夜雨聆风
你家的孩子，期末考试前五名，你高兴不高兴？
别急着高兴。先问一句：你确定坐在考场里的那个东西，是你家孩子？
香港科技大学做过一场实验，把一副AI眼镜架在鼻梁上，摄像头拍题、云端推理、答案直接回传到镜片上。3小时的考试，30分钟交卷，92.5分。一百多人的班级，前五。碾压95%的人类考生。
这不是什么"作弊被抓"的新闻——这是一场正儿八经的实验，港科大张军教授和孟子立教授团队主导的。他们就想看看：让AI光明正大走进考场，能考多少分？
答案是：比你家孩子考得好。
但请注意，真正值得恐惧的不是"AI多能考"——而是这个：当一台机器能在你的期末考试里拿前五名，你这套考试，到底在测什么？
一
大家都在讨论"学生用AI作弊"。据皮尤研究中心的调查，超过半数青少年已经把AI用于学业，约10%的学生几乎所有作业都依赖AI完成。英国雷丁大学做过一个实验，把AI生成的答卷混进真实考试题库，94%成功"浑水摸鱼"，而且AI的平均分比真人学生还高。
所以全世界的大学都在干一件事：防作弊。装检测软件、禁用AI、考场搜身、信号屏蔽。
但是接下来出什么问题呢？
你把门锁换了一个又一个，贼照样进来了，你就没想过——也许不是贼太狡猾，是这把锁的设计本身就有问题？
坦率的讲，问题的方向从一开始就搞反了。不是学生出了问题，是考试出了问题。
二
为什么这么讲？得从考试的底层逻辑说起。
大家知道，过去几百年，考试这套东西的设计前提是什么？三个假设。第一，答案是稀缺的——你脑子里有，别人没有，考的就是谁脑子里装得多。第二，过程是不可复制的——你独立推导出来的，别人没法替你走这一遍。第三，交出正确答案等于掌握了知识——"答对了"和"学会了"之间画等号。
这三个假设叠在一起，就构成了现代教育评估的底层地基。
但是请注意，AI把哪个假设干掉了？
第一个。答案不再稀缺了。AI能在0.8秒内给你一个正确答案，比你家孩子推导快一百倍，还不出错。在港科大那场实验里，选择题和单页短答题，AI全满分——它根本不需要"理解"，它就是知道。
那么请问，当一个东西能在0.8秒内免费、无限量地供应正确答案，你还在考"谁能给出正确答案"，你到底在测什么？
本质上是测记忆力。坦率的讲，从来就是。只不过以前没有AI的时候，记忆力好歹算一种稀缺资源——你背得下来，别人背不下来，你就有优势。现在呢？一个搜索引擎级别的AI工具，记忆力碾压全人类，还不要钱。一套以"答案稀缺"为前提的评估体系，在答案已经不再稀缺的世界里，还在假装什么都没发生。
卡内基梅隆大学有位教授叫David Kosbie，他干了一件特别有意思的事。这位老兄教两门课：一门是C语言编程，禁止用AI；另一门是Agent编程，专门教AI。同一个人，同一学期，一边禁一边教。
你理解我的意思吗？这不是精神分裂。这是他想明白了——C语言课要练的是底层逻辑，AI替你写代码你就废了；Agent课要练的是怎么驾驭AI，不学AI你反而落后。两门课，两个目标，两种评估方式。
区别在于：用了拐杖之后，你的腿是更强了还是更废了。
但全世界的大学，有多少人在做这种区分？大部分人的做法是——要么全禁，要么全不管。这两种都是偷懒。全禁，是你不想面对评估体系该改了的事实；全不管，是你懒得想AI到底该在哪个环节出现。
所以你到底在测什么？这个问题，两千四百年前就有人问过了。
三
柏拉图在《斐德罗篇》里讲过一个故事。埃及有个神叫透斯，发明了文字，兴冲冲地跑去跟法老说：大王你看，有了这个，人民的记忆力会大增，学问再也不怕失传了。法老看了一眼，说：你搞反了。文字不是帮你记住的，是帮你忘记的。人一旦依赖文字，就不再用自己的脑子去记了——他们会拥有知识的幻觉，而不是真正的知识。
你理解我的意思吗？两千四百年前的法老，一眼看穿了一个东西：工具的进步，可能恰恰是能力的退化。
苏格拉底就更极端。这位老兄终其一生拒绝写作，一个字都不写。他跟学生讨论问题，永远只用一种方式：面对面，口头追问。你答一句，他追一句，一直追到你自己发现"原来我根本不懂"。这就是所谓的"苏格拉底式追问"——他不是在考你记住了什么，他是在逼你展示你是怎么想的。
