“如果AI对社会造成的最糟糕影响，仅仅是让批改作业变得困难，那我反而会感到非常庆幸。”

说出这句话的是加州大学伯克利分校数学教授Richard Borcherds。1998年，他获得了菲尔兹奖——数学界的最高荣誉，相当于该领域的诺贝尔奖。最近，他做出了一个令同行们惊讶的决定：

学生提交的作业，只要交上来就给分数；至于答案是否正确，他不再过问。

这个决定听起来像是在“降低标准”？而他给出的理由很简单：越来越多的学生开始使用AI完成作业，而他难以分辨哪些答案是AI生成的，也想不到更好的解决办法。

学生用AI拿高分，教授换了一种评分方式

过去，老师批改作业主要看答案是否正确、解题过程是否合理。但在AI能够快速生成答案的今天，Richard Borcherds表示，学生使用AI完成家庭作业的现象已经非常普遍。如果继续按答案的正确性来评分，只会让那些使用AI的学生受益，而让坚持独立解题的学生吃亏：

“如果仅仅根据答案是否正确来评分，就会给学生使用AI完成作业提供巨大动力，反而惩罚了那些诚实的学生。”

此外，在这种背景下继续花钱请助教逐题判断答案是否正确，在他看来也没有意义了——因为AI生成的作业和人类写的作业之间，界限几乎消失了。于是，Richard Borcherds调整了评分方式：只要学生完成并提交作业，就可以获得相应分数，答案对错不再是主要依据。

他承认，这不是一个好办法，但眼下也想不到更好的替代方案了。

毕竟，交了作业不等于学会了知识，拿到高分也不一定代表真正掌握了解题方法。那么，如果只看作业是否完成，成绩还能在多大程度上反映学生的真实水平？

让数学界感到不安的，不只是作业

Richard Borcherds的“放弃”并非凭空而来，他对数学教育之外的问题也产生了担忧。

时间回溯到一个多月前，也就是今年9月，OpenAI宣布其内部AI系统对纳维-斯托克斯方程的存在性与光滑性问题给出了一个解答：这是克雷数学研究所悬赏百万美元的七个“千禧年大奖难题”之一，描述了流体运动中最基本的数学规律。

据了解，OpenAI动用的方案是约一万个AI智能体并行协作，运行88小时，产出的结果随后通过了Lean形式化验证。当时OpenAI研究员Noam Brown在X上透露，这次的计算成本高达“数百万美元”——比问题本身的100万美元奖金还贵。但他同时给出了一个更让人不安的预测：“一年后，所有每月花20美元订阅ChatGPT的人，都能解决这种级别的问题。”

对此，Richard Borcherds的判断相当直接：“如果AI继续以目前的速度进步，那么再过几年，人类数学家能够做到的事情，可能没有什么是AI做不到的、甚至会做得更好。”

这番话出自一位获得过菲尔兹奖的数学家，难免让人感到震撼。

大约五年前，Richard Borcherds还认为，数学家是相对不容易受到AI冲击的职业之一。毕竟数学研究涉及抽象思维、复杂推理和创造性探索，曾被视为人类专业能力的重要壁垒。如今，他却开始犹豫：还应该鼓励学生进入数学系吗？

“我完全不知道该怎么建议。我甚至把这个问题原封不动地问了ChatGPT，结果连ChatGPT都说，它也不知道未来会发生什么。”

同一个系，但两种完全相反的判断

不过Richard Borcherds的悲观，在伯克利数学系并不是共识。例如，同校的数学博士生Robin Huang在接受采访时，就给出了几乎相反的评价。

她用AI辅助过自己的研究，感受是“非常愚蠢、非常低效”。在她看来，AI公司去破解那些未解的数学难题，是一种“极度损人利己的行为”，并在数学共同体内部制造了恐慌——让研究者害怕被AI“抢先发表”。

其实，这两种判断的差别，不在于谁对谁错，而在于他们看的是不同的东西：

Richard Borcherds盯的是趋势：88小时解决千禧年问题，这个加速度本身已足够说明方向。

Robin Huang感受的是当下工具的真实手感：笨拙、低效、离“替代研究者”还差得远。

一个在为“之后”做心理准备，一个在质疑“现在”到底走到了哪一步。还有一点很微妙：虽然Richard Borcherds已放弃批改学生的作业，但他并非是一个拒绝工具的保守派。

恰恰相反，他在采访中承认，AI可能比他更适合教自己的研究生抽象代数课，因为AI“有耐心，讲得清楚”；甚至向AI提出复杂问题时，得到的答案也“比从任何人类数学家那里得到的都好”。

作业不批对错了，那大学在评什么？

无论如何，虽然Richard Borcherds的做法极端，但他也戳中了一个所有大学都在面对的问题：当AI能高质量地完成大部分传统的“作业型任务”，用作业来评估“学生自己会不会做”，这个逻辑本身就开始松动。

关于这个问题，加州大学伯克利分校的回应是把“球”踢回给教师：大纲里必须写AI使用规范，但具体怎么管，任课老师自己定；他们也试过Turnitin和Rumi等AI检测工具，结论是准确度不够，没法全校推广。

换句话说，学校层面已承认了“检测”这条路走不通，但替代方案还没有成形。放到更大的背景里看，这也不是加州大学一家的困境——2026年的一项全球调查显示，大学生学业中的AI综合使用率已经达到88%。

可对于教育而言，答案是否正确固然重要，但理解推导过程、发现错误、独立解决问题，更是学习的核心。其实Richard Borcherds的选择，也是把一个没有答案的问题摊到了台面上：

如果作业不再是训练“亲手做对”的场所，大学到底应该评估什么？是学生提出好问题的能力，判断AI答案是否合理的能力，还是某种目前还没有被清晰定义的东西？

目前，Richard Borcherds还没给出答案。那么问题留给你：如果你花了几十年成为某个领域的专家，然后发现一个每月20美元的工具在几年内就能做到你大部分的工作，你会告诉年轻人“继续走这条路”，还是“换一条”？

本文来自微信公众号“CSDN”，整理：郑丽媛，36氪经授权发布。