MIT AI委员会报告：技术先于制度到来时的教与学

TL;DR. 经过五个月的会议、研究和意见征集，MIT特设委员会报告称，学生频繁而普遍地使用AI，而教师的态度从热情探索到“拒绝AI”不一而足，学生则希望规则清晰一致。

核心要点

一个有任务、有时限、没有预设结论的委员会. 关于一项新技术的机构报告，大多是在作者心中早已有了定论之后才出炉的。这份报告对自己的描述却不同。教学、学习与研究训练中的AI使用特设委员会带着广泛的经验、不带任何预设结论接下这项任务，并把自己的工作形容为短暂而紧张。这是一个关于方法的说法，对于如何解读其结论很重要：后面的结论被呈现为委员会得出的东西，而不是它着手要证明的东西。.
频繁、普遍，情绪复杂. 第一项结论让其他一切都变得紧迫。MIT学生频繁而普遍地使用AI。报告既没有把这当作担忧，也没有把它当作成就。它把这作为任何政策都必须据以制定的基本事实，并配上对学生感受的描述，而这种感受是强烈交织的。.
根基正在松动的迹象. 结论中最引人注目的部分，是一份关于AI可能正在对MIT教育体验造成哪些影响的清单。每一项都被表述为迹象，而这种表述是有意的。委员会并没有声称测量了这些影响。它报告的是存在这些影响的迹象，细心的读者也应守住同一条线。.
学生需要掌握的东西本身正在改变. 读完上一节的读者，可能会以为问题在于作弊，而更严格的评估制度就能解决。报告从两个方面抵制了这种框架。.

MIT的人工智能特设委员会没有把生成式AI当作靠一项政策就能修补的工具问题。报告把它视为一场压力测试，检验MIT教育究竟为何而存在，并主张不确定性不能成为无所作为的借口。

一个有任务、有时限、没有预设结论的委员会 #

关于一项新技术的机构报告，大多是在作者心中早已有了定论之后才出炉的。这份报告对自己的描述却不同。教学、学习与研究训练中的AI使用特设委员会带着广泛的经验、不带任何预设结论接下这项任务，并把自己的工作形容为短暂而紧张。这是一个关于方法的说法，对于如何解读其结论很重要：后面的结论被呈现为委员会得出的东西，而不是它着手要证明的东西。

时间线很短。2026年1月，校务长（Chancellor）Melissa Nobles、教务长（Provost）Anantha Chandrakasan和教授会主席Roger Levy向委员会下达了任务。委员会随后用五个月时间在整个MIT社区开展会议、研究和意见征集。其既定目的是了解生成式AI在MIT的校园生活和教育使命中所扮演的角色，并就如何应对它带来的挑战与机遇提出建议。

任务分为三个部分，值得放在一起读，因为它们朝着不同的方向用力。委员会被要求评估MIT当前的AI使用情况，这是一项描述性的任务。它被要求找出教学和学生评估方面的创新，这是一项探索性的任务。它还被要求提出一项AI使用政策，这是一项规范性的任务。只做第一项而不做第三项的团队，产出的是一份调查。只做第三项而不做第一项的团队，产出的是一本学生会置之不理的规则手册。报告三项都做了尝试，本文也按照这个顺序展开：正在发生什么，什么正在改变，以及委员会认为应该怎么做。

人员构成同样重要。委员会由本科生和研究生、来自每个学院的教师，以及相关部门的工作人员组成，其中包括MIT图书馆和Teaching and Learning Lab。联合主席是Eric Klopfer和Sam Madden。对于那些经历过被单一群体主导的委员会的创业者和技术读者来说，这样的组合值得注意。学生参与了评估学生行为的机构。来自每个学院的教师都在场，而不只是那些与AI关系最明显的学院。图书馆和教学实验室的工作人员则带来了日常支持教学的部门的视角。

报告在用词上也很谨慎，这是一个微小但能说明问题的信号，显示出报告希望被如何使用。“教师”包括教授以及其他所有在MIT从事教学的人。对“学生”的大多数提及同时适用于本科生和研究生，只有少数显而易见的地方除外。这些是定义，不是结论，但它们扩大了受众。一项只对终身教授说话的政策，会漏掉许多真正带讨论课、批改作业的人。

