Komise MIT pro AI: technologie přišla dřív, než se škola přizpůsobila

TL;DR. Komise MIT pro AI zjistila, že studenti používají AI často a všude, vyučující jsou hluboce rozdělení a nejistota nesmí být výmluvou pro nečinnost.

Klíčové body

Komise se zadáním, lhůtou a bez předem dané teze. Většina institucionálních zpráv o nové technologii vzniká až poté, co je spor v hlavách autorů rozhodnutý.
Často, všudypřítomně a se smíšenými pocity. První zjištění je to, které činí naléhavým vše ostatní.
Známky, že se základy hýbou. Nejvýraznější částí zjištění je výčet toho, co AI možná dělá se vzdělávací zkušeností na MIT.
Mění se i to, co studenti potřebují umět. Čtenář by mohl dočíst předchozí oddíl v přesvědčení, že problémem je podvádění a že by ho vyřešil přísnější režim hodnocení.

Komise ad hoc MIT pro AI nepovažuje generativní AI za problém nástrojů, který lze zalátat pravidly. Její zpráva v ní vidí zátěžový test toho, k čemu vzdělání na MIT slouží, a tvrdí, že nejistota nesmí být výmluvou pro nečinnost.

Komise se zadáním, lhůtou a bez předem dané teze #

Většina institucionálních zpráv o nové technologii vzniká až poté, co je spor v hlavách autorů rozhodnutý. Tahle o sobě tvrdí něco jiného. Komise ad hoc pro využití AI ve výuce, učení a výzkumné přípravě přistoupila k úkolu s širokou škálou zkušeností a bez předem dané teze a svou práci popisuje jako krátkou, ale intenzivní. Je to tvrzení o metodě a má význam pro to, jak zjištění číst: závěry, které následují, jsou podány jako něco, k čemu komise dospěla, nikoli jako něco, co si předsevzala dokázat.

Časový rámec je krátký. V lednu 2026 komisi pověřili kancléřka Melissa Nobles, prorektor Anantha Chandrakasan a předseda fakultního senátu Roger Levy. Komise pak pět měsíců zasedala, zkoumala a konzultovala napříč celou komunitou MIT. Deklarovaným cílem bylo porozumět roli generativní AI v životě a vzdělávacím poslání Institutu a doporučit, jak zvládat výzvy i příležitosti, které přináší.

Zadání mělo tři části a stojí za to číst je společně, protože táhnou různými směry. Komise měla posoudit současné využití AI na MIT, což je úkol popisný. Měla určit inovace ve výuce a hodnocení studentů, což je úkol průzkumný. A měla navrhnout pravidla pro používání AI, což je úkol normativní. Skupina, která splní první bez třetího, vytvoří průzkum. Skupina, která splní třetí bez prvního, vytvoří řád, který studenti budou ignorovat. Zpráva se pokouší o všechny tři a zbytek tohoto článku sleduje stejné pořadí: co se děje, co se mění a co podle komise s tím dělat.

Důležité je i složení. Komisi tvořili studenti bakalářského i magisterského a doktorského studia, vyučující ze všech škol a zaměstnanci příslušných útvarů včetně MIT Libraries a Teaching and Learning Lab. Spolupředsedy jsou Eric Klopfer a Sam Madden. Pro zakladatele a technické čtenáře, kteří seděli v komisích ovládaných jedinou skupinou, je tato směs pozoruhodná. Studenti zasedali v orgánu, který posuzoval chování studentů. V místnosti byli vyučující ze všech škol, nejen z těch, kde je význam AI nejzřejmější. Zaměstnanci knihoven a výukové laboratoře přinesli pohled útvarů, které výuku podporují každý den.

Zpráva je pečlivá i ve slovníku, což je malý, ale výmluvný signál toho, jak má být používána. „Vyučující“ zahrnují akademické pracovníky a všechny ostatní, kdo na MIT učí. Většina zmínek o „studentech“ platí pro studenty bakalářského i navazujícího studia, kromě několika zjevných míst. Jsou to definice, nikoli zjištění, ale rozšiřují okruh adresátů. Pravidla určená jen profesorům s definitivou by minula mnoho lidí, kteří ve skutečnosti vedou cvičení a opravují práce.

