生成式人工智能对新时代农科教育的影响

摘" 要：随着现代信息技术的迅猛发展，高等教育领域也经历巨大的变革。信息科技与高等教育的结合正在塑造着未来教育的新面貌，其中生成式人工智能技术在农科教育领域产生巨大的影响，一方面，生成式人工智能在农科教学中的应用不仅提高了教学质量和效率，还为学生提供了更丰富的学习体验，推动了农科教育的创新和发展，带来了巨大的便捷和显著的效益。另一方面，生成式人工智能在农科教育中的应用也存在着争议与问题。面对生成式人工智能给农科教育领域带来的巨大机遇和挑战，需要思考如何最大程度地利用其优势，并同时警惕其潜在的风险和弊端。

关键词：生成式人工智能；农科；高等教育；农业科技人才；农业现代化

中图分类号：G640" " " 文献标志码：A" " " " " 文章编号：2096-9902（2024）23-0006-07

Abstract： With the rapid development of modern information technology， the field of higher education has also undergone tremendous changes. The combination of information technology and higher education is shaping the new look of future education. Among them， generative artificial intelligence technology has had a huge impact in the field of agricultural education. On the one hand， the application of generative artificial intelligence in agricultural teaching not only improves The quality and efficiency of teaching also provide students with a richer learning experience， promote the innovation and development of agricultural education， and bring huge convenience and significant benefits. On the other hand， there are also disputes and problems in the application of generative artificial intelligence in agricultural education. Faced with the huge opportunities and challenges that generative artificial intelligence brings to the field of agricultural education， we need to think about how to make the most of its advantages， while at the same time being alert to its potential risks and drawbacks.

Keywords： generative artificial intelligence; agricultural science; higher education; agricultural science and technology talents; agricultural modernization

科技创新是推动人类文明进步的根本动力，其不断地催生着新的思想、新的发现和新的工具，每一次科技产业革命都是一次历史性的飞跃，深刻地改变着世界的发展模式和权力结构。当今时代，随着人工智能的迅速发展，生成式人工智能通过不断的迭代和优化，深刻改变了人类工作、学习、生活和认知方式[1]。2016年，AlphaGo击败了围棋世界冠军李世石，这在当时被认为是人工智能发展的里程碑式的成就；2022年，由美国OpenAI开发的生成式人工智能ChatGPT（Chat Generative Pre-trained Transformer）横空出世，在全球范围内迅速走红，推出仅2个月，用户数量增长了9 900%，月活跃用户就达到了1亿，成为有史以来增长最快的消费应用程序。

生成式人工智能的发展不仅在技术领域引发了广泛的关注和研究，也在社会、经济和文化层面产生了深远的影响。ChatGPT的成功应用使得人工智能在自然语言处理、文本生成、对话系统等方面取得了突破性进展[2]，这不仅提升了人们获取信息和进行交流的效率，也为各行业提供了创新的解决方案。当前，在国家大力推动人工智能发展的政策背景下，人工智能与教育的融合创新已经成为当前教育研究的热门领域。

农科作为新时代农业发展的核心学科，肩负着培养高素质农业科技人才、推动农业科技进步和促进农业现代化的重任。农科教育是农业科学技术与教育相结合的一个关键领域，新时代的农科教育不仅要培养具备扎实农业科学基础和创新能力的专业人才，还要适应信息化、智能化和全球化的发展趋势。生成式人工智能的引入，为新时代农科教育注入了新的活力和动能，推动其在多个方面实现创新与突破。

