一句话看懂：约翰斯·霍普金斯大学经济学教授 Steve Hanke 明确表示对大学生用 ChatGPT 等 AI 工具做作业“没有意见”，认为自己作为执教近 60 年的“老狐狸”，一眼就能识别机器生成内容。他认为学生本身糟糕的写作能力和经济学功底不足，反而让 AI 代笔的痕迹非常明显。
事件核心：发生了什么
据 Business Insider 报道，曾任职于里根总统经济顾问委员会的约翰斯·霍普金斯大学应用经济学教授 Steve Hanke 表示，他并不担忧学生使用 AI 聊天机器人完成作业。Hanke 教授指出，即便是精英大学，如今学生的“写作能力低下”已是普遍现象，这使得 AI 生成文本与人类写作之间的差异变得“非常明显”：“当一份作业明显由 AI 生成时，那是赤裸裸的。”他补充说，基于对班级学生经济学知识水平的了解，一旦作业与学生的实际水平不符，就很容易被他识破。
Hanke 还将自己比作“老狐狸”，坦言 AI 唯一带来的问题是需要他比以往更警觉。与此同时，曾任哈佛大学和哥伦比亚大学招生院院长的 Drusilla Blackman 也表达了类似观点，认为教育工作者几乎总能看出学生使用了 AI，因为提交的内容与他们的写作或批判性思维水平不匹配。报道还提到，去年已有部分教师开始采用“防御性”手段，例如设计抵抗 AI 的作业，或恢复手写作业来阻止学生滥用大模型工具。
为什么重要
这一表态与当下许多教育机构急于封杀 AI 工具的氛围形成了对比。它揭示了当前大语言模型应用中的一个核心矛盾：AI 生成内容的可检测性并非仅取决于模型能力，更取决于使用者的真实水平与文本输出之间的“信息差”。如果一名学生本身的原创表达与 AI 生成内容在质量上存在显著差异，那么即便 AI 写得更“完美”，漏洞反而更明显。
对 AI 行业而言，这不是一个技术上的“破解”方案，而是一种实际应用中的边界观察：教育场景中，AI 的“代笔”并不等同于“作弊成功”。随着生成式 AI 在写作、编程、推理等任务上的能力持续增强，未来批改作业的工具或许还需要将检测重点从“文本是否 AI 生成”转向“作业内容是否与该学生能力基线吻合”。
对用户/开发者/创作者的影响
对于普通学生和教师而言，这件事的启示是：使用 AI 辅助作业的关键在于“辅助”，而非“替代”。如果学生在完全没有掌握经济学基础知识和写作能力的情况下直接提交 AI 生成内容，反而更易暴露。而对开发者和教育科技创业者来说，Hanke 的方法实际上提供了一个产品思路：开发基于“学生能力模型”的 AI 检测工具，通过持续追踪个体写作习惯与成绩波动来判断是否存在大模型代写，或许比单纯依赖文本困惑度检测（如 GPT-2 Output Detector）或水印技术更可靠。内容创作者则需要注意，AI 工具的输出风格在中英文语境下都可能带有模板化痕迹，如果不加以个性化修改，在专业评审面前很难“蒙混过关”。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，这场关于 AI 作弊的争论后续可以关注三个方向：
第一，OpenAI、谷歌等主流大模型厂商是否会推出更隐蔽的文本生成方式，使得“AI 痕迹”进一步减弱，从而更难以被如 Hanke 这样的“老狐狸”通过文本质量差异识别。第二，美国高校是否会出现更多采用“口试答辩”或“手写作业 + AI 工具结合”的混合考核模式，以代替简单的封禁手段。第三，第三方检测工具是否会从“AI 概率检测”向“学生个人画像比对”方向发展，但这将涉及学生数据隐私与合规风险，值得教育投资者留意。