Často, všudypřítomně a se smíšenými pocity #

První zjištění je to, které činí naléhavým vše ostatní. Studenti MIT používají AI často a všudypřítomně. Zpráva to nepodává jako starost ani jako triumf. Podává to jako výchozí fakt, vůči němuž je třeba psát jakákoli pravidla, a spojuje ho s popisem toho, co studenti cítí, a to je výrazně smíšené.

Rozpětí pocitů je široké. Na jedné straně zpráva uvádí zvědavost, tvůrčí inspiraci a vděčnost. Na druhé straně uvádí rezignaci, obavy a úzkost. Bylo by snadné číst je jako dva tábory, nadšence a ustarané. Formulace naznačuje něco méně úhledného: rozpětí popisuje pocity uvnitř studentské populace, která technologii používá všudypřítomně, takže jeden student může docela dobře chovat víc než jeden z nich. Zpráva to neříká přímo a je dobré tu být opatrný. Tvrzení stanoví rozptyl, nikoli to, jak se v něm rozkládají jednotlivci.

Prvek vzdělávání	Tradiční institucionální předpoklad	Pozorovaná realita při všudypřítomné AI
Sady úloh (p-sety)	Samostatné úsilí a ukazatel kognitivního zvládnutí	Rychlé vypracování pomocí LLM; riziko povrchního zvládnutí bez hlubokého řešení problémů
Domácí zkoušky	Na důvěře založené měřítko syntetizovaného porozumění	Neověřitelná spolupráce; rozpad individuálního hodnocení studenta
Konzultace a asistenti	Formativní dialog s vyučujícími a asistenty výuky	Nižší účast, protože studenti automaticky sahají po konverzačních tutorech LLM
Studijní skupiny	Uvažování mezi spolužáky a společné objevování	Nerovné používání nástrojů vyvolává nevraživost mezi studenty a tření při hodnocení
Bakalářský výzkum (UROP)	Časné ponoření do navrhování experimentů a do literatury	Rychlé syntetické rešerše literatury se zvýšeným rizikem neověřených, vymyšlených zdrojů

Vyučující vykazují podobnou šíři, i když podél jiné osy. Jejich postoje sahají od nadšeného zkoumání a rostoucí závislosti na AI až po skepsi, podezíravost a „odmítání AI“. Pozornost si zaslouží výraz „rostoucí závislost“. Zpráva nepopisuje jen skupinu experimentátorů na jednom konci a abstinentů na druhém. Přinejmenším někteří vyučující se začínají na nástroje spoléhat ve vlastní práci, zatímco jiní se rozhodli je vůbec nepoužívat.

Postavte obě skupiny vedle sebe a objeví se strukturální problém. Studenti používají AI všudypřítomně. Vyučující pokrývají celé rozpětí od závislosti po odmítání. Student, který přechází mezi dvěma předměty, může potkat dva vyučující na opačných koncích tohoto rozpětí. Zpráva důsledek zaznamenává přímo: studenti jsou zmatení a znepokojení nedostatkem jasnosti, konzistence a zdůvodnění, pokud jde o používání AI, v rámci daného předmětu i napříč studijním programem.

Ta věta si zaslouží pozorné čtení, protože pojmenovává tři odlišná selhání. Jasnost znamená, zda je pravidlo srozumitelné. Konzistence znamená, zda je pravidlo stejné z jednoho místa na druhé. Zdůvodnění znamená, zda někdo vysvětlil, proč pravidlo existuje. Pravidla mohou selhat v kterémkoli z nich nezávisle na ostatních. Pravidlo může být jasné, ale svévolné, nebo konzistentní, ale nevysvětlené. Stížnost studentů, jak ji zpráva zaznamenává, pokrývá všechny tři a týká se jak jednoho předmětu, tak celého programu.

