麻省理工学院（MIT）的这份报告探讨了生成式人工智能（AI）对其教学、学习和科研模式带来的深刻影响。报告首先确立了八项指导原则，强调在拥抱AI时应保持谦逊、大胆、并始终以人为本。核心论点是，AI不应被视为简单的自动化工具，而应是增强人类学习与创造力的辅助工具。基于此，报告提出三大类具体建议：一是调整教育流程，例如改革课程目标和评估方式，增加体验式学习；二是强化校园社区生活，以对抗AI可能带来的孤立感；三是建立持续反思和迭代的机制，以适应技术的快速发展，确保AI的应用能够服务于教育的根本目的。
指导原则
报告提出了八项指导原则，为MIT在AI时代的工作提供方向。
- 保持谦逊：AI技术发展迅猛，社会和机构难以完全预见其影响。因此，制定的策略必须保持开放和灵活性，随时准备调整。
- 大胆行动：不确定性不能成为不作为的借口。AI带来的挑战和机遇要求学院采取大胆的战略性变革，而不是零敲碎打的修补。
- 以人为本：技术的核心目标应是服务和提升人性。在效率和培养下一代之间，必须优先考虑人的成长和社区的繁荣。
如果效率成为我们做决定的主导标准，我们必须反思：“我们聚在这里到底是为了什么？”
- 拥抱学习：AI迫使我们重新思考教育的本质。与其担忧传统教学方式受到威胁，不如将其视为一个契机，解决长期存在的教育问题，并与学生建立新的“社会契G约”，强调学习过程本身的重要性。
- 有意识地教学：AI的出现要求教师深入反思教什么和怎么教。课程设计应从“学习目标”出发，而不是简单地决定是否允许使用AI。有意识的教学能促进有意识的学习。
- 不搞一刀切：不同学科、不同年级的学生与AI的关系截然不同。学院应提供一个共享框架，让各院系和教师在此范围内根据具体情况制定适合的AI政策。
- 增强而非自动化：AI应被用作“促进学习者”的工具，增强学生的好奇心、创造力和解决问题的能力，而不是代替他们思考。过度依赖AI会导致“认知投降”，削弱学生的批判性思维和掌握知识的能力。
- 超越课堂和校园：教育的目标是培养完整的人。AI的使用应有助于学生发展批判性思维、合作能力和责任感，让他们成长为能够在真实世界中做出明智选择的社会成员。
核心建议
AI带来了严峻挑战，例如学生可能绕过学习过程，导致课堂出勤率和线下交流减少。但它也提供了巨大机遇，如个性化辅导、加速科研等。以下建议旨在帮助MIT应对挑战、抓住机遇。
我们建议MIT从三个方面展开工作：
- 调整教育流程，适应AI时代的世界
- 以人为本，重视社区和校园体验
- 建立持续反思、迭代和改进的流程、团队与工具
调整教育流程
生成式AI影响了学生需要学什么、如何学以及我们如何评估他们的学习成果。
- 重新审视课程目标：教师应明确每门课程的最终学习目标，并意识到这些目标需要“AI感知”，即考虑到AI的存在。
- 采用新的考核方式：传统的课后作业和考试已无法可靠评估学生能力。应探索更多不易被AI替代的评估形式，如口试、项目作品集和课堂内外的结合，并将助教和课堂时间更紧密地融入评估过程。
- 强调体验式和项目式学习：增加动手实践、团队合作和真实世界项目，这些活动不仅难以被AI替代，还能培养协作、沟通等重要的人际技能。
- 加强课堂内的社交互动：每门课程都应包含定期的线下社交环节，如小组项目、集体解题等，以对抗AI可能带来的社交孤立。
- 保护和扩展课外研究与职业体验：像本科生研究机会计划（UROP）这样的实践项目是MIT教育的核心。必须警惕用AI代替学生助理的倾向，因为这会剥夺学生宝贵的社区归属感和职业成长机会。
- 重新思考成绩和激励机制：当前的GPA导向激励学生使用AI“走捷径”。学院应探索替代性的评估体系，如能力本位或掌握度本位评估，减少对单一分数的过度依赖。
