「AI 正在揭露你上大學的真正目的」：四位頂尖名校學生的校園 AI 觀察

本文整理自 Anthropic 官方 Podcast 2026 年 1 月播出的單集「AI on campus」。

九成學生都在用，但沒人知道怎麼用才對

如果你是大學教授，你的學生幾乎全部都在用 AI。這不是猜測，而是數據。倫敦政經學院（LSE）會計與金融系的大四學生乍恩（Zane）最近做了一項校內調查，發現九成學生已經把 AI 融入日常學習流程：摘要上課內容、回答習題、甚至請 AI 對自己寫的作業給回饋。加州大學柏克萊分校（UC Berkeley）經濟與資料科學雙主修的馬庫斯（Marcus）也觀察到類似的情形，他認為在柏克萊這種靠近矽谷的校園裡，幾乎百分之百的學生都以某種形式在使用 AI，最常見的就是聊天機器人。

但高使用率並不代表大家都用得好。四位學生不約而同提到一個共同困境：大學校方的態度極度分裂。有些課程明確禁止使用 AI，有些課程則鼓勵學生善用，而更多課程處於一種灰色地帶，既沒有禁止也沒有指引。普林斯頓大學心理學與電腦科學雙主修的克蘿依（Chloe）用一個詞形容當前校園的氣氛：混亂（chaotic）。她觀察到一個有趣的分化現象：純人文學科的學生很多直接選擇不用 AI，因為他們的課堂強調細讀文本。社會科學的學生則在慢慢嘗試，逐步擴大 AI 的應用場景。最矛盾的是工程與理科學生，他們在課外大量使用 AI 輔助寫程式，課堂上卻被要求關掉所有 AI 功能。

亞利桑那州立大學（ASU）雷鳥全球管理學院的研究生提諾（Tino）則點出了商學院的另一面。身為數位轉型碩士生，他和同學用 AI 來分析商業案例、做市場研究、整理財務資料，這些都是效率的大幅提升。但他也坦承，有些同學會直接把小考題目丟給 AI 作答，因為研究生常常同時兼好幾份工作，時間根本不夠用。提諾認為，這恰恰是問題所在：研究所本來應該是培養批判思考和決策能力的階段，如果這個階段都交給 AI 代勞了，那研究所的意義是什麼？

AI 拉平了技術門檻，也打開了新的可能

但校園 AI 的故事不全是灰色的。四位學生也分享了一些讓人眼睛一亮的案例，其中最明顯的趨勢是：AI 大幅降低了技術門檻，讓原本不會寫程式的學生也能動手做東西。

乍恩自己就是一個例子。他學的是會計與金融，沒有任何電腦科學背景，但現在已經能熟練地使用終端機操作 Claude Code 來打造工具。他說，在 LSE 校園裡，原本只有 Instagram 頁面的學生社團，現在紛紛用 Claude Code 蓋起了自己的網站，因為做這件事的門檻變得極低。他的朋友做了一個工具，可以掃描校園所有教室的使用狀態，告訴圖書館找不到位子的學生哪裡還有空教室可以念書。重點是，做出這個工具的人完全沒有技術背景。

馬庫斯也觀察到，過去只有電腦科學系學生才會參加的黑客松，現在吸引了政治系、心理系、數學系的學生加入。從構想到能用的網站或 App 原型，很多人只需要幾天就能完成。他特別提到，這幾年柏克萊和史丹佛的創業課上，學生開始探索 AI 在醫療領域的應用，像是用電腦視覺判讀中風跡象，或者用 AI 分析表情來做心理健康評估。

克蘿依則分享了普林斯頓 Claude Builder Club 舉辦的「Vibathon」（一種結合 vibe coding 精神的黑客松）。她印象最深的作品叫做「Princeton Prospect」，一個把畢業前想完成的願望清單遊戲化的 App，做出來的團隊是一群大一新生，彼此還是室友，完全為了好玩才參加。克蘿依觀察到，最有共鳴的作品往往不是技術最複雜的，而是從真實的人類情感和需求出發的。

