MIT AI委員會報告：技術先於制度到來時的教與學

TL;DR. 歷經五個月的會議、研究與意見徵詢，MIT特設委員會報告指出，學生頻繁且普遍地使用AI，教師的態度則從熱情探索到「拒絕AI」各不相同，學生希望規則清楚一致。

核心要點

一個有任務、有期限、沒有預設結論的委員會. 關於一項新技術的機構報告，多半是在作者心中早已有了定論之後才出爐。這份報告對自己的描述卻不一樣。教學、學習與研究訓練中的AI使用特設委員會帶著廣泛的經驗、不帶任何預設結論接下這項任務，並把自己的工作形容為短暫而密集。這是一個關於方法的說法，對於該如何解讀其結論很重要：後面的結論被呈現為委員會得出的結果，而不是它著手要證明的東西。.
頻繁、普遍，情緒複雜. 第一項結論讓其他一切都變得緊迫。MIT的學生頻繁且普遍地使用AI。報告既沒有把這當成隱憂，也沒有把它當成成就。它把這當作任何政策都必須據以制定的基本事實，並搭配對學生感受的描述，而那種感受是強烈交雜的。.
根基正在鬆動的跡象. 結論中最引人注目的部分，是一份關於AI可能正對MIT的教育經驗造成哪些影響的清單。每一項都被表述為跡象，而這種表述是刻意的。委員會並沒有聲稱測量了這些影響。它報告的是存在這些影響的跡象，細心的讀者也應守住同一條線。.
學生需要掌握的東西本身正在改變. 讀完上一節的讀者，可能會以為問題在於作弊，而更嚴格的評量制度就能解決。報告從兩個方面抗拒了這種框架。.

MIT的人工智慧特設委員會並未把生成式AI當成靠一項政策就能修補的工具問題。報告把它視為一場壓力測試，檢驗MIT的教育究竟為何而存在，並主張不確定性不能成為無所作為的藉口。

一個有任務、有期限、沒有預設結論的委員會 #

關於一項新技術的機構報告，多半是在作者心中早已有了定論之後才出爐。這份報告對自己的描述卻不一樣。教學、學習與研究訓練中的AI使用特設委員會帶著廣泛的經驗、不帶任何預設結論接下這項任務，並把自己的工作形容為短暫而密集。這是一個關於方法的說法，對於該如何解讀其結論很重要：後面的結論被呈現為委員會得出的結果，而不是它著手要證明的東西。

時程很短。2026年1月，校務長（Chancellor）Melissa Nobles、教務長（Provost）Anantha Chandrakasan與教授會主席Roger Levy向委員會交付任務。委員會隨後花了五個月在整個MIT社群舉行會議、進行研究並徵詢意見。其明訂的目的是了解生成式AI在MIT的校園生活與教育使命中所扮演的角色，並就如何因應它帶來的挑戰與機會提出建議。

任務分為三個部分，值得放在一起讀，因為它們朝不同的方向拉扯。委員會被要求評估MIT目前的AI使用情形，這是描述性的任務。它被要求找出教學與學生評量上的創新，這是探索性的任務。它也被要求提出一套AI使用政策，這是規範性的任務。只做第一項而不做第三項的團隊，產出的是一份調查。只做第三項而不做第一項的團隊，產出的是一本學生會置之不理的規則手冊。報告三項都嘗試了，本文也依照這個順序展開：正在發生什麼、什麼正在改變，以及委員會認為該怎麼做。

成員組成同樣重要。委員會由大學部與研究所學生、來自每個學院的教師，以及相關單位的職員組成，其中包括MIT圖書館與Teaching and Learning Lab。共同主席是Eric Klopfer與Sam Madden。對於經歷過被單一族群主導的委員會的創業者與技術讀者而言，這樣的組合值得注意。學生參與了評估學生行為的機構。來自每個學院的教師都在場，而不只是那些與AI關係最明顯的學院。圖書館與教學實驗室的職員，則帶來了每天支援教學的單位的觀點。

報告在用詞上也很謹慎，這是一個微小卻很能說明問題的訊號，顯示報告希望被如何使用。「教師」包括教授以及其他所有在MIT從事教學的人。對「學生」的多數提及同時適用於大學部與研究所學生，只有少數顯而易見的地方例外。這些是定義，不是結論，但它們擴大了讀者範圍。一套只對終身職教授說話的政策，會漏掉許多實際帶討論課、批改作業的人。

