理查德·博赫兹在加州大学伯克利分校停止批改作业，因为人工智能使正确性检查变得毫无意义

加州大学伯克利分校数学教授、菲尔兹奖得主理查德·博赫兹不再批改学生作业的正确性。在目睹许多学生使用人工智能持续获得高分后，他得出结论：花钱请人批改作业的正确性已“毫无意义”，因为在他的课程中使用人工智能已不可避免。

理查德·博赫兹在加州大学伯克利分校数学课程中的改变

博赫兹现在根据作业完成情况评分：交作业的学生即可获得学分。他说这种安排“不是一个很好的制度”，但目前他别无选择。

这一改变源于衡量失效，而非校园规定。由于人工智能辅助的作业总能稳定获得高分，花钱请人检查正确性不再能提供关于学生实际学习情况的有用信息。

博赫兹表示，很快将没有人类数学家能比人工智能做得更好

“如果人工智能继续以目前的速度改进，那么几年后，将没有人类数学家能做的事情是人工智能不能做得更好的，”博赫兹说。

这位教授表示，他不再知道是否应该鼓励学生进入数学系。他说，五年前，数学家似乎是人工智能热潮中最安全的职业之一。这种评估已不再成立。

“我不知道该给什么建议。我甚至问过ChatGPT这个确切的问题，连ChatGPT都说它不知道会发生什么，”他说。

博赫兹还预测，机构将落后于技术。他描述了学术体系中大量的“惯性”，并表示如果数学系在人工智能发展的情况下几年内保持不变，他也不会感到惊讶。他将这种情况比作纸质期刊，尽管他认为这些期刊二十年来“完全无意义”，但它们仍在继续出版。

他将这一时刻描述为历史上罕见的：

“过去有过许多技术突破——手工编织被织布机取代，马被汽车取代，等等。但这是数学领域第一次发生类似的事情。”

加州大学伯克利分校关于课程中人工智能使用的政策

加州大学伯克利分校并未制定全校范围的规则，要求或禁止在课程中使用人工智能；课程的人工智能政策由授课教师自行决定。

据本科教育副教务长兼首席学术技术官安妮·玛丽·理查德称，学术评议会伯克利分部要求教师在课程大纲中纳入关于课程期望的声明，包括在课程中使用人工智能工具。理查德表示，关于人工智能使用的直接政策可能因课程级别和重点领域而有很大差异。

加州大学伯克利分校尝试了几种人工智能检测工具，包括Turnitin和Rumi，但已确定这些工具不足以在校园内标准化。相反，校园在AI Hub（校园人工智能工具、培训和政策的目录）中维护着一个不断增长的示例人工智能使用声明数据库，供教师在课程大纲中使用。

采访的触发点：OpenAI声称的纳维-斯托克斯结果

博赫兹在OpenAI宣布人工智能代理显然解决了纳维-斯托克斯存在性和光滑性问题（数学中最困难的未解决问题之一）后的采访中透露了他的评分变化。《每日加州人》对该公告的报道使用了“显然”一词，而《每日加州人》的配套文章将加州大学伯克利分校数学界描述为在声称的证明之后处于十字路口。

Hacker News讨论：作业评分早已失效

关于此事的Hacker News讨论串（176分，257条评论）分为两派：一派认为这一变化是对交易式评分模式的迟来修正，另一派则认为这是学生学习的真正损失。

作业分数一直是一种交易，人工智能暴露了其成本

最受支持的观点是，早在人工智能出现之前，作业评分就是一种薄弱的衡量方式。评论者parsimo2010指出一个讽刺：博赫兹本人并不批改作业，而是付钱给助教批改——这是拥有资助资金和研究生的终身教授的常见做法。

“你必须想出新的交易结构，不能让你的学费被20美元的订阅变得无关紧要。”

该评论者提出的解决方案是完全停止作业评分，将100%的分数权重放在有监考的评估中，并设置某种防火墙来抵御人工智能工具，认为任何因这一变化而处于劣势的学生，可能也因同学在家庭作业中使用高级人工智能订阅而处于劣势。

支持考试、口试和现场评估的观点

几位评论者认为，可靠的解决方案是将评估转移到有监督的环境中：

• jruohonen推荐课堂考试，无论是笔试还是口试，并指出不完成作业只会反映在学生自己身上。
• grey-area建议作业零分，所有分数基于考试和口试，反馈仍然提供，但明确不计入成绩。
• remywang（一位教师）表示，课堂测验能激励学生做作业，因为作业为测验做准备。
• oldsklgdfth回忆起2006年一位高中物理老师，只要交作业就给学分而不评分，并指出在伯克利这样的学校，“教授有办公时间让我提问。”

