第一句话就是行动号召

这份报告的第一句话就很直白。「This report is a call to action.」

2026 年 8 月 13 日，MIT 的「教学、学习与科研训练中 AI 使用特别委员会」交出了五个月调研的结果。委员会是一月份受命的，授权人三位，校长 Melissa Nobles、教务长 Anantha Chandrakasan、教授会主席 Roger Levy。成员有本科生、研究生、五个学院的教师，还有图书馆和教学实验室的职员，两位联合主席是 Eric Klopfer 和 Sam Madden。最初派下来的任务其实很具体，摸清校园里的 AI 使用现状，找出教学与评估上的新做法，再提出一份 AI 使用政策。可调研做下去，委员会发现自己要回答的是一个更大的问题，AI 时代的 MIT 教育到底还要干什么。

我把这份报告全文抓下来通读了一遍，四章、八条原则、二十多条建议。下面挑我认为最要紧的部分讲。

校园里已经发生了什么

ChatGPT 是 2022 年底发布的，算下来不到四年，生成式 AI 的用户已经超过十亿。MIT 校园里的变化是肉眼可见的。去 office hours 的学生少了，线上讨论的参与少了。委员会听到的情况里，连宿舍和图书馆的学习小组都在变少。习题集、带回家考试、本科生科研项目 UROP，这些 MIT 教育的看家项目全都受了冲击。

学生对 AI 的态度很矛盾，好奇、受启发、感激都有，无奈、担忧、焦虑也有。教师这边，有人已经重度依赖，有人持拒绝 AI 的立场。两边倒有一个共同点，都想交流经验，又都觉得自己没摸透这件事。

报告把后果列得不留情面。学生变得更孤立，掌握感和自信心受损，师生之间那份「社会契约」在被侵蚀，评估学生到底学到了什么越来越难。2026 年夏天多所学校的毕业典礼演讲里出现对 AI 的集体抗议，报告也把这件事记了进去。

最该担心的是什么

报告自己的话说，最该担心的，是许多 AI 用法剥夺了学生学习的机会。作弊只是这件事的表皮。成绩还准不准，终究是个技术问题，学习过程本身被掏空了，MIT 的文凭往后凭什么立得住，才是真问题。

他们引了一个概念，「认知投降」。学生一碰到卡壳就退回去找 AI，而从聊天机器人那里拿到正确答案，会制造出一种学会了的错觉。报告又引了三位 MIT 经济学家的说法。Daron Acemoglu、David Autor 和 Simon Johnson 主张做 pro-worker 的 AI，委员会顺着推出自己的版本，教育里需要的是「pro-learner」的 AI，去扩展学生能想什么、能学什么、能解决什么。思考本来就费劲，价值恰恰在费劲这里，AI 把这一步代劳掉，剩下的就只是答案。

八条原则都从这里长出来。谦逊，大胆，把人放在中心，向学习靠拢，有意图地教，不搞一刀切，增强优先于自动化，眼光超出课堂和校园。谦逊和大胆放在一起有点意思。技术变得太快，纠错迟早要来，大的小的都可能。可不确定又不能当不作为的借口，报告的原话，眼下不是打补丁、贴胶带的时刻。

最具体的一个故事，UROP

整份报告里我读得最慢的一段，来自一次倾听会上听到的情形。有教师正考虑用 AI 智能体当研究助理，不再招本科生。

UROP 是 MIT 1969 年开创的项目，如今 93% 的本科生参与，58% 的教师带。报告特意说明，这个项目图的不是本科生的科研劳力。在 MIT，科研同时是一种学徒制，带的是下一代研究者。边做边学看上去效率低，报告的原话是，这种低效恰恰是设计的一部分。

AI 智能体真要是接替了这些位置，学生失去的是进入一个研究共同体的路径。进实验室，跟研究生和博士后学，在组会上讲自己的进展，参与论文，慢慢学会怎么提问题，怎么对待错误，怎么跟人分功劳。这些东西没法用效率衡量，可它们决定一个人能不能长成研究者。

报告给 AI 检测工具泼了冷水

这是全文里立场最干脆的部分之一。他们建议不要依赖 AI 检测软件。

理由很实在。这类工具对纯 AI 生成的文本还算准，可学生要是只用 AI 列个提纲、润色一段话，基本查不出来。就算工具以后进步了，等来的是军备竞赛，学生用更强的 AI 人味化工具抹掉痕迹，两边都费劲，最后谁也没落着好。另外，检测工具可能把非英语母语者、神经多样性学生的写作误判成 AI 生成。误报率再低，落到个别学生头上都是大事。MIT 的纪律委员会（COD）也明确，单凭检测器的输出不足以立案。

报告里有句话我记下了。不少教师说，执法式地盯着学生有没有违规用 AI，正在伤害他们跟学生的关系，学生则怕被冤枉。一条互相猜疑的暗河，撑不起健康的课堂。

连线上考试用的「锁死浏览器」也被委员会点了名，毛病多，容易出错，感觉像监控。至少眼下，有人监考的线下考试更可靠。他们给的替代办法倒很朴素。初稿让学生课上动手写，项目分阶段设检查点，让学生在留版本历史的平台上做作业，交作业连历史一起交。一份平时要写几小时的作业，学生几分钟就交了，版本历史自己会说话。

