继AlphaGo 2016年打败围棋世界冠军后,美国OpenAI公司2022年底发布的ChatGPT再次将人工智能技术推上新高度。ChatGPT代表的大语言模型表现出像人类一样思考和回答问题的能力,涌现出之前人工智能所不具备的创作能力,实现从量变到质变的飞跃。然而,ChatGPT带来巨大便利的同时也带来诸多挑战。人工智能是智能教育的核心,通用大模型对教育将产生哪些影响?未来教育将面临哪些挑战?为回答上述问题,本研究在梳理人工智能与教育融合发展的基础上,分析通用大模型对教育生态的潜在影响与应对策略。

发展走向

01

机器学习:自动演算

机器学习兴起于20世纪90年代,代表着人工智能技术的第一次范式转变:算法通用化,即不再针对特定领域,而是设计适用于不同领域数据的通用学习算法。机器学习基于数据构建概率统计模型并运用模型预测与分析数据。

 

机器学习主要用于解决点击量、评价量表、交互频率等教育统计数据的分析与预测,对于教学文本、课堂视频等语义复杂的数据,需要领域专家人工设计,将原始数据转化为高维特征以应用机器学习算法。这一阶段的人工智能还难以达到很高的识别能力,教育应用效果有限。

02

深度学习:智能感知

随着大数据集的出现和计算能力的提升,2010年以深度学习为名的深度神经网络开始复兴,代表着人工智能技术的第二次范式转变:架构通用化,不再需要人工设计特征,而是设计适用于多种应用的通用深度神经网络架构。

 

深度学习的高维特征自动提取能力,使其更适用于机器学习难以自动化处理的文本、图像、视频等数据,被广泛应用于课堂教学行为分析、学生情感计算、智能阅卷、个性化资源推荐等。

 

深度学习从教育统计数据扩展至教学视频、学习资源、试卷等多模态教学资源,使机器具有了接近人的识别能力,并在识别的基础上进行个性化推荐,这一阶段的人工智能还不具备像人一样的“创作”能力,但已经能在很多方面为教育赋能。

03

通用大模型:认知理解

2018年,GPT大语言模型的出现标志着通用大模型时代的开始,代表着人工智能技术的第三次范式转变:模型通用化,即不再针对每个领域训练不同模型,而是训练适用于所有领域的通用大模型。通用大模型也被称为基础模型、大模型。相比深度学习,通用大模型具有上下文学习能力,实现了初级的“创作”能力。通用大模型在自然语言处理任务中成型,已扩展至图像、语音等多种模态,未来将出现统一处理各种模态的通用大模型。

 

为探究通用大模型时代人工智能的教育影响,本研究对比了不同阶段人工智能技术的教育应用(见表1)。可以看出,机器学习实现了“能存会算”,深度学习实现了“能看会听”,通用大模型则实现了“能理解会创作”。

 

表1 不同人工智能技术教育应用对比

重塑教育生态

01

应用模式从专用走向通用

学习环境的泛化、教学技术的革新、学习场域的丰富积累了海量教育大数据,催生了数据驱动的研究范式,但面向不同学段、不同学科、不同环节的教育应用需要训练不同的人工智能模型,导致现有的教育应用仅适用于窄领域、单学科、局部学段。

 

将通用大模型具备的海量知识迁移至教育领域,形成教育通用人工智能大模型,将解决现有应用适用范围受限问题,形成教育应用生态的通用智能底座。不同学段、不同学科、不同场景的教育应用无需再收集训练数据,可基于通用智能底座,利用少量场域数据进行适配。在这一模式下,智能助教、智能学伴、智能导师等面向不同用户、不同场景的细分系统将共用统一的通用大模型,以满足宽口径、跨学科、全学段的多样性需求。

02

应用流程从分发走向生成

利用智能技术构建新型教育体系,其中重要一环就是建立学习者和学习资源的关联。现有的个性化学习资源推荐通常按“诊断—定制—分发”流程运作,根据学习者的知识水平、学习风格推荐学习资源。这在一定程度上解决了个性化推送问题,但其中的学习资源需要人工提前创作,难以满足学习者的多样性需求。

 

ChatGPT等大语言模型与教育内容结合后,将转变现有人工制作教育资源的模式,从分发预制的学习资源转变为汇聚、加工、生成个性化学习资源。这种教学资源生成模式将转变现有学习资源推荐路径,打破人工自定义资源的局限性,实现真正意义上的个性化推荐,推进规模化个性化教育发展。

