行业动态
x.com ·
@shao__meng
MIT「AI 使用特别委员会」最终报告：AI 时代的教学、学习与研究训练
MIT 校长、教务长与教师主席联合授权成立的「AI 使用特别委员会」发布最终报告，评估 AI 在校园的真实使用状况并提出政策建议。报告诊断：AI 已使习题集、带回家考试等传统评估手段失效；学生「一遇困难就退回 AI」导致「学习的幻觉」，侵蚀批判性思维与同伴互动；答疑出勤下降、学习小组萎缩；教师监管与学生恐惧被诬告形成相互怀疑；各课程 AI 政策不一；部分学生每月自费 200 美元以上购买高级 AI 工具造成新不平等。报告提出八项原则（保持谦卑、大胆行动、人性优先、拥抱学习、有意图地教学、没有统一答案、增强而非自动化、超越校园）和三个方向建议：重塑课程目标与评估（推荐口头考试、学期作品集、课堂当面对话，明确不建议依赖 AI 检测工具）、保护 UROP 本科生研究计划、反对成绩配给；以人与住宿体验为中心；建立常设 AI 与教育委员会、院系 AI 负责人、试点基金和模型无关的 Parley 平台。
AI推荐理由 该帖转述 MIT「AI 使用特别委员会」最终报告，给出了报告的核心诊断（传统评估失效、有效挣扎消失、孤立感、师生信任、规则混乱、公平问题）、八项指导原则和三个方向建议，并附官方报告链接 aiandeducation.mit.edu/report，信息密度高、结构完整。局限在于这是二手转述，正文未提供报告原文页码或数据出处，部分表述（如「93% 本科生」）无法在片段内核实；互动量极低，仅作传播信号。对 AI 与教育落地、评估体系重构、Agent 替代学生研究等议题有实际参考价值。
82
浏览 28
点赞 0
评论 0
转发 0
正文
MIT「AI 使用特别委员会」最终报告：AI 时代的教学、学习与研究训练
[@MIT](https://x.com/MIT) 校长、教务长与教师主席联合授权成立特别委员会，任务是评估 AI 在校园的真实使用状况、识别教学创新，并提出政策建议。它是美国顶尖研究型大学对「AI 冲击本科教育根基」的系统性诊断与应对路线图。
[aiandeducation.mit.edu/report](https://aiandeducation.mit.edu/report)
核心诊断：AI 正在动摇教育的地基
· 传统评估体系事实上已经失效。AI 现在几乎能为任何书面作业生成可信的解答——习题集（p-set）、带回家考试这些 MIT 标志性的评估手段已不可靠。
· 「有效挣扎」正在消失。学习本质上依赖认知摩擦（cognitive friction）——和同学一起解开证明、反复迭代实验、与同伴争论。而 AI 让学生「一遇到困难就退回 AI」，制造出「学习的幻觉」：作业完成了，掌握没有发生。批判性思维、记忆力、自信心都在被侵蚀。
· 孤立感在加剧。答疑课出勤率下降、线上讨论参与减少、宿舍和图书馆里的学习小组在萎缩——学生转向聊天机器人，同伴连接和师生互动被替代。
· 师生信任被腐蚀。报告用了一个精准的意象：教师监管学生用 AI 与学生恐惧被诬告，形成了「一条相互怀疑的地下暗河」——「这不是健康课堂的基础」。学生还看到了双重标准：教师自己用 AI 批改作业和评分，却限制学生使用。
· 规则混乱。各课程 AI 政策不一，学生对「何时、何地、为何被禁止/允许/要求使用 AI」感到困惑和焦虑。
· 公平问题。有学生每月自费 200 美元以上购买高级 AI 工具，造成新的不平等；此外还有数据隐私、偏见、环境影响等顾虑。
