AI作业泛滥时代大学生如何看待大学教育的价值

人类历史上第一批和生成式AI一同成长的学生，正迎来他们的毕业季。这届毕业生或许已经察觉：无论大学专业是偏重理论还是实践，都难以避开AI浪潮的冲击。想要在人群中脱颖而出，恐怕得先成为那个“更懂如何驾驭AI的人”。

当知识可以随时调取，技能可以被工具替代，大学还能赋予学生什么独一无二的价值？面对AI的席卷，哪些能力才是真正经得起时间考验的“元能力”？

一场与这代学生的对话，或许能带来一些启发。

01 这届毕业生：刚进大学，ChatGPT来了

这代学生的大学轨迹，与AI的爆发几乎同步。以法律专业的Alfred为例，他虽是标准的文科生，却早早辅修了计算机课程。ChatGPT在2022年底横空出世时，他感受到的不仅是新奇，更是一种紧迫感。

“当时我就想，两三年后我毕业时，AI肯定比现在强大得多，而我的成长速度未必跟得上。那时，我的角色是什么？社会还需要我吗？”这种危机感促使他迅速行动，即便每月20多美元的费用对学生而言不算便宜，他也坚持订阅了ChatGPT，开始与AI“泡在一起”。

他的用法很特别：不是简单地查询答案，而是将AI当作学习伙伴和导师。他请AI为自己规划学习路径，解释斯坦福、MIT公开课中难以理解的概念。在他看来，许多教授科研能力强但未必擅长教学，而ChatGPT却像一个“因材施教、循循善诱的私人教师”，能极大加速对某个领域的掌握进程。

那么，他的知识构成究竟如何？Alfred估算，大约30%来自传统教材与课程，用于构建学科基础认知；而高达70%则来自与AI的多轮深度对话，以及基于实际项目的边做边学和复盘。这种“项目实践+AI辅导”的模式，成了他学习的主旋律。

甚至在他的主修法律课上，AI也成了“秘密武器”。他将公司法权威教授的著作“喂”给AI，创建了一个名为“施天涛替身”的专属对话助手。通过一对一问答，他迅速把握了该学科的核心方法论与学术观点。结果如何？那个学期，他首次拿到了满绩4.0。更关键的是，那些借助AI深度学习的知识，至今仍能被他轻松调用。

02 重新审视大学的价值

当AI深度介入学习，大学的考核方式也在悄然变化。Alfred观察到，从最初老师严防死守、将AI生成视为“学术欺诈”，到如今越来越多学科开始鼓励甚至要求学生在关键任务中使用AI。尤其在计算机领域，态度已转向开放。

这引发了一个根本性问题：如果人人都能用AI写出漂亮代码或论文，大学该如何评估学生？旧有的评价体系显然已经脱节。

“训练AI和培养好学生，其实有相通之处。”Alfred比喻道，“很多AI模型在标准测试（Benchmark）上表现优异，但在开放的真实任务中却一塌糊涂。这就像只会考试的高分学生，解决实际问题时可能束手无策。”这个类比促使他思考大学的本质价值。

在他看来，大学本应承载双重价值：一是探索“我是谁、去向何方”的终极命题；二是传授立足社会的专业技能。然而现实是，后者被过分强调，前者则常常被忽视。尤其在顶尖学府，学生们往往忙于积累“有用”的技能，却少有时间追问内心真正的热情与偏好。

问题在于，后者这套“技能壁垒”正被AI迅速侵蚀。“我们曾以为在大学获得的有价技能，AI可能做得更好、更便宜，且24小时在线。”这对知识工作者尤为致命，无论是程序员、律师还是金融从业者。

意识到这点后，Alfred开始刻意调整选课策略，避开那些侧重记忆或纯粹实用的课程，转而投向能训练批判性思维的领域，如“西方法律思想史”、“法理学”，甚至跨校选修了清华新雅书院的“西方近代哲学”。

博雅教育起源于古希腊的‘自由七艺’（语法、修辞、逻辑、算术、几何、音乐、天文），中世纪插画《哲学与七艺》形象地展现了这一传统——哲学女王端坐中央，七门技艺环绕其旁。