多位评论者指出，这个问题早于人工智能

• VyseofArcadia说，十年前在本科低年级阶段，批改作业就已经没有意义了，因为Wolfram Alpha存在，并建议研究生课程可能采用摩尔式课堂，学生在黑板上展示而非用幻灯片，教授进行点评。
• jasonjmcghee说，伯克利许多教授在他们上学时就不把作业作为成绩的一部分，期中考试和期末考试占100%的成绩。
• TrackerFF描述了挪威模式：作业完全不计分，最终成绩完全基于纸笔期末考试或考试与项目的组合，强制性作业仅用于获得期末考试资格。作为助教，该评论者看到了明显的作弊——步骤相同、错误也相同的解答——但指出作业作弊无法帮助提高成绩。
• bubblethink认为批改作业或论文没有意义，印度和中国已经依赖标准化考试和现场考试，大学只是智商筛选的代理。

反方观点：人工智能也能评分，而且人人可用

评论者peri-cl认为，破坏家庭作业评分的同一技术也民主化了反馈：

“人工智能现在可以以博士后级别的准确性和严谨性批改纯数学问题。而且不像博士导师，它们对所有人都普遍可用。对我们这些好奇的自学者来说，这是一个黄金时代的开始。”

在这种观点下，学习数学教科书的学生可以提交一个定理和证明的尝试给模型，立即看到误解和严谨性上的不足。

对教授框架的怀疑

并非所有评论者都接受这一框架。评论者tzmake声称，博赫兹至少从2024年起就与Epoch AI合作，并发表关于织布机和马的标准化言论，同时声称自己无法预见这种情况，称他为“人工智能的托，就像陶哲轩一样”。这是讨论串中的评论者指控，并未得到《每日加州人》报道的证实。

学习损失论点

其他评论者关注当作业信号消失时，什么会丢失：

• vhiremath4认为，即使是同伴间的作弊也需要有人做作业，这起到了强制作用，而人工智能完全消除了这一点。该评论者表示，一群学生，尤其是18-20岁的学生，在考试中不会表现好，因为他们需要“一点鞭策”。
• analog31将这一转变概括为一句：“我们还不知道人工智能是否取代了数学家。但如果人工智能能做作业和考试题，那就意味着人工智能取代了学生。”
• bananaflag说他们从不批改作业，只批改期末考试，所以学生没有动力使用人工智能，并提供了课堂用语：“人工智能可以取代我教你，但它不能取代你理解材料。”
• thenoblesunfish认为，人们会一直对数学以及理解到足以解释的程度保持内在兴趣，因此任务是找到新的评估学生的方法，而不是重新思考教育的目的。
• p0w3n3d建议一种低技术检查：直接询问学生关于作业的问题，并惩罚那些无法回答的学生。
• arjie问，对大学生来说，批改作业到底有什么意义，并提议将单一分数分成两个认证分数——通过出勤衡量的尽责性和通过考试衡量的掌握程度。
• proc0建议高等教育应回归学术本身，而不是行业技能培训，因为公司现在可以自己进行扩展培训，并直接从高中招聘。
• mkl95（一名在线计算机科学学生）表示，我们所知的高等教育将在不到十年内面临灭绝，并认为只有真正精英且高效教育的大学才值得生存。

理查德·博赫兹是谁

理查德·博赫兹是加州大学伯克利分校的数学教授和菲尔兹奖得主。据HN评论者seanhunter称，他最著名的成就是证明了康威和诺顿的“魔群月光”猜想——模函数与魔群表示之间的对应关系。该猜想在1970年代提出时，基于某个数字与魔群的基数相匹配的观察，这看似巧合，约翰·H·康威戏称为“月光”，猜想因此得名。博赫兹还运营一个YouTube频道，发布数论、范畴论等主题的讲座。

关键要点

• 加州大学伯克利分校数学教授、菲尔兹奖得主理查德·博赫兹停止批改作业的正确性，因为人工智能辅助的作业持续获得高分；他现在只根据完成情况给学分。
• 博赫兹称基于完成度的评分“不是一个很好的制度”，并表示目前别无选择。
• 他说，如果人工智能以目前的速度继续改进，很快将没有人类数学家能做得比人工智能更好，而且他不知道该给学生什么职业建议。
• 加州大学伯克利分校没有制定全校范围的人工智能课程规则；学术评议会要求教师在课程大纲中说明人工智能期望，Turnitin和Rumi等检测工具被认为不足以在全校标准化，教师可以从校园AI Hub中获取示例人工智能声明。
• 采访是在OpenAI宣布人工智能代理显然解决了纳维-斯托克斯存在性和光滑性问题之后进行的。
• Hacker News评论者分为几派：一派认为作业评分一直是薄弱的交易性衡量，人工智能只是暴露了这一点；另一派提议将所有权重转移到有监考的考试和口试；还有一派认为取消作业激励将损失一群依赖渐进式截止日期来学习的学生。

摘要

加州大学伯克利分校数学家、菲尔兹奖得主理查德·博赫兹不再批改作业的正确性，现在只根据完成情况给学分，此前学生使用人工智能持续获得高分；他表示，如果人工智能以目前的速度继续改进，很快将没有人类数学家能做得比人工智能更好。

标题

理查德·博赫兹在加州大学伯克利分校停止批改作业，因为人工智能使正确性检查变得毫无意义