Anthropic内部数据显示，47%的学生用Claude直接代写作业，跳过思考与对话，甚至让AI替代创造、分析等高阶认知活动。已有教授停布置传统论文。教育界正反思：AI应拓展还是取代人类思考？评估体系亟待系统性重构。
Anthropic 的内部数据显示，47% 的学生在使用 Claude 时，只是简单粗暴地让 AI 直接完成作业。没有对话、没有探索，更谈不上学习，整个过程更像是一场冷冰冰的 “交易”。
更令人担忧的是，AI 甚至正在替代学生完成 “创造” 与 “分析”，这些本应最具价值的认知活动。一位大学教授曾直言：“我已经不会再布置传统的论文作业了。”
不可否认，AI 正在重塑我们的学习方式。但关键问题在于，我们究竟是让 AI 扩展和提升人的认知能力，还是任由它替代人的思考过程？
如果答案是前者，那么我们的教育方式、能力评估体系，是否也应该顺应 AI 的出现，进行一次系统性的升级与重构？
MIT 本科生 Kelly Zhang 利用 fMRI 信号实现脑内画面实时视频生成。她基于视觉皮层与深度神经网络的结构相似性，结合 Vision Transformer 提取特征、Latent Diffusion Model 还原图像及 Stable Diffusion 生成视频，成功将大脑活动转化为可视内容。该技术虽处早期且细节有待提升，但在 PTSD 治疗、失语沟通及痴呆症辅助等领域具广阔前景。其突破关键在于跨学科知识融合，打破了传统科研的领域壁垒，为未来科研方法提供了新启示。
Andrej Karpathy 在 Sequoia AI Ascent 2026 提出编程范式正从 Vibe Coding 转向 Agentic Engineering。核心变化在于工作重心从编写代码转为编排智能体，要求开发者具备系统设计与审查能力。演讲强调需警惕"80%问题”，即利用 AI 快速完成基础工作后，必须依靠人类经验处理安全、架构等剩余难点。这一转变意味着理解力将比编码能力更稀缺，对开发者、管理者及创业者重新定义产品与团队角色具有关键指导意义。
模糊指令是 AI 输出质量低下的根源，强调结构化提示词工程已成为营销竞争优势。核心方法包括：任务定义要具体、明确角色设定、指定输出格式。技术层面可通过让 AI 先推理、加约束条件、一次生成多版本等方式提升效果。元提示词可实现工作流复用，持续测试迭代是保持输出稳定的关键。
围绕《47% 的学生在用AI作弊？Anthropic内部数据揭露残酷真相》展开交流，未登录用户可浏览评论，登录后可参与讨论。
