教育系列(三):当AI能写论文、做PPT、写代码的时候,大学到底该教什么?
- 2026-11-10 11:21:10
这是「教育系列」的第三篇。前两篇聊了高校分类改革和学历贬值，这篇聊一个更根本的问题：当AI能写论文、做PPT、写代码的时候，大学到底该教什么？我们先从一个有点讽刺的新闻说起。
133年第一次
2026年5月，普林斯顿大学全体教员投票，恢复了期末考试的监考制度。投票结果几乎全票通过，只有一张反对票。
听起来平平无奇？但你得知道，普林斯顿的"荣誉守则"制度已经存在了133年。在这133年里，期末考试是无监考的——学生自己监督自己，老师出完题就走，教室门开着，没人管你看没看书。
为什么现在破了这个百年传统？
因为ChatGPT。普林斯顿校报做了个调查，2025届毕业生里，30%的人承认在作业或考试中作过弊，28%承认在明确禁止用AI的作业里用过ChatGPT。这个比例比2024年翻了一倍多。
斯坦福也差不多。2026年，斯坦福终结了从1921年开始实行的荣誉制度，允许教授回到考场监考。MIT的计算机系课程，从2023年开始纷纷增加了笔试的权重——因为回家做的编程作业，学生直接把题目丢给AI就能出结果。
一所所世界顶尖大学，正在集体退回到"面对面监考"这个最原始的评估方式。
但我想说，这其实是最表面的应对。
猫鼠游戏
如果你关注过这场AI和教育的博弈，会发现它特别像一场猫鼠游戏。
老师这边开发AI检测工具，Turnitin的数据说，他们检测到学生提交的内容里22%包含AI生成文本。学生那边呢？用AI写完再让AI改写一遍、人工改几段、换个说法，检测率立刻就下来了。国内有的学校规定"AI生成内容不得超过20%"，有的画40%的红线，有的干脆六个环节全部禁止AI碰——但真要查，谁也说不准哪个数字是准的。
国际大学协会2026年3月的报告说，全球60%的大学到现在还没有一份正式的AI使用政策。
这场猫鼠游戏里，猫是永远追不上老鼠的。AI迭代的速度是以月计的，而大学的政策更新是以年计的。你今天的检测方法，半年后就可能失效。
所以问题根本不在"怎么防学生作弊"。
问题在于：如果一门课的作业，AI几秒钟就能做完，那这门课教的东西本身，还有多少价值？
AI能做什么，不能做什么
把这个问题想清楚了，大学该教什么其实就清楚了。
我们列个清单。
AI现在已经做得很好的：写一篇结构完整的文章、做一份PPT、写基础代码、翻译一段文字、总结一份报告、出一个方案的框架、回答标准化的问题。这些事情，曾经是大学毕业生的看家本领——写材料、做汇报、整理文档、写代码初稿、翻译文件。
AI做不到或者做不好的：判断一段信息到底对不对、在复杂的现实情境里提出一个真问题、和人面对面打交道、动手操作一台机器、为一个决定承担责任、把两个看似不相关的领域连起来产生新想法。
你发现没有？过去几十年大学教育花了大量时间在左边那一栏。记笔记、背知识点、写标准论文、做标准化的习题、考标准化的试。这些事情，AI现在做得比大多数人都快、都规范。
那教育应该把重心放在哪？答案不言而喻——右边那一栏。
大学该教什么
国内其实已经在动了。
今年4月，教育部等五部门发了《"人工智能+教育"行动计划》，要把AI变成所有大学生的公共基础课，已经开了一百多门课，搞了41个"X+AI"双学士学位项目。
但这些是表面的动作。真正值得看的，是那些课本身开始怎么变。
华东理工的做法是：设置AI做不出来的复杂工程开放题，让学生做线下的实地科创项目。为什么？因为AI可以帮你写代码，但它没法替你跑到工厂里去看真实的生产线出了什么问题，没法替你判断这个方案在实际条件下可不可行。
华东师大更激进，出了国内第一份《生成式人工智能学生使用指南》，还开了《人工智能伦理与安全》的必修课。注意，这门课不是教你怎么用AI写东西，是教你怎么判断AI给出的东西靠不靠谱、什么时候会出错、出了问题谁负责。
我看到一个写作课老师说得特别好：如果写作课的目标只是让学生更快更多地产出文章，那这门课确实没价值了。但写作训练的本质是思维训练——逼你把一件事想清楚、结构搭起来、逻辑立住。这个能力AI替不了。
翻译成大白话：大学以后教的东西，越来越多会是"提出问题"而不是"回答问题"，是"判断AI给的方案好不好"而不是"自己写一个方案"，是"带人把事情做完"而不是"一个人闷头写材料"。
对学生和家长
说点实在的。
如果你家孩子正在读大学或者马上要读，我觉得有三件事可以想清楚。
第一，别再把"绩点"当成唯一目标了。绩点衡量的是你在标准化考试里表现多好。但标准化考试考的那些东西，AI比你强。真正值钱的是：你能不能在课堂讨论里提出一个好问题？你做的那个项目最后落地没有？你和不同背景的人合作过吗？这些东西成绩单上不写，但找工作的时候老板会问。
第二，学会用AI，但别让AI替你想。这话说起来矛盾，其实不难。用AI查资料、出初稿、改语言，都没问题。但每一次它给你的答案，你都要多问一句：它说的这个对不对？依据是什么？有没有遗漏？这个"校验"的动作，才是你和AI之间真正的分工。AI负责快，你负责对。
第三，找那些"AI替不了"的场景多扎进去。实习、实验、实地调研、和人打交道的项目、需要动手的技能。这些事情刚开始做的时候看起来不如坐在教室里听课"正经"，但四年后毕业找工作的时候，你会发现这些才是简历上真正有分量的东西。
尾声
普林斯顿恢复监考这件事，我倒不觉得是倒退。它其实是一个信号：当知识本身变得便宜了，大学的价值就得重新定义。
以前大学的卖点是"我把知识传给你"。现在知识打开手机就能查到，这个卖点不值钱了。大学以后真正卖的是什么？是那个和老师同学一起讨论、一起做项目、一起把一个问题想明白的过程。
说穿了，大学从来就不该是一个知识点的仓库。它是一个让你在二十岁出头那几年，有机会慢下来，学会怎么思考、怎么判断、怎么和人一起把事情做成的地方。
AI越强大，这个能力就越值钱。
古道上的人多了，走法就得变。以前比谁背得多、走得快；以后可能要比谁看得远、选的路对。
本篇要点
1. 普林斯顿133年来首次恢复监考，全球顶尖大学都在应对AI作业，但围堵是猫鼠游戏。
2. 真正的问题不是作弊，是过去教的那些东西——写文章、做PPT、背知识——AI现在做得比人好。
3. 大学该教的重心要从"回答问题"转向"提出问题"，从"产出内容"转向"判断对错"。
4. 对学生来说，别死磕绩点，多扎进那些AI替不了的真实场景里去。
下一篇预告
教育系列（四）：教育军备竞赛什么时候是个头？一个普通家庭的现实选择
