MIT 憋了五个月的报告只用一句话就让全美大学沉默了：AI 已经做得了你们的任何作业——那作业用来干嘛用的？
AI飞行客 MIT 憋了五个月的报告只用一句话就让全美大学沉默了：AI 已经做得了你们的任何作业——那作业用来干嘛用的？
8月13日，MIT发布了一份名为《AI与教育》的特别委员会报告。这不像那种放在官网落灰的学术文件。MIT校长Sally Kornbluth亲自写了长达三页的公开信，标题用了一个词：watershed moment——分水岭时刻。
这个委员会不是随便组的。MIT的校长、教务长、教师主席三巨头联名之下，花了五个月时间——开会、调研、全校访谈。最后的结论简洁到残酷：
“现有的生成式AI技术，已经能为本科课程中几乎任何书面作业产生可信的答案——包括论文、数理习题、证明和编程作业。”
如果你觉得这句话轻飘飘的，那是因为没有理解它背后的分量。
作业体系的全面崩溃
MIT的传统评估体系建立在几块基石上：习题集（p-set）、带回家考试、研究计划、实验室报告。这套体系不是拍脑袋想出来的。它经过了几十年甚至上百年的检验。它的核心逻辑是——你做过，你就会了。学习本质上依赖于”认知摩擦”——你花三个小时和室友讨论一道题怎么解，你去教授办公时间请教一个卡了一天的证明，你在图书馆待到深夜反复迭代实验。
整个过程低效、痛苦，但有效。
报告里有个精准的措辞叫 “有效挣扎”（productive struggle） 。学习不是接受信息，是和知识较劲。当你和一个概念反复对抗时，你才真正理解它。
AI把这一切抹平了。
学生现在遇到困难的第一反应不是去翻书、不是去问同学、不是去思考，而是找ChatGPT。作业”完成”了，但学习没有发生。报告里描述了一个现象叫 “认知投降”（cognitive surrender）——学生在遇到困难的第一瞬间就放弃了挣扎，直接把认知工作外包给AI。
更可怕的是，学生觉得自己在学。他们拿到AI给出的漂亮答案时，产生了”知识的幻觉”——看了就以为自己懂了。而事实是，批判性思维在退化，记忆力在减弱，自信心在瓦解。
校园文化正在瓦解
MIT报告不只是讲作业的问题。它用了大量篇幅描绘AI对校园文化的侵蚀。
办公时间出席率下降。 以前学生为了搞懂一道题会排着队等教授答疑。现在？问AI就行了。
线上讨论参与度降低。 原本活跃的课程论坛变得冷清。学生不再需要和同学讨论，因为AI给了他们”标准答案”。
读书小组在萎缩。 据MIT的访谈，宿舍和图书馆里实体学习小组的数量在下降。这个变化是定性的，没有量化数据，但多位受访者都提到了。
师生之间的”社会契约”在崩解。 报告用了一个很有画面感的表述——”一条相互怀疑的地下暗河”。老师在怀疑学生有没有用AI作弊，学生在担心被诬告作弊。老师在用AI批改作业和评分，学生觉得这哪里是双重标准分明就是双标。
更荒诞的是，AI检测工具根本靠不住。报告直说了：不建议依赖AI检测器。因为这会引发军备竞赛——学生用”AI人肉化”工具来对抗检测，双方都没有赢家。而且AI检测器经常误判非英语母语者的写作，产生严重的公平问题。
课程设计面临范式重启
报告出来后，MIT校长说的那句话不是客套话。她要求每一个院系、每一门课程都要重新审视——你教的这门课，在有AI的世界里，还有必要用原来的方式教吗？
报告给出了一个实用的框架：”反向设计”——先问自己”我希望学生从这门课中真正学到什么？”，然后设计评估方式来衡量这个目标，最后再决定AI在这个过程中的角色。
不是简单地禁止或允许AI。如果目标是写一篇分析性的文章，那自己动笔写的过程本身就是学习，AI就不能代替；如果目标是学会使用最先进的工具解决问题，那AI本身就该是工具的一部分。
报告建议了一些不易受AI影响的评估方式——口试、作品集、课外作业配课堂讨论。但这些都需要更多人力投入——更多的TA、更多的课堂时间、更多的面对面交流。而这恰恰是当前资源紧张的高等教育体系最缺的东西。
那条最扎心的红线
报告里有一段话让我反复看了好几遍。
在一次教师座谈会上，委员会听说了有些老师考虑用AI Agent代替本科生做研究助理（UROP）。从效率和成本角度这完全说得通——AI更便宜、更快、不用睡觉。
但报告反问了一句：
“那我们在这里聚在一起，到底是来干什么的？”
校园研究存在的根本目的不是生产研究产出——那是副产品。它的核心是”学徒制”：一个本科生跟一个教授或博士生做项目，在这个过程中学会怎么做研究、怎么提问题、怎么面对失败、怎么成为学术共同体的一员。这个过程中的”低效”——新人犯错、走弯路、效率低——不是bug，是feature。
如果为了”效率”把这些低效去掉，那么下一代的科学家和工程师去哪里训练？
我不敢说会有人真的用AI代替本科生研究助理——但MIT报告专门把这件事写进去作为警告，说明这不是无稽之谈。它已经在发生的边缘了。
报告之外的信号
MIT这份报告最有趣的地方在于它发布的时间点。8月13日发布，不到一个月后，25位菲尔兹奖得主联合声明AI正在摧毁数学、陶哲轩警告好问题正在变成不可再生资源、OpenAI前VP Bubeck回怼”别太小瞧AI”。
这三件事看起来各自独立，内核都在问同一个问题：当一个替代者能给出比你更好的答案时，你的存在价值在哪里？
数学家面对的是：AI能解纳维-斯托克斯方程，那你数学家还能做什么？大学生面对的是：AI能做你的作业，那你还学什么？教授面对的是：AI能教你的课，那你在讲台上干什么？
MIT给出的答案是方向性的，而不是技术性的。它没有说”我们来开发更好的AI检测器”，没有说”我们来设计AI-proof的鬼畜考题”。它说的是——关注人，关注过程，关注那些在效率至上的逻辑里被牺牲掉的东西。
具体来说：物理空间的不可替代性、面对面讨论的价值、跟一个更有经验的人一起做项目的体验。
这些答案听起来一点都不性感。没有技术噱头，没有政策创新。但它的诚实本身就是力量——承认AI真的能完成你的作业，承认评估体系确实在失效，然后从最基本的逻辑出发重新思考：”教育到底是为了什么？”