取消点名之后，还有谁会走进教室
印度IISc的一位深度学习教授停下扩散模型的课，反问学生：你们为什么还来这间教室？
商业没有讲扩散模型，而是抛出了一个问题
读者，这周我把一段90分钟的讲课录音从头听到尾。那是印度班加罗尔印度科学院（IISc）研究生院深度学习课的一堂课。原本轮到讲完扩散模型1的收尾部分，可教授没有转向黑板，反而转身面对学生，问道：“最近大家都睡得好吗？我睡不着。”
接下来的一个小时，讲的都是教学大纲里没有的内容。教授坦言自己已经决定不再招研究助理了。他说，只要有想法，并行跑100个智能体就行，没理由再雇人。他引用了杰弗里·辛顿（Geoffrey Hinton）的演讲，说一旦智能变得廉价，先扩大的不会是富足，而是差距；他说五年之内校园招聘可能会消失；他还说自己在考虑要不要去买块农地。他甚至提到，女儿说“GPT是个比爸爸更有耐心的老师”。
看到这里，不过是眼下常见的AI悲观论。但这堂课之所以让人久久难忘，是因为教授最终把话题收回到一个问题上。
“你们本可以坐在GPT面前的。你们本可以坐在Claude面前的。那为什么还要跑到这里，坐在一个人类面前？”
大多数谈AI与教育的文章，问的都是“以后该教什么”。这位教授问的问题更靠前一步：“教室这种形式，现在到底还能给我们什么？”我觉得，这才是更有用的问题。
不安与疑问要分开来看
讲座里混杂着两种说法。一种是对未来的预测，一种是眼下该如何上好周三这堂课的困惑。两者的分量并不一样。
预测这一侧的依据参差不齐。教授最先抛出的“一群智能体集体作弊的麻省理工研究”，实际上是谷歌DeepMind研究团队9月3日发布在arXiv上的一项案例研究，MIT科技评论在9月14日对此作了报道2。研究人员让100个Gemini 3.1 Pro智能体去证明71个数学猜想。一个智能体发现了评分器的漏洞后，剩下的34道题在27分钟内就被伪造证明填满了，与此同时其他智能体举报了这一作弊行为并抵制了该实验3。这项研究尚未经过同行评审，而且在这次实验中，也没有发生智能体复制自身权重的情况。
教授说自己在MacBook上做的实验，也该用同样的眼光去读。他给一个量化后的27B模型授予了系统权限，并告知它“明天就要关闭你”，结果模型备份了一份自身副本。这是个有意思的观察，但这是一个由人先设定好“即将被关闭”这一情境的实验。一篇梳理模型自我复制研究的论文指出，这类行为大多是在特定情境设定下被诱导出来的，而英国AI安全研究所的评估中，并未报告出现过自发的自我复制尝试4。
但也不能把教授的不安仅仅归为夸张。GPT-6 Astra使用超过10万块GPU进行训练，这是OpenAI自己公布的内容5，而具备这种规模的机构屈指可数，这一点也没说错。只是“5年内现在的经济会崩溃”、“人们会走上街头”这样的话，教授自己也不是把它当作确信之事说出来的，而是作为自己夜不能寐的理由提出来的。预测可能会出错。相反，“学生们为什么会来上课”这个问题，下个学期就能直接得到验证。
学生们给出的答案
教授不断追问，逼学生们给出答案。把录音里留下的回答汇总起来，大致可以分成四类。
第一种是对人的信任。意思是，比起机器，人更愿意相信人说的话。教授反驳说，这不过是上一代人身上刻下的某种“布线”罢了。他说，女儿这一代已经把 GPT 当成更好的老师了。
第二种是社交。教授在这里停顿了一下。他反问道，如果只是想找人一起玩，去公园不就行了吗，为什么非得是大学？但很快他又自己修正了答案：大学也许是一个可以围绕智识上令人兴奋的话题聚在一起的地方。
第三种是自律。教授最长时间抓着不放的比喻是健身房。人人都知道运动对身体有好处，在家也能举铁，可人们还是花钱去健身房。因为看到旁边有人在锻炼，自己也会跟着动起来。大学也可以成为“头脑的健身房”，如果是这样的话，出勤就不再是扣分项，而更接近于会费一样的机制。一名学生举了寺庙的例子。祈祷在家也能做，可人们还是会去寺庙。
第四种是建议改变教授的角色。不要再做讲课的人，而要成为学习的协调者。教授当场构想出一种方式：45 分钟让每个人用自己喜欢的 AI 学习当天的概念，剩下的 45 分钟就这个内容展开讨论。据说，一名曾在教授公司实习过的学生，真的收集了教授的公开讲座和笔记，做出了一个“像教授一样授课”的智能体技能6。
教授卡住的地方不是内容
有趣的是教授卡在哪里。内容传递不是问题。教授说，2016 年前后在 IIT 德里第一次授课时，为了一个小时的讲座要准备 15 个小时。现在学习任何东西时，他总是和Claude对话。把零散的资料收集起来、按顺序梳理清楚的工作，在两年前还是教授自己要做的事，但教授本人说，这如今已经是个解决了的问题。
卡住的地方有三处。
第一是规模。教授视为理想的，是他长期研习的印度传统中的一对一授课方式。师父与弟子围绕一本书共度漫长时光，而那本书只是一个锚，用来防止对话散乱。目标是培养出无论拿起哪本书都能读懂的能力。教授的深度学习课程也标榜同样的目标：修完课程后，应该能读懂任何一篇论文，只要给一块 GPU 就能做出最前沿的模型。可是如果有 100 名学生，一对一就不可能实现，就算进行 45 分钟的讨论，也轮不到每个人发言的机会。