頻繁、普遍，情緒複雜 #

第一項結論讓其他一切都變得緊迫。MIT的學生頻繁且普遍地使用AI。報告既沒有把這當成隱憂，也沒有把它當成成就。它把這當作任何政策都必須據以制定的基本事實，並搭配對學生感受的描述，而那種感受是強烈交雜的。

情緒的幅度很大。一端列出的是好奇、創作靈感與感激。另一端列出的是無奈、擔憂與焦慮。人們很容易把這讀成兩個陣營：熱衷者與憂慮者。但措辭暗示的情況沒那麼整齊：這個幅度描述的是一個普遍使用這項技術的學生群體內部的情緒，因此同一位學生很可能同時懷有其中不只一種。報告並沒有直接這麼說，這裡值得謹慎。這個說法確立的是分布的範圍，而不是個人在其中如何分布。

教育接觸點	傳統的機構假設	AI普及後觀察到的現實
習題集（p-set）	獨自鑽研，是認知掌握程度的指標	藉由LLM快速完成；有學習流於表面、缺乏深入解題的風險
帶回家寫的考試	以信任為基礎來衡量綜合理解	無法查證的協作；對學生個人的評量失效
答疑時間與助教	與教師及助教的形成性對話	學生習慣轉向對話式LLM家教，出席率下降
協作讀書會	同儕之間的推理與協作探索	工具採用不對稱，引發同儕間的不滿與評量摩擦
大學部研究（UROP）	及早投入實驗設計與文獻	快速的合成式文獻回顧，混入未經查證的幻覺來源的風險升高

教師也展現類似的廣度，只是沿著另一條軸線。他們的態度從熱情探索、對AI日益依賴，一直到懷疑、猜疑與「拒絕AI」。值得留意的是「日益依賴」這個說法。報告描述的不只是一端是嘗試者、另一端是不碰的人的格局。至少有一部分教師在自己的工作中開始依賴這些工具，另一些則決定完全不碰。

把兩個群體放在一起，一個結構性問題就浮現了。學生普遍使用AI。教師分布在從依賴到拒絕的整個區間。一位在兩門課之間往返的學生，可能會遇到位於這個區間兩端的兩位教師。報告直接記錄了後果：無論是在某一門課之內，還是在整個課程架構之中，學生都對AI使用缺乏清晰性、一致性與理由感到困惑與擔憂。

這句話值得細讀，因為它點出三種不同的失敗。清晰性是指規範能否被理解。一致性是指規範在不同地方是否相同。理由是指是否有人解釋過規範為什麼存在。一套政策可能在其中任何一項上單獨失敗。規範可以清楚卻武斷，也可以一致卻沒有解釋。報告所記錄的學生不滿涵蓋這三者，而且既適用於單一課程之內，也適用於整個課程架構。

緊鄰著它的是一項較令人振奮的結論。報告描述教師之間普遍希望分享經驗、想法與技巧。在一個態度分歧如此尖銳的社群裡，互相交流心得的意願是一項資產。它顯示這種分歧並不是雙方都已不再傾聽的那種根深柢固的分歧。這種意願能否轉化為學生想要的一致性，是結論提出而非回答的問題。

根基正在鬆動的跡象 #

結論中最引人注目的部分，是一份關於AI可能正對MIT的教育經驗造成哪些影響的清單。每一項都被表述為跡象，而這種表述是刻意的。委員會並沒有聲稱測量了這些影響。它報告的是存在這些影響的跡象，細心的讀者也應守住同一條線。

最主要的跡象是，AI正在顛覆MIT教育經驗的基礎要素，對大學部學生尤其如此。報告點出了這些要素：習題集、帶回家寫的考試與UROP，接著是答疑時間與讀書會。這些都不是邊緣的特徵。習題集是日常的工作單位。帶回家寫的考試是一種信任的形式。UROP是大學部學生進入研究的途徑。答疑時間與讀書會是學習變得社會化的地方。當報告說這些正在被顛覆時，它點出的是大學部經驗中承重的部分。

接下來還有幾項跡象，每一項都值得分開說明，因為每一項指向不同種類的損失。

有跡象顯示AI正在加深孤立。讀書會與答疑時間有賴於人們彼此求助。如果隨時都有一個能幹的助手，這麼做的動機可能會減弱。報告並未闡明這個機制，因此不應把它當作機制來斷言。跡象是孤立，而被點名的要素提示了它可能出現在哪裡。

