当一份论文、一段程序，甚至一套课程作业都可以由AI在短时间内完成，大学真正面临的问题，已经不是“学生有没有作弊”，而是原来的考试方式还能不能证明一个人真正学会了。
8月25日，麻省理工学院（MIT）公布人工智能教育委员会报告。报告指出，现有AI工具已经能够“可信地完成”大多数本科作业，许多课程需要重新审视学习目标和考核方式。MIT校长莎莉·科恩布卢特将其称为高等教育的“分水岭”。
值得注意的是，MIT没有简单主张封禁AI。学校提出的方向，是让每门课程明确规定AI可以怎样使用、什么时候不能使用，同时增加口试、作品集、现场讨论、动手实验等更能反映真实理解的考核方式。
这背后有一个容易被忽略的变化：过去，教师通过学生交上来的“答案”判断能力；现在，AI也能生产漂亮的答案，答案和能力之间的联系被削弱了。
比如，一段能够正常运行的程序，未必证明提交者理解算法；一篇结构完整的论文，也未必代表作者能够解释其中的证据和逻辑。未来的考核重点，很可能从“你交出了什么”，转向“你为什么这样做、能否现场解释、遇到错误如何修正”。
在我看来，AI并没有让大学失去意义，反而迫使大学回答一个长期被回避的问题：教育究竟是在训练学生完成格式化任务，还是培养独立判断、解决问题和承担结果的能力？
如果一项作业可以被AI轻松替代，首先需要反思的，未必是学生，而可能是作业本身。真正有价值的学习，不应只留下一个结果，还应该留下推理、试错、协作和面对质疑的过程。
未来的大学不会回到没有AI的时代，但考试可能重新变得更“像人与人之间的交流”：现场提问、当面答辩、展示过程，并对自己的结论负责。当标准答案越来越廉价，能够独立思考并证明自己确实理解，才会成为更稀缺的能力。
来源：内容依据MIT校方正式声明（https://orgchart.mit.edu/letters/ai-and-education-watershed-moment-mit）
热门跟贴