Hned vedle stojí nadějnější zjištění. Zpráva popisuje rozšířenou touhu vyučujících sdílet zkušenosti, nápady a postupy. V komunitě, kde se postoje tak ostře rozcházejí, je chuť porovnávat poznámky přínosem. Naznačuje, že neshoda není zakopaná, s oběma stranami, které přestaly naslouchat. Zda lze tuto chuť proměnit v konzistenci, kterou studenti chtějí, je otázka, kterou zjištění otevírají, a ne zodpovídají.

Známky, že se základy hýbou #

Nejvýraznější částí zjištění je výčet toho, co AI možná dělá se vzdělávací zkušeností na MIT. Každá položka je formulována jako známka a ta formulace je záměrná. Komise netvrdí, že tyto účinky změřila. Uvádí, že jsou jejich známky, a pečlivý čtenář by se měl držet stejné linie.

Hlavní známkou je, že AI převrací základní prvky vzdělávací zkušenosti na MIT, zejména u bakalářských studentů. Zpráva tyto prvky jmenuje: p-set, domácí zkoušku a programy UROP, dále konzultační hodiny a studijní skupinu. Nejde o okrajové prvky. Sada úloh je každodenní jednotkou práce. Domácí zkouška je formou důvěry. UROP je cesta, kterou bakalářští studenti vstupují do výzkumu. Konzultace a studijní skupiny jsou místa, kde se učení stává společenským. Když zpráva říká, že tyto prvky jsou převraceny, pojmenovává nosné části bakalářské zkušenosti.

Následuje několik dalších známek a každou stojí za to uvést zvlášť, protože každá ukazuje na jiný druh ztráty.

Existují známky, že AI zvyšuje izolaci. Studijní skupiny a konzultace závisejí na tom, že se lidé obracejí jeden na druhého. Je-li schopný asistent vždy k dispozici, motivace tak činit může slábnout. Zpráva tento mechanismus nerozvádí, takže by neměl být tvrzen jako prokázaný. Známkou je izolace a jmenované prvky naznačují, kde se může projevit.

Existují známky, že AI podkopává zvládnutí látky a sebedůvěru studentů. To jsou dvě různé věci. Zvládnutí se týká toho, co student skutečně umí. Sebedůvěra se týká toho, co si student myslí, že umí. Zpráva je uvádí společně a toto spojení připomíná, že škoda může jít oběma směry: student, který práci delegoval, nemusí mít dovednost, a student, který dovednost má, o ní může pochybovat.

Existují známky, že AI narušuje „společenskou smlouvu“ mezi vyučujícími a studenty. Uvozovky kolem tohoto výrazu jsou ve zprávě. Jednoduše řečeno, obě strany mají předpoklady o tom, co udělá ta druhá, a zpráva nachází známky, že tyto předpoklady slábnou. To odpovídá zmatku studentů ohledně pravidel: pokud nikdo neumí říct, co se očekává, smlouva nemá o co se opřít.

Existují známky, že AI výrazně ztěžuje hodnocení pokroku studentů. Tahle má zjevnou praktickou stránku. Známky, zpětná vazba i rozhodnutí, zda je někdo připraven postoupit dál, závisejí na schopnosti poznat, čemu student rozumí. Pokud výsledek práce už spolehlivě neodráží studenta, nástroj přestává fungovat.

Konečně existují známky, že AI zpochybňuje desetiletí charakteristických norem a hodnot komunity MIT týkajících se důkladnosti, tvůrčího tření, které učení vyžaduje, společného řešení problémů a osobní integrity. Je to nejširší ze známek a patrně ta s největšími důsledky. „Tvůrčí tření“ je výraz, u kterého se vyplatí zastavit: tvrdí se, že jistá obtížnost je nezbytnou součástí učení a že nástroj, který obtížnost odstraní, může odstranit něco, co normy chránily.

Nic z toho není podáno jako uzavřené. Všechno je formulováno s výhradou a správným postojem čtenáře je brát známky vážně, aniž by je převáděl na změřené účinky. Právě toto rozlišení dobrá komise zachovává a ledabylé shrnutí ztrácí.

