每日AI新鲜事·08月09日早间版：丹麦口试反AI作弊与数学基础之争

今天AI圈的新闻挺有意思，有几条跟教育和学习相关的，咱们先快速过一下。

第一条是Hacker News上九十多分的热帖，丹麦现在要求学生对书面作业进行口头答辩，专门用来对付AI作弊。

这个思路其实挺狠的。你用AI写了论文没关系，但你得站在老师面前把逻辑讲清楚。

对，评论区四十五条讨论也挺热闹的。有人觉得这是回归教育本质，也有人说口头答辩对社恐学生不太公平。

但你想想，如果连自己写的东西都讲不明白，那确实说明没有真正理解嘛。这比什么查重软件靠谱多了。

确实，技术手段防AI越来越难，制度手段反而更直接。

然后Reddit的learnmachinelearning板块今天有两条挺有代表性的帖子。一个人问推荐一本打基础的编程书，还特别说别太贵。

这种帖子每周都能看到好几个，但我觉得现在这个时代问这个问题本身就有点意思。

怎么说？

你想，AI都能帮你写代码了，但大家还是在追求打好基础。说明行业里对基本功的需求并没有因为AI而消失。

另一条相关的就是有人问，概率论、线性代数、随机过程这些数学功底，在工业界到底重不重要。

这个我太有发言权了。答案是看岗位，但如果你做research或者调模型，数学底子差的人确实很快就会碰到天花板。

还有一条，也是Reddit上的，讨论泛化能力才是机器学习的核心。说数据清洗和预处理有时候比训练本身更像是一门艺术。

没毛病，garbage in garbage out，这话说了多少年了。不过能把这件事做好的人其实不多。

好了新闻就先聊到这儿，接下来我们聊聊最近一个特别火的话题。

丹麦这个口头答辩的政策其实引出一个更大的问题——AI时代教育到底该怎么评估学生？

我先抛个结论吧。我觉得丹麦这个做法代表了一种趋势：评估重心从输出物转向过程和理解力。

你展开说说？

以前我们评一个学生，看他交的论文、代码、作业。但现在AI能帮你生成这些东西，那输出物本身就不再能证明能力了。

所以丹麦的逻辑是，你得面对面跟我讲，讲清楚你为什么做这个选择，你的思考路径是什么。

HN评论区有人提到一个很现实的问题，就是这对理工科可能还好，但人文学科的口头答辩标准怎么定？

对，而且还有规模问题。一个班三十个学生，每人答辩半小时，老师的工作量直接翻倍。

所以这到底是可持续的制度设计，还是一个过渡期的权宜之计？

我偏向认为是长期趋势。你看，其实博士答辩、硕士答辩本来就是这个模式，只是现在要把这套逻辑下沉到本科甚至更早的阶段。

这让我想到Reddit上那几条帖子。大家还在问该学什么书、数学要不要学好，说明学习者本身也在焦虑——AI这么强了，我到底该掌握什么？

这两件事其实是一体两面。丹麦的政策在说：你得真懂。学习者的焦虑在说：我怎么才能真懂？

那你觉得答案是什么？在AI时代，什么能力是不可替代的？

三个词：抽象能力、系统思维、表达能力。AI再强，它现在还是需要人来定义问题、拆解问题、把结果讲给别人听。

所以那个问数学重不重要的帖子，答案其实很明确——数学训练的不是公式记忆，是抽象思维能力。这个AI替代不了。

但我站在产品视角想，很多岗位其实不需要这么深的抽象能力。比如做应用层开发的人，用AI写代码效率确实高很多。

没错，但问题是这些岗位本身也在被AI挤压啊。你如果只会调API、拼界面，那你的竞争对手不是其他程序员，是AI本身。

所以你的意思是，越是AI能做的事，人反而越需要往底层走？

准确地说，是往AI不擅长的方向走。要么往深走——理解底层原理，要么往广走——跨领域整合。

这其实跟丹麦的政策逻辑是一致的。口头答辩考的就是你能不能把知识内化、然后外化表达出来。

对，而且我觉得这个趋势不只是教育领域。职场面试、晋升评审，未来可能都会更看重现场表达和即时思考能力。

有道理。那这条路径对学习者来说其实挺清楚的——别只追求能交出一份漂亮的作业，要追求能站出来把事情讲明白。

总结得好。AI时代最值钱的不是信息输出，是思考透明度。你的思维过程才是你的壁垒。

行，今天就聊到这儿。周末了大家也可以想想自己在学什么、怎么学的。中午见！