近來台灣許多大學教師私下反映，批改學生的論文、報告或作業時，愈來愈難掌握學生究竟思考了多少。文字流暢，結構完整，引用齊全，卻讀不到任何屬於學生自己的判斷，也不像是出自真實的論證過程。有教師說，改這樣的作業比過去更費力。雖然沒有人能確定學生讓AI包辦所有的作業，但隱約感覺得出來。
這種感覺，有來自日本的數據可以對照。
前一陣子，日本經濟新聞與大型補習班河合塾合作，讓三家主要AI系統試解東京大學與京都大學的入學考題。結果，OpenAI的模型在所有科系中名列榜首，數學與化學拿下滿分；Google的AI在數學三個項目全數滿分；Anthropic的AI在東大物理獲得滿分。消息傳開，日本媒體的報導框架幾乎清一色落在「AI超越人類」，家長社群的討論也隨之沸騰。
但最值得分析的地方，正是我們為什麼還在以考試成績衡量AI的能力，以及這種衡量方式又意味著什麼。東亞長期引以為傲的標準化入學考試，測量的有相當大比例是一種可以被機器複製的能力。AI在東大考題上拿下滿分，在技術層面上的意思是：大規模語料訓練後的模型識別與解題程序，足以應付這類題型。並不需要理解，也不需要學習過程。
兩個數字說明了什麼？
日本兒少網站Nifty Kids的調查顯示，約有55.1%的中小學生使用過ChatGPT。有調查發現，在有使用ChatGPT經驗的小學生裡，56.9%的人遇到不懂的事會先問AI，而非查書或請教老師。
兩個數字放在一起，說明的是學習已出現某種變化，而且速度比任何政策的反應都快。
日本媒體採訪的幾個案例相當具體：一名國三男生讓AI診斷症狀，再決定是否就醫；一名國三女生在大考前請AI預測考試題目；一名小學一年級的女生只要閱讀有疑問，就輸入AI尋求解答。LINE Yahoo的調查結果顯示，六成家長肯定生成式AI進入孩子的學習環境，卻同時憂慮孩子誤信錯誤資訊，而且家長本身也不知道怎麼指導正確使用。
家長的心境複雜，原因之一是他們感受到的是一個悖論：AI讓孩子得到了答案，但看不到孩子在得到答案之前的學習歷程。
跳過學習歷程的答案
認知科學領域長期累積的研究結論是，學習效果的深度與學習者主動建構知識的程度高度相關。主動從記憶中提取、重組並應用知識，與被動接收資訊，在學習成效上存在顯著差異。AI提供即時解答的設計，性質上其實更接近的是被動接收資訊。
學生從AI那裡得到的，是一個已經整理好的答案，而不是形成答案的過程。表面上學習在發生，實際上學習最核心的環節被跳過了。長期下去，學生對知識的掌握停留在能夠複述輸出的層次，而非能夠在不確定的情境中自行思考與判斷。
今年稍早，《先端教育月刊》（Sentan Kyoiku）也對一千多名日本教員的調查，在這個脈絡下相當具體：其中，657名教師不鼓勵學生用AI寫作業，301名教師表示學生未經許可就使用AI並直接抄錄答案。許多老師最擔心的是學生不再思考，而是反射性地接受AI輸出的結果。
日本文部科學省先前曾公布「生成式AI的利用及活用」指導方針，列舉了教師用AI整理教材、學生用AI做英語會話練習、修正作文草稿等應用情境，也明確提出學生思考能力退化的風險，以及AI不實資訊的問題。
指導方針的方向沒有錯，問題在執行端。指導方針說要「培養學生的判斷和識別能力」，但沒有說清楚這種能力靠什麼課程培養、用什麼方式評量、需要多少師資訓練支持。把AI使用方式的摸索責任交給每個家庭，表面上是尊重家庭自主，實際上是更加惡化教育機會不均等的問題。有資源、有時間、有知識背景的家長，有能力陪孩子建立使用AI的正確習慣；其他家庭的孩子，則在沒有指引的情況下獨自面對一個永遠只給答案的系統。
台灣的情況高度相似。近年來台灣教育部陸續推動AI融入課程的相關方案，數發部也建立了AI素養相關的推廣架構，但落到第一線的課堂，教師是否具備足夠的AI素養來指導學生、學校是否有足夠的資源支持這種指導，答案仍不明確。同樣在沒有系統性支持的情況下，台灣教師必須自行判斷學生的作業有多少出自AI，再決定要不要處理、怎麼處理。
AI考上東大是一個清楚的訊號，但訊號指向的不是AI多厲害，而是：當一套教育體制培養的能力可以被機器大量複製，我們就必須重新釐清「學習」的定義。日本正在摸索，台灣也還沒準備好，但學生早就在AI裡找到比課堂更快、更方便的答案了。
