《中国教育网络：2025高等教育人工智能发展报告（145页）.pdf》由会员分享，可在线阅读，更多相关《中国教育网络：2025高等教育人工智能发展报告（145页）.pdf（145页珍藏版）》请在三个皮匠报告上搜索。

1、B中国教育网络 2023.2-3案例目 录 评论 1 人工智能与高等教育技术理性与人文价值的共生共舞4 从 DeepSeek 看 AI 赋能教育和科研7 人工智能赋能高等教育高质量发展10 两会代表热议 AI 赋能教育变革13 从 ChatGPT 与 DeepSeek 看科技创新15 关于 AI 变革教育的一些困惑和思考17 高校要做教育领域人工智能的先行者21 人工智能之于高等教育，其意义如同现代大学的诞生24 当人工智能闯入校园 全球高校的应对28 大学应及时统筹布局人工智能32 作为人工智能用户的认识和思考35 从 ChatGPT 的诞生中 我们学到了什么 观察 39 全球人工智能教育全

2、景分析42 高校领导应该询问的七个 AI 关键问题44 AI 赋能高等教育的六条原则47 绘制教育领域生成式人工智能多维框架49 教育应该知道的三件事 关于人工智能和未来职场51 小型高校的人工智能应用路线图54 2025 年人工智能影响教育的 7 个关键趋势56 人工智能新世界中必备的三大技能59 全球 50 位专家呼吁发展以人为本的人工智能61 人工智能时代 大学的挑战与应对65 让人工智能点燃教育之火67 高校如何制定生成式人工智能政策？2023.2-3 中国教育网络 C案例70 生成式人工智能如何赋能教育？72 如何利用人工智能变革高等教育？74 关于生成式人工智能你应该知道的 7 件

3、事77 人工智能时代的学习：从数字原生代到人工智能赋能79 法律框架下的人工智能教育83 意想不到的合作伙伴 利用 ChatGPT 维护学术诚信86 生成式人工智能在教育中的应用89 一场关于人工智能风险的争议92 人工智能为高等教育带来何种机遇和挑战？94 一场关于全球人工智能的大讨论96 应对高等教育的人工智能伦理困境99 AI 让高等教育变革的理想照进现实 案例 103 DeepSeek 私有化部署的认知 思路与梦想105 生成式 AI 如何赋能高校信息化系统？108 高校共享满血版 DeepSeek 方案111 AI 大模型重塑高校应用新范式114 高校 DeepSeek 本地化部署及

4、服务升级117 DeepSeek 来到高校会碰撞出怎样的火花？120 高校部署 DeepSeek 的不同方案121 当智能体步入教育领域124 上海科技大学打造 AI 教育应用新生态127 AI 如何赋能北理工数字化转型130 南开大学构建面向 AI+教育的智慧校园133 赛博助教：北大人工智能赋能教学新探索136 大学生生成式人工智能风险意识调研139 人工智能在高校的应用报告目 录1评论教育强国建设规划纲要（2024-2035）（以下简称纲要）的战略部署，正驱动教育数字化转型的深层变革。当人工智能以认知革命之势重塑知识生产与传播范式，教育的哲学根基与实践形态面临范式的重构。这场技术革命不仅

5、颠覆了传统教育场域，更将教育本质的追问推向新的认知维度：在技术理性与人文价值的对话中，教育应当成为智慧生命的孵化器，而非知识搬运的流水线。技术破界：教育范式的解构与新生1.教学场景的维度飞跃随着人工智能技术深度融入教育领域，教育范式正经历着前所未有的变革。教学场景正实现维度上的飞跃，大语言模型驱动的“三元交互”教学模式，构建起教师-学生-AI 的协同认知网络。在这一创新模式下，教师从单纯的知识传授者转变为学习过程的智慧引导者；学生则通过与 AI 的实时互动，获得个性化的学习支持；而 AI 则化身为认知网络的“智能节点”，动态调整教学策略。虚拟仿真技术所创造的沉浸式学习空间，正在突破物理世界的认

6、知局限，开启学习新纪元。在医学教育领域，某医学院的 VR 手术训练系统，将实操精度提升至亚毫米级。学生佩戴 VR 设备，在虚拟人体模型上进行手术模拟，既降低了实操风险，又大幅提高了训练效率。在工程教育方面，数字孪生实验平台使工程教育摆脱了试错成本人工智能与高等教育技术理性与人文价值的共生共舞的束缚。例如，某高校利用数字孪生技术构建桥梁模型，学生得以在虚拟环境中进行无数次荷载测试，直至找到最优设计方案。智能教学系统基于数百万条学习轨迹，构建起个性化模型，正在重新定义“因材施教”的实践路径。系统通过深入分析学生的学习行为、兴趣偏好和认知特点，为每个学生量身定制学习计划，使教学从“批量生产”迈向“精

7、准定制”的新时代。2.知识体系的认知革新人工智能所揭示的知识多维性，映射出人类认知与机器智能的深层对话。一维经验积累与算法预训练的效率鸿沟，二维关系网络的统计关联与理性统筹的本质差异，三维逻辑体系的机械推理与顿悟思维的质性分野，都在不断叩击教育本质的认知边界。当大语言模型（LLMs）在四维抽象空间模拟知识演化时，人类创造力的真正价值愈发凸显。例如，在文学创作中，AI 虽能生成符合语法和逻辑的文本，却缺乏人类独有的情感共鸣和审美体验。某高校认知科学实验室，通过脑机接口技术研究人类在学习过程中的神经活动模式，为优化教学设计提供科学依据，进一步印证了人类创造力的真正价值在于超越数据关联的思维跃迁，这

8、是技术无法复制的文明火种。3.产教融合的生态重塑“四链衔接”机制催生的协同创新共同体，正在重塑高等教育的价值链。某高校与头部科技企业携手共建的 AI 实验室，通过“问题导向”课程，实现学界与业界的认知共振。实验室开发的“AI+医疗”课程，结合企业真实案例，引导学生解决医疗领域的实际问题。这种深度融合不仅提升了人才供给的精准度，更在产业需求与教育创新的碰撞中孕育出具备跨界整合能力的新质人才。例如，某企业招聘的 AI 工程师中，有 30%毕业于该实验室，他们在校期间就参与了企业项目，实现了无缝对接，展现了产教融合的强大生命力。哲学重构：教育本质的回归与升华1.教育目的的范式转变当知识获取变得零成本

9、，教育目的正从“授业解惑”转向“启智塑魂”。这并非对技术赋能的否定，而是对人性价值的重申。传统教育观念认为，高等教育的目的是让学生掌握一定知识和技能以找到工李志民 中国教育发展战略学会副会长2评论作；而在人工智能时代，大学的目的将不再是培养“善于工作的人”，而是培养“区别于机器的人”，更加重视直觉、同理心、好奇心、创造力等机器无法替代的特质。智能系统应处理标准化认知流程，而教育则应守护思辨性思维、同理心与创造力的火种。正如海德格尔所言：“技术的本质是框架，但教育的本质是可能性。”2.认知范式的融合创新算法革命正在弥合理性主义与经验主义的认知鸿沟。智能反馈系统提供的实时数据镜像，使学习者能在经验

10、积累中提炼理性认知，在逻辑推理中验证实践经验。某高校利用学习分析技术，发现学生在解决复杂问题时往往先通过经验尝试，再借助逻辑推理优化解决方案。这种认知范式的融合，为复杂问题解决能力的培养提供了新支点，推动了教育认知的深化与发展。3.道德教育的平衡重建在 AI 道德判断模型面前，传统伦理教育的普遍性标准遭遇解构危机。我们需要构建具有文化包容性的道德认知框架，培养既理解康德道德律令，又能驾驭机器学习伦理的新型人格。某高校开设的“道德算法实验室”，通过 AI 伦理决策模拟，帮助学生深入理解技术背后的伦理风险。深度伪造技术挑战学术成果的真实性，需发展区块链存证、数字水印等防伪技术；同时，要防范算法偏见

11、导致的教育不公平，如某语言评估 AI 曾被证实对特定口音存在 15%的评分偏差，这提醒我们要关注并纠正技术应用中的不公正现象。4.教育公平的智能实现教育的公平性是实现包容性的重要基础，它包括公民受教育的机会公平、学生在相应受教育阶段学习过程的公平，以及学生受教育结果的评价公平。技术赋能正在突破传统教育公平的结构性困境。智能教学平台的个性化资源推送，使山区学子也能获得顶尖学府的认知图式。据中国教育在线平台用户行为分析报告显示，2020 年中国农村地区在线教育用户数量已超 1 亿人，而城市地区仅为 8000 万人。然而，这种技术补偿不应遮蔽数字鸿沟的本质，教育公平的实现仍需制度保障与人文关怀的双重

12、支撑。生态重构：技术向善的教育新形态1.课程体系的协同创新纲要倡导的 AI 课程人文融合改革，催生出“科技伦理+哲学思辨”的模块化课程。某高校开发的“算法社会”通识课，通过虚拟伦理困境模拟，培养学生技术应用的价值判断力。清华大学利用自主开发的千亿参数大模型 GLM4，开展八门课程试点工作，通过微调形成不同课程的垂直领域模型，开发专属 AI 助教，实现范例生成、自动出题、答疑解惑等多重功能，推动了课程体系的创新与发展。2.教师角色的当代转型从知识权威到成长导师的范式转变，要求教师具备技术整合、学习设计、伦理引导三重能力。某师范院校构建的“AI+X”教师培养体系，正在重塑教育者的数字胜任力模型。该

13、体系涵盖 AI 技术基础、教学设计创新、伦理法律素养三大模块，通过项目式学习、工作坊等多种形式，全面提升教师的数字化教学能力。通过微调形成不同课程的垂直领域模型，开发专属 AI 助教，实现范例生成、自动出题、答疑解惑等多重功能，推动了课程体系的创新与发展。3评论3.学生能力的未来塑造评估性判断能力培养成为核心素养的关键维度。通过设计“算法偏见识别”“数据伦理决策”等沉浸式教学活动，某高校成功提升了学生技术应用的批判性认知。据统计，参与此类活动的学生在解决复杂伦理问题时的决策质量提高了 40%，彰显了学生能力培养的新成效。4.科研范式的创新突破面对 AI 代笔等学术诚信挑战，某研究院开发的“学术

14、基因溯源系统”，通过文本生成路径分析技术，构建起新型学术诚信防护网。该系统能够准确识别文本的生成来源，有效遏制学术不端行为，为科研诚信提供了有力保障。体系革新：教育评价的三重跃升1.评价维度的认知升级从知识复现到思维建模，智能评价系统正在构建多维认知图谱。某师范大学研发的“思维可视化档案”，通过语义网络分析技术，实现学习过程的动态画像。该系统能够实时记录学生的认知过程，为教师提供精准反馈，促进教学改进，推动了评价维度的认知升级。2.评价范式的实践转向动态数据驱动的增值评价模型，正在替代静态结果评价。某高校实施的“发展性评估”改革，通过数千条过程数据构建个体成长曲线，为教学改进提供精准导航。这种

15、评价范式更加关注学生的学习过程和发展潜力，而非单一结果，体现了评价范式的实践转向。3.评价功能的价值重塑评价正从“筛选工具”转向“发展引擎”。某教育评价中心开发的“AI成长导航”系统，为每位学习者提供个性化能力矩阵与发展建议。该系统不仅评估学业成绩，还从认知能力、情感态度、社会实践等多个维度进行全面评价，促进学生的全面发展，实现了评价功能的价值重塑。社会影响：教育生态的全方位变革1.教育目标的重塑人工智能促使教育系统重新审视和调整教育目标。传统的教育目标侧重于知识传授和技能培养，而在智能时代下，社会分工系统中“人际分工”逐渐让位于“人机分工”模式，教育目标更倾向于培养创新能力、批判性思维、复杂

16、问题解决能力及终身学习能力，以适应未来社会的需求。2.教育内容的革新随着 AI 技术的进步，许多传统的职业技能需求正在转变，教育内容也因此必须跟上技术发展的步伐。编程、数据分析、AI伦理、机器学习原理等新兴领域的知识，已成为基础教育和高等教育的重要组成部分，推动了教育内容的革新与发展。3.教育方式的变革AI 技术的广泛应用，引领了一场教育方式的深刻变革。在线教育、虚拟现实、增强现实、混合式学习等新型教学模式得到普及。AI 助手、虚拟教师、智能辅导系统等工具，使获取教育资源更为便捷高效，同时实现了大规模个性化教育的可能性，为教育方式的变革注入了新的活力。4.教育管理的优化人工智能技术在教育管理中

17、的应用极大地提高了管理效率和决策的科学性。然而，教育数据采集涉及敏感个人信息，哈佛大学 2022 年的调研显示，78%的学生担忧学习行为数据被不当利用。因此，亟需建立数据分级授权机制，以平衡个性化服务与隐私保护之间的关系。5.学习文化的新生泛在学习和个性化教育成为可能，学生的学习不再局限于教室和课本。人工智能可优化学习空间和场景（如空气、温度、座位安排），学生可随时随地通过智能设备进行学习。利用碎片化时间学习系统的知识成为新时尚。人工智能与高等教育的深度融合，本质是技术理性与人文精神的共生共舞。当算法能替代常规认知时，教育更需守护思辨的火种；当智能系统能优化学习路径时，教育更需培育同理心的土壤

18、。在纲要的战略指引下，我们期待构建这样的教育新生态：技术作为认知伙伴拓展人类思维边界，人文价值作为精神灯塔指引教育本质回归。这或许正是算法文明时代，教育给予人类文明最深刻的启示。人工智能与高等教育的深度融合，本质是技术理性与人文精神的共生共舞。当算法能替代常规认知时，教育更需守护思辨的火种；当智能系统能优化学习路径时，教育更需培育同理心的土壤。（本文原文刊登于中国教育网络2025 年 2-3 月合刊）4评论从技术突破而言，DeepSeek 是很优秀的大模型，对于 AI for Science 和 AI 的个人化是巨大的促进，DeepSeek 能获得这样的成果很了不起。过去，人类文明漫漫数千年，

19、技术的进步以十年甚至是百年计算。而在我们的一生中，能够见证互联网和人工智能改变世界这样的大时代，何其有幸。未来不可知，只能勇敢前行，我们不预测未来，我们创造未来。一蒂双果：互联网与人工智能在人类的文明发展历程中，漫漫数千年，技术的进步以十年甚至是百年计算。然而，五十多年前，互联网诞生并开始蓬勃发展；当下，人工智能技术一日千里，DeepSeek 的出现更是令人惊喜。我们在一生之中赶上了互联网和人工智能，是这个大时代的见证者，这是非常幸运的。互联网和人工智能都称得上是人类社会最重要的发明，它们就像一粒种子所结出的两颗甜美的果实据 RFC 1 的作者史蒂夫克罗克（Steve Crocker）的说法，

20、美国军方 ARPA 最初的计划是研究人工智能，却一不小心先做出了 ARPANET。1943 年，在信息革命刚刚开始的时候，IBM 董事长托马斯沃森（Thomas J.Watson）曾经预测：未来，5 台主机足以满足整个世界市场。然而，当时间来到2024 年，全球预计有接近 13 亿个人计算机，70 亿部从 DeepSeek 看 AI 赋能教育和科研手机，180 亿接入互联网的 loT 设备，以及 2000 亿正在运行的 CPU。观察硅谷近二十年发展的趋势图，我们能够发现一些有趣的事实。2004 年 3 月，硅谷最炙手可热的行业是通讯，如 AT&T 的贝尔实验室是代表。时间来到 2014 年 4

21、 月，硅谷最火热的行业是智能手机。而在2024 年的 9 月，AI 毫无争议地成为了世界关注的焦点。在历届诺贝尔奖中，有几次获奖与信息技术 IT 相关。1979 年的诺贝尔生物或医学奖颁发给了发明 CT成像的两位科学家。2009 年，光纤通信之父高琨获得了诺贝尔物理学奖。2024 年的诺贝尔物理学奖和化学奖都与人工智能有关，引发了人们的热议：物理学奖表彰了基于人工神经网络实现机器学习的基础性发现和发明，诺贝尔化学奖则表彰了对蛋白质神奇结构密码的破解。随着人工智能的发展，人类文明最终将走向何方？我们不得而知。在2014年出版的原著我们最后的发明：人工智能与人类时代的终结（Our Final In

22、vention）一书中，作者探讨了不顾一切追求先进的 AI 技术的危险。书中指出：一群倔强的 AI 制造者达成了一致任何情况下都不得把超级 AI 接入网络。他们担心，一旦 AI 达到人类水平，它将拥有与人类一样的生存动力。人类可能会被迫与比想象中更狡猾、更强大、更陌生的对手竞争。然而如今，人工智能不仅接入了互联网，还穷尽了互联网上的所有语料进行训练。在这个春节，继ChatGPT 出现之后，DeepSeek 这匹最大的黑马杀出了重围。正所谓有心栽花花不开，无心插柳柳成荫。这再次印证了“伟大无法被计划”这一观点。伟大并不是目标指引的结果，很多时候快反而就是慢没有特殊目标，每次只是选择下一块踏脚石，

23、反而能柳暗花明。李 星 清华大学教授也许，未来的教育是这样的图景：童年，进行有意义的玩耍，在玩耍过程中全面了解这个世界。青少年，保持热情去探索人生的目标，确定真正擅长和喜欢的事。成年，在既定方向上、真正想做的事情上努力耕耘。5评论对 DeepSeek 的评价2025 年刚开年，DeepSeek 的强推理模型就让大模型领域再次迎来了“ChatGPT”时刻。DeepSeek 用算法在一定程度上突破了算力“瓶颈”的限制。其实在 DeepSeek 大热之前，我已经下载并使用了它的前几个版本。从DeepSeek-llm，到v2、v2.5，在当时，我感觉它并不出彩。DeepSeek 真正火了起来，是从 v

24、3和 R1 开始。同时它还做了 coder 和 coder-v2，在 R1 之后还出了一个多模态版 Janus。在我看来，Janus 与我用的其他开源识图和文本到图像的开源模型还有差距，但其真正出彩的地方在于，多模态的图像识别和图像生成是用同一个模型。DeepSeek 用户过亿只用了 7 天，随后达到了 1.25亿注册用户。ChatGPT 达到 1 亿用户，花了 2 个月。对比之下，DeepSeek 的增长速度是 ChatGPT 的数倍。DeepSeek 能获得这样的成果很了不起。首先是因为，我们能发现，DeepSeek 是很优秀的大模型，它的水平对全球 AI 界震动很大。其二，DeepSee

25、k 是开源模型，可免费下载、本地使用，能保护用户的隐私。其三，DeepSeek 发表了质量较好的学术论文。其四，DeepSeek 确实有不少技术创新。然而，DeepSeek 也引起一些争议。如训练数据可能用到了 OpenAI 商业条款禁止的内容（但 OpenAI 本身互联网上数据的来源也被人质疑）。其次，它做了某种形式的“对齐”，导致一些回答不够客观。最后，其算力资源使用效率的计算方法等方面存在着争议。其实，DeepSeek 并非传统意义上的 AI 公司，它不看短期直接收益、聘用年轻的名校高材生，公司的价值观重视好奇心和创造欲。可以说，DeepSeek 的成功故事对世人有着重要的参考价值。在

26、DeepSeek 创始人梁文锋的采访中，他提到，创新不完全是商业驱动的，还需要好奇心和创造欲，这里的好奇心，是对 AI 能力边界的好奇。在这样鼓励创新的环境之下，再加上一群非常聪明、充满好奇心的人，创造出奇迹也就不足为奇了。DeepSeek 的胜利其实是开源对闭源的胜利。Meta的首席人工智能科学家杨立昆（Yann Lecun）认为，DeepSeek 的成功带来的最大启示是保持 AI 模型开源的重要性。此外，DeepSeek 的开源（其实是开放模型权重）对于 AI for Science 和 AI 的个人化是巨大的促进。我认为，世界上通用的大模型不需要很多，而有个性的大模型更有用。因此个人化和

27、本地化对于使用 AI 的人而言是非常重要的。对此有兴趣且条件允许的人们，建议在本地安装使用，若能部署满血版最好，退而求其次，蒸馏版也不错。与 DeepSeek-R1 的对话是很有启发意义的，有时它能提出自己未必能想到的观点。然而，DeepSeek 也存在着一些不容忽视问题，需要引起人们的重视。其一，本地部署基于 ollama 等本地推理工具有潜在的网络安全风险。其二，与其他大模型一样，DeepSeek 的答案也存在幻觉，内容的可信度存疑。其三，与所有大模型一样，DeepSeek 也面临着非常激烈的国内和国际竞争，未必能一直保持开源大模型的领先地位。其四，DeepSeek的对齐存在着争议。其五，

28、现实世界中用于训练 AI 的已有开放数据接近耗尽，当然这也是所有大模型所面临的问题。技术的发展一日千里。前几日，埃隆马斯克（Elon Musk）旗下的人工智能公司 xAI 发布了 Grok3,称其在数学、科学和编码基准测试中击败了 Google Gemini、DeepSeek v3、Claude 和 GPT-4o。暂且不论 Grok3 的实际水平，马斯克的话很有意思：“要想知道一家公司能否在技术竞赛中胜出，就看它的创新速度和创新的加速度是否足够快”。DeepSeek若要持续保持领先地位，还需要不断地创新。开源带来的机遇总结人类历史上三个最重要的时刻，我认为是语言的诞生、文字的诞生以及生成式 A

29、I 的诞生。语言的诞生将人与动物区别开来，人类可以用系统思维来思6评论考事物、进行交流。而文字的诞生推动了人类文明的发展。生成式 AI 诞生之后，会使用 AI 的人与不会使用 AI 的人，就是知识分子与文盲的区别了。AI 是工具的革命，同时也是革命的工具。对于互联网体系结构研究而言，其每一层都可以使用 AI 来提高网络、路由、域名等方面的性能和安全性。除此之外，传统的网络分层模型的应用层的上方是使用应用程序的人，现在可以在应用层和人之间加上一个“人工智能层”。而人工智能对高等教育的影响，不亚于十二世纪现代大学的诞生。随着现代大学的诞生和十五世纪印刷术的发明，带来了教育和知识的平民化浪潮；随着互

30、联网的发展和开放源码，人们可以自己开发 APP 了；而如今，DeepSeek、Llama 这些模型开源之后，只需要一台性能好的设备，完全就可以自己调优、嵌入本地知识，蒸馏了人们将自己的专业知识和领悟与大模型共享共生，由此诞生各种各样的 Agent，这将改变世界。从大时代的角度来思考，教育和科研将会发生颠覆性的巨变，究竟如何变，我们还不得而知。举个例子，在 AI 时代，我们不能再用现在做科研的思路生搬硬套了。AI 生产论文的速度非常快，质量越来越好，如果还要求论文必须是人类自己写，AI 写就被视为学术不端，人类写的论文质量将远低于 AI 生成的论文，这将带来问题。由此看来，教育的评价体系都会发生

31、巨变。在 AI 的加持之下，人类的学习曲线也将会发生改变。传统的学习曲线是 S 形，初期进步缓慢，之后快速提升，最后趋于平缓。而在使用 AI Agent 之后，人类的学习效率将大幅提升，甚至有些技能都能省略不学了。从前，我读阿西莫夫的基地，数学家哈里谢顿要编写百科全书，将知识都存储下来，保存人类文明的火种。在银河帝国后期，科技高度复杂化，但社会整体对科学原理的理解逐渐丧失。从前我不太理解这一点，当下，书中的这些内容就完全可理解了我们现在的很多技能将来都不再需要，真的会失传。近期，有文章还提出了“人机共读计划”，通过人类与机器协作，生成高质量的语料，不仅可以解决大模型消耗大量语料后资源枯竭的问题

32、，还能通过人类与机器的深度协作创造出更多样化的内容。人类每天都会接触新的知识和信息，将它们“喂”给大模型，大模型再给出反馈，人机交互，互相促进。然而，这随之也带来了问题：究竟是给每个人配备一台计算机，还是给每台计算机配备一个人？当人工智能变得越来越聪明的时候，人类与技术之间的关系，是否已经发生了反转？这也是值得我们思考的问题。2024 年，我曾说，30 年前我们的梦想是让中国的每一个学生能够使用自己的计算机连上互联网，而今天，我们的希望是让中国的每一个学生能够使用自己的大模型联网互相交流，走向充满希望的未来。如今看来，DeepSeek V3/R1 开源大模型发布之后，这一畅想完全可以成为现实。

33、在不久的将来，每个孩子都将有一个自己的大模型，将孩子新学的知识与大模型交互，促进孩子思维的广度与深度提升。大模型与孩子可以共同成长，提醒孩子哪些方面要加以重视，哪些方面不要再犯同样的错误。也许，未来的教育是这样的图景：在童年，进行有意义的玩耍，在玩耍过程中学习到多个领域的知识，全面地了解这个世界。青少年，保持着热情去探索人生的目标，确定真正擅长和喜欢的事，以此作为事业。成年，在既定的方向上、真正想做的事情上努力耕耘。伟大不能被计划，计划的事物未必会按照既定的路线发展。在五十多年前，互联网刚诞生的时候，谁能想到会发展出视频直播呢？未来不可知，只能勇敢前行，我们不预测未来，我们创造未来。（本文原文

34、刊登于中国教育网络2025 年 1 月合刊）7评论人工智能赋能高等教育高质量发展近年来，人工智能经历了飞速发展。2024 年诺贝尔物理学奖和化学奖同时垂青 AI 领域研究者，表明 AI 已不仅是计算机科学的一个分支,更是跨领域多学科的公共基础学科。越来越多的人认为，AI大模型可能已经进入了大规模应用试点的新阶段，教育界也应积极探索这一技术的应用潜力。回顾全球 AI+教育的发展可以看出，AI 技术通过各种创新方式正在快速重塑教育行业，在帮助师生大幅提升教学效率的同时，也在推动着大规模因材施教的逐步落地。在 2024 年举办的世界慕课与在线教育大会中首次提出全球高等教育进入“智慧教育元年”的概念。