有跡象顯示AI正在削弱學生的掌握程度與自信。這是兩回事。掌握關乎學生實際上能做什麼。自信關乎學生相信自己能做什麼。報告把兩者放在一起，這樣的搭配提醒人們，傷害可能朝兩個方向發生：把功課外包出去的學生可能並不具備這項技能，而具備技能的學生則可能懷疑自己。

有跡象顯示AI正在侵蝕教師與學生之間的「社會契約」。這個說法上的引號是報告自己加的。說得白一點，雙方對彼此會做什麼都抱持一些預設，而報告發現這些預設正在減弱的跡象。這與學生對規範的困惑相符：如果沒有人說得清楚期待是什麼，契約就幾乎無所依憑。

有跡象顯示AI正讓評量學生的進展變得困難許多。這一點有明顯的實務鋒芒。成績、回饋，以及判斷某人是否準備好進入下一階段，都取決於能否看出學生理解了什麼。如果作業成果不再能可靠地反映學生本人，這個工具就失靈了。

最後，有跡象顯示AI正在挑戰MIT數十年來獨特的社群規範與價值觀，涉及嚴謹、學習所需的創造性摩擦、協作解題以及個人誠信。這是所有跡象中範圍最廣、或許也是影響最深遠的一項。「創造性摩擦」這個說法值得細細琢磨：它的主張是，一定程度的困難是學習必需的成分，而一個消除困難的工具，可能也會消除規範原本在守護的東西。

這些都沒有被說成定論。每一項都附有保留，讀者應有的姿態是認真看待這些跡象，同時不把它們轉換成已測量的影響。這種區分，正是好的委員會會保留、而草率的摘要會遺漏的東西。

學生需要掌握的東西本身正在改變 #

讀完上一節的讀者，可能會以為問題在於作弊，而更嚴格的評量制度就能解決。報告從兩個方面抗拒了這種框架。

第一，報告明確指出，AI正在改變學生需要知道什麼、需要會做什麼。在資料中，這不是一個附帶保留的說法，而是以事實陳述的結果。其含意是，問題不只是學生可能繞過既有的任務。如果底層技能已經移轉，任務本身可能就瞄錯了目標。

第二，報告就課程架構得出一個推論。MIT開設的每一門課程，很可能都需要重新檢視，並可能加以改造，讓教學、學習與評量都「具備AI意識」。保留是真實的：「很可能需要」與「可能加以改造」都不是命令。但範圍是全面的。它說的是每一門課程。在一份機構文件中，這是一個異常宏大的主張，因為多數改革方案只挑出少數幾個系所或幾門課程。

「具備AI意識」是報告自己的說法，而且經過仔細挑選。它沒有說「AI賦能」，那意味著採用；也沒有說「防AI」，那意味著防禦。意識是這兩種回應的前提。一門課程可以在重新檢視之後，基於正當理由決定限制AI、要求使用AI或忽略AI，但如果不先理解這個工具如何作用於所教、所評的內容，就無法把這個選擇做好。這也回到學生對於理由的不滿。一門具備AI意識的課程，是其教師能夠說明自身立場的課程。

委員會走得比課程更遠。它說，AI的到來要求對當今高等教育的本質、範圍與目的進行更廣泛、更整體的重新評估。這是資料中一個經過論證、沒有保留的說法，它把報告從課程設計推向機構的目的。委員會也指出，MIT社群，尤其是教師，必須面對關於MIT教育的結構、意義與價值的更深層問題，而AI只是讓MIT的使命變得複雜的若干因素之一。

最後這一句很容易被略過，但不應該。AI是若干因素之一。委員會並沒有聲稱光憑AI就讓這項使命受到質疑。它說的是，AI進入了一連串既有的複雜局面，並使之更加尖銳。對任何開發教育科技的人來說，這是一個有用的修正：買方並不是一個帶著單純問題、靠一項產品就能解決的機構，而是一個正處於一場關於自身為何存在的更大討論之中的機構。

