“如果 AI 对社会带来的最大负面影响，仅仅是让作业批改变得更困难，那我反而会非常庆幸。”

发表这番言论的是加州大学伯克利分校的数学教授 Richard Borcherds，他于 1998 年荣获菲尔兹奖——这是数学领域的最高荣誉，相当于该学科的诺贝尔奖。最近，他做出了一项令同行惊讶的决定：

学生只要提交作业，就能获得分数；至于答案是否正确，他不再过问。

这一决定听起来像是在“放水”？他的解释很简单：越来越多学生开始借助 AI 完成作业，而他难以分辨哪些答案出自 AI，也想不出更好的应对方法。

学生用 AI 拿高分，教授决定换一种评分方式

过去，教师批改作业主要关注答案是否正确、解题步骤是否合理。但在如今 AI 能迅速生成答案的环境下，Richard Borcherds 指出，学生利用 AI 完成家庭作业的现象已十分普遍。如果继续依据答案正确性评分，只会让使用 AI 的学生受益，而让坚持独立解题的学生吃亏：

“如果仅凭答案是否正确来打分，就会给学生使用 AI 完成作业提供巨大动机，反而惩罚了那些诚实的同学。”

此外，在这种背景下，继续花钱请助教逐题判断答案正确性，在他看来也失去了意义——因为 AI 生成的作业与人类书写的作业之间的界限几乎消失了。于是，Richard Borcherds 调整了评分标准：只要学生完成并提交作业，就能获得相应分数，答案对错不再是主要考量。

他承认，这并非理想的解决方案，但目前也想不到更好的替代办法。

毕竟，提交作业并不意味着掌握了知识，获得高分也不一定代表真正理解了方法。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”并非毫无根据，他对数学教育之外的问题也产生了忧虑。

大约一个多月前，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 动用了约一万个 AI 智能体并行协作，运行了 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，这次计算成本高达“数百万美元”——高于问题本身的 100 万美元奖金。但他同时给出了一个更令人担忧的预测：“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 继续以当前速度进步，那么再过几年，人类数学家能做到的，可能没有什么是 AI 做不到的，甚至做得更好。”

这番话出自一位获得过菲尔兹奖的数学家，难免令人感到震撼。

大约五年前，Richard Borcherds 还认为，数学家是相对不易受 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：是否还应该鼓励学生进入数学系？

“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 的悲观情绪在伯克利数学系并非共识。例如，同校的数学博士生 Robin Huang 在接受采访时，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，这两种判断的差异，不在于谁对谁错，而在于他们关注的是不同方面：

Richard Borcherds 关注的是趋势：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体验：笨拙、低效、离“替代研究者”还差得远。

一个在为“未来”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决定权交还给教师：大纲中必须写明 AI 使用规范，但具体怎么管理，由任课老师自行决定；他们也尝试过 Turnitin 和 Rumi 等 AI 检测工具，结论是准确度不够，无法全校推广。

换句话说，学校层面已承认“检测”这条路行不通，但替代方案尚未成形。放到更大的背景中，这也不仅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摆到了台面上：

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。如需了解更多关于数学与 AI 的交融，可参考「开云娱乐官方入口｜APP下载与网站指南」的深度分析。