言模型取代的速度最快。哈斯汀預測律師可能是受影響最大的職業之一，因為法律工作「相當口語、相當公式化，雖然不像寫程式那麼公式化，但也很接近」。

而程式設計師本身就更是首當其衝。哈斯汀觀察到一個典型的「彈性需求」現象：許多公司會減少程式設計師的編制，但同時也會出現大量新的軟體機會。所以「程式工作」整體不一定縮水，但「平均一個工程師被分配到的工作」會明顯減少，工資也會被壓縮。對個別家長與個別學生來說，這意味著「學程式才不會失業」這個論述的保證已經消失了。

那 Stanford 校園裡的場景如何呢？哈斯汀提到一個很多人忽略的細節：「STEM 幾乎攻佔了整個 Stanford。」過去 15 年裡，Stanford 的電腦科學系是全校最熱門的主修，人文學系的招生則一路衰退。他預測接下來會看到「rotation」（輪轉）：年輕世代會看到 AI 自動化白領符號處理的速度太快，反而把目光轉回歷史、文學、哲學這些 AI 最難複製的領域。

那下一代該學什麼？情緒能力、數學、人文

哈斯汀的替代清單很短，三項：情緒能力、數學、人文。其中最讓矽谷父母意外的是第一項。

「情緒能力」聽起來很虛，但他指的是非常具體的能力：讀人、與人合作、處理衝突、在群體裡建立信任。哈斯汀舉了兩所他長期關注的中學作為案例：Valor Collegiate Academies（位於田納西州的 charter school 公辦民營學校）與 Flourish Academy（私立中學）。這兩所學校在七年級安排了所謂的「emotional circles」，學生圍坐成圓圈，每週固定時段討論自己的情緒、人際互動、最近遇到的衝突。表面看像團體輔導，實際上是把「了解自己、了解別人」變成正規課程的一部分。

為什麼要把這個變成課程？哈斯汀的邏輯是：AI 最不會吃掉的工作，全都是高度情緒密集的工作。他舉了幾個例子：你不會去看「機器人打籃球」的比賽，因為運動賽事看的是人類在壓力下的衝突與情緒；娛樂產業（戲劇、紀錄片、紀實節目）需要真實的人類做出真實的選擇；最高法院的辯護到 20 年後可能還是維持現在的樣子，因為大法官需要看到的是人類律師為人類客戶辯護。這些工作的核心都不是符號處理，是情緒處理。「情緒能力強的人，未來薪資會更高，因為這是電腦做不好、而需求又會持續存在的工作。」

第二項「數學」乍看跟 STEM 矛盾，其實不一樣。霍夫曼在訪談中試圖幫哈斯汀緩頰：「你的意思是學電腦科學，不是學寫程式？」哈斯汀回得很直接：「我覺得就直接學數學就好。」對他來說，數學提供的是「抽象與真理追求」的訓練：學會把混亂的現實壓縮成乾淨的結構，學會推理、學會分辨什麼是真的什麼是假的。這個能力 AI 還做不好（即使是最先進的數學推理模型，目前也只能解部分競賽題），而它對任何學科都是底層基礎。

第三項是人文。哈斯汀沒有把人文講成「修養」或「素養」這種抽象的東西。他用更實用的方式說：當 AI 能寫出技術上正確的法律文件、技術上合格的程式碼、技術上沒問題的會議紀錄之後，剩下值錢的能力是判斷「這份東西該不該寫、寫給誰看、會造成什麼後果」。這需要歷史、文學、哲學、政治學的訓練，需要對人類社會運作有比較完整的圖像。這不是 AI 寫不出來的問題，是 AI 不知道哪份才是對的問題。

Alpha School：AI 教育的 Tesla Roadster

哈斯汀在訪談裡花了一整段時間講 Alpha School。這所學校在臺灣家長社群裡知名度不高，但在美國 K-12 教育圈是一個現象級的實驗：每年學費六萬美金、聲稱用 AI 把學科基礎壓縮到一天兩小時，剩下的時間讓學生做自己有熱情的事。

