ARTICLE · 1244539
AI工具如何瓦解大学教育
AI工具如何瓦解大学教育不止一门课的授课老师曾无奈地提到，其上课所提到的内容完全可以通过与大模型交互得到，而作业和项目只需要把要求提供给agent就能得到一份不错的解答。 这在几年前还是不太多见的。那是deepseek以开源大模型的姿态打响大模型疯狂内卷第一枪之前的时代。那时候也是chatgpt网页端免费计划有着拮据时间限额的时代。那时候各家大模型的网页端版本只能说是堪堪能用。写出来的成段文字有明显的ai味，也就是用词和逻辑存在明显的模式或者说是缺陷。由于是网页端，缺乏调用终端、查看日志的能力，也没有后来大量强化学习调教出的工程能力和探索品味，直接使用往往全是报错和警告。至于稍微复杂的理科问题就更为难了，随便问几个矩阵分析的问题就能把各家模型通通难倒。这个时期可以说是AI工具的旧石器时代，人类尚且只能在和大模型的对话的过程中艰难求索。 
而随着各家大模型陆续打磨出了经过各种监督微调和强化学习的大模型，并且同步推出各自的harness之后，形势彻底变了。这是个三岁小孩和七旬老妪都能写出自己的应用并网络部署的时代，至于给学生做几道题或是完成一个玩具项目那更是不在话下了。在怪物一般的大模型接口和灵活的工具调用支持之下，agent完全可以自己从elearning上拿到作业要求，把代码和文档全写好，再打包传到elearning。如果你心大，完全可以给他更多控制权和密码权限，这样你甚至不用自己动手，定时让agent去elearning上看看有没有新作业就可以了。让AI更听话的不止是那几家科技巨头，还有不断给个人agent提供强化学习训练数据的使用者自己。在AI工具的新时期时代，人们把AI工具打磨得更顺手，更方便干活和偷懒。 
对于大学前的应试教育来说，中考和高考作为benchmark，学生通过教师指导和教师模型指导学习并无太大区别。毕竟最终的评测方式只看考场上固定的充裕时间内解决一批毫无新意的八股题目的能力。中考训练4年，而高考训练3年。如此充裕的学习方式再落后的学生模型终究也能学出对得起大脑里参数容量的能力。 而大学则不同。由于大学并非应试教育，很多学位计划中应该掌握的能力无法通过期末考试全面的考核。无论是人文素养还是工程能力，都需要教师设计一些围绕不同主题贯穿整个学期的多模态考核内容。这本来是为了避免学生用应试教育的思维对待大学教育，但随着AI工具的加强，这套考核完全失效了。无论是多么综合的项目，对于如今知识深度广度、多工具调用能力、长程记忆能力都堪称变态的agent来说，花费少量时间交出一份远超正常本科生的答卷毫无压力。而即使是最注重网络安全、最反对资本主义模型、最支持国产的学生，使用deepseek、Kimi甚至豆包肯定是跑不了的。 
这样做固然可以用经济的方式拿到一个漂亮的项目评分，虽然经济上并不经济。但跳过的工程能力锻炼却是缺失了。毕竟大学的量化评分系统以绩点为核心，绩点只和期末总分有关，期末总分里的分数分别在出勤、作业和考试中拿到。出勤有代课代点名的灰色交易市场，作业和项目有agent帮忙，考试可以找或买往年题目。如果从头到尾所有分数都用经济的方法拿到，那么对于个人能力中除了agent使用能力之外的一切的锤炼就都跳过了。 话说回来，这一切担忧都建立在不使用ai所得来的这些能力是不可或缺的这一假设上。如果不使用ai，古法写文章或者古法敲代码本身没有价值了，那么这一切负重前行的意义何在？ 
即使在不存在AI工具的时代，上课做作业卷绩点对于计算机专业的用处远小于大一开始学考研学考公，或是大一开始刷leetcode写项目包装简历梭哈实习。如果如今古法写代码是钻木取火，那么即使在没有AI工具的时代所有大学cs必修课c语言对于大部分人来说都是钻木取火。 
抱着钻木取火踏入求职市场无异于缘木求鱼。为了不在秋招春招全聚德，学生不得不面向答案凑解题过程。既然学校用绩点评判人，学生就交付agent做的完美答案。同样，既然用户想要强大、听话、会成长的agent，厂商就交付更强的基座模型和harness；既然观众想要轻松愉快的大众流行内容，up主就交付司凤音乐。
