3年前，我们曾以《当ChatGPT站在大学门口》为题，讨论AI对大学教育的冲击。那时，生成式AI像站在大学门外的闯入者，引发人们的想象与警觉。短短3年，这扇门已彻底敞开，一项覆盖全国400余所高校的调研显示，AI工具在大学生中的使用率已达99.18%，近七成高校教师把它当作日常工具。
当AI深度渗入高校日常，大学课堂还有什么内容值得教？还有哪些能力必须由人来培养？大学的存在是否依然不可替代？记者专访了复旦大学生命科学学院教授赵斌、华东师范大学教育学部教授顾小清、清华大学公共管理学院副教授蒙克。
赵斌 复旦大学生命科学学院教授 （左） 顾小清 华东师范大学教育学部教授（中） 蒙克 清华大学公共管理学院副教授 （右）
大学正在经历哪些变化
周末周刊：2022年11月，ChatGPT横空出世。4年过去了，受AI影响，大学里的科研和教学又发生了哪些变化？
蒙克：如果从AI的技术能力来看，三四年间的变化确实非常大。2023年，AI主要还是聊天机器人，你问它一个问题，它给你一个回答；到了现在，智能体已经能够调用电脑上的工具，比如Python、浏览器和本地文件，自己完成一系列任务。聊天机器人更像一个大脑，智能体则相当于给这个大脑装上了手脚。
我举几个例子。今年1月，斯坦福大学的政治经济学教授Andy Hall让Claude Code（一款终端AI编程助手）在不到一小时内独立复现并扩展了他的一篇PNAS（《美国科学院院刊》）论文。从数据收集、统计分析到完整论文撰写，全程自主完成。后续独立审计显示，AI的估计值与人工复现高度吻合，相关系数超过0.999。
在中国，中央财经大学数字财经研究中心陈波团队基于“龙马书卷”大模型知识库构建了专家级AI智能体，已能独立完成财经学术论文撰写。在学术研究领域，过去需要花大量时间完成的基础性工作，现在可以被大幅压缩。
龙马书卷专家智能体
赵斌：人工智能差不多以半年为一个节点，每隔半年，能力和使用体验就会有很大不同。尤其随着国产大模型发展起来，智能体逐渐普及，我们的教学发生了变化，教师的课程设计也在不断改变。
我很早就把教学流程搬到了教学网站上，学生通过网站学习视频课程、完成任务。生成式AI出现后，教学网站也逐渐接入了大模型。现在学生做题，旁边就有一个解答助手，可以询问答案是否正确、为什么，甚至继续追问。这对学生自主学习和教师日常教学都有帮助。
但我观察下来，学生面对AI的心态其实也挺复杂。有一部分学生很积极，但更多人还是处在纠结里——你说AI不好用？好用，作业完成得快，论文交上去也像模像样。可他们自己心里会打鼓：我到底学到了啥？是不是就学了个怎么使用AI？专业本事有没有长在自己身上？
学校层面也是一样，一方面鼓励AI赋能，一方面又对用AI完成作业、撰写论文有不少限制。我们支持学生拥抱AI，但具体怎么拥抱、怎么让AI在学习中发挥真正的价值，还缺少明确的、实际的指导。
周末周刊：当学生可以随时通过AI完成一份看起来相当不错的作业，传统的知识传授方式还有效吗？
顾小清：这确实是如今教育领域深感困惑的问题。一些评估研究发现，学生使用AI完成作业时，准确率和效率都可能明显提升，但真正考察其对知识的真实掌握程度，反而是下降的。
这里涉及一个概念，叫“认知卸载”。AI替学生完成了思考加工的过程，学生拿到了一个不错的结果，却误以为自己已经掌握了知识。实际上，他可能只是看到了答案，并没有经历真正的学习。
所以，AI时代的教学设计非常重要。过去老师布置作业往往是关注事实性问题，学生通过查资料就能回答；现在，如果学生可以直接把问题交给AI，教师就必须重新考虑任务应该怎么设计。不能只让学生提交最终成果，还要让他们在完成任务的过程中运用自己的思考。
