夜雨聆风最近，一个很有代表性的教育新闻火了。
UC Berkeley 的几门计算机课程，在 2026 年春季出现了明显高于往年的不及格率。
根据公开报道，CS10 这门面向入门学生的计算机课程，有 35.3% 的学生拿到 F；CS61A 也有 10.6% 的学生拿到 F。而在 2024 和 2025 年春季，这两门课拿 F 的比例都没有超过 10%。
更刺眼的是，这不是普通学校，也不是冷门专业。
这是 UC Berkeley，是全世界最顶尖的公立大学之一；计算机又恰恰是它最强的方向之一。
一个很自然的问题就来了：
学生现在有 ChatGPT、Claude、Gemini 这些工具，查资料更方便，写代码更快，做作业更轻松，为什么反而有更多人不及格？
答案可能有点扎心。
AI 没有让学习变简单。
它只是让“看起来完成了学习”变简单了。
真正的麻烦，也正在从这里开始。
01
AI 正在戳破“会交作业”的泡沫
过去很多课程的评估逻辑，其实很依赖作业。
老师布置题目，学生回去查资料、写答案、交报告、写代码。只要最终交出来的东西看起来完整、格式正确、逻辑顺畅，很多时候就能拿到一个不错的分数。
这套模式以前是成立的。
因为作业本身就是训练过程。你为了写出答案，必须读材料、想步骤、查概念、改错误。哪怕写得慢一点，过程里也会把知识过一遍。
但 AI 进来以后，事情变了。
很多学生不是用 AI 帮自己理解问题，而是直接把问题外包给 AI。
题目复制进去，答案生成出来，稍微改一改语气，交上去。
表面上，作业完成了。
实际上，大脑没有真正走过那条路。
这就是 AI 时代最隐蔽的风险：它会制造一种“我已经学会了”的错觉。
你看过答案，就以为自己懂了；你交了作业，就以为自己掌握了；你拿到分数，就以为能力已经长出来了。
但一到闭卷考试、现场问答、代码解释、数学推导，泡沫就破了。
UC Berkeley 教授 Dan Garcia 在报道中提到，不及格人数上升的原因之一，是部分学生在带回家考试中作弊被发现；另一些学生则是过度依赖大语言模型，结果考试时准备不足。
这句话其实很关键。
不是所有人都是恶意作弊。
很多人可能只是习惯了让 AI 帮自己完成最费劲的部分，最后把“工具能力”误当成了“自己的能力”。
02
名校也开始重新审视：成绩到底代表什么？
AI 给教育带来的冲击，不只是学生有没有偷懒。
更大的问题是：原来的成绩，还能不能代表真实能力？
UC Berkeley 研究者 Igor Chirikov 参与的一项大规模研究，调查了 20 所研究型公立大学超过 9.5 万名本科生。结果显示，大约三分之二的受访学生使用生成式 AI，近 40% 至少每月使用一次；在使用 AI 的学生中，至少 9% 承认曾用它作弊。
这个比例听起来也许不算夸张。
但教育里最怕的不是个别人作弊，而是整个评估体系开始失真。
如果一个学生靠 AI 写出漂亮报告，拿到高分，但其实讲不清楚里面的推理过程；如果一个课程里大量作业都可以被 AI 代做，最后大家成绩都不错，但真实能力没有跟上，那么成绩单的含金量就会被稀释。
这也是为什么很多高校正在调整评估方式。
有的老师要求学生披露 AI 使用过程。
有的课程把作业改成更开放的项目。
有的老师开始增加口试、课堂手写、现场解释、过程记录。
哈佛一位应用数学教师就提到，他发现 AI 可以解出自己原本布置的作业后，直接改变了课程设计：不再让学生只是解题，而是让学生创造 AI 解不出来的新问题，并在口试中解释自己的思路。
这背后其实是一种教育逻辑的变化：
过去看你能不能给出答案。
现在更要看你能不能解释答案是怎么来的。
