以下訪談為節錄自原影片：AI on campus [Anthropic 公司YouTube訪談]
如果要用一個詞來形容現在的大學校園，那就是「混沌」（Chaos）。但這是一種充滿了創造力與可能性的混沌。
根據一項針對大學生的調查，已有高達 90% 的學生在日常工作流程中使用 AI。從倫敦政經學院（LSE）到柏克萊大學（UC Berkeley），從普林斯頓（Princeton）到亞利桑那州立大學（ASU），AI 已經不再是一個遙遠的概念，而是學生們用來摘要講座、解決習題、甚至編寫程式碼的日常工具。
然而，這種快速的普及也帶來了巨大的灰色地帶。教授與行政單位仍在摸索如何規範，有些課程明令禁止，有些則積極鼓勵，導致學生們處於一種不得不自我導航的尷尬處境。
本篇文章整理了來自全球大學的四位學生代表——Zayn (LSE)、Chloe (Princeton)、Marcus (Berkeley) 和 Tino (Thunderbird/ASU)——的深度訪談，帶你一窺 AI 如何重塑校園生活，以及對於未來職涯的關鍵實務建議。
一、 現狀：不只是作弊，而是「賦能」
大眾對學生使用 AI 的刻板印象往往停留在「作弊」或「偷懶」。確實，用 AI 快速生成測驗答案的情況依然存在，但對於許多積極進取的學生來說，AI 帶來的改變遠比這更深遠。
1. 降低技術門檻，成為想法的原型開發者
最令人興奮的突破在於「可及性」（Accessibility）。過去，只有計算機科學（CS）背景的學生有能力開發應用程式。現在，透過 Claude 等 AI 工具，心理學、政治學甚至純文科的學生，都能在幾天內從構思到做出一個可運行的原型。
- 實例分享： LSE 的學生社團現在能透過 AI 輔助架設功能完整的網站，而不僅僅是依賴 Instagram 頁面。
- 創意應用： 有學生開發了「圖書館座位偵測器」，分析教室數據來告訴同學哪裡有空位；還有人開發了「課程註冊提醒器」，當熱門課程一有空缺就立刻通知，省去了手動刷新的時間。
這些案例證明，AI 正在將「想法」與「實踐」之間的距離縮短。
2. 個性化的私人導師
AI 扮演的另一個重要角色是「個性化學習助手」。大學課堂往往是大班制，教授無法顧及每個人。學生現在會將講義上傳給 AI，要求它在每一頁投影片旁生成「教授註釋」，解釋抽象概念或補充背景知識。
二、 陰暗面：AI 廢話（Slop）與所有權的迷思
然而，AI 的普及並非全是陽光。韋氏字典（Merriam-Webster）將「Slop」（意指劣質、糊狀的廢料）列為年度詞彙，這在 AI 生成內容中尤為貼切。
1. 什麼是「AI Slop」？
對學生來說，「AI Slop」指的是那些一看就知道是機器生成的、缺乏靈魂的內容。
- 特徵： 充滿了像 “delve into”（深入探討）、過多的破折號，或是像「你說得完全正確」這類標準化的客套話。
- 後果： 當學生使用 AI 生成求職信（Cover Letter）時，這些千篇一律的內容不僅無法讓你脫穎而出，反而會讓你顯得平庸且缺乏誠意。
2. 「所有權羞恥」（Ownership Shame）
這是一個有趣的心理現象。即便學生在專案中使用了 AI 進行頭腦風暴或架構梳理，當被問及「你是如何完成這個專案」時，許多人會下意識地隱瞞 AI 的參與，或者感到羞愧。這是因為目前缺乏一套明確的語言或框架，來定義「人機協作」的界線——到底用了多少 AI 才算過度依賴？
3. 批判性思考的流失
如果遇到困難就直接問 AI 答案，學生將失去培養「韌性」（Resilience）的機會。正如 Tino 所言，研究所本該是擴展批判性思維、學習果斷決策的時期，過度依賴 AI 可能會剝奪這些成長的機會。
三、 職場衝擊：與演算法的博弈
AI 對學生的焦慮不僅限於課業，更延伸到了畢業後的求職市場。
1. 殘酷的 AI 履歷篩選
現在的求職過程變得更加「非人化」。許多公司使用 AI 來篩選履歷，甚至進行初步面試。
- 現狀： 學生可能花費數小時客製化履歷，卻在提交後 15 分鐘內收到一封顯然也是 AI 生成的拒信。