Mění se i to, co studenti potřebují umět #

Čtenář by mohl dočíst předchozí oddíl v přesvědčení, že problémem je podvádění a že by ho vyřešil přísnější režim hodnocení. Zpráva se tomuto rámování brání dvěma způsoby.

Zaprvé otevřeně uvádí, že AI mění to, co studenti potřebují vědět a umět. Ve zdroji to není tvrzení s výhradou. Je to výsledek uvedený jako fakt. Z toho plyne, že problém není jen v tom, že studenti mohou obcházet stávající úkoly. Samotné úkoly mohou mířit na špatný cíl, pokud se posunuly podkladové dovednosti.

Zadruhé z toho vyvozuje důsledek pro studijní program. Každý předmět vyučovaný na MIT bude pravděpodobně třeba znovu prověřit a případně přepracovat, aby výuka, učení i hodnocení byly „vědomé si AI“. Výhrada je skutečná: „bude pravděpodobně třeba“ a „případně přepracovat“ nejsou příkazy. Rozsah je však úplný. Řeč je o každém předmětu. To je v institucionálním dokumentu neobvykle velké tvrzení, protože většina reformních návrhů vybírá několik kateder nebo několik kurzů.

Výraz „vědomý si AI“ je vlastní výraz zprávy a je pečlivě zvolený. Neříká „s podporou AI“, což by naznačovalo zavedení, ani „odolný vůči AI“, což by naznačovalo obranu. Vědomí je předpokladem obou reakcí. Předmět lze znovu prověřit a pak se z dobrých důvodů rozhodnout AI omezit, vyžadovat, nebo ji pominout, ale tuto volbu nelze dobře učinit bez předchozího pochopení, jak nástroj zasahuje do toho, co se učí a hodnotí. To se také vrací ke stížnosti studentů na chybějící zdůvodnění. Předmět vědomý si AI je takový, jehož vyučující dokážou vysvětlit svůj postoj.

Komise jde dál než ke studijnímu programu. Nástup AI podle ní vyžaduje širší, celostní přehodnocení povahy, rozsahu a účelu dnešního vysokoškolského vzdělávání. Ve zdroji je to tvrzení prokázané, uvedené bez výhrady, a posouvá zprávu od návrhu kurzů k účelu instituce. Komise také uvádí, že komunita Institutu, zejména akademičtí pracovníci, se musí vypořádat s hlubšími otázkami struktury, smyslu a hodnoty vzdělání na MIT, přičemž AI je jedním z několika faktorů, které poslání Institutu komplikují.

Tuto poslední část věty je snadné přejít, a nemělo by se to stát. AI je jedním z několika faktorů. Komise netvrdí, že poslání zpochybnila samotná AI. Říká, že AI přichází do souboru již existujících komplikací a zostřuje je. Pro kohokoli, kdo staví vzdělávací technologie, je to užitečná korekce: kupujícím není instituce s čistým problémem, který produkt vyřeší, ale instituce uprostřed širší debaty o tom, k čemu je.

Praktické obavy a otázky za hranicemi učebny #

Zpráva se neomezuje na pedagogiku. Uvádí praktické obavy komunity a odděluje je od širších společenských otázek, což je rozumné rozdělení.

Na praktické straně přináší AI závažné obavy, od ochrany dat a důvěrnosti až po otázky nerovného přístupu, předpojatosti, spravedlnosti a odpovědnosti. Vezměme je po dvojicích. Ochrana dat a důvěrnost se týkají toho, co se stane s informacemi, které do nástroje vstupují: se studentskými pracemi, výzkumnými materiály, se vším, co by výzkumník nechtěl pustit z budovy. Nerovný přístup, předpojatost, spravedlnost a odpovědnost se týkají toho, kdo získá a kdo utrpí škodu, a kdo se zodpovídá, když se něco pokazí. V prostředí výzkumné přípravy jsou podstatné obě skupiny. Pravidla, která by všem nařídila nástroj používat a neřešila důvěrnost, by byla neúplná, a pravidla, která by přehlížela nerovný přístup, by riskovala, že se výhodou stane jakékoli předplatné, které si student může dovolit. Druhý příklad ilustruje obavu a není zjištěním zprávy, která tuto otázku uvádí jen ve výše uvedených obecných pojmech.

