2026年9月6日，复旦大学校长金力站在开学典礼上致辞，主题为“智能时代的学习者”。开学前，复旦对2026级新生做过问卷调研，2000多人参与，结果显示几乎每人都用过AI工具，近八成已经形成使用习惯。

面对1.8万名来自92个国家和地区的本科及研究生新生，金力提醒新生警惕两个现象。一个是“认知卸载”，“如果只求现成答案、习惯‘思维外包’，将导致批判思维的弱化”；另一个是“虚假掌握”，“如果缺少独立推理、深度依赖AI的评测，将增加貌似学懂的假象”。

而在两天前，北京大学校长高松在开学典礼上说了类似的话。他说，AI虽然可以给出标准化结论，却无法替代在反复试错中形成的独立判断。他警告说，一味依赖机器生成答案，“思维就容易趋向惰性，宝贵的创造力也会随之消磨”。

两位校长的担忧颇为相似，过度依赖AI可能带来负面影响。与此同时，警告也从美国另一顶尖高校发出。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。

这份报告由MIT一个特设委员会（Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training）完成，联合主席为MIT教授Eric Klopfer和Sam Madden。委员会1月由校方委托成立，成员覆盖MIT五个学院的教师、本科与研究生，以及图书馆、教学与学习实验室的工作人员，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。与知道自己在作弊的人不同，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（office hours）出席率下降，据访谈显示，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（报告称之为“augmentation, not automation”），并建议教师采用逆向设计（backward design）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。

报告在美国高等教育界引发了持续讨论。MIT校长Sally Kornbluth在致MIT社区的公开信中把它称为MIT和整个高等教育的“分水岭时刻”（a watershed moment）。《高等教育内幕》（Inside Higher Ed）、Higher Ed Dive、《福布斯》（Forbes）等媒体相继撰文，共同聚焦于同一个现实判断——AI已经可以完成几乎所有本科书面作业——以及由此引出的问题：当作业本身不再能证明学习发生，大学该怎么办。

MIT报告担心AI在制造“学习的错觉”。这种错觉有多大？

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。斯德哥尔摩大学的David Strömberg和合作者Victor Lei、Yanhui Wu追踪了中国中部一个县26,811名7至12年级学生在30个月内的成绩变化，用双重差分法分析了AI对学习的因果效应。

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。数据还显示，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。

沃顿商学院管理学副教授Ethan Mollick在社交平台评论说，“如果AI削弱了心智努力，它就会伤害学习。”

尽管这些数据来自中学而非大学，它揭示的风险图景与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（productive struggle），分数的提升恰恰掩盖了学习的倒退。

一个相关的问题是：学生具体把什么任务交给了AI？

Anthropic公司分析了旗下AI助手Claude约100万条高校邮箱账户的匿名对话，经分类器筛出57.4万条学业相关记录。按照教育学常用的布鲁姆认知分类法，Claude回答最多的恰恰是最高阶的认知功能：创造性思维（Creating）占39.8%，分析（Analyzing）占30.2%，而最低阶的记忆（Remembering）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”（cognitive debt）。

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。

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。

在中国，各个高校对于AI的拥抱非常迅速。

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。

复旦大学是执行较快的代表之一。根据校方数据，学校已立项建设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。据媒体报道，清华大学的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1,953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”。

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MIT报告所说的“productive struggle”，那个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上、每一次作业里、每一场考试前，“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。

来源：赛先生（原文标题：当AI什么都会，大学该教什么？）