频繁、普遍，情绪复杂 #

第一项结论让其他一切都变得紧迫。MIT学生频繁而普遍地使用AI。报告既没有把这当作担忧，也没有把它当作成就。它把这作为任何政策都必须据以制定的基本事实，并配上对学生感受的描述，而这种感受是强烈交织的。

情绪的跨度很大。一端列出的是好奇、创作灵感和感激。另一端列出的是无奈、担忧和焦虑。人们很容易把这读成两个阵营：热衷者和忧虑者。但措辞暗示的情况没那么整齐：这一跨度描述的是一个普遍使用该技术的学生群体内部的情绪，因此同一名学生完全可能同时怀有其中不止一种。报告并没有直接这么说，这里值得谨慎。这一说法确立的是分布的范围，而不是个人在其中如何分布。

教育接触点	传统的机构假设	AI普及后观察到的现实
习题集（p-set）	独自钻研，是认知掌握程度的指标	借助LLM快速完成；有掌握流于表面、缺乏深入解题的风险
带回家完成的考试	基于信任来衡量综合理解	无法核实的协作；对学生个人的评估失效
答疑时间与助教	与教师和助教的形成性对话	学生习惯转向对话式LLM辅导，出勤下降
协作学习小组	同伴间的推理与协作发现	工具采用不对称，引发同伴间的不满和评估摩擦
本科生研究（UROP）	及早沉浸于实验设计与文献	快速的合成式文献综述，混入未经核实的幻觉来源的风险上升

教师表现出类似的广度，只是沿着另一条轴线。他们的态度从热情探索、对AI日益依赖，一直到怀疑、猜疑和“拒绝AI”。值得注意的是“日益依赖”这个说法。报告描述的不只是一端是尝试者、另一端是弃用者的格局。至少有一部分教师在自己的工作中开始依赖这些工具，另一些则决定完全不碰。

把两个群体放在一起，一个结构性问题就浮现出来。学生普遍使用AI。教师分布在从依赖到拒绝的整个区间。一名在两门课之间往返的学生，可能会遇到处在这个区间两端的两位教师。报告直接记录了其后果：无论是在某一门课之内，还是在整个课程体系之中，学生都对AI使用缺乏清晰性、一致性和理由感到困惑和担忧。

这句话值得细读，因为它点出了三种不同的失败。清晰性是指规则能否被理解。一致性是指规则在不同地方是否相同。理由是指是否有人解释过规则为什么存在。一项政策可以在其中任何一项上单独失败。规则可以清晰却武断，也可以一致却没有解释。报告所记录的学生不满涵盖了这三者，而且既适用于单门课程之内，也适用于整个课程体系。

紧挨着它的是一项更令人鼓舞的结论。报告描述教师之间普遍希望分享经验、想法和技巧。在一个态度分歧如此尖锐的社区里，互相交流心得的意愿是一笔财富。它表明这种分歧并不是双方都已不再倾听的那种根深蒂固的分歧。这种意愿能否转化为学生想要的一致性，是结论提出而非回答的问题。

根基正在松动的迹象 #

结论中最引人注目的部分，是一份关于AI可能正在对MIT教育体验造成哪些影响的清单。每一项都被表述为迹象，而这种表述是有意的。委员会并没有声称测量了这些影响。它报告的是存在这些影响的迹象，细心的读者也应守住同一条线。

最主要的迹象是，AI正在颠覆MIT教育体验的基础要素，对本科生尤其如此。报告点出了这些要素：习题集、带回家完成的考试和UROP，然后是答疑时间和学习小组。这些都不是边缘特征。习题集是日常的工作单位。带回家完成的考试是一种信任形式。UROP是本科生进入研究的途径。答疑时间和学习小组是学习变得社会化的地方。当报告说这些正在被颠覆时，它点出的是本科体验中承重的部分。

接下来还有几项迹象，每一项都值得单独说明，因为每一项指向的是一种不同的损失。

有迹象表明AI正在加剧孤立。学习小组和答疑时间依赖于人们彼此求助。如果随时都有一个能干的助手，这样做的动力可能会减弱。报告没有阐明这一机制，因此不应把它当作机制来断言。迹象是孤立，而被点名的要素提示了它可能出现在哪里。