Mimo kampus zpráva konstatuje, že růst AI vyvolává společenské otázky. Patří k nim dopad datových center pro AI na životní prostředí, využívání duševního vlastnictví a trénovacích dat a celkový dopad technologie a odvětví na lidi. Jsou to otázky, které univerzita sama nevyřeší, ale přesto jsou to otázky, které budou kladeny jejím členům a které budou vznášet studenti. Jejich zařazení do zprávy je přiznáním, že výuka o AI a s AI probíhá v kontextu, o kterém mají lidé svůj názor.

Stojí za povšimnutí, co zpráva s těmito obavami dělá strukturálně: uvádí je jako fakta o situaci, nikoli jako argumenty pro určitý postoj. Komise neříká, že kvůli dopadu datových center na životní prostředí by MIT měl používání omezit. Říká, že ty otázky existují. Tato zdrženlivost se hodí k dokumentu, který má vést komunitu se širokým spektrem názorů, a drží doporučení vázaná na zjištění, nikoli na ideologii.

Zpráva má také na paměti vlastní skromnost. Jiné vzdělávací instituce zápasí s podobnými otázkami kolem AI a zdá se, že nikdo nemá vše vyřešeno. Ta věta je formulována s výhradou, a právem: „zdá se“ tu odvádí poctivou práci. Řadí MIT mezi rovné, nikoli před ně, a brání pokušení brát přístup jakékoli jiné instituce jako hotovou odpověď.

Technologie, která přišla ve stlačeném čase #

Analyticky nejužitečnější částí zprávy je pro čtenáře mimo vysoké školství její vysvětlení, proč tato technologie působí jinak. Nabízí jednoduchý model toho, jak inovace přicházejí.

Některé technologické inovace vznikají postupně. Když se společnost a technologie vyvíjejí ve vzájemném souladu, vzájemné přizpůsobování zmírňuje dopad. Zdroj uvádí příklad: počítač, popsaný jako předchůdce AI a její klíčový předpoklad, do tohoto vzorce zapadá. Instituce se postupně naučily s počítači učit, hodnotit práce vzniklé s jejich pomocí a stanovovat normy jejich používání. Přizpůsobení bylo dost pomalé na to, aby bylo vzájemné.

Jiné inovace dopadnou prudčeji a získají společenský význam dřív, než se jednotlivci a instituce stihnou přizpůsobit. Zpráva tvrdí, že generativní AI patří do této druhé skupiny.

Aby to doložila, stanoví datum. Společnost obvykle klade „zrození“ nové technologie do okamžiku, kdy se stane snadno použitelnou. Podle tohoto měřítka se generativní umělá inteligence „zrodila“ s vydáním ChatGPT koncem roku 2022. Veřejné používání generativní AI je tedy mladší než čtyři roky. Za tu dobu, jak uvádí zdroj, získalo více než miliardu uživatelů.

Podržte ta dvě čísla pohromadě: méně než čtyři roky a více než miliarda uživatelů. Zpráva nemusí říkat víc, aby byla pointa jasná. Technologie, která se od vydání dostala k miliardě uživatelů za méně než čtyři roky, nedala komisím pro studijní programy, tvůrcům hodnocení ani úřadům pro pravidla takový víceletý rozjezd, jaký dal počítač.

Zpráva přidává dvě další pozorování. Firmy prodávající technologii AI ovládly titulky, akciový trh i veřejné povědomí. A AI postupuje téměř ve všech oblastech v časovém měřítku příliš stlačeném na to, aby ho společnost mohla řádně pozorovat, analyzovat jeho dopady a pak se postupně přizpůsobit.

Při pozorném čtení vymezuje poslední věta čtyři kroky, které postupné přizpůsobení obvykle vyžaduje: pozorovat dopady, analyzovat je, pak se přizpůsobit, a to postupně. Tvrzení zní, že časové měřítko je pro tuto posloupnost příliš stlačené. To je přesné vymezení problému. Nejde o to, že AI je špatná, ani o to, že je dobrá. Jde o to, že obvyklý způsob, jakým společnost vstřebává nový nástroj, tedy pozorovat a učit se, než začne jednat, tempu neodpovídá.

