#模型时代# MIT校长的AI教育观：写作仍然是思考，基础编程必须亲手学

刷到一期Kornbluth，MIT第18任校长的Sequoia Capital播客访谈，采访人是Halligan，HubSpot联合创始人、前CEO，也是MIT Sloan校友。

其中谈到了AI时代的教育，现在这是个大家都很关心的议题，我专门摘出来整了一下。

一、大学的价值到底在哪里

1、校友记住的不是某门课，是整个环境

Kornbluth说，校友回来聊MIT如何改变了他们的人生，几乎没人提某一门具体的课或某项具体技能。改变他们的是整个环境——被一群同样水准的人包围，在这种密度下碰撞出来的东西。

Halligan也承认这一点。他说自己从Sloan拿到的是三样东西：一块招牌、一批知识、一张关系网。他也承认"you can learn this stuff anywhere now"，这些知识本身现在到处都能学到。

2、但"到处都能学到"不等于大学没用

Kornbluth接住了这个话头，把问题拉回到一个基本事实：不管AI怎么发展，MIT培养的终究是人。AI是工具，用来增强人的能力，而不是替代人。所以学生必须学会在这个有AI的环境里生存和工作，而不是绕开它或者被它取代。

二、AI到底能替代多少"脑力劳动"

1、你脑子里需要装多少东西才能进行创造性思考？

她坦率地说，多少知识需要留在脑子里、多少可以卸载给AI，这个边界她还没有答案。但她提供了一个具体的测试方法：你用三种不同方式问AI同一个问题，会得到三个完全不同的答案。如果学生不具备判断哪个对的能力，AI对他来说就是一个不可靠的黑箱。

2、基础编程必须学，因为你得看得懂AI给你的东西

MIT内部正在讨论学生是否还需要学基础编程。Kornbluth的立场很明确：必须学。理由不是编程本身的市场价值，而是判断力。你得能看出AI写的代码是不是对的，得有一个脑子里的概念框架来提出正确的问题。

3、"Writing is thinking"，让AI代写等于放弃思考

Kornbluth用了一句简洁的判断：写作就是思考。让AI替你写一篇东西和自己想清楚一个问题再写下来，这是两回事。你可以用AI帮你迭代，但最初的思考过程不能外包。

Halligan在节目尾声的总结里也特意强调了这一点，把它列为整期对话的核心观点之一。

4、物理世界的AI还差得远

Kornbluth提到MIT作为一个强调"手脑并用"的地方，一直重视实际建造能力。软件层面的AI在飞速推进，但physical AI，也就是让AI在物理世界中操作实物，还远没到位。她举了一个例子：她看到视频里机器人试图把一罐可乐端过房间，结果把可乐翻过来，一路洒到对面。在物理操作层面，需要解决的问题还太多。

三、课堂会消失吗

1、传统的单向灌输式讲座可能撑不了太久

Kornbluth设想了一种新模式：学生先在小组里跟AI导师学习事实性材料，然后回到课堂和教授进行讨论。当获取知识的渠道变得多样化之后，传统的教授站在台上从头讲到尾的格式，存活空间会越来越小。

2、但人和人之间的碰撞不可替代

讨论、质疑、来自教授的批判、来自同学的挑战，这些才是大学教育真正的产出。Kornbluth不认为这部分会消失。她描述的未来更像牛津剑桥的tutorial体系，AI接管知识传递，人负责思维碰撞。

四、17岁该学什么

1、Kornbluth的个人选择：神经科学或免疫学

被问到如果自己17岁重新选专业会选什么，她给了两个方向：神经科学，因为大脑的谜题还有太多没解开；免疫学，因为它将影响健康的所有领域。两个方向的共同点是还有几十年的发现空间。

2、只选你有真正热情的领域，而且要做"动脑子"的那个人

Kornbluth拿自己读博时的情况做对比。那时候，测序一个基因就能拿到博士学位，技术上有挑战，但智力上并不特别刺激。今天的情况反过来了，AI等于给你配了无数双"手"，重复性技术工作可以被自动化，但你必须是那个提出问题、做出创造性判断的人。如果你只打算当"那双手"，不要读博。

3、Google外包了信息，AI正在外包认知

Halligan追了一句感慨：Google把信息检索外包了，AI系统正在把认知本身外包出去。这个趋势走下去会改变什么，谁也说不准。

Kornbluth用医学举例延伸了这个问题。影像分析正在被AI改变，今天选择做放射科医生或病理科医生，也许行也许不行，因为判断"这是不是癌症"只是他们工作的一部分，而这部分正在被AI蚕食。但还有多少人类判断是不可替代的？她的回答是：我们还不知道。

4、17岁不需要选一辈子的方向

Kornbluth最后拉回来说了一句平衡的话：一个17岁的人不需要确定终身职业，人们现在不断转型。MIT真正想做的是培养好奇心和批判性思维，这两样东西在任何方向上都有用。

五、MIT在意毕业生去哪里吗

1、不在意去哪里，在意你在这里时是否达到了同样的标准

Kornbluth在杜克大学带实验室时，大约一半的学生去了工业界，一半留在学术界。当时很多教授认为培养PhD就该为学术服务，去企业是浪费。Kornbluth从来不这么看。她的原则是：不管你去哪里，在MIT期间接受的训练标准不能打折。

这意味着MIT不会因为你说"我以后去企业"就降低对你的要求。教育不按终点定制，而是给你一套导航能力，让你去任何方向都能用。

2、她确实希望更多人去创业

Kornbluth对计算机科学毕业生的流向有一个明确的态度：很多人去了量化交易基金，不少人读了博士，有人去创业。她说"I wish more would do startups"。

在本地生态这个问题上，她更直接。波士顿地区的生物科技生态已经证明了大学与产业近距离共生的价值，但AI领域的创业活力大量流向了西海岸，这让她焦虑。她想让MIT的师生把发现更快地带入现实世界，也想让这些公司留在本地，形成持续的对话。她在考虑让学生参与更多co-op式的校企合作实习，而这要求公司就在物理距离可及的地方。

马萨诸塞州的经济活力一直建立在教育和前沿科技两根支柱上，Kornbluth说她不想看着这根支柱被掏空。