赵斌：针对这一点，我的应对方式是把课程变成一条“任务链”。
我为一门课程设计了7个项目，让学生根据自己的兴趣选择，每个项目都明确要解决什么问题、最终需要提交什么成果。学生选定项目之后，会匹配课程库里的不同材料，既有《自然》《科学》等顶刊，也有视频课程、文字资料和其他学习资源。在AI的帮助下，这些材料会拼接成一本个性
化教材。之后，学生围绕这本“定制版”教材学习、做题。题目由AI生成，如果没有达到要求，就需要重新学习。每一次成绩、每一个学习卡点我都可以在后台追踪。
蒙克：我现在也基本不再布置那种宽泛的标准化作业了。比如“谈谈你对工业革命的看法”，学生直接让AI生成一篇文章，交上来的内容很容易趋同。
我现在会要求学生在没有工具辅助的情况下，上课做笔记，课下可以用AI辅助补全。最后提交给我的也不是一篇文章，而是一篇课堂笔记、学生与AI互动的记录，以及人机协作之后的反思。
每个人课堂上记录的重点不同。老师讲了很多内容，你记住什么、忽略什么，本身就是一种判断。我们需要让学生在学习过程中留下自己的思考痕迹，而不是只看最后生成的答案。
顾小清：现在高校里有很多AI+课程，也有不少教师在探索AI辅助教学。总体来说，课程变革不能只是在原有课程中增加一些AI内容。比如，一门原来讲授某个教育理论的课程，加上一点AI参与互动的知识讲解，或者安排学生使用某个大模型，并不意味着教育模式真正发生了变化。
真正的变化不只是让学生多学一点AI知识，或者多掌握几种工具，而是要重新思考：技术发展之后，学生需要具备什么样的素养？我们又应该通过怎样的课程和教学方式来培养这些素养？只有从这些问题出发，才能真正推动教育模式的转变。
大学究竟应该教什么
周末周刊：如果知识获取越来越容易，传统的知识传授模式受到冲击，那么，大学最应该教给学生的究竟是什么？
顾小清：很多人说，知识变得唾手可得了，我们就不再需要知识了。我认为这要暂且等一等。我们得首先区分信息和知识——现在快速变化的，很多是表层信息，但原理性、规律性的知识并没有那么容易过时，这些仍然是必须掌握的。
比如，一个不了解教育学的人，即使拥有再强大的AI工具，也很难提出高质量的教育学方面的问题。判断一条信息有没有价值本身就需要知识基础。没有基础知识，人就缺少理解和加工信息的框架。
因此，大学真正需要改变的，是知识学习的目的和方式。过去我们更关注学生知道了什么，现在则要关注他能不能把知识运用起来。比如，文献检索时应该怎么选关键词？如果AI给出的结果不准确，是提示词的问题，还是自己对学科概念理解不够？学生只有真正经历这些过程，才能把知识转化为能力。
蒙克：我认为，AI时代最重要的能力是判断力。判断力不是抽象的概念，它体现在具体选择中。比如我让学生做课堂笔记，记什么、不记什么，就是一种判断。
过去的教育体系，核心是训练执行力。老师给出问题，学生负责解题；老师把任务安排好，学生负责完成。执行力曾经是稀缺的，所以我们通过考试、作业不断训练它。但现在，AI可以完成大量执行性工作，新的任务变成了“我们能不能提出一个值得研究的问题”“能不能判断AI给出的结果有没有解释力”。
赵斌：我也特别强调，学生要先有自己的思考。AI很容易给人一种“它已经把所有事情都想好了”的感觉。它的回答往往完整、流畅，看起来比人想得更周全。但如果一开始就接受它的思路，自己的想法可能还没有形成，就已经被它覆盖了。
