Derek Bruff，自媒体人，“有意识教学”播客主持人，观鸟爱好者。弗吉尼亚大学卓越教学中心副主任。
《诺顿人工智能教学指南》（The Norton Guide to AI-Aware Teaching）合著者。
2025年9月10日，在自己的网站上，Bruff 这样写道：
“过去几年里，我读过很多大学关于人工智能的报告，但大多数都乏善可陈。然而，这份报告却非常出色。”
我也有强烈地同感，无论是国内，还是国外高校，各高校已经推出的大量AI相关报告，普遍存在空泛、雷同、缺乏可操作性等问题。
让 Bruff 大加赞赏的这份报告，是麻省理工学院“AI在教学、学习和研究中应用特设委员会”（Ad Hoc Committee on AI Use in Teaching, Learning, and Research） 2025年8月发布的，
此时，ChatGPT等生成式AI进入高等教育已近三年，各高校经历了最初的恐慌、禁止、再到逐步接纳的阶段。
MIT此时发布报告，带有阶段性总结和系统性定调的意味。
MIT报告提出的8个原则
MIT这份报告首先界定了八项原则，
这些原则是他们所依循的，也希望其能指导研究所未来的工作。
在自留地君看来，这8条原则，
对于我们在包括高等教育在内的各个领域应用人工智能的基本指导原则：
1、保持谦逊（Be humble）
人工智能发展迅猛，公众接触生成式AI尚不足四年，其影响已在社会尚未充分观察和适应之时便已显现。
因此，研究所提出建议时应秉持谦逊精神，承认随着技术持续演进，路线修正乃至重大调整都在所难免。
2、勇于进取（Be bold）
不确定性不能成为不作为的借口。
AI在教与学中带来的挑战需要大胆的战略回应，尤其在麻省理工学院。
AI也带来个性化辅导、研究加速等非凡机遇。学生将塑造社会未来，学院有责任让他们深入理解AI的潜力与弊端，助其善用AI造福社会。
3、以人为本（Put humanity front and center）
面对能力已部分超越人类的技术，研究所的根本目标是培育和保护共同人性，将共同体成员及其蓬勃发展置于首位。不应因追求效率而用AI取代人的参与，也要警惕AI引发的师生相互猜疑，避免损害教育中的人际关系。
4、倾心于学习（Lean into learning）
AI使许多传统作业和评估可被完成，可能让学生绕过学习，这是最应担忧之处。应借此契机重建师生间的“社会契约”，让学生明白教育必然是一场富有成效的挣扎，其最重要的产物是自身的成长、成熟与判断力，而非GPA或文凭。
5、有意识地教学（Teach with intentionality）
多数课程需经仔细审视和大幅调整，才能在与AI遭遇中免于严重扰乱。应深入反思教什么与怎么教，采用“逆向设计”，先界定学习目的，再设计作业与评估，决定AI的使用方式。有意识的教学能促进有意识的学习，教学反思过程本身即有价值。
6、不能一刀切（No one size fits all）
不同课程、不同年级与AI的关系理应有别：诗歌研讨、数学证明与设计实验室需求各异，低年级学生与博士生的关系也不同。统一规则必然顾此失彼。学院应提供共享框架与政策菜单，由院系和教师在此框架内自主选择，并保持专业内的一致性。
7、增强而非自动化（Augmentation not automation）
将思考外包给AI虽诱人，却可能削弱批判性思维、记忆与精通，甚至引发“认知投降”。应借鉴“亲劳动者的人工智能”理念，塑造“亲学习者”的AI使用方式：用AI拓展思考、学习与创造的可能性，而非将其自动化，同时警惕其削弱同侪与师生互动。
8、超越课堂与校园来思考（Think beyond the classroom and the campus）
学习不只是内容传递，更是学生理解世界、形成身份与判断的文化实践。
书院制教育的价值遍布宿舍、社团、运动队等各处。
应把AI视为须被治理的力量，而非单纯提效工具，确保其使用支持学生成为能批判思考、主动行动、与人协作并理解选择后果的人。
MIT报告提出的3个核心建议
MIT这份报告的核心建议可以概括为三个层面：
第一，重新设计教育流程，适应“AI认知”时代
