千名大學生對照實驗：ChatGPT 負責作業變專業，批判思維負責原創

如果把作業丟給 AI，學生到底會變得更專業，還是徹底喪失思考能力？

博科尼大學（Bocconi University）和 OpenAI 經濟研究團隊合作做了一場隨機對照實驗。他們找了 1000 多名大一本科生，給他們佈置了一道真實的商業案例作業：為學校的文創周邊店設計一套營銷方案。

這 1000 多名學生被隨機分成四組：第一組能用搭載 GPT-4o 的 ChatGPT；第二組接受因果推理訓練，也就是一種批判性思維訓練，全程不涉及 AI；第三組既有 AI 也有訓練；第四組什麼都沒有。

作業收上來後，人工評分員用標準的五分制量規打分，研究人員還用自動化文本分析評估方案的想法數量、豐富度，以及跟三位專家的相似度。

AI 負責體面，思維負責獨特

結果很有意思，兩樣東西帶來的收益完全不在一個維度上。

拿到 ChatGPT 的學生，評分平均高了將近一整分。在五分制的評分標準裡，這幾乎是跨了一個檔次。他們的方案想法更多、邏輯線索更清晰，文本分析顯示這些內容看起來非常像專家寫出來的方案。這說明 AI 確實能幫新手迅速抹平表達上的糙感，把成果包裝得很體面。

但關鍵在於，光給 AI 並不能讓想法變新。真正讓方案產生獨特性的，是那場看似不起眼的因果推理訓練。

這項訓練完全脫離 AI，是用遊戲、案例、提問和反饋來教學生怎麼把「因」和「果」連起來，解釋方案為什麼有效、什麼時候會失敗。做過訓練的學生，寫出來的點子明顯比同齡人更豐富、更少撞車，也更習慣去質疑前提假設。

有意思的是，這批受過思維訓練的學生，在傳統的五分制量規下並沒有拿到更高分。因為現有的打分標準只看重方案有沒有命中提高知名度、增加客流這兩個常規指標，壓根沒去獎勵那些別人沒想到的原創點子。

雙管齊下的第三組學生表現最全面。他們既有單用 ChatGPT 組的體面和高分，又兼備了思維訓練組的點子豐富度和批判質疑態度。

為什麼重要

這項實驗最大的價值，在於打破了「學 AI 還是學思考」的二元對立。

對學生和職場新人來說，這明確了一件事：拿 ChatGPT 當文筆修飾器和邏輯整理器是完全成立的，但如果腦子裡沒有因果推演的骨架，AI 只會給你生成一堆精緻的平庸套話。要想在人群裡凸顯出來，決定上限的依然是自己提問和追問因果的能力。

對教育者和考核體系來說，這記警鐘敲得很響。我們現有的絕大多數評分量規，都在獎勵清晰、工整、規範的行文結構，而這些恰好是 GPT-4o 最擅長批次製造的東西。

如果交上來一份挑不出毛病的專家級作業變得毫不費力，學校就必須重新設計考核方式。我們認為，未來的考核重點必須從「答案寫得有多漂亮」，轉向評估學生是怎麼提出問題的、如何驗證假設，以及是否拿出了獨特的見解。否則，老師批改的只是誰的提示詞調得更好看而已。