復旦期末開卷新高度：學生出題反向“調教”AI， 4 人斬獲滿分

復旦大學「數據挖掘技術」課程近日完成了一場別開生面的期末考核，顛覆了傳統紙筆測驗的框架。與其讓學生坐在考場裡被動答題，這次考試反過來要求每一位同學坐上「出題人」的位置，用自己設計的題目去挑戰人工智慧模型。最終，全班51份答卷中僅有4位學生成功讓AI「吞下零分」，並因此斬獲滿分成績，成為這場實驗中最亮眼的贏家。 這項考核的規則極具翻轉性。根據課程規定，每位學生必須獨立設計10道數據挖掘領域的計算題，每道題目不僅要具備唯一的正確答案，還需要附上完整且嚴謹的推導過程。學生完成題目後，再用這些題目去測試三個不同能力梯度的AI模型。成績計算的邏輯完全打破常規：AI被難倒的次數越多，且被答錯的題目難度越高，出題學生獲得的分數就越高。換句話說，學生必須設法讓AI出錯，才能為自己爭取高分。 課程負責人、復旦大學計算與智能創新學院肖仰華教授解釋了這項設計背後的深層考量。他指出，傳統的出題與考試方式在人工智慧時代已經失去了原有的技術檢測意義。如果老師依舊出一道標準的演算法題，AI的計算速度與準確率可以輕易超越任何人類學生。繼續在AI擅長的領域與它硬碰硬，不僅毫無意義，也無法真正評估學生對知識的理解深度。因此，他決定將考核方向徹底逆轉。 這種「人考AI」的設計核心在於引導學生建立一個信念：只要真正深入且透徹地理解了專業知識，就一定能夠敏銳地捕捉到AI的邏輯盲區。學生不再只是被動地接受知識並重複演算，而是必須主動思考：哪些問題是AI容易出錯的？哪些推理步驟是AI難以完整掌握或會產生偏差的？這種反向思維訓練，迫使學生從更高的層次去駕馭所學的內容。 最終交出的51份期末答卷，呈現出極具戲劇性的測試結果。大部分學生設計的題目雖然有一定的難度，但AI仍在大多數題目上給出了正確或接近正確的答案，使得這些學生未能獲得滿分。唯有4位學生的題目成功讓三個AI模型徹底失分，全部答錯或無法給出合理答案。這4位學生因此獲得滿分，成為這場「人機對決」的勝利者。 這4份滿分答卷的題目都有一個共同特點：它們精準地針對了當前AI模型在數據挖掘計算中的結構性弱點。例如，某些計算需要嚴格的多步驟邏輯銜接，而AI在長鏈推理中容易產生遺漏；另一些題目則涉及對數據特徵的細微差異進行判斷，這正是AI在模式識別中容易混淆的地方。肖仰華教授強調，這些題目並非刻意刁難，而是建立在對專業知識極其扎實的理解之上。 對於參與這場考試的學生而言，這不僅是一次分數的考驗，更是一次思維的洗禮。以往學習數據挖掘，學生往往專注於記住演算法公式與計算流程，但現在他們必須反過來思考：如何設計一個連AI都無法輕易破解的問題。這個過程大幅提升了學生的批判性思維能力、創造力以及对知識體系的整體掌握能力。許多學生在課程回饋中表示，這種考試方式讓他們真正感受到「學以致用」的成就感。 從教學改革的角度來看，復旦大學的這一嘗試為高等教育提供了一個值得參考的樣板。在生成式AI迅速滲透各行各業的當下，傳統的標準化考試越來越難以測量學生的真實能力。與其禁止學生使用AI，或是試圖在AI擅長的領域與之競爭，不如將AI視為一個可以被檢驗與挑戰的對象。讓學生扮演「出題者」與「評判者」的角色，反而能更有效地培養他們的高階思維。 這項大膽的實驗也引發了學術界與教育界對未來考核形式的更多討論。有觀點認為，這種「反向調教」的模式不僅適用於數據挖掘課程，也可以推廣到其他需要複雜計算與邏輯推理的學科。例如，數學證明、程式設計、統計分析等領域，都存在類似的機會讓學生透過設計刁鑽問題來深化學習。當然，這也對教師的命題素養與評分標準提出了更高的要求。 值得注意的是，這4位滿分學生的成功並非偶然。他們在考試準備過程中，多次嘗試用不同版本的AI模型進行測試，反覆修正題目的措辭與條件，直到找到那些AI無論如何都會出錯的「死角」。這種反覆迭代的過程，本身就是一種極其高效的深度學習。學生在與AI的互動中，不僅鞏固了課本知識，還培養了解決真實問題的能力。 在人工智慧快速演進的時代，教育的目的從來不應該是訓練出比AI更快的計算機器，而是培養能夠理解、設計、批判與人類智慧共存的思考者。復旦大學「數據挖掘技術」課程的期末考核，正是朝著這個方向邁出的一步。當學生學會用知識去「反向調教」AI時，他們學到的不只是數據挖掘，更是面對未來不確定性的自信與創造力。