今年秋天，一部分芝加哥大学本科生走进社会科学核心课时，桌面上不会有笔记本电脑。
他们要读纸质文本，参加必须到场的讨论，不能录音，也不能让 AI 帮忙完成课程作业。教室要变回一个校方称为“analog”的地方：纸、笔、老师、同学，以及没有搜索框替你接话的几秒沉默。
有意思的是，两个月前，芝大刚宣布与 Anthropic 合作。Claude Enterprise 将向全校教师、员工和学生开放。
所以这不是一所大学突然反科技。它自己就在研究 AI，也在教学生使用 AI。校长 Paul Alivisatos 6月的公开信说得很明确：学生的完整课程应该同时包含“with AI”和“without AI”的学习经验，还要学会思考 AI 本身。
真正值得讨论的不是“芝大禁 AI”，而是它为什么偏偏在本科核心课里按下暂停键。
01、AI进不进课堂，不该由一条校规决定
这次规则针对的是 Social Sciences Core，芝大本科通识教育的一部分。学生通过经典和现代社会思想文本，练习阅读、写作、论证，以及当面回应不同观点。
负责该项目的 Jenny Trinitapoli 在8月1日的内部备忘录中写道，教师讨论后形成了强烈共识：这组课程最适合被理解为一个没有 AI 的教学环境。它要先让学生在不依赖 AI 的情况下读、写和思考，再进入更高阶的学习。
这句话里最重要的不是“没有 AI”，而是“先”。
学习并不是每个阶段都在做同一件事。一个人刚开始学社会理论时，需要自己在难句里迷路，分辨作者在说什么，发现自己的反驳其实站不住。等他能稳定地读出论证结构，再让 AI 帮忙比较文本、找反例或处理材料，工具才更可能放大能力，而不是替代能力。
把所有课程统一规定为“可以用”或“不可以用”，行政上最省事，教学上却很粗糙。计算机高阶课、语言入门课、社会理论讨论课，本来就不该共用一张 AI 使用说明。
这里还有一个经常被忽略的区别：学生个人用 AI 查资料，和一门讨论课允许所有人借 AI 预先组织发言，不是同一件事。前者影响一个人的学习路径，后者会改变整个教室。模型先替每个人把文本整理成相似的关键词，讨论看似更流畅，学生带进房间的困惑却可能越来越像。
社会科学核心课需要的恰恰是差异。有人被一句话卡住，有人读错作者的语气，有人把自己的生活经验硬套进去。讨论从这些不整齐的入口开始。AI 可以快速清理误解，也可能过早清理掉课堂最需要看见的东西：学生究竟在哪里没想通。
芝大教学中心给出的框架是：with、without、about AI。有些课借助它，有些课暂时离开它，还有些课把它当研究对象。这个框架不漂亮地站队，只要求老师先说清楚自己的学习目标。
02、同一所学校里，另一位教授正主动让学生用AI
芝大计算机科学教授 Nick Feamster 的做法几乎相反。他教高年级本科生机器学习、网络安全与互联网政策，明确鼓励学生使用 AI。
他的理由也很朴素：这些学生毕业后不可能在一个没有 AI 的行业工作。课堂如果完全假装工具不存在，反而没有完成职业准备。
Feamster 会用 Claude 根据课程材料生成练习题，也会让学生把繁琐的服务器配置交给 AI，腾出时间讨论测试、调试和系统判断。他允许学生借助工具，但要求他们理解并能解释自己提交的内容。
这不是政策打架。社会科学核心课面对的是正在建立阅读和论证习惯的学生；Feamster 面对的是已经有基础、需要进入真实工作流程的高年级学生。前者担心脚还没站稳，拐杖已经变成代步车；后者担心学生练了四年走路，毕业才发现行业都在开车。
很多 AI 教育争论总想找一个统一答案：到底该禁，还是该教？芝大的两个课堂放在一起，答案没那么整齐。先看学生处在哪个阶段，再看作业到底要测什么。