03

应用场景从单一走向多元

目前生成式人工智能已经覆盖文本、图像、音频、视频、3D模型等多种模态,正在促进各个行业的转型升级。生成式人工智能的数字内容生产能力、人机交互与问答能力,将加速教育元宇宙的虚拟空间构建、打通真实世界与虚拟世界的社交沟通能力,促进教育场景从单一走向多元。

挑战与思考

01

挑战

人才培养目标发生改变

随着以ChatGPT为代表的人工智能通用大模型深入应用于生产生活的各个领域,各行各业对人才将提出新的需求,冲击现有的人才培养体系。一方面,人工智能通用大模型为各行各业提供了业务自动化、智能化的能力,导致知识和技能储备型人才培养的重要性弱化;另一方面,随着新兴智能技术的层出不穷,知识更迭速度大幅加快,越来越多新知识和新技术引进学校、走进课堂,成为学生学习的重点内容。

 

教育教学形态面临更替

ChatGPT的出现使得学生学习和教师教学更加个性化、灵活化,它在为广大师生带来便利的同时也催生出新的教育教学形态。例如,在学习层面,ChatGPT可以采用“苏格拉底教学法”,引导学生开展自主探究,并随时随地为学生提供必要的反馈和帮助。在教学层面,ChatGPT可以辅助教师查找备课资源、生成教学设计、准备教学课件等,极大提升备课效率。

 

伦理安全问题愈加突出

虽然ChatGPT为教育教学带来了便利,但它同样是一把双刃剑,可能在教育领域引发一系列技术伦理、隐私保护和数字鸿沟问题。一方面,数据驱动的人工智能模型存在数据偏见,在训练数据不足的领域可能给出以偏概全甚至虚假的反馈。另一方面,较多学生可能利用ChatGPT等工具投机取巧,引发学术伦理问题。

02

思考

坚持以人为本的人工智能教育

教育的首要目标是培养能独立思考、有正确价值判断能力、能运用知识解决问题的人,而不再仅关注获取特定的知识。在人工智能技术席卷教育领域的浪潮下,我们必须摆脱重复性、模式化、标准化学习方式的桎梏,努力回归人的本身,尊重个体差异,落实因材施教,致力于培养创造性心智。如此,人类的理想与信念、意义与价值、创造与创新、奋斗与进取,才能得到最大程度的维护。

注重智能时代学生高阶思维培育

人工智能技术革命带来的首要影响,是对教育或学习目标的改变。教育应侧重于提高学生的高阶思维,而不是一般技能,后者很容易被人工智能取代。一方面,教师要帮助学生识别什么有助于学习,什么阻碍学习,使学生认识到自身长处和短处,设定并实现个人学习目标。另一方面,教师要帮助学生建立人工智能工具的使用准则。

健全智能教育应用伦理规范体系

人工智能教育应用的伦理治理要涵盖监管、研发、使用等各环节,伦理道德要融入人工智能教育应用的全生命周期:坚持伦理先行,从制度建设、风险管控、协同共治等多方面推进人工智能教育应用的伦理监管;将伦理融入教育应用的各环节,加强教育数据采集和算法开发的伦理审查,实现人工智能教育应用的普惠性、公平性和非歧视性;强调责任感和使命感,避免人工智能技术的教育误用、滥用甚至恶用,保护师生隐私与数据安全。



人工智能对教育的影响经历了从利用机器学习优化教育,实现“能存会算”的自动化,到利用深度学习赋能教育,实现“能看会听”的感知化,再到利用通用大模型创新教育,实现“能理解会创作”的认知化。人工智能通用大模型加持下的教育生态,其应用模式将从专用走向通用,应用流程从分发走向生成,应用场景从单一走向多元。通用大模型的兴起及其在教育行业的快速渗透,将引发人才培养目标的转变及教育教学形态更替,并可能加剧伦理安全风险。人工智能与教育的融合发展要坚持以人为本,注重学生高阶思维培育,健全相应的伦理规范体系。

参考文献

[1]吴砥,李环,陈旭.人工智能通用大模型教育应用影响探析[J].开放教育研究,2023,29(02):19-25+45.

Scroll to Top
Scroll to Top