Andrew Ng称，大多数学生把生成式AI用于代写作业、直接给答案或完成论文

Andrew Ng称AI代做作业损害留存

Andrew Ng称，大多数学生把生成式AI用于代写作业、直接给答案或完成论文时，短期作业分数会上升，但长期记忆留存和脱离工具后的独立表现会更差。

他将原因归结为“认知卸载”：模型替学生完成检索、组织、推理、写作与纠错，学生获得完成任务的结果，却没有经历形成知识结构所需的提取、试错、解释和重复练习。AI在场时看似能力提升，移除AI后能力缺口才暴露。

一项针对本科生的随机实验发现，允许使用生成式AI的学生在即时测试中表现更好，部分增益在一周后的留存测试中仍存在约5.1个百分点；研究者同时强调，结果取决于学生具体如何使用AI，并非所有使用方式都会降低学习效果。

另一组研究与教育观察得出相反风险：当学生无限制让ChatGPT替代思考，留存测试正确率为57.5%，传统学习组为68.5%，差距11个百分点；一项中国中学生实地研究则发现，生成式AI使作业成绩提高18%、完成时间减少30%，但六个月后的月考成绩下降20%。

不同研究结果并不矛盾：AI作为讲解者、追问者、反馈工具或个性化练习系统，可能提高学习效率；AI作为答案生成器、作业代写者或论文代理，则会减少学生自身完成关键认知步骤的次数。决定学习效果的不是“有没有AI”，而是任务中的推理、回忆和纠错是否仍由学生完成。

最实用的用法是“先做后问”：先在不看AI答案的情况下写出解题路径、代码、论证或摘要，再要求AI指出漏洞、反驳假设、生成变式题，并用闭卷复述检验自己。比如学习微积分时，先独立推导一道题，再让AI只检查每一步而不直接给最终解；隔天不借助AI重做同类题，才能测试是否真正形成能力。

市场机制上，学校、培训机构和雇主正在面对“可展示产出”与“真实能力”分离的问题。学生和知识工作者会购买提高即时交付速度的AI工具，教育机构则需要增加口试、现场任务、过程记录、阶段测验和无工具评估；受益者是能将AI设计为导师、考官和反馈系统的平台，承压者是仅靠生成最终答案、却无法验证学习过程的作业与证书体系。

来源：公开信息