我们花了很多精力试图找出如何阻止学生使用人工智能作弊。这是必要的，但并不是这份工作的最令人满意的部分。想要绕过学习的学生，无论如何都会找到捷径。值得我们花更多精力去思考的一个更有意义和有趣的问题是，我们应该告诉那些（包括博士生）不寻求捷径的学生什么。那些真正想要学习并且乐于每天花数小时发展自己的学生。那些想要在这里的人。这个问题——我们应该告诉学生如何与人工智能互动——是一个很好的触发点，可以让我们思考我们自己应该做什么（这也是这篇文章真正想表达的）。你最初的直觉可能是告诉学生假装人工智能不存在。以传统方式学习一切。这对我没有任何伤害等等。但这就像告诉70年代的学生假装计算器或电脑不存在一样。今天的学生需要为一个人工智能将成为主要存在的世界做好准备。他们需要具备在那个世界中导航的技能，无论它将是什么样子。或者，你可能认为我们应该告诉他们充分拥抱人工智能。注册Claude的最高套餐，疯狂使用代币。让机器绝对掌控一切。这也是糟糕的建议。这是一个确保你完全什么也学不到的确定方法。不仅如此，这更是一个确保你永远无法体会到学习某种东西的感觉的完美方法。这一点并没有被充分明确：在大学里你学习到的最重要的事情之一就是评估自己是否真正理解一个想法。你会发现自己处于某种情境中，你发誓自己真的理解了某件事，然后你收到一个恰到好处的问题，你却不知道如何回答。最终，你学会了问自己这些问题。然后，慢慢地，你会培养出一个准确感来判断自己是否真的达到了理解的状态。把一切都交给人工智能意味着这些机械永远不会发展。你不仅在明知地走捷径，你还在欺骗自己，让自己认为你掌握了某些东西。当账单到期时，突然意识到自己根本没有任何有价值的技能，可能为时已晚。而且，这一点对我们自己也是适用的，即使我们幸运地在人工智能出现之前已经发展了这些技能。认知技能就像肌肉：获得很难，失去却很容易。那么答案是什么呢？我目前最好的建议是，你做的大多数事情由两个阶段组成：做和检查。你写一些代码，然后检查是否有错误。你写一些文本，然后进行事实核查和校对。当前的人工智能还不足以同时做到这两点。它能在一段时间内运作，但最终，确实有可能会失控。有时会是大问题，比如删除你的数据库，但更多时候则是以更微妙的方式，慢慢将代码库转变为一个难以维护的混乱。更重要的是，即使它完美地完成了这两件事，你真的可以把它当作“你的作品”提交吗？你必须问问自己你在贡献什么。无论你是学生还是其他人，你在学习什么。因此，如果你决定在项目的某些部分使用人工智能：让它完成这件事，而你检查它的工作，或者你做这件事，而它检查你的工作。当你以这样方式放置选项时，实际上根本没有选择。让人工智能写代码是大多数人的做法。这就是我们所称的“氛围编码”。如果你坚持上述规则，只有在你检查人工智能写的和做的每一件事时，你才可以这么做。这显然是个幻想。人脑并不是为此而生的。即使你决心真实地、深入地检查机器人生成的每一行代码，你的注意力也会在不到一个小时内游离。失败的案例足够少，以至于你无法不开始信任这台机器。更重要的是，这样做也不会有趣。检查别人的代码是一项繁琐的工作。自己写代码才有趣。所以，我们换个方向来做吧。你编码，然后让人工智能检查你的工作。把它当作审稿人。这是我一句话的建议。它依然可以节省你的时间，它会发现那些传统方式花费数周才能找出的问题。它会告诉你你错过的技巧和你未曾意识到的技术。不过，很多指向错误方向的激励措施，如果你这样做就会反转。在这篇文章的其余部分，我们将深入讨论细节。你在实践中如何做到这一点？这为你带来了什么，又没能带来什么？这种方法能维持多久？但首先，让我们看看能否想出一个吸引人的名字。巧妙编码 想象三个面包师。汉娜、薇薇安和卡拉。汉娜是一位家庭面包师。她对面包狂热：为了让她的酸面团发酵，她不惜代价， obsessively 检查温度。她遵循复杂的发酵过程：翻转、冷却。