“人考AI”，考出的是人的判断力

　　AI能替人答题，却替不了人作判断。

　　近日，复旦大学“数据挖掘技术”课程考试打破常规，学生不再埋头做题，而是每人出10道题去考三个AI模型，AI答错越多，得分越高。在人工智能技术快速普及的背景下，这不仅是一次考核形式的转变，也引发了评价机制该如何跟上技术变革的讨论。

　　传统考试模式正在面临挑战。过去的专业课考试多以记忆知识点、完成常规化计算为主，这类能力恰好是AI的强项。如果考核只停留于此，相当于在AI的优势领域和它比拼，既无法真实区分学生能力，也偏离了未来人机协同趋势下的职场需求。这场考试把出题权交给学生，实际上是换了比赛场地，从考“会不会算”，转向考“能不能判断”，恰好顺应了AI时代对人才能力的重构。

　　考核结果也在某种程度上体现出学生能力存在的分化。高分段同学能准确命中AI的结构性缺陷，低分段同学却只是把课本习题换个数字，结果反被AI的惯性回答所“套路”。这种差距表明，能主动主导技术的人与盲目依赖技术的人，其思维深度正在拉大。那些缺乏自主判断的学生，如果过度依赖工具，自身的思辨与推导能力容易发生退化。最终导致的结果是，一部分人学会驾驭工具，另一部分人正在被工具替代。

　　这也回到了关键的问题，AI时代的教育到底应该培养什么样的人。

　　在技术能够高效处理海量数据的今天，教育不再需要培养熟练的“做题机器”或单纯的技术使用者。未来的教学应当致力于培养具有深度审验能力、独立逻辑复核能力以及清醒批判思维的“技术指挥官”。这意味着，学生不仅要学会如何向AI提问，更要具备在技术出错时兜底纠错、识别漏洞的判断力。

　　值得说明的是，这种判断力是可以被训练出来的具体能力。复旦大学肖仰华教授提到，接下来在课堂上会花更多时间去讨论怎么判断结果对错、怎么识别AI错误、怎么提出好问题。

　　不过，“孤举者难起，众行者易趋”，目前，这只是一门AI专业课的个体探索。学校不妨从日常教学的考评细节入手，尝试将“技术审检与辨伪”模块纳入平时成绩，不单纯考核最终正误，而考核学生对AI生成过程的纠错记录。同时，提高过程性评价的权重，确保学生在指挥技术工具之前，已经扎实掌握了学科的基础原理性知识。

　　所谓“执牛耳”，原指古代盟主之权，在AI时代则意味着人类对技术的掌控权。唯有习得高水平的判断力，人才能在与AI的共生中，始终稳坐“执牛耳者”的位置。