AI 对大学的真正威胁不是作弊，而是掏空学习本身

高等教育正被人工智能深度渗透，但麻省大学波士顿分校哲学教授兼应用伦理中心主任尼尔·艾西科维茨（Neil Eisikovitz）与该中心研究员雅各布·伯利（Jacob Burley）在最新白皮书中提出：AI 真正的威胁并非作弊，而是对学习生态系统的缓慢掏空。

作弊只是冰山一角

围绕 AI 与大学的公开讨论，多数集中在学生用聊天机器人代写论文、教师如何识别、是否应全面禁止。两位作者认为，这些担忧虽可理解，却严重偏离更核心的议题。AI 已渗透到大学日常的诸多环节：学生用它总结文献、辅助学习；教师用它布置作业、编写教学大纲；研究人员用它写代码、扫描论文。问题不在个别人是否作弊，而在机器越来越能胜任科研与学习时，大学还剩下什么不可替代的意义。

三层风险框架

白皮书将当前高等教育中的 AI 应用划分为三层：

• 非自主系统：用于招生审核、采购、学术指导、风险评估等传统领域，问题集中在隐私、数据安全、算法偏见与透明度，可由现有的合规与伦理审查机制应对。
• 混合系统：包括 AI 辅导聊天机器人、个性化反馈工具、自动写作支持等，依赖大型语言模型（LLM），由人类设定目标、由系统自主决定中间步骤。这一层引出三类挑战：
  • 透明度：聊天机器人自然的语言界面让人难以分辨对方是真人还是机器，匹兹堡大学的研究已显示学生会因此产生不确定、焦虑和不信任感。
  • 问责与署名：当师生双方都使用 AI 生成内容，谁来评估、谁来负责，亟需更清晰的署名规范。
  • 认知卸载：AI 减轻繁琐工作的同时，也可能让人跳过真正培养能力的环节——产生想法、克服困惑、修改草稿、发现错误，而这正是学习的核心。
• 自主智能体：能够独立开展研究的 AI 系统正变得现实，部分机器人实验室已能持续运行、自动化大部分实验步骤。但两位作者警示：大学不是信息工厂，而是实践体系；研究生与青年学者正是通过参与研究与教学成长，一旦「常规」职责被自主系统接管，机会结构或将被悄然瓦解。

大学：证书工厂还是实践生态

两位作者把问题归结为：高等教育自动化的最大风险，并非机器取代某些任务，而是支撑教学、研究与学习的实践生态被侵蚀。如果把大学主要视为生产证书与知识的引擎，那么自主系统更高效地产出毕业率和论文数，就足以成为采用 AI 的理由。但如果承认大学的价值部分在于其生态系统本身——新手成长为专家的渠道、培养判断力与责任感的导师制、鼓励积极探索而非一味追求效率的教育设计——那么问题便不止于产出，而在于「如何被生产出来」以及在这个过程中塑造了什么样的人。

一个必须回答的问题

在知识工作日益自动化的时代，两位学者呼吁每一所大学回答：高等教育对学生、对青年学者、对它所服务的社会，究竟负有什么责任？这些回答不仅将决定 AI 在大学里的应用方式，也将决定现代大学自身的走向。