菲尔兹奖得主不再批改作业：AI把评估这道工序打穿了

1998年菲尔兹奖得主、加州大学伯克利分校教授理查德·博切兹，最近做了件让同行们挺意外的事：他不再按对错批改作业了。理由出奇地朴素——没意义。

倒不是他偷懒，而是作业这道沿用了上百年的工序，被 AI 直接打穿了。

过去，作业承担着双重职能：一边是训练，一边是评估。老师翻一翻作业本，就知道学生到底会不会做题。可现在，AI 能把题做对，学生交上来的答案漂漂亮亮，老师却再也分不清，会做题的究竟是学生本人还是 AI。继续按正确性打分的话，诚实的学生反而吃亏，用 AI 拿高分的却占了便宜。

博切兹的应对更像是一种止血：按交没交给学分，成绩主要靠现场闭卷考试来定。他自己也承认，还没找到更好的办法。

但这件事的分量，远不止“学生作弊”这四个字。一位站上过数学最高领奖台的人说过这样一句话：“如果 AI 照这个速度进步，几年后人类数学家能做的任何事，AI 都能做得更好。”数学，曾经被视为最安全的智力高地，如今也被逼到了墙角。

AI 对教育的冲击，绝不是多了一件工具那么简单。它把教育产业链中间的那一环——评估——直接挤掉了。作业只剩训练价值，已经扛不起评估的重任。

那怎么办？方向其实已经浮出水面：

1. 作业从“结果评分”转向“过程训练”：允许学生用 AI，但要交出提问过程、修改记录、失败路径。老师评的不再是那个最终答案，而是学生怎么使用 AI、怎么质疑 AI 的全过程。
2. 考试从“禁止 AI”变成两类并存：现场闭卷考试继续测基本功，开放 AI 的考试则考查更高阶的能力。未来的考场逻辑会变成：带着 AI，你能不能解决更难的问题？
3. 数学教育从培养“解题机器”转向培养“出题的人”：当 AI 能做完标准证明，人的稀缺性就转移到另一侧——提出新猜想、挑出值得做的方向、识破 AI 的盲区。

博切兹退回现场闭卷考试，是防守。但教育真正该做的是进攻——不是防着学生用 AI，而是教他们把 AI 用到更高的认知层级上。

一个菲尔兹奖得主，连“改作业还有没有意义”都要从头想过一遍。下一个被迫重新想一遍的，会是谁的哪道题？