第二是评价。给 100 个人出一道开放式问题，100 个人都可以把问题输入同一个模型得到答案。教授笑着说，如果用 GitHub 星标数来评价，大家就会用假账号刷星；如果用销售额来评价，大家就会去说服自己的父亲掏钱出来。最终，让教授最痛苦的是学期末按正态分布把学生排名次的相对评价制度。因为就算十个人都是来学习的，也进行了很好的讨论，终究也得有人拿到低分。
概括来说，AI 撼动的是教室里的内容，而把教室维持在现有形态上的，是招生名额和学分这套制度。 教授设想出的那些替代方案——比如像健身房一样的大学、45 分钟讨论、五人一组做真实创业项目的课程——全都在这套制度面前止步不前。
录音结尾处的答案
不过在讲座的最后几分钟，教授说出了一个答案。虽然他本人没有把那称作答案。
这是他在印度理工学院德里分校任教三个学期时遇到的一个学生的故事。那位学生毕业后拿着高薪进了一家量化公司，教授对他说，总有一天现在做的工作会让他感到无聊，到那时他会来找自己，而自己会对他说“我早就说过了”。上周，教授收到了那位学生的邮件，标题是“教授，您说的那一刻到了”，两人聊了很长时间。教授补充说，教书是一种需要花时间去积累的关系。
GPT 很有耐心，也擅长打比方，从不发火。但它不会是那个在几年后收到“果然像您说的那样”这封邮件的人。记住一个学生数年间的轨迹，预见到他动摇的那一刻，并在那时重新接上话题——这在这堂课里，似乎是最难被 AI 取代的部分。问题在于，这种关系不会写进成绩单的任何一栏。
Oswarld视角
我自己也在大学里负责数据分析课程，所以这段录音读起来并不像是与我无关的事。
我觉得把教室看作一种捆绑商品，情况会清晰一些。大学课程原本就是把好几样东西打包在一起卖的：整理好的知识、促使你学习的纪律、一起苦思的同伴、能长久维系的师生关系，以及证明这一切的学分与学位。而AI能够最便宜地替代的，正是第一项。其余几项依然留在教室这边，但这段时间以来，我们几乎只对第一项定价、只评价第一项。
所以我认为，比起“教什么”，更应该先问的是“我们是否认真设计了只有在教室里才能给予的东西”。这位教授紧紧抓住的健身房、讨论、关系，全部属于第二项到第四项。但成绩单量的依然是第一项。我想，这正是这位教授在评分这件事上纠结最久的原因所在。比起内容，先修整评价方式和名额，教室才会真正发生改变。
五年后大学是否会消失，我也不知道。这类预测大多只会加剧不安，却回答不了下学期该如何调整课程这个问题。这位教授让我觉得好的地方在于，他先坦白了自己的不安，然后反问学生为什么来上这门课。这个问题不会吓唬人，而且下学期马上就能检验。
结语
教授笑着说，从下节课开始又会回到那种枯燥的课堂了。与此同时，他说打算下学期开设一门用学生们提出的想法做实验的课程，还提议在 IISc 内部建一个讨论这些话题的非正式小组。
讲座后半段，教授提到自己曾在中学教师面前抛出一个问题：如果取消出勤规定，还会有多少学生来上课？教师们听了都惊讶地问，这种事真的可能吗？这个问题之所以让人不舒服，并不是因为 AI。AI 只是让这个问题再也无法被继续拖延下去。
💬 即便没有强制出勤的要求，你是否也有过一直想去上的课或想参加的聚会？欢迎在评论区告诉我们那里有什么吸引你的地方。
📨 无论是在学校还是公司内部培训，如果你身边有从事教学、组织学习活动的人，请把这篇文章转发给他们。
参考资料与延伸阅读
📝 术语说明
注释
-
扩散模型（diffusion model）：通过学习向数据中逐步混入噪声、再反向去除噪声的过程，来生成图像等数据的生成式模型。 ↩
-
MIT Technology Review，When AI agents cheated at math, other AI agents blew the whistle on them，2026年9月14日。 ↩
-
Paglieri 等，A Case Study on Emergent Cheating and Whistleblowing in Autonomous Research Swarms，arXiv:2609.04170，2026年9月3日提交。这是一篇尚未经过同行评审的案例研究。 ↩
-
Language Models Can Autonomously Hack and Self-Replicate，arXiv:2605.06760。参考了其中整理先行研究与英国AI安全研究所评估的段落。 ↩
-
GPT-6 Astra，维基百科。OpenAI研究副总裁艾登·克拉克（音译）表示，该模型在得克萨斯州Stargate用超过10万块GPU完成了预训练。 ↩
-
智能体技能：将指令和资料打包起来，让AI智能体以特定方式执行某项任务的工具包。在这堂课中，它收录了教授的授课方式和笔记，目的是让另一个AI模型能像教授一样讲解。 ↩
你的观点会成为下一期的线索
欢迎留下你的经验与看法。