# 八项指导原则
1. 保持谦卑 生成式 AI 诞生（2022 年底）不到四年，技术演进快于社会消化的能力，任何政策都建立在流沙之上，重大修正在所难免。
2. 大胆行动 但不确定性不是不作为的借口。「这不是打补丁和贴胶带的时刻。」MIT 缔造了 AI，也欠学生一份对 AI 潜力与缺陷的成熟理解。
前两条合起来看：我们对 AI 的判断可能是错的，但必须现在行动，两句同时成立。
3. 人性优先 全报告的轴心。面对「用 AI 智能体替代本科生做研究」的诱惑，报告反问："我们共聚于此，究竟是要做什么？"校园研究是学徒制，其低效「是特性，不是缺陷」。而师生间因监管 AI 而生的「相互怀疑的地下暗河」，解药不是更好的监控，而是停止监控。
4. 拥抱学习 关键转向：AI 是伪装成威胁的祝福。注意力碎片化、分数至上这些弊病已存在二十年，AI 的冲击恰好成为强制重构的引爆点。核心命题：教育「必然是一种有效挣扎」，最重要的产物「不是 GPA 或文凭，而是你自己」。
5. 有意图地教学 方法论核心（逆向设计）：先问「学生该学会什么」，再决定作业与评估，最后才谈 AI 用不用——「有用则用，无用则不用」。工具问题被降级为目的问题的推论。
6. 没有统一答案 诗歌课禁 AI 是保护练习，设计课教 AI 是职业必需；打基础的本科生与博士生对 AI 的合理关系也不同。但反一刀切 ≠ 放任教师各自发明：学校提供政策菜单，院系作为选择单位。
7. 增强而非自动化 理论根基最深的一条。引用同校三位经济学家的「亲工人 AI」，平行提出「亲学习者」：AI 不替代思考的「艰难的乐趣」，而是扩展你能思考的范围。并点出镜像结构：聊天机器人依赖之于教育 = 自动化之于劳动——替代、去技能化、孤立。
8. 超越校园 Bruner：若把教育误解为「内容传递」，AI 看起来就能取代教师；但教育是文化实践——意义建构、判断力、身份形成。最重的警告是交易模型：把文凭当「可优化商品」的心态不会留在校园，它会塑造学生未来如何理解工作与协作。
# 三个方向的建议
1. 为 AI 时代重塑教育流程，这是报告的实质核心：
· 重定课程目标：先问「课程结束时学生真正应该会什么」，并坦诚承认学生可能会未经许可使用 AI。报告甚至自问：是否大多数学生还需要「手写复杂程序」？
· 重新设计评估，而非「防 AI」：把所有东西搬进课堂考试是治标不治本，还会削弱学生对耗时项目的投入。推荐口头考试、学期作品集、课外作业配合课堂当面对话。AI 检测工具被明确建议不要依赖——误伤非母语者和神经多样性学生，且催生「AI 去机器味化」的军备竞赛。
· 强化体验式与项目学习：软件工程毕业设计课上，学生已能在一个学期内做出「接近生产质量」的软件。
· 每门课都要求有明确、附理由的 AI 政策，学生对提交的一切负责。
· 保护 UROP（本科生研究计划）：覆盖 93% 本科生。报告明确警告——不要用 AI 智能体替代学生研究员，UROP 的目的是教育，不是产出。
· 反对「成绩配给」（限制 A 的比例），认为这只会加剧走捷径的诱惑；并抛出一个思想实验：如果没有成绩，「围绕 AI 作弊的许多激励会消失」。
2. 以人、社区与住宿体验为中心：明确住宿教育的价值；每个学科都应包含常规的线下社会性学习环节；教师应透明说明自己的 AI 使用；在整个课程体系中教「有效、负责任、合乎伦理的 AI 使用」；论文中可声明 AI 协助，但 AI 永不作为共同作者。
3. 建立持续改进机制：常设 AI 与教育委员会、院系级 AI 负责人、AI 试点基金、教师培训与效果度量；通过模型无关的 Parley 平台保障工具公平获取；保护敏感数据，监测成本与环境代价。
