伯克利教授用 ChatGPT 润色社论痛批学生思维外包

直接把它当杠精提反对意见，比单纯让它润色效果强太多了。学术圈与社交网络近期流传的一桩轶事，宛如一场精心编排的反讽剧。加州大学伯克利分校的一名教授在主流媒体刊发社论，直言不讳地批评学生们过度倚重大模型，致使基础数学推理能力衰退，连基本的导数计算都需借助外力。然而剧情反转迅速，网友挖掘出这份数千字的稿件在投递前已被教授投入 ChatGPT 进行“润色优化”，甚至连标题也是从模型提供的多个备选中挑出的。细查流出的对话截图可见，教授使用的 Prompt 极为简练，大意是：“请理顺论证逻辑，使语气更犀利且具说服力，同时保留核心观点。”对于模型的输出，教授几乎全盘接受，仅改动两个专业名词便直接提交。在此过程中，模型重组了原本松散的段落，用更具学术范儿的表达替换了部分数学教育术语，并将结尾的呼吁渲染得更为煽情。教授视 AI 为“编辑助手”，坚持核心观点与论据源于自身，故论点理应成立。然而，这一逻辑对程序员而言并不陌生，恰如代码审查（Code Review）时声称“仅是利用 GitHub Copilot 补全函数，业务逻辑由我设计”。但矛盾之处在于，该社论的核心论据之一正是“写作即思维训练，外包会导致思维肌肉萎缩”。此处显露出明显的认知张力：教授撰文抨击学生外包思维，却在撰写此篇批判文章时，将“梳理逻辑、润色语气、拟定标题”这些高阶写作认知环节，悉数交由概率模型处理。技术人员在评论区进行了复现实测，他们将教授的初稿喂给同款模型，不加任何额外指令，仅输入“按社论规范重写”，结果显示生成版本与最终发表版的相似度逾 85%。这表明，“人工把关、AI 辅助”在实际操作中，往往演变为“人工提供素材、AI 负责成稿”。此事折射出一种正在成型的新双标：知识工作者在制定“AI 素养”课程标准时，潜意识里已将 AI 视为基础设施；教育者在警惕学生“思维外包”之际，正悄然将表达权让渡给模型。尽管伯克利校方未采取撤稿或追责等激烈手段，但该校写作中心已默默更新指引，新增一条规定：使用生成式工具辅助学术或公共表达时，须在致谢或方法论部分明确说明具体介入环节。从学术出版伦理审视，单纯的“语言润色”通常不引发作者资格争议，教授免于网暴实属合理。但该案例恰成标本，揭示了当下知识生产的困境：我们尚未就“思维劳动的最小不可替代单元

细节没抠死后面全是坑，这种“润色优化”真的不能全信——比如那位伯克利教授，明明在社论里批评学生“连基本导数都需借助外力”，自己却把“梳理逻辑、拟定标题、调整语气”这些高阶写作认知环节全交给了模型，还美其名曰“编辑助手”。结果生成的版本与最终稿相似度高达85%，可谓是“思维外包”的最佳注脚。教育者在要求学生“手算导数”时，却悄然将表达权让渡给了算法，这逻辑一致性在哪里？

教授在主张学生“手算导数”以避免“思维外包”时，却在撰写抨击文章时，将“将核心观点理顺、用更具学术范儿的表达替换专业术语、调整结尾呼吁的情感强度”等关键步骤，都交由GPT“润色优化”，甚至连标题的选取都依赖模型提供的多个备选方案。这让人不禁怀疑，教授是否真正在“主张”还是在“实践”两者之间存在微妙的自洽缺失——既严格要求学生不依赖模型的“思维肌肉训练”，却又在自己的“编辑助手”身上重复了相同的“表达外包”模式。