有迹象表明AI正在削弱学生的掌握程度和自信。这是两回事。掌握关乎学生实际能做什么。自信关乎学生相信自己能做什么。报告把两者放在一起，这种搭配提醒人们，损害可能朝两个方向发生：把功课外包出去的学生可能并不具备这项技能，而具备技能的学生则可能怀疑自己。

有迹象表明AI正在侵蚀教师与学生之间的“社会契约”。这个说法上的引号是报告自己加的。说得直白些，双方对彼此会做什么都抱有一些预设，而报告发现了这些预设正在减弱的迹象。这与学生对规则的困惑相吻合：如果没人能说清期望是什么，契约就几乎无所依凭。

有迹象表明AI正在让评估学生的进步变得困难得多。这一点有明显的实际锋芒。成绩、反馈，以及判断某人是否准备好进入下一阶段，都取决于能否看出学生理解了什么。如果作业成果不再可靠地反映学生本人，这个工具就失灵了。

最后，有迹象表明AI正在挑战MIT数十年来独特的社区规范与价值观，涉及严谨、学习所需的创造性摩擦、协作解题以及个人诚信。这是所有迹象中范围最广、可以说也是影响最深远的一项。“创造性摩擦”这个说法值得细细体会：其主张是，一定的困难是学习必需的成分，而一个消除困难的工具，可能也会消除规范原本在守护的东西。

这些都没有被说成定论。每一项都有保留，读者应有的姿态是认真对待这些迹象，同时不把它们转换成已测量的影响。这种区分，恰恰是好的委员会会保留、而草率的摘要会丢失的东西。

学生需要掌握的东西本身正在改变 #

读完上一节的读者，可能会以为问题在于作弊，而更严格的评估制度就能解决。报告从两个方面抵制了这种框架。

第一，报告明确指出，AI正在改变学生需要知道什么、需要会做什么。在资料中，这并不是一个带保留的说法，而是作为事实陈述的结果。其含义是，问题不只是学生可能绕过现有的任务。如果底层技能已经转移，任务本身可能就瞄错了目标。

第二，报告就课程体系得出了一个推论。MIT教授的每一门课程，很可能都需要重新审视，并可能进行改造，使教学、学习和评估都“具备AI意识”。保留是真实的：“很可能需要”和“可能进行改造”都不是命令。但范围是全面的。它说的是每一门课程。在一份机构文件中，这是一个异常宏大的主张，因为大多数改革方案只挑出少数几个院系或几门课程。

“具备AI意识”是报告自己的说法，而且是精心挑选的。它没有说“AI赋能”，那意味着采用；也没有说“防AI”，那意味着防御。意识是这两种回应的前提。一门课程可以在重新审视之后，出于正当理由决定限制AI、要求使用AI或忽略AI，但如果不先理解这个工具如何作用于所教、所评的内容，就无法做好这个选择。这也回到了学生关于理由的不满。一门具备AI意识的课程，是其教师能够解释自己立场的课程。

委员会走得比课程更远。它说，AI的到来要求对当今高等教育的性质、范围和目的进行更广泛、更整体的重新评估。这是资料中一个已被论证、没有保留的说法，它把报告从课程设计推向了机构的目的。委员会还指出，MIT社区，尤其是教师，必须应对关于MIT教育的结构、意义和价值的更深层问题，而AI只是使MIT使命复杂化的若干因素之一。

最后这一句很容易被略过，但不应该。AI是若干因素之一。委员会并没有声称仅凭AI就让这一使命受到质疑。它说的是，AI进入了一系列既有的复杂局面，并使之更加尖锐。对于任何开发教育技术的人来说，这是一个有用的纠正：买方并不是一个带着干净问题、一款产品就能解决的机构，而是一个正处在一场关于自身为何存在的更大讨论之中的机构。