實務上的顧慮，以及教室之外的問題 #

報告並不侷限於教學法。它為社群列出了實務上的顧慮，並把它們與更廣泛的社會問題區分開來，這是合理的劃分。

在實務層面，AI帶來了從資料隱私與機密，到取得機會不均、偏誤、公平與問責等一連串重大顧慮。不妨兩兩來看。隱私與機密關乎輸入工具的資訊會怎麼樣：學生作業、研究資料，以及任何研究人員不希望流出大樓的東西。取得機會不均、偏誤、公平與問責關乎誰受益、誰受害，以及出了問題時由誰負責。在研究訓練的環境中，這兩組問題都會實際發揮作用。一套要所有人使用某項工具卻不處理機密問題的政策是不完整的，而一套忽視取得機會不均的政策，則可能把學生負擔得起的訂閱方案差異變成一種優勢。第二個例子是用來說明這項顧慮，並非報告的結論，報告只以上述一般性措辭陳述了這個問題。

在校園之外，報告指出AI的成長引發了社會問題。其中包括AI資料中心對環境的影響、智慧財產與訓練資料的使用，以及這項技術與這個產業對人類的整體影響。這些是大學無法獨自解決的問題，但它們仍是其成員會被問到、學生會提出的問題。把它們納入報告，等於承認關於AI的教學以及運用AI的教學，都發生在一個人們各有看法的背景之中。

值得注意的是報告在結構上如何處理這些顧慮：它把它們陳述為關於現況的事實，而不是支持某種立場的論據。委員會並沒有說，因為資料中心對環境有影響，MIT就應該限制使用。它說的是這些問題存在。這種克制很適合一份為引導觀點多元的社群而寫的文件，也讓建議與結論掛鉤，而不是與意識形態掛鉤。

報告也始終保持著自身的謙遜。其他教育機構也在努力因應與AI相關的類似問題，而且似乎沒有誰已經全部想通。這句話附有保留，而且理當如此：「似乎」在誠實地發揮作用。它把MIT放在同儕之中而不是走在前面，也擋住了把任何其他機構的做法當成現成答案的誘惑。

一項以壓縮時程到來的技術 #

對高等教育以外的讀者而言，報告中最具分析價值的部分，是它對這項技術為何讓人感覺不同的解釋。它提出了一個關於創新如何到來的簡單模型。

有些技術創新是逐步出現的。隨著社會與技術協同演進，相互適應緩和了衝擊。資料舉了一個例子：被描述為AI的前身與關鍵推手的電腦，就符合這種模式。隨著時間推移，機構學會了用電腦教學，學會了評量藉由電腦完成的作業，也學會了為其使用訂定規範。適應的過程夠緩慢，因而是相互的。

另一些創新則來得更突然，在個人與機構來得及適應之前，就已產生重大的社會影響。報告的論點是，生成式AI屬於第二類。

為了論證這一點，報告定下了一個日期。社會往往把一項新技術的「誕生」定在它變得容易使用的時刻。按照這個標準，生成式人工智慧隨著2022年底ChatGPT的推出而「誕生」。因此，大眾接觸生成式AI還不到四年。根據資料，它在這段期間已累積超過十億名使用者。

把這兩個數字放在一起看：不到四年，超過十億名使用者。報告不必多說就已點明了問題。一項從推出到擁有十億名使用者只花了不到四年的技術，並沒有給課程委員會、評量設計者或政策單位留下電腦當年給過的那種長達數年的緩衝期。

報告還補充了兩點觀察。販售AI技術的公司已經主導了新聞頭條、股市與大眾意識。而且AI幾乎在每一個領域都在進展，其時間尺度壓縮到社會無法好好觀察與分析其影響、再逐步適應。

仔細讀來，最後這句話列出了漸進適應通常需要的四個步驟：觀察影響、分析影響，然後適應，而且是逐步地適應。其主張是，時間尺度壓縮得容不下這個順序。這是對問題的精確表述。它說的不是AI不好，也不是AI好。它說的是，社會吸收新工具的慣常方式，也就是先觀察、學習再行動，跟不上這樣的節奏。

對創業者來說，這裡有一個關於客戶的教訓。處在這種處境的機構行動遲緩，並不是因為固執。它之所以慢，是因為它的常規流程預設了一個已不再適用的時鐘。那些協助機構在壓縮條件下明智行事的產品與服務，而不是那些假定機構已有時間研究問題的產品與服務，才是在處理報告所描述的真實處境。這是支持報告這個框架的論點，而不是報告對市場所下的判斷。