35、人工智能赋能教育新形态的形成，正在打破传统教育中个性化、规模化与公平化之间所谓的“不可能三角”，为教学主体、教学载体及学习主体提供更为个性化的支持。复旦大学的 AI 实践与探索在新技术浪潮的推动下，全球高校涌现出大量基于人工智能的模型与应用。复旦大学也在这一背景下，积极探索和实践人工智能赋能高等教育的新路径，并取得了一系列显著成果。AI 赋能科研范式变革复旦大学深刻认识到推动科研范式变革的紧迫性，加速推进“第一个复旦”的建设目标。过去三年，学校举全校之力成功打造了中国高校中最大的云上科研智算平台 CFFF（Computing For the Future at Fudan）。作为复旦大学重大科

36、技创新引擎，平台为全校 AI4S（AI for Science）与AI4SS（AI for Social Science）提供强大的计算资源，支持了 AI 赋能科学研究的新范式发展，培养了能够驾驭并优化大规模集群的新型 AI 人才，加速了数字时代“第一个复旦”建设，服务了国家人工智能的重大战略需求。其中“切问一号”是面向多学科融合创新的科学智能计算集群，“近思一号”是面向高精尖研究的专用高性能计算集群，“卿云”是面向教学、管理计算服务的专用计算集群。三者全方位覆盖科研教学，共同成为推动学校教学科研变革的“加速器”。复旦正在积极推动科学进步，全面主动拥抱人工智能技术，并将其广泛应用于多个学科领域

37、实践，联合上海科学智能研究院发布了一系列突破性垂直领域大模型。例如 Planet Intelligence Climate 是中国首个自主研发的气候科学大语言模型，专注于解决专业气候问题；“女娲”系列的生物结构大模型、基因导航大模型、生命流体大模型，分别为多种疾病机制研究提供重要支持。姜育刚 复旦大学副校长此外，学校不断打造 AI+科研生态，已举办两届世界科学智能大赛，推动 AI技术在科学研究中的应用，通过科学智能的方式解决科学领域的难题。最近一次比赛吸引了来自全国 18 个区域的 500 多所知名高校和机构的 11000 多名选手参赛，并取得多项代表性科研成果。AI 赋能学科交叉融合在 AI

38、 赋能学科的交叉融合方面，复旦深刻认识到学科融合发展的三个圈层：核心圈、进阶圈和培育圈。其中，核心圈指玩转 AI 的顶级学科；进阶圈指有较好数据和计算基础、现阶段开始跨领域交叉的学科；培育圈指对 AI 感兴趣、正在寻找发力点的学科。以点带面，最终形成全校想用、全校能用、全校会用的科学智能生态。在人才培养方面，学校致力于打造“杠铃式”的培养格局，多举措助力培养拔尖创新人才。一方面培养原始拔尖创新人才，另一方面培养交叉融合创新人才。此外，通过跨学科学习、跨领域课程和 AI+X 双学位等举措，使学生收获“干细胞”式的成长权利和能力。复旦大学在 2024-2025 学年推出了116 门 AI 领域课程

39、，打开了 AI+融合创新人才培养新局面。AI 大课以 AI-BEST课程体系的形式，进入所有复旦学生的学业安排，实现 AI“三个渗透率 100%”，做到了 AI 课程覆盖全体学生、AI+教育覆盖全部一级学科、AI 素养能力覆盖全部专业。例如，AI-Basic 课程“走进人工智能”是面向全校学生开设的课程，学生即使 AI 零基础，也能听得懂、跟得上。在原始拔尖创新人才培养方面，复旦8评论在 2024 年设立推出“相辉学堂”拔尖创新人才培养特区，探索超常规学生发展新模式，设立“相辉计划”和“香农计划”2个培养项目，致力于培养面向基础学科前沿、新工科领域的创新人才，探索拔尖创新人才培养新路径。在交叉

40、融合创新人才培养方面，学校推出了新工科复旦共识、首批四大创新学院和新质生产力人才培养高地；并对标上海三大先导产业，在建立集成电路、生物医药平台的基础上，人工智能领域也获批了国家产教融合创新平台。人工智能产教融合平台和其他两个平台通力合作，不仅为学校培养相关领域的科研人才提供了强有力的支持，同时也增强了学校对人工智能支持自身和其他先导产业共同发展的支撑作用。AI 赋能教学模式创新复旦大学通过 AI 赋能教学，不断创新教学模式。设立“元创中心”，构建多个交叉融合创新平台，包括光机电一体化实践中心、材料科学与工程实践中心以及大数据可视化实践中心等。并逐步建设60 多个虚拟仿真项目，覆盖文、社、理、工

41、、医等各学科。此外，为满足 AI 大课的教学实训需AI 素养培育能力提升复旦大学同样注重提升师生的信息意识和计算思维，通过多种途径加强人工智能素养的培养。面向教师，开展了 CFFF 平台算力使用的集中培训，提升课程助教团队的专业技能与实操能力，赋能 AI 大课建设。定期组织 AI 赋能教育教学系列工作坊，探讨人工智能技术创新教学模式。面向学生，组织丰富多彩的 AI4S 和 AI4SS 报告会、研讨会、工作坊，构建高浓度的复旦 AI气息，繁荣 AI 创新校园文化。AI 风险应对方面的举措近年来，随着人工智能的迅猛发展，其安全性问题引发了全球范围内的广泛关注。高校在发展人工智能应用的同时，也需要着

42、重关注在 AI 应用过程中的安全漏洞、隐私侵犯、信任危机以及产权纠纷等问题。在全面拥抱人工智能时代到来的同时，高校也要加强人工智能治理研究，构建“技术+规则”双轮驱动的人工智能治理体系。一方面研究更符合规则的人工智能算法，发展评估技术以度量现有人工智能算法的合规程度;另一方面通过规则和科研伦理自顶向下约束人工智能技术活动牵引其健康发展。人工智能安全规则治理在规则治理方面，我国近年来发布了一系列规范，确保 AI 的安全性和合规性，包括生成式人工智能服务管理暂行办法，明确了国家坚持发展和安全并重、促进创新和依法治理相结合的原则，对生成式人工智能服务实行包容审慎和分类分级监管；全球人工智能治理倡议，

43、提出了 11 项倡议，旨在推动全球范围内的人工智能安全治理；人工智能安全治理框架，为人工智能技术的应用提供了全面的指导和规范，确保其在各个领域的健康发展和安全应用。CFFF“切问”一号求，学校已构建一站式在线教学实训平台，将学校现有的在线教学平台 eLearning 与具备 AI 能力的实训平台对接，打通课程的理论教学与实训环节，助力“人才能力培养”教学理念的落地，加强学生的创新思维和技术能力培养。AI 赋能应用提质增效在 AI 的智能场景应用方面，复旦已经在智慧教学资源平台、智能问答机器人、国际化翻译等方面开展实践；在 2024 年9 月的迎新期间，推出基于大模型的迎新助手，能够更智能地为师

44、生提供应答。其中，依托人工智能技术建设的复旦AI 助手“复小信”，充分利用学校在 AI 领域的科研成果，推进 AI 应用场景落地；并结合 RAG 检索增强生成技术构建，更好地解决生成式 AI 在知识更新不及时、安全等方面的问题。目前“复小信”智能问答访问数超过 9.7 万次，访问人次超过 11.5 万，用户提问超过 10.7 万次。此外，为推动校园数字化转型升级，聚焦校园应用场景，充分发挥数据要素潜能，建设校园智慧大脑，使得管理和服务更加集约高效，形成可观、可控、可管的校园治理一张图、以虚控实一盘棋运营管理。9评论这些文件为高校规范人工智能应用提供了重要的参考依据。AI 是大势所趋，不可逆，但

45、并不意味着任其无序发展。为积极引导学生科学规范地使用 AI 工具，防范学术风险，复旦发布了复旦大学关于在本科毕业论文（设计）中使用 AI 工具的规定（试行），是国内高校首个专门针对 AI 工具在本科毕业论文（设计）中使用的规范化管理文件。规定明确了“允许使用范围”和“禁止使用范围”，强调在征得导师同意的前提下，且 AI 生成内容不影响对学生在毕业论文（设计）中的创新等能力的考察时，可以在一定范围内使用 AI 工具。比如，把可以 AI 作为工具，提高文献检索等的效率；允许使用 AI 辅助图表制作，但不能改变数据原创性等。但凡涉及原创性、创新性的，以及学科重点考察的内容，学生应当学会独立思考，厘清

46、 AI 使用的边界。人工智能安全技术治理在技术治理方面，尽管人工智能具备技术，让数据“可见不可用”，让模型“可用不可窃”。AI 技术的趋势与展望随着技术的进步，未来人工智能的发展将一方面聚焦于“负责任”的 AI，在促进人类与机器之间的协作增强工作效率的同时，也强调安全性和透明度。另一方面，具备自主性和交互能力的人工智能体将变得普遍，同时相关的法律和监管框架也将更加完善以应对潜在的风险。总之，可持续和可再生绿色的数据中心、AI 与网络安全的结合、量子 AI以及实时自动决策 AI 等都是未来发展的重要方向。对于高等教育领域，积极拥抱 AI 等新技术至关重要。高校应致力于将先进技术融入教育实践，引导

47、新技术发挥正面作用，促进人才培养和科学研究的发展，助力教育事业的进步。复旦大学强大的能力，但它仍可能会“看走眼”“听不清”“识错字”。例如，穿着带有对抗图案的 T 恤可以绕过人体检测模型，使人“隐身”。此外，数据隐私安全也是大模型产品面临的重要挑战，语料库等海量数据存在高度的数据合规风险。近年来，复旦大学的研究团队在人工智能技术治理方面取得了一系列突破性进展；不仅推动了 AI 技术的发展，更在于提升其在实际应用中的安全性与可靠性，确保这项强大的技术能够更好地服务于社会。针对隐私保护，研究团队主要研究发展联邦学习及差分隐私等理论与技术，规范智能系统分析和使用数据的行为，保障数据所有者的隐私。复旦

48、已与浦江实验室和清华大学共同发布了“蒲公英”人工智能治理开放平台，积极应对 AI 可信性问题和全球治理挑战。此外，复旦在针对人工智能产业中数据和模型知识产权保护的难题，提出“不可学习”样本和“模型锁”等系列创新性（本文原文刊登于中国教育网络2025 年 1 月合刊）10评论两会代表热议 AI 赋能教育变革人工智能为教育带来前所未有的机遇和挑战，成为加快实现教育大国向教育强国迈进的关键变量。今年两会期间，人工智能成为了备受瞩目的焦点，特别是在教育领域，受到了广泛的关注和讨论。3月28日，教育部以“人工智能与教育变革”为主题，召开国家教育数字化战略行动2025年部署会。怀进鹏部长在会上指出：“必须

49、勇于改革创新，深入推动人工智能赋能教育变革，推动各级各类人工智能如何与教育深度融合？改变即在当下，改革正逢其时。人工智能正在深刻地重塑着高校教育生态，为传统的教学模式带来了革命性的变革。那么，面对“人工智能+”，高等教育应如何服务好立德树人这一根本任务？又该怎样落实智能向善的理念，更好地拥抱人工智能？教育课程、教材、教学体系智能化升级，将人工智能技术融入教育教学全要素、全过程，全方位助学、助教、助研、助管、助国际交流。”人工智能倒逼高等教育深层次变革，高等教育应加速改革以适应人工智能的发展。那么，在 AI 时代，高校应如何更有效地适应并引领我国教育领域变革？关于这一问题，今年两会期间，身为人大

50、代表或政协委员的高校书记、校长及教师们，为我们带来哪些新的启发？一起来看DeepSeek 和机器人最近一段时间引起国内外广泛关注，从一个方面也说明了中国科技创新和人才培养的效果。但与此同时，也向我们提出了面对重大科技革命和产业变革，教育如何应对的问题。历史上每一次重大科技革命和产业变革都对社会提出了特别重要的需求，尤其是对教育，所以它也是教育改革和发展的重大机遇。教育部将以制定和实施教育强国建设三年行动计划为基本出发点，推动高等教育综合改革。围绕国家战略技术发展需要优化学科设置，推动新兴学科和交叉学科的人才培养，遵循科技革命、产业变革的规律加强人才培养，加快布局人工智能、生物技术、新能源、新材

51、料等领域学科建设。习近平总书记高度重视教育数字化和人工智能，作出一系列重要论述。要深刻领会习近平总书记的重要讲话精神，科学把握人工智能在教育强国建设中的定位、方向、方法，积极推动人工智能赋能教育强国建设。必须牢记使命，始终坚持服务立德树人这一根本任务，始终坚持五育并举、促进学生全面发展的目标不动摇。必须勇于改革创新，深入推动人工智能赋能教育变革，推动各级各类教育课程、教材、教学体系智能化升级，将人工智能技术融入教育教学全要素、全过程，全方位助学、助教、助研、助管、助国际交流。必须优化能力结构，学校管理者要提升数字化领导力和驾驭力，广大教师要提升数字教学能力，促进科学教育与人文教育协同，塑造学生

52、适应人工智能时代的素养能力。教育部党组书记、部长 怀进鹏11评论在教育教学领域，人工智能无疑将会成为改革的关键推力。当前人工智能的应用改变了教学方式、丰富了教学资源、优化了教学评价，极大地提升了课程的教学体验和教学效能。我们要深刻认识到人工智能既是工具的革命，也是革命的工具，其中不可或缺的核心是人。快捷与方便替代不了真情与关心，数据与算法培养不出独立思考与批判思维。建议强化教师的作用，持续提升教师人工智能素养，发挥教师的能动性、创新性，将教师从授课者转变为引路人，推动“AI+HI”“双驱动”的教育教学改革，形成知识与人格并进、效率与温度并存、智能与智慧并重的育人格局，培养更多堪当时代重任的拔尖

53、人才。全国人大代表、上海交通大学校长 丁奎岭通用人工智能技术，将推动教育理念、教育模式、科研范式、教师角色、校园形态五个方面的向新转变。作为教育强国建设龙头的高等教育，在探索人工智能赋能教育变革的过程中承载重要使命，重中之重是要认真落实立德树人根本任务，坚持系统观念，在新旧理念转变、虚实空间转换、师生角色转型、内外资源转接中促进智能技术与教育教学、科学研究深度融合。面对人工智能赋能教育变革的新阶段，我们要在已有的实践经验基础上，持续探索构建资源集约共享、服务泛在协同、科教智能融合的教育开源生态。全国政协委员、北京邮电大学校长 徐坤无论是从外部环境形成的压力看，还是从内生发展的动力看，高校积极拥

54、抱 AI 科技，并以此推动学校更好发展是应有之举。AI 是在不断发展过程中的新事物，无论是 AI科技本身，还是 AI 应用过程中，都还存在很多问题，甚至是很大的风险。在积极拥抱的同时，我们也要保持审慎批判的态度，发现问题、警惕风险。对此，华东师范大学专门成立了智能教育研究院，集聚人工智能、教育学、心理学、法学等等多领域的专家教授，共同研究 AI 应用于教育中的问题风险和解决方案。全国人大代表、华东师范大学党委书记 梅兵教育数字化的核心任务是推进人工智能赋能教育高质量发展，通过智慧教育实现普惠教育。人工智能与教育的深度融合，需要有前瞻、系统的谋划，既要善用人工智能赋能教育，也要坚守育人初心，避免

55、陷入技术极端化误区。碎片化发展只会造成资源浪费，系统化布局才能实现可持续发展。推进教育数字化和人工智能应用要汲取历史教训，因地制宜，避免“一哄而上”和“一哄而散”。各地基础差异大，要实事求是，不强求同步路径。技术赋能教育不可能一蹴而就，必须脚踏实地，切忌急功近利、重蹈覆辙。全国政协委员、南京大学党委书记 谭铁牛教育体制改革要适用于人工智能时代的到来，不能等到技术成熟后再改革，而是要让教育始终紧跟发展步伐。人工智能倒逼高等教育深层次变革，高等教育应加速改革以适应人工智能的发展。高等教育改革不是简单的技术叠加，而是对新型教育生态系统的重塑。在科技教育人才一体改革的大框架中，未来的高校可能既是知识创

56、新的策源地，也是人机协同进化的实验场。我建议由教育部门牵头，联合行业协会、高校联盟等共同签署一些人工智能教育伦理规范，在确保技术安全可控的前提下，鼓励“双一流”大学率先探索人工智能的培养模式，待积累成熟经验后向全国高校推广。全国人大代表、中国社会科学院中国式现代化研究院院长 张翼人工智能对科技界影响非常大，对高等教育人才培养也产生深刻影响。人工智能对于科研人员的科学研究及启发思维会有很大帮助，但是也要警惕人工智能的所谓“黑箱操作”，尤其要警惕，不能让学生们觉得使用人工智能可以替代自己的思考，而忽略了研究中间的思维过程。不管人工智能多么强大，它只是对现有知识的穷举，对于还没有出现的知识，还没有创

57、造出来的发明，它无能为力。这就更需要培养一代又一代的年轻人敢于不断创新和探索未来，颠覆旧有的知识，发现新的世界。虽然人工智能是个非常好的工具，但是更重要且最宝贵的是，我们人有不断创新和运用创新的能力。全国政协常委、中国科协副主席 袁亚湘12评论如何培养适配 AI 时代的创新人才？AI 浪潮下，人才培养和科研范式变革已经成为教育强国规划实施的重要内容。高校应如何培养适应 AI 时代的创新之才、强国之才？高校应重视培养更多人工智能领域拔尖人才。从未来发展趋势看，人工智能领域顶尖人才的稀缺性将远远超过技术本身。人工智能领域的前沿突破和创新引领，需要一批具备深厚理论功底、强大工程实践能力以及跨学科综合

58、素养的拔尖创新人才。做好人工智能领域拔尖创新人才培养工作，顶层设计是前提。武汉大学以科技发展和国家战略需求为牵引，积极探索特色数智教育人才培养模式。优化学科布局、构建人工智能交叉学科集群，是拔尖创新人才培养的根基。全国政协委员、武汉大学校长 张平文AI的冲击是全方位的，所有学校和学科都不能独善其身，哪个专业都不能缺席，更不能落后，都要主动迎接 AI 浪潮并勇立潮头。对于高校而言，在 AI 冲击下，人才培养模式需要作出转变，即更加注重培养具有扎实基础知识的人，注重全人教育。高校要花更多精力培养学生的自我学习能力和思维能力，以及适应社会的能力，尤其是适应 AI 的能力。一个人如何适应 AI 带来的

59、变化、如何利用 AI 提高自身学习能力，是远比学习多少知识，甚至学什么专业重要得多的事。全国人大代表、西北工业大学党委书记 李言荣AI 为教育变革带来了多重机遇，我们要注意到人才培养的模式和方式。一方面可以将人工智能与教育深度结合，从学科布局、专业设置等方面借势人工智能；另一方面，提升学生掌握人工智能的能力，未来他们走向基础教育战线时，能将新技术引入教育教学中，让人工智能链接人文社科、艺术学科、科学等，打造“人工智能+X”的模式。全国人大代表、首都师范大学校长 方复全人工智能时代，面向卓越工程人才和高素质技术技能人才的培养，职业技术教育师资创新培养十分重要，建议专门设计“人工智能+工程学科+教

60、育”的人才培养方案，着重加强对师资力量的培养，从教师到学生、从理论课程到工程技术实践，人工智能与工程学科专业结合，全面培育“新时代工匠之师”。希望能够把人工智能技术广泛融入相关学科领域，注重数据要素的重要作用；与头部企业沟通协作，建立产学研“握手”通道，共同搭建好“人工智能+”的人才培养平台；争取发挥职业教育体系优势，做好更多的示范性、标杆性项目，为我国现代化产业体系建设提供更多人才支撑。全国人大代表、天津职业技术师范大学副校长 王劲松（本文原文刊登于中国教育网络2025 年 2-3 月合刊）13评论文/陈茜2025 年初，DeepSeek 以其开源大模型技术席卷了海内外，一跃超过了 Open

61、AI 的ChatGPT，成为了历史上增长最快的应用程序。人们震惊地发现，DeepSeek 达到 1 亿月活跃用户只用了 7 天，ChatGPT 在推出两个月后用户过亿。而再往前，TikTok 用时 9 个月，Instagram 则耗时两年半。OpenAI：非营利组织之初心在 DeepSeek 出现之前，这十年来全球最令人瞩目的创新当属 ChatGPT。其实，在 ChatGPT 出现之前，全世界都对人工智能技术的潜力半信半疑，它也并未得到美国政府的特别关注。创立 OpenAI 的想法始于 2015 年的一次晚餐。在硅谷 Rosewood 酒店的晚餐上，萨姆奥尔特曼（Sam Altman）,埃隆马

62、斯克（Elon Musk），格雷格布罗克曼（Greg Brockman），伊利亚苏茨科弗（Ilya Sutskever）坐到了一起。萨姆奥尔特曼希望创建一间以“确保人工智能不会消灭人类”为使命的实验室,一间放弃所有研究成果的实验室虽然 OpenAI 在 2019 年进行了重组，但最初的 OpenAI 是一家非营利组织，奥尔特曼希望没有任何竞争性的激励措施来扰乱这一使命。在这次晚餐之后，这一想法变成了现实。OpenAI 的几位初创者都是三十多岁的年轻人。首席执行官萨姆奥尔特曼曾就读于斯坦福大学计算机系，20 岁的时候退学了，转而开发移动应用程序 Loopt，这是一款能实时分享用户位置的 APP。

63、28 岁那年，奥尔特曼被 Y Combinator 的创始人选中，接替担任创业孵化器的 CEO。总裁格雷格布罗克曼曾上过哈佛大学和麻省理工学院，但都以退学收场。格雷格高中毕业后没有立即上大学，在 gap year期间，他读了图灵的 计算机与智能，开始编写聊天机器人。大学期间，他发现了编程语言对自己的吸引力，开始频繁与创业公司的人接触，同时进行编程语言研究。大三那年他索性退学了，加入了一家初创公司 Stripe。首席科学家伊利亚苏茨科弗出生于俄罗斯，5 岁时跟随父母去了以色列，在耶路撒冷长大，16 岁去往加拿大，最后来到美国。在加拿大期间，伊利亚师从多伦多大学深度学习先驱杰弗里辛顿（Geoffr

64、ey Hinton）。职业生涯早期，伊利亚与人合著了关于序列到序列学习的论文，最著名的是 2014 年作为第一作者发表的论文“基于神经网络的序列到序列学习”（Sequence to Sequence Learning with Neural Networks）。两个没有获得学位的美国人，一个外国移民，领着几十个研发人员组成了一家名叫 OpenAI 的小公司，采用当初包括 Google 在内的大公司都不看好的技术路线，搞出了足以撼动世界的生成式人工智能。这样的事情是可以预见的吗？在为什么伟大不能被计划 一书中，作者（OpenAI从 ChatGPT 与 DeepSeek 看科技创新在 为什么伟大不

65、能被计划 一书中，作者表示，如果你一开始就向着一个明确的目标努力，你就走不远。目标会窄化你的探索范围，对伟大事业来说，目标具有误导性。14评论的研究员）表示，如果你一开始就向着一个明确的目标努力，你就走不远。目标会窄化你的探索范围，对伟大事业来说，目标具有误导性。有时候，改变世界最好的方法，就是不要试图去改变它也许你已经意识到，最好的点子往往都是偶然所得。DeepSeek：好奇心是推动世界进步的动力相比 OpenAI，发布了 DeepSeek 的幻方则神秘得多。幻方创始人梁文锋在 20世纪 80 年代出生于广东湛江，父亲是一名小学教师。梁文锋在浙江大学完成了信息与电子工程本科与研究生学业，毕业

66、后，他一直在探索全自动量化交易。2015 年，梁文锋与同学一起创办了杭州幻方科技有限公司，抓住量化交易红利期的幻方量化迅速步入了快车道，于 2021 年年中突破了千亿元大关。坊间有人戏称，梁文锋是用炒股赚来的钱投资人工智能的研究。2023 年 4月 14 日，幻方发布了幻方新征程，引用了法国新浪潮导演弗朗索瓦特吕弗（）曾经告诫青年导演的一句话：“务必要疯狂地拥抱雄心，同时要疯狂地真诚”，宣布幻方即将迈出新的一步，追寻一直以来的技术理想，成立新的独立研究组织探索AGI 的本质。DeepSeek不参与融资，也很少对外发声。从 2023年和 2024 年暗涌对梁文锋的两次专访中，人们才得以一窥 De

67、epSeek 的究竟。DeepSeek 选人的标准一直都是热爱和好奇心，DeepSeek 寻求的好奇心，是对 AI 能力边界的好奇。梁文锋认为，创新首先是信念问题，硅谷富有创新精神的首要原因就是敢。在 DeepSeek 的团队中，并没有什么高深莫测的奇才，都是一些国内顶尖高校的应届毕业生,没毕业的博四、博五实习生，还有一些毕业才几年的年轻人。有很多大模型公司都执着地去海外挖人，甚至有很多人觉得，大模型领域前 50 名的顶尖人才可能都不在中国的公司，然而DeepSeek v2 模型的开发者没有从海外回来的人，都是国内本土培养的年轻人。“前50 名顶尖人才可能不在中国，但也许我们能自己打造这样的人

68、。”梁文锋强调。DeepSeek的组织架构是自下而上的，一般不前置分工，而是自然分工。梁文锋认为，每个人都有自己独特的成长经历，都是自带想法的，不需要人推动，在探索的过程中，遇到问题就会拉人讨论。当一个想法显示出潜力时，DeepSeek 就会自上而下地调配资源。2024 年，DeepSeek 的MLA 创新的点子最早来自于一个年轻研究员的个人兴趣：他突发奇想去设计一个替代 Attention 架构的方案，于是 DeepSeek 特意成立了一个小组花了几个月的时间跑通。开源对闭源的胜利DeepSeek 的技术并不是护城河，人才是。在梁文锋看来，作为商业组织，DeepSeek 选择了创新，又通过开