1" 生成式人工智能的迅速发展

生成式人工智能（Generative Artificial Intelligence，简称GAI）是一种基于机器学习和人工智能技术的范畴，其目标是让计算机系统能够自主地生成各种类型的数据，如文本、图像、音频等，而不仅仅是对已有数据的模仿或分类。2017年，Google发布著名论文Attention is All You Need，提出了基于一种新的神经网络-Attention注意力机制所构建的模型Transformer[3]；2018年OpenAI和谷歌分别推出了GPT模型以及BERT模型[4]，均是在Transformer的基础上构建，Transformer及GPT模型标志着生成式人工智能在文本领域的重大飞跃。与此同时，伴随着VAEs、扩散模型、神经辐射场、CLIP等一系列生成算法和多模态模型的不断成熟，生成式人工智能的时代正式开启。从传统人工智能到生成式人工智能，我们见证了一场科技革命的跃升，标志着人类智慧的新里程碑。传统人工智能是一种模拟人类智能的技术，其主要依靠预先编程的算法和规则设定来完成任务，其功能受限于固定的数据和指令。而生成式人工智能则更进一步，其通过深度学习和神经网络等技术，使得计算机能够更像人类一样进行自主学习和创造。该技术正在唤醒全球对人工智能（AI）变革潜力的认知，激发起了前所未有的关注和创造力浪潮。生成式人工智能的突破性在于其能够产生新的内容、创造新的想法，而不仅仅是对已有数据的分析和处理。该技术可以模仿人类的对话和决策能力，使我们站上了公众采用人工智能的第一个真正拐点。

基础模型是指参数数量达到数十亿级别的大型模型，而大语言模型（LLM）是其中的一种，它属于生成式人工智能的范畴[5]。大型语言模型（LLM）通过在海量文本数据集上进行训练，学习人类语言的复杂结构和表达方式，其中包括各种书籍、文章和网站等来源的文本数据。生成式人工智能技术的最大突破便来自于底层大模型，生成式人工智能的典型代表ChatGPT背后的大语言模型代表了人工智能发展的关键转折点和重要里程碑[6]。大语言模型凭借其两项优势，正在从根本上改变商界、学术界乃至社会本身，同时开辟全新的技术潜能。第一，这类模型成功解决了语言复杂性的挑战。如今，机器拥有了前所未有的能力，可以深入学习语言的结构、上下文含义和表达意图，并能够自主地生成和创作内容。第二，在利用大量数据（文本、图像或音频）进行预训练后，这些模型可以通过微调或调整来适应各种不同的任务。这使得用户可以以多种方式重复使用模型，可以直接使用模型，也可以稍作修改后再次利用GPT作为当前全球最强大的语言大模型，从2018年5月GPT初代版本，到2023年3月的GPT-4，仅5年时间模型的性能就产生了质的飞跃。在GPT模型快速进化的背后，一方面是对训练方法的持续迭代，从GPT-1的半监督式学习，到GPT-2舍弃了微调阶段[7]，再到GPT-3的In-context学习和海量参数[8]，以及引入了基于人工反馈的强化学习之后的ChatGPT；另一方面，在模型参数规模扩大背后，是OpenAI对研发和算力的持续高投入支撑了模型参数和训练数据的快速膨胀。GPT-4相较于之前版本的GPT模型，在推理能力、文本生成能力、对话能力等方面有了大幅提升，甚至在许多能力上已经超越了人类基准[9]。GPT-4语言模型的推出，标志着基于语言的人工智能应用程序迈入了崭新的功能阶段。基于深度学习模型指数级增长的规模与能力，未来的十年将迎来机器掌握语言的时代。

ChatGPT爆火之后，世界各企业公司也纷纷推出相关的生成式人工智能产品，如谷歌在大型语言模型基础上推出的聊天机器人Bard，微软推出的最新版本搜索引擎NewBing等；转观国内，可谓百家争鸣，各大企业自主研发人工智能如雨后春笋不断涌现，国内首款生成式AI产品“文心一言”由百度推出，支持文学创作、文案创作、数理推算、多模态生成等功能。随后阿里云的“通义千问”、腾讯的“混元助手”、华为的“盘古”、科大讯飞的“星火”等等也紧随其后推出，在这一领域展开了激烈的竞争。随着生成式人工智能技术的不断进步和成熟，企业们意识到其在满足用户个性化需求、提升用户体验方面的巨大潜力[10]。这些产品的推出不仅仅是市场竞争的结果，更是对人工智能技术在各个领域应用和发展的一种响应。不仅丰富了生成式人工智能产品的市场生态，也为用户提供了更多元化、更个性化的人工智能服务。同时也进一步推动了人工智能技术的创新和发展，为未来更广泛的应用场景奠定了坚实基础，为构建智能化、个性化的人工智能服务生态作出了重要贡献。