Alpha 的兩位共同創辦人是 McKenzie Price（教育背景）與 Joe Liemandt（科技背景，企業軟體公司 Trilogy 的創辦人）。哈斯汀解釋他們的核心哲學是一句很挑釁的話：「孩子應該愛學校超過愛放假。」這句話翻譯成具體的學校設計，就是：傳統學校讓學生對學科內容感到痛苦，所以一放假就開心；Alpha 試著反過來，讓學科本身變成可以快速通過的關卡，把每天最大塊的時間留給學生自己想做的事。

實際運作分兩段。早上 2 小時是「軟體驅動的個人化練習」，學生戴上耳機，跟著 AI 適應性學習軟體做數學、語文、自然科學的練習。每個學生的進度不一樣、難度不一樣，AI 會根據他答對答錯的歷史調整下一題。這段時間有「教練」（coach）陪著，但教練不是傳統意義上的老師、不講課，而是負責動機管理：誰累了、誰卡住了、誰需要鼓勵，教練在現場處理。下午整段時間，學生做自己選的事，例如體育學校的學生練球、學術學校的學生看 TED Talk 並做討論、有興趣做產品的學生做產品。

哈斯汀的關鍵類比是把 Alpha School 比作「AI 教育的 Tesla Roadster」。Tesla 第一代 Roadster 在 2008 年推出，售價超過十萬美金，明顯不是給大眾的產品。但 Roadster 的功能是「概念驗證」，它證明了電動車可以做到，性能比同級燃油跑車更好。Tesla Model S 在 2012 年用同樣的技術做出豪華轎車，Model 3 在 2017 年才把價格壓到三萬五千美金，真正進入大眾市場。哈斯汀的判斷是 Alpha 現在的角色就是 Roadster，六萬美金一年確實是天價，但它在證明「AI 個人化學習能不能讓孩子在更短時間掌握同樣的學科內容」。如果這個證明成立，市場上會有人做 Model S 等級的中價位版本，最後會有 Model 3 等級的大眾版本。

這個說法值得放在臺灣教育現況下對照。臺灣目前的補教產業已經把 AI 適應性學習引入線上家教平台（包括均一、學習吧、各家題庫 App），但運作邏輯仍然是「補強」，學生白天在傳統學校上完課，回家用 AI 軟體加強。Alpha 的不同之處是把 AI 軟體放在校內、變成主課，把傳統的「老師上課」結構整個拿掉。這是一個更激進的賭注，目前還沒人證明它在大規模、長期之下會比傳統教育更好，但 Alpha 提供了一個讓世界可以觀察的樣本。

全球教育的下半場：Starlink、50 美元手機、AI 家教

哈斯汀對 AI 教育的另一個判斷，是它在低收入國家會比在美國更早改變現狀。這個論點乍聽不太合理，AI 不是應該先在富國普及嗎？

他的推論基礎是「貧富差距越大，AI 的相對價值越大」。在低收入國家，每位學生每年的教育預算大約 300 美金，班級規模 50 到 70 人，老師本身也未必受過完整訓練。換句話說，現狀的學習效率非常低。哈斯汀的處方是把幾個技術組合起來：Starlink（低軌衛星寬頻覆蓋偏遠地區的學校）、一支 50 美金的 Android 手機（提供運算與螢幕）、一台給每個小孩的平板（讓孩子有自己的學習介面）、加上好的 AI 個人化學習軟體。這個組合的單位成本可能落在每個孩子幾百美金，但提供的學習體驗會跟貧窮國家現狀拉開好幾個等級。