69、源分享创新，是因为公司将价值沉淀在团队上，成员可以得到成长，积累认知，形成可以创新的组织和文化，这就是 DeepSeek的 护 城 河。开 源、发 论 文 并 没 有 让DeepSeek 失去什么，开源更像是一种文化行为，而非商业行为对于技术人员而言，被 follow 是很有成就感的事。OpenAI 不 Open。西方有句玩笑话：Rhode Island is neither a road nor an island.OpenAI may be producing AI,but its not open.（罗德岛既不是公路也不是岛，OpenAI 也许在制造 AI，但它不 Open）。OpenA

70、I 创立之初，曾经承诺将其产品向所有人免费提供，自成立以来也发布了包括 Gym、TensorFlow Agents 等多个开源项目，然而随着商业化，OpenAI 选择了闭源，原因是“需要保护知识产权以及希望从研究中获得收入”。图灵奖得主杨立昆（Yann Lecun）认为，DeepSeek 对 OpenAI 的胜利，是开源对闭源的胜利。然而，技术的发展一日千里，正如清华大学李星教授所言，DeepSeek 若要持续保持领先地位，还需要不断地创新。未来，我们拭目以待。由 OpenAI 研究员 Kenneth Stanley 和 Joel Lehman 所著图书为什么伟大不能被计划（本文原文刊登于中国

71、教育网络2025 年 2-3 月合刊）15评论关于 AI 变革教育的一些困惑和思考反馈 2DeepSeek 用户过亿只用了 7 天，而 ChatGPT 则花了两个月，对比之下，DeepSeek 的增长速度是 ChatGPT 的数倍。DeepSeek增长得这么迅速，这是不是因为中国人多？回 答DeepSeek 的用户增长之所以如此之快，并不完全是以上原因，而是因其确实不错，而且是令人振奋的千亿级开放权重模型。相比之下，文心一言、豆包、Kimi虽都是中国的产品，也没能达到 DeepSeek 的火爆程度。特别提一下，QWen 系列开放权重模型也很不错。对于课题组，推荐在本地部署量化后的满血版Deep

72、Seek。这样既可以满足内部信息不外泄，又可以毫无顾虑地自己做 RAG、微调等等。目前各种用低成本硬件部署DeepSeek-v3或DeepSeek-R1的方法层出不穷，很有创意。最简单的办法是在纯 CPU、512G 或以上 RAM 的计算机系统部署 ollama（2 万多人民币），可以做到 5 token/sec。反馈 1一位业界知名的通信与计算机网络专家正在修订一本专著。但他已经怀疑，是否有人能够用 AI 编写出一本更好的计算机网络专著？既然如此，何必现在还要费劲修订？目前这位专家依然坚持自己写作，同时请 AI 评论，提点修改建议。但他发现 AI 经常会出错。比如，请 AI 把一个压缩后的

73、IPv6 地址转换成二进制代码，AI 就会多次出错，提示之后才能更正；问 AI 某种网络技术的 RFC 编号是多少？AI 也答不对。另一个问题是：学生都用 AI 做题，还留什么作业呢？以前这位专家最反对出习题解答，因为学习的过程并不是靠看题解，而是自己慢慢通过做题才学会的。现在，每章后的习题还要不要留？以后如何处理习题的问题？有了 AI 之后，学生怎么学习？回 答目前 AI 还只是工具，只是像那些脑子转得飞快，但学术功力不扎实的研究生，还需要老师把关，所以教材的修订是非常重要的。至于现在的学生都用 AI 做题，还要不要给他们留习题呢？习题肯定还要留，但可以逐步改成扫二维码的方式：通过扫码与 A

74、I 联网，在与 AI 的对话过程中发现是否真正学到了知识。最好的办法是 AI 给学生提出建设、运行网络的实际问题，与AI 讨论解决实际问题。因为解决实际问题是最好的学习。未来，人肯定要做 AI 做不了的事，例如与人相关的决策。李星：从 DeepSeek 看 AI 赋能教育和科研一文发布后，我们收到许多反馈，并就部分问题请李星教授回答，供大家参考。在人工智能时代，人类要掌握四大核心技能。首先是数学，其次是语文，第三是体育，最后是要会娱乐。李 星 CERNET 网络中心副主任清华大学教授16评论反馈 6如果 AI 带来如此巨变，很多技能随着时代的变化都不再必须学了，那么人类要掌握的核心技能到底是什

75、么？回 答在人工智能时代，人类要掌握四大核心技能。首先是数学，数学能够锻炼人的逻辑思维能力。其次是语文，学好了语文，一个人的理解能力和表达力就有了扎实的根基。第三是体育，拥有健康的体魄就具备了良好的生存能力。最后是要会娱乐，Have Fun 的能力也很重要！反馈 5AI 时代，大学课程和课时是不是至少可以缩短四分之三？回 答我认为，大学的教育不用缩短，因为在大学中，学生需要接受通识教育和建立社会圈子大学是各阶层的人互相了解的唯一场所，因此，大学教育的时间千万不能减少。反馈 4家里的初中生昨天用AI来写阅读托尔斯泰、鲁迅的文章的读后感，随后自己在 AI 的基础上做了一些修改。回 答现在的学生就是

76、 AI 时代的原住民，而其八后、九后的父母，是 AI 时代的移民。反馈 3正如阿西莫夫的基地所说，未来，我们现在的很多技能都不再需要，会失传，这是否好比时代进步、物质丰富了，很多民间技艺比如补锅锔碗就不需要，也不存在了？回 答虽然这些技能在生活中不再必须，但只要上心，还可以作为人类文化遗产保留下来。未来的图景可能是，人类生活所需的供给靠 AI，而人类专门做手工，纯粹是爱好和保护文化遗产。（本文原文刊登于中国教育网络2025 年 2-3 月合刊）17评论“人工智能在教育领域的应用，高校责无旁贷，应该先行先试。”接受本刊采访时，北京师范大学校务委员会副主任陈丽教授表示。她认为，人工智能将推动教育发

77、生颠覆性变革，高等教育要发挥龙头作用，率先领跑，抢占制高点；同时，应致力于探索利用人工智能技术培养面向未来的人才。陈丽认为，互联网和人工智能给高等教育带来的挑战是巨大的。高等教育必须进行一场根本上的思想变革，从顶层设计出发，更新教育理念，构建一个与工业时代不同的、数字时代的教育新生态。“高等教育必须自我觉醒，否则，等社会各行各业被人工智能深度影响进而形成一个社会新生态时，高等教育将会非常被动。”不是赋能 而是颠覆中国教育网络：OpenAI 推出的 ChatGPT，对您有哪些触动和影响？陈丽：ChatGPT 出现后，我的直觉判断是，人工智能时代已经到来。主要原因是在互联网的重要支撑下，人工智能发

78、展的三项关键技术条件：算法、算力和数据都已充分具备。2022 年，我受邀做一场关于教育信息化发展的报告，当时，我还曾一度迟疑：是否要将人工智能作为高校要做教育领域人工智能的先行者教育信息化发展的下一个阶段？然而，类似 ChatGPT这样的大模型的横空出世让大家看到，人工智能时代已经到来，这个过程非常迅速。生成式人工智能的出现，对教育的影响是极深刻的。从表面上看，意味着我们可使用的工具更加智能化；而从深层次来看，这预示着人类文明将进入人机协同的新范式和新阶段。因此，教育领域不应只将人工智能视为一种推动教育发展的新技术，而应从它推动人类文明进入新阶段的变革性的角度进行思考。也就是说，人工智能对于教

79、育，起到的作用可能并不是我们现在经常说的“赋能”，而是“颠覆”。中国教育网络：在您看来，人工智能时代将为高等教育带来哪些变革？陈丽：人工智能对高等教育的影响是全局的、根本性的。它会影响到高等教育的终极命题：人才培养。围绕这个命题，高校必须要从顶层设计出发，对专业设置、学科设置、培养模式等各个方面进行深层次改变。在我看来，在人才培养这项使命中，高等教育要面向三个方向：第一，要让年轻人有更好的发展，未来有更幸福的生活；第二，要培养国家所需的拔尖创新人才；第三，要培养产业所需人才。但现阶段，我们的高等教育在这三个方面做得都不够好。从培养拔尖创新人才的角度看，若将人才培养视为一条生产线，从幼儿园、小学

80、、中学到大学，前三个环节我认为是合格的，我们走在了全球前列。而在大学这个环节的人才培养，包括国内名校在内，我认为总体是不尽如人意的，是落后于中国现代化对人才培养的要求的。高等教育要想培养拔尖创新人才，必须从理念、内容、到方法都进行变革。从为产业培养人才的角度来看，产业界的反馈显示，高等教育距离培养产业发展所需要的人才，仍有不短的距离，主要是因为两者之间存在脱节。因此我陈丽北京师范大学教授校务委员会副主任人工智能对高等教育的影响是全局的、根本性的。它会影响到高等教育的终极命题：人才培养。围绕这个命题，高校必须要从顶层设计出发进行深层次改变。18评论认为，大学和产业必须联通开放，通过产业对人才的应

81、用情况来反映大学人才培养的质量，形成一种人才培养的生态。在这种生态下，社会、产业界对人才的能力需求能够反映到大学的培养体系中，成为大学人才培养的重要参考。中国教育网络：您提到，应对人工智能，高等教育要从学科设置等方面进行改变，具体应该如何实施？陈丽：在互联网和人工智能高速发展的时代背景下，高等教育的专业设置应该朝着什么方向改？这里涉及到两个问题。第一，从宏观层面，我们的学科呈现了什么趋势？2020 年，教育部发文，将此前的 13 个学科门类变更为 14 个，新增了 1 个“交叉学科”门类，这其实反映出之前与过去那个时代发展匹配的高等教育学科体系，已不再适应于当今时代的发展要求。第二，从中观层面

82、，我们的专业应该怎么变？现在大学的专业课程越来越多，在我看来这是不对的。因为无论资源多么丰富，学生一天的时间是固定的、有限的。学习的课程越多，学的内容就越窄、越浅。这与高度交叉、高度融合的社会需求是不匹配的。这是高等教育必须清楚认识并做出变革的方面。中国教育网络：ChatGPT 一出现，大家就有些担忧，有的学校表示禁止使用人工智能，您如何看待这种担忧？陈丽：这其实正是我们应该反思的。我们为什么这么怕 ChatGPT？这可能正是因为我们的教学模式出现了问题，不能适应时代的要求。高等教育应该反思，为什么教师布置的作业，学生用 ChatGPT 就能完成？我们的作业形式是否只是简单的练习和信息汇聚？这

83、是否说明我们的作业无法有效地培养学生的思维能力？当下知识大爆炸，学生使用智能工具什么都能见识到，教师还只满足于呈现杯水车薪的内容吗？人工智能时代，如果高等教育仅满足于知识的传递，而不去培养学生的独立思考、创新思维能力，那么学生很可能会刚毕业就失业。中国教育网络：ChatGPT 出现后，您和其他同行讨论，大家如何看待人工智能对教育的影响？陈丽：我感觉，我们对 ChatGPT 的态度有两个阶段。第一个阶段是兴奋，因为这是一种前所未有的突破。第二个阶段是喜忧参半。让我们忧的是，技术似乎没那么好，它作为认知工具还不够成熟。主要体现在，如果把它视作一种能力，确实是有质的突破，而如果把它视为一种认知工具，

84、在科学性上仍然存在问题。研究教育技术的专家们曾用某种大模型作为认知工具解答小学生的习题，大模型得出了好几种答案，有些就是“一本正经地胡说八道”。这说明在教育这种特别窄的领域，由于语料原因，人工智能还不够成熟。另一方面，国内的一些行业顶尖公司也做大语言模型技术，将技术融入之前的智慧教育工具中，提升了工具的效率。因此，我认为，将人工智能所具备的通用生成能力，赋能现有的教育工具，远比将它直接作为工具来使用更具可行性。实际上，从互联网开始，技术对教育产生的作用就发生了质的变化。如果说互联网之前的技术属于增强型技术，体现在“赋能”上，那么，从 Web2.0 互联网开始，我们已经到了“颠覆”的第一个阶段：

85、互联网创新了教育的供给模式，改变了教育的组织架构。过去，学校作为资源供给方，学生必须来学校才能获得教师的指导。有了互联网、智慧教育平台，学生无论身处何地都能获得指导。原来只有教师才能提供服务，现在谁都可以提供服务。人工智能时代是技术颠覆教育的第二个阶段，颠覆的是人才培养目标。这种颠覆也让教育界开始焦虑和反思：高等教育的培养目标是否应该由传递知识，转变为让学生获得驾驭人工智能的能力？如何帮助学生在人工智能技术的加持下，实现更好的发展？人工智能的出现，将是高等教育迈向人类数字文明进程中的一次彻底革命，应对这种挑战和危机，高等教育必须自我觉醒。19评论自我觉醒，应对挑战中国教育网络：人工智能时代，教

86、育发生了哪些变化？高等教育应该怎么做，才能培养驾驭人工智能技术、面向未来的人才？陈丽：高等教育要进行根本上的思想变革，就要先更新知识观、学习观和教育观。可能高等教育的从业人员需要意识到，人工智能的出现，将是高等教育迈向人类数字文明进程中的一次彻底革命，应对这种挑战和危机，高等教育必须自我觉醒。在互联网和人工智能时代，实际上有几个教育的根本要素正在发生改变：知识、学习方式、学习形态。首先，互联网改变了知识的本质。2019 年，我们团队提出了回归论知识观。我们的研究发现，互联网不仅改变了供给模式、组织架构，还改变了教育的根本性问题：什么是知识。其实通俗地说，知识是人类生产、生活过程中智慧的结晶。哲

87、学家卡尔波普尔曾提出“三个世界”理论，即物理世界、知识世界和主观世界。其中，知识世界只占据人类智慧的一部分。早期，人类智慧在生产劳动中口耳相传。后来，出现了文字，人类开始记录智慧，智慧不仅能传给你，写在竹简上之后还能传给他，尽管他从来没有跟我一起生产过。后来，人类发明了印刷术，有了书本、学校和教师。再后来，人类来到了工业时代，传播文字符号，教师选择给学生传授哪些智慧。教师、符号和载体成为了学生能学到什么的关键因素。当人类来到互联网时代，发生了第一个回归：知识回归了人类的全部智慧。移动终端的使用丰富了人类记录智慧的符号：除了文字，还有了音频、视频等。互联网时代，任何人的智慧都可以传播，这是人类历

88、史上未曾发生过的。与此同时，产生了第二个回归，知识在生产的同时完成了传播，回归到人类知识生产的最初。知识不再由权威生产，而由群体智慧汇聚产生。从前的知识由知识分子提炼，常常被称为“知识霸权”。而在互联网环境中，出现了由群体智慧汇聚产生的知识生产，比如人肉搜索。再比如 ChatGPT，这在系统科学中叫做涌现。第三个回归是知识具有了一定的结构。知识不仅仅是事实，还包括事实之间的关系。知识成为更加复杂的、结构性的了。也就是说，当人们知道同样的事实，面对一个问题场景时，大脑的加工方式并不相同。比如从同一张图片中，有人看到了白胡子老头、有人看到了骑马的人、有人看到了躺在地上的人。之所以会有这些不同，是因

89、为知识在不同的人的头脑中，形成了不同的结构。人工智能时代，大学如果只教知识，不顾结构，就会培养出高分低能的人，无法满足产业对人才的要求。从这个角度看，大学应该如何设置专业，传授能力？这将是革命性的变化。因此在人工智能时代，大学首先需要更新知识观。其次，高等教育需要更新学习观，互联网时代出现了一种新型学习理论联通主义学习理论。其核心思想是在互联网环境中，联通是教育的新本质，学习是不断建立网络之间的连接，并保证信息畅通流动的联通过程。联通主义学习理论由乔治西蒙斯和斯蒂芬唐斯于 2005 年提出，我们团队是该理论的中国学派。也就是说，除了教师呈现给学生、学生在场景中建构以外，还存在一种新的重要学习方

90、式，那就是学生与有价值的信息源建立属于自己的信息网络。人的发展由自身的三个网络相互作用决定。一是神经网络，也就是生理基础。二是概念网络，即人的经验。三是信息网络。在互联网之前，信息网络的关键节点是书本、家庭和教师，其中，教师承担着培养学生的关键职责。互联网时代，学生的信息网络扩大了，决定成败的不只有教师了，信息网络成为影响学生发展的重要因素。人工智能的出现，将是高等教育迈向人类数字文明进程中的一次彻底革命，应对这种挑战和危机，高等教育必须自我觉醒。20评论此时，教师就不应仅仅满足于知识的传递，而要搭建有助于学生构建属于自己的信息网络的生态环境。学生不再只是听教师讲，而是要主动构建自己的信息网络

91、。如果这是学生的新型学习方式，那么课程应该是什么形态呢？这就引出了最后一点，互联网时代教育的新本体论联通。此时，教育已不再是线性的层级系统了，而是复杂的网络系统，多点对多点。在这种情况下，我们的课程形态也要发生变化。过去 5 年里，我们探索了一种基于网络的社区型课程，课程的名称是互联网+教育：理论与实践的对话。在课程里，教学活动不再是知识传递，而是通过各种策略，促进学习者的联通，构建了知识社区。学习者包括教师、学生，还有一线的实践者。大家一起生产知识，在过程中传播，共同成长。在这里，个体与他人交互，构建自己的信息网络，在解决问题的同时，社区也不断进行知识进化，促进所有人提高。在这里，我也是学生

92、。我们用社会网络分析的方法判断，谁在网络中的地位高，谁的圆点就大。第一周我还是一个大圆点，到课程最后就找不到我了，我也成为了复杂网络中的一员。这是几点非常重要的、颠覆性的改变，但目前高等教育几乎还没有看到和反馈，还在沉睡。然而，时代催促我们必须要对此有所应对，否则将会很被动。高等教育要从根本上发生系统性变革，要进行教育理念、教育生态，甚至社会价值观的深刻变革。中国教育网络：您认为人工智能的发展对高校、校领导、教师和学生提出了哪些新要求和新挑战？陈丽：人工智能给高等教育的组织体系、学科设置、课程内容和形态、人才评价方式提出了全新的挑战，大学要系统地研究培养目标、课程和专业设置等，要培养学生步入社

93、会能用得上的技能。总的来说，挑战大于机遇，且责任大于机遇。面对人工智能，高校领导应高度重视，理性对待。高度重视的意思是，要观察、研究，要在一些领域展开试点，要一探究竟，它到底将对高等教育有何影响？我们应该怎么应用它？总之，要重视它对高校可能产生的影响，绝对不能保守；理性对待就是说，不要对技术过于乐观，它还是发展的初期，不要对它寄予太高的期待。对于高校教师来说，要加强人工智能应用的实证研究。对于学生，我认为要提升他们的人工智能素养。总的来说，对于人工智能如何影响教育这个话题，高校要勇挑重担，做先行者，研究人工智能在教育中的适用性。我们可以看到，在生成式人工智能教育应用研究的范式中，有 81.79

94、%的研究都是教育思辨类，只有 16.15%的实证研究。在这方面，高校责无旁贷，要先试先行，要进行实证，要在研究的过程中形成优化学科领域的小模型，同时探索它的有效性、安全性、隐私、数据和伦理问题，甚至价值观问题。中国教育网络：当前，欧盟颁布了人工智能法案，一些国家也出台了法规、指南，希望通过法案来降低人工智能技术所带来的风险，您如何看待这种做法？陈丽：全世界都在关注生成式人工智能，美国强调行业自律，欧盟通过立法解决。实际上，联合国和许多国家也出台了一系列指南和法规。对待新技术的态度是先降低风险，这是头一遭。在这之前，我们从来没有见过任何一个关于技术应用的法规。由此可见，它带来的风险和挑战很大。在

95、应对方面我们的共识是，要以人为本。要从人的角度保护隐私，考虑文化的多元性，因为 ChatGPT以西方发达国家的数据为主，会对亚洲文化产生一些歧视，甚至在价值观上产生冲突。这些风险，我们必须关注到。中国教育网络：如果给教育管理机构三个建议，您会提出哪些？陈丽：目前以ChatGPT为代表的生成式人工智能，因黑箱性、生成性，以及语料决定其价值观等，给我们带来了较大的风险。习近平总书记提出：“要开辟发展新领域新赛道，不断塑造发展新动能新优势。”我非常赞同。我们国家的政策驱动能力比较强，因此我认为，中国要做自己的认知大模型。对教育而言，要研究学科领域的垂直模型，我们必须用自己的语料库来做，这件事任重而道

96、远。关于给教育机构的建议，我认为首先，教育部要加强人工智能技术在高校应用的统筹和指导。第二，路径方面，要研究、试点、推广，三步走。教育改革是典型的设计性研究，不能用确定性思维来推动。举个例子，发明飞机的莱特兄弟认为鸟能飞，人就能飞，于是做了两个翅膀，没成功。前面再加一个发动机试试？也失败了。多次迭代之后，他们才成功。教育改革也要如此，要试错、迭代。当一切都还不够成熟的时候，大面积推广人工智能一定有问题。所以我希望稳步推进。第三，要提升高校管理者的人工智能素养。从教育部的角度，应该加强对管理队伍、干部队伍在人工智能素养方面的提升。（本文原文刊登于中国教育网络2024 年 2-3 月合刊）21评论

97、“人工智能对高等教育的影响，在我看来，其意义如同十二世纪现代大学在欧洲诞生，是一个从无到有的根本性变革。”谈及人工智能对高等教育的影响，清华大学李星教授表示。“未来，人类终究要学会与人工智能共生。”他认为，教育的本质是使人获得学习能力、解决问题的能力、适应社会规则的能力，而在人工智能时代，高等教育仍然要把握这些本质，以不变应万变。人们应用人工智能的思路将会改变中国教育网络：OpenAI 推出的 ChatGPT，对您有哪些触动和影响？李星：过去，人类历史就是等待天才的历史。人们等啊等，出现了牛顿，搞定了微积分、物理学三大定律、经典物理学。又等啊等，等来了爱因斯坦，搞定了相对论。所以过去几千年，基

98、本上是一个等待天才的过程。人类社会的发展与进步依赖于天才的出现，但天才什么时候出现，怎么出现，存在很多不确定性。虽然在所有生物中，人不是最强壮的，也不是跑得最快的，但人类会制造和使用工具。所以在历史长河中，我们基本取得共识：人类是世界上最厉害的生物。包括在计算机、互联网时代，我们也是这么认为的，因为计算机再厉害，程序还是人编的，人还能控制它。但人工智能的出现打破了这种笃定。人类意识到，机器未来完全可以超越人，甚至可能比人更聪明。人无论多聪明，他的学习都是有限度的，但人工智能却可以无限地学习。所以我认为，伴随人工智能的发展，人类历史上等待天才的时代终结了。因而，未来人类将要接受这个事实：世界上，

99、将有另一种存在比人类更强了。这对人类的自尊心是非常大的打击。所以我觉得，人类必须接受自己的平庸，不必觉得什么事情都一定要自己主宰。但人类依然有自己的优势。如果与人工智能比计算速度，也许人类比不过，但人类可以静下心来慢慢思考，想得足够深入，最终能解决问题。这也许就是人类的优势所在。回顾人工智能的诞生，我们可以追溯到 1956 年达特茅斯研讨会，这次会议由人工智能的创始人之一约翰麦卡锡（John McCarthy，1927-2011）发起，会议召集了许多数学家和科学家，其中就包括贝尔实验室信息论创始人克劳德香农（Claude Shannon）。在两个月左右的时间里，他们进行了长时间的头脑风暴会议。

100、参会者们静下心来踏踏实实、慢慢地思考，解决了一些问题，达成了一些共识。中国教育网络：ChatGPT 的出现有一年多了，在这期间您与同行们进行讨论时，大家对于人工智能对社会、教育的影响是什么样的态度？李星：我可能是最激进的人员之一。一般来说，研究人工智能的人不太关心其对教育的影响；开会的时候我也和做教育的同行聊起人工智能，不过做教育的人对人工智能的了解还是比较少，也不能很清楚地描述其带来的影响。目前，我感到大部分人和商业公司都还在用传统思路去思考人工智能：如用智能接线机器人替代传统手动接线，通过人工智能技术精准布线和线路连接，提高了工业生产效率；如开发更智能的搜索引擎以及能帮人起草文件的大语言模

101、型工具。虽然上述对人工智能的应用的确很实用，但人工智能的应用绝不仅限人工智能之于高等教育其意义如同现代大学的诞生李星 清华大学教授CERNET 网络中心副主任22评论于此。很明显，随着人工智能越来越彰显出实力，未来人们利用人工智能的思路都会改变。教育与科研进入一个完全不同的时代中国教育网络：您觉得人工智能时代对教育，尤其是高等教育有哪些方面的变革？最大的变革您认为发生在哪个方面？李星：人工智能时代的到来意义深远，推动各行各业产生巨大变革。在高等教育领域，我认为，人工智能的出现，其意义如同十二世纪现代大学在欧洲诞生，是一个从无到有、从混沌到有序的根本性变革。未来当人工智能极速发展，现有大学的组织

102、架构、学科体系、知识结构、教学方法完全可能被打破重建，在我的感觉中，这将会是一个颠覆性、翻天覆地的巨变。中国教育网络：在您看来，人工智能的高速发展对人们的科研工作将有什么影响？李星：未来，在人工智能的辅助下，科学研究将取得重大突破，实现快速发展。前不久，我读了一篇关于“人工智能可控核聚变”的报道，来自美国普林斯顿大学的研究团队开发了一套人工智能模型，实现了可控核聚变装置托卡马克中等离子的实时预测，并避免了等离子体撕裂的问题。项 目 研 究 负 责 人 埃 格 曼 科 莱 曼（Egemen Kolement）表示：“通过从过去的实验中学习，而非从物理理论模型中获取信息，人工智能可以制定出最终的控

