生成式人工智能工具的日益普及為其在學術研究、知識開發和人工智能輔助創作中的應用創造了機會。高等教育首席信息官們將如何抓住機遇,充分利用生成式人工智能改善教育實踐?
在不到一年的時間里,對許多高等教育機構來說,ChatGPT 和生成式人工智能已經從邊緣認知轉變為優先關注點。這些工具涉及一系列由人類提出的問題和人工智能生成的回答,促進了人們對人工智能在高等教育中多種潛在用途的思考:
學生用于研究、內容開發和學術作業。
管理人員用于撰寫報告、分析數據和加強學生支持。
教師用于加速備課和開發教材。
那么,生成式人工智能是一種時尚,還是未來學校成功的關鍵推動力?本文將探討生成式人工智能在教育領域的過去、現在和未來。
生成式人工智能可定義如下:“從數據中學習人工制品的表征,并利用它生成與原始數據相似的獨特內容(包括圖像、視頻、音樂、語音和文本)的人工智能技術?!?/p>
OpenAI 的ChatGPT 是生成式人工智能的一種具體實現,可以創建會話內容,在2022 年11 月作為研究發布后,不到一星期就吸引了100 多萬用戶。它很快成為歷史上最新穎的體驗和最成功的軟件之一,引起了教育領域的密切關注,推動了大規模投資、產品開發和生成式人工智能解決方案的發展。
生成式人工智能輸出由三個關鍵要素組合而成:
一個模型(例如ChatGPT 背后的生成預處理變壓器模型)和用于訓練它的數據。
個人提出的問題(或提示)。
對問題進行改進,直到獲得可接受的輸出結果。
這些機器學習神經網絡模型現在可以利用數十億個學習參數,并在大型數據集上進行額外訓練。ChatGPT 的研究成果在超過570 GB 的數據(來自書籍和互聯網)上進行了訓練,并通過人工反饋進行了改進。也就是說,訓練的時間(截至2021 年)和數據的真實性是評估ChatGPT 輸出成果時需要考慮的因素。
三個因素導致了生成式人工智能在教育領域的加速使用:
免費或低成本的廣泛網絡接入。
通過基于文本和圖像的用戶界面進行交互,加速書面、視覺或輸出代碼的生成。
大型語言模型訓練的可感知質量和規模,使輸出提高到可信水平。
2023 年,學生對ChatGPT 的廣泛使用不可避免地引發了對學術誠信的質疑。隨著GPT-4 的發布,人們對生成式人工智能創作高質量論文和測試結果的能力的擔憂進一步加劇,GPT-4 開始在各種專業和學術基準上展示“人類水平的表現”。
GPT-4 開始在各種專業和學術基準上展示“人類水平的表現”。
針對人工智能生成內容的反剽竊軟件根據輸出結果、教師反饋和學生行為不斷發展。與此同時,那些試圖將人工智能生成技術用于不正當目的的學生也在通過各種工具和產品來挑戰評估模型,這些工具和產品旨在故意掩飾人工智能生成技術的嵌入模式。
目前,隨著所有主要的技術供應商和教育技術產品陸續具備生成式人工智能的元素,人們對其應用的接受程度也變得更高。正如某高校教師最近提出的問題:“難道高等教育機構不應該為畢業生在一個生成式人工智能無處不在的世界里工作而做好準備嗎?”
教育領域對生成式人工智能的態度,已從否認,演變為焦慮、恐懼和部分接受。生成式人工智能繼續使教育界兩極分化。不過,現在許多學校都制定了政策,控制和限制學生和教職員工對人工智能的不當使用,并鼓勵教師對學生進行適當的探索和評估。信息技術部門正在努力平衡對新的生成式人工智能產品日益增長的需求,并正在評估是采取購買還是定制構建的方法。
世界各地的教師和學校都承認,禁止生成式人工智能是對變革的短視。生成式人工智能正在融入日常工作的工具中。主要技術供應商已將人工智能界面與搜索結合在一起,并將生成式人工智能納入寫作、演示和通信工具中。學校政策也在不斷演變,以反映這一趨勢:從禁止ChatGPT,到謹慎鼓勵在學術活動中適當使用生成式人工智能工具。
教師們認識到反剽竊工具在學生行為準則中仍然發揮著作用。為避免學生對ChatGPT 的濫用,學校會對學生作弊的后果進行通報。然而,對于許多學校來說,對ChatGPT 應用結果進行評估的實踐被認為是最現實的前進方向。圍繞如何更好地實現這一目標,很多學校成立了特別工作組和委員會推動這項工作,并就以下問題提出疑問:
學生評估。學生在學什么?他們采用了哪些程序,這些程序是否與未來職業相關?
教與學。學校如何教授適當的提示設計和輸出評估技能?如何培養教師的數字素養,讓他們接受并發掘人工智能的潛力?
研究。如何以最佳方式開發、驗證和應用新知識?如何更好地開展研究?
質量。如何以及在何種情況下,可以信任生成式人工智能解決方案來提高教學、管理或研究效率?