「AI 正在揭露你上大學的真正目的」

這句話出自乍恩之口，也是整場對談中最有力量的一個觀察。他把大學生的動機分成三類：來學東西、來找好工作、來享受社交生活。每個學生對這三者的權重不同，而 AI 的出現讓這些權重變得赤裸裸地暴露出來。

想學東西的學生，會把 AI 當作加速理解的工具。他們用 Claude 的學習模式讓 AI 反問自己問題，用對話的方式逐步深化理解。想省時間去做其他事的學生，則直接把作業交給 AI 代寫。乍恩的判斷很直接：兩者都沒有錯，但 AI 把原本隱而不見的動機差異，攤在陽光下了。

這個觀察之所以深刻，是因為它觸及了一個更根本的問題：當 AI 已經強大到能幫你通過大多數考試、寫出像樣的報告、甚至產出還不錯的程式碼時，繼續走進教室的理由是什麼？乍恩認為，這個問題的答案不在學校，而在學生自己手上。他不認為任何規範或禁令能真正改變學生使用 AI 的方式，因為工具就在那裡，你攔不住。真正的關鍵是學生自己想從大學得到什麼。

提諾的經驗印證了這一點。他說，剛開始大家做小組報告時，組員就是把 AI 吐出的第一版直接貼上去交差。但漸漸地，態度開始轉變了。大家發現全部用 AI 第一版的產出組合在一起，整份報告讀起來像一盤散沙，品質很差。於是同學們開始重新投入心力，把 AI 當成起點而不是終點。

「所有權羞恥感」：一個正在成形的新現象

克蘿依在對談中丟出了一個很精準的詞：所有權羞恥感（ownership shame）。她在普林斯頓的 Vibathon 上觀察到一個矛盾的現象：參賽學生明明花了大量時間和 Claude 反覆腦力激盪、設計架構、迭代修改，做出了很有創意的作品。但當她問得獎者「你在專案中怎麼使用 Claude？」的時候，他們幾乎都會退縮，含糊地說「Claude 幫了很多忙，它做了所有事」。

克蘿依覺得很矛盾，因為她親眼看到這些學生投入了大量的思考和判斷，AI 並不是自動完成一切的。問題在於，目前根本沒有一套公認的語彙和框架來描述「人跟 AI 一起做事」到底長什麼樣。人的貢獻在哪裡、AI 的貢獻在哪裡，這條線誰也畫不清楚。結果就是學生寧可低估自己的參與程度，也不想被質疑作品不是「自己做的」。

克蘿依擔心的是，缺乏框架的狀態正在把事情推向兩個極端。學校要嘛全面禁止 AI，要嘛放任不管。學生則要嘛完全依賴 AI，要嘛完全不敢承認自己用了 AI。中間那條健康的路，既沒有人鋪好，也沒有人知道怎麼走。

不過，四位學生對「怎麼畫線」倒是有高度共識。克蘿依的標準是：如果有人針對你的作品問了一個很尖銳的問題，而你答不出來，那就代表你過度依賴了。馬庫斯補充，你不只要能解釋自己做了什麼，還要能說清楚 AI 在其中扮演什麼角色。提諾更把標準拉到兩端：無論是對小學生，還是對研究所教授，你都要能流暢地解釋你的成果，那才算真正理解。乍恩則回到感受層面：如果你對自己交出去的東西沒有歸屬感，覺得不太舒服，那它大概真的不是你的。

