MIT 校長罕見發公開信：AI 逼著大學重新定義「教育」——8 項原則、4 個課程政策選項，台灣能借用什麼

2026 年 8 月 25 日，MIT 校長 Sally Kornbluth 發出一封公開信，標題是〈AI and education: A watershed moment for MIT〉——不是「轉機」，是 watershed，分水嶺。她想說的是：這件事已經大到沒辦法用修修補補的方式應付了。

這封信不是隨口喊話。它的背後，是一個由 MIT 兩位教授共同主席、耗時超過半年、訪談與問卷橫跨全校的正式委員會報告。我們找到了四份一手文件——校長信、委員會授權函、報告全文 PDF、以及報告引用的學生調查——逐字核對後，把這件事完整攤開給你看：MIT 到底看到了什麼，決定怎麼改，以及這對還在觀望「AI 政策該怎麼訂」的台灣教育現場與企業內訓，有什麼可以直接借用的思路。

事情的時間線：半年，四份文件

先把事實釘牢。這件事有清楚的紙本軌跡，不是媒體渲染出來的「氛圍新聞」：

• 2026 年 1 月 14 日——教務長 Anantha Chandrakasan、校監 Melissa Nobles、教師會主席 Roger Levy 三人聯署，成立「教學、學習與研究訓練中的 AI 使用專案委員會」（Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training），由 Eric Klopfer（比較媒體研究/寫作學程教授）與 Sam Madden（EECS 系傑出教授）共同擔任主席。
• 2026 年 8 月 13 日——委員會完成正式報告，全文超過百頁，委員會自述這是「五個月密集工作」（five intense months）的成果。
• 2026 年 8 月 25 日——Kornbluth 校長向全校發布公開信，正式將報告結論定調為 MIT 教育的「watershed moment」。

校長信裡有一句話，我們特別確認過是逐字引用、不是譯者加工，出現在報告與校長信裡的同一段：

"...continues to define and foster the highest-quality residential education – of humans, by humans, in support of human flourishing, and for the betterment of humankind."
MIT 的住宿型教育，核心是「由人塑造、為人服務、促進人類福祉」——這句話被反覆引用，是整份報告的價值錨點。

評量方式正面迎戰：不是防堵，是重新設計

報告最務實的一塊，是承認一件很多學校還在迴避的事：現在的生成式 AI，已經能對大多數大學部作業給出可信度相當高的答案。這代表傳統的紙筆作業、程式習題、書面報告，已經沒辦法可靠地測出「這是不是學生自己會的」。 MIT 給的解法不是加裝更多監控，而是三個方向的正面迎戰：

1. 評量形式轉向：更多口頭測驗（oral exams）、專題作品集（portfolios）、結合課堂即時討論的任務。這些形式有一個共同點：AI 可以幫你想，但沒辦法代替你當場講出來。
2. 刻意不押寶 AI 偵測工具。報告用了「軍備競賽」這個詞：學生只要換一個「AI 人性化改寫工具」就能繞過偵測，偵測器越做越嚴只會逼出越來越會偽裝的寫法，最後受傷的是被誤判的無辜學生。與其陷入這場打不完的仗，不如把力氣放回評量設計本身。
3. 加碼動手實作：深化實驗室、設計工坊，以及像 UROP（大學部研究機會計畫）這種「真實情境、真實後果」的專題經驗——AI 擅長給答案，但沒辦法替你在真實世界裡把手弄髒。