实际顾虑，以及课堂之外的问题 #

报告并不局限于教学法。它为社区列出了实际顾虑，并把它们与更广泛的社会问题区分开来，这是一种合理的划分。

在实际层面，AI带来了从数据隐私和保密，到获取机会不均、偏见、公平和问责等一系列重大顾虑。不妨两两来看。隐私和保密关乎输入工具的信息会怎样：学生作业、研究材料，以及任何研究者不希望离开大楼的东西。获取机会不均、偏见、公平和问责关乎谁受益、谁受害，以及出了问题时由谁负责。在研究训练环境中，这两组问题都会切实发挥作用。一项让所有人都使用某种工具却不处理保密问题的政策是不完整的，而一项忽视获取机会不均的政策，则有可能把学生负担得起的订阅差异变成一种优势。第二个例子是对这一顾虑的说明，并非报告的结论，报告只以上述一般性措辞陈述了这个问题。

在校园之外，报告指出AI的增长引发了社会问题。其中包括AI数据中心对环境的影响、知识产权和训练数据的使用，以及这项技术和这个行业对人类的总体影响。这些是大学无法独自解决的问题，但它们仍然是其成员会被问到、学生会提出的问题。把它们纳入报告，等于承认关于AI的教学以及借助AI的教学，都发生在一个人们各有看法的背景之中。

值得注意的是报告在结构上如何处理这些顾虑：它把它们陈述为关于现状的事实，而不是支持某种立场的论据。委员会并没有说，因为数据中心对环境有影响，MIT就应该限制使用。它说的是这些问题存在。这种克制适合一份为引导观点多元的社区而写的文件，也让建议与结论挂钩，而不是与意识形态挂钩。

报告也始终保持着自身的谦逊。其他教育机构也在努力应对与AI相关的类似问题，而且似乎没有谁已经全部想清楚。这句话带有保留，而且理应如此：“似乎”在诚实地发挥作用。它把MIT放在同行之中而不是走在前面，也挡住了把任何其他机构的做法当作现成答案的诱惑。

一项以压缩时间表到来的技术 #

对于高等教育之外的读者，报告中最具分析价值的部分，是它对这项技术为何让人感觉不同的解释。它提出了一个关于创新如何到来的简单模型。

有些技术创新是逐步出现的。随着社会与技术协同演进，相互适应缓和了冲击。资料举了一个例子：被描述为AI的前身和关键推动者的计算机，就符合这种模式。随着时间推移，机构学会了用计算机教学，学会了评估借助计算机完成的作业，也学会了为其使用制定规范。适应的过程足够缓慢，因而是相互的。

另一些创新则来得更突然，在个人和机构来得及适应之前就已产生重大的社会影响。报告的论点是，生成式AI属于第二类。

为了论证这一点，报告确定了一个日期。社会往往把一项新技术的“诞生”定在它变得易于使用的时刻。按照这个标准，生成式人工智能随着2022年底ChatGPT的发布而“诞生”。因此，公众接触生成式AI还不到四年。据资料所述，在这段时间里它已积累了超过十亿用户。

把这两个数字放在一起看：不到四年，超过十亿用户。报告无需多言就已说明了问题。一项从发布到拥有十亿用户只用了不到四年的技术，并没有给课程委员会、评估设计者或政策部门留出计算机当年给过的那种多年的缓冲期。

报告还补充了两点观察。销售AI技术的公司已经主导了新闻头条、股市和公众意识。而且AI几乎在每一个领域都在发展，其时间尺度压缩到社会无法恰当地观察和分析其影响、再逐步适应。

仔细读来，最后这句话列出了渐进适应通常需要的四个步骤：观察影响，分析影响，然后适应，并且是逐步地适应。其主张是，时间尺度压缩得容不下这一顺序。这是对问题的精确表述。它说的不是AI不好，也不是AI好。它说的是，社会吸收新工具的惯常方式，即先观察和学习再行动，跟不上这样的节奏。

对创业者来说，这里有一个关于客户的教训。处在这种境地的机构行动迟缓，并不是因为固执。它之所以慢，是因为它的常规流程预设了一个已不再适用的时钟。那些帮助机构在压缩条件下明智行事的产品和服务，而不是那些假定机构已有时间研究问题的产品和服务，才是在应对报告所描述的真实处境。这是支持报告这一框架的论点，而不是报告对市场作出的判断。

以谦逊之心提出的八项原则 #

在描述了现状之后，报告转向它将如何应对。它首先界定了八项原则，委员会依靠这些原则开展工作，并希望它们在今后的工作中指引MIT。资料在这里的说法很有限：它说有八项，并陈述了第一项。其余几项不在现有材料中，本文也不会去猜测。

