生成式人工智能在教育中的应用

生成式人工智能工具的日益普及为其在学术研究、知识开发和人工智能辅助创作中的应用创造了机会。高等教育首席信息官们将如何抓住机遇，充分利用生成式人工智能改善教育实践？

在不到一年的时间里，对许多高等教育机构来说，ChatGPT 和生成式人工智能已经从边缘认知转变为优先关注点。这些工具涉及一系列由人类提出的问题和人工智能生成的回答，促进了人们对人工智能在高等教育中多种潜在用途的思考：

学生用于研究、内容开发和学术作业。

管理人员用于撰写报告、分析数据和加强学生支持。

教师用于加速备课和开发教材。

那么，生成式人工智能是一种时尚，还是未来学校成功的关键推动力？本文将探讨生成式人工智能在教育领域的过去、现在和未来。

过去：理解生成式人工智能的潜力

生成式人工智能可定义如下：“从数据中学习人工制品的表征，并利用它生成与原始数据相似的独特内容（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一种具体实现，可以创建会话内容，在2022 年11 月作为研究发布后，不到一星期就吸引了100 多万用户。它很快成为历史上最新颖的体验和最成功的软件之一，引起了教育领域的密切关注，推动了大规模投资、产品开发和生成式人工智能解决方案的发展。

生成式人工智能输出由三个关键要素组合而成：

一个模型（例如ChatGPT 背后的生成预处理变压器模型）和用于训练它的数据。

个人提出的问题（或提示）。

对问题进行改进，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 的研究成果在超过570 GB 的数据（来自书籍和互联网）上进行了训练，并通过人工反馈进行了改进。也就是说，训练的时间（截至2021 年）和数据的真实性是评估ChatGPT 输出成果时需要考虑的因素。

三个因素导致了生成式人工智能在教育领域的加速使用：

免费或低成本的广泛网络接入。

通过基于文本和图像的用户界面进行交互，加速书面、视觉或输出代码的生成。

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，学生对ChatGPT 的广泛使用不可避免地引发了对学术诚信的质疑。随着GPT-4 的发布，人们对生成式人工智能创作高质量论文和测试结果的能力的担忧进一步加剧，GPT-4 开始在各种专业和学术基准上展示“人类水平的表现”。

GPT-4 开始在各种专业和学术基准上展示“人类水平的表现”。

针对人工智能生成内容的反剽窃软件根据输出结果、教师反馈和学生行为不断发展。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饰人工智能生成技术的嵌入模式。

目前，随着所有主要的技术供应商和教育技术产品陆续具备生成式人工智能的元素，人们对其应用的接受程度也变得更高。正如某高校教师最近提出的问题：“难道高等教育机构不应该为毕业生在一个生成式人工智能无处不在的世界里工作而做好准备吗？”

现在：评估风险和现实

教育领域对生成式人工智能的态度，已从否认，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，现在许多学校都制定了政策，控制和限制学生和教职员工对人工智能的不当使用，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，并正在评估是采取购买还是定制构建的方法。

世界各地的教师和学校都承认，禁止生成式人工智能是对变革的短视。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、演示和通信工具中。学校政策也在不断演变，以反映这一趋势：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。

教师们认识到反剽窃工具在学生行为准则中仍然发挥着作用。为避免学生对ChatGPT 的滥用，学校会对学生作弊的后果进行通报。然而，对于许多学校来说，对ChatGPT 应用结果进行评估的实践被认为是最现实的前进方向。围绕如何更好地实现这一目标，很多学校成立了特别工作组和委员会推动这项工作，并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职业相关？

教与学。学校如何教授适当的提示设计和输出评估技能？如何培养教师的数字素养，让他们接受并发掘人工智能的潜力？

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。如何以及在何种情况下，可以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？

随着教育机构日渐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内容：

提高生产力。加快报告编写、编程、会议规划和决策支持。人们对具有改进会话界面的聊天机器人的兴趣日益浓厚，其目标是释放学生支持服务的能力，以帮助那些最需要帮助的人。

支持教学。加速课程计划、教学视频、图像、演示文稿、课堂笔记和学习支持材料的创建。

协助研究。总结内容、分析数据、确定模式、选择合适的研究方法、同行评议（peer-review）论文、连接知识领域、设计研究项目、提出假设并生成文献综述。

提高学生参与度。加强选课指导、账单和费用支付、课程注册、学习技能、时间管理和人工智能生成的对话信息，以推动学生采取行动，提高成绩。

教育部门对生成式人工智能的兴趣，为新的和现有的采用生成式人工智能方法的技术供应商（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（但在特定用例中优于或能够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”。有时，由于模型使用“统计学”来选择下一个单词，而没有实际“理解”内容，因此会产生错误的答案。

训练数据欠佳。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这些数据。

深度造假。ChatGPT 生成的输出结果可能看起来很真实，但实际上可能是虚假内容。

欺诈和滥用。不良行为者已经在利用ChatGPT 撰写虚假评论、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，各学校正在加大努力，通过创建相关提示和评估生成式人工智能模型，向员工、学生和教师传授生成式人工智能的风险及其合理使用。

未来：实践、产品和选择的悖论

随着机器变得更加“智能”，教育机构必须定义和完善工作方式，以更好地反映“你和人工智能”的世界。生成式人工智能解决方案要依靠人类来来塑造模型及其输出的质量。因此，对学术领域的个人和机构来说，保持对更高层次批判性思维的关注至关重要（图1）。

图1 知识发展的未来：在你与人工智能之间（来源：Gartner）

学术评估方法必须从孤立的作业发展到更持续的、数据驱动的观点。将多种形成性方法和总结性方法结合起来，继续提供一条持久的前进道路。同时，利用生成式人工智能工具简化生产力，创建可信的内容初稿，或增强会话用户界面，以更好地支持学生，这些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。专门针对教育的生成式人工智能产品的激增可能会改善各学校的研究、知识开发、辅导和生产力。然而，为了发挥这一潜力，教职员工和信息技术部门需要意识到生成式人工智能的挑战和长期机遇，以提高其管理、教学和研究的效率。展望未来，各学校必须培养学生、教职员工的技能和判断力，以确保他们学会如何做以下事情：

提出正确的问题。

评估、验证并改进人工智能输出。

建立跨知识领域的跨学科联系。

生成新的见解，而不是创建现有视图的副本。

生成式人工智能对环境的影响也很显著——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——这一过程需要耗费大量电力。专注于评估明确的用例、数据驱动的见解和小规模试点，为更广泛的学校人工智能战略提供信息，在短期内可能仍将是整个行业的典型方法。

在为未来做准备时，各学校应采取一些关键行动：

做好准备。人工智能创作和风险资本投资的快速发展意味着学校很可能会广泛使用人工智能。不断完善政策，与学生和员工分享，鼓励内部探索如何以积极的方式利用生成式人工智能。

监控生成式人工智能发展的趋势。生成式人工智能技术尚处于早期阶段，并被广泛宣传，但学生和教师对生成式人工智能模型的广泛访问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。评估符合学校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。将机遇和威胁提炼为对长期战略对策的讨论。

展望未来。接受事实，即教师和学校将继续超越人工智能的控制和限制性使用，寻求利用最佳人类输入和机器输出的有效实践。监控并跟踪市场和技术的快速发展，探索人工智能如何帮助改进教育实践。