另外一項制度性要求也很直接：每一門課都必須在教學大綱上，白紙黑字寫清楚這門課的 AI 使用規範，以及為什麼這樣訂——不能再讓學生用猜的。

報告的八項指導原則

這八條原文用詞我們逐字比對過報告目錄，一字不差：

1. 保持謙遜（Be humble）——AI 技術變動太快，任何政策都必須留有隨時修訂的彈性，不能假設能一次訂終身。
2. 勇於改革（Be bold）——局部修補已經不夠，「不確定」不能當作按兵不動的藉口。
3. 以人為中心（Put humanity front and center）——效率不能凌駕於人的成長、連結與福祉之上。
4. 回到學習本身（Lean into learning）——教育真正的產出，是學生自己養成的心智習慣與判斷力，不是一張成績單。
5. 有意圖地教學（Teach with intentionality）——用「逆向設計」，先確定學生該具備什麼能力，再決定 AI 該不該介入、怎麼介入。
6. 沒有單一標準答案（No one size fits all）——詩歌課、數學證明、建築設計、程式課，本來就該有不同的 AI 政策。
7. 增能而非自動化（Augmentation not automation）——整份報告最關鍵的一條。主張發展「有利於學習者的 AI」（pro-learner AI），AI 可以擴展學生處理複雜問題的能力，但不能取代學習必要的認知摩擦（cognitive friction）與生產性掙扎（productive struggle）——卡住、然後自己想辦法解開，這個過程本身就是學習。
8. 超越教室與校園（Think beyond the classroom and campus）——AI 素養教育要為學生未來的職場、社群與公共生活負責，不是只顧眼前這學期的成績。

一句話記住它：這八條說的是同一件事。AI 該做的，是把「認知摩擦」搬到更難、更值得掙扎的地方，而不是把它整個移除。

校園文化的警訊：三份不同的資料，說的是同一件事

這段是原始報告裡最容易被讀者混在一起的部分，我們特別把三個不同來源拆開，避免張冠李戴：

第一份：《The Tech》（MIT 學生報）2025 年 11 月學生調查，與學生會、校方研究室合作，回收 1,002 份問卷（大學部、研究生、教師、職員都有）。結果顯示：

• 46% 的大學部學生每天使用 LLM
• 用途依序是解答課程疑問（逾 80%）、輔助寫程式（約 70%）、完成作業（逾 50%）
• 90% 的大學部學生對「過度依賴 AI」感到憂慮，其中 67% 是「非常憂慮」

第二份：委員會自己的觀察敘述——報告原文用「we heard anecdotally」（我們聽到的軼聞式回饋），指的是 Office Hours 出席率下滑、宿舍與圖書館的實體讀書小組變少、學生更常獨自面對聊天機器人而不是找同學或助教討論。這是委員會走訪座談收集到的印象，不是正式統計數字，報告本身也如此標註。「認知放棄（cognitive surrender）」這個詞則是引用自一篇外部心理學預印本論文，同樣不屬於《The Tech》調查的一部分。

第三份，也是原摘要沒提到、但我們認為更值得台灣讀者留意的一組數字：委員會自己在 2026 年春季做了兩份調查——一份「AI 使用與態度調查」（1,632 份回覆）,另一份是校級的 Quality of Life Survey（約 8,200 份回覆）。結果比《The Tech》的數字更悲觀：全校只有 23% 的人對生成式 AI 抱持樂觀態度；大學部學生裡，覺得 AI 讓自己「更有能力」的只有 34%，但覺得自己「更容易被取代」的卻有 40%——被取代感，超過了能力感。

一句話記住它：46% 每天在用 AI，但同時有 40% 的人覺得自己因此更容易被取代——這不是「要不要用 AI」的問題，是「用了之後，人還剩下什麼不可取代的部分」的問題。

三大改革領域，加上一份「四選項菜單」

報告提出三個改革方向：

1. 因應 AI 時代調整教育流程——重新盤點各學科的核心學習目標，重新設計課堂活動與評量方式。
2. 把人、社群與住宿體驗放回中心——重振面對面交流、同儕合作與師生關係，同時深化負責任的 AI 素養教育。
3. 建立持續反思與疊代的機制——設立跨領域的 AI 與教育常設委員會、在各院系任命 AI Lead、成立 AI Fellows 與 AI 導入團隊、提供 AI Pilot Fund 資助教學實驗，並透過名為 Parley 的內部系統，提供模型中立（model-agnostic）且保護隱私的技術支援。