有些學校已經開始找路了

談話中提到了幾個值得關注的校方嘗試。LSE 有一門大一必修課叫 LSE 100，乍恩的弟弟目前正在修。兩年前乍恩修這門課時，完全沒有任何 AI 相關的指引。但現在這門課已經徹底改版，學校鼓勵學生和 Claude 展開對話，要求學生為 Claude 設定角色（persona），並且繳交對話記錄作為評量的一部分。老師看的不是 AI 給了什麼答案，而是學生提出了什麼問題、互動的品質如何。最終的評量方式也從交報告改成錄影片自述，從根本上杜絕了把 AI 輸出直接貼上的可能。

ASU 的做法則更偏向實務支援。學校的職涯管理中心為學生建了一個 AI 提示詞資料庫，讓學生可以直接套用到不同的職涯情境中。有教授自己做了課程專屬的聊天機器人。學校甚至新開了一門課叫「人工智慧晶片策略與工作的未來」，原本只開一學期試水溫，結果學生反應太好，直接變成了常設課程。

但克蘿依提醒，學校自建聊天機器人的做法比較像是「OK 繃」。它能回答課程相關的問題，卻無法阻止學生轉頭去用其他 AI 工具直接要答案。乍恩也坦率地說，教授和行政體系在 AI 素養上，普遍落後於學生。學生是網路原住民，對新工具的適應速度本來就比制度性變革快得多。

AI 也改變了畢業後的戰場

對話最後轉向就業市場。四位學生的心情很複雜，有期待，也有無奈。

克蘿依說，整個求職季她幾乎都在對著螢幕說話。越來越多公司用 AI 篩選履歷、用預錄式面試取代真人面試，她感覺過程裡少了那種人與人之間的化學反應。更讓人沮喪的是 AI 篩選帶來的不透明感。提諾就碰過這種事：花時間客製了一份履歷和求職信，投出去十五分鐘後就收到制式的拒絕信。十五分鐘，連一個人類仔細讀完都不夠。

但提諾也指出，AI 素養（AI fluency）正在成為就業市場上的硬實力。他觀察到，頂尖的管理顧問公司過去招的是通才型 MBA，現在越來越看重你能不能把 AI 應用到不同產業。懂得用 AI 優化業務流程，已經從加分項變成了基本門檻。

馬庫斯倒是分享了一段意外有趣的經驗：他被 AI 面試過，而且體驗竟然還不錯。AI 面試官會回應「你的回答非常有洞見、讓人興奮」，讓他覺得被認真對待了。雖然最後因為年級不符被刷掉，但他覺得這種互動式的 AI 面試，比對著螢幕獨白要人性化得多。

我的觀察

聽完這場對談，我一直在想一件事：這些現象在臺灣的大學裡，恐怕只會更劇烈。

臺灣的大學在 AI 政策上比歐美更保守，多數學校還停留在「能不能用」的爭論階段，而非「怎麼用好」的設計階段。但學生的使用率恐怕完全不輸這四位美國學生描述的九成。去問任何一個正在寫期末報告的大學生，他不用 AI 的機率大概比中樂透還低。制度的保守和使用的普遍之間，存在巨大的落差，而這個落差正在製造乍恩所說的「灰色地帶」。

克蘿依提出的「所有權羞恥感」在臺灣的脈絡下可能更加嚴重。臺灣的教育文化強調原創性和個人努力，用 AI 在很多師長眼中等於作弊。學生即使用 AI 做了很紮實的協作，也不太敢說。這會形成一個惡性循環：越不敢說，就越沒有機會發展出一套健康的 AI 協作規範；越沒有規範，學生就越只會兩極化地要嘛全用、要嘛裝沒用。

LSE 100 那門課的做法給了一個有意義的方向。評量的焦點不是答案本身，而是你跟 AI 互動的品質。你問了什麼問題？你怎麼追問？你如何判斷 AI 的回應哪些可以用、哪些需要修正？這種「過程導向」的評量方式，才有可能真正引導學生走上健康使用 AI 的路。

乍恩說得好：「我們會搞清楚什麼有用、什麼沒用。」但前提是，學校和社會要給學生搞清楚的空間和時間，而不是假裝 AI 不存在。