隨著教育機構日漸專注于對生成式人工智能進行戰略探索和有針對性的投資,這些問題正在影響著變革。目前正在探索的常見潛在用例包括以下內容:
提高生產力。加快報告編寫、編程、會議規劃和決策支持。人們對具有改進會話界面的聊天機器人的興趣日益濃厚,其目標是釋放學生支持服務的能力,以幫助那些最需要幫助的人。
支持教學。加速課程計劃、教學視頻、圖像、演示文稿、課堂筆記和學習支持材料的創建。
協助研究??偨Y內容、分析數據、確定模式、選擇合適的研究方法、同行評議(peer-review)論文、連接知識領域、設計研究項目、提出假設并生成文獻綜述。
提高學生參與度。加強選課指導、賬單和費用支付、課程注冊、學習技能、時間管理和人工智能生成的對話信息,以推動學生采取行動,提高成績。
教育部門對生成式人工智能的興趣,為新的和現有的采用生成式人工智能方法的技術供應商(如LMS、CRM 和SIS 解決方案)創造了機會;也為擁有非生成式人工智能產品(但在特定用例中優于或能夠補充生成式人工智能)的供應商(如聊天機器人提供商)創造了機會。
盡管生成式人工智能在高等教育中的應用具有現實和潛在的前景,但仍存在一些風險。
“幻覺”。有時,由于模型使用“統計學”來選擇下一個單詞,而沒有實際“理解”內容,因此會產生錯誤的答案。
訓練數據欠佳。數據可能不充分、過時,或包含敏感 信息和偏見,從而導致有偏見的、被禁止的或不正確的回答。
侵犯版權。有些模型被指控將受版權保護的數據用于訓練目的,然后在未經適當許可的情況下重復使用這些數據。
深度造假。ChatGPT 生成的輸出結果可能看起來很真實,但實際上可能是虛假內容。
欺詐和濫用。不良行為者已經在利用ChatGPT 撰寫虛假評論、垃圾郵件和網絡釣魚。
生成式人工智能輸出的質量取決于模型選擇、使用的知識庫、提示、單個問題和改進的組合。因此,各學校正在加大努力,通過創建相關提示和評估生成式人工智能模型,向員工、學生和教師傳授生成式人工智能的風險及其合理使用。
隨著機器變得更加“智能”,教育機構必須定義和完善工作方式,以更好地反映“你和人工智能”的世界。生成式人工智能解決方案要依靠人類來來塑造模型及其輸出的質量。因此,對學術領域的個人和機構來說,保持對更高層次批判性思維的關注至關重要(圖1)。
圖1 知識發展的未來:在你與人工智能之間(來源:Gartner)
學術評估方法必須從孤立的作業發展到更持續的、數據驅動的觀點。將多種形成性方法和總結性方法結合起來,繼續提供一條持久的前進道路。同時,利用生成式人工智能工具簡化生產力,創建可信的內容初稿,或增強會話用戶界面,以更好地支持學生,這些都可能有助于改善教育體驗。
面對生成式人工智能解決方案的持續增長和選擇,學生和教師評估何時以及如何有效使用生成式人工智能的能力將變得更加重要。專門針對教育的生成式人工智能產品的激增可能會改善各學校的研究、知識開發、輔導和生產力。然而,為了發揮這一潛力,教職員工和信息技術部門需要意識到生成式人工智能的挑戰和長期機遇,以提高其管理、教學和研究的效率。展望未來,各學校必須培養學生、教職員工的技能和判斷力,以確保他們學會如何做以下事情:
提出正確的問題。
評估、驗證并改進人工智能輸出。
建立跨知識領域的跨學科聯系。
生成新的見解,而不是創建現有視圖的副本。
生成式人工智能對環境的影響也很顯著——特別是許多產品都依賴于生成式人工智能模型,而這些模型必須在海量數據集上進行訓練——這一過程需要耗費大量電力。專注于評估明確的用例、數據驅動的見解和小規模試點,為更廣泛的學校人工智能戰略提供信息,在短期內可能仍將是整個行業的典型方法。
在為未來做準備時,各學校應采取一些關鍵行動:
做好準備。人工智能創作和風險資本投資的快速發展意味著學校很可能會廣泛使用人工智能。不斷完善政策,與學生和員工分享,鼓勵內部探索如何以積極的方式利用生成式人工智能。
監控生成式人工智能發展的趨勢。生成式人工智能技術尚處于早期階段,并被廣泛宣傳,但學生和教師對生成式人工智能模型的廣泛訪問和探索可能會挑戰許多傳統的教育實踐和評估方法。
探索有效的使用案例。評估符合學校戰略的潛在教育用途,特別是那些影響課程管理和學術管理領域的用途。將機遇和威脅提煉為對長期戰略對策的討論。
展望未來。接受事實,即教師和學校將繼續超越人工智能的控制和限制性使用,尋求利用最佳人類輸入和機器輸出的有效實踐。監控并跟蹤市場和技術的快速發展,探索人工智能如何幫助改進教育實踐。