©Dnalor_01/Wikimedia Commons/CC BY-SA 3.0

阅读《第一哲学沉思录》这样的原著是痛苦的，过程伴随着对既有信念的解构。但正是这种解构，让人开始以批判性眼光审视一切，并在怀疑一切之后，触摸到那些“始终存在”的东西。“当我触碰到那个瞬间时，我隐约感到，这是AI难以替代的。”Alfred说。这也让他触及了素质教育的核心——批判性思考的边缘。

因此，他坚信大学的评价体系需要重构。大学更应成为探索学生本能与潜能的场所，而新的衡量标准之一，便是“能否与AI协同解决问题”。

03 未来大学的核心价值：社交

如果实用技能不再独占鳌头，大学最重要的财富是什么？Alfred的答案是：环境与人。

首先是顶尖的同侪环境。与来自五湖四海、不同专业的优秀者交流，本身就是一种享受和滋养。其次是与老师的深度连接。那些有学识、有阅历的师长，能在“一对一交流”中帮你预见未来，避开不必要的弯路。

更关键的是“人的连接”（people connection）。当硬技能的光环褪去，建立信任、说服他人、最大化利用环境资源的能力，就显得尤为重要。“如果带着现在的认知回到大一，我一定会拼命去社交。”Alfred强调，这种社交并非泛泛的娱乐，而是追求有深度的、一对一的交流。

图片来源：清华大学官网

这与马斯克的观点不谋而合——他曾断言，未来大学的知识会过时，学历会失效，教育的核心是培养AI无法复制的特质，如好奇心与批判性思维，甚至“未来大学就是社交”。

另一位学生Kolento对此深表认同，并且身体力行。“大学就是社交”这个观点，甚至直接写进了他的大学申请文书。在纽约大学，他大部分时间并未用于完成标准化课程，而是用于看论文、做自己的产品项目，以及与硅谷的创业者、投资人保持广泛联系。

他的目标非常明确：“我上大学的目的很功利，就是为了学历。”在他看来，学历不仅是知识证明，更是一种社会信任信号，向市场宣告“此人可被委以重任”。因此，教育的本质，对他而言可以概括为“评估”——学习如何进行价值判断。

“在AI时代，大量执行类工作已被替代，留给人类的恰恰是评估。”Kolento从历史中寻找依据，认为最早苏美尔时代的“泥板学校”就是功利的、为外部验证服务的。能长久存续的教育体系，必然与筛选、评估和识别人才紧密相关。在充满不确定性的未来，获得社会认可的文凭，依然重要。

04 AI无法取代的能力：元认知

AI是学习的翻跟斗吗？对此，对话中间出现了有趣的思辨。一方认为，AI在拓宽信息广度、优化学习路径上功不可没；但另一方指出，在特定问题的理解深度上，人类大脑的处理速度有其生理极限，AI难以加速那个内化与顿悟的过程。

这恰恰凸显了博雅教育的深远意义：对学科历史、哲学根基的深度理解，最终将决定一个人能把AI工具运用到何种境界。缺乏这种深度，就无法判断AI输出的对错，更无法将其引导至更高的品位。

用Jack的话说，现在评价作业优劣，关键在于“价值判断的能力”。如果一个学生完全不懂课程，即便AI写出了内容，他也无法辨别好坏，直接提交的结果往往不理想。反之，精通课程又善用工具的学生，产出的内容经过“去AI味”处理，就能获得高分。这本质上是一种综合能力的较量。

Jack本人堪称“AI重度用户”，他坦言99%的作业都有AI参与。那剩下的1%是什么？或许是个人展示这类需要“真人出场”的时刻。他的使用策略很清晰：将AI作为需求拆解与效率提升的伙伴，而非替代思考的主体。尤其是在他熟悉的机器学习领域，AI帮他快速获取信息，但核心的架构与逻辑仍需自己把握。