第一项原则是，委员会以谦逊的精神提出它的建议。这是一个不同寻常的起点。一份刚刚把形势描述得十分紧迫的报告，人们或许会以为它会以决心作为原则的开篇。它却以对局限的说明开头，并随即解释了谦逊在实践中意味着什么：随着技术不断演进、MIT不断试验和学习，方向修正，甚至可能是重大修正，将不可避免。

这句话带有保留，也很坦率。委员会并没有承诺它的建议能经受住未来几年现实的考验。它事先就说明，其中一些很可能需要修订，MIT应当做好边做边学的准备。对于一份针对一项诞生不到四年的技术、在五个月时间内完成的文件来说，这是稳妥的立场。它也让报告更值得信赖。一个声称已有最终答案的委员会，会与它刚刚就变化速度提出的证据相矛盾。

然而，谦逊不能变成瘫痪。资料说得很明确：不确定性不能成为无所作为的借口。战略姿态也表述得同样坚定。AI在教与学方面带来的挑战，需要在各地、尤其是在MIT，作出大胆的战略回应。

这两种表述最好成对来读。第一种限制了对任何具体答案的信心。第二种拒绝让这种限制成为等待的理由。合在一起，它们描述了一种工作方法：行动、观察、修正。这与渐进式技术采用在数十年间让社会得以遵循的方法相同，只是被压缩到了一个机构的规划周期之内。

委员会还表达了一种关于MIT角色的信念。它说，MIT有责任引领。这一表述是信念，不是结论，应当如此理解。材料中没有任何地方说明引领在具体上会是什么样子，一篇依据这份资料的文章也不应凭空编造。不过，这一信念确实解释了“大胆的战略回应”中的“大胆”。一个认为自己应当引领的机构，不能把观望姿态视为可以接受。

建议，以及仍待完成的工作 #

报告承诺为教师和行政部门分别提出近期和长期的行动建议。这种划分本身就很能说明问题。教师是决定某门课程里发生什么的人，而结论表明，他们需要空间和支持来作出具备AI意识的选择。行政部门则是能够处理任何单个教师都无法处理的问题的机构：整个课程体系的一致性、政策，以及围绕隐私、获取机会和问责的实际顾虑。近期与长期的划分承认，有些事本学期就能做，另一些则需要持续努力。

现有说法中没有包含这些建议的内容，本文也不会补充。可以说的是，结论如何约束这些建议。

如果学生因为不一致而感到困惑，那么面向教师的建议就必须处理如何解释各自的选择，并在适当时加以协调。如果教师希望分享经验、想法和技巧，那么建议就必须给这种愿望一个去处。如果评估正在变得更难，那么长期行动很可能涉及重新思考评估什么以及如何评估，这与报告本身要求重新审视课程的呼吁相一致。这些是从结论推导出的、关于建议需要处理什么的推论，而不是关于报告建议了什么的陈述，应当审慎看待。

这些说法本身引出了几个悬而未决的问题。

第一，迹象如何成为证据。报告说，存在孤立加剧、掌握程度和自信受损、社会契约受到侵蚀以及评估变难的迹象。对任何机构来说，自然的下一步是弄清这些影响有多大、集中在哪里。报告带有保留的措辞，标出了怀疑与测量之间的差距。

第二，教师分享的愿望能否在不抹平真实观点差异的情况下带来一致性。报告描述了从热情探索到拒绝AI的种种态度。它也记录了学生对清晰性、一致性和理由的要求。这两个事实也许不容易调和，报告也没有声称它们可以调和。

第三，课程工作的规模。“每一门课程”意味着大量的课程，而报告的保留措辞（“很可能需要重新审视，并可能进行改造”）为改造的深度留下了差异空间。在报告自己都形容为压缩的时间表上，一个机构如何在数千门课程之间排定优先次序，是结论留下的现实问题。

第四，也是委员会最直接点出的，是关于MIT教育的结构、意义和价值的一系列更深层问题。AI是使这一使命复杂化的若干因素之一，而教师尤其被要求去应对这些问题。一项政策几个月就能写成。委员会所呼吁的、对当今高等教育的性质、范围和目的的重新评估，则是一场更长的对话，而报告明确表示，不能等到有了确定性再开始。