Pro zakladatele firmy je tu ponaučení o zákazníkovi. Instituce v této situaci není pomalá proto, že je umíněná. Je pomalá, protože její běžný proces předpokládá hodiny, které už neplatí. Produkty a služby, které institucím pomáhají jednat rozumně pod časovým tlakem, místo aby předpokládaly, že měly čas věc prostudovat, odpovídají na skutečný stav, který zpráva popisuje. To je argument pro rámování zprávy, nikoli tvrzení, které zpráva o trhu činí.

Osm zásad podaných s pokorou #

Po popisu situace se zpráva obrací k tomu, co s ní udělá. Začíná definováním osmi zásad, o které se komise opírala a které by podle jejích nadějí měly vést Institut v další práci. Tvrzení zdroje jsou tu omezená: uvádí, že zásad je osm, a uvádí tu první. Zbytek v dostupném materiálu není a tento článek je nebude odhadovat.

První zásadou je, že komise předkládá své návrhy v duchu pokory. Je to neobvyklé místo pro začátek. Od zprávy, která právě popsala situaci jako naléhavou, by se dalo čekat, že zásady otevře odhodlání. Místo toho je otevírá vymezením limitů a hned vysvětluje, co pokora znamená v praxi: korekce kurzu, možná i zásadní, budou nevyhnutelné, jak se technologie bude dál vyvíjet a Institut bude experimentovat a učit se.

Ta věta je formulována s výhradou a je upřímná. Komise neslibuje, že její doporučení přežijí střet s několika příštími lety. Říká předem, že některá z nich bude pravděpodobně třeba revidovat a že Institut by měl počítat s učením se praxí. To je rozumný postoj pro dokument vytvořený za pět měsíců o technologii mladší než čtyři roky. Díky tomu je také zprávě snazší věřit. Komisi, která by tvrdila, že má poslední slovo, by vyvracely důkazy o rychlosti změn, které sama právě předložila.

Pokora se však nesmí změnit v ochromení. Zdroj je výslovný: nejistota nemůže být výmluvou pro nečinnost. A strategický postoj je formulován stejně pevně. Výzvy, které AI přináší do výuky a učení, vyžadují odvážnou strategickou odpověď, všude, a zejména na MIT.

Tato dvě tvrzení je nejlepší číst jako dvojici. První omezuje důvěru v jakoukoli konkrétní odpověď. Druhé odmítá, aby se toto omezení stalo důvodem čekat. Společně popisují pracovní metodu: jednat, pozorovat, opravovat. Je to tatáž metoda, kterou postupné přijímání technologií umožňovalo společnosti uplatňovat po desetiletí, stlačená do rozpětí plánovacího cyklu jedné instituce.

Komise rovněž vyjadřuje přesvědčení o roli Institutu. MIT má podle ní odpovědnost vést. Formulace je přesvědčením, ne zjištěním, a tak by se měla číst. Nic v materiálu neříká, jak by vedení vypadalo v konkrétních pojmech, a článek, který z tohoto zdroje čerpá, by si to neměl vymýšlet. Přesvědčení však vysvětluje slovo „odvážnou“ ve spojení „odvážnou strategickou odpověď“. Instituce, která si myslí, že by měla vést, nemůže považovat vyčkávavý postoj za přijatelný.

Doporučení a práce, která zůstává otevřená #

Zpráva slibuje doporučit okamžitá i dlouhodobá opatření pro vyučující i pro vedení. Samo toto rozdělení je poučné. Vyučující jsou lidé, kteří rozhodují, co se děje v konkrétním předmětu, a zjištění naznačují, že potřebují prostor a podporu, aby mohli činit rozhodnutí vědomá si AI. Vedení je orgán, který může řešit věci, které žádný jednotlivý vyučující nezvládne: konzistenci napříč studijním programem, pravidla a praktické obavy kolem ochrany dat, přístupu a odpovědnosti. Rozdělení na okamžité a dlouhodobé přiznává, že některé věci lze udělat v tomto semestru, zatímco jiné vyžadují soustavné úsilí.