103、制策略，实现在真实反应堆中实时支持高功率等离子体保持稳定。”科莱曼课题组的研究学者阿吉拉赫什贾拉万德（Azarakhsh Jalalvand）表示：“我们并没有向人工智能传授核聚变反应的所有复杂物理知识，而是告诉它，目标是保持高功率反应，要避免撕裂模式不稳定，以及它可以转动哪些按钮来实现这些目标。”这还只是人工智能给科研带来改变的初级阶段。我预料，未来人工智能对科研范式的改变将是翻天覆地的，这与过去我们得到的经验截然不同。实际上，Open AI 刚推出 ChatGPT 的时候，我并不看好人工智能，但我一直在用它，同时也越来越多地使用，甚至试验微调开放源码的模型。这些使用经验给了我很大的震撼，因

104、为它与过去我们提到的人工智能截然不同。当它应用于科研，所迸发出的力量也可能是我们预料不到的。过去我们一直认为，做科研必须基于理解，你必须理解透彻了这件事背后的理论，要做的事才有可能实现。就像我们要发明飞机，就要将空气动力学研究透彻，才能让飞机飞起来。这叫“可解释性”，然而人工智能完全不按常理出牌，它的价值恰恰体现在“不可解释性”上。简单来说，就是它并不懂事物的运行原理，但能做成事。这种感觉就像鸟会飞，却不知道自己是如何飞起来的。回头来看，这种“不可解释性”似乎是不可思议的，但也是更自然的。所以，以 ChatGPT 的出现为界，过去与未来，科研范式将是完全不同的：人们究竟要在理解的基础上做科研？

105、还是用足够多的数据训练人工智能，借用它来做科研？可以说，科研已开始进入一个与过去完全不同的新的时代。中国教育网络：这是否也意味着过去我们学的很多东西都派不上用场了？李星：是的，这将改变很多事情，甚至有点可怕：人类的很多技能就没有用处了。这让我想到一件事。当年我在美国读研究生时也做助教，其中一门课是电动力学，讲麦克斯韦方程。美国的本科生很可爱，低声嘀咕说：“真倒霉，如果我早生 200 年就不用学这东西了。”我说：“你太幸运了，如果你再晚生 200 年，你要学的东西恐怕更恐怖。”技术的进步完全能改变教育。在人工智能时代，什么是最重要的？我认为应该是娱乐。Linux 之父林纳斯托瓦兹（Linus T

106、orvalds）在其自传只是为了好玩（Just for fun）中总结道：人类的追求分为三个阶段。第一是生存，第二是社会秩序（如繁衍），第三是娱乐。人工智能时代，我认为别看它似乎能取代很多工作，但整个社会而言，大概率大家都会没什么生存压力，繁衍看个人意愿，最后就剩下娱乐。而那些特别热爱科研的人，会把科研当做娱乐，最后做成了不起的成就。有一个笑话是，上世纪初，老财主把儿子送去海外留学。假期，儿子回国探亲，打网球累得满头大汗。老财主坐在一旁看儿子打球，仆人给老财主扇扇子。突然，仆人走过去说：“少爷，看给您累的，我来帮您打吧！”仆人觉得少爷打网球太辛苦了，需要代劳，但其实打网球是少爷的兴趣爱好，他乐

107、在其中。未来做科研就是这样，人们喜欢它才会去做它，可能看似很辛苦，但本质上是追逐一种乐趣，是一种娱乐。23评论大智慧与小聪明的结合中国教育网络：人工智能时代，教育应该注重哪些方面能力的培养？李星：要注重通识教育。人工智能时代，人不仅需要理科思维，也需要文科思维。比如现在，在与ChatGPT 交互的时候就要写提示词（Prompt），提示工程依赖的是语言文字，这是一种文科能力。因此，未来的教育不仅需要对学生进行理工科的逻辑训练，还需要对其进行文科的语言能力训练。语言学培养人们的理解力和表达能力，这恰恰是人们和人工智能交流最重要的工具。我们培养学生，既要培养大智慧，也要让他们有一些小聪明。这里的大智

108、慧指的是善于抓主要矛盾，把握事物的本质，理解基本运行原理。比如，了解体系结构、设计原理，同时通过实践，掌握事物的技术细节。掌握大智慧需要理论和实践的结合。人必须在具体的问题上思考、行动得足够深入，才能体会到其中的大智慧。而小聪明指的是不按常理出牌，也可以说不走寻常路的灵光一闪。需要解决问题的时候，如果能总结出规律，有了公式，就可以按公式做。然而当总结不出规律的时候，就可以试试小聪明。与人工智能打交道，还得有点小聪明，光按套路出牌的大智慧就不太管用。我们不清楚究竟应该学习哪些知识和技能，因为它们会随着时代的变化而变化。但只要人具备上述能力，就能随机应变。中国教育网络：对于大学和教师来说，存在哪些

109、挑战？怎么去应对这种挑战？李星：上世纪90年代，美国首位华人名校校长伯克利大学田长霖教授访问清华大学的时候，时任清华大学校长的王大中院士向他提问：“清华大学如何成为世界一流大学？”田长霖说：“很简单，将所有学科都与互联网结合。”这句话很有前瞻性。到现在这个节点，我认为这句话可以改一下：将所有学科都与人工智能结合。至于高等教育应该如何应对人工智能，从大智慧的角度看，要考虑教育的底层逻辑：究竟需要培养哪些能力，才能使学生走入社会成为合格的人才？在 ChatGPT 出现之后，广义来说，会使用人工智能的人，和不会使用人工智能的人，就像读书人和文盲的区别了。未来，所有人最终都要懂得人工智能，要学会与之共

110、生。对于教育而言，未来一定要教人如何与人工智能共生。人工智能背景下的教育和教学，就要随机应变。教育的目的是让人掌握做成事情的能力。对于人来说，有些能力无法被人工智能替代，有的能力可被替代。未来，只要善用人工智能，人就不一定需要掌握某项技能了。所以对于教育而言，应该去芜存菁：确实需要让人掌握的技能，就应该教。随着时代的变化某些技能逐渐没有使用价值了，就应该淘汰。但学生必须要更加主动地思考，如果自己不思考，而是直接交给ChatGPT，复制答案交给老师，这是不行的，如此一来学生就变成巨婴了。对于教师来说，应该主动拥抱新技术，主动学习。正如互联网时代，大学的学科要与互联网结合，现在我们又到了一个新的关

111、键点，每一门学科都要与人工智能结合。作为教师，应该主动思考：自己的教学、科研如何与人工智能相结合。中国教育网络：如果给教育管理机构三个建议，您会提出哪些？李星：未来将会发生巨变。就像狄更斯说的：“这是最好的时代，也是最坏的时代。”未来的教育一定要基于娱乐，要寓教于乐。我认为有几点很重要：第一，留出空间。教育要给创造性思维留出空间，培养适应未来需要的、“不按常理出牌”的人才，要给足空间让年轻人自由发挥，才能产生创新。其次，更包容的教育。给予学生充分试错的空间，鼓励百花齐放，允许多样性。最后，重视逻辑教育。要培养年轻人的批判性思维和逻辑思维，允许他们畅所欲言、自由思想。对于教育而言，未来一定要教人

112、如何与人工智能共生。（本文原文刊登于中国教育网络2024 年 2-3 月合刊）24评论“全球知名高等院校应对人工智能的态度各有不同，一些大学鼓励和支持，一些大学表示允许，还有一些大学官方不表态或者说不禁止。大多数高校倾向于支持师生合理使用生成式人工智能，并制定了具体的政策与规范。”北京大学教育学院教授汪琼表示。对于新技术，不但要使用，还要优化使用效率，同时也要考虑其安全风险。汪琼认为，生成式人工智能的出现给学生提供了更多元的学习方式，但从本质上来看，学生的自主学习能力训练更加重要了。人工智能的发展与风险中国教育网络：ChatGPT 和 Sora 刚问世便火遍全球，反映了人工智能的巨大影响力和无

113、尽潜力，未来似乎有无限可能。很多人担心，人工智能将对人类社会构成威胁，您如何看待这种观点？人类如何驾驭迅猛发展的新技术？汪琼：生成式人工智能将对人类社会各方面产生影响，它汇集了人类的集体智慧，可以说，它站在巨人的肩上，跑得比人类更快。未来，大多数人类确实会被它超越。关于人工智能是否会产生意识、人类是否会被自己发明的技术所终结，在技术哲学领域一直都有两股言论，这些年的技术发展史似乎也证实了两派观点在当人工智能闯入校园 全球高校的应对特定场景下都成立。麻省理工学院物理系终身教授迈克斯泰格马克（Max Tegmark）作为呼吁对人工智能研究按下暂停键的发起人之一，在他所著生命 3.0：人工智能时代，

114、人类的进化与重生（Life 3.0:being human in the age of artificial intelligence）一书中，描写了一个关于欧米茄团队的虚构故事。初创科技公司中的欧米茄团队致力于制造通用人工智能普罗米修斯。他们竭尽全力让普罗米修斯在编写人工智能系统方面自我迭代。普罗米修斯也不负众望，其自我迭代速度大大超出预期，欧米茄团队开始利用普罗米修斯赚取更多的研发经费。团队的第一个目标是亚马逊的 MTurk，普罗米修斯成功为团队赚了个盆满钵满。随后团队成员开始考虑，接下来是应该让它开发计算机游戏？是做音乐、电影或者软件？还是写书、写文章、炒股？此时，团队中的网络安全专家表

115、达出忧虑，她担心普罗米修斯会逃脱并抢夺自身命运的控制权。这时，欧米茄团队对于技术究竟能在什么领域使用开始有所顾虑：他们有点兴奋，有点害怕，也有点恐惧。安全起见，欧米茄团队决定将普罗米修斯“关起来”，让它无法逃到互联网上。最终，团队决定利用普罗米修斯制作数字化、价值高、生产周期短、易于理解且不会带来逃脱风险的产品电影。普罗米修斯在电影界大获成功，不久就跻身全世界最大的媒体帝国。接下来，欧米茄团队将业务汪琼北京大学教育学院教授英文版生命 3.0面对生成式人工智能，各高校思路大致相仿，在引导学生借助生成式人工智能开展多元化学习的同时，回归教育本质，强化学生批判性思维和问题表征能力。25评论发展到世界

116、经济中的各个领域并站稳脚跟。后来，在普罗米修斯的帮助下，欧米茄团队赢得了选票，获得了权力，最终统治了世界。讲到这里，你是否有汗毛竖立、似曾相识的感觉？事实上，欧米茄团队的传奇虽然是虚构的，却犹如惊世预言，揭示了人工智能发展可能会对社会文化和政治经济各方面的影响。目前人们所看到的人工智能表现，很可能只是冰山一角。可汗学院创始人萨尔曼可汗（Salman Khan）曾在一次讲座中谈到，2022 年夏，他因为提前看到了 GPT-4 的威力，热忱地与 OpenAI 合作开发智能教学助手 Khanmigo，以加快实现“人人都有耐心家教”的梦想，而普通大众是到 2023 年 3 月 15 日才接触到阉割版的

117、 GPT-4。由于不确定推出新版本的人工智能工具将产生什么后果，人们目前看到的人工智能产品，与科技公司正在研发的人工智能技术也许差了好几代。也是因为对于人类是否能够控制人工智能力量的警觉，在一部分人热衷推动人工智能不断创造奇迹的同时，也有另一部分专家在跟进地论证与前瞻性分析人工智能技术带来的影响，特别是可能产生的风险。很多时候，技术看似中性，却很可能产生巨大的社会影响，就像时钟的发明，最终协调了社会各行各业的运转，从某种意义上来说，是人为的时间分割，让社会按照数学的计算运行了。人工智能会不会让我们的社会加速运转，而身在其中的人类，会不会像“陀螺”一样，难以自控而不得不随波逐流？至少现在，我们还

118、有能力权衡利弊，在学习驾驭、优化使用的同时，还能兼顾其安全风险。人工智能给教育和社会带来的影响中国教育网络：OpenAI推出了ChatGPT，您认为其对高等教育的教学和科研带来的最核心影响是什么？汪琼：在 OpenAI 刚推出 ChatGPT 时，就有人提出担忧很多问题都能从 ChatGPT 上找到答案了，学生会不会因此不再进行思考、不记忆不学习了？类似的担心，在人类文明发展史上出现过多次。比如，古希腊口述文化博闻强记的代表人物苏格拉底曾对埃及文字的出现表示过担忧，他担心有了文字后，很多人不再背诵和记忆，且自满于虚假的“博学”。网络搜索引擎带来的信息快速检索，也曾让人担心“学生是否将不再自己写

119、作，而去上网抄袭？”现在看来，以上的担忧确实都有发生，但总体来说利大于弊，尤其是学校教育，也会根据人才培养目标加强治学要求和规定。面对生成式人工智能，各高校莫不如是，在引导学生借助生成式人工智能开展多元化学习的同时，回归教育本质，强化学生批判性思维和问题表征能力。在科研方面，人工智能也起到了加速作用，尤其是在医学、生物、化学等领域。比如，由美国 Anthropic公司发布的大语言模型 Claude 3 发布没多久，博士们就纷纷发现自己手里还没发表的研究成果都被 Claude 3破解了。化学博士发现，自己要用一年时间做实验的研究，Claude 3 只用了两个小时就给出了方案，比自己的研究方案更简

120、洁，成本却只要 5 美分。一位量子物理学博士也震惊地发现，难觅知音的论文竟然被 Claude 3 看懂了！另一位量子物理学博士在提交博士论文前，用论文中的问题询问了 Claude 3，结果只用了两个提示词，这位博士就得到了自己将要发表的论文的发现。从这个角度来看，在人工智能的加持下，科研的进步和发展将可能一日千里。在科研方面，人工智能也起到了加速作用，尤其是在医学、生物、化学等领域。26评论中国教育网络：以人工智能的迭代速度，在您看来，未来是否会有大批职业被人工智能取代？汪琼：人们渐渐感受到了人工智能对各行各业的冲击。人工智能在消灭一些岗位的同时，也提供了新的岗位机遇。就像金融业，在如今的银行

121、网点，智能柜员机取代了银行柜员的很多职能，大堂内机器旁耐心且态度友好的一两个经理，再加上几台智能柜员机，就能完成大多数初级业务流程。2024 年 1 月，硅谷涌现了裁员潮，谷歌裁掉 1000多人，还有 27 家公司也陆续宣布裁员。裁员的最主要因素是由于人工智能在编写代码能力上突飞猛进，导致科技公司对于初级程序员的需求有了明显下降。过去，人们羡慕记忆能力强的人，他们满腹经纶、出口成章。人们由此得出结论：这是一个有学问的人。然而，信息时代，很多知识都“外挂”了，人类的很多能力似乎都显得没那么重要了。例如，国外的一些基金公司已经出现了这样的现象，传统通过分析公司商业价值进行投资的基金经理，其业绩不如

122、使用人工智能技术看数据的年轻基金经理。这不免令人困扰：这会不会助长通过做数据导致虚假繁荣的公司发展，而让深耕技术研发却尚未获利的公司得不到投资？长此以往，是否会造成整个行业崩盘？好在目前，在金融投资领域，人工智能还无法替代人的智识。因为一些数据分析软件只是在一波波逐浪，对股票掐尖，而基金经理会判断某只股票是否为潜力股，若答案是肯定的，就有机会抓住巨大投资峰值。此外，人工智能也可能会催生新行业，产生新机遇。比如美国某人工智能初创公司用百万年薪聘请提示词工程师（Prompt Engineer）。由此可见，人工智能在颠覆一些行业的同时，也掀起了新兴行业的浪潮。未来，是挑战与机遇并存的时代。全球高校应

123、对策略中国教育网络：针对生成式人工智能在高等教育领域产生的影响，全球知名大学目前都有什么措施？他们怎么看待人工智能背景下的挑战与影响？汪琼：全球来看，各个大学对人工智能应用的态度各有不同。一些大学鼓励和支持，一些大学表示允许，还有一些大学官方不表态或者说不禁止，大多数高校倾向于支持师生合理使用生成式人工智能，并制定了具体的政策与规范。对于生成式人工智能可能带来的学术诚信风险问题，各个学校普遍都会表现出担忧。针对教师关心的剽窃和抄袭情况，不少学校会拿出过去的政策，分析哪条政策能涵盖生成式人工智能带来的新情况，并做出一些对应的解读。比如不允许教师将学生作业上传至生成式人工智能工具上进行分析，就是沿

124、袭过去不允许将学生作业上传至互联网的做法，避免作业成为训练数据，引来查重泄密等麻烦。对于学生在作业和论文中使用了生成式人工智能辅助的情况，有多家出版社给出了引用陈述示例,在一些大学的教学中心推荐给师生的参考资料中，也有上述内容的表述示例。国外高校的信息技术部门通常会对校内使用的信息技术进行评估,设定各种应用可能带来的数据风险和隐私风险,并给出分级对策。如斯坦福大学的信息技术中心就在系统评估的基础上，对一些 ZOOM 插件明确给出了禁用提示。由于美国不少一流高校非常重视知识产权和数据保护，建立全校范围的私域大语言模型以支持校内应用，已经成为一个趋势。例如，美国密歇根大学的愿景是成为生成式人工智能

125、领域的领导者，该校于 2023年夏天为全校多校区的师生提供了三种封闭的生成式人工智能工具，旨在解决校园用户访问人工智能过程中的免费、隐私、可访问性和公平性问题。康奈尔大学也与微软合作，建立了本校全体员工可以使用的私域大语言模型应用；哈佛大学的私域大语言模型目前只对法学硕士项目进行试点；斯坦福大学还在研发之中。在推动教学中合理合规应用生成式人工智能方面，各大学的教学发展中心发挥了重要作用，不仅提供了多学科教学交流研讨会、开办了工作坊，还提供了丰富的在线课程和示范样例，辅助师生全面认识和重视生成式人工智能对教学与科研的影响。其中，哈佛大学本科教育办公室的工作很有代表性，他们根据课程教学中使用生成式

126、人工智能的三种程度，为教师编制了在课程大纲中使用生成式人工智能的合规表述，如禁止使用情况的表述、鼓励使用情况的表述、混合使用情况的表述等，教师只需复制到自己的课程教学大纲中即可。澳大利亚墨尔本大学提供了一系列高质量的资源、网站和案例研究精选列表，协助教师设计出不易受人工智能影响的作业和考试活动，减少由人工智能带来的学术不端行为。有些大学尚未出台指导政策。如加利福尼亚大学27评论伯克利分校表示：ChatGPT 并非本校所支持的工具，本校尚未审查ChatGPT的可访问性、隐私和安全性。因此，如果教师选择在教学中使用 ChatGPT，则有责任审查和审核 ChatGPT 在可访问性、隐私和安全性方面的

127、问题。如果学生以任何方式都无法访问 ChatGPT，教师则应保持开放的态度，为学生提供完成作业的其他选择。国内高校方面，据我所知，北京大学、清华大学都有课程开发了人工智能助手，帮助学生答疑。一些高校的个别专业（如人民大学）也在做借助人工智能技术的专业人才培养过程改造，中国地质大学正在建立专业垂直大模型相信随着国内大语言模型可用性增强，基于国产生成式人工智能的教学与科研应用也会越来越多、越来越深入。人工智能时代，给学校和教师的建议中国教育网络：在您看来，人工智能的发展给教师提出了哪些新要求和新挑战？汪琼：近两年，我身边有团队陆续向出版社交付了指导中小学教师编写提示词（Prompt）的书，以及指导

128、高校教师利用大语言模型开展教学科研的书。我在与中小学校长访谈时也发现，很多中小学也正在培训教师学习如何优化与大语言模型的对话交流。然而，我认为这种培训很快就没有什么必要了，现在不少大模型都出现了提示词优化工具。人不必迎合工具，科技公司会对大语言模型应用进行优化，让人们使用起来更便捷，和近些年智能手机的使用体验逐渐提升同理。因此，没有必要花大力气做培训，刻意以提升教师的信息素养为名，来达到与人工智能有效对话的目的，工具本身必将走向界面更人性化、更友好的方向。从某种意义上而言，大语言模型出现后，对教师信息素养的要求实际上降低了。比如，我以前坐飞机，看到别人在没网的情况下还能用手机看电影，才知道手机

129、容量有多大了、视频资源有多小了，像是打开了新世界的大门：原来还可以这样，我也可以这么做！在将人工智能融入课堂方面也是同样的道理，通过案例展示，达到促进教师应用的目的。学校可以为教师提供丰富的结合人工智能开展教学的案例，通过学习各种不同的案例，教师将了解到，原来人工智能工具还能这样使用，那么在教学中就会自然而然地去尝试。例如，通过观看各种不同的应用案例，教师将会发现，在教师应用层面，可以利用 ChatGPT 制定教学大纲、生成讲义、设计课堂活动、开展调研探索等功能；在学生应用层面，ChatGPT 可以帮助智能答疑、个性化互动、作业评测和考试辅助。通过接触案例，教师将在教学中逐渐习惯应用人工智能辅

130、助教学，达到开阔眼界、打开思路、提升效率的目的。中国教育网络：关于人才培养方面，您认为教育机构应该如何培养适应人工智能时代的人才？汪琼：一方面，要给学生提供接触和使用人工智能的环境平台。现在的学生都是互联网原住民，他们对新技术的适应速度非常快。我认为，在提升学生信息素养方面，可以为他们创造接触新技术的环境。比如，与其给学生上科学素养课，不如设计科学装备角，经常让学生自己动手、自由拆装，那么科学素养的提升也将水到渠成。信息素养的提升也同理。另一方面，要培养学生解决问题的能力，需要给学生提供“修炼内功”的场所和具有挑战性的问题，培养他们借助人工智能技术解决问题的能力和人机交互的能力。未来世界，要培

131、养善用人工智能的人才。未来世界，要培养善用人工智能的人才。（本文原文刊登于中国教育网络2024 年 2-3 月合刊）28评论“人工智能对人类的改变将是巨大的，它将成为人类社会运作的一个新维度。”清华大学电机系教授于歆杰在接受本刊采访时说。作为最早的慕课名师之一，于歆杰认为，人工智能对高等教育的影响是远远大于慕课的。在他看来，人工智能的高速发展给研究型高校、教师和学生都带来了全新挑战，面对即将到来的挑战，大学应抓住关键发展时期进行统筹布局。人工智能为人类提供了一个全新维度中国教育网络：OpenAI 推出了 ChatGPT，可以说是人工智能发展的里程碑事件，对您以及您身边的人有哪些影响？于歆杰：C

132、hatGPT 的推出对我触动很大，我认为，它对高等教育教师群体的影响远远大于慕课。慕课主要存在的领域是高等教育领域，它通过在线方式提供优质的教育资源和课程，教师在其中起到主导作用，这促进了教育公平，提升了学习质量。ChatGPT 的情况则完全不同，它不是单独属于高等教育领域的，也脱离了计算机学科范畴。它具有全局性和整体性特点，未来必然将对人的思维、行为方式和社会运行方式产生影响和改变。我认为，人工智能对人类的改变将是巨大的，它为人类社会未来运作与发展提供了一个新维度。作为个体，人们拥有自己的社交圈，过去当你需要帮助的时候，会向你的社交圈寻求帮助和建议。现在，你还可以去问 ChatGPT，它就像

133、一个全新维度的智能体，改变和拓展了你的工作、学习、生活方式。从这个角度上来看，慕课只提供资源，而人工智能影响人们的行为方式，因此，人工智能对高等教育的影响是超过慕课的。对我来说最直观的影响是，ChatGPT 的出现让大家多了一个选择。例如，在写论文时，过去研究生写英文论文投稿，都会收到一条反馈：英文表述不够准确。学生会找英语非常好的人帮忙打磨论文。现在，学生可能会先用 ChatGPT 帮助修改语法表达，然后再投稿。在海外出版方面，过去，海外出版流程非常长，原因之一是文稿翻译周期长。现在，我们可以先用大语言模型翻译，再人工核对，整个流程就大幅缩短。当然，其中可能涉及伦理问题。但毫无疑问，人工智能

134、与我们的生活、工作日益贴近，成为不可忽略的趋势、不可回避的力量。中国教育网络：人工智能将对科研产生什么影响？ChatGPT 已出现一年多了，在此期间您也一定与同行们进行了讨论，他们是什么样的态度？于歆杰：我有一个观点有的科研领域有“物理屏蔽层”，而有的科研领域是没有“物理屏蔽层”的。很多传统工科类研究领域往往属于前者，比如，我所在的电机工程研究领域，需要具体的物理场景来落地，而我国幅员辽阔、人口众多，为这种类型的研究提供了几乎取之不尽、用之不竭的应用场景。在信息技术的加持下，我们可以得到更好的发展。正因如此，中国很多传统工科也逐渐走到了行业的最前沿。而有些领域是没有“物理屏蔽层”的，比如物理、

135、数学和人工智能。全世界的数学家、物理学家和人工智能专家都在研究相同的问题。这种类型的研究是超大学应及时统筹布局人工智能于歆杰清华大学电机系教授人们要意识到，ChatGPT和人是共生关系，也是合作关系，不必非此即彼，而要融合要部分地使用它，让它服务于人。29评论越应用场景的，一旦一个颠覆性理论或技术出来，就可以迅速应用到全球范围。因此，人工智能领域目前处于一个非常关键的时期，研究成果日新月异，竞争非常激烈，这个领域的研究人员面临的压力会非常巨大，当然取得突破后对人类文明的贡献也会非常巨大。高等教育要与人工智能合作共生中国教育网络：ChatGPT 刚出来的时候，大学间出现了截然不同的两种态度。有的