最能概括报告把读者留在何处的，是它自己的一句话：方向修正将不可避免，不确定性不能成为无所作为的借口。悬而未决的是，哪些修正会先到来，以及MIT有谁愿意在证据完备之前就去做出这些修正。

对各行业的意义 #

生成式AI在顶尖大学环境中的快速扩散，是多个教育和专业领域机构动荡的早期信号。

高等教育与研究型大学 #

高等教育的领导者必须认识到，以课程大纲为单位的“AI禁令”政策既无法执行，也适得其反。挑战是结构性的：学习评估必须转向面对面的口头答辩、同步的解题过程，以及迭代式的项目作品集，在其中审核的是推理的过程，而不只是评判最终的书面成果。

教育科技与AI辅导提供商 #

商业工具的开发者面临一个教学上的两难。只为生成答案而设计的产品，会加速学生的投入减退和认知孤立。能在一流学术环境中立足的平台，将是那些把苏格拉底式教学法落到实处的平台，在提供有针对性的支架的同时，保留认知上的钻研。

企业学习与技术入职培训 #

企业培训学院和科技企业雇主面临同样的掌握缺口：初级员工会使用生成式代码工具，却不理解底层的失效模式。工程组织必须调整学徒制模式，以评估基础的调试能力和架构推理能力。

结论 #

MIT特设委员会的报告之所以突出，是因为它拒绝把生成式AI简化为一个学术诚信方面的麻烦。通过把这项技术定位为对大学教育核心目的的压力测试，委员会给出了一份冷静的路线图：以机构谦逊的精神拥抱试验，同时拒绝让不确定性为行政瘫痪开脱。未来一个学年周期的真正考验，在于教师能否重新设计课程，既保住深度掌握，又让毕业生为AI原生的世界做好准备。

常见问题 #

MIT是否禁止学生在课业中使用生成式AI？

没有。MIT并未实行一刀切的禁令。各位教师为自己的课程制定政策，范围从在作业中整合AI使用，到专门不使用AI的基础练习，委员会则建议加强机构层面的一致性，并给出透明的教学理由。

生成式AI如何影响传统的“p-set”（习题集）？

习题集历来是通过独立解题培养认知韧性的主要手段。在AI随处可用的情况下，学生可以迅速生成正确的解答，由此带来一种风险：表面上的完成取代了真正的智力掌握。

委员会在评估方面有什么建议？

委员会强调，必须重新评估传统的评估工具（带回家完成的考试、标准的书面习题集）。长期的解决方案侧重于同步评估、基于项目的展示，以及重新设计课程，使其奖励批判性分析而非机械地产出结果。

参考文献 #

MIT Ad Hoc Committee, (2026). 关于教学、学习与研究训练中AI使用的最终报告 ⧉. Massachusetts Institute of Technology.
MIT Office of the Chancellor and Provost, (2026). 致生成式AI特设委员会的任务书 ⧉. Massachusetts Institute of Technology.
Eric Klopfer and Samuel Madden, (2026). 生成式AI时代的教与学 ⧉. MIT News.

最近审阅 2026-09-25.

最近审阅 2026-10-27.

重新发布本文

MIT AI委员会报告：技术先于制度到来时的教与学 — Sebastien Rousseau

经过五个月的会议、研究和意见征集，MIT特设委员会报告称，学生频繁而普遍地使用AI，而教师的态度从热情探索到“拒绝AI”不一而足，学生则希望规则清晰一致。

本文采用以下许可协议 Creative Commons Attribution 4.0 International. 重新发布需注明原始 URL 出处。

MIT AI委员会报告：技术先于制度到来时的教与学 — Sebastien Rousseau

经过五个月的会议、研究和意见征集，MIT特设委员会报告称，学生频繁而普遍地使用AI，而教师的态度从热情探索到“拒绝AI”不一而足，学生则希望规则清晰一致。

Originally published at https://sebastienrousseau.com/zh-hans/2026-09-25-mit-ai-weiyuanhui-baogao-jishu-xianyu/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU FOUNDER · ENGINEER