2" 生成式人工智能对农科教育的影响

生成式人工智能的快速发展，引领着人工智能技术飞速演进，对社会各领域产生重大的冲击和影响是全方位的，教育领域也不例外。在如生成式人工智能此类的智能技术的推动下，教育领域正经历着数字化转型的重大变革。这一转型不仅影响未来人才培养、知识传播和个人学习路径，也对社会发展和国家竞争力有着重要的战略意义。

党的二十大报告指出，教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑[11]。习近平总书记多次就教育、科技和人才三者关系进行深入阐释与剖析，在二○二四年新年贺词中，更是强调新的一年应“以更大力度办教育、兴科技、育人才”[12]。科技、教育和人才构成了一个复杂而密切的有机整体，彼此相互依存、相互促进。科技的不断进步为教育提供了前所未有的工具和资源，为人才培养提供了更广阔的舞台和更多的可能性。教育则是培养人才的摇篮，通过知识的传授、技能的培养和思维的引导，为社会输送着各个领域的人才。而人才则是科技发展和社会进步的关键因素，通过创新、实践和应用推动着科技的不断突破和社会的持续发展。而高校作为教育、科技、人才的集中交汇点，承担着育人育才的重任，应积极探索推进教育、科技、人才“三位一体”协同融合发展。

习近平总书记明确指出：“教育数字化是我国开辟教育发展新赛道和塑造教育发展新优势的重要突破口。”在教育数字化转型过程中，人工智能这一战略性技术的影响绝对是不可忽视的。教育部印发的《高等学校人工智能创新行动计划》中也强调，要引导高等学校瞄准世界科技前沿，不断提高人工智能领域科技创新、人才培养和国际合作交流等能力，为我国新一代人工智能发展提供战略支撑。要加快人工智能在教育领域的创新应用，利用智能技术支撑人才培养模式的创新、教学方法的改革、教育治理能力的提升，构建智能化、网络化、个性化、终身化的教育体系[13]。教育部部长怀进鹏在2024世界数字教育大会上提出将实施人工智能赋能教育行动，为学习型社会、智能教育和数字技术发展提供有效的行动支撑。从诸多政策文件中不难看出，我国正积极支持运用人工智能技术推动教育事业发展，勠力推动数字化赋能教育强国建设。

“务农重本，国之大纲”，自2018年新农科的思想提出以来，我国一直致力于推动农业发展和乡村振兴建设。而高校的农科类学生是参与实施乡村振兴战略的重要人才资源，也是未来推进战略实施的主要力量。新农科建设与《国家中长期教育改革和发展规划纲要（2010—2020）》中关于高校和行业开展协同育人具体要求紧密契合。新农科建设目标是培养创新人才，满足未来农业发展需要，聚焦于农业产业化前沿，应对科技变革和全球化竞争，服务乡村振兴，实现农业现代化的战略性举措[14]。利用人工智能的发展契机，加快布局和建设新农科，改变农科人才培养范式，推进新农科创新创业教育，是振兴高等农科教育的有效途径。生成式人工智能作为这一变革的重要驱动力，正以前所未有的速度和深度影响着农科教育的各个方面。其广泛的应用不仅在教学和科研中发挥了重要作用，更为新农科建设带来了全新的发展路径和战略思考。

2.1" 生成式人工智能为农科教育带来便捷与效益

一方面，生成式人工智能的广泛应用在农科教学中发挥了重要作用，带来了巨大的便捷和显著的效益。不仅提高了教学质量和效率，还为学生提供了更丰富的学习体验，推动了农科教育的创新和发展。

