教育中的生成式 AI：过去、现在和未来 在不到一年的时间里，ChatGPT 和生成式人工智能已从边缘意识转变为全国许多高等教育机构在教学时考虑的重点。AIGC工具的应用模式中很多都体现了人类问题和人工智能生成回复的循环，这一套机制使得很多高等教育中很多用得到的潜在工具浮现出了水面，包括： · 学生用于研究、内容开发和学术写作 · 行政人员用于撰写报告、分析数据和情况分析 · 教师用于加速备课和教材编写「生意」 那么，生成式人工智能究竟是一种限时风靡的时尚，还是未来教育成功的关键因素？本文将探讨梳理生成式人工智能在教育领域的过去、现在和未来，以为未来教育找到创新突破点。  生成式人工智能可定义如下：「从数据中学习人工智能的表征，并利用它生成与原始数据保持相似的独特内容（包括图像、视频、音乐、语音和文本）的人工智能技术。」 OpenAI 的ChatGPT是生成式人工智能的具体实现，其可创建会话内容，在2022年11月作为研究版本发布后不到一周，ChatGPT的用户数量就超过了一百万。它迅速成为历史上最新颖的体验和最成功的应用之一，并且强力推动了教育兴趣、投融资、产品开发和生成式人工智能解决方案的演进。 在预测未来走势之前，要首先了解生成式人工智能的输出内容由三个关键要素组合而成： · 一个模型（例如 ChatGPT 背后的生成式预训练转换器模型，尽管现在有更多模型可供使用）和用于训练该模型的数据 · 来自个人的问题（或提示) · 对问题进行细化，直到获得可接受的输出结果 这些机器学习神经网络模型现在可以利用数十亿个学习参数，并在大型数据集上进行额外训练。ChatGPT 的研究成果是在超过 570 GB 的数据（来自书籍和互联网）上训练出来的，并通过人工反馈进行了改进。尽管如此，在评估 ChatGPT 的成果时，训练的时间（截至 2021 年）和数据的真实性仍是需要考虑的因素。 有三个因素导致了生成式人工智能在教育领域的加速应用：
· 免费或低成本的广泛使用 · 通过基于文本和图像的用户界面，加速生成书面、视觉或代码输出 · 大型语言模型训练的可感知质量和规模，使输出提高到可信水平 2023 年，学生的广泛使用不可避免地引发了学术诚信问题。随着 GPT-4 的发布，围绕生成式人工智能是否有能力（在某些情况下）创建高质量的论文和测试结果的忧虑也随之扩大，GPT-4 开始展示「在各种专业和学术基准上达到人类水平的性能」，这引发了一定的恐慌。 针对人工智能生成内容的反剽窃软件也逐渐进化，这些软件能够根据结果、教师反馈和学生行为推算出文章抄袭的风险。与此同时，那些试图将人工智能生成技术用于不正当目的的学生也在通过各种工具和产品来挑战评估模型，这些工具和产品旨在故意掩盖或掩饰人工智能生成技术的嵌入模式。 到了秋季，随着所有主要技术供应商和教育技术产品显然都将很快具备生成式人工智能的某些元素，人们对其使用的接受程度也变得更加普遍。正如两位高等教育界的教师最近提出的问题：「难道高等教育机构不应该培养毕业生在生成式人工智能变得无处不在的世界里工作吗？」  教育领域已从否定人工智能迅速演变为焦虑、恐惧和部分接受。生成式人工智能继续使教育界两极分化。不过，现在许多机构都制定了政策，控制和限制学生和教职员工的不当使用，并鼓励教师对学生进行适当的探索和评估。信息技术部门正在努力平衡对新的生成式人工智能产品日益增长的需求，并正在评估是购买还是采取定制构建的方法。 世界各地的教师和机构都承认，禁止生成式人工智能是对变化的短暂反应。生成式人工智能正在融入日常工作的工具中。主要技术供应商已将人工智能界面与搜索结合在一起，并将生成式人工智能纳入写作、演示和交流工具。机构政策也在不断演变，从禁止 ChatGPT 到谨慎鼓励在学术活动中适当使用生成式人工智能工具，都反映了这一点。 教师们认识到，反剽窃工具仍在学生行为准则中发挥作用。现在，通知学生作弊的后果常常被用作机构政策中的一种方法，以劝导学生不要广泛使用 ChatGPT。然而，对于许多院校来说，发展评估实践的必要性被认为是最现实的前进方向，而评估如何最好地实现这一目标的特别工作组和委员会也比比皆是。各院校开始就以下问题提出疑问： · 学生评估——学生在学什么？他们采用了哪些程序，这些程序是否与未来的职业相关？ · 教学——院校如何教授适当的提示设计和产出评估技能？如何培养教师的数字素养，让他们接受人工智能辅导员的潜力？ · 研究——如何以最佳方式开发、验证和应用新知识？如何更好地开展研究？ · 质量——如何以及在什么情况下适合信任生成式人工智能解决方案来提高教学、管理或研究效率？ 随着教育机构专注于对生成式人工智能进行战略探索和有针对性的投资，这些问题正在影响着变革。目前正在探索的常见潜在用例包括以下方面： · 提高生产力，加快报告撰写、编码、会议规划和决策支持。对改进了对话界面的聊天机器人的兴趣更加浓厚，其目标是释放学生支持服务的能力，以满足最有需要的人的需求。 · 教学支持，以加快教案、教学视频、图片、演示文稿、讲义和学习辅助材料的创建速度。 · 研究协助，以总结内容、分析数据、确定模式、选择适当的研究方法、同行评审论文、连接知识领域、设计研究项目、提出假设并加速文献审查。 · 学生参与，以加强选课指导、账单和费用支付、课程注册、学习技能、时间管理，以及对话式人工智能生成的信息，以促使问题学生采取行动提高成绩。 教育行业对生成式人工智能的兴趣为采用生成式人工智能方法的新技术供应商和现有技术供应商（如 LMS、CRM 和 SIS 解决方案）创造了机会，也为拥有非生成式人工智能产品但在特定使用案例中优于或补充生成式人工智能的供应商（如聊天机器人提供商）创造了机会。
尽管生成式人工智能在高等教育中的应用具有现实和潜在的前景，但仍存在一些风险： · 「幻觉」——由于模型使用「统计学」来选择下一个单词，有时会产生错误答案，而对内容并无实际 理解。 · 不合格的训练数据——数据可能不充分、过时，或包含敏感信息和偏见，从而导致有偏见的、被禁止的或不正确的回答。 · 侵犯版权——有些模型被指控将受版权保护的数据用于训练目的，然后在未经适当许可的情况下重复使用。 · 深度伪造——由 ChatGPT 生成的输出可能看似真实，但实际上可能是伪造内容。 · 欺诈和滥用——不法分子已经在利用 ChatGPT 撰写虚假评论、发送垃圾邮件和网络钓鱼。 生成式人工智能输出的质量取决于模型选择、使用的知识库、提示、单个问题和改进的组合。因此，各机构正在加大力度，通过创建相关提示和评估生成式人工智能模型，向员工、学生和教师讲授生成式人工智能的风险及其合理使用。  随着机器变得越来越 「智能」，教育机构必须定义和完善工作方式，使其越来越多地反映「你和人工智能」的世界。生成式人工智能解决方案依靠人来塑造模型及其输出的质量。然而，保持对高层次批判性思维的关注对于学术界的个人和机构来说至关重要。 学术评估方法必须超越孤立的作业，向更持续、数据驱动的观点发展。将多种形成性和终结性方法结合起来仍然是一条持久的前进道路。与此同时，利用生成式人工智能工具来简化生产率并创建可信的内容初稿，或增强对话式用户界面以更好地支持学生，都可能有助于改善教育体验。 面对生成式人工智能解决方案的持续增长和选择，学生和教师评估何时以及如何有效使用生成式人工智能的能力将变得更加重要。针对教育领域的生成式人工智能产品的激增有可能改善各机构的研究、知识开发、辅导和生产率。然而，要实现这一潜力，教职员工和信息技术部门需要意识到生成式人工智能在提高行政工作、教学和研究效率方面所面临的挑战和长期机遇。展望未来，院校必须培养学生、教职员工的技能和判断力，确保他们学会如何做以下事情： · 提出正确的问题 · 评估、验证和完善人工智能成果 · 建立跨知识领域的跨学科联系 · 提出新见解，而不是复制现有观点 生成式人工智能对环境的影响也将是巨大的——特别是许多产品都依赖于生成式人工智能模型，而这些模型必须在海量数据集上进行训练——这一过程需要消耗大量电力。在短期内，专注于评估明确的用例、数据驱动的见解和小规模试点，为更广泛的机构人工智能战略提供信息，可能仍将是整个行业的典型方法。 机构在为未来做准备时，应采取一些关键行动： · 做好准备——人工智能创作和风险投资的快速发展意味着机构很可能会广泛使用人工智能。保留并不断完善与学生和教职员工分享的政策，并鼓励内部探索如何以积极的方式利用生成式人工智能。 · 监控这一不断发展的趋势——生成式人工智能技术正处于早期阶段，被广泛炒作，但学生和教职员工对生成式人工智能模型的广泛使用和探索可能会挑战许多传统的教育实践和评估方法。 · 探索有效的使用案例——评估符合机构战略的潜在教育用途，特别是那些影响课程管理和学术管理领域的用途。将机遇和威胁提炼出来，讨论长期战略对策。 · 遥望未来——接受教职员工和机构将继续超越人工智能的控制和限制性使用，转向利用人类投入和机器产出的最佳效果的有效实践。随着市场和技术的快速发展，要对其进行监控和跟踪，并探索人工智能如何帮助改善教育实践。 |
