千名大学生对照实验：ChatGPT 负责作业变专业，批判思维负责原创

如果把作业丢给 AI，学生到底会变得更专业，还是彻底丧失思考能力？

博科尼大学（Bocconi University）和 OpenAI 经济研究团队合作做了一场随机对照实验。他们找了 1000 多名大一本科生，给他们布置了一道真实的商业案例作业：为学校的文创周边店设计一套营销方案。

这 1000 多名学生被随机分成四组：第一组能用搭载 GPT-4o 的 ChatGPT；第二组接受因果推理训练，也就是一种批判性思维训练，全程不涉及 AI；第三组既有 AI 也有训练；第四组什么都没有。

作业收上来后，人工评分员用标准的五分制量规打分，研究人员还用自动化文本分析评估方案的想法数量、丰富度，以及跟三位专家的相似度。

AI 负责体面，思维负责独特

结果很有意思，两样东西带来的收益完全不在一个维度上。

拿到 ChatGPT 的学生，评分平均高了将近一整分。在五分制的评分标准里，这几乎是跨了一个档次。他们的方案想法更多、逻辑线索更清晰，文本分析显示这些内容看起来非常像专家写出来的方案。这说明 AI 确实能帮新手迅速抹平表达上的糙感，把成果包装得很体面。

但关键在于，光给 AI 并不能让想法变新。真正让方案产生独特性的，是那场看似不起眼的因果推理训练。

这项训练完全脱离 AI，是用游戏、案例、提问和反馈来教学生怎么把「因」和「果」连起来，解释方案为什么有效、什么时候会失败。做过训练的学生，写出来的点子明显比同龄人更丰富、更少撞车，也更习惯去质疑前提假设。

有意思的是，这批受过思维训练的学生，在传统的五分制量规下并没有拿到更高分。因为现有的打分标准只看重方案有没有命中提高知名度、增加客流这两个常规指标，压根没去奖励那些别人没想到的原创点子。

双管齐下的第三组学生表现最全面。他们既有单用 ChatGPT 组的体面和高分，又兼备了思维训练组的点子丰富度和批判质疑态度。

为什么重要

这项实验最大的价值，在于打破了「学 AI 还是学思考」的二元对立。

对学生和职场新人来说，这明确了一件事：拿 ChatGPT 当文笔修饰器和逻辑整理器是完全成立的，但如果脑子里没有因果推演的骨架，AI 只会给你生成一堆精致的平庸套话。要想在人群里凸显出来，决定上限的依然是自己提问和追问因果的能力。

对教育者和考核体系来说，这记警钟敲得很响。我们现有的绝大多数评分量规，都在奖励清晰、工整、规范的行文结构，而这些恰好是 GPT-4o 最擅长批量制造的东西。

如果交上来一份挑不出毛病的专家级作业变得毫不费力，学校就必须重新设计考核方式。我们认为，未来的考核重点必须从「答案写得有多漂亮」，转向评估学生是怎么提出问题的、如何验证假设，以及是否拿出了独特的见解。否则，老师批改的只是谁的提示词调得更好看而已。