136、学校提出要禁用，您怎么看待教育领域对人工智能的恐惧与担心？于歆杰：禁用 ChatGPT 有点像：尽管计算器的准确度和速度更高，但我们禁止学生使用，还强迫他们必须用笔算或心算加减乘除；尽管有了电路仿真软件，但我们禁止学生使用，还强迫他们用纸笔列方程。显然，这是非常生硬的、刻舟求剑的做法，等于把人工智能放到了人的主观能动性的对立面。默认有了人工智能的帮助，大家都不动脑筋了，事实肯定不会如此，一定有大量非常聪明、实干的人会借用ChatGPT，把自己的事情干得更好。人们要意识到，ChatGPT 和人是共生关系，也是合作关系。不必非此即彼，而要融合要部分地使用它，让它服务于人。在今后的教育中也应当将二者

137、融合，否则，大学将无法教会学生应对未来的社会。总之，人工智能时代，大家都要学会如何与之共生。中国教育网络：站在您的角度，您认为人工智能的发展将给研究型高校带来哪些挑战和变化？于歆杰：研究型高校有一个很重要的使命，那就是要投身当前社会最关注的热点进行研究。因此，人工智能的高速发展首先给研究型高校带来了科研方面的压力和挑战。人工智能领域专家朱松纯教授写了一篇文章，其中提到：通用人工智能研究的目标就是要创造有自主的感知、认知、决策、学习、执行和社会协作能力，符合人类情感、伦理与道德观念的通用智能体（Agents）。我很认同他的这个观点。美国电影黑客帝国里有一个建设一个具有宏观视野的、服务于大学未来愿

138、景发展的人工智能机制体制，促进大学的繁荣与发展。30评论打造智能助教、知识图谱等多元化教学场景，并深入观察和分析人工智能技术与教育教学融合所带来的深远影响。反派角色特工史密斯（Agent Smith），他是矩阵（Matrix）世界中的杀毒程序，是一个数字智能体。现在的人工智能已经脱胎于计算机学科，有点像一个数字智能体，或者说一个“新物种”一个还没有那么强大、正在快速迭代成长的物种。也许在未来的某一天，它会产生自主意识，并参与人类社会的交互。具体到教育方面，在人工智能时代，师生关系将发生改变。过去的教学就是人才培养，师生之间产生互动，这是二元关系。有些课程还有助教的参与，是三元关系。今后，随着人

139、工智能体的加入，可能形成四元关系：由教师、助教、学生、人工智能共同构成一个新的教学组合体。中国教育网络：在您看来，与慕课相比，生成式人工智能对于教师群体的影响，有哪些异同？将对教师产生什么影响？于歆杰：2013 年我们做慕课的时候，曾提到它将对高等教育产生很大影响，但坦率地讲，如果没有疫情，这种影响作用的范围依然非常有限，这是因为乐于制作和运用数字化资源开展教学改革的教师始终是少数。疫情的到来打破了这一局面，慕课得到了大规模的应用，广大教师不得已开始在线教学，在此过程中，很多教师的行为方式改变了，对信息时代背景下的课堂变革产生了一些新的思考。然而，人工智能带来的冲击将比慕课更加迅猛和强烈。过去

140、，教师属于资源提供方，如果他认为自己提供的资源比网上的好，就可以一直沿用过去的教学模式。但随着生成式人工智能的出现，教师也许就没有那么笃定了。越是研究型大学的教师，将会越早接触人工智能。人工智能作为人类发展的一个新维度，将从各种程度影响教育的目的和方式。作为教师就必须思考：人工智能时代，要培养学生什么样的能力？如何培养人工智能时代的学生？这不仅是教师要面临的问题，也是教育要面临的问题。作为教师，必须关注自己的教学如何与人工智能结合，这种对未来的思考，将会反映到教学中。关于生成式人工智能给教师带来的机遇，我认为，教师可以很好地利用它提升教学效率。比如在备课和教学过程中，教师可利用 ChatGPT

141、 为课堂增加拓展内容。一般而言，在备课时，教师要提前学习本专业的前沿知识，以便课堂上给学生拓展。过去，教师通过看论文、搜索网页的方式学习，耗时较长。如今，教师通过与 ChatGPT 对话的方式来学习，时间短，也能达到相同的效果。中国教育网络：生成式人工智能对助教、对学生提出了哪些新挑战和新机遇？于歆杰：生成式人工智能可代替助教的部分功能。助教的职责之一就是给学生答疑，而生成式人工智能通过问答的方式可以给学生解答疑问。因此，在人工智能时代，助教需要寻找新的定位。然而，这也给一些缺乏助教的大学带来了机遇。如果能用人工智能帮忙答疑、批改作业、协助备课，那么对教学效率和质量的提高将大有裨益。生成式人工

142、智能的快速发展对学生的数据素养、智能素养提出了更高要求。人工智能时代，学生必须具备这些素养，才能满足社会的需求。让学生具备智能素养，就是要让学生意识到，生成式人工智能的出现给生活增加了一个“新维度”，在学习和生活中应该主动地拥抱它和使用它。因此，人工智能时代，大学要致力于提升学生的人工智能素养，为人机协同时代做好准备。31评论大学的探索和应对中国教育网络：清华大学推出了 24 小时待命AI 超级助教，请您介绍一下，超级助教对学生有哪些帮助？2024 年在人工智能助力教学方面，清华大学还有哪些规划？于歆杰：清华大学于 2023 年 9 月 28 日正式启动了“清华大学人工智能赋能教学试点课程工作

143、方案”，根据不同学科特点开发大语言模型的垂直应用，打造智能助教、知识图谱等多元化教学场景，并深入观察和分析人工智能技术与教育教学融合所带来的深远影响。我的“电路原理”课程是清华大学“人工智能赋能教学”首批试点计划中的 8 门课程之一。这 8 门课程覆盖了文科、理科和工科三大类学科。由于生成式人工智能最擅长的是文字类的问答，因此它对文科的帮助是最直观的。比如，当人工智能应用于心理学时，学生通过与超级助教对话，就可以对教学内容产生更深刻的理解，能够更准确地整理思路，写出更高质量的报告。在电路原理这门课中，超级助教的作用是“帮着差生能及格”让超级助教给跟不上教学进度的学生答疑，比如帮助学生理解某一个

144、问题指向哪个知识点，然后给学生推送关于该知识点的学习内容以及相关习题，帮学生提升成绩。我所在的学科在考试中有大量的识图内容，目前在识图方面，超级助教的准确率还比较低，需进一步提高。此外，清华大学还计划将人工智能和多门课程的知识图谱结合，给优秀的学生制定个性化培养方案。对部分志趣明确、规划清晰的学生，清华大学的很多院系和书院会为其单独制定培养方案，做到“一人一策”，最大程度保护并支持学生按照自己的专业志趣发展。过去，针对这类特别优秀的学生，学校会召集专家开会制定培养方案，现在，借助人工智能和知识图谱，通过读取学习数据，就基本能生成初步的个性化培养方案。2024 年，清华大学在人工智能融入教育教学

145、方面有两个新规划。一是将开展 100 门人工智能赋能教学试点课程，利用人工智能辅助或深度介入课程，打造人工智能助教、人工智能教师，持续创新教学场景，提升教与学的效率与质量。100 门课程听上去很多，但其实只占清华大学一年开课数量的 1%左右。未来如果技术成熟的话，还应该将更多课程和人工智能结合起来。二是为每一位 2024 级新生配备“AI成长助手”。近期，很多学校都会在“人工智能+教育”方面做出行动，但要真正实现飞跃，还需在技术上实现突破，在这方面我们还要大步前进。中国教育网络：面对人工智能带来的各种挑战，您认为高校应如何行动？于歆杰：在我看来，要建设教育强国，就要充分重视人工智能，将其作为教

146、育强国的重要抓手。我甚至认为人工智能可能是当前和未来一段时间高等教育领域最重要的新质生产力。大学应充分重视人工智能对教育的影响，并进行顶层设计。近年来，清华大学在慕课资源建设中成效突出，包括在平台、资源数量、优质课程率方面都做到了“旗帜标杆”，其中一个很重要的原因是在慕课刚刚兴起的 2013 年，时任清华大学校长陈吉宁教授提出：“把在线教育作为面向未来的战略部署”，这种超越当时的视野让清华大学抓住了这个关键发展时期，成就了这 10 年的巨大发展。如今，我们又面临着一轮新的挑战和机遇：如何让人工智能赋能高校的教育教学发展，这成为摆在所有相关者面前一个很重要的课题。人工智能给高校掀起的浪潮比慕课更

147、大、更猛烈，因此高校应在这个关键发展时期，及时进行顶层设计、统筹布局。当年做慕课时，清华大学成立了“在线教育研究中心”，作为在线教育战略总的部署、统筹机构。如今，学校也可以参考这样的机制，建设一个具有宏观视野的、服务于大学未来愿景发展的人工智能机制体制，促进大学的繁荣与发展。中国教育网络：如果让您给国家和教育管理机构提出三个关于人工智能与教育相关的建议，您会提哪些建议？于歆杰：首先，教育领域的人工智能战略需要国家层面的支持，尤其是人工智能的研究方面，需要海量资金和人力的投入，当前全球人工智能领域竞争激烈，这场战役从国家层面上一定要全力以赴。其次，要培养学生的智能素养。通过在学校开设智能素养课程

148、，从小提升学生的人工智能素养。最后，要提升教师的智能素养。要让教师意识到人工智能对教学的影响，并指导教师利用人工智能提升教学质量。（本文原文刊登于中国教育网络2024 年 2-3 月合刊）32评论与 ChatGPT 进行智力游戏“ChatGPT 是帮助人而不是替代人。”李星教授说。ChatGPT 已经在帮助程序员编写程序方面发挥了很大作用，虽然它依然无法完全取代人类的编程工作，但它可以给我们带来很多意想不到的启发，并提高了工作效率。以前，程序员需要实现某个辅助功能的算法或函数时，由于这些功能不是最核心的，对程序员而言，不一定很熟悉，往往就需要花费很长时间进行检索、寻找和判断。但是，现在与 Ch

149、atGPT 进行讨论后，它可以快速地提供相关的代码、语言版本、操作系统等信息，方便我们进行下一步的判断、选择和修改。此外，ChatGPT 对于科研效率的提升也非常显著。李星教授提到，过去他在产生一个想法后，往往会先放一放，用一段时间深入思考，之后再用几天甚至几周时间编写代码进行验证。然而，现在通过 ChatGPT 的协助，仅需几个小时就可以完成最初的概念验证（PoC，全称 Proof of Concept），再以此为基础推进下一步的工作，如同顺水推舟般高效、简单而方便。当然，需要注意的是，虽然 ChatGPT能给出答案，但很多时候这些答案并不准确，无法直接采用。因此，在这种情况下，就需要继续与

150、 ChatGPT 进行交互，并通过指引帮助它给出更好质量的内容。ChatGPT 的训练数据中包含了丰富多样的信息，几乎涵盖了各个领域的知识。然而，关键是我们如何提出有用且高度相关的问题。换句话说，提问的能力非常重要。能不能问出有质量的问题，是非常考验人的。同样，得益于 ChatGPT 相当全面（但不一定深入和准确）的知识水平，它往往能给出比我们想到的更加全面的答案，帮助我们填补知识的空白。因此，当我们产生一些创新性的想法时，可以与 ChatGPT进行对话，与它一起进行不断迭代的智力游戏，询问它对新的研究想法的看法。ChatGPT 也会毫无保留地列出需要考虑的相关问题和角度，这种全面性是独立的人

151、类个体所难以匹敌的优势。此外，不论提出的问题多么新奇、奇特或离经叛道，ChatGPT 总能给出与之相关的回应和答复，这得益于 ChatGPT 的泛化能力。据报道，OpenAI 在训练 ChatGPT 时，考虑的重要因素之一是数据的多样性。首先是“语言的多样性”。尽管数据以英文内容为主，但中文和其他国家语言的内容也尽可能地被纳入训练中。也就是说，如果在中文世界中有问题未能得到解答，但在英文世界中已有人给出了答案，ChatGPT便能够将两者自动关联起来，并在需要时灵活应用各种语言和文化背景下的知识。其次是“领域的多样性”。ChatGPT是博才而非专才，它收纳了各类学科领域的知识，使得学科之间有所平

152、衡和联系，实现真正的融会贯通。这就意味着，有时某一学科的问题，或许 ChatGPT 可以从另一学科的知识体系中找到解法，并为我们提供解决问题的线索。ChatGPT 的知识作为人工智能用户的认识和思考与互联网的发明、普及与使用相比，人工智能对人类社会的影响更甚。在人工智能的时代，人类最重要的就是想象力。李星 清华大学电子工程系教授30 多年前，清华大学电子工程系李星本科毕业，赴美留学，研究生专业和本科一样，是信号和信息处理。留学和工作期间，他第一次接触到互联网，作为一名用户，他深切感受到了互联网的巨大潜力，并对其产生了一定的认识和思考。1991年，李星回到清华大学教书，深切感受到，没有互联网就无

153、法建设世界一流大学。机缘巧合，1993 年，他由一名互联网用户转变为互联网研究者，成为中国教育和科研计算机网（CERNET）的设计建设者和运营者。面对 CERNET 建设初期所遇到的重大技术决策，他作为互联网用户时所积累的认识和思考发挥了至关重要的作用。三十年一个轮回，如今他以人工智能的用户身份，分享了自己对 ChatGPT 的认识和思考，以供年轻一代参考。33评论量级使它能真正做到了融会贯通与触类旁通，各学科知识不再有鲜明的区隔而是交织相融到了一起。另外，ChatGPT 的训练还兼顾了“语体的多样性”和“观点的多样性”，这些多样性带来的泛化能力与“思考”的方法是传统搜索引擎类的问答模式远不能

154、及的。ChatGPT 的不可解释性目前的一种思路认为，人工智能需要具有“可解释性”。以自动驾驶为例，如果自动驾驶的原理不可解释，那人们就无法分析交通事故的发生原因，因而就很难改进、提升自动驾驶的安全性。因此对于此类科学技术来说，可解释性非常重要。然而，对于 ChatGPT 这样的技术应用而言，可解释性是否依旧重要？李星教授认为，对此必须要打一个问号。他提到，虽然 ChatGPT 背后也有其遵循的、可理解的科学理论，但其强大表现的根源在于海量的数据和强大的算力。俗话说“大力出奇迹”，正是基于这种巨大的算力和数据支持，ChatGPT 展现出了迄今为止只有人类身上才会出现的智能行为。尽管我们知道 C

155、hatGPT 是通过训练得到的，但是训练一个人工智能模型的过程，即模型参数的优化，有时候更像是玄学中的“炼丹”过程。如何调参？为什么这样调参？到现在也没有非常精确、完备的理论与方法，而这种随机性和试验性正是 ChatGPT 不可解释性的来源。因此，李星教授认为，按照传统思路，我们应该先对人造事物进行深入理解，然后继续研究和应用。然而，ChatGPT打破了这种传统路径。对于ChatGPT，我们可以将其视为一种由上帝或自然界本身创造的产物，我们首先接受、使用和运行它，然后进一步研究和理解它，而这与过去技术发明中先理解规律再进行应用的过程恰好相反。基于此，李星教授认为，通用人工智能的真正生命力和灵魂

156、在于其不可解释性。回顾科技发展史，计算机的发明是一个明显的分界线。在计算机出现之前，人们发明的机器如电话、洗衣机、电冰箱、收音机等，都是具有单一、明确和固定功能的机器。然而，计算机完全不同，虽然它也由 CPU、内存、硬盘、显示器、键盘等固定组件构成，但它可以安装各种不同的软件，编写不同类型的程序，每个软件都有不同的功能和作用。计算机的使用方式如此丰富多样，呈现出的结果如此多样化，是当初设计计算机的人们所不能全部想到的。随着时间的推移，人们会开发出更多的功能，实现更多的创意，计算机的发展空间依然广阔而无限。而人工智能出现后，这种功能的不可确定又迈上了一个新的台阶。在互联网游戏中，人们可以通过对计

157、算机编程来创造各种机制、类型和规则的电子游戏。然而，人工智能可以创造自己的游戏，并决定所有的设定，使之顺利地运行，这使背后的原理和机制有可能超出人类的理解能力。不可解释性的破解之道“面对不可解释性，我们必须要接受这一事实，接受它的存在，与之共生。”李星教授表示，在接受的同时，我们应该努力研究和理解人工智能背后的规律。他认为，我们已有的学科体系和知识架构中，物理学和数学具有较强的可解释性，它们由极为精准的数学公式与物理定律构成，因此我们可以尝试用确切的公式或清晰的模型去描述它。而生物学虽然也是一门解释世界的学科，但是其清晰性和精准性远低于物理学，很多生物学现象背后蕴藏的机制与规律，人类到现在也依

158、旧无法清晰、准确、严谨地进行解释与描述，也就是说，不同的学科、不同的事物，其可解释性的程度也是完全不同的。而由人类从海量数据中“炼丹”后产生的 ChatGPT，不可解释性更加突出，它更像是一个有机的生命体。然而，李星教授也提出了另一种可能性，即用来理解人工智能的科学体系和理论工具，至今尚未被发现。也就是说，只有一种崭新的理论工具诞生后，才能去真正揭示当下人工智能的本质和原理。“和在微积分的发明之前，我们缺乏依据来科学地描述力学三大定律一样。很有可能，用来研究 ChatGPT 与人工智能的数学工具尚未出现。”综上所述，李星教授认为，尽管人工智能的不可解释性是一个挑战，但通过探索新的方法和工具，我

159、们可以努力理解和34评论揭示其规律。这可能涉及借鉴现有学科的经验，同时也可能需要创造全新的科学体系和理论工具。只有这样，我们才能更好地理解和应用人工智能。人工智能与人类的距离在对人工智能与人类的距离问题上，李星教授认为，当前人工智能在人类视角下仍然是一个可用的工具，但与以往的工具有所不同，人工智能的基础还是概率推断，所以具有不可消除的随机性。因此，它的回答有时是正确的，有时又像“一本正经地胡说八道”，对此，我们必须自己进行判断和决策，不能完全依赖它。那么，人工智能发展下去会不会成为与人类相似的独立智能行为者？针对这个问题，李星教授认为，首先，人工智能必须实现实体化并具备主体性。类似于人类需对自

160、己的行为负责，人工智能也需要一个独立实体来承担责任。这种实体化并不仅仅是给人工智能一个外形，还要建立人工智能思考和推理机制与实体之间的紧密联系，类似于人的身体与头脑之间的联系。其次，人工智能需要具备繁殖的能力。繁殖是生物延续生命的方式，通过进化和留存不同因素，生命变得愈发智慧、灵活和强大，同时产生创造力。如果人工智能无法自行繁殖，它的能力只会随时间流逝而衰减、停滞不前，最终被淘汰。李星教授认为，当前的人工智能虽然具备一定的创作力和逻辑推理能力，但这只是人类智能的一部分。人类拥有完整的创造力、想象力和主观意识，与人工智能的创作能力存在差异。人类创造力与人工智能创作力的区别，类似于真正的艺术家与手

161、艺熟练的工匠之间的区别，即道与术的区别。想象力也是如此。物理学家爱因斯坦在论科学一文中表示：“想象力比知识更重要，因为知识是有限的，而想象力则概括着世界的一切，推动着进步，并且是知识进化的源泉。”目前，人工智能虽看似掌握了“无限”的知识，但只要是知识就拥有边界，与人类的想象力相比，这种“无限”始终都是一种“有限”。“至于人工智能最终能否模拟出接近人类的创造力与想象力，这一点我们依旧不得而知。”李星教授说。人类社会的动物园化ChatGPT 出现后，有一种广泛的担忧迅速出现：人类的工作会被人工智能取代吗？李星教授认为，极端一点的可能性是，未来人类社会有可能近似于一个超大规模的动物园，大部分人可能会

162、像动物园中懒洋洋的、等待被喂养的动物一样，进入“躺平”状态，将大部分时间用于娱乐、休闲，只需要在特定时间填饱肚子，就万事大吉。然而，他也表示，肯定会有一部分人不满足于这种状态。总会有人意识到，真正重要且有意义的是实现目标的过程，而非目标本身。虽然目标仍然是重要的前提条件，但对于真正的大师级人物来说，最宝贵且精彩的部分不在于达成目标这一结果，而是在于奋斗、历练、挑战自我的过程。因此，即使人工智能发展得更加强大，人类社会也有可能进入某种“躺平”状态，但仍然会存在那些不满足于此的人，他们将继续追求目标，并在奋斗的过程中找到真正的价值和意义。挑战与机遇并存的伟大时代“人工智能和各种人工智能技术的意义与

163、互联网中 TCP/IP 协议的意义类似，甚至可能更为重要，影响更广泛。”李星教授认为，与互联网的发明、普及和使用相比，人工智能对人类社会的影响更为深远。然而，人工智能的影响有正面和负面两个方面。人工智能的缺点给我们带来了挑战，但同时其优势也给我们带来了无限机遇。对于互联网领域的研究人员而言，李星教授认为面临着至少两个重大挑战。首先是“分布式”的挑战。目前大型的人工智能计算模型如 ChatGPT 都是集中式的，而互联网的本质是分布式的，也就是说人工智能与互联网的设计原理正好相反。作为互联网研究人员，李星教授认为，ChatGPT 和人工智能要能够进行大规模分布式部署，而非集中化。当然，分布式也存在

164、它本身的问题，例如在分布式后人工智能的计算效率是否能够维持甚至提高？整个体系是否能够良好地运转？等的问题需要进一步去探索。第二个挑战是“可信任性”。ChatGPT有时会“一本正经地胡说八道”。根据其随机性原理，目前可以认为不是故意地胡说八道。然而，未来可能会出现成千上万种类似 ChatGPT 的服务，不排除存在故意提供错误信息的情况。因此，可信任性是非常重要的。我们是否可以通过互联网的基础设施提供某种程度的可信任性？李星教授提到，当最初在推广IPv6时，大家一直在寻找 IPv6 的“杀手级应用”。最初认为，在线视频和物联网可能是 IPv6的杀手级应用，但后来发现 IPv4 也可以满足这些需求。

165、“所以 IPv6 的杀手级应用到底是什么？我们在做 IPv4/IPv6 无状态翻译过渡技术 IVI 时，提出与 IPv4 互联互通才是 IPv6的杀手级应用。现在我觉得，还应该加上机器人联网（甚至是神经元联网），也就是人工智能与机器人之间的相连，这应该也是 IPv6 的杀手级应用。”李星教授说。“这是最好的时代，这是最坏的时代。”这句话用来描述人工智能的时代，恰如其分。李星教授认为，在人工智能等新事物出现后，我们原有的知识和技能可以与新事物相互匹配、相互融合、互相整合。即使两者之间存在矛盾，也无关紧要，因为在摩擦碰撞中可能会产生更具创新性和有趣的东西。这是技术爆发时代赋予人类的馈赠，也是我们应

166、当抓住的机会。（本文原文刊登于 中国教育网络 2023年6月合刊；ChatGPT 对此文亦有贡献）35评论对于人工智能领域来说，ChatGPT 是一个崭新的起点。虽然它给出的内容对错参半，但是它可以帮助我们拓宽思路，给予我们新的灵感。ChatGPT 的成功无疑是巨大的，那么它为什么成功，我们能从中学到点什么，理解出什么，都值得进一步分析。ChatGPT 的理论基础 与“无限猴子定理”ChatGPT 是一个大语言模型（Large Language Model）。一般来说，语言模型有两种，分别是 next token prediction和 masked language modeling。Nex

167、t token prediction指单向推导，即知道最前面的话，一步步推导出后面的话，每次推导时都找最有道理的一个字，从而递归串出一整句话。另一种则是先确定开头结尾的内容，据此去推测中间的内容。有一个定理叫做“无限猴子定理”，而 ChatGPT 可以说就是一只升级版的、讲逻辑、懂道理的猴子。“无限猴子定理”认为，让一只猴子在打字机上随机地按键，当按键时间达到无穷时，猴子几乎必然能够打出任何给定的文字，比如莎士比亚的全套著作，也曾有人用电脑虚拟的猴子来模拟执行这一定理。2004 年 8 月 4 日，电脑模拟的猴子在经过 4.216251028个猴年之后，打出了以下内容“VALENTINE.Ce

168、asetoldor:eFLPOFRjWK78aXzVOw-m)-;8t.”而这胡乱敲打出的前十六个字母，正属于莎士比亚的剧作维洛那二绅士的第一行：VALENTINE:Cease to persuade,my loving Proteus.如果说猴子的选择来自于纯粹的巧合、运气与概率，那么 ChatGPT 的选择则是基于模型运算，把大概率有用的字词留下，无用的字词撇去，从而得到一句符合人类逻辑的话。没有试错，就没有 ChatGPT人工智能的发展历程大概可分为三个阶段。1950 年，图灵最早提出了人工智能的概念，他在论文中直截了当地提问，“机器是否可能具有人类智能？”开创了人工智能领域的先河。19

169、97 年，IBM 的超级计算机“深蓝”（Deep Blue）以 2 胜 1 负 3 平的成绩战胜了当时世界排名第一的国际象棋大师加里卡斯帕罗夫，一时间轰动全球。但是，“深蓝”还算不上足够智能，因为它的算法核心是暴力搜索，换言之，它每走一步，都是在穷举后续所有可能的情况下再做出决策。再后来，机器学习算法如雨后春笋般涌现，包括线性回归法、逻辑回归法、决策树法、随机森林法、最近邻居法、贝叶斯法、支持向量机法、k 平均法、强化学习法等，每一个新算法都是对旧算法的改进与提升。线性回归是最简单的方法，如果对数据进行线性回归后发现依然有问题，那就在此基础上做逻辑回归；但选项也可能不止 A、B 两种，此时我们

