復旦大學一課程考試改為“人考 AI”，4 名大學生出題讓 AI 拿 0 分

復旦大學一門名為「數據挖掘技術」的課程，最近完成了一場與眾不同的期末考試。與傳統的紙筆作答不同，這場考試的所有學生都不需要坐在考場裡答題，反而全部成為了出題人。學生必須設計十道數據挖掘領域的計算題，拿去考三個不同的AI模型——AI答錯的題目越多、被難倒的模型越強，出題學生的分數就越高。也就是說，這場考試的真正考題，是「如何讓AI拿零分」。 這門課由復旦大學計算與智能創新學院教授肖仰華負責。他對於傳統的命題式考試在人工智慧時代面臨的困境直言不諱：過去那種「老師出一道標準算法題，然後學生計算」的模式，在AI面前已經完全失效。因為任何一個成熟的AI模型，都能比人類更快速、更精準地算出答案。「繼續用這種方式考學生，等於在AI最擅長的領域跟AI比賽，根本沒有意義。」肖仰華表示，為了不讓期末評量淪為AI的陪襯，他決定徹底翻轉考試的形式。 於是，在這次「數據挖掘技術」課程的期末作業中，學生被要求每人設計十道數據挖掘領域的計算題。這些題目必須具備「唯一正確答案」以及「完整的推導計算過程」——也就是說，不能是開放式論述或主觀判斷，而是要像傳統習題那樣有明確的計算路徑與結果。學生完成出題後，要用這十道題去考三個不同水準的AI模型。這三個模型分別代表從基礎到先進的不同層級，學生若能讓更強的模型也答錯，代表出題的難度與設計巧思更高，分數自然也更亮眼。 這個設計背後的邏輯非常清晰：在AI可以輕易解出標準題庫的時候，考學生的不再是「會不會算」，而是「會不會出題」。出題本身就需要對知識有深刻的理解——學生必須知道哪些概念是AI容易混淆的、哪些計算步驟是模型推理的弱點，甚至要刻意設計「陷阱」來誤導AI。換句話說，學生必須比AI更懂AI的極限，才能成功讓AI失分。 這51份期末試卷的結果也相當戲劇化。根據統計，有50名學生至少成功讓某一個AI模型答錯過一題，只有1人完全沒能難倒任何模型。這個數據充分顯示，絕大多數學生都能夠找出AI的弱點，並且設計出具有鑑別度的題目。而唯一一位全軍覆沒的學生，其出題可能過於基礎或標準化，導致AI輕鬆過關。 這項創新的考試方式在復旦校內引發不少討論。有學生表示，為了找出能讓AI出錯的題目，自己必須反覆測試不同模型的反應，還得推敲計算過程中的每一個環節，過程雖然比單純解題更耗時，但確實讓自己對數據挖掘的核心技術有了更深層的掌握。也有學生笑稱，這輩子第一次這麼認真思考「怎麼讓機器人變笨」。 肖仰華教授進一步解釋，AI時代的教育不應該停留在「學生背公式、機器算答案」的層次。老師的任務也從「灌輸知識」轉變為「引導學生批判思考」。當學生必須站在更高維度去審視知識本身、去設計問題而不是回答問題，這種能力反而是AI目前難以替代的。他認為，未來更多課程的評量方式都應該順應這個趨勢，從「人答題」轉向「人出題」，從「比誰算得快」轉向「比誰想得深」。 當然，這並不代表傳統的計算題完全失去意義。肖仰華強調，計算能力仍然是基礎，但評量的重點應該從「機械執行」轉向「策略設計」。學生必須先理解計算的邏輯，才能創造出足以迷惑AI的題目。換句話說，這是一場「更高層次的考試」——考的不是記憶力或計算速度，而是對知識系統的整體掌握與創造性應用。 這場「人考AI」的實驗也為其他學科的教學評量提供了一個參考方向。在生成式AI與大型語言模型日益普及的今天，如何確保考試制度能夠真正測出學生的能力，而不只是測出AI的表現，已經成為教育界必須正視的課題。復旦大學的這項嘗試，或許將成為未來大學課程評量改革的一個重要起點。