2.1.1" 提升教学内容的生动性和互动性

传统的农科教学往往依赖于书本和讲授的方式，学生们很难直观地理解复杂的农业科学概念，很容易导致学生在学习过程中感到枯燥乏味。而生成式人工智能的出现改变了这一现状，通过创建虚拟现实（VR）和增强现实（AR）环境，生成式人工智能能够为学生提供身临其境的学习体验，使他们在一个充满互动和动态变化的虚拟世界中，深入理解农业生产的各个环节[15]。例如，在虚拟现实技术的帮助下，学生可以参观虚拟农场[16]，这个农场完全基于真实数据和模型构建，能够展示植物从种子发芽到成熟收获的全过程。学生不仅可以观察植物的生长，还可以看到不同环境条件对植物生长的影响，如光照、水分和土壤养分的变化。通过这种直观的方式，学生可以更好地理解植物生理和生态学的基本原理。此外，生成式人工智能还可以模拟各种农业场景和问题，供学生进行互动和解决。例如，通过模拟农业机械的操作[17]，学生可以在虚拟环境中练习驾驶拖拉机、播种机等设备，学习如何高效、安全地操作这些机械设备。这种模拟练习不仅可以减少实际操作中的风险，还能使学生能够更直观地理解操作步骤，同时学生能够在短时间内积累大量实践经验，提高自身的实践技能水平。这种类似沉浸式的学习体验不仅使学生更容易掌握知识，还大大提高了他们的学习兴趣和主动性。学生在虚拟环境中进行互动和探索时，可以更主动地提出问题和寻求答案，培养他们的批判性思维和问题解决能力。

2.1.2" 个性化农科教学

不同的学生有不同的学习速度、兴趣点和理解能力，传统的教学方法通常采用一刀切的模式，很难满足每个学生的个性化需求，导致一些学生可能感到无聊或跟不上进度。而生成式人工智能通过大数据分析和机器学习技术，可以详细分析每个学生的学习数据，包括他们的学习进度、测试成绩、学习习惯和兴趣偏好，从而为每个学生提供个性化的学习建议和资源[18]。例如，一个对植物病理学感兴趣的学生，生成式人工智能可以通过分析他在这方面的学习记录和测试结果，发现他在哪些具体的知识点上表现较好，在哪些方面还有所欠缺。然后，系统会自动推送相关的学习材料、视频教程和虚拟实验机会，帮助他深入理解植物病理学的各个方面，甚至可以安排与植物病理学相关的科研项目或课题，激发他的学习热情和科研兴趣。这种精准的学习资源推荐，使得学生能够在自己感兴趣的领域得到更深入的学习和发展。甚至生成式人工智能还可以实时监测学生的学习状态和情绪反应，通过情感计算技术，判断学生在学习过程中是否感到困惑、焦虑或兴趣下降。基于这些情感数据，系统可以及时调整学习内容和难度，提供适当的鼓励和支持。例如，当学生在学习某个复杂概念时感到困惑，系统可以提供更多的解释和例题，或者安排一对一的在线辅导，帮助学生克服学习障碍。而当学生在某个领域表现出特别浓厚的兴趣时，系统可以推荐更多的延伸阅读材料和相关活动，进一步激发学生的学习动力。个性化教学不仅提高了学生的学习效果，还帮助他们更好地发掘自己的兴趣和潜力。通过生成式人工智能，每个学生都能获得量身定制的学习体验，从而在最适合自己的节奏和方式下，掌握农业科学的知识和技能。这种教学模式不仅有助于培养学生的自主学习能力和创新思维，还能帮助他们找到自己在农业科学领域的兴趣点和发展方向，为他们未来的职业发展打下坚实的基础。