170、就构造决策树呈现出多种选择；但决策树是一门走过去，如果决策错了怎么办？于是就出现了随机森林算法，用多棵随机生成的决策树来生成最后的输出结果。所以说每一个理论、算法都是研究人员在前人的基础上探索、摸索而来，是一代代人不断在已有的基础上创新、更新，思考下一步如何做的更好，而非一开始就设计、锚定了最终结果。机器学习中主要有三类学习的方式，分别是监督式学习、非监督式学习和强化学习。监督学习是从外部监督者提供的带标注训练集中进行学习（任务驱动型）。非监督式学习则是一个典型的寻找未标注数据中隐含结构的过程（数据驱动型）。强化学习则会告诉模型自身好不好，给予模型更大的探索自由，从而突破监督式学从 ChatG

171、PT 的诞生中 我们学到了什么图 1 艾伦图灵与其论文李星清华大学电子工程系教授36评论习的天花板。三者之间也是渐进式前进的关系，为了应对更多问题，人们总是基于一个已有的方法，想方设法找出一个更一般性的方法进行超越，超越完成后自然进入下一个阶段。随着数据量的增加，传统的机器学习方法表现得不尽如人意。在监督式学习下就出现了一个崭新的分支深度学习。深度学习的基础是神经网络，即通过模拟人的神经元系统做出判断。神经网络有输入层、输出层和隐含层，输入通过非线性函数的加权后得到了最终的输出，而我们要做的就是根据误差准则调整权重参数，不需要、也不可能完全知道这些参数选择的具体原因。什么叫深度学习？神经网络的

172、层数直接决定了它对现实的刻画能力，但是原来隐含层只有一层，对稍微复杂一些的函数都无能为力。为此，就可以多加一些隐含层，深度学习便由此诞生。早期的深度学习中又有两个常用的方法，即卷积神经网络（CNN）与循环神经网络（RNN），前者专门解决图像问题，最大利用图像的局部信息，将局部特征拼接起来，从而得到整幅图的特征，类似于通过拼图来还原图像；后者则专门解决时间序列问题，用来提取时间序列信息，其最重要的特征是具有时间“记忆”的能力，就像人只有记住前面的对话内容，才能决定之后该说什么一样。此外，生成模型也是深度学习领域内较为重要的一类模型。生成对抗网络（GAN）是一种让两个神经网络相互博弈从而完成学习的

173、生成模型，其由一个生成器和一个判别器组成。比如说，生成器生成了一只虚拟狗，判别器需要将其与真实世界中的狗作对比，并判断虚拟狗是否“过关”，生成器和判别器相互对抗、不断学习，最终目的是使虚拟狗无限接近于真实的狗，让它通过判别器的检验。自此，三大模型流派形成 CNN，RNN 和 GAN，语言模型属于 RNN 模型之流。但是，RNN 模型依旧有其缺陷，对于相隔越久的信息，它的记忆力就越差，那么对于过去很久但有用的信息，它就很容易遗漏。为了提高 RNN 的记忆力，人们又开发了 Self-attention 自注意力模型，运用抓大放小的思想，不管重要的东西在哪，都更注重对它的加权，强化对它的注意力，让模

174、型牢牢将其印入“脑海”。在上述各类模型的基础上，ChatGPT的核心结构Transformer 模型横空出世，中文翻译也很恰切，译为变形金刚。那什么是变形金刚？简单来说，它就像是一个黑盒子，在做文本翻译任务时，我们输入一个中文，经过这个黑盒子，就得到了翻译后的英文。如果我们探秘黑盒中的内容，可以看到黑盒由若干个编码器（Encoder）和解码器（Decoder）组成，同时盒子里还具备并行（Multi-headed）和自注意力（Self-attention）机制，自注意力机制负责挑选出重要的有用的信息，并行机制则负责对这些信息进行并发处理，有了这两大特性，变形金刚就可以同成千上万人同时对话，奠定了

175、商业化的基础与可能。回溯人工智能的历史，可以发现模型的成功归根结底来源于试错。一开始是简单的人工神经网络，后来是卷积神经网络、递归神经网络，每一步中我们对模型的理解都愈发深入。而在用其解决问题的过程中，一旦发现现有方法的不足，研究人员就会想方设法在原有基础上改进。虽然我们看到了成功的 CNN、RNN 模型，但在我们的视野之外，可能还会有别的模型沉寂于历史长河中。但是，看不到不意味着不重要。如果没有那些失败的尝试帮助我们排除了错误的技术路线，就不会有CNN、RNN 的成功，变形金刚的成功和ChatGPT 的出现更无从谈起。所以创新、创造都是在不断试错、迭代中出现，不可能预先设计好路线，一蹴而就。

176、因此，若想有创新，就必须有配套机制，允许科研人员大量试错，尽快改进。图 3 机器学习的常见方法图 2 深蓝打败象棋大师加里卡斯帕罗夫37评论只要有成熟的机制，能快速迭代、改进，科研人员就不怕犯错，不怕冒险，不怕没有成果，也就不怕再接再厉、不停尝试。因此，要鼓励大胆思考，大胆试验，即便失败了也要表扬、肯定。否则就会形成“丧事当喜事办”的坏习惯，创新也就没戏唱。创新与机制密不可分，失败也是创新成功的基础ChatGPT 是初创公司的产物，不是大公司，更不是国企，这其中有一定的必然性。大公司激励机制的依据是职工的KPI，但小公司是创业公司，一旦做出了大的成果，公司就可以上市或者收到巨大的市场效益，这种

177、激励举足轻重。如果激励机制不合适，比如所有人都是低工资，那么人们的积极性就会降低；所有人都是高工资，也无法激发进取心与积极性。只有科研人员的投入、兴趣与其回报成正比才能激励人们全力以赴。德国、日本的工业很发达，但是德国、日本的创新程度依旧不及美国，这是因为它们的激励机制不同。美国的产业是高度市场化的，资金筹集来自于风险投资，而德国、日本依旧依靠大银行资助。真正的颠覆性的创新，一定来自于市场驱动的机制。风险投资一百个公司，可能九十几个都失败了，成功的只有一两个，但只要有一个成功了，回报就是成千上百倍的。虽然德国、日本也可以做一些辅助性的创新，但是它们的创造很难具有完全的革命性，因为在它们的激励机

178、制下，投资方对成果、回报有要求，创造者就要为错误负责，那么人们就会害怕犯错，小心翼翼不敢轻举妄动，只敢在“安全区”内做一些小成果。而这也再次证明，创新是一种可能，带有必然的风险，如果要求资金投入一定有相应成果，那么一定会扼杀创新的空间。此外，很多人没有意识到的是，当我们发现一个东西错了，错误本身就是一个非常大的成果，虽然投入的成本泡汤了，但是这个路子不用蹚了，错误选择被排除了，那么我们离最终的成功一定是更近了。我曾去美国国家科学基金会（NSF），那里的人给我看了他们之前资助过的项目，其中一些项目好像还有些道理，但是有的看上去天马行空，似乎是胡说八道。他们却表示，美国 NSF 资助的项目只会成功

179、不会失败，这是为什么呢？NSF 的人给出了两条解释：第一，真正的创新项目可能看上去就是胡说八道，如果都是自圆其说、在我们理解范围内的东西，那就说明还不够新，所以我们必须要容忍看上去胡说八道或不靠谱的项目，说不定它们就是大成果的孵化器；第二，此类项目一般由教授和他们指导的研究生去承担。实际上，一个研究生完成了一个失败项目，他本人的收获和对于社会进步的贡献一定比做一个成功的项目更大。而且在美国，即使项目没有正向成果，对失败原因进行有效总结后也可以拿到学位。这两条解释可以说意味深长、引人深思，尤其是第二条。第二条正是在说明，我们必须要允许人失败、犯错，因为犯错之后，就会收获相应的教训、经验，将来就不

180、会再犯相同的错误，后来者也不会再犯同样的错误，因此犯错也是一种贡献，甚至可能比成功的贡献更大。创新正是在千千万万次尝试与犯错后修正路线、逼近成功，这是个人成长和创新出现的必然且科学的过程，这也是为什么我们必须要有允许犯错的体制机制。ChatGPT 后，教育何为？ChatGPT 可以把海量的信息和数据汇集起来，非常全面，在这一层面上，人类难以望其项背。既然 ChatGPT 能回答各式各样稀奇古怪、刁钻偏僻的问题，那我们就要思考，人的价值是什么？如果我们的教育最终让人回答出了与 ChatGPT 一样的答案，那么教育还有何意义？如果要我回答，教育的价值就应当是培养学生想出不同于 ChatGPT 的答

181、案的能力，未来教育的目标也应当如此。因此，未来的教育，应当注意培养批判性思维、逻辑能力，并且允许年轻人畅所欲言、自由思想，再给予他们充分的试错空间。首先，要培养孩子的批判性思维。有些国家对孩子的教育是，谁说的话都可以被挑战、质疑。而且孩子必须讲不同于老师的话，而不是对老师的观点全盘接受、信以为真。在这种教育理念下，孩子们更倾向于拥有自己的判断，相信自己的判断，图 4 神经网络模型示意38评论勇于质疑。其次，要培养孩子们的逻辑能力，ChatGPT 的回答基本符合人类逻辑，一言一语都有因果关联，都是由前推后、由此及彼，所以它的回答有意义，也能解决我们提出的问题。由此可见，逻辑能力至关重要，而我们培

182、养孩子的思考能力、逻辑能力，就是培养他们真正解决现实问题的能力。第三，要有探索的空间，否则无法创新。为什么 ChatGPT 由初创公司而非大公司创造而成？除激励机制外，还因为社会对它们的容忍度更高，所以初创公司的自由度更高，即便发表了错误、出格的内容大家也并不在意。但对于微软、谷歌等大公司来说，“小心驶得万年船”才是值得恪守的原则，万一出现错误，就难免对名誉造成巨大影响，公司效益也会因而受损。因此，做 AI、前沿科技的一定是小公司，小公司的自由度更高，不怕犯错，探索空间就更大，而这也证明只有言论自由、思想自由后，探索才能自由，探索自由后，创新才能生根发芽。未来教育的目标未来教育的目标是，年轻人

183、会提出正确的问题，并且判断答案是否合理，中间的过程就是人和机器的交互，让机器、人工智能帮助我们去完成很多工作。但这并不代表人与人之间无需再有交流，相反，人和人的交互依然需要，而且更加重要。知名组织理论家罗素艾可夫曾提出由数据、信息、知识、智慧组成的知识金字塔。在知识金字塔中，每一层都比下一层多拥有一些特质。数据来源于我们的原始观察与度量，信息来源于我们对数据的筛选、整理与分析，知识则来源于我们对信息的加工、提取与评价，而智慧作为我们独有的能力，意味着我们可以学习、加工、应用、传播知识，以及预测事物的发展与未来走向。ChatGPT 之后，甚至在其出现以前，计算机对于数据处理、信息处理以及知识处理

184、都已经非常在行。虽然机器和人工智能并不“懂”知识，但是它可以存储、调用知识，可以在特定的情境里与人交互，给出的答案也合乎情理。因此，未来的教育应当是教人拥有智慧，而不仅仅是拥有知识、信息与技能。智慧是设计体系结构的能力，而技能仅仅是依照设计搬砖添瓦的能力，智慧与思维是创新真正的来源，而知识与技能则相当次要。有些大学为防止学生作弊而禁止其使用 ChatGPT，我觉得此举值得商榷。ChatGPT 是个工具，是种技术，而技术是道德中立的，关键在于老师应改变传统的考核方式以适应它的出现。斯坦福大学曾统计，50%的学生做学期论文时都用到了ChatGPT。因此在这种趋势下，老师必须学会如何考核。一个可用的

185、考核方式是：学生用ChatGPT 完成一道题后，必须能讲清楚答案中哪些是对的，又有哪些是错的。可能有学生又把这个问题抛回给 ChatGPT，再采用它的答案，但关键是，如果你问得太深入，ChatGPT 自己就会“崩溃”，答案也会漏洞百出。在这种情况下，学生就必须要动脑子，靠自己找到最初答案的漏洞。而老师正可以对这一点做考察，看学生能否找到ChatGPT 的漏洞，能找到，就说明学生已将知识掌握透彻。我们这一代人是“数字移民”，新一代的孩子是“数字原住民”，所以我们一定要为他们创造自由的空间，而不是让他们因循守旧、依照传统行事。科研的层次与大学的包容科研必须要区分层次。大型项目是国家发展、社会前进的

186、根本，例如美国NASA 牵头的各类航空航天、物理项目，中国举国体制支持的各种重大项目，这些目的明确、规模投入巨大的项目是不可或缺的。但与此同时，小型的、看上去“没用”的项目也必须存在。因为科研是一种探索未知的活动，未来哪个项目能开花结果，哪个能“冒泡”，我们当下都是雾里看花，看不真切。所以我们必须要包容一些人，去做一些可能毫无用处的东西，或者是有点出格、方向冷僻的东西，我们必须要让这些人生存，让一些可能存在。如果大学的考核制度过于严苛，青年教师们只能为了保住自己的工作去做“短平快”、功利性的研究，那么优秀的人无法静心思考真正的问题，只能为科研而科研，只做实用性强的科研，这对于科研是一种实质性的

187、损害。所以我也有个理论：大学，要培养精神境界高的、有教养的人，还要包容一些特立独行的看似是在胡思乱想的“无用的人”的存在。有些研究当下看似没有一点用处，但可能百年之后就有了大用，这都是我们预料之外的事。某些全球顶尖大学就会保留不同类型的人才，把一些聪明、能干但怪异、另类的人养在大学里。未来，我们也可以尝试包容各式各样的人才，让他们做些有意思的、胡思乱想的、短期内没有结果甚至没用的东西，或许现在的无心插柳，在未来就变成了夏日炎炎里茂密浓郁的柳荫。（本文根据清华大学电子工程系李星教授报告、访谈整理，整理：王雅静；本文原文刊登于 中国教育网络2023 年 2-3 月合刊）图 5 知识金字塔2024.

188、11 中国教育网络39观察4 月，斯坦福大学“以人为本人工智能研究院”（Human-Centered Artificial Intelligence）发布了 2025年AI指数报告，对研发、技术性能、负责任的人工智能、经济、科学和医疗、政策和治理、教育、社会舆论等话题展开了探讨。本文节选了报告的第七章“教育”，重点关注 K-12和高等教育阶段的课程设置、指导政策、教师 AI 素养等方面的情况。概述通过提升工作效率和自动化任务，AI进入了公众视野，推动了教育和个性化学习创新。然而，尽管 AI 带来了好处，也带来了幻觉、偏见和削弱批判性思维等风险。随着 AI 教育的大幅增长，人们对技术滥用的担忧也

189、与日俱增。要应对挑战，既需要具备技术知识，也需要培养对 AI的社会影响的批判性认识。要将 AI 融入 K-12 和高等教育，使学生为成为负责任的用户和开发者做好准备。AI 教育无法孤立存在，必须与计算机科学教育共同实施。本章探讨了全球 AI 和计算机科学教育的现状、差异和政策。背景为了加深对当前 AI 教育现状的理解，区分教育中的AI、AI 素养和 AI 教育至关重要。教育中的 AI 是指在教学过程中使用 AI 工具。AI 素养是指对 AI 的基本理解工作原理、如何使用、使用风险。AI 教育则是在 AI 素养的基础上，进一步培养学生构建 AI 所需的技术能力，如支撑 AI 技术的数据分析，识别

190、和减少数据偏差等。本章所呈现的数据涵盖 AI 教育。K-12 阶段的 计算机科学和 AI 教育美国要想探索美国 AI 教育的普及程度和质量，就必须从十年前计算机科学教育的最初说起。2016 年奥巴马总统推出“全民计算机科学”计划，投入数十亿美元让所有的 K-12 学生学习计算机科学，以成为数字经济的创造者和技术驱动型社会的负责任公民。这些资金主要用于强化学习、改善教学资源和建立有效的区域合作伙伴关系，以扩大计算机科学教育的普及面。美国国家科学基金会还牵头开发和设置了两门新的计算机课程（“计算机科学探索”和“计算机科学原理高级课程”），旨在让更多的学生参与计算机学习中。与此同时，技术行业和慈善机

191、构在全美投入了数百万美元，向数百万学生介绍计算机科学。基础计算机科学教育。过去的十年中，教育倡导者呼吁政策制定者通过立法改善计算机教育的普及性。这些努力已见成效。20172018 学年，35%的美国高中开设了计算机科学课程；20232024 学年，60%的美国高中开设了计算机科学课程。然而，各州的普及程度各不相同，在公平接受计算机科学教育方面仍然存在巨大差距，一些学生群体被落在了后面。高级计算机科学教育。为了培养学生的 AI 能力，除了基础课程外，还必须提供高级课程。虽然“高级计算机科学”课程没有专门涉及 AI，但“高级计算机科学原理”课程中涉及了一些 AI 内容，后者的设计旨在吸引更多学生，

192、可让不同的学生接触到 AI 主题。在参加“高级计算机科学”考试的学生中，亚裔学生、白人男生和多种族学生所占比例较高，而其他全球人工智能教育全景分析斯坦福大学发布的2025 年 AI 指数报告指出,要将 AI 融入 K-12 和高等教育，使学生为成为负责任的用户和开发者做好准备。40中国教育网络 2024.11观察学生群体所占比例较低。教育标准和指导政策。迄今为止发布的联邦指南主要关注教育领域的 AI，而非 AI 教育。2023 年和 2024 年，美国教育部教育技术办公室发布了一系列有关教育领域的 AI 报告。其中一份报告主要针对教育技术开发人员提出建议，另外两份报告则面向教育工作者、教育领导

193、者和政策制定者。最近的一份报告发布于 2024 年10 月，为 K-12 学校安全、有效地实施人工智能提供了指导。教师 AI 素养。为了研究计算机科学教师在 AI 教育方面的观点和实践，“计算机科学教师状况调查”收集了全美 2901名学前班至 12 年级计算机科学教师的数据（小学教师占 33%，初中教师占 36%，高中教师占 51%）。随着 AI 教育对于未来职场的重要性日益提升，了解当前教育工作者队伍的准备情况尤为重要。虽然 81%的计算机科学教师认为应将 AI 纳入计算机科学基础教育，但只有不到一半的教师认为自己具备教授 AI 的能力46%的高中教师、44%的初中教师和仅 34%的小学教师

194、。当被要求指出在课堂上讲授的与计算机科学相关的主题时，超过三分之二的初中和高中计算机科学教师表示，尽管课程标准中缺乏对于 AI 课程的明确定义，他们还是专门讲授了 AI；较少的小学教师（65%）表示讲授了 AI。更多的计算机科学教师表示，他们的教学内容包括 AI 的各个组成部分，如算法、计算系统、计算思维和编程。在 2245 名教师中，大多数教师用于讲授 AI 内容的时间少于 5 小时。小学教师所用的时间最少，70%的教师只用了一到两个小时。当被问及在课堂上使用 AI 的最大益处时，教师们最常说的是提高工作效率、让学生学有所获、为学生提供更好的学术支持以及让学生为未来做好准备。当被问及最大的风

195、险时，教师们最担心的是：AI 的滥用（通常与学术不端有关）、使用AI可能会阻碍学生的自主学习和参与、对技术过度依赖、错误信息和偏见，以及包括学生隐私在内的其他道德问题。为了让学生能够负责任地使用 AI，必须提高教育工作者的技能。2024 年，在对 364 名计算机科学与技术教师进行的调查中，88%的教师认为需要更多与 AI相关的专业发展资源，以提升自身的 AI素养（例如，AI 如何工作、如何使用 AI以及 AI 的道德影响）。全球迄今为止，只有极少数国家（如加纳、韩国、荷兰）将 AI 教育明确纳入课程。更多国家在国家教育战略中强调 AI 教育的重要性，但没有提供详细的实施计划。由于 AI 教育

196、历来被归入计算机科学（CS）或信息与通信（ICT）教育，因此在本报告中，对 CS 和/或 ICT 的跟踪将作为对 AI 教育跟踪的替代。与跟踪美国CS 教育的挑战类似，在理解全球情况时也需要谨慎，因为 CS 和 ICT 教育有时会与数字素养或计算机素养混淆。课程与普及情况。2024 年，全球约三分之二的国家提供或计划提供计算机科学教育。30%的国家在小学和/或中学强制开展计算机科学教育，欧洲尤甚。在过去的五年中，全球在提供计算机科学教育方面都取得了进展，其中非洲和拉丁美洲的增幅最大。然而，非洲国家的学生接受计算机科学教育的可能性最小，这可能是由于基础设施方面的挑战。2023年，撒哈拉以南非洲地

197、区只有 34%的小学用上了电，这阻碍了学校教授学生计算机技能的能力，更不用说提供计算机科学和 AI 教育了。在全球范围内，由于缺乏标准化的数据收集，跟踪AI教育的进展具有挑战性。语言障碍和不经常更新实施情况使各国的准确监测更加复杂。指导政策。与制定国家 AI 教学标准相比，全球各国在制定教育中使用 AI 的指南和政策方面更为迅速。截至 2024 年11 月，已有 10 个国家发布了人工智能教育指南：澳大利亚、比利时、加拿大、日本、新西兰、韩国、乌克兰、英国、美国和乌拉圭。考虑到各国就制定 AI 教育指导方针和政策建议进行了长达十年的探讨，这并不令人惊讶。早在 2015 年，联合国教科文组织（U

198、NESCO）成员国就承诺利用技术确保“全纳和公平的优质教育，促进全民终身学习机会”。此后，教科文组织发布了北京共识人工智能与教育（2019），就如何整合 AI 技术，于 2030 年实现全民优质教育提供了具体指导。在这一系列建议中，有四项政策涉及 K-12 阶段的 AI 教育。2024 年，联合国教科文组织发布了面向学生和教师的 AI 能力框架。学生框架包括四项核心能力：以人为本的思维方式、AI 伦理、AI 技术和应用、AI 系统设计。在2024.11 中国教育网络41观察每项能力中，学生从理解到应用，再到创造。在欧盟，许多国家都采用 DigComp 2.2，这是一个培养人们数字能力的框架，这

199、些国家同时还为学生制定了计算机科学学习目标。最新版本对与AI互动的知识、技能和态度提供了指导，但没有提供对构建 AI 系统的指导。高等教育阶段的 计算机科学和AI教育毕业生情况美国本节中，有关美国高等教育计算机科学与 AI 教育趋势的数据来自美国国家教育统计中心。值得注意的是，教学计划分类（CIP）是学术计划分类的国家标准，由美国教育部下属的国家教育统计中心制定。2016 年，AI 专业课程被指定为 CIP代码 11.0102，该代码涵盖的课程侧重于“通过计算机和软件对人类学习和推理过程及能力进行符号推理、表示和模拟，以及对人类运动控制和运动进行计算机建模。包括计算理论、控制论、人为因素、自然

200、语言处理以及工程、技术和具体终端应用的适用方面的教学”。虽然在过去十年中，获得计算机科学副学士（associate）学位的学生人数基本保持稳定，但一些社区大学也在开拓 AI教育，提供 AI 及相关领域的证书、副学士学位和学士学位课程。过去十年中，获得计算机学士学位的毕业生人数增加了 22%。2023 年，计算机科学学士学位毕业生人数排名前五位的大学分别是：西部州长大学、加州大学伯克利分校、南新罕布什尔大学、德克萨斯大学达拉斯分校和密歇根大学。虽然学士学位阶段对 AI 的关注度要稍晚才能显现出来（因为本科是四年学制），但 AI 的爆炸性增长已经在硕士学位阶段显现出来，2022 年 2023 年，

201、计算机科学硕士学位毕业生人数增长了 26%，十年来总体增长了 83%。计算机相关专业的大部分研究生来自美国以外的国家，且比例多年来一直稳步增长。2023 年，非美国人占硕士毕业生的 67%，占博士毕业生的 60%。2022 年2023 年间，国际计算机研究生人数增长了两倍多，从 15811 人增至 34850 人。来自印度和中国的学生占研究生总数的绝大部分（占 95130 名国际硕士生的 93%，占13070 名国际博士生的 60%）。2022 年 2023 年期间，美国提供 AI学士学位的院校数量几乎翻了一番，提供AI 硕士学位的院校数量也急剧增加。2022 年 2023 年间，获得 AI

202、硕士学位的毕业生人数急剧增加。卡内基梅隆大学的 AI 专业毕业生人数比其他任何院校都要多一倍；与此同时，宾夕法尼亚州立大学在 2022 年迎来了首届毕业生。直到最近，卡内基梅隆大学还是唯一一所开设AI 专业课程的大学。全球没有任何一个数据集能对所有国家的AI 或计算机高等教育情况进行完全标准化的统计。不过，经合组织已汇编了涵盖其成员国和几个非经合组织国家的数据。信息和通信技术（ICT）包括“信息学、信息和通信技术、计算机科学”等研究领域。这些科目包括与处理和传输数字信息的新技术有关的广泛主题，包括计算机、计算机网络（包括互联网）、微电子学、多媒体、软件和编程。美国在信息与传播技术相关领域依然处

203、于全球领先地位，其培养的副学士、学士、硕士和博士毕业生人数均超过了其他国家。值得注意的是，美国的副学士、硕士和博士毕业生人数是排名第二的国家的两倍多，学士毕业生人数也几乎是排名第二的国家的两倍。指导方针大多数大学与 AI 相关的现有政策和指导都与学生如何在作业中使用 AI 有关；关于 AI 教育本身的指导往往被归到系一级（主要是计算机系）。AI 在校园中的使用率很高：86%的学生在学习中使用 AI，61%的教师在教学中使用 AI。然而，各大学的使用指南仍然缺乏明确性和标准化。截至 2025 年初，39%的院校制定了与 AI 相关的可接受使用政策，比 2024 年增加了 16%。规模较大的大学（