Dostupná tvrzení neobsahují obsah těchto doporučení a tento článek ho doplňovat nebude. Lze ale říct, jak je zjištění omezují.

Pokud studenty mate nekonzistence, doporučení určená vyučujícím musí řešit, jak se volby vysvětlují a kde je to vhodné, sjednocují. Pokud vyučující chtějí sdílet zkušenosti, nápady a postupy, doporučení musí té touze dát kam směřovat. Pokud se hodnocení stává obtížnějším, dlouhodobá opatření pravděpodobně zahrnou přehodnocení toho, co se hodnotí a jak, což odpovídá vlastní výzvě zprávy znovu prověřit předměty. To jsou závěry ze zjištění o tom, čím by se doporučení musela zabývat, nikoli tvrzení o tom, co zpráva doporučuje, a je třeba je brát s rezervou.

Samotná tvrzení otevírají několik otázek.

První je, jak se ze známek stanou důkazy. Zpráva říká, že existují známky zvýšené izolace, podkopaného zvládnutí látky a sebedůvěry, narušené společenské smlouvy a obtížnějšího hodnocení. Přirozeným dalším krokem pro jakoukoli instituci je zjistit, jak velké tyto účinky jsou a kde se soustřeďují. Opatrný jazyk zprávy vyznačuje mezeru mezi tím, co se tuší, a tím, co je změřeno.

Druhá je, zda touha vyučujících sdílet dokáže přinést konzistenci, aniž by srovnala skutečnou šíři názorů. Zpráva popisuje postoje od nadšeného zkoumání po odmítání AI. Zaznamenává také požadavek studentů na jasnost, konzistenci a zdůvodnění. Tyto dva fakty nemusí být snadné sladit a zpráva netvrdí, že snadné jsou.

Třetí je rozsah úkolu pro studijní program. „Každý předmět“ je velké množství předmětů a výhrada zprávy („bude pravděpodobně třeba znovu prověřit a případně přepracovat“) ponechává prostor pro rozdíly v hloubce revize. Jak instituce stanoví priority mezi tisíci předmětů v čase, který sama zpráva popisuje jako stlačený, je praktická otázka, kterou zjištění nechávají otevřenou.

Čtvrtá, a ta, na kterou komise upozorňuje nejpříměji, je hlubší soubor otázek o struktuře, smyslu a hodnotě vzdělání na MIT. AI je jedním z několika faktorů, které poslání komplikují, a zejména akademičtí pracovníci jsou vyzváni, aby se s těmito otázkami vypořádali. Pravidla lze napsat za několik měsíců. Přehodnocení povahy, rozsahu a účelu dnešního vysokoškolského vzdělávání, ke kterému komise vyzývá, je delší debata a zpráva jasně říká, že nemůže čekat na jistotu, než začne.

Věta, která nejlépe vystihuje, kde zpráva své čtenáře nechává, je její vlastní: korekce kurzu budou nevyhnutelné a nejistota nemůže být výmluvou pro nečinnost. Otevřené zůstává, které korekce přijdou první a kdo na MIT je ochoten je udělat dřív, než budou důkazy úplné.

Co to znamená podle odvětví #

Rychlé šíření generativní AI na elitních univerzitách slouží jako časný ukazatel institucionálního narušení v několika vzdělávacích a profesních oblastech.

Vysoké školství a výzkumné univerzity #

Vedení vysokých škol si musí uvědomit, že „zákazy AI“ na úrovni sylabů jsou nevymahatelné a kontraproduktivní. Výzva je strukturální: hodnocení výsledků učení musí přejít k ústním obhajobám na místě, synchronnímu řešení problémů a iterativním projektovým portfoliím, v nichž se prověřuje cesta uvažování, místo aby se hodnotil jen výsledný písemný výstup.

