---
title: "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"
description: "2026 年 8 月 25 日，MIT 校長 Sally Kornbluth 發公開信，把生成式 AI 對大學教育的衝擊定調為「watershed moment」。我們找到校長信、委員會授權函、報告全文 PDF 與學生調查四份一手文件逐字核對，拆解 MIT 怎麼重構評量方式、八項指導原則、校園文化警訊背後三種不同來源的數據，以及一份常被誤傳為「Tier 1–4」的課程 AI 政策選單——並談台灣的教育現場與企業內訓真正該借用的，是這份報告逼出來的提問方式，而不是照抄一套規則。"
author: "莊哲昀（AJ）"
tag: "AI 治理與公部門"
date: 2026-08-30
canonical: https://www.ahadigit.work/blog/mit-ai-education-watershed-moment
source: "html"
---

# 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

![一支筆與一本筆記本——當 AI 能一秒生成標準答案，MIT 反問的是：什麼樣的學習掙扎，是不能被省略的](https://images.unsplash.com/photo-1488190211105-8b0e65b80b4e?fm=jpg&q=60&w=1600&auto=format&fit=crop&ixlib=rb-4.1.0)

*Photo by [Thought Catalog](https://unsplash.com/@thoughtcatalog) on [Unsplash](https://unsplash.com/photos/505eectW54k)*

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](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](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](https://web.mit.edu/files/AI-Committee-Final-Report.pdf)
- **委員會治理頁**：[https://aiandeducation.mit.edu/](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](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。