如果人工智能（AI）已经能够完成麻省理工学院（MIT）本科、研究生课程中几乎所有的书面作业，那么，人类的大学课堂还应该教什么？这是 MIT 正在面对的难题。
2026 年 1 月，MIT 成立了一个特别委员会，旨在评估 AI 在教学、学习和研究训练中的使用情况，探索教学与评估创新，并据此提出相关政策建议。
经过 5 个月的密集会议、研究与走访，这个由本科生、研究生、各学院教师和相关工作人员组成的委员会很快意识到，问题远远超出了“要不要允许学生使用 AI”。他们开始重新思考一个更根本的问题：当 AI 已经进入学习过程，大学教育应该如何调整？
日前，他们发布了一份长达 40 页的报告，从“现状”“指导原则”“领域行动建议”三个部分展开讨论，给出了涵盖课程、评估、研究训练、师生关系、校园共同体和 AI 治理等方面的一系列建议。
报告链接：https://aiandeducation.mit.edu/report/
其中，有些建议直接回应当下亟需解决的问题，例如如何重新设计作业和考试、如何制定 AI 使用规则、是否应该依赖 AI 检测器；也有一些指向更长远的教育目标，例如是否应该保留面对面的学习与研究体验，以及如何避免 AI 让学生跳过那些本应亲自经历的思考与实践过程。
值得注意的是，委员会并没有把这份报告视为最终答案。面对变化如此迅速的技术，他们也承认，今天形成的判断很可能还需要不断修正。
但这份报告至少提出了一个值得认真讨论的问题：当 AI 开始改变“学习”这件事本身，我们真正需要重新思考的，或许是教育究竟为了什么。
以下，我们按照报告原有结构，梳理 MIT 特别委员会的主要观察与行动建议。
现状
报告首先描绘了当前 MIT 校园中的教育现状。
数据显示，生成式 AI 已经广泛进入校园，也引发了截然不同的反应。在 MIT，学生正在频繁使用 AI，他们的感受十分复杂，既有好奇、获得灵感和感激，也有无奈、担忧与焦虑；教师的态度同样多元，有人热情探索，有人日益依赖，也有人持怀疑和警惕态度，甚至选择拒绝使用 AI。然而，几乎所有人都希望能够分享彼此的经验和做法。
同时，AI 带来新的学习体验，也正在影响校园教育的一些基础环节。报告列出了 6 个值得警惕的信号：
- 颠覆 MIT 教育体验中的一些重要环节，包括习题集（p-set）、居家考试（take-home exam）、UROP 研究计划、答疑时间和学习小组；
- 加剧学生的孤立感；
- 削弱学生的知识掌握程度和学习信心；
- 侵蚀师生之间的“社会契约”；
- 让评估学生学习进展变得更加困难；
- 挑战 MIT 长期形成的关于严谨、创造性摩擦、协作解题和个人诚信的规范与价值观。
这些变化已经发生在当下，也可能进一步重塑教育的组织方式。学生对 AI 使用规则模糊、不一致以及缺少理由说明感到困惑；MIT 的课程可能都需要重新审视，甚至重新设计，以确保“教什么、学什么、怎么评”能够适应 AI 已经成为学习环境一部分的现实。
与此同时，AI 也正在改变学生需要掌握的知识与能力。这进一步促使 MIT 重新思考高等教育自身的性质、范围与目的。
报告还提到了一系列现实层面的关切，包括数据隐私、获取机会的不平等、偏见、公平与问责，以及 AI 数据中心带来的环境影响、知识产权、训练数据问题，以及这一产业对人的整体影响。
而对于整个教育界来说，一个重要的现实是：大家都还在摸索，没有人已经完全想清楚了。
原则
报告的核心，是委员会开展工作的八项基本原则，也是它为MIT未来行动提出的“指南针”。
1.保持谦逊
如果从“变得随时可用”这个标准来看，生成式 AI 从 2022 年底 ChatGPT 发布至今，进入公众视野还不到四年，却已经拥有超过十亿用户。AI 正在迅速进入几乎所有领域，而技术演进的速度，也让社会很难拥有足够的时间去观察、分析和适应。因此，委员会首先强调“谦逊”。随着技术不断发展，MIT 也需要在实践中持续试错、调整方向，甚至进行重大修正。
2.保持大胆
对未知的谨慎，不能成为迟迟不采取行动的理由。“此刻不是修修补补、权宜应付的时刻。”面对 AI 给教学和学习带来的挑战，MIT 需要作出大胆的战略回应。
与此同时，AI 也带来了前所未有的机会，例如提供更加个性化的辅导，以及加速和改变许多学科的研究方式。
更重要的是，MIT 的学生终将参与塑造社会未来的智识、伦理和技术方向。因此，报告认为，MIT 需要帮助学生深入理解 AI 可以做什么，也要让他们充分认识到 AI 的潜力与局限。
3.把人放在最重要的位置