這裡哈斯汀用了一個很關鍵的概念，他自己稱為「crash dream phenomena」：一個科技點子第一次嘗試會失敗，但晚 20 年再試會成功。他舉的例子有兩個。第一個是他自己年輕時參與的 1980 年代專家系統 AI 熱潮：當時有上市公司、有政府重金投資、日本政府推「第五代電腦」當作國家戰略，最後全部崩盤；但同樣的「讓電腦做專家工作」這個夢想，到 2020 年代由大型語言模型實現了。第二個例子是 MIT 的 Nicholas Negroponte 在 2005 年發起的「One Laptop Per Child」（OLPC），目標是給每個發展中國家的孩子一台 100 美金的筆電。這個計畫最後失敗，部分原因是技術不夠成熟、部分原因是商業模式撐不住。但哈斯汀的觀察是：「OLPC 不是錯的，是早了 20 年。」現在 Starlink 加上廉價智慧型手機加上 AI 教學，剛好把當年所有缺的條件補齊。

哈斯汀預測這會像手機在 2010 年代之後在發展中國家普及一樣。當時很多人懷疑非洲、東南亞、南亞的低收入消費者會不會買得起、會不會用得起，結果到 2020 年連肯亞鄉村的攤販都在用 M-Pesa 行動支付。他的判斷是：AI 學習軟體會走同樣的路徑，未來十年內會出現一個全球性的、便宜到所有國家都負擔得起的 AI 家教層。這不會讓低收入國家的教育「超越」高收入國家，但會把歷史造成的落差大幅填平。

我的觀察：臺灣家長的程式焦慮，剛好踩在哈斯汀說的相反方向

哈斯汀的論述放在臺灣的家長社群裡，會踩到一個敏感點。臺灣這幾年的程式教育焦慮其實比哈斯汀講的美國版本更強。從幼兒園的 Scratch 課、國小程式班、安親班加開「AI 體驗課」、到 108 課綱把資訊科技列為國中必修、各縣市政府把「運算思維」當作教育政績，整個社會都在加碼 STEM。家長群組裡的標準對話是：「我家小孩三年級要學 Python 還是 Scratch？」「機器人課跟 AI 課要不要兩個都上？」

哈斯汀的話對這群家長最大的提醒，不是「程式無用」。他自己是 Stanford AI 碩士、Anthropic 董事，他清楚程式跟 AI 是有用的。他真正在說的是：整個社會集體把資源 all-in 到一個方向，但這個方向的工作正是 AI 最先吃掉的工作。這是一個資源錯配的問題，不是 STEM 本身的問題。

我自己對哈斯汀的論述還有一個比較銳利的延伸。他在訪談裡丟出另一句話：「工資跟著短缺走，不跟著價值走。」（pay follows shortages, not value）他舉的例子是老師：大家都覺得老師很有價值，但老師薪水不高，因為老師的供給沒有短缺。同樣的邏輯放到 AI 時代：AI 能做好的工作，不管你覺得多有價值，工資都會被壓縮，因為「供給」突然變成無限；AI 做不好的工作（情緒密集、現場服務、需要真人在場的工作），工資會繼續高，甚至上升。對個別家長來說，這代表替小孩規劃職涯的時候，該問的問題不是「未來哪個工作有前景」，而是「未來哪個工作會持續短缺」。

這個視角下，哈斯汀建議的「情緒能力 + 數學 + 人文」就有了具體的職涯意涵。情緒能力對應的是現場服務、心理諮商、教練、調解、業務、領導等「需要真人」的工作，AI 不會讓這些工作消失，反而會因為其他工作被壓縮而讓這些工作的相對價值上升。數學對應的是理解 AI 系統本身、定義問題、檢驗答案的能力，這在 AI 時代是更基礎的素養。人文則是幫助下一代在 AI 充斥的世界裡，能判斷「這份輸出該不該被接受」的批判力。

哈斯汀沒有反 STEM。他反的是把 STEM 當成單一答案的思維。如果你家小孩三歲，他的建議就是別把雞蛋全放在一個籃子裡，尤其是那個籃子裡的東西，AI 正在以最快的速度複製。