- 扩建线下实验和评估空间：为了支持更多的面对面活动和线下评估，需要投资建设并配备人员来管理更多的协作空间和实验室。
- 提供清晰且附带理由的AI使用政策：每门课程都应有明确的AI政策，并解释其背后的教学理由。这有助于学生理解规则，培养健康的AI使用文化。
- 谨慎使用AI检测工具：AI检测工具不可靠且容易引发师生间的对立。应采用更具建设性的方法，如要求学生展示工作过程，而不是依赖技术手段进行“监视”。
- 鼓励负责任的课程实验：简化课程改革流程，鼓励院系和教师大胆尝试新的教学方法，例如开设“轻度AI”和“重度AI”的不同课程路径。
以人为本，重视社区与体验
AI正在冲击校园的社会结构。MIT必须果断行动，确保技术为人服务，而不是反过来。
- 明确并传达校园住宿教育的价值：必须向学生清晰地阐明，通过面对面互动、合作解决难题所带来的认知摩擦和社交联系，是教育不可或缺的一部分。
- 加强社会联系和个人福祉：学院需要投资建立新的社区仪式和规范，解决AI带来的心理和社交挑战，让学生相信，不依赖AI、亲自完成工作才最符合自身利益。
学习在充满挑战和社交性时效果最好；知识是通过认知摩擦建立起来的，无论是与学习小组一起解开数学证明的步骤，还是一遍遍地调整实验直到成功。
- 鼓励教师公开其AI使用情况：如果教师在备课或评分中使用了AI，应向学生保持透明。这不仅能避免“双重标准”的指责，还能为学生树立负责任使用AI的榜样。
- 教授有效、负责和合乎道德的AI使用方法：将AI素养贯穿整个课程体系，帮助学生学习如何有效提问、验证输出、识别偏见，并理解AI在特定学科中的伦理界限。
- 承认并减轻AI的负面影响：认识到社区成员对AI技术（如数据获取方式）的普遍担忧，并支持相关研究，以减轻AI在社会、环境等方面的负面冲击。
- 在论文和研究工作中明确标注AI的使用：所有学生论文都应包含关于AI使用情况的声明。AI永远不能被列为合著者，这关乎学术诚信和MIT教育的价值。
建立持续反思与改进的流程和工具
AI技术日新月异，今天的解决方案明天可能就会过时。因此，必须建立一个能够持续适应的系统。
- 设立一个常设的AI与教育委员会：负责持续监控AI的影响，评估技术变化，并将新证据融入政策和实践中。
- 在各学院设立AI负责人：负责在院系层面协调课程规划、政策调整和教学模式创新。
- 资助AI研究员和实施团队：组建一支由技术、AI和学习科学专家组成的团队，为教师提供直接支持，帮助他们将AI有效融入课程。
- 设立AI试点基金：提供资源支持教师进行AI相关的课程改革、项目开发或创建刻意的“无AI”学习体验。
- 提供持续的培训和教师支持：通过研讨会、培训课程和跨学科交流，帮助教师跟上AI发展的步伐，分享最佳实践。
- 制定衡量指标：通过调查和数据分析，跟踪AI使用、校园参与度和学生满意度等指标，以了解AI对社区的真实影响。
- 确保技术访问的公平性：继续提供像Parley这样的“模型中立”平台，确保所有社区成员都能平等地接触到前沿AI工具，避免因经济能力差异而产生新的不平等。
- 保护敏感数据和保留模型选择权：投资于能保护用户隐私的AI工具，坚持模型中立的原则，不与任何单一商业AI生态系统绑定。
- 建立隐私、日志和审计政策：就如何处理用户与AI的交互数据（尤其是涉及个人隐私的内容）制定清晰、透明的政策，平衡用户隐私与教学研究需求。
- 监控AI的成本和环境影响：关注AI技术背后的巨大能源和环境成本，并通过研究和实践推动开发更节能、更可持续的AI模型和数据中心。