开学第一周，学生最常收到的一句话往往是：“可以合理使用 AI。”它听起来很清楚，真正做作业时却几乎没有答案：能不能让工具解释一道题？能不能润色一段英文？用它整理访谈记录，是否需要写进研究日志？
8 月 25 日，MIT 发布关于 AI 用于教学、学习与研究训练的最终报告。校方给出的一个方向很具体：每门课程都应有与课程目的匹配的 AI 使用政策，写明学生在什么情形下必须、可以、不得使用 AI。
对学生和家长，最值得带走的判断是：同一款工具，放在课程作业、独立研究和申请材料里，规则可能完全不同。不要把某一门课的许可，当成所有文本的通行证。
MIT 在今年 1 月启动该委员会，任务包括了解师生如何使用 AI、评估教学与评估方式的变化，并提出政策建议。8 月的最终报告并没有给出一句覆盖所有课程的万能口号；公开信反而强调，规则要与每门课的教学目的相匹配。
这点看似细小，实际会改变很多判断。数学证明题、实验报告、文学短评和编程练习，老师想观察的能力并不相同。某项工具如果替学生跳过了题目原本要考察的推理过程，即使它能更快给出答案，也未必符合该任务的要求。
MIT News 在 8 月 28 日转述报告时，用了 “cognitive friction” 这个说法：学习需要有一定的挑战和互动，例如和同伴拆解证明步骤、反复调试实验，或围绕一个论点展开讨论。这里讨论的不是把技术拒之门外，而是保留学生真正要练的那段思考。
把“能不能用”拆成三个可核对的问题
课程 brief 里出现 AI 说明时，建议学生看完后能在自己的笔记里写清下面三件事。
第一，工具可以碰到哪一步。有的任务允许用 AI 生成练习题或解释概念，有的只允许拼写检查；也有的任务要求全程独立完成。关键词要落在“这份任务”的每个环节，而不是停在“可以辅助”四个字。
第二，过程要留下什么说明。老师可能要求附上提示词、修订记录、使用声明，或者完全不需要。没有看到明确要求时，学生不应自己假设“保留聊天记录就一定足够”。问清披露方式，比事后解释更稳妥。
第三，谁对最后内容负责。工具给出的引文、数据、代码和论证仍需要提交者核验。MIT 的报告把评估、动手学习和课程政策放在同一个讨论框架里，提醒我们：交上去的成品可以有工具参与，理解与判断不能外包。
课程、研究、申请：三份文件要分开读
在实际沟通中，最容易出问题的并非学生故意隐瞒，而是把一份规则的适用范围记错了。
课程作业看任课教师和课程说明。允许或限制通常围绕这门课想评估什么能力。
独立研究与校内学术项目看学校的学术诚信政策、项目手册和导师要求。研究问题、数据处理、文献笔记、初稿编辑，每个步骤的可接受范围可能不一样。
申请材料则应直接看目标大学、项目或申请平台针对当年材料的官方说明。MIT 的这份报告属于教学、学习与研究训练的内部框架，不能据此推断任何大学会如何处理申请文书。MIT 本科招生网站也提示，静态说明和帮助页面比时效可能变化的博客更适合作为规则依据；这是一种信息检索方法，不是一条可移植到所有学校的具体政策。
家长该从这条新闻里读到什么
这份报告不等于“国际学校马上会统一收紧”或“大学已经给出同一套标准”。它更像一个很明确的方向信号：学校正在把笼统态度，逐步改写为课程、任务和评估层面的操作说明。
家长可以留意孩子开学后收到的第一批课程文件：有没有说清 AI 的任务边界；有没有说明需要怎样披露；遇到疑问时应该找谁确认。若学校只有一份概括性的倡议，孩子仍可以礼貌地向任课老师追问这份作业的具体规则。这个问题本身，就是对学习责任的练习。
一个小的开学检查
- • 把本周收到的 AI 说明按“课程、研究、申请”分开存放，避免把截图散在聊天记录里。
- • 对每一门课，圈出允许范围、披露要求和最终责任人；看不懂的句子直接带去问老师。
- • 申请相关的判断，只以目标院校或申请平台针对该材料、该申请周期的官方页面为准。