所以，在课堂上，我常常会要求学生“裸写”，写下自己的原始想法和思路，不管成不成熟，先把自己的思考留下来，然后再和AI交流，看看哪些地方需要查证，哪些观点可以继续推进，最后还要和同伴讨论。
在我看来，人的优势不是比AI更准确、更全面，而在于每个人都有不同的经历、观察和思考方式。过去，我们常常把个体的情绪和局限看作缺点，但在AI时代，这些差异或许才是最珍贵的，也才可能带来新的发现。因为如果所有人都追求AI给出的“标准答案”，最后就会越来越趋同。科研需要多样性，社会也需要多样性。
周末周刊：如果学生还未形成自己的思考，怎么办？
顾小清：有一点很重要，那就是不能把智能体设计成一个什么都替学生完成的工具，而是要尽量具备引导性。在办公场景里，我们当然希望智能体越强大越好，能够自动完成更多工作。但教育场景不一样，如果智能体过于主动，直接把整理好的知识和答案交给学生，跳过了学生自己的思考，就会变成“智能灌输”。
人的学习需要经历接收信息、加工信息，再与原有知识建立联系的过程。如果AI把中间的加工环节全部省略，学生看起来获得了更多知识，实际上学习并没有真正发生。
赵斌：AI替学生绕过的，很可能不是学习中的“弯路”，而是大脑主动思考、修正和建构知识的机会。
从认知科学的角度看，有时先经历失败，再学习正确答案，效果反而更好。这是因为，当我们面对难题时，大脑处于一种高度警觉的状态。认知冲突和挫败感会调动注意力，为后续的信息加工和记忆形成做好准备。因此，当终于给出正确解法时，先前的思考过程与新知识发生碰撞，帮助大脑建立新的神经联系。换句话说，前面的尝试和失败可能恰恰为真正理解知识创造了条件。
周末周刊：那么，教师在教学过程中应该扮演什么样的角色，教师会被AI取代吗？
顾小清：教师要从单纯的知识传授者转向学习设计者和引导者。AI可以提供很多具体帮助，但只有教师知道学生为什么要学、应该经历什么、怎样才能真正获得成长。尤其在大学阶段，教师要帮助学生选择有价值的问题，设计研究路径，判断学生在学习过程中遇到的困难。
蒙克：教师不会被AI取代，相反，好老师变得越来越重要，我们从来没有像今天这样迫切需要好老师。因为，帮助学生找到热爱，离不开教师的影响。老师教得好，学生才有可能真正爱上这门学科。而在这个时代，“热爱”比过去更加重要。
我们可以用“有限游戏”与“无限游戏”来打比方：“有限游戏”的目标是赢，比如考试要考得比别人好，做题要比别人快，最终拿到一个确定的结果。“无限游戏”则是为了让游戏持续下去，你做一件事，是因为你真的喜欢它，愿意不断探索。
过去，一个人即使不喜欢自己的工作，也可以凭借勤奋、执行力和时间投入获得竞争力。但现在AI把很多执行性工作的门槛拉平了。如果你不喜欢这件事，别人却发自内心地热爱它，同时又能熟练使用AI，你很难竞争得过他。
所以我认为，热爱已经不再是一个奢侈品，而是智能体时代的必需品。未来，如果你没有真正热爱的领域，就很难和那些热爱这个领域的人竞争。能力是内生于兴趣的。一个人真正喜欢一件事，就会主动学习与之相关的工具和知识；如果不喜欢，再好的工具也未必能激发他的动力。
大学是否依然不可替代
周末周刊：从知识传授到人才培养，大学的传统功能正在受到冲击。现在，不少高科技企业向高中生伸出了橄榄枝，未来大学会不会被企业、网络、学习中心等取代？
顾小清：我觉得大学不会这么简单地被取代。企业培养人才，通常更贴近具体岗位和现实需求，但大学承担的使命不止于此。
首先，大学不仅培养技术人才，也是社会流动的重要通道。尤其对普通家庭的年轻人来说，大学教育仍然提供了改变自身处境的机会。其次，企业需要的是能够尽快上手的员工，但大学还要帮助学生建立知识基础、理解更广泛的社会和世界。