204、学生人数超过 10000 人）比规模较小的大学（学生人数少于 5000 人）更有可能制定相关政策。尽管教学政策受 AI 的影响最大，但几乎所有的政策都会受到技术政策的影响（例如，使用大学资源购买 AI 工具、尊重知识产权/版权法、使用 AI 制造恶意软件或病毒），包括网络安全、数据隐私、在线学习、数据、分析等。教科文组织在北京共识人工智能与教育（2019）中提供了与高等教育相关的具体指导，以期通过 AI 技术实现2030 年教育目标。北京共识人工智能与教育（2019）包括 5 项与高等教育 AI 相关的政策指南。展望未来设计公平的 AI 教育生态系统对于负责任地开发和部署未来的技术创新至关重要

205、。当前AI泛滥已经产生了有害的后果，如虚假信息传播、AI 武器的开发以及侵犯知识产权等。因此，迫切需要使用更好的方式来建设 AI。为此，有必要重新构想教育计划，将AI 能力作为培养学生适应以技术驱动的未来的核心，除了培养技术开发能力，还要培养对 AI 伦理问题的审视能力。目前已有的基于计算机教育的基础设施和政策为更好地融合 AI 教育提供了契机。随着 AI 创新的快速发展，教育改革迫在眉睫，要让技术的未来创造者意识到潜在的危害，并减轻其带来的负面影响。全球高校要持续推进和监督自身在建设AI 教育路径方面的进展，制定政策扩大课程覆盖范围，提升教育工作者的 AI 技能，使学生公平地参与并培养能力。

206、（来源：HAI Stanford；编译：陈茜）42中国教育网络 2024.11观察人工智能的快速发展及持续商业化正在对大学校园的每个角落产生广泛的影响。高校各级领导应思考技术进步带来的机遇和风险，制定战略，使高校在利用人工智能的同时最大限度地降低风险和负面影响。高校领导在开展校内人工智能讨论时，应重点围绕以下 7 个核心问题展开探讨。高校领导应该询问的七个 AI 关键问题AI 如何提升学生的学习体验？AI 可以改善学生在学校中的体验。机器学习可提供见解，帮助学生社交，找到感兴趣的活动，引导他们追求热爱的目标。AI 驱动的聊天机器人和其他自动化工具可以简化学生寻求和获得帮助的流程，减少挫败感，提

207、前预见并解决问题。校领导可以让学校的合作厂商参与进来，利用 AI 全面提升学生的体验。如何教学生 AI 技能、培养批判性思维，为毕业后迈入已经广泛使用 AI 的职场做好准备？AI 如何提升效率，助力学校实现愿景？大学的所有业务部门都需要探索如何利用 AI 工具提升工作流程和管理效率。各单位负责人要了解正在开发的 AI 工具，以支持特定的领域；还要与专业组织、解决方案提供方合作，了解 AI 如何为校园管理提质增效。校长和各级领导则要促进各单位和部门之间的对话，在整个校园内利用 AI 工具提升整体效率。1人工智能的飞速发展正在改变职场。大学校长和各级领导应该思考，毕业生需要具备哪些能力，才能成功驾

208、驭职场？大学的课程和学位应该如何设置，才能为学生进入这一不断变化的环境做好准备？无论学生所学的专业是什么，评估AI 产出内容的有效性、批判性地思考如何使用 AI 工具解决研究和商业问题，都只是毕业生所需的众多新技能中的一小部分。校长们应该与各级领导、教职员工讨论，所在院校的项目和课程应该如何发展，才能帮助学生为迎接 AI 世界做好准备。32AI 为提升管理效率，改善科研和学习体验提供了重大机遇，校长和各级领导应讨论 AI 的积极和消极影响，制定前瞻而审慎的方针政策。2024.11 中国教育网络43观察（作者：David Weil；来源：Inside Higher Ed；翻译：陈茜;本文原文刊登

209、于中国教育网络2025 年 4 月刊）人工智能的发展为提升管理效率、改善科研和学习体验提供了重大机遇。因此，大学校长和各级领导必须有意识地讨论 AI可能对学校产生的各种积极和消极影响，制定前瞻而审慎的方针政策。以上 7 个问题可为开展校内讨论提供框架，助力高校探索符合自身定位的发展路径。AI将对学校的教学、科研带来哪些机遇、挑战和风险？校领导要以 510 年的前瞻视野，系统地思考 AI 技术的发展对高等教育的根本职能所产生的深远影响。当前正处于新一代 AI 工具的起步阶段，其能力还将持续迭代升级。未来 510 年入学的学生将在中学阶段就普遍接触 AI 技术，并将其自然地融入日常的学习中。这些趋

210、势如何重塑高等教育？高校的决策者必须将 AI的发展纳入战略规划，预测其对人才培养、科研管理的影响。AI 的应用如何与学校的办学理念、教育方针和价值观契合？AI 工具能为学校和学生带来诸多积极效益，但并不是所有的情境都适合使用AI，而应该与学校的价值理念相符。以招生录取为例，现有的 AI 技术已实现对学生的申请材料进行评估与推荐，但这类自动化的决策是否契合学校的教育理念？同样需要审慎面对的问题还有：如何规范地使用学生的个人数据？在什么情况下可用聊天机器人代替人工咨询？建议大学建立专门的 AI 应用审核机制，由委员会对 AI 工具的使用进行审批，以确保符合大学的办学理念。AI如何影响教职员工所需技

211、能、大学的职位和组织架构？新的 AI 工具将迫使大学领导们重新评估大学需要哪些技能和职位。教职员工需要接受哪些培训、学习哪些技能才能应用新的 AI 工具？不同的职位将如何演变？哪些职位将增加？哪些将不复存在？随着 AI 使任务进一步自动化并提供更多决策建议，学校的各团队是否能承担更高价值的工作？这对学校的组织结构将产生什么影响？院系领导要审视以上问题，并在部门层面制定战略，同时与人事部门共同制定相关政策。学校需制定哪些与 AI 相关的学术、科研、伦理、数据、隐私、合理使用、知识产权等政策？AI 工具的开发和应用将影响全校范围的多项政策。例如，资深教师和学院领导应当审阅并更新课程大纲的声明、学术

212、诚信和反剽窃政策，以明确学生使用 AI 工具的合理范围。同时，重新评估与学术研究相关的政策，使政策为使用 AI 开展研究和分析提供充分指导。此外，还要重新审定数据使用和隐私政策，明确哪些数据可以用于训练 AI 大模型。456744中国教育网络 2024.11观察文/陈茜2025 年，在教育技术进步的积淀和AI 突破性进展的推动下，高等教育来到了变革的历史性转折点。AI 驱动的教育已经从可有可无变成了必须要有，以培养时代所需的具有竞争力的人才。惟有变化是永恒不变的。站在 AI 即将引发颠覆性变革的临界点，高等教育如何拥抱变化？部署了 AI 之后，究竟如何用？如何推动 AI 工具在全校师生中的广泛

213、使用，让 AI 真正融入教育？AI 引发的猫鼠游戏传统的教育模式已经不再适应这个正在发生飞速变化的时代了。“去 AI 味”和“AI 查重”的猫鼠游戏在大学校园中上演。学校陷入了同AI争夺学生的怪圈当脑力劳动由 AI 代劳之后，学生还能学到什么？高等教育本质上是知识密集型行业，教师传道授业解惑，为学生进入以脑力劳动为主的职业生涯做准备。过往，基于知识的工作具有较高的回报率，但这很可能即将成为历史。如果学生渴望从事的职业软件开发、医学、通信、营销、法律、金融还没毕业就被 AI 取代了该怎么办？无论学术界是否已经准备好迎接AI，企业都开始日渐重视 AI 技能。OpenAI 的研究表明，许多大学生正在

214、自学或互相传授 AI 技能，而非等待学校提供正式的 AI课程；而超过 70%的企业更青睐具备 AI技能但经验较少的求职者，而非经验丰富但缺乏 AI 技能的求职者。虽然教育体系正处于探索 AI 的关键阶段，但学生对 AI 的不当使用和劳动力市场的需求转变正在倒逼广大高校迅速转型。面对巨变，高等教育至少要在两个主要方面行动起来：要在人才培养的过程中使用 AI 工具，要培养学生毕业后将要使用的 AI 技能。高校的 AI 部署和应用之路近日，教育部启动实施人工智能赋能教育行动，推动将人工智能技术融入教育教学全要素全过程。将 AI 与高等教育相结合是大势所趋。高校如何部署 AI？部署之后究竟如何用？鉴往

215、知来。AI 时代已经呼啸而至，忽视 AI 就像多年前忽视互联网一样不明智。正如 30 年前，中国全功能接入国际互联网之后，全国广大高校开始了对互联网的应用探索，那些积极踊跃的高校在探索的过程中逐渐积累了大量经验，建设了一批优势学科，为中国培养了一大批互联网人才。回溯互联网的发展历程，结合对生成式 AI 的理解，中国教育和科研计算机网CERNET 网络中心副主任、清华大学李星教授认为，当下，要实现 AI 真正赋能教育教学，有几条建议原则。第一，AI 的好应用与好探索一定来自于对AI充满激情的人。高校从上到下，从领导层到信息办主任、从系领导到教师，都认识到 AI 的潜力之后，充满激情地推动 AI

216、的应用，就是个很好的开端。要享受学习的过程，勇于探索未知。互联网兴起之时，出现了一批善于和互联网结合的教师和研究人员；慕课兴起之时，出现了一批充满激情探索新的教学形式的教师；而在人工智能时代，一些充满生命力的探AI 赋能高等教育的六条原则2024.11 中国教育网络45观察索会出现在第一批对人工智能充满激情的教师和科研人员中。第二，以自用为出发点。如果想做出 AI 应用来给别人用肯定不行，一定要自己想用。Linux 之父林纳斯托瓦兹（Linus Torvalds）一人写出了 Linux 和 Git这两个改变世界的项目，初衷完全是为了自己用，而且过程都非常相似：不满当前系统自己手搓一个开源版本不

217、断扩展功能受到更多关注影响世界。梁文锋开发 DeepSeek 最初也是给自己用的。AI 应用也同理，如果连自己都不想用，那肯定做不成。要从明确定义的问题入手，目标要具有可行性学校的痛点是什么？最想使用 AI 解决哪些问题？先把问题描述清楚，如果目标定得特别大、特别空，即使有激情，自己很想用，也做不出来。学校的各个部门、个人都可以从必须亲自做的具体任务入手，思考如何用 AI提升效率，服务自己。以信息办为例，首先可以做的就是将本校的管理、服务、信息类文档用“检索增强生成(Retrieval Augmented Generation)”，即 RAG 做成优质知识库。第三，顶层设计，并确立设计原则。要

218、解决什么问题？优先解决什么问题？当一个事物的两个方面发生矛盾时如何取舍，这就是顶层设计需要解决的问题。比如，本校的 AI应用应该以保护隐私为重，还是越开放越好？不同的目标背后有不同的理念、不同的设计原则，在最初就应该予以明确。30 年前，中国第一个互联网主干网 CERNET的设计原则是：“统一设计、分步实施，发挥各方面的积极性”，落实到技术方案是“主干网统一管理运行，接入网由各个地区节点全权负责”，做到了主干网稳定，接入校园网快速增长。当初如果没有这个总的设计原则，主干网和接入网都统一管理，则地区网可能发展缓慢，如果主干网下放管理权限，则在特殊情况下可能会崩溃（其他网络有过教训）。第四，用好人

219、才，由人才决定如何选模型，开发代理。人才是第一位的。包括上述所有原则，背后都是优秀人才的支撑。优秀的人才既对 AI 充满好奇，又懂设计原则，知道解决什么问题，会选工具的人可以解决很多问题。他们能够判断：究竟用调优还是嵌入？是用 DeepSeek还是用 Llama？实际上，部署满血版的DeepSeek 并非高校的必选项如果需要解决的问题比较简单、明确，就不需要部署满血版。可以蒸馏模型，或选择云端部署的方式，或使用 API 按 token 付费也比较实惠，都是很不错的选择。第五，工具选好之后，反复迭代。可以借鉴互联网“试错迭代”模式，不要期待万无一失，在可接受的时间范围内、可承受的成本基础上不断试

220、错、迭代改进。SpaceX 的星舰进展惊人，SpaceX 从文化上执行的就是软件的迭代原则：从不完美开始，在实践与使用中快速改进。同时，还要为每次迭代写出文档（可以使用 AI帮助）。无论是编码、问题描述、设计原则、选择工具的原因，所有这一系列的问题都必须写成文档。与撰写学术论文一样，研究成果的可重复实现的唯一依据是文档。这是业余和专业做事风格的最大区别。第六，学会当 AI 的导师和老板。从练习写 AI 提示词开始，就像导师指导学生一样，思考如何指导 AI 替自己干活。AI 时代，一个人的手底下可能会有成百上千个AI小助手，人类要学会当AI的老板。然而，大家也要意识到，使用 AI 绝不是为了偷懒

221、，而是为了提升效率。在现阶段，人们使用 AI 的工作量只会增加，不会减少。2024 年 6 月，美国咨询公司Tyton Partners 开展的一项针对美国 360046中国教育网络 2024.11观察星轨道，一般人能想到的常规提示词大致是：“已知太阳质量：1.989x1030kg、地球质量：5.972x1024kg，帮我计算轨道半长轴、偏心率与轨道能量的关系。”而经过学生团队探索，设计出了专业的结构化提示词，加入了“针对行星轨道计算天体力学基础场景”“基于牛顿运动定律和万有引力定律建立二体运动微方程”等条件，最终让 DeepSeek R1 生成出了令人满意的结果。目前，学生团队已经整理了 A

222、I、化学化工、物理天文、媒体传播、经济管理等 5 个方向共计 367 个提示词案例，已上线至交大本地版 DeepSeek 对话界面（https:/），开放给全校师生使用。这些案例将抽象的专业问题“翻译”成 AI 能够理解的交互语言，形成可复用的提示词模板，帮助新手快速上手使用 AI 工具解决专业问题。林新华表示：“作为国内首批部署满血版 DeepSeek 的高校之一，我们希望通过一些看得见、摸得着的应用场景和典型案例，让师生更直观地了解这项技术的价值。即便探索过程中遇到挑战，甚至可能不成功，但只要能激发出一些新思路，这项实践工作就有价值。”最近，MIT 物理学麦克斯泰格马克（Max Tegma

223、rk）团队让 AI 在 0 先验知识的情况下独立提出了哈密顿物理原则。这一研究来自一次突发奇想：如果用相同的训练数据训练两个 AI，会导致它们互不同意对方的观点吗？团队让 AI（LNN）学习了经典物理学，事先不告知它们底层的物理规律，最终，AI 通过尝试数据，提出了哈密顿和拉格朗日物理原则。这个例子给人们带来了启发：如果用经典教科书训练 AI，会发生什么？对此，清华大学李星教授提出了建议：名师生的调查显示，经常使用 AI 的教师比例为 36%。在所有使用 AI 的教师中，有 17%的教师表示，AI 减少了整体工作量，而 28%的教师表示，AI 增加了工作量为了防止学术不端，教师需要重新设计考试

224、来对抗 AI。AI 赋能教学、科研、管理年初，部分高校进行了 DeepSeek 的本地部署，将大模型与学校知识库结合，开放权限供本校师生使用，主要应用形式是智能聊天机器人或虚拟助理，提升了学生的校园体验。然而，这似乎与 AI 赋能还存在着一段不小的距离。2 月，美国 Wiley 出版集团发布了一项对全球近5000名研究人员展开的研究，结果显示，超过 60%的研究人员表示，缺乏指南和培训是难以更深入地使用 AI工具的主要障碍。要让 AI 技术真正赋能各领域，培养既懂专业知识又精通 AI 工具应用的复合型人才尤为重要。上海交通大学网络信息中心副主任林新华指出：“对话机器人是大语言模型应用的初级形态

225、，很多时候用好对话机器人就能帮我们解决一些实际问题，构建有效的提示词框架是从对话机器人获取优质回复的关键所在。然而，这一过程面临双重挑战：一方面，具备专业背景的师生往往不熟悉如何设计提示词来引导 AI 生成理想的结果；另一方面，擅长提示词工程的技术人员又缺乏各学科的专业知识。要突破这一瓶颈，就要将二者打通，培养既深耕专业领域又掌握 AI 工具应用的复合型人才。”为此，上海交通大学网络信息中心展开了一项探索工作：招募一支跨学科学生团队，开展了具有专业特色的提示词工程研究工作。这支学生团队来自理工生医文等领域，是本专业领域的“AI 先行者”擅长针对具体专业问题，构建有效提示词来获取高质量回复。以物

226、理天文为例，若要协助计算行DeepSeek 的算法原理主要基于大规模强化学习和 MoE。强化学习就是通过强化期望的行为让机器自主学习。何不试试让大模型从数据中学习?每个学校肯定都有既对教学很用心，又愿意钻研 AI 的教师和学生，学校要善于发掘、予以激励和支持。利用强化学习的特性，学校提供模型、算力等资源和资金支持，鼓励师生用本专业的知识训练大模型，可能会出现令人惊喜的结果。无论什么课程，都可以让学生通过与AI 交互来内化知识。这有点类似费曼学习法在学生理解了复杂概念之后，用浅显易懂的语言讲给他人听，在这个过程中强化自己的认识。现在，学生可以将自己对知识的理解教给 AI，既内化了新学的知识，又掌

227、握了同AI交互的技巧。比如，在教微积分的时候，教师可以给学生布置这样的作业：将牛顿-莱布尼茨公式的证明过程一步一步“喂”给 AI，看看能得到什么结论？奇点将至。站在变革的临界点，与其思考如何让 AI 赋能，不如从具体场景出发，思考如何在人才培养的各个环节使用AI：从探索提示词开始，从试着用 AI 工具提高自身工作效率开始，从用学科知识同 AI 交互开始，推动 AI 在师生中的广泛使用，使 AI 应用日常化、落到实处，真正让 AI 融入教育。(本文原文刊登于中国教育网络2025 年 4 月刊）2024.11 中国教育网络47观察自 ChatGPT 发布两年多以来，无处不在的大语言模型一种能根据用

228、户指令在数秒内生成“类人”输出的生成式人工智能（GenAI）工具，已引发诸多关于人工智能是否以及如何颠覆教育的讨论。鉴于生成式人工智能前所未有的能力，人们很难界定其本质：它是论文工厂？思维伙伴？新型数字物种？抑或如某些人所言，是人类的最后一幕？尽管人工智能研究呈爆炸式增长，教育工作者对如何有效运用该工具仍处于探索阶段。当前，我们亟需建立共识框架，来推进实现人工智能在教育领域合乎伦理的有效应用。未来，人工智能不仅将对基础学习活动，还将对人类福祉产生深远影响。教育人工智能多维框架要把握生成式人工智能的潜力，同时认识和规避其风险，需要开发一个将生成式人工智能集成到高等教育中的共识框架，为教育开发者、

229、教师和管理者提供参考。本文提出的框架包含四个关键维度：定义（Definitional）、系统（Systemic）、认知处理（Cognitive processing）和教学（Pedagogical），如图 1 所示。定义维度帮助我们理解人工智能本身它是什么，如何运行，以及对学习和其他领域的短期和长期影响。系统维度揭示了人工智能运行涉及的多重层面结构、功能与交互，这些层面与“定义”维度的层面相互映射。认知处理维度描绘了人类理解生成式人工智能的认知路径：从感知出发，经过一系列认知范畴的推动，最终形成批判性思维。教学维度则系统划分了实施教学干预措施的能力层级，覆盖从人工智能工具使用到人工智能伦理考量

230、的多维教育实践。构建涵盖上述四个维度的参照框架，能够引导教育工作者以批判性和整体性思维在教育教学中审慎运用生成式人工智能。定义维度“定义维度”包含以下层面：它是什么（What it is）、运行机制（How it works）、直接/短期/局部影响（Immediate/short-term/local impacts）、广泛/长期影响（Wider/longer-term impacts）。最内圈的“它是什么”代表对人工智能的基础理解，包括其技术定义以及可用于教育的生成式人工智能类型。运行机制关注人工智能在教育场景中的运行原理，包括有效指令的构建、输出结果的类型与准确性，以及输出内容与学术任务的

231、匹配度。该层面的分析侧重于教师利用人工智能进行课程设计与教学的策略，相关探讨常围绕“如何在课堂中应用人工智能”及“如何利用人工智能优化教学”等议题展开。直接/短期/局部影响涉及对特定课程学习与教学的“即时”影响，如学术诚信、AI 幻觉等风险。令人担忧的是，这些“即时”影响可能对学生的自我认知、学业表现和思维能力产生长期潜在影响。广泛/长期影响涵盖了各种各样的问题：人工智能技能是否为职场必备？过度依赖人工智能是否会导致核心知识技能缺绘制教育领域生成式人工智能多维框架图 1 教育领域的人工智能多维框架理论框架需要与研究和教学实践相辅相成，两者相互促进、相互重塑，从而形成共识，为制定既符合伦理道德又

232、能带来最大利益的人工智能规范提供依据。48中国教育网络 2024.11观察失？教师如何进行教学设计，才能避免学生将关键认知任务转嫁给人工智能？未来数十年，生成式人工智能将对人类认知产生哪些影响？当我们将视角扩展至政治、经济、社会领域时，人工智能的影响将持续放大。系统维度“系统维度”让人工智能的几个抽象的分析层次变得清晰起来：结构（Structure）、功能（Function）和交互（Interaction）。“结构”层面对应定义维度中的“它是什么”；“功能”层面关联“运行机制”；“交互”层面则映射了长期和短期影响。其中，“交互”涉及生成式人工智能与个体、群体及社会制度的动态关系。例如，课堂剽窃

233、问题涉及学生、教师和学校的交互关系。再如，当我们审视生成式人工智能与学生个体、工作场所、经济环境等要素的互动时，人才培养效果等深层隐忧便浮现出来。认知处理维度“认知处理维度”将焦点瞄向人类对生成式人工智能的认知过程，包含四个递进层面：感知（Perception）、认知（Cognition）、元认知（Metacognition）、知识认知（Epistemic cognition）。理解认知处理维度的有效路径是将其置于定义维度与系统维度的交叉视角中考察。当思考“它是什么”（定义维度）时，我们关注其“结构”（系统维度），在此阶段，“感知”（认知处理维度）发挥主导作用。当关注“运行机制”（定义维度），

234、即关注其“功能”（系统维度）时，问题的复杂性要求更高层级的“认知”（认知处理维度）发挥作用。当探讨定义维度的各种影响（对应系统维度的“交互”）时，“感知”与“认知”仍然发挥作用，但“元认知”（对思考过程的反思）与“知识认知”等高阶思维模式开始发挥作用。“知识认知”是批判性思维的根基，对生成式人工智能这类复杂系统而言，“知识认知”的作用尤为凸显。短期来看，亟待探讨的问题包括：人工智能如何增强或削弱对知识的理解？人工智能如何影响对特定议题的批判性思考？与人工智能的交互如何影响解决问题的思路？若将视野拓展至更广泛、更长久的层面，更深层的问题也相应浮现：随着各行各业大规模采用人工智能，社会将发生怎样的

235、变化？如何消减人工智能的负面影响？解答这些问题，需要依托“元认知”与“知识认知”对人工智能进行批判性思考。这正是教师需要让学生掌握的重要技能，通过“教学维度”加以落实。教学维度“教学维度”聚焦于人工智能应用能力的发展层级。本框架通过明确划分四个能力层级人工智能应用（AI Use）、人工智能能力（AI Competence）、人工智能素养（AI literacy）与人工智能伦理（AI Ethics）确保教学设计精准对接学生发展需求。人工智能应用是对生成式人工智能的初级应用形态。课堂案例表现为：学生未经指导自主探索人工智能工具，在未接受系统训练情况下直接使用人工智能完成课业任务。此阶段因缺乏教师引

236、导与伦理框架约束，常导致学术诚信风险与低质量输出。人工智能能力体现为熟练掌握技术操作但缺乏情境判断的应用形态，类似于具备驾驶技能却无视交通法规的司机。课堂案例表现为：学生能熟练使用人工智能完成作业，但忽视教师制定的与课程目标、学习场景适配的人工智能使用方针。在此情况下，仅凭技术能力不足以支撑人工智能在高等教育场景下的合理应用，需要加强人工智能素养。在本框架中，人工智能素养是指根据人工智能使用规范适当使用人工智能的能力，相当于遵守交通法规的安全驾驶能力。另外，针对生成式人工智能输出结果中容易产生的“幻觉”进行批判性思考，是人工智能素养的重要方面。也即，教师要指导学生何时使用、如何使用人工智能来完

237、成学习任务，而不是让人工智能取而代之。人工智能伦理是指利用人工智能促进繁荣并规避风险。当前关于人工智能伦理的讨论往往围绕短期影响展开，如剽窃等学术问题。更迫切的议题还包括：在已知人工智能存在偏见与幻觉的情况下，鼓励在教育中广泛使用人工智能是否符合伦理道德？如何平衡技术应用与伦理道德的优先级？如何应对人工智能数字鸿沟？这些问题的根源往往超越教育范畴。高等教育界若要在教学、学术与研究中全面应对生成式人工智能的冲击，就必须建立开放讨论机制。本框架提供的多维度参照系，正为此类深度对话搭建了平台。要实现负责任地部署生成式人工智能，不仅需要教育工作者与研究者的集体智慧，更需要跨学科、跨行业的协同努力。结语

238、人工智能具有颠覆性的力量。一方面，人们希望借助人工智能改善体验；另一方面，人们必须正视人工智能的潜在风险，从职业消亡、人际疏离到生存危机，等等。本框架旨在为高校教师、教育开发者、课程设计者、管理者等群体搭建平台，推动关于生成式人工智能教育应用的深度探讨。理论框架需要与研究和教学实践相辅相成，两者相互促进、相互重塑，从而形成共识，为制定既符合伦理道德又能带来最大利益的人工智能规范提供依据，使技术红利真正惠及每一位学习者。（责编：项阳）（来源：EDUCAUSE，作者：帕特里夏特纳，编译：项阳;本文原文刊登于 中国教育网络 2025年4月刊）2024.11 中国教育网络49观察自2022年底Chat