2.1.3" 辅助教师教学

教师可以利用生成式人工智能进行数据分析，实时监测学生的学习表现和课堂参与情况，从而及时调整教学策略，以便更好地满足学生的学习需求和提高教学效果。通过生成式人工智能的帮助，教师可以对学生的考试成绩、课堂参与度和作业完成情况进行详细分析。这些数据能够揭示出学生在学习过程中遇到的具体困难和挑战，教师可以据此发现哪些知识点是学生普遍难以理解的。例如数据分析显示大多数学生在某个特定的概念上成绩不理想，教师就可以在接下来的课程中重点讲解这一内容，提供更多的实例和解释，帮助学生克服学习障碍。此外，通过实时监测学生的课堂参与情况，包括他们的提问次数、回答问题的积极性以及小组讨论的参与度等所得的数据可以帮助教师了解学生在课堂上的活跃程度和学习兴趣，同时可以为学生的课程成绩打分提供参考[19]。生成式人工智能还可以为教师提供教学资源的创意建议和内容生成，减轻教师的备课压力。教师可以利用人工智能生成的教学内容，如多媒体课件、互动练习和评估题库等，丰富课堂教学。人工智能还可以根据最新的研究成果和教育资源，自动生成适合不同教学主题的教学材料，帮助教师快速生成各种教学资源，如讲义、幻灯片、试卷和实验指导书等，从而节省大量的时间，进而能将更多的时间和精力用于关注教学质量的提升上。宾夕法尼亚大学沃顿商学院的教授Terwiesch指出[20]，通常需要20个小时来制作一份考试题目，助教们还需要另外10个小时来测试考试题目并编写答案。然而，ChatGPT能够在10个小时内完成考试题目的制作，并将助教的时间减少到5个小时。在“考试题目编写操作”中使用生成式人工智能使得生产力提高了100%。生成式人工智能在农科教学中的应用，为教师提供了强有力的支持和帮助，极大地提高了教学效率和质量。

2.2" 生成式人工智能为农科教育带来争议与挑战

另一方面，生成式人工智能的广泛应用也对农科教育提出了新的挑战和问题[21]。高校机构、教师、政策制定者和技术开发者需要共同努力，积极应对这些挑战，以推动生成式人工智能在农科教育中的健康发展，并最大化其潜力为农业科技的进步和教育质量的提升作出贡献。

2.2.1" 加剧教育资源分配的不均衡

引入先进的技术需要大量的资金投入，涵盖硬件设备、软件开发、数据管理和人员培训等多个方面。这对于资源匮乏的地区或学校来说可能是一种负担，无法承担这样的高昂成本；而在发达地区或资金充足的学校，能够更容易地获取和应用最新的技术，因此在教育资源的配置上会占据更大的优势，这会导致技术应用的不平等。同时，生成式人工智能技术日新月异，教师和学生都需要不断学习和适应新技术。这对高校师资培训和学生的学习提出了更高的要求。教师不仅要掌握农业科学知识，还需要了解和运用先进的人工智能技术。而在资源有限的地区，这种培训和学习机会可能相对匮乏，导致教师在技术应用上的能力差距进一步扩大。如在西南某地级市中心区义务教育学段教师的调查中[22]，多数教师并不了解生成式人工智能技术情况，66.75％的教师没有使用过相关产品。教育资源的不均衡分配不仅会影响学生的学习机会和发展，也可能加剧地区或社会的教育差距。

2.2.2" 数据隐私和安全的问题

生成式人工智能系统依赖于复杂的算法和庞大的数据处理能力。然而，这些系统在运行过程中可能会出现技术故障，如系统崩溃、数据丢失或数据处理错误。这些故障不仅会影响教学的正常进行，还可能导致重要数据的永久丧失，影响科研工作的顺利开展。数据泄露是另一个严重的安全问题。高校和研究团队需要存储和传输大量的数据，如果在这个过程中没有采取足够的安全措施，数据就有可能被未经授权的人员访问。黑客可能通过攻击学校的网络系统，窃取学生和教师的个人信息以及科研数据。数据泄露不仅会侵犯个人隐私，还可能对科研成果的保密性和完整性造成威胁。虽然数据匿名化和去标识化是保护数据隐私的重要手段，但在处理高维度、复杂的农科数据时，实现完全的匿名化和去标识化具有相当大的难度。这些数据往往包含多个维度的信息，即使去除了显性标识，也可能通过数据的其他特征进行反识别，威胁到个人隐私。此外在数据收集和使用过程中，如何确保学生和研究参与者的知情同意和透明度，也是一个关键问题。生成式人工智能系统需要处理大量的个人和实验数据，但用户是否充分了解这些数据的收集目的、使用方式和潜在风险，仍然值得关注和改进。