产教融合、真实项目进入课堂当然很重要，但大学不能因此变成职业培训机构。我们既要让学生知道知识如何应用，也要让他们理解知识背后的原理。如何在基础理论和实践之间找到平衡，是大学必须面对的课题。
蒙克：在我看来，大学还有一个很重要的价值，就是让学生进入真实世界。
AI可以阅读大量文献、处理数据，但它所处理的东西，仍然是人已经生产出来的信息。对于社会科学研究来说，真正有价值的数据，往往来自现实生活。研究者要走进社区，和不同的人交谈，观察他们的生活，理解他们真正关心什么。
所以，大学不应只是一个传授知识的场所，也应该是师生共同感知、理解和研究真实世界的共同体。当AI能够越来越快地处理现成的信息、数据和知识生产任务时，大学不能只做知识的加工者，还应成为真实世界的感知者、研究者和数据生产者。
周末周刊：AI也在改变就业。过去年轻人往往从基础工作做起，如果这些基础工作被AI接手，年轻人又该如何成长？
赵斌：这是一个很现实的问题。过去一个人进入行业，通常要从基础工作做起，慢慢积累经验，形成自己的判断。但现在很多初级工作都可以交给AI，年轻人可能连进入行业、接受训练的机会都没有。
更进一步说，这种初级训练阶段的消失，影响的不只是“机会”本身。很多职业过程中的“直觉”或者说“判断”，其实需要在大量基础工作中慢慢积累。这种积累不是靠学几本教材、上几节课就能替代的，它需要人在真实情境中反复浸泡、试错、体认，但现在这个积累的阶段被AI抽走了。
我把它叫作“新手村”消失了。高阶工作需要经验，年轻人够不着；低阶工作又被AI替代，没有机会从头开始。传统的成长路径被打断了，这不仅是大学教育的问题，也是整个社会人才培养机制的问题。
周末周刊：从课堂实践到教学制度，大家都在摸索，但大学整体的改革没有技术变化那么快。真正的难点在哪里？
顾小清：最难的是打破原有的课程体系，完成整体重构。技术层面，学生的学习过程可以被记录，数字轨迹也能够成为评价依据，但真正的评价标准需要教师根据学科特点来设计。现在还没有一套适用于所有学科、所有课程的通用方案。
改革的起点往往是一线教师。教师需要重新设计任务、调整教学方式，学校也要在制度上给予支持。不能只是要求教师使用AI，却仍然沿用过去的课程和考核方式。
蒙克：AI已经把改革的压力带到大学门口，但大学内部的制度调整需要时间。
很多高校都说重视教学，但实际评价中，科研成果往往更受重视。如果真的重视教学，大学应该想办法评价教学质量。比如，同行听课、学生评价等方式，都可以组合起来。
周末周刊：回到最初的问题：当AI越来越强大，大学最应该守住的是什么？
赵斌：我觉得是人的多样性。AI擅长寻找“标准答案”，但社会的发展不可能只靠一种思路。每个人的经历、兴趣和判断都不一样，有些想法看起来不成熟，甚至有偏差，但它们可能带来新的方向。大学不能把所有人都训练成同一种人，也不能让所有人都按照AI给出的思路思考。
顾小清：我希望大学能够真正从知识传递中心转向学习经历中心。AI可以成为学习伙伴，帮助学生获取信息、完成任务，但不能替代学生成为学习的主体。教育最终要让学生在真实的实践中形成能力，学会思考、判断，并把知识运用到新的情境中。
蒙克：AI越擅长替人完成任务，大学就越要帮助年轻人找到值得自己投入的方向。技术可以让答案越来越容易获得，但一个人为什么提出问题、为什么选择某条道路、愿意为之付出什么，仍然需要在教育和成长中慢慢形成自己的回答。
原标题：《99%的大学生都在用AI，但“我到底学到了啥？”成了最难回答的问题》