MIT最新研究报告：当AI什么都会，大学该教什么？

　　今年8月，MIT发布了一份评估AI在该校使用情况的报告，认为“许多AI使用方式正在剥夺学生学习的机会。”

　　一、一份让MIT不安的报告

　　这份报告由MIT一个特设委员会完成，原定任务是评估AI在MIT的使用现状、起草一份AI使用政策。经过五个多月密集工作，报告承认，AI已经能对MIT本科课程中几乎所有书面作业给出可信答案，以往用来强化学习、评估进度的问题和习题在AI面前正在失去可靠性。MIT报告指出，“从聊天机器人那里得到正确答案可以制造学习的错觉（illusion of learning），但它也会触发‘认知投降’，学生在遇到困难的第一时间就转向AI。”这种无意识的退让和有意违规并不等同，经历认知投降的学生可能并不觉得自己在回避思考，只是觉得AI给的答案又快又好。“作为一个学术共同体，我们最应该担忧的是，许多AI使用方式正在剥夺学生学习的机会。”该报告写道。

　　冲击远不止是个人的认知层面。委员会观察到MIT的答疑时间出席率下降，据访谈，宿舍与图书馆里的线下学习小组也在减少。报告认为，师生关系之间维系“社会契约”的方式正在受到侵蚀。

　　尽管如此，报告不主张统一禁止AI。它提出的核心原则是用AI增强学习，不用AI替代学习，并建议教师采用逆向设计的思路重新设计课程，即先想清楚学生应该学会什么，再决定AI在其中扮演什么角色。

　　二、作业更好，考试更差？

　　MIT报告担心AI在制造“学习的错觉”。2026年6月，经济政策研究中心（CEPR）发布了一份讨论稿，给出了迄今为止规模最大的一次量化尝试。结果显示：使用AI后，学生作业分数平均提高18%，完成作业所需时间减少30%。看起来效率提升惊人。但闭卷考试成绩在六个月内下降了20%；在升学考试中，中考成绩和高考成绩分别下降18%和24%。也就是说，完整的惩罚在大约两年后才完全显现。研究团队把这一现象命名为“AI学习惩罚”。

　　值得注意的是，约80%的AI使用者展现出与作业外包一致的行为模式，异常短的完成时间搭配优秀的作业成绩。学习损失在社会科学学科最大，其次是STEM和语言。高成就学生的成绩损失更大，可能是因为AI替代之后的信号更不容易被察觉。

　　尽管数据来自中学而非大学，它揭示的风险与MIT报告描述的担忧高度呼应：当AI替代了让人在挣扎中成长的过程，分数的提升恰恰掩盖了学习的倒退。

　　三、学生把什么任务交给AI？

　　Anthropic公司分析了旗下AI助手Claude，按照布鲁姆认知分类法，Claude回答最多的恰恰是最高阶的认知功能：创造性思维占39.8%，分析占30.2%，而最低阶的记忆只占1.8%。约47%的对话属于“直接型”互动，即以最低互动度寻求答案或内容。这些数据来自AI回答的功能分类，不直接等于学生本人的认知过程，也不排除学生同时参与了思考。但它引发了一个令人不安的问题：学生是否正在把最需要自己完成的思维任务交给AI？

　　MIT Media Lab的Kosmyna团队为这个问题提供了初步线索。在这项预印本研究中，54名受试者被分为纯脑力组、搜索引擎组和AI使用组，在写作过程中接受脑电监测。结果显示，AI使用者的大脑连接模式最弱。在第四轮实验中，18名此前使用AI的受试者切换到独立工作，其alpha和beta频段的连接性仍低于对照组，研究者据此判断其认知投入不足。研究者将这种现象称为“认知债务”。这一研究基于小样本且尚未经同行评议，AI依赖的长期认知影响仍有待更大规模的验证。

　　四、三所美国大学，三种应对

　　面对AI带来的认知挑战，几所美国大学的应对不尽相同。

　　2026年5月，普林斯顿大学教职员工投票决定在所有线下考试中引入监考制度，这打破了这所学校延续133年、以荣誉制度（Honor Code）为核心的传统——过去学生考试时不必被监考。校方数据显示，28%的毕业班学生承认在禁止使用AI的作业中使用过ChatGPT，45%知道有人违规却选择不举报。“许多学生觉得作弊太多了，”普林斯顿大学社会学与国际事务教授Kim Lane Scheppele说，“AI是压垮这套体系的引爆点。”

　　芝加哥大学法学院走得更远。院长Adam Chilton宣布，2026年秋季起在一年级核心课堂试行禁止使用笔记本电脑、平板和手机。他说，关于课堂是否应该使用电脑的老争论，在AI时代被进一步放大了。他希望课堂对话应该“在没有机器中介的情况下进行”。法学院并不完全排斥AI：论文可以用AI辅助研究、修订和口头辩论准备，但研究论文另设口头讨论环节，以验证学生是否真正理解自己写的内容。

　　MIT走的是第三种路径。前面提到的报告不设统一禁令，由各院系和教师在共享框架内，根据自身学科特点重新定义AI的边界。委员会的判断是：如果MIT只靠考试来防AI，反而会窄化学位的信号——MIT文凭过去代表的是“能独立解决难题”，而不只是善于应试。

　　三所高校的方向各异，但担忧是相似的：AI已经无法阻止，问题是我们的教育应该如何利用好它，而不是被它制造的虚假繁荣所迷惑。

　　五、中国的融合与困惑

　　2026年4月，教育部等五部门联合发布《“人工智能+教育”行动计划》，提出到2030年AI与教育深度融合格局基本形成，推动AI成为高校公共基础课。

　　复旦大学已立项建设116门AI-BEST课程，开设41个“X+AI”双学士学位项目；截至2025年底的三个学期内有1.3万人次本研学生修读。清华大学AI学伴“清小搭”注册用户达到2.4万人，累计回答超过72万条提问。

　　另一方面，融合的背后是困惑。《光明日报》联合调研组对全国400余所高校1953名本科生的调查显示，这些本科生AI工具使用率高达99.18%，可是超过六成学生对“AI使用的合理边界”感到困惑，不到三成学校提供了系统的AI课程，46.99%的学生担心自己正在“丧失从零开始的论证能力”。

　　六、“学会了”究竟意味着什么

　　回到金力在开学典礼上的发言。他提出了一项能力要求，培养“主动离线AI的能力”。在有AI可用的情况下主动选择不用。这可能是这一代学生最难被教会的技能之一：使用AI是本能，不用AI才需要训练。

　　如果学习的目标是获取正确答案，AI在许多书面任务上已经能迅速给出可信答案。但如果目标是培养在不确定中做出判断的能力，直接给答案、替代思考的AI用法恰恰构成了障碍，因为它帮学生跳过了让人在挣扎中成长的过程。

　　MIT经济学家Daron Acemoglu、David Autor和Simon Johnson早前呼吁建设“亲劳动者的AI”（pro-worker AI），主张AI应该让人在既有任务上更有效、承担新任务、获得新专长，而不是把人替代掉。

　　MIT的报告将同样的思路用于教育，称之为“亲学习者的AI”（pro-learner AI）：AI应当帮助学生拓展思考和解决问题的能力边界。该报告说，教育最重要的产出超越了GPA和文凭，是学生本身，是他们的成长、成熟，以及想象力、洞察力和判断力的发展。

　　这只是原则。在具体的每一个课堂、每一次作业、每一场考试，“学会了”究竟意味着什么，仍需要每一所大学、每一位教师和每一位学生自己回答。

　　（摘编自一读EDU微信公众号9月24日）