这一开学季，北大、复旦等多所高校的校长提醒新生警惕对AI的过度依赖，避免“认知卸载”和“虚假掌握”，增加貌似学懂的假象。今年8月，远在大洋彼岸的麻省理工学院发布了一份评估AI在该校使用情况的报告，认为“许多AI使用方式正在剥夺学生学习的机会”。

提醒固然必要，但接下来该回答的是：如果课堂、作业和考核仍旧照常运转，能挡住“思维外包”吗？大学不能一边拥抱AI，一边把学习是否真正发生的责任，全部推给学生。

近期，有媒体与中央民族大学研究团队对全国400余所高校1953名本科生的调研显示，受访者使用AI的比例达到99.18%，超过六成对合理使用的边界感到困惑，不到三成表示学校提供了系统的AI相关课程。这份调查足以提出一个问题：学生已在用了，教学规则为何还没有跟上？

AI带来的直接冲击，是一份漂亮作业越来越难证明学生真正学会了。论文可以结构完整，汇报可以图文并茂，但学生是否读过原文、核实过证据、经历过推理，单看成品很难辨别。这也戳中了大学教学的旧问题：有些作业本就是材料拼接和考核格式达标，AI不过是让这套流程运行得更快。

对于高校而言，不能把企业的效率标准直接搬进课堂。工作中，省去重复劳动可以提高效率；学习中，一些看似可以省去的劳动，恰恰是能力形成的过程。学生读懂一段艰涩原文，反复修改一段论证，不只是为了得到那份成品。把训练一并省掉，省下来的可能就是教育本身。

因此，改革首先应落到每门课、每次作业。哪些环节可以用AI，哪些须独立完成，使用后要说明什么，应在布置任务时讲清楚。麻省理工学院发布的前述报告中，就要求课程提供明确的AI使用规则。规则可以因课程而异，不能让学生靠猜，更不能交卷以后才画红线。

比如，文学课要求训练文本细读，就应让学生先读原文、提出解释，再借助AI寻找不同意见；如果课程训练翻译修订，则可以直接把AI译文作为讨论对象。同一工具，放在不同教学环节，作用可能完全不同。笼统地“鼓励使用”或“禁止使用”，都代替不了教学设计。

考核也要从验收成品，转向验证能力。提交论文后，请学生解释一处关键引文为什么支持结论；编好程序后，临时改变一个条件，请他修改并说明理由；提交调研报告后，追问样本如何选择、哪些材料推翻了最初判断。这样的追问，才能让教师看见学生究竟懂到哪一步。

当然，不要以为把题目改成开放题，问题就解决了。AI同样可以生成立场鲜明、论证完整的回答。初稿、修改记录可提供线索，也不能自动证明思考发生过。随堂写作、现场演示、口头讨论与课外项目应结合起来，既检验独立完成的能力，也检验借助工具解决问题的能力。

教师的责任同样要说清。如果教师用AI生成课件、布置任务、批改作业，却不核查内容、不提供有针对性的反馈，再要求学生独立思考，就缺乏说服力。工具可以协助教师工作，但对课程质量和评价结果负责的人，仍然必须是教师。

当然，不能让改革变成教师的新负担。一个教师面对上百名学生，还要逐人答辩、逐稿追踪，如果学校不配置助教、不调整教学工作量，这些要求很容易变成另一轮填表。高校真正要投入的，是教师了解学生、指导学生的时间。

此外，也要警惕把AI使用率变成新的教学政绩。开了多少门“AI+”课程，平台回答了多少次提问，都不能直接证明学生的判断力有所提高。若强制教师每门课都用AI，还可能挤掉本应保留的独立阅读和基础训练。

大学必须教学生使用AI，也必须帮助他们形成判断AI的专业底子。没有读过文献，如何识别虚构的出处？没有做过推导，如何发现答案中的跳步？所谓批判性思维，需在具体知识和反复练习中长出来，不能靠几句“保持独立思考”的口号获得。

AI进入大学以后，最该警惕的是一种教学空转：学生交出了作业，教师完成了评分，学校收获了漂亮的数字，唯独学生没有获得相应的能力。大学文凭最终担保的，应当是一个人受过怎样的训练、能做出怎样的判断。这一责任，大学不能外包。

（作者郭英剑系中国人民大学全民阅读教育研究院院长、外国语学院教授）