过去看你能不能完成作业。
现在更要看你有没有真的形成能力。
03
真正危险的不是学生用 AI，而是不会用 AI 学习
这件事最容易被误读成一句话：
学生别用 AI。
但这个结论太简单了，也不现实。
AI 已经进入学习、工作、搜索、写作、编程、翻译、数据分析。未来的孩子不可能生活在一个没有 AI 的世界里。
真正的问题不是用不用，而是怎么用。
有一种用法，是把 AI 当代写工具。
不会写，让它写；不会算，让它算；不会总结，让它总结；不会做项目，让它生成一套看起来像样的方案。
这种用法短期最舒服，但长期最危险。
因为它绕过的，恰恰是学习里最有价值的部分：卡住、试错、推翻、重来、理解。
还有一种用法，是把 AI 当陪练。
让它解释一个概念，但最后自己复述一遍。
让它给出一道题的思路，但自己重新推导。
让它检查代码问题，但自己说清楚 bug 为什么出现。
让它扮演老师追问自己：如果换一个条件，这个结论还成立吗？
同样是用 AI，差别非常大。
前一种是在替代思考。
后一种是在强化思考。
未来孩子之间的差距，可能就来自这里。
不是谁不用 AI，谁就更踏实；也不是谁用 AI，谁就一定更先进。
真正拉开差距的是：用了 AI 之后，你的大脑有没有继续工作。
04
教育正在重新洗牌，家长也要换一套判断标准
这波变化，对学校是一场考验，对家长也是。
过去我们判断孩子学得好不好，常常看几个结果：作业做完没有，分数高不高，排名靠不靠前，简历漂不漂亮。
但 AI 时代，这些指标都需要重新打一个问号。
作业做完了，不代表真的懂。
文字很流畅，不代表有自己的思考。
代码能跑起来，不代表知道哪里会出错。
成绩看起来不错，也不一定说明基础扎实。
家长最该问的，可能不再是“你作业是不是自己写的”，而是三个更具体的问题：
第一，你能不能不用 AI，把这道题讲明白？
第二，你能不能说清楚，AI 帮了你哪一步，你自己完成了哪一步？
第三，如果换一道类似的题，你明天能不能独立做出来？
这三个问题，比单纯禁止 AI 更重要。
因为禁止只能解决表面问题。
而真正的能力，必须在一次次解释、复盘、迁移中长出来。
05
未来不再奖励“答案型学生”
这次 UC Berkeley 的课程不及格率上升，不能简单归因于 AI。
报道里也提到，数学基础变弱、课程人手不足、教学支持不够，都可能是原因。
但 AI 确实让一个老问题提前暴露了：
如果一个学生靠外部工具完成了大量训练，却没有真正掌握底层能力，那么越到关键考核，越容易摔得很重。
这不只发生在学校。
职场里也一样。
AI 可以帮你写周报、做 PPT、生成方案、改代码、整理资料。
但它替代不了你对问题的判断，替代不了你对业务的理解，替代不了你在关键时刻把事情讲清楚、做扎实、扛下来。
所以，教育正在重新洗牌。
以后真正值钱的，不是交出一个“像样答案”的能力，而是理解问题、拆解问题、验证答案、解释过程的能力。
对孩子是这样。
对成年人也是这样。
AI 让很多事情变快了。
但越是这样，越要警惕一种假象：手里的结果越来越多，脑子里的能力却越来越少。
结尾
AI 做作业泛滥，表面上是教育管理的问题。
往深了看，是学习方式被重新定义了。
过去，一个学生只要愿意花时间完成作业，多少能学到一点东西。
现在，如果他愿意把所有困难都交给 AI，作业可以完成得更快，学习却可能发生得更少。
这才是最值得警惕的地方。
未来真正有竞争力的学生，不是从来不用 AI 的学生，而是知道什么时候该用、怎么用、用完以后还能把东西变成自己能力的人。
教育不会因为 AI 消失。
但教育一定会因为 AI 重新洗牌。
而这场洗牌，已经开始了。