成绩也被摆上了台面

有几所同级别的学校已经开始限制教师给 A 的比例。MIT 委员会明确不赞成。他们的推理很直接。一心想把 GPA 最大化的学生，本来就会挑最有效的捷径。给高分配额，只会加剧把学习交给 AI 的诱惑。

报告再往前推了一步，提了个思想实验。假如 MIT 没有成绩，围绕 AI 作弊的很多动机会直接消失。当然这只是思想实验，不过他们是认真地提替代方案。能力本位、掌握度本位的评估，英国那种用百分数对照专业标准打分数的制度，作品集分担一部分成绩的信号功能。MIT 自己本来就不发 summa、magna、cum laude 这类等级荣誉，理由是拿到 MIT 学位这件事本身已经是荣誉。

评估改革比防作弊更根本。报告建议口试、学期作品集、课外作业搭配课上面谈。它也坦率点了眼下流行做法的矛盾，把分量挪到课内考试，AI 确实插不进手，可 MIT 文凭这么多年传递的信号，是独立、深入、不怕难地解决问题，限时笔试考不出这个。

每月两百美元的差距

报告里有个公平问题，外界提得少，值得单独说。

商用 AI 最高档的订阅计划要每月 200 美元（2026 年 6 月的价格），有研究者为了编程工具按调用付费，每月能花出几千美元。MIT 的办法是自办平台 Parley，模型不绑定单一供应商，每人每月给 30 美元免费额度。

报告的坦率在于，它承认这里的尴尬。不少学生能每月自掏两百美元用上最强的模型，很多同学不能。只要课程政策放开用 AI，这道差距就直接变成成绩差距，有人能让 AI 连夜把整个课程项目做完，解出极难的题目。30 美元额度明显不够，已经有人仍旧给商业订阅付钱，因为订阅制摊到每个 token 上反而比 Parley 便宜。

教师也要守规矩

报告对教师同样不客气。

教师如果打算拿 AI 生成授课内容，或者把 AI 用在评分和反馈里，强烈建议跟学生讲清楚用了什么、为什么用。这条要求来自校园里真实的怨气。学生对双标极其敏感，教师拿 AI 做幻灯片、批作业、写反馈，转头限制学生用，学生都看在眼里。一项投票里，多数学生表示接受不了 AI 助教。校报 The Tech 听到的一句牢话很有代表性。「老师要是就放一段 AI 生成的讲义，我干嘛还来上课、还做作业？」

报告还引了 2025 年秋季 Tech 调查的一个数字。三分之二以上的学生认为 AI 对自己未来的职业重要，可只有 25% 觉得 MIT 在教他们怎么用。这道落差，大概就是这份报告自称行动号召的原因之一。

机会也是真的

报告不是只讲风险。有两个 AI 拓宽教学边界的例子，我觉得有说服力。

一个是 MIT 的顶阶软件工程课。以前一个学期能做完的项目必须刻意缩小规模，很多方面不真实，现在靠 AI 编程工具，一学期做出接近生产质量的软件成了合理预期。学生能研究的东西随之变深，设计在真实环境里怎么运作，为什么有的设计比别的强。

另一个是培养调解员的课。当众练习说话总归尴尬，教师给每人配了一个定制的 AI 教练，尴尬没了，学生练习的意愿大涨，技能跟着涨。

哈佛经济学家 Raffaella Sadun 在华尔街日报采访里说过，AI 时代能赢的人是那些会创造性地想 AI 怎么创造价值、能把想法迅速变成行动、愿意在实验和验证里修正直觉的人。「修补匠和实干家在这种环境里活得最好。」报告引了这句话，跟 MIT「手脑并用」的校训正好对上。

报告之后呢

后半本是制度安排。委员会层面，要设一个常设的 AI 与教育委员会，各学院或系任命 AI 负责人。钱也要跟上，一支实施团队，一批 AI 研究员，一个帮教师改课的试点基金。此外是监测指标、隐私和审计规则（理论上，IS&T 能看到经 Parley 发出的每一条请求），还要盘一盘 AI 的环境成本。落到单门课上，要求每门课把 AI 政策写进教学大纲并讲清理由，禁止用 AI 不能只宣布用就是作弊，得说明 AI 会短路掉哪一部分学习。论文必须声明 AI 的使用方式，AI 永远不能挂名共同作者。

我也想诚实地说这份报告的软处。他们反复强调谦逊，承认纠错在所难免。他们也承认，重新设计课程要教师投入大量时间和精力，而教学实验室这类支持机构已经满负荷。怎么让本就超负荷的教师真的动起来，报告给的主要是资金、团队和实践共同体。这些够不够追上技术变化的速度，报告自己留了个开放式答案。

还有一个细节我觉得最有味道。报告提到 ELIZA，这个聊天机器人上世纪六十年代就诞生在 MIT，本是为了演示人机交互能有多浅，结果从第一天起就有人对它倾诉。六十多年过去，报告写道，今天的学生是最可能找 AI 要个人建议的一代人。

AI 是从 MIT 走出来的，现在 MIT 得回答怎么跟它相处。报告的最后一段没有说空话，他们说，MIT 的使命系于这件事能不能成。

来源

• MIT Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training，报告全文，2026-08-13，https://aiandeducation.mit.edu/report/
• Acemoglu、Autor、Johnson，Building Pro-Worker AI，Brookings，https://www.brookings.edu/articles/building-pro-worker-ai/