- 面試體驗： 與螢幕上的文字對話、對著鏡頭錄影回答問題（HireVue），讓求職過程缺乏人與人之間的化學反應。
2. 機會：AI 流暢度（AI Fluency）成為新優勢
儘管篩選過程令人沮喪，但市場對人才的需求也在轉變。頂尖諮詢公司現在更傾向於招聘具備「AI 流暢度」的 MBA 畢業生，而不僅僅是通才。如果你懂得如何將 AI 應用於不同產業場景，你將成為首選候選人。
四、 未來實務推薦：如何在 AI 時代保持競爭力？
基於這四位來自頂尖學府的 AI 大使與重度使用者的經驗，我們整理出以下針對學生與教育工作者的實務建議。這不僅是關於如何使用工具，更是關於如何調整心態。
給學生的實戰建議
1. 轉變心態：從「獲取答案」到「協作思考」
不要只把 AI 當作搜尋引擎或代筆者。
- 推薦做法： 在寫報告時，可以請 AI 幫你生成大綱（Outline）或進行思維發散（Thought Dumping），將雜亂的子彈筆記整理成結構化的段落，但最後的撰寫與語氣修飾必須由你自己完成。
- 意圖設定（Intentionality）： 在按下 Enter 鍵發送提示詞之前，先問自己：「我是要它幫我完成任務，還是要它提供不同視角？」。
2. 利用「學習模式」與「蘇格拉底式對話」
如果你想真正學到東西，不要讓 AI 直接給出程式碼或論文。
- 推薦做法： 使用 Claude 的「學習模式」或透過 Prompt（提示詞）要求它：「請不要直接給我答案，而是透過反問的方式引導我思考。」。
- 複習神器： 為每一門課建立一個專屬的 AI Project（專案），上傳講義與筆記。在考前，要求 AI 用「簡潔模式」（Concise Mode）幫你快速梳理核心概念。
3. 建立「防禦底線」（The Defense Line）
如何判斷自己是否過度依賴 AI？這裡有一個黃金法則：「你必須能夠像向五年級學生解釋一樣，清楚解釋你產出的內容」。
- 實務檢測： 如果你在課堂報告或面試中被問到某個細節，而你因為那是 AI 生成的而無法回答，那你就越界了。AI 可以是你的助手，但你必須是那個能站上台捍衛觀點的「最終魔王」（Final Boss）。
4. 擁抱「AI 流暢度」作為核心技能
不要害怕學習新工具。現在的趨勢是，非技術背景的學生也能透過自然語言（Natural Language）來控制終端機（Terminal）或寫程式。
- 行動呼籲： 去關注那些在 Substack 或開源社群分享 AI 新玩法的專家（如 Nate Jones），像海綿一樣吸收新知，並嘗試將其應用到你的旁類專案（Side Projects）中。
給教育者與機構的建議
1. 擁抱而非禁止，引導而非漠視
禁止學生使用 AI 是徒勞的。LSE 的一門課程示範了極佳的轉型：
- 案例： 課程不再要求學生寫傳統論文，而是要求學生提交與 AI 的對話紀錄。教授評分的重點在於：你問了什麼問題？你如何與 AI 互動？你是否有批判性地評估 AI 的回應？最後，學生需錄製影片來口頭闡述觀點，確保他們真的理解內容。
2. 將 AI 納入課程設計
像 ASU 這樣的大學已經開始積極擁抱 AI，甚至由職業中心建立「提示詞庫」（Prompt Bank）來幫助學生模擬面試與職場情境。未來的課程應該教導學生如何負責任地使用這些工具，而不是假裝它們不存在。
結語：我們會找到出路的
這場 AI 帶來的校園革命，既混亂又迷人。我們看到了作弊的隱憂，但也看到了前所未有的創造力爆發。
正如訪談結束時 Greg 所觀察到的，儘管面臨不確定性，學生們並沒有陷入「末日論」（Doomerism）。相反地，大家抱持著一種「我們會搞定它」（We’ll figure it out）的務實樂觀主義。
在這個時代，學生的責任回到了最根本的問題：你為什麼來上大學？ 如果你只是為了混張文憑，AI 可以幫你輕鬆作弊過關；但如果你是為了學習與成長，AI 將是你最強大的外骨骼，幫助你走得比任何時代的學生都還要遠。
選擇權，始終在你的手中。
參考資料
- 原影片：AI on campus [Anthropic 公司YouTube訪談]