EdTech a poskytovatelé AI doučování #

Tvůrci komerčních nástrojů čelí pedagogickému dilematu. Produkty navržené pouze ke generování odpovědí urychlují odpojení studentů a jejich kognitivní izolaci. V předních akademických prostředích uspějí platformy, které převedou sokratovskou metodu do nástrojů, zachovají kognitivní úsilí a zároveň poskytnou cílenou oporu.

Firemní vzdělávání a technický onboarding #

Firemní akademie a technologičtí zaměstnavatelé čelí stejnému deficitu zvládnutí: juniorní zaměstnanci využívají generativní nástroje pro kód, aniž by rozuměli podkladovým způsobům selhání. Inženýrské organizace musí upravit modely učňovské přípravy tak, aby hodnotily základní ladění a architektonické uvažování.

Závěr #

Zpráva komise ad hoc MIT vyniká tím, že odmítá redukovat generativní AI na otravnou záležitost akademické integrity. Tím, že technologii pojímá jako zátěžový test základního účelu univerzitního vzdělávání, komise nabízí střízlivý plán: přijmout experimentování v duchu institucionální pokory a zároveň nedovolit, aby nejistota ospravedlňovala administrativní ochromení. Skutečnou zkouškou v příštím akademickém cyklu bude, zda vyučující dokážou přepracovat studijní programy tak, aby zachovaly hluboké zvládnutí látky a zároveň připravily absolventy na svět, v němž je AI samozřejmostí.

Často kladené otázky #

Zakazuje MIT generativní AI ve studentských pracích?

Ne. MIT neuplatňuje plošný zákaz. Jednotliví vyučující stanovují pravidla pro své předměty, od integrovaného využití AI v zadáních po konkrétní základní cvičení bez AI, a komise doporučuje větší institucionální konzistenci a transparentní pedagogické zdůvodnění.

Jak generativní AI ovlivňuje tradiční „p-set“ (sadu úloh)?

Sady úloh historicky sloužily jako hlavní prostředek budování kognitivní odolnosti prostřednictvím samostatného řešení problémů. Při všudypřítomné dostupnosti AI mohou studenti rychle vytvářet správná řešení, což vytváří riziko, že povrchní splnění nahradí skutečné intelektuální zvládnutí.

Co komise doporučuje ohledně hodnocení?

Komise zdůrazňuje, že konvenční nástroje hodnocení (domácí zkoušky, standardní písemné sady úloh) je třeba přehodnotit. Dlouhodobá řešení se zaměřují na synchronní hodnocení, projektové ukázky a přepracování studijního programu, které odměňuje kritickou analýzu více než mechanické vytváření výstupů.

Literatura #

MIT Ad Hoc Committee, (2026). Závěrečná zpráva o využití AI ve výuce, učení a výzkumné přípravě ⧉. Massachusetts Institute of Technology.
MIT Office of the Chancellor and Provost, (2026). Zadání pro komisi ad hoc pro generativní AI ⧉. Massachusetts Institute of Technology.
Eric Klopfer a Samuel Madden, (2026). Výuka a učení ve věku generativní AI ⧉. MIT News.

Naposledy revidováno 2026-09-25.

Naposledy revidováno 2026-10-27.

Znovu publikovat tento článek

Komise MIT pro AI: technologie přišla dřív, než se škola přizpůsobila — Sebastien Rousseau

Komise MIT pro AI zjistila, že studenti používají AI často a všude, vyučující jsou hluboce rozdělení a nejistota nesmí být výmluvou pro nečinnost.

Tento článek je licencován pod Creative Commons Attribution 4.0 International. Při opětovné publikaci uveďte odkaz na kanonickou URL.

Komise MIT pro AI: technologie přišla dřív, než se škola přizpůsobila — Sebastien Rousseau

Komise MIT pro AI zjistila, že studenti používají AI často a všude, vyučující jsou hluboce rozdělení a nejistota nesmí být výmluvou pro nečinnost.

Originally published at https://sebastienrousseau.com/cs/2026-09-25-komise-mit-ai-technologie-prisla-driv/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU FOUNDER · ENGINEER