有趣的是，Jack认为AI反而让他在某些课程上基础打得更扎实。“比如编程，面对大量代码时，AI的表现并不稳定。如果一个人不熟悉代码，任由AI自由发挥，结果往往会很‘奇怪’。”因此，深厚的专业基础，是有效驾驭AI、让其真正为你服务的前提。

05 无法剥离的AI，比短视频更上瘾

依赖有多深？当被问及是否“AI上瘾”时，Kolento的回答很直接：“必须的，疯狂上瘾。”他曾对朋友说，感觉没有Claude就“活不了”。AI节省了他70%的执行时间，并提供30%的灵感，一旦抽离，两者皆空。

这种依赖甚至超过了短视频。“我可以一天不看短视频，但没有一天不用AI。”Kolento说。

Alfred则提出了一个更深刻的“思想实验”：如果突然抽离所有AI工具，我们是否会退回到一种“原始”状态？许多顶尖程序员已不再手写代码，认为那会降低效率。人类在AI驱动的生产环节中，所谓“人在回路”的角色，或许只是人类的一厢情愿。

他引用《智人之上》（Nexus）中的观点提醒，我们可能低估了问题的严重性，目前只是沉浸在AI带来的红利中。当工具全面渗透，我们自身还剩下什么？这个问题未来会愈发严峻。

相比之下，在AI时代前就已学会编程的Jack，显得更有“底气”。他承认失去AI会很难受，但并非无路可走。“如果没有AI，我会启用备用方案，比如重新去Stack Overflow找答案，看那些古老的静态网站教程。”他认为，保有这种“次优方案”的能力和准备，是必要的。

06 资深悖论：越资深，用AI效率越低？

一个反直觉的现象正在发生：AI可能让专家变慢，却让新手飞速成长。Kolento分享了一个名为METR的组织在2023年进行的随机对照实验。

实验邀请了16位平均拥有5年以上经验的资深工程师，分配了200多个真实任务。结果令人惊讶：使用AI的组，完成任务的平均速度反而比不用AI的组慢了19%。更讽刺的是，使用AI的开发者自我感觉效率提升了20%，感知与现实差距高达40%。

研究者将此称为“生产力安慰剂”效应——AI的即时反馈制造了高效前进的幻觉，但验证、调试和返工的隐性成本却被忽略了。减速最严重的正是那些编码专家，而初学者则获得了显著的生产力提升。这就是所谓的“资深悖论”（Seniority Paradox）。

原因在于，专家已建立起高度优化、个性化的高效工作流，AI提供的通用建议反而成了干扰噪音。而对新手而言，AI就像一个不知疲倦的私人导师，随时填补他们在语法、设计模式上的知识空白。

“这意味着，在AI时代，‘什么都不会’可能从劣势转变为一种优势。”Kolento总结道，“恰好处在学习起点的大学生，正处在AI能最大程度辅助他们的黄金位置。”

主播泓君以自己的经历佐证了这一观点。早期做记者时，她手动听译英文采访并撰稿，与后来借助语音转写和AI翻译的速度相差无几，甚至手动处理时因为同步在构思文章节奏，效率反而更高。这完美契合了“资深悖论”。

Alfred最后将讨论提升到更宏观的层面：无论技术如何演进，核心始终是人与环境的适应关系。在技术狂奔、环境剧变的当下，这种适应能力变得空前重要。它不仅仅关乎功利的学习能力，更关乎内心的信念、坚定乃至信仰。世界的变化并非线性可预测，而是充满混沌。个人如何在其中自处并适应，是时代抛给每个人的新考题。

这场对话结束后，一个插曲值得玩味：主播在硅谷的高中生聚会上，提到“最早用AI学编程的大学生，离开AI反而不会写代码了”，立刻有高中生反驳：“为什么要做这个假设？我们不会离开AI了。”在这群更年轻的学生看来，AI会的东西，人类没有必要再去学。

99%的作业靠AI完成，被解构的评估体系，比短视频更深的依赖，上大学只为一张文凭——这听起来像是新一代学生的宣言。在这场关于“何为有用、何为不可替代”的大考中，他们只是最先交卷的人。而这份答卷，值得所有人深思。