面对一项在许多方面已经超越人类能力的技术，MIT 仍然需要把人的发展放在首位。学院需要培育和保护人类共同的能力与关系，把 MIT 共同体及其成员的成长与福祉置于中心。
报告举了一个很有代表性的例子：一些教师正在考虑用 AI Agent 取代本科生的研究助理工作。对此，委员会提出了一个问题：“我们相聚在此，究竟是要共同做成什么？”
在 MIT，研究的价值不仅在于最终产出了什么，也在于学生如何在这个过程中成为研究者。学生通过“做中学”进入研究共同体，一些看起来效率并不高的环节，本身就是教育的一部分。
同样，要求教师承担起观察学生是否未经授权使用 AI 的工作，也可能损害师生之间的信任。学生担心自己被误判为作弊，也可能对教师使用 AI 评分和生成反馈产生不满。“这样一条相互猜疑的地下暗流，绝非健康课堂的根基。”
4.全心投入学习
MIT 课堂上，许多用于巩固学习、检验学习效果的问题和作业，现在 AI 已经能够完成。委员会真正担心的，是 AI 的某些使用方式会直接剥夺学生学习的机会。
AI 对传统教学方式的冲击，也迫使 MIT 重新审视一些长期存在的问题。变化来得太快，影响又如此广泛，一些过去可以被暂时搁置的问题，如今已经很难继续回避。
报告认为，MIT 需要在师生之间建立新的“社会契约”，让学生理解，教育本身就意味着经历一些“富有成效的挣扎”。
教育最终要留下的，也不只是 GPA 或一张文凭，更重要的是学生自己，包括他们的成长与成熟，以及想象力、洞察力和判断力。
5.有意图地设计教学
在教学设计方面，报告提出了“逆向设计”这一思路。
与其先问“这门课允不允许使用 AI”，教师首先应该想清楚课程究竟希望学生学到什么：他们应该掌握哪些知识，能够完成哪些事情，以及希望他们形成和珍视哪些价值。
在明确这些目标之后，教师再去设计作业和评估方式，并决定 AI 应该在其中扮演什么角色。如果 AI 有帮助，就使用；没有帮助，就不使用。
这种有意识的教学设计，也能帮助学生形成更加明确的学习目标。当教师能够解释为什么允许、限制或者要求使用 AI 时，学生也更容易理解课程规则背后真正想保护的是什么。
6.没有一种方案适用于所有情况
诗歌研讨课、数学证明课和建筑设计实验室，本身就有完全不同的教学目标，与 AI 的关系自然也不同。刚开始学习专业基础的一年级学生，与已经在熟悉领域中使用 AI 加速文献综述的博士生，面对的问题也同样不同。因此，一套全院统一的规则，很难适用于所有教学场景。
然而，这并不意味着每位教师都需要从头开始制定自己的 AI 政策。报告建议，MIT 可以提供一个共同的框架，包括通用的政策选项、披露要求和问责标准，再由学院、系所和教师结合具体课程作出选择。
7.用 AI 增强学习，而不是自动化学习
一些早期研究和观察表明，过度依赖 AI 聊天机器人可能削弱批判性思维、记忆、信心和知识掌握。从聊天机器人那里直接得到正确答案，也可能制造一种“已经学会了”的错觉，甚至导致所谓的“认知缴械”：学生一遇到困难，就迅速转向 AI。
报告引用 MIT 经济学家 Acemoglu、Autor 和 Johnson 提出的“亲劳动者 AI”主张，并进一步提出，教育中的 AI 也应该成为“亲学习者 AI”：
不应取代思考、学习、创造和解决问题过程中那种“艰难的乐趣”，而应拓展学生能够思考、学习和解决的问题范围。
这背后还有一个更广泛的社会问题。对聊天机器人的依赖，可能挤压学习小组的空间，减少师生之间的交流。因此，“增强学习”不能只停留在理念层面，还需要落实到具体的教学实践中。
8.在课堂和校园之外
学习从来不只是知识的传递。教育也是一种文化实践，学生在其中学习如何创造意义、作出判断、形成自我认知，并以负责任的方式参与共同体。
学生在 MIT 真正获得的一些重要东西，并不会出现在教学大纲里。它们往往来自共同生活和工作的过程，包括彼此之间形成的期待、习惯、关系和价���观。住宿制教育的价值，很大程度上也体现在这里。
报告尤其警惕一种“交易性”的教育模式：作业被视为需要交付的产出，教师变成负责评分的人，同伴变得可有可无，学位则变成一件可以不断优化的商品。
这种心智模式的影响不会止于课堂，也可能进一步塑造学生未来对工作、协作和社会责任的理解。
因此，MIT 需要追求的目标，并不是让学生远离 AI，也不是拒绝技术变化，而是确保 AI 的使用能够真正服务于人的发展：让学生能够批判性地思考，主动地采取行动，与他人有效合作，并理解自己的选择会给这个由 90 亿人共同生活的世界带来什么影响。
建议
