详细内容或原文请订阅后点击阅览
(NOT A) CROSSPOST：HALINA BENNET：机构目的的回归 [学术界]
Halina 的副标题：“生成式人工智能让机构有机会重新评估其价值观”，而且我想补充一下，他们的价值主张......
来源:Brad DeLong当书面产品不再证明学习过程时：论文结束、问题集、带回家的考试作为代理。这对所有教育来说确实是一个机遇，或者说是一个挑战。对于具有不同职能的不同机构来说，这确实是一个以不同方式脱颖而出的机会。因此，请阅读 Halina Bennet 对此的看法，然后阅读 MIT 报告 ：
当年，当我还是哈佛大三学生时，哈佛经济学系聘请了一位刚从加州大学圣地亚哥分校毕业的助理教授，名叫马克·沃森 (Mark Watson)，在研究生阶段教授时间序列计量经济学。对当时的我来说，如果我没记错的话，对安德烈·施莱弗（Andrei Shleifer）和史蒂文·卡普兰（Steven Kaplan）来说，这似乎是一件值得学习的事情。另外，那时我已经意识到，如果我选修研究生经济学课程，我会得到 A，而如果我们选修本科经济学课程，我最终可能会得到 B+。激励措施很重要。
分享
我记得，当时哈佛经济学研究生有一种奇怪的文化。在完成所需的核心理论课程后，他们没有参加课程，而是旁听课程。他们相信，这是最大化他们智力范围的方法，而不是花费不必要的时间做习题和参加期中考试。我认为——我不确定——他们的文化认为，让自己屈服于参加一门课程以获得成绩是为了证明你无法达到同龄人的智力水平。
当然，他们是非常错误的。
但这意味着我是课堂上做习题集的相对少数人之一。因此，我是教室里极少数理解马克·沃森在黑板上所做的事情的人之一。这样我就可以提出相关问题并回答他的问题。我想他当时就相信我比现在聪明得多。
那学期我学到了很多，不仅仅是 ARIMA 建模的计量经济学，还有关于教育和教育过程的元知识。
这里有 Halina Bennet 创作的非常精彩的作品：
赠送订阅礼物
生成式人工智能使机构有机会重新评估其价值观。
2026 年 9 月 5 日 ∙ 付费
纽约市市长 Zohran Mamdani 周三宣布，本学年将禁止纽约市 50 万 K-8 公立学校学生使用生成式人工智能。与此同时，亚利桑那州立大学的学生......
Brad DeLong 在此：这令人沮丧，因为其余部分都位于“Slow Boring”付费墙后面。 （但是，我想：我不太了解 SubStack 的发现引擎如何与其付费墙引擎交互 - 通过 7 天免费试用获得访问权限。）但是，简单地说：
分享 DeLong 的“把握现实”博客
在 MAMLM GPT LLM 之前，单一的书面作业协议（论文、问题集、考试）同时将许多目的捆绑在一起：
AI 折叠捆绑包：
学生现在可以生成一个还过得去的产品，而无需经历“学习”的过程；
将“学习的学生”与“看似学习的学生”分开；
迫使机构弄清楚如何独立完成前一揽子计划中与其目的相关的每一部分；
或死。
麻省理工学院引领潮流：
它涵盖了大学可能关注的每一个目标，
它涵盖了人工智能集成促进或破坏这些目标的所有方式。既定目标，
Halina 博客文章的要点：
委员会关于人工智能的报告在教学、学习和研究培训中的使用是“对该主题最详尽的机构自我检查……一把万能钥匙……超越作为单一精英机构的……处方……是彻底的会计……”：
它的答案是“逆向设计”：“从你希望学生了解或成为什么开始，然后问人工智能是否促进或破坏了这一目标......”
人工智能的真正干预是认知上的，而不是教学上的：破坏了输出作为学习证据的假设；
“逆向设计”将问题重新定义为“教育的目的是什么，人工智能是否为它服务？”；
不同的政策是完全合适的，因为它们针对的是前一束的不同部分；
期望制度排序不仅从工作准备中进行富有成效的认知斗争，而且还沿着其他轴进行
评估采用面对面、手写计时和主要来源的工作：“机器可以帮助你，但无法为你了解你的东西”。
Halina 最重要的见解：
人工智能并没有为机构或整个教育创造新的目标。相反，A.I.正在迫使各个教育级别的每个机构面对其实际目的是什么的问题......
“人工智能”教育恐慌实际上是一个治理和设计问题。机构需要确定他们的价值观和价值主张，然后找出如何让学生做他们需要做的工作。不存在单一的“禁止与拥抱”战争，而是因地制宜、因地制宜，都应遵循落后设计的原则。
因此，Halina 涉足公立 K-12、职业教育、社区学院、公立综合大学等。
我怎么想？显然，我需要仔细阅读 MIT 报告 ，深入思考，然后再回到这一点。我现在就是这么想的。
2026 09 06 输入麻省理工学院人工智能委员会最终报告 8 月 13 日
2.21MB ∙ PDF 文件
话虽如此，也许这些就是我的想法。但也许我不认为这些事情——我确实需要更多地思考这些问题：
不变的隐藏课程是七项学术劳动：调查主题、识别现实问题、磨练关键问题、研究它、分析证据以获得答案、持久存储它以及说服他人它符合现实。技术改变的是如何，而不是改变什么。
我们已经无意中、不假思索地在课程教学人员中添加了一名普通的互联网海报 - 与学生接触的时间远远多于教师......
MAMLM 最好被理解为超级智能选集 (Anthology Super-Intelligence) 实施的五千年进程中的最新抽象层，即真正的 ASI，人类智慧从粘土到纸莎草纸到法典到印刷品到互联网。
它们在两件事上做得最好——充当非/结构化数据的自然语言前端，并生成随机的散文/代码插值——这使得它们在最坏的情况下使机器失效，在最好的情况下使副驾驶力量倍增。
它们是极好的调查促进剂和可怕的预言，”而这种特定的组合使得它们在教学上同时具有黄金和糟粕的潜力。
真正重要的是，自然语言界面与我们的工具实现了搜索引擎和自动完成功能无法比拟的苏格拉底式辩证关系。
有一个行为陷阱：如果您在错误的抽象层工作，该工具的好处和成本会在不同的时间出现。
高等教育的主要目的过去和现在都是在东非平原猿的真实 ASI 中创建前端节点。这项任务在古腾堡、电视和 MOOC 中幸存了下来。它将在 MAMLM 中存活下来。
每份书面作业都会产生两件事：现在提交的论文，以及学生为以后建立的判断，“AI”执行第一个，同时掏空第二个，除非学生不仅在“AI”抽象层上工作，而且还在它下面的两个抽象层上工作。
大型综合大学讲座是一种装扮成教育哲学的节省预算的便利。
也许我们应该一直学习牛津剑桥的教程，美国的多所大学将其视为无法扩展的奢侈品而放弃了。
标准不能是“你自己写下每一个句子”——一场失败的战争——而是“你必须能够实时思考出现在你名字下的句子”。
成功的文科人文学科课程将提供高素养和深厚的计算能力，使学生能够在很大程度上是象征性的、网络化的世界中理解和行动：人文学科的危机主要不是政治性的，而是教育性的。
发表评论