以謙遜之心提出的八項原則 #

在描述現況之後，報告轉向它將如何因應。它首先界定了八項原則，委員會依據這些原則進行工作，並希望它們在今後的工作中引導MIT。資料在這裡的說法很有限：它說有八項，並陳述了第一項。其餘幾項不在現有資料中，本文也不會去猜測。

第一項原則是，委員會以謙遜的精神提出它的建議。這是一個不尋常的起點。一份剛把情勢描述得十分緊迫的報告，人們或許會以為它會以決心作為原則的開頭。它卻以說明自身的侷限開場，並隨即解釋謙遜在實務上代表什麼：隨著技術持續演進、MIT不斷試驗與學習，方向修正，甚至可能是重大修正，將無可避免。

這句話附有保留，也很坦白。委員會並沒有承諾它的建議能經得起未來幾年現實的考驗。它事先就說明，其中一些很可能需要修訂，MIT應該做好邊做邊學的準備。對於一份針對一項誕生不到四年的技術、在五個月內完成的文件來說，這是穩健的立場。它也讓報告更值得信任。一個聲稱已有最終答案的委員會，會與它剛就變化速度提出的證據相矛盾。

然而，謙遜不能變成癱瘓。資料說得很明確：不確定性不能成為無所作為的藉口。策略姿態也表述得同樣堅定。AI在教與學上帶來的挑戰，需要在各地、尤其是在MIT，做出大膽的策略回應。

這兩種表述最好成對來讀。第一種限制了對任何特定答案的信心。第二種拒絕讓這種限制成為等待的理由。合在一起，它們描述了一種工作方法：行動、觀察、修正。這與漸進式技術採用在數十年間讓社會得以依循的方法相同，只是被壓縮到一個機構的規劃週期之內。

委員會也表達了一種關於MIT角色的信念。它說，MIT有責任帶頭。這個表述是信念，不是結論，應該這樣理解。資料中沒有任何地方說明帶頭具體會是什麼樣子，一篇依據這份資料的文章也不應憑空捏造。不過，這個信念確實解釋了「大膽的策略回應」中的「大膽」。一個認為自己應該帶頭的機構，不能把觀望的姿態視為可以接受。

建議，以及仍待完成的工作 #

報告承諾為教師與行政單位分別提出近期與長期的行動建議。這樣的劃分本身就很能說明問題。教師是決定某門課裡發生什麼的人，而結論顯示，他們需要空間與支援，才能做出具備AI意識的選擇。行政單位則是能處理任何單一教師都無法處理之問題的機構：整個課程架構的一致性、政策，以及圍繞隱私、取得機會與問責的實務顧慮。近期與長期的劃分承認，有些事這學期就能做，另一些則需要持續努力。

現有的說法中並未包含這些建議的內容，本文也不會補上。能說的是，結論如何約束這些建議。

如果學生因為不一致而感到困惑，那麼針對教師的建議就必須處理如何說明各自的選擇，並在適當時加以協調。如果教師希望分享經驗、想法與技巧，那麼建議就必須給這份心意一個去處。如果評量正變得更困難，那麼長期行動很可能涉及重新思考要評量什麼以及如何評量，這與報告本身要求重新檢視課程的呼籲一致。這些是從結論推導出、關於建議需要處理什麼的推論，而不是關於報告建議了什麼的陳述，應當審慎看待。

這些說法本身引出了幾個懸而未決的問題。

第一，跡象如何成為證據。報告說，存在孤立加深、掌握程度與自信受損、社會契約遭到侵蝕以及評量變難的跡象。對任何機構來說，自然的下一步是弄清楚這些影響有多大、集中在哪裡。報告附帶保留的措辭，標示出懷疑與測量之間的落差。

第二，教師分享的意願能否在不抹平真實觀點差異的情況下帶來一致性。報告描述了從熱情探索到拒絕AI的各種態度。它也記錄了學生對清晰性、一致性與理由的要求。這兩個事實也許不容易調和，報告也沒有聲稱它們可以調和。

第三，課程工作的規模。「每一門課程」意味著大量的課程，而報告的保留措辭（「很可能需要重新檢視，並可能加以改造」）為改造的深度留下了差異的空間。在報告自己都形容為壓縮的時程上，一個機構要如何在數千門課程之間排定優先順序，是結論留下的實務問題。