2.2.3" 过度依赖的风险

AI技术虽然能够提供丰富的资源和快速的解答，但它不能替代人类对基础知识的深入理解。教师和学生可能会倾向于使用AI提供的答案和方案，而不是花时间去理解和掌握基本概念和原理，这会导致忽视基础知识的学习和理解[23]。教师在教学过程中扮演着引导者和启发者的角色。然而，过度依赖生成式人工智能，教师可能逐渐转变为AI技术的使用者和监督者，失去对教学过程的主动控制。这不仅会削弱教师的专业技能和教学能力，还可能影响他们的职业成就感和教学热情。而学生在学习过程中，独立思考和探索是培养创新能力和解决问题能力的重要途径。过度依赖AI，学生可能缺乏自主探索和思考的机会，逐渐失去对学习的主动性和兴趣，导致在面对复杂问题时缺乏必要的知识储备和思维能力，无法独立解决问题。

2.2.4" 伦理失常问题

生成式人工智能的应用使得传统教学模式从“师-生”二元结构转向“师-机-生”三元结构[24]。而不少学者都表达了对人工智能与教育融合创新带来的道德失范与伦理失常的担忧。传统教育中，教师与学生之间的互动不仅仅是知识传递的过程，更是情感交流和价值观传递的过程。人工智能虽然能提供丰富的教学资源和快速的解答，但缺乏人类情感和价值观的传递功能。人工智能教育强调技术和效率，但忽视了人文教育的重要性。人文教育不仅仅是知识的传授，更是对学生道德、伦理、审美和价值观的培养。如果人工智能过度介入教育过程，人文教育可能会被边缘化，学生在道德素养和人文素养方面的培养可能受到影响。随着人工智能技术的不断进步，AI替代了教师的部分工作，特别是在一些重复性强、标准化程度高的教学任务中。这不仅会影响教师的职业地位和工作满意度，还可能导致教育质量的下降。教师不仅是知识的传授者，还是学生的引导者和榜样，他们在教育中的角色无法完全被机器替代。

3" 生成式人工智能对农科教育的启发

在2024世界数字教育大会“人工智能与数字伦理”平行论坛上，伦敦玛丽女王大学校长科林·贝利表明了鲜明观点：“不要禁止使用智能技术，要拥抱它。”的确，这不仅仅是对技术的支持，更是对教育者和政策制定者的一种思考方式：面对技术革新，我们应当如何理性而有效地引导其发展，以促进教育的全面进步。教育界不应退缩或抗拒技术进步，而是应积极地与其合作、探索和创新。当然，对于生成式人工智能应用于农科教育所带来的挑战与问题，也是当前需要深入思考和行动的重要议题。

3.1" 技术应用与基础设施建设方面

政府和高校需要加大对生成式人工智能技术在农科教育中的投资和支持，确保先进技术的普及和使用。提升学校和研究机构的技术基础设施，包括网络设施、计算资源和数据存储能力，以应对大规模数据处理和实验模拟的需求。具体来说，政府可以设立专项资金或补助项目，资助学校和研究机构购买生成式人工智能相关的硬件设备和软件平台，资助教师和研究人员参加生成式人工智能技术的培训课程和专业发展项目，资助科研团队开展与生成式人工智能相关的农业科技研究和开发项目，支持建设虚拟实验室、在线学习平台和智能教学系统，为学生提供互动式学习和实践机会。通过这些资助项目，政府可以激励学校和研究机构积极采用生成式人工智能技术，推动农科教育的现代化和创新发展，从而为未来农业领域的可持续发展注入新的动力和智慧。

