一个教授的"反AI实验"
2026年春季，北京大学数学系的一位教授发现，他布置的作业中有超过60%的学生答案"高度相似"——不是那种"抄了同一个学霸"的相似，而是"用了同一个AI"的相似。AI生成的答案有一种"特征"：推理步骤过于详细、每个步骤都"完美"、没有任何"涂改"的痕迹。
教授没有直接批评学生，而是设计了一个"反AI实验"。他布置了一道新题，这道题有一个故意设计的"陷阱"——题目描述中包含了一个"看似合理但实际矛盾"的条件。人类学生在仔细阅读后会发现问题，但AI会被"诱导"做出错误推理。
结果：全班40个学生，28个人的答案和AI生成的答案一模一样——包括那个"被诱导"的错误推理。这28个人，显然是用AI做的作业。
教授在课堂上说：“我不是在抓你们作弊，我是在帮你们认识到——依赖AI做数学作业，不是在’完成作业’，而是在’放弃学习’。”
“反AI题目"的三种设计方法
方法一：陷阱条件。 在题目中嵌入一个"看似合理但实际矛盾"的条件。人类学生会发现矛盾，AI会被诱导。例如：“一个三角形，三边分别为3、4、8，求面积。“人类学生知道3+4<8，三角形成立不了。AI可能会直接套用海伦公式计算。
方法二：语义歧义。 利用中文的语义歧义，让AI产生误解。例如：“甲比乙大10岁，5年前甲的年龄是乙的2倍，问甲现在多少岁？“AI可能会被"大10岁"和"2倍"的关系搞混，得出错误答案。
方法三：非标准表示。 用非标准的数学表示方式来描述题目，让AI无法匹配训练数据。例如用文字描述一个复杂的数学结构，而不是用标准符号。AI在标准符号上训练得多，在非标准表示上训练得少。
方法四：跨领域推理。 将数学问题嵌入到一个非数学的语境中，需要学生先"翻译"为数学问题。AI在"纯数学"上强，在"翻译"上弱。
数学教育的"AI危机”
AI对数学教育的冲击，比想象中更严重。因为数学作业有"标准答案”，AI可以精确生成这些答案。学生用AI做作业，获得的是"正确的答案"和"虚假的学习”。
危机一：学生失去了"犯错"的机会。 学数学最重要的过程不是"得到正确答案”，而是"犯错然后纠正”。AI让学生跳过"犯错"直接得到"正确答案"，学生失去了学习的机会。
危机二：教师失去了"诊断"的能力。 教师通过批改作业来"诊断"学生的学习问题——这个学生哪里不会？哪里理解错了？如果作业都是AI生成的，教师就失去了"诊断"的依据。
危机三：数学能力评估的失效。 如果作业和考试都可以用AI作弊，那么"作业成绩"和"考试成绩"就不再反映学生的真实能力。数学能力评估体系需要重新设计。
数学教育的"AI适应"策略
策略一：从"结果评估"到"过程评估"。 不只看学生"做对了没有"，更要看学生"是怎么做的"。要求学生提交"解题过程"（包括草稿、思路、错误尝试），而不是只提交"最终答案"。
策略二：从"作业"到"课堂展示"。 减少家庭作业的比重，增加"课堂展示"——学生在课堂上现场解题，教师现场评估。AI帮不了现场解题。
策略三：从"标准题"到"个性化题"。 给每个学生赋不同的参数，让AI生成的答案无法"通用"。例如"小明有n颗糖，n=你的学号"。
策略四：从"AI禁止"到"AI素养教育"。 不禁止学生使用AI，而是教学生"如何正确使用AI学习数学"——AI是"辅助思考"的工具，不是"替代思考"的工具。
结语
教授用"反AI题目"抓到了28个用AI作弊的学生——这不是教授的胜利，而是教育的失败。当学生宁愿用AI作弊也不愿意自己学数学，说明数学教育本身出了问题。AI只是放大了这个问题。
金句：对抗AI作弊的最好方法，不是设计"AI做不对的题"，而是让数学教育变得"值得学生自己学"。当学生真正理解了数学的价值，AI就只是一个工具，而不是一个"作弊器"。