MIT 校內報告：AI 幾乎能完成大學部所有書面作業

麻省理工學院一份校內委員會報告指出，現行的 AI 工具已經能夠完成該校大學部「幾乎所有」的書面作業。這句話值得停下來想一下：說這話的不是外部評論者，而是一所以理工聞名、學生素質極高的大學，對自己課程所做的內部評估。

這個結論之所以重要，在於它把一個原本模糊的問題變得具體。過去兩年關於 AI 與學術誠信的討論，多半停留在「有些學生會用 AI 作弊」的層次，而處理方式也停留在偵測與懲處。但當一所大學正式承認自己的評量形式已經幾乎全部可被替代，問題的性質就變了——這不再是少數學生違規，而是整套評量設計失去了鑑別力。

報告最值得注意的建議，不是關於學生，而是關於制度速度。它主張教師必須能夠快速更新課程，而不是走完跨委員會、耗時一年的審查流程。這個觀察其實相當尖銳：技術的變化週期以月計算，而多數大學的課程修訂機制以年計算，兩者之間的落差本身就是風險來源。當一門課的評量方式需要一年才能改一次，它必然永遠落後。

從這裡可以延伸出幾個實務方向。第一是把評量的重心從產出移向過程。當成品可以被生成，能夠被觀察的就只剩下學生如何抵達那個成品——中途的草稿、被推翻的假設、在課堂上回答追問的能力。這類評量不需要偵測工具，也不會誤傷任何人。

第二是重新界定「書面作業」的用途。有些寫作任務的價值在於訓練思考，那就必須確保思考真的發生；有些寫作任務只是為了證明學生讀過材料，那麼它本來就可以被更有效率的形式取代。把這兩類混為一談，是目前許多課程的實際狀況。

第三是給予教師調整的權限與時間。如果制度要求教師在一學期內重新設計評量，卻沒有相應減少其他負擔，改革就只會停留在文件上。

值得補充的是，這份報告並沒有主張禁用 AI。它處理的是一個更根本的問題：當作業能被輕易完成，學校憑什麼判斷學生學會了什麼。業界分析人士指出，高教機構真正的風險不是學生用 AI，而是學位失去可信度——一旦外界開始懷疑畢業生的能力與成績單無關，整個認證體系的價值就會鬆動。

對台灣的大學來說，這份報告提供的參考不在於要不要跟進某項規定，而在於一個可以立刻做的動作：拿出各系的核心課程，逐一問「這份作業現在還測得出什麼」。答案會很快指出哪些課該優先改。