3.2" 数据隐私与安全保护方面

需要制定和执行严格的数据管理政策，明确数据收集、使用、存储和共享的规范和流程。这些政策应符合相关法律法规，例如个人信息保护法等，确保个人数据的合法、透明和安全处理。同时对敏感数据进行加密，采用安全的传输和存储方式，防止数据在传输和存储过程中被窃取或篡改风险。对于不需要直接关联到个人身份的数据，可以考虑匿名化处理，减少数据泄露的风险。建立起严格的访问控制机制，确保只有授权人员能够访问和处理数据。采用多层次的身份验证措施，如密码、双因素认证等，增强数据访问的安全性。再建立起数据使用和访问的实时监控系统，能够及时发现和阻止未经授权的访问行为。定期进行数据安全审计，检查系统的安全性和合规性，及时发现和解决潜在的安全风险。对教育工作者和研究人员也要进行数据安全意识和操作规范的培训，提升其对数据保护重要性的认识和理解。教育他们如何正确处理和使用数据，避免人为的数据泄露和安全事件。当然也需要制定应急响应计划和数据安全事件处理流程，以应对数据泄露、黑客攻击等突发事件。建立灵活、高效的风险管理机制，及时应对和减少潜在的安全威胁。

3.3" 教育资源的平等分配与使用方面

政府可以通过资助计划或补贴措施，确保各个地区和学校能够平等获取生成式人工智能技术所需的硬件设备和软件平台。特别是在偏远地区或资源匮乏的地方，政府可以优先考虑网络基础设施的改善。同时提供针对教师和学生的生成式人工智能技术培训计划，以确保他们能够充分利用这些技术进行教学和学习。可以推动开发和分享生成式人工智能技术相关的开放式教育资源，如在线课程、虚拟实验室和学习工具。这些资源应该免费或者低成本提供，以促进广泛使用和公平获取。

3.4" 伦理问题方面

联合国教科文组织所通过的《人工智能伦理问题建议书》对以人为本的人工智能的应用取向进行了系统深入的界定[25]，可以作为很好的参考。高校应重视人文教育，将其作为教育体系的核心组成部分。通过课程设置和教学方法的创新，引导学生在人工智能技术的背景下，依然能够接受和理解人文教育的精神。教师在教学设计中，应促进技术与人文的有机融合。利用人工智能技术的优势，例如个性化学习和实时反馈，同时强调情感交流和学生自主性的培养，以确保教育过程的全面性和深度。制定相关的伦理准则和政策，指导人工智能在教育中的应用，以防止技术滥用和道德风险的出现[26]。同时鼓励社会各界和公众参与到生成式人工智能教育的讨论和决策过程中。通过广泛的社会参与和舆论监督，可以更好地平衡技术进步与人文关怀之间的关系，确保教育的公平性和质量。

4" 结束语

生成式人工智能在新时代农科教育中的影响和启发是不可忽视的。随着技术的进步和应用的普及，农业教育正经历着从传统到现代的转变。人工智能为农科教育注入了新的动力，同时，生成式人工智能也挑战着教育模式和教师的角色，强调了技术与人文教育的结合以及创新精神的培养。生成式人工智能不仅仅是一种工具或技术，它正在重新定义教育的本质和形式。面对这一挑战和机遇，教育界需要积极拥抱技术进步，同时保持对人文教育价值的坚守，确保学生在技术驱动的学习环境中获得全面发展和深刻的人文素养。未来，随着技术的不断演进和教育理念的更新，农科教育将继续在人工智能的推动下迎接新的挑战和机遇，为全球农业的可持续发展贡献更多智慧和力量。

参考文献：

[1] YANG W. Artificial Intelligence education for young children： Why， what， and how in curriculum design and implementation [J]. Computers and Education： Artificial Intelligence， 2022， 3： 100061.

[2] LIM W M， GUNASEKARA A， PALLANT J L， et al. Generative AI and the future of education： Ragnar？k or reformation？ A paradoxical perspective from management educators [J]. The international journal of management education， 2023， 21（2）： 100790.