如今，AI 已经能够对 MIT 本科课程中几乎任何书面作业给出可信的解答，包括论文、数学与科学题、证明以及编程作业。因此，许多学生开始使用 AI 辅助学习和解题。不到三年的时间，这种变化已经明显影响校园文化，包括答疑时间出席率下降、在线讨论减少，以及宿舍和图书馆中的面对面学习小组减少。
同时，MIT 团队认为，AI 使用也可能会加剧学生的焦虑、抑郁和孤独问题，但也可能成为重新建设校园共同体的契机。
此外，由于 AI 技术发展太快，今天制定的方案很可能需要不断调整。因此，MIT 还需要建立相应的制度和资源，为持续应对 AI 变化提供支撑。
针对这一变化，他们给出了数十条建议，其中包括需要立即执行的，以及需要立即启动但有必要继续研究规划的。部分如下：
重新审视课程目标
首先，每门课程需要回答一个基本问题：课程结束时，学生应该知道什么，又应该能够做什么？
同时，课程目标也需要具备“AI 感知”，也就是说，承认 AI 已经成为学习环境的一部分，并由教师根据课程目标，明确哪些场景可以使用 AI、哪些场景需要限制使用。另外，也要考虑学生可能在未经许可的情况下使用 AI 这一现实。
此外，报告还提出了一些值得重新思考的传统学习目标。例如，今天的大多数学生是否仍然需要具备手写复杂程序的能力？
重构评估方式
与其一味试图“防 AI”，不如重新设计更难被 AI 直接代答、同时更有利于学习的评估方式，例如口试、学期作品集，以及将课外作业与课堂讨论结合起来。
一些教师已经开始提高考试在总成绩中的权重，或者要求学生在课堂上完成写作。但报告也提醒，如果把评估全部压缩到限时课堂中，可能会传递出与“创造具有深度、严谨性和创造性的作品”相悖的信号。
强调体验式与项目式学习
AI 已经能够完成 coding 以及部分设计工作，这也给教师提供了布置更具挑战性项目的空间。报告提到，在 MIT 的一门顶点软件工程课程中，学生如今可以借助 AI coding 工具，在一个学期内完成接近生产质量的软件。
同样，协作式课内项目能够培养协作、沟通、问题解决和情商等能力。这些长期的人际与社会能力，也是报告认为雇主高度重视的能力。
将有结构的面对面社交学习纳入课程
可以设置小组项目和每周检查、助教引导的解题环节、结构化反馈讨论，以及计入成绩的课堂讨论。AI 能够提供及时帮助和个性化反馈，但如果学生因此绕开与他人共同学习、共同工作的过程，也可能失去教育中同样重要的一部分。
制定有明确理由的 AI 使用政策
每门课程都应制定清晰的 AI 政策，并在教学大纲和课程网站上明确说明。相比公开宣布“用 AI 即作弊”，可能解释 AI 如何让学生绕过学习课程基础、练习真实问题的机会，会更好一些。AI 只是工具，学生需要对提交的所有内容负责。
谨慎对待 AI 检测器与在线考试平台
报告认为，现有检测工具几乎无法检测“AI 做提纲、AI 润色段落”这类混合使用方式，过度依赖检测工具可能进一步增加师生之间的不信任。
现有的学术诚信程序通常建立在“作品要么由学生自己完成，要么由他人完成”的二元模式上，而 AI 的出现已经使这种划分变得更加复杂。因此，学院需要重新明确，涉及 AI 使用的案件应当采用什么样的证据标准。
定义并传播住宿制教育的价值
不能想当然地认为新生会领会面对面讨论的价值。学习之所以有效，正因为它兼具挑战性与社会性，与同伴一起拆解证明、反复调整实验、激烈争论，而不是从 AI 那里获取“那个”答案。
强化社会联结与个人福祉
已有迹象显示，一些学生在学业甚至情感支持上依赖 AI，失去能动感、目标感与自信。因此，全校性的人文技能庆典、“无科技时段”、扩展到系所与宿舍层面的集体阅读，变得十分必要。
鼓励教师披露自己的 AI 使用
学生对双重标准高度敏感，“如果老师只是放一场 AI 生成的讲座，我又何必来上课？”教师的示范性使用，恰恰是夯实新社会契约的机会。对 AI 打分，更好的做法是把 AI 评分工具连同作业一起交给学生，作为获取反馈的途径，而非决定成绩的机器。
在论文与研究中承认 AI 使用
所有学位论文都应包含 AI 使用声明；AI 永远不应被列为共同作者。所有 MIT 研究者都应把 AI 视为由人类指挥的工具，并由这个人对其输出的准确性负责。
此外，报告还指出，由于 AI 技术演变太快，今天制定的方案很可能需要不断调整。因此，MIT 还需要建立相应的制度和资源，为持续应对 AI 变化提供支撑。
在报告的最后，MIT 团队表示，他们怀着谦逊，将本报告作为一份路线图献上，帮助学院在当下和未来驾驭这一转型，从而能够继续培养学生“为人类福祉而智慧地、创造性地、有效地工作的能力与热情”。
本文来自微信公众号 “学术头条”（ID：SciTouTiao），作者：学术头条，36氪经授权发布。