这也解释了为什么“会不会用 AI”不是单独一门培训课能解决的。学生在不同课程里反复遇到边界，才会慢慢知道：写代码时可以让工具处理样板配置，读理论时不能把作者压成摘要，做研究时可以让模型找线索，却要自己追到原始证据。判断是在很多次具体取舍里长出来的。
03、为什么一定要纸质阅读和当面讨论
关掉 AI 还不够。芝大这批课连设备也一起拿走，要求主要通过面对面引导讨论来处理文本。
原因不只是在防作弊。电脑开着时，学生随时可以查词、搜背景、看消息，也可以让模型把一个难题先压成五条摘要。每一步都很合理，最后却可能跳过了讨论课真正需要的东西：在别人面前把一个还没成形的想法说出来，然后接受追问。
社会科学讨论不是轮流朗读正确答案。你会听见同学误解一个概念，也会发现自己一直把价值判断冒充事实。老师临时追问一句“你的证据是什么”，现场没有十秒钟让模型替你生成更体面的版本。
这种笨拙有价值。课堂把思考从私下交作业，变成一项公开活动。学生不只学会产出结论，还要让别人看见自己怎样抵达、怎样卡住、又怎样改口。
当然，纸张没有魔法。一个老师照着讲义念九十分钟，学生手里没有电脑，也不会自动得到好教育。无设备课堂对教师要求更高：问题要真的能讨论，文本要值得慢读，老师还得让沉默的学生有进入对话的方式。
设备限制也不能无视残障学生。Axios 报道明确提到，教师可以为获得 Student Disability Services 支持的学生等情况作例外。对部分学生而言，打字、录音或辅助技术不是分心工具，而是进入课堂的条件。
还有执行问题。单纯写一句“禁止 AI”，最后很容易变成侦探游戏：老师怀疑文字太顺，学生忙着证明自己是人，学校再购买一个并不可靠的检测器。芝大教学中心公开列出的替代方向更实际，包括口试、低风险测验、课堂长写作，以及把传统研究论文改成研究转译任务。
04、需要被保护的，可能是“不方便”
AI 最擅长消灭学习里的小麻烦：长文章先摘要，不懂的概念立刻解释，讨论前先列论点，写完再润色。每一步都节省时间。
可教育里有些麻烦并非系统故障。读不懂时多停一会儿，被同学反驳后重新组织句子，写到一半发现自己没有证据，这些时刻很不高效，却让学生知道自己的判断究竟长在什么地方。
这也是“without AI”最容易被误解的地方。它不是要学生毕业后拒绝工具，而是在还有老师、同学和课程保护的时候，确认自己能独立完成哪些动作。否则，学生很容易把模型稳定的表达误认成自己的理解。
等基础形成之后，AI 当然可以进来。它能承担重复劳动，制造更多练习，帮助比较材料。Feamster 的课堂已经在做这些事。区别只在于，学生此时有能力检查工具，而不是只能相信工具。
05、一所大学最该教的，是选择工具的判断
芝大的做法还没有结果数据。我们不知道这些模拟课堂会不会让学生读得更深、讨论得更好，也不知道执行一年后教师会不会调整规则。把它写成已经验证成功的教育革命，太早。
但它至少纠正了一个常见偷懒：买了 AI 工具，不等于完成 AI 教育；封掉 AI，也不等于守住了学习。
大学真正要做的是把课程拆开看。这个任务是在训练第一次独立阅读，还是在模拟毕业后的工作？学生需要证明自己会做，还是需要借助工具做得更远？课堂要保护的是准确答案，还是形成答案的过程？
这套判断也会碰到现实成本。纸质材料要购买和携带，不能录音会让复习更依赖个人笔记，密集讨论对英语非母语学生也未必轻松。学校如果真把模拟课堂当成教育选择，就需要提供清楚的文本、可进入的讨论规则和必要支持，而不是把困难浪漫化成“现在的学生吃不了苦”。
离开设备本身不值得歌颂。值得保留的是一种课堂条件：学生的注意力暂时不被平台切碎，观点要在他人面前承担后果，老师能看见理解是怎样发生的。纸和笔只是芝大这次选择的工具，不是答案本身。
这些问题没有一条全校通用的答案。
芝大给学生 Claude，又要求他们在一些课堂里合上电脑。表面上很别扭，实际很像教育应该有的样子：工具可以越来越强，课程仍要决定，今天到底该让它帮忙，还是请它先在门外等一会儿。