报告建议从课程目标出发，推动替代性评估方式，比如口头考试、学期作品集，同时强调体验式学习和面对面社交学习的不可替代性。
第二，以人为本，强化社区与伦理规范
报告反复使用“AI-aware”（AI认知）这个术语，强调负责任、合乎伦理地使用AI，并要求对AI使用进行适当披露。
第三，建立持续改进的机制
报告建议为教师提供专业知识和时间保障，让他们能够从容地进行AI相关的课程和评估重新设计。
值得注意的是，报告对“替代性评分实践”的强调——尤其是基于能力与掌握度的评估和作品集评分——被多位美国教育研究者视为一大亮点。
密西西比大学的Josh Eyler和Emily Donahoe等人也指出，MIT作为顶尖研究型大学，公开倡导这类非传统评分方式，具有重要的信号意义。
关于MIT报告的全球反响
在国际教育圈，这份报告收获了不少好评，但也并非没有争议。
好评主要集中在“务实”二字。
Derek Bruff指出，这份报告“非常MIT”——它扎根于MIT自身的书院制教育情境，但又不失普遍参考价值。
报告没有停留在“AI是机遇也是挑战”的空泛论述上，而是给出了可操作的建议。
比如，报告提到用定制化AI聊天机器人创造学习体验、用AI辅助编程设计互动学习材料，这些“跑步机式”的创新用法让人眼前一亮。
但争议也同样存在。
最核心的批评在于：MIT的经验未必能简单复制。
Bruff就明确指出，报告对住宿制教育和面对面社交学习的高度强调，源于MIT的特殊情境。
对于那些线上线下多模态并行、学生规模庞大的高校来说，部分建议“翻译”起来会有困难。
另一个值得玩味的细节是，报告本身也承认：
学生反映教师给出的AI指导往往模糊不清，且在不同课程之间差异巨大。
这说明，即便在MIT这样的顶尖学府，AI教学的系统性和清晰度仍然是普遍短板。
在中文互联网上，相关讨论主要集中在几个方向：
一是对MIT“替代性评估”思路的关注，不少高校教师认为这对破解“AI代写作业”难题有启发；
二是对报告中“AI认知”这一提法的讨论，认为比简单的“AI素养”更强调批判性反思；
这一术语选择本身就有深意。
在MIT报告中，“AI-aware”不是一套可以打勾完成的技能清单，而是一种嵌入教学全过程的警觉、判断和反思状态。
它要求教师重新审视课程目标、调整评估方式、建立伦理规范、重估人际互动的价值，并要求制度为教师提供持续改进的支持。
报告刻意选择了 “AI-aware” 而非更常见的 “AI literacy”（AI素养）。
“AI素养” 通常指向一套可传授的知识和技能——比如了解AI能做什么、不能做什么，会写提示词，能辨别AI生成内容的真伪。
它更像是一门“课”，有明确的教学目标和评估方式。
“AI认知” 则更强调一种持续性的警觉、反思和判断状态。
它不是一套固定技能，而是一种嵌入日常教学与学习全过程的意识——时刻意识到AI的存在、影响和局限，并据此调整自己的行为。
对中国高等教育的四点启示
结合全球评论和中文互联网的讨论，MIT这份报告至少给中国高校带来四点启示：
第一，评估改革要动真格
AI时代，传统的闭卷考试和课后论文越来越难以准确衡量学生的真实能力。
MIT报告对口头考试、作品集、能力本位评估的倡导，值得中国高校认真借鉴。
这不是要不要改的问题，而是怎么改、改多快的问题。
第二，伦理规范要跑在应用前面
报告反复强调“负责任且合乎伦理的AI使用”和“适当披露”。
中国高校在推进AI教学应用时，需要同步建立清晰的学术规范，不能等出了问题再补漏。
第三，教师支持要落到实处
报告建议给教师提供专业知识和时间保障。
这一点对中国高校尤其重要——如果只是发文件、提要求，而不给教师实际的支持和激励，AI教学改革很难真正落地。
第四，借鉴要结合本土情境
MIT这份报告最大的价值，或许不在于它给出了多少标准答案，而在于它展示了一种态度：
面对AI，不回避、不盲从，
而是扎根自身情境，进行系统性的反思和设计。
对中国高等教育而言，这份报告既是一面镜子，也是一块他山之石。
AI教育的真正挑战，从来不是技术本身，
而是我们如何重新理解“教”与“学”的本质。
这个问题，MIT在思考，中国高校同样需要给出自己的回答。
2024年9月27日 与硕士生餐聚后组会