[3] VASWANI A， SHAZEER N， PARMAR N， et al. Attention is all you need [J]. Advances in neural information processing systems， 2017， 30.

[4] DEVLIN J， CHANG M， LEE K， et al. Pre-training of deep bidirectional transformers for language understanding in： Proceedings of the 2019 conference of the north american chapter of the association for computational linguistics： Human language technologies， volume 1 （long and short papers） [J]. Minneapolis， MN： Association for Computational Linguistics， 2019： 4171-86.

[5] ZHAO W X， ZHOU K， LI J， et al. A survey of large language models [J]. arXiv preprint arXiv：230318223，2023.

[6] SEVILLA J， HEIM L， HO A， et al. Compute trends across three eras of machine learning[C]// proceedings of the 2022 International Joint Conference on Neural Networks （IJCNN）， F，2022，IEEE.

[7] RADFORD A， WU J， CHILD R， et al. Language models are unsupervised multitask learners [J]. OpenAI blog，2019， 1（8）：9.

[8] BROWN T， MANN B， RYDER N， et al. Language models are few-shot learners [J]. Advances in neural information processing systems，2020，33：1877-1901.

[9] ACHIAM J， ADLER S， AGARWAL S， et al. Gpt-4 technical report [J]. arXiv preprint arXiv：230308774， 2023.

[10] CANHOTO A I， CLEAR F. Artificial intelligence and machine learning as business tools： A framework for diagnosing value destruction potential [J]. Business Horizons， 2020，63（2）：183-193.

[11] 习近平.高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告[J].党的生活（黑龙江），2022（11）：4-23.

[12] 新华社.国家主席习近平发表二○二四年新年贺词[J].中国民政，2024（1）：4-5.

[13] 教育部关于印发《高等学校人工智能创新行动计划》的通知 [J].中华人民共和国教育部公报，2018（4）：127-135.

[14] 王畅，赵赫，左丽丽，等.“新农科”背景下农业院校创新创业人才培养模式研究[J].创新创业理论研究与实践，2023，6（6）：76-78，82.

[15] 侯文峰，高强，李翠兰，等.新农科背景下基于VR技术的新型农学类实验教学模式设计与探索[J].大学教育，2023（14）：66-70.

[16] 贾继文，刘之广，刘艳.农业虚拟仿真实验教学发展模式研究[J].实验室科学，2022，25（3）：101-104.

[17] 韩佃雷，杨启志，周脉乐，等.基于虚拟仿真的农机实验教学改革研究[J].高教学刊，2023，9（21）：111-114，119.

[18] 张波.生成式人工智能对新闻传播教育的影响及因应[J].中国广播电视学刊，2023（10）：22-25.

[19] KIM S， PARK J， LEE H. Automated essay scoring using a deep learning model [J]. Journal of Educational Technology Development and Exchange， 2019， 2（1）： 1-17.

[20] TERWIESCH C. Would Chat GPT Get a Wharton MBA？ A Prediction Based on Its Performance in the Operations Management Course. Mack Institute， Wharton， University of Pennsylvania [Z]. 2023.

[21] 苗逢春.生成式人工智能及其教育应用的基本争议和对策[J].开放教育研究，2024，30（1）：4-15.

[22] 林波.教师运用生成式人工智能辅助教学的情况调查及启示[J].教育科学论坛，2024（8）：20-22.

[23] 朱英杰，黄欣玥.人工智能迭代速度超乎想象，对教育有何影响？[N].人民政协报，2024（011）.

[24] 杨宗凯，王俊，吴砥，等.ChatGPT/生成式人工智能对教育的影响探析及应对策略[J].华东师范大学学报（教育科学版），2023，41（7）：26-35.

[25] MIAO F， HOLMES W， HUANG R， et al. AI and education： A guidance for policymakers [M]. Unesco Publishing， 2021.

[26] 高雪薇.人工智能赋能教育评价改革的优化策略研究[D].黄石：湖北师范大学，2024.