最後，報告附錄提出一套可以套用到整門課、或個別作業的「四選項菜單」（4 option menu），並建議用類似交通號誌的圖示標示在教學大綱上。需要說明的是：「四選項」是報告原文的講法，「Tier 1–4」這個標籤是我們為了方便台灣讀者理解而加上去的分級寫法，不是 MIT 官方用語——報告裡每個選項都有自己的正式名稱：

• 選項一・無限制使用（Unrestricted GenAI Use）：任何環節都能用 AI，通常搭配課堂內、無 AI 輔助的測驗，或本來就是要評估「怎麼整合 AI 產出」的高階專案。
• 選項二・僅限輔助工具（Limited GenAI Use: Support Tool Only）：可以拿 AI 當家教、腦力激盪、潤稿或除錯，但不能直接用它生成完整或大部分的作業內容。
• 選項三・強制使用（Required GenAI Use）：AI 被明確納入作業流程，目的是訓練提示詞工程、批判 AI 輸出、人機協作能力。
• 選項四・嚴格禁止（GenAI Use Strictly Prohibited）：全程不能用生成式 AI，用來保護最基礎、最需要親手掙扎過一次的心智建構過程。

還有一個很有意思的小細節，報告裡自己寫的：委員會用 ChatGPT 幫忙核閱初稿、抓重複段落，附錄裡幾張統計圖表則是用 OpenAI 的 Codex 產生的——但報告本文聲明是委員會親自撰寫，沒有用 AI 代筆。連怎麼寫這份「AI 政策報告」，MIT 自己都在示範「AI 該扮演什麼角色」。

對台灣讀者：這份報告真正該借用的不是規則，是提問方式

如果你是老師、教務主管，或是企業裡負責規劃內訓的人，這份報告最有價值的地方，不是抄一份「四選項菜單」貼進自己的教學大綱或內訓辦法，而是它逼出來的四個提問，這幾個問題不管在大學課堂還是企業訓練現場，都一樣成立：

• 哪些環節，AI 可以放手讓大家用？
• 哪些環節，AI 應該被用來擴展思考，而不是取代思考？
• 哪些核心能力的養成，絕對不能讓 AI 插手，因為那個「卡住、自己想辦法」的過程本身就是重點？
• 當一個人對外（學生對老師、員工對主管）交出一份成果，他對「AI 到底幫了多少」負有什麼樣的誠實揭露責任？

MIT 給的答案是「沒有單一標準答案」——不同課、不同任務，答案不一樣。這句話同樣適用於企業導入 AI 工作流：不是訂一條「全公司統一 AI 使用規範」就能一勞永逸，而是要像 MIT 的四選項菜單一樣，依任務性質分層設計，並且把「為什麼這樣訂」講清楚、寫下來，讓使用的人有所依循，而不是各自猜測底線在哪裡。

參考來源

• Sally Kornbluth 校長公開信〈AI and education: A watershed moment for MIT〉（2026-08-25）：https://orgchart.mit.edu/letters/ai-and-education-watershed-moment-mit
• 委員會成立授權函（2026-01-14）：https://orgchart.mit.edu/letters/committee-ai-use-teaching-learning-and-research-training
• 委員會正式報告全文 PDF《Report of MIT's Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training》（頁腳標註 2026-08-13）：https://web.mit.edu/files/AI-Committee-Final-Report.pdf
• 委員會治理頁：https://aiandeducation.mit.edu/
• 《The Tech》學生調查報導〈Over a thousand MIT affiliates respond to The Tech's LLM usage survey〉（2025-11-25）：https://thetech.com/2025/11/25/llm-survey-results

＊本文所有日期、人名、統計數字與引言，均逐項核對上述一手來源後撰寫；「Tier 1–4」為本文為方便讀者理解所做的分級標籤，非 MIT 報告原文用語，報告原文稱為「4 option menu」且各選項另有專屬名稱，詳見上文說明。