最近，复旦大学一门名为“数据挖掘技术”的课程，举办了一场别开生面的期末考试。学生无需坐在考场里，反而纷纷化身为出题人——目标只有一个：设计题目难倒AI。在人工智能席卷各行各业的当下，这种操作听起来既反直觉，又充满挑战意味。

具体怎么操作？每位学生需设计10道数据挖掘领域的计算题，要求具备唯一正确答案和完整的推导过程。随后，这些题目被拿来测试三个不同水平的AI模型——AI答错的题目越多、被难倒的模型越强，出题学生的得分就越高。简单来说，这就是一场“人机智斗”式的期末考核。

复旦大学计算与智能创新学院教授肖仰华一语道破了设计初衷：“传统的出题考察方式，在AI时代已经失效。老师出一道标准的算法题，AI比任何学生都算得更快、更准。继续沿用这种考核方式，相当于在AI擅长的领域与AI硬碰硬，毫无意义。”因此，课程团队索性换个思路：既然AI擅长解题，那就让学生反过来寻找AI的漏洞。

来看最终成绩单：51份期末试卷中，50名学生至少让某个AI答错过一道题，仅有一人未能难倒任何模型。但能让任一模型整张试卷得0分的学生，仅有4人。更值得注意的是，三个应试模型中最强的Claude，没有被任何学生完全考倒。全班平均分85.7分，中位数88分——这个结果既不是全员满分，也不是惨不忍睹，恰好说明题目难度设置得恰到好处。

评分规则同样设计得颇为巧妙：三个模型对应三个难度梯度——DeepSeek V4-Flash答错一题加1.5分，MiniMax M2.7答错一题加2分，Claude Sonnet 4.6答错一题加3分。总分由60分保底加上AI难度分构成，封顶100分。换句话说，只要认真出满10道合规题目，就能拿到60分的基础分，难倒AI属于纯粹的加分项。这一设计既给了学生安全感，又激励他们绞尽脑汁去挖掘AI的弱点。

肖仰华教授的话值得反复品味：“这项设计的核心理念是，我们要让学生相信，只要你真正深入理解了知识，你就能找到AI的盲区。这靠的不是运气，而是能力。”从实际效果来看，这场“人考AI”的探索，确实让不少学生体会到了“用知识创造而非重复”的含义——而这，或许正是教育在AI时代该有的模样。