第四，也是委員會最直接點出的，是關於MIT教育的結構、意義與價值的一連串更深層問題。AI是讓這項使命變得複雜的若干因素之一，而教師尤其被要求去面對這些問題。一套政策幾個月就能寫成。委員會所呼籲的、對當今高等教育的本質、範圍與目的的重新評估，則是一場更長的對話，而報告明確表示，不能等到有了確定性才開始。

最能概括報告把讀者留在何處的，是它自己的一句話：方向修正將無可避免，不確定性不能成為無所作為的藉口。懸而未決的是，哪些修正會先到來，以及MIT有誰願意在證據齊全之前就去做這些修正。

對各產業的意義 #

生成式AI在頂尖大學環境中的快速擴散，是多個教育與專業領域機構動盪的早期訊號。

高等教育與研究型大學 #

高等教育的領導者必須認清，以課程大綱為單位的「AI禁令」政策既無法執行，也適得其反。挑戰是結構性的：學習評量必須轉向面對面的口試答辯、同步的解題過程，以及反覆迭代的專題作品集，在其中查核的是推理的歷程，而不只是評判最終的書面成果。

教育科技與AI家教服務業者 #

商用工具的開發者面臨一個教學上的兩難。只為產生答案而設計的產品，會加速學生的投入減退與認知孤立。能在一流學術環境中站穩腳步的平台，將是那些把蘇格拉底式教學法落實到產品中的平台，在提供有針對性的鷹架的同時，保留認知上的鑽研。

企業學習與技術人員到職訓練 #

企業培訓學院與科技業雇主面臨同樣的掌握落差：新進人員會使用生成式程式碼工具，卻不了解底層的失效模式。工程組織必須調整學徒制模式，以評估基礎的除錯能力與架構推理能力。

結論 #

MIT特設委員會的報告之所以突出，是因為它拒絕把生成式AI簡化成學術誠信上的麻煩。藉由把這項技術定位為對大學教育核心目的的壓力測試，委員會提出了一份冷靜的路線圖：以機構謙遜的精神擁抱試驗，同時拒絕讓不確定性替行政癱瘓開脫。未來一個學年週期的真正考驗，在於教師能否重新設計課程，既保住深度掌握，又讓畢業生為AI原生的世界做好準備。

常見問題 #

MIT是否禁止學生在課業中使用生成式AI？

沒有。MIT並未實施一體適用的禁令。每位教師為自己的課程訂定政策，範圍從在作業中整合AI使用，到刻意不使用AI的基礎練習，委員會則建議加強機構層級的一致性，並提出透明的教學理由。

生成式AI如何影響傳統的「p-set」（習題集）？

習題集一向是透過獨立解題來培養認知韌性的主要途徑。在AI隨處可用的情況下，學生能迅速產生正確的解答，由此帶來一種風險：表面上的完成取代了真正的知識掌握。

委員會對評量有什麼建議？

委員會強調，必須重新評估傳統的評量工具（帶回家寫的考試、標準的書面習題集）。長期的解決方案著重於同步評量、以專題為基礎的成果展示，以及重新設計課程，使其獎勵批判性分析而非機械式地產出結果。

參考文獻 #

MIT Ad Hoc Committee, (2026). 關於教學、學習與研究訓練中AI使用的最終報告 ⧉. Massachusetts Institute of Technology.
MIT Office of the Chancellor and Provost, (2026). 給生成式AI特設委員會的任務書 ⧉. Massachusetts Institute of Technology.
Eric Klopfer and Samuel Madden, (2026). 生成式AI時代的教與學 ⧉. MIT News.

最近審閱 2026-09-25.

最近審閱 2026-10-27.

重新發佈本文

MIT AI委員會報告：技術先於制度到來時的教與學 — Sebastien Rousseau

歷經五個月的會議、研究與意見徵詢，MIT特設委員會報告指出，學生頻繁且普遍地使用AI，教師的態度則從熱情探索到「拒絕AI」各不相同，學生希望規則清楚一致。

本文採用以下授權條款 Creative Commons Attribution 4.0 International. 重新發佈需註明原始 URL 出處。

MIT AI委員會報告：技術先於制度到來時的教與學 — Sebastien Rousseau

歷經五個月的會議、研究與意見徵詢，MIT特設委員會報告指出，學生頻繁且普遍地使用AI，教師的態度則從熱情探索到「拒絕AI」各不相同，學生希望規則清楚一致。

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

SEBASTIEN ROUSSEAU FOUNDER · ENGINEER