苏格拉底为什么拒绝写作？因为他觉得，写下来的东西是死的。你写了一篇论文，别人读一遍，以为自己"懂了"——但他到底懂不懂，你没法验证。只有面对面追问，你才能看到那个停顿、那个犹豫、那个"我想一想"——那才是学习真正发生过的痕迹。
苏格拉底搞的那套东西，本质上是人类最古老的评估方式：口试。
但是接下来出什么问题呢？口试有个致命的缺点——不可规模化。一个老师一学期教两百个学生，每人追问二十分钟，那得追到猴年马月去。所以19世纪工业革命之后，书面考试取代了口试，成了主流。不是因为书面考试更好，纯粹是因为它能批量生产、标准化、大规模执行。
大家知道，标准化考试的兴起，跟工厂流水线差不多同一个时代。它从一开始就是为"效率"设计的，不是为"准确"设计的。它测的是"你能不能在规定时间内交出标准答案"——这在答案稀缺的年代，好歹算个合理的近似。
但现在呢？AI把答案变成了免费资源，这个近似就彻底失效了。
所以接下来发生的事情，本身就充满了讽刺——人类面对AI对书面考试的降维打击，回过头去翻历史，发现两千四百年前那个拒绝写作的老头子，早就给出了答案：口试。面对面追问。你到底是怎么想的，说出来我听听。
四
这不是什么创新，这是考古。人类绕了两千四百年的弯路，又回到了起点。
但是请注意，回到起点不等于回到原始。有人已经在想：怎么把苏格拉底那套东西，在AI时代重新跑起来。
纽约大学商学院走了一步。他们的做法是——交完作业不算完，还得过口试这一关。学生当场回答，考官不是人，是AI。多个大模型交叉评分，追问你的推理过程：你为什么选这个框架？这个假设的依据是什么？如果条件变了你怎么调整？
你理解我的意思吗？以前交一篇论文，写得天花乱坠，分数给得高高的。但你是自己想的还是AI帮你想的，谁知道呢？现在不一样了——你交完作业，AI当场追问你二十分钟，你到底是真懂还是装的，追问几个回合就露馅了。
纽约大学不是孤例。康奈尔大学教授Chris Schaffer更直接，他给学生的考核就一招：面对面口试，每人二十分钟。没有选择题，没有填空题，就你坐我对面，我一个问题一个问题追你，追到你能把一个概念从头讲到尾、经得起任何角度的追问。
这些人想明白了一件事：评估的目标，不是"你交出了什么"，是"你脑子里到底有什么"。前者可以被AI替代，后者替代不了。
但接下来出什么问题呢？口试好是好，一个老师一学期两百个学生，每人二十分钟，四千分钟，六十六个小时——不吃饭不睡觉也干不完。所以纽约大学才让AI来当考官，不是因为他们想用AI，是因为不用AI，口试这条路根本走不通。
这里还有一个更荒诞的——佐治亚理工学院搞了个叫"苏格拉底之心"的系统，用AI当考官追问学生，规模化地搞口试评估。学生用AI写作业，教授用AI来追问学生，AI出题AI判分AI追问，魔法对轰。这就好比小偷和保安都用同一套AI监控系统，看谁先破解谁。
坦率的讲，这事荒诞归荒诞，但方向是对的。因为问题的核心从来不是"要不要用AI"，是"你到底在测什么"。口试测的是过程——你是怎么想的、为什么这么想、换个条件你还想得通吗。这些东西，AI能帮你追问，但没法替你回答。因为回答这些问题需要的不是"知道答案"，是"理解答案怎么来的"。
纽约大学和康奈尔做的事情，本质上是把评估的锚点从"结果"挪到了"过程"。答案值不值钱不重要了，你怎么得到那个答案的——这才值钱。
五
回到最开始那个问题：港科大的考场里，AI拿了92.5分，碾压95%的人类考生。那又怎样？说明那套考试，测的东西已经不值钱了。
你测的是"谁能在三小时内交出正确答案"，但正确答案现在是最不值钱的东西。这就好比你在一场赛跑里拿了冠军，但终点线画错了地方——你跑得再快，跑错方向了有什么用？
所以教育系统现在面对的问题，根本不是"怎么防止学生用AI作弊"。当你需要花越来越大的力气去防一个越来越不可能防住的东西，你应该停下来想想——也许该改的不是学生，是考试。
答案贬值了。过程升值了。
两千四百年前，苏格拉底就知道这件事。他拒绝写作，坚持追问，因为他要的不是"你记住了什么"，是"你是怎么想的"。后来人类为了效率，把口试换成了笔试，把追问换成了选择题，把"你怎么想的"换成了"你选C还是D"。
现在AI来了，把选择题干碎了。人类回过头，发现还是那个老头子说得对。
这不是进步。这是还债。