Yale、Cornell、威斯康辛大學相繼棄用 AI 偵測器：誤判風險太高，改用口試與影片辯論

AI 聊天機器人讓學生以幾秒鐘生成整篇報告，部分教育者稱之為「作業詐騙」（homework scams）。直覺上，學校應該用更強的偵測工具反制；但美國多所頂尖大學的選擇正好相反：放棄偵測器。

Yale、Cornell 與 University of Wisconsin–Madison 已經禁用或明確不建議使用 AI 偵測工具。Cornell 的說明是「要準確偵測 AI 生成的內容可能非常困難」；UW–Madison 的指引則形容這類工具「充其量是不完美的」，而且「對非英語母語者有偏見」。

棄用的理由有四個層次。第一是誤判的代價：偵測器的假陽性會在學生的學業紀錄上留下作弊污點，而這種指控幾乎無法自證清白。第二是法律風險：已有學生因被錯誤指控作弊而對大學提告。第三是根本無效：偵測工具無法阻止學生使用 AI，只能在事後猜測。第四是技術競賽注定失敗：市面上已出現「人性化」改寫程式，能把 AI 文本改寫到偵測器認不出來。

一位教授的經驗說明了這場貓鼠遊戲的徒勞。他曾在作業題目中埋入隱藏的提示文字，抓到 350 名學生中有 60 人把題目直接貼給 AI；但新一代的語言模型已學會忽略這類陷阱，這個方法很快失效。

那麼，大學改用什麼方法？UW–Madison 細菌學教授 Timothy Paustian 放棄了傳統的寫作作業，他的說法是：「大型語言模型正在推動我們在作業設計上更有創意。」具體的替代做法包括：把帶回家的作業搭配口試，學生必須當面解釋自己寫了什麼、為什麼這樣寫；以影片辯論取代書面報告；重新設計作業，要求學生展示思考過程而非只交出成品。

值得注意的是，這不代表教師不擔心 AI。美國學院與大學協會（AAC&U）的調查顯示，95% 的教師擔心學生過度依賴 AI 工具。放棄偵測器不是放棄管理，而是承認偵測這條路走不通，必須換一條。

這個轉向與本週多項討論一致。哈佛教育學院的研究指出，AI 作弊問題的核心是師生之間的「雙向猜疑」；資深教育者 Lisa Nielsen 主張「別再抓 AI，先改作業」；Christensen Institute 則把作弊視為學生對零和制度的理性回應。從不同角度出發，結論卻相同：偵測器治標不治本，而且副作用嚴重。

業界分析人士指出，AI 偵測產品的市場可能因此萎縮，但「學術誠信科技」不會消失，而是轉向另一個方向：協助教師設計更難被 AI 代工的評量、記錄學生的寫作過程（而非只看成品）、以及支援口試與面談的排程與紀錄工具。換言之，從「抓學生」轉向「幫老師」。

對台灣的大學而言，這是一個值得提早決定的問題。目前不少台灣大學仍在採購或試用 AI 偵測工具，而美國頂尖大學的經驗顯示，這筆錢可能買到的是更多申訴與更少信任。口試與過程導向的評量確實更耗費教師時間，但它們評量的是學生真正學到了什麼，這本來就是評量的目的。