239、GPT公开发布以来，人工智能已经从默默无闻一跃成为几乎无处不在的工具。对 AI 工具的使用增速已经超过了个人电脑和互联网。人们普遍乐观地认为，一方面，AI 将带来经济增长、刺激创新，提升“人类工作”独有的价值。另一方面，人们也普遍担心 AI 将通过职场的自动化扰乱经济，加剧原本就存在的不公平。历史证明，教育是抵御经济波动的关键因素。然而，教育如何为学生提供所需的资源，帮助学生驾驭由AI驱动的职场，目前还不太明确。美国田纳西大学诺克斯维尔分校教育研究与机会中心联合田纳西州管理委员会等机构开展了一项为期三年的研究，以探讨 AI 时代的教育问题。截至目前，已采访了 20 多位 AI、劳动经济学、职业

240、和技术教育、职业发展领域的专家，以下是这项研究得出的 3 个结论。生成式人工智能是现在 不是未来AI 并不是新鲜事儿。ChatGPT 因为可以像人类一样进行推理、写作和说话，持续吸引着人们惊奇的目光。然而实际上，对机器和系统进行开发以模仿人类行为的科学已经存在了十几年。虽然很多人都是第一次听说机器学习，但机器学习已经为Netflix 等流媒体平台的个性化推送提供了多年的支持。尽管如此，生成式 AI 的出现确实是一次巨大的飞跃。简单的机器学习无法谱写协奏曲、写代码，也无法为人们生成超市购物清单，但生成式 AI 却可以做到，它能做的甚至不止于此。这让人觉得像是科幻电影里的情节，但这并不是。现在就是

241、 AI 时代，今天的生成式 AI 也并不等同于明天的 AI。我们的研究发现，没人知道 15 年、10 年甚至 5 年后的 AI 会是什么样子，但大家一致预测，变化的速度是巨大的。学生、学校和职场如何跟上步伐？首先，不要纠结于具体的工具、应用或用例。尽管简单地将生成式 AI 纳入课堂是一个很好的起点，但这并不是解决方案。这就像坐在一辆飞驰的汽车里，需要关注窗外的风景，而不是哪些物体一闪而过。我们需要提升组织效率、激励创新的教育应该知道的三件事关于人工智能和未来职场从专业、课程和学位的角度来思考教育的传统思维方式对学习者不仅无益，反而有害。150中国教育网络 2024.11观察教育政策。我们需要教

242、育领导层关注那些能够快速部署技术、打破学科孤岛所需的流程、基础设施和资源。教育系统要为在职教师提供系统、持续的专业发展和培训，还要重新规划如何培养和聘用新教师。总之，教育系统要建设更敏捷、适应性更强、更少孤岛化、更少被动应对的课堂，因为AI并不是未来，AI 参与的世界已然呼啸而至。关注技能，而非职业要想预测 AI 会对哪些职业产生积极或消极的影响非常困难，人们根本无法预测 AI 自动化给外科医生还是屠宰场工人带来的职业风险更大。这不仅是臆测，还是一种错误的思维方式，其根源在于对技术如何影响工作的误解。各项任务构成工作，工作构成职业，职业构成产业。过去技术创新的经验告诉我们，技术直接作用于任务，

243、间接作用于职业。例如，若完成一些与工作相关的任务所需的人类技能可以被智能机器取代，那么职业的技能构成就会发生变化。如果有足够多的技能可以由机器自动完成，那么整个职业就会被淘汰。虽然如此，新技术也可以改变职业的技能构成，从而增加对人类职员的需求。劳动力市场对技能需求的变化甚至会产生全新的工作岗位。问题的关键在于，从专业、课程和学位的角度来思考教育的传统思维方式对学习者不仅无益，反而有害。相比之下，我们需要关注的是学习者所掌握的技能，而非学科或学位。面对AI 的兴起，一个可预见的对策是让更多的学习者进入 STEM（科学、技术、工程、数学）和其他 AI 相关专业进行学习。但现有的研究表明，只要学习者

244、掌握了AI（目前）无法替代的紧缺技能，同样可以从主修通识教育或艺术史中获益。因此，不能再让学科“拥有”某些技能。每个学生，每个学习领域，都必须掌握技术技能和可迁移技能。掌握技术技能使学生能够完成特定职业的任务。可迁移技能如批判性思维、适应性和创造性超越职业和技术，使学生能够胜任未来的工作。为了促进这种转变，我们需要创新的方法来进行教学。学校领导可以通过为教师提供专业发展资源和激励措施来帮助他们打破学科孤岛。同时，还需要重新思考当前学校的课程评估机制。AI 是人类必须掌握的技能 研究发现，AI几乎不会影响体力劳动。当然，AI（目前）还不能疏通下水道、拍摄婚纱照、安装或维修喷气发动机、修剪树木等，

245、但AI将改变这些工作的方式。例如，由 AI 驱动的软件可以分析管道系统数据，在漏水问题发生之前进行预测。AI 工具同样可以分析飞机维护记录，在出现危险之前预测维护需求，从而最大限度地减少停机时间。现在，每个行业都有可行的AI用例。因此，在AI经济中蓬勃发展的关键因素是，无论从事什么职业，无论身处什么行业，都能有效地、批判性地使用 AI。AI 虽好，但不完美。AI 的产出仍然需要人类的监督。无论职业或行业，辨别信息来源的质量或相互矛盾的观点以做出有意义的判断仍然是人类特有的技能。要想驾驭职场，人们必须培养判断和监督的技能，同时与 AI 有效协作这种人机协同本身也是一种技能。为了实现这种转变，需要

246、教育政策制定者优先考虑 AI 用户的隐私和安全，使工具可信，并迅速部署到全国各地的教室。还必须在人与 AI 互动的应用研究方面进行长时间的研究，才能确定并推广最佳实践。在课堂上，学生需要在课程中全面接触和体验 AI。沟通与合作是宝贵的技能，在现代社会，与 AI 的良好合作同样有必要，因为学生不会因 AI 而失业，而会因那些知道如何使用 AI 的人而失业。（责编：陈茜）（作者：Cameron Sublett；来源：Inside Higher Ed；翻译：陈茜;本文原文刊登于中国教育网络2025 年 4 月刊）教育系统要建设更敏捷、适应性更强、更少孤岛化、更少被动应对的课堂，因为 AI 并不是未来

247、，AI 参与的世界已然呼啸而至。232024.11 中国教育网络51观察文/洛纳冈萨雷斯 过去的两年，世界见证了AI的飞跃。AI 驱动的应用层出不穷，改变人们工作方式的同时，也为学生和教职员工提供了种种便利。随着 AI 的快速发展，可能会给那些探索和应用 AI 所需人才和资源较为匮乏的高校带来挑战，尤其是那些规模较小的高校。对于这些高校而言，通常要采取与大型高校不同的方法来使用 AI。然而，规模较小的高校可能会对 AI 持回避的态度，并认为对 AI 的使用可能会与自身的核心竞争力相冲突。虽然小型高校不具备大型高校的各项资源，但还是应该使用 AI，因其可以大幅提升效率、提供见解。本文提供了一张路

248、线图，可帮助资源有限的高校推进校园中人工智能的应用。部署 AI 前的准备工作为了更好地了解 AI 并从中受益，在使用 AI 前，高校的领导者应该考虑其带来的机遇和风险，并制定战略，以确保学校能够充分利用 AI 的益处，同时最大限度地降低风险和负面影响。了解 AI 的影响。学校的领导者应思考以下7个基本问题，并制定相应的策略。一、学校如何培养职场所需的具备 AI 技能的人才？二、AI 如何提升学生的体验？三、AI 如何提升工作效率，助力学校实现愿景？四、AI 将对教职员工所需技能以及学校的组织架构产生哪些影响？五、小型高校的人工智能应用路线图学校应制定哪些与AI相关的学术、伦理、数据、知识产权等

249、相关政策？六、AI 的使用如何与大学的核心价值观保持一致？七、AI 为教学、学习、科研带来哪些机遇和威胁？关注数据和知识库。优质和干净的数据和知识库、有效的数据治理实践和高校的技术数据基础设施的重要性怎么强调都不为过。高校应重点关注以下几个方面：数据和知识来源、数据的存储和访问、数据治理、数据架构、数据隐私与安全。部署的五项行动小型高校应尽可能利用现有的资源，酌情采用和调整。部署 AI 的五项行动分别是协调、学习、规划和管理、部署、评估和优化。协调由专人协调学校中的 AI 工作是非常有必要的，这个人（或小组）是学校 AI相关工作的牵头人。他们需要接触学校领导层，但不一定要在领导层开展工作。工作

250、职责包括跟踪学校的 AI 相关工作、协调教学和 AI 探索、负责 AI 相关支出以及企业合作等。一般来说，协调工作由学校的 CIO 或IT中心的主管负责，但并不一定非得如此。美国伊萨卡学院利用富余资金，设立了一个为期 18 个月的“AI 计划协调员”职位，向副 CIO 报告。这一方法确保了学院有专人投入大量精力帮助学校对AI进行跟踪、研究和管理。而迪金森学院的方法则略有不同：一个人负责 AI 的行政应用，另一个人专注于 AI 的科研应用。在早期阶段组建小型指导组也很有帮助。指导组可以招募职能部门的 AI 爱好者，以及正在了解 AI 的技术人员。指导小组充当传声筒，有助于整个学校对 AI的探索和

251、应用，并为将来的规划和管理奠虽然小型高校不具备大型高校的各项资源，也应该用 AI，以提升效率、赋能教学和科研。52中国教育网络 2024.11观察应提前对如何使用 AI 进行讨论，使其与大学的价值观保持一致。比如，有些大学愿意使用 AI 来招生录取，或提供 AI 驱动的聊天机器人帮助解决学生的心理问题。然而，其他的一些学校则希望以人为本，AI 仅扮演信息提供或背景辅助的角色。除了与大学的价值观保持一致，教师还必须思考，学生在课堂上如何使用AI？教师应向学生提供明确的指导，并制定规则。制定使用指南或政策。制定使用 AI的核心原则有所帮助。目前已经有些大学制定了使用 AI 的指南和政策，供全校师生

252、参考。划拨启动资金。可以从经营预算中划拨少量资金用于资助 AI 的初期探索。伊萨卡学院利用软件采购结余设立了 AI 探索基金，约为 IT 运营预算的 1%。这笔资金被用于资助与 AI 相关的各种工作，包括用于购买教职员工 AI 实验的软件、支付试点项目的 API 和云费用，以及教职员工的 AI 小额补助。此外，还可为具有潜力的项目申请长期资助资金。政策审查。AI 技术的应用会对学校的政策产生重大影响，要对主要政策进行审查，如学术诚信条例、软件合同（供应商对于大学的数据可做/不可做哪些事）、一般数据使用政策等。完成初步的审查之后，再进行更深入的分析和修订。专业人才发掘。对于规模较小的高校而言，最

253、大的挑战就是找到合适的人才来承担探索和应用 AI 的工作。这项工作需要综合能力，根据具体任务不同，所需的技能和方法也不同。既可以由一个人承担多个角色，也可将这些角色分配给多个人。在伊萨卡学院，分析团队在学校 AI 开发工作中发挥了主导作用，教学团队专注于AI的学术应用，而业务团队则专注于嵌入式提升效率的AI 产品。迪金森学院成立了校长工作组，负责指导和协调 AI 工作。该工作组的小组委员会正在开发 AI 应用、拟定指南并召开研讨会，以推动 AI 在整个校园的应用。迪金森的技术团队正在将数据集成到嵌入式 AI 产品中，他们刚刚开始涉足 AI开发。部署 在规模较小的大学应用 AI，可能会面临与规模

254、较大的大学不同的挑战。规模较小的大学难以获得先进的计算机资源（如没有超级计算机），开发人员稀缺或硬件资源有限。尽管存在以上挑战，规模较小的大学仍然可以通过各种途径成功应用AI。用例 1：利用通用 AI 和嵌入式 AI 应定基础。迪金森学院成立了 AI 领导工作组，该工作组由教师、学生和行政人员组成，他们希望能够为大学应用 AI 出一份力。学习开展多方面的学习活动是在校园中推广 AI 应用的有效途径。对于 AI，统一认识非常有必要，当所有人都达成共识之后再探索有针对性的方法，可以促进AI创新。开展调查。进行一次简短的调查，以确定校园中是否已使用 AI，如何在校园中使用 AI。调查还能明确全校师生

255、正在使用或希望了解哪些 AI 应用。组织讲座。通过组织有针对性的讲座，为广大师生提供学习机会，可以满足不同人的不同需求。讲座应针对不同的技能水平和部门需求。例如，迪金森学院为教职员工举办了通识讲座，并为特定的部门举办了有针对性的讲座。创建 AI 中心。建立专门的 AI 实验室或创新中心，让学生、教职员工可在其中使用 AI 并开展项目合作。举办研讨会。举办研讨会或邀请校外的 AI 相关专家举行座谈会，可强化关于AI 的实践。迈阿密大学举办了一个小型研讨会，为学生、教职员工提供了一个展示 AI 应用、讨论潜在问题以及了解与资金、政策相关信息的机会。学校邀请的专家分享了最新见解，对师生有所启发。资金

256、支持。向教职员工提供补助，以鼓励课堂内外的 AI 创新。这些补助可用于支持探索新的 AI 应用，或改进现有的项目。还可以为教职员工提供相应资源，帮助他们将 AI 应用到课程中。进行案例研究。通过对现有案例进行研究，可以提供在各种场景下应用 AI 的具体实例和实践经验。规划和管理当人们积极探索 AI、发掘技术的潜力时，应尽早制定相关的政策。建立 CIO工作组、AI 工作组，或将 AI 纳入现有的信息技术管理体系中，都是很好的开端。确保 AI 的应用符合学校的价值观。2024.11 中国教育网络53观察用提高效率要实现这一用例，大学需要“开箱即用”或只需极少的配置或编程的 AI 应用和服务。许可和

257、公平使用。对于规模较小的大学而言，使用通用大模型或嵌入式 AI 的主要问题之一，是要以大学能够承受的成本为师生提供使用许可，这是一笔额外费用，使 AI 对许多学校而言遥不可及，尤其是那些预算有限的学校。学校应探索低成本或无成本的 AI，供师生使用。另一个可行的方案是向符合学校规定的人员提供生成式 AI 使用权限（仅有限申请、有明确要求、可量化的投资回报等）。技术。若使用通用 AI 和嵌入式 AI，则完全要依靠云服务来实现。可能需要进行一些基础工作，以实现单点登录或其他类似的身份验证，但所需的技术量极少。人员配置。这种用例很大程度上依赖AI 协调员、AI 研究员和 AI 探索向导等角色（见表 1

258、）。用例 2：使用大学数据的定制 AI 解决方案本用例利用大学的数据来提供见解，以提升效率。为此，AI 工具要能够访问大学的数据并编写脚本或程序。AI 团队要明确哪种技术最适合大学，从而开发定制化的 AI 解决方案，如与学生互动的聊天机器人，或经过训练可分析大学数据的AI 工具。技术。规模较小的高校可能更愿意使用大模型公司提供的应用程序接口（API），而非利用自身的计算资源构建自己的模型。虽然接入 API 需要持续的成本，但接入这些 API 不需要大量的技术投入。另一种选择是购买定制的专用 AI 服务，如聊天机器人服务界面，连接大学的数据源来执行任务。这项服务的优势在于主要涉及配置和集成，不必

259、开发。不过，利用人工智能 API 进行开发是可行的，而且并不太复杂，成本效益较高，还能提供更加一致的用户体验。评估和优化定期对 AI 进行评估有助于高校持续改进 AI，以调整资源和负责任地使用，以下是评估和优化的流程。内容检查。要对 AI 输出的内容进行检查，以确保生成的内容准确、可靠且与上下文有关。为了有效验证 AI 生成的内容，可使用 AI 事实检查工具，并结合人工监督。明确目标和衡量标准。明确 AI 应用的目标，如提升学生成绩、增加对学生的支持或提升管理效率等。一旦确定了目标，就应制定可衡量的指标，如提升学生参与度、节约成本或在特定的管理流程上节省时间。定期评估并征求反馈意见。定期评估

260、AI 工具。首先明确学校正在使用哪些AI 工具，评估它们是否达成既定目标。若有可能，使用分析工具进行跟踪。定期收集学生、教师和管理人员的意见也很重要。向学生询问他们使用由学校提供的 AI 工具的体验，以及使用是否得心应手。这些反馈意见可帮助 AI 团队明确是否需要进行培训，以确保 AI 工具得到正确的使用。先试点再改进。小型高校可以先在小范围内试点，比如一两个院系，然后予以调整，再扩大范围铺开。试点项目还有助于培养 AI 拥护者愿意尝试新技术并提供有益反馈的师生，帮助传播信息。迭代改进。从试点项目中吸取的经验教训可用于完善 AI 工具，根据反馈和相关数据进行迭代将提升 AI 工具的有效性。提供

261、培训。可以举办研讨会和演讲，帮助学生、教职员工学习 AI 相关知识，介绍成功的 AI 应用案例，鼓励学校进行创新。通过以上流程，规模较小的高校可以有效评估和优化 AI 部署工作，确保 AI 的有效应用。前进之路AI 技术飞速发展的今天，小型高校不必担心被时代抛弃。通过有意识地思考AI 将如何影响学校、熟悉不同类型的 AI工具、建设强大的数据和分析基础设施，高校可以为 AI 的成功应用奠定基础。协调、学习、规划和管理、部署、评估和优化这五项基本行动可以帮助规模较小的院校在使用 AI 提升效率、赋能教学和研究的道路上取得成功。（来源：EDUCAUSE;编译：陈茜；本文原文刊登于中国教育网络2025

262、 年 2-3 月合刊）角色职能所需技能何处寻找AI 领导者与校领导等合作，探索、理解和决策 AI 应用之道具备探索思维，喜欢探索和尝试新的解决方案受人尊敬的影响者有机会接触高层领导实事求是迎接挑战CIO 或 IT 部门副职IT 领导、其他领导或高级别领导受人尊敬的 AI 应用者学院或行政领导AI 协调员在全校范围内组织和协调与 AI 相关的工作组织有序善于协调工作IT 经理项目经理AI 开发者使用大学数据，利用 AI相关编程工具（如 API）创建 AI 服务了解学校数据以及如何访问这些数据深刻理解模型背后的概念、如何发挥作用，以成功利用模型能够将复杂的多步骤流程简单化为用户提供“一站式”服务具

263、备一定的应用程序开发技能（编码、设计、测试和调试）开发人员分析团队计算机科学相关部门AI 研究员协助 AI 生产力工具业务流程分析具备 AI 工具知识应用支持专家AI 探索向导帮助人们使用和探索各种AI 工具了解 AI 工具和提示词工程学生工作者IT 支持专家表 1 AI 人才的职责和技能54中国教育网络 2024.11观察2025 年，人工智能等技术改变了游戏规则，在不断变化的职场技能需求的推动下，教育正在发生改变。传统的前置教育模式已不再适应这个正在飞速发生变化的社会了。与此同时，随着人工智能对大量常规技术任务的取代，传统教育中那些时常被人们所忽视的情商、沟通等技能，正在变得越来越重要。让

264、我们来探讨在 2025 年，人工智能将使教育发生哪些变化，以及在这个瞬息万变的世界中，这些变化将为那些有着鸿鹄之志的人们带来哪些机遇。以人为本的技能进入课程表随着人工智能在趋势分析、计算和生成报告等方面效率提升，那些人工智能所不具备的技能的价值将会越来越大。这意味着教育工作者应重视培养“人”的技能，如批判性思维、大局观、沟通、情商、领导力和团队合作等。2025 年，教师们将接受培训，以更有效地完成涉及人际互动、驾驭复杂情况的高价值任务，以人为本的技能将逐渐融入主流教育。那些掌握软技能的领导者和专业人士将在人工智能时代脱颖而出。在课堂中使用生成式人工智能如今，人工智能无处不在，在 2025年的课

265、堂中也不例外。57%的教师认为，人工智能可以提高他们的工作效率，因为学习如何让人工智能有效地发挥作用将成为教育工作者的首要任务。除了学习如何使用人工智能，人们还将在教育中探索其应用。例如，教师可以利用人工智能协助评分、提供个性化的作业反馈、创建定制内容和课程计划。此外，学校还将重点关注如何负责任地使用人工智能，以及学习何时、如何使用人工智能。最后，学校还会向学生传授如何安全地使用人工智能，以及在什么情况下要依赖人类的智能，而非人工智能。个性化学习每一位学习者都不同，不同的人接受2025 年人工智能影响教育的 7 个关键趋势随着人工智能对大量常规技术任务的取代，传统教育中常被人们忽视的表达、沟通

266、等技能，正在变得越来越重要。2024.11 中国教育网络55观察信息的速度不同。有些人从视频中吸收知识的效果更好，有些人则从小组讨论或活动式学习中获益更多。个性化教育将根据每个学生的天赋来进行教育，即因材施教。这意味着借助人工智能，为每一位学生量身定制课程计划、提供考试试卷和学习资料的情形将成为现实。2025 年，我们将看到利用人工智能实现因材施教的试点项目遍地开花。同时，人工智能助教等辅助工具也会出现，它们能够实时跟踪学生的学习进度，并及时调整学习方法，从而创造出动态的、引人入胜的学习环境。终身学习2025 年，毕业等于教育的终结这一观念将彻底过时。终身学习成为人们的口头禅对于专业人士而言，

267、需要不断提升各种技能，才能跟得上技术和职场快速变化的步伐。如今，越来越普遍的现象是，当毕业生迈出校园、初入职场时，大学中所学到的技能已经过时。在线学习、模块化课程、微学习、纳米学习等概念将成为人们终身学习的解决方案，它们提供可与繁忙的职业生涯相匹配的碎片化学习途径。虚拟教室和远程学习试想，学生足不出户就能探索古代文明或遥远星球是一种什么样的学习体验。2025 年，随着在学习者的学习过程中采用虚拟现实和增强现实技术，这种情况正成为现实。在线学习平台的频繁使用将增加教育的机会，并提供协作性越来越强的数字学习环境。虚拟教室和远程学习不仅为更身临其境、更有吸引力的学习打开大门，还将改善那些因居住地或其

268、他原因无法上学的学习者的学习条件。关键职业技能培训随着企业和高校寻求弥合技能差距的新方法，越来越多的高校、学院和企业之间将建立合作伙伴关系。当前，高等教育培养的毕业生无法满足行业对人工智能和网络安全等关键技能的需求。而校企合作将帮助高等教育制定符合劳动力市场要求的课程，确保学生在毕业时掌握雇主所需的技能。教育技术行业蓬勃发展预计到 2030 年，教育科技行业将从1420 亿美元增至近 3500 亿美元。随着教育领域对在线学习平台、人工智能助手和身临其境的VR学习体验的热情日益高涨，技术将成为 2025 年教育方式变革的重要因素。教育领域的持续投资和创新将推动教育工作者满足快速变化的需求。202

269、5 年的教育格局将从传统模式向更具活力、技术增强和以人为本的模式转变。随着人工智能和自动化不断重塑世界，尖端技术与更注重人类独特能力的融合，不仅将改变人们的学习方式，还将重新定义数字时代教育的意义。未来的教育不仅仅是传递信息，还要培养适应性强的终身学习者，让他们在日益复杂和快速发展的世界中茁壮成长。对于教育工作者、学生和专业人士而言，拥抱变化是在未来世界取得成功的关键。（来源：Forbes；编译：陈茜；本文原文刊登于中国教育网络2025 年 1 月合刊）对于教育工作者、学生和专业人士而言，拥抱变化是在未来世界取得成功的关键。56中国教育网络 2024.11观察从最初的理论概念到现在的变革力量，

270、人工智能（AI）经历了令人瞩目的演变。人工智能的发展轨迹从简单的算法到能够在特定任务中超越人类专长的复杂机器学习模型预示着未来人工智能将在人类生活的方方面面发挥核心作用。这对后代的影响是深远的：工作结构的转变、新兴产业的出现以及现有社会规范的彻底变革。随着人工智能的出现，对教育改革的长期呼声达到了高峰。因为人工智能放大了从死记硬背和静态知识向敏捷性、创造力和伦理推理（ethical reasoning）转变的需求。将人工智能能力融入教育充满紧迫性，不仅要培养学生适应不可避免的变化，还要培养学生在塑造人工智能增强型（AI-augmented）世界的过程中发挥带头作用。这关系到让学生能够提出正确的

271、问题，负责任地进行创新，并克服这种创新力量所带来的道德困境。新现实的新模型我们都必须接受的新现实是，人工智能现在无处不在，并将融入人们日常生活的方方面面。随着现代人工智能的兴起，教育系统必须从培养学生适应世界的能力转向赋予学生在世界上取得成功的能力。笔者提出了一个在人工智能驱动的世界中茁壮成长所不可或缺的技能的三方模型（图 1）：智能设计技能（Intelligent Design Skills）、智能人文技能（Intelligent Human Skills）和智能数据技能（Intelligent Data Skills）。该模型框架主张进行全面的教育范式改革，培养个人驾驭人类与人工智能在社会

272、各个层面复杂互动的能力。这些能力不仅为应对人工智能革命，还为预测人工智能的发展轨迹奠定了基础，确保下一代人做好准备，以便利用人工智能的潜力实现更大的利益。该模型所包含的能力应该成为技术与人文融合的社会中教育的基石。这些能力是建立人工智能新世界的支柱在这个世界里，教育不应只是对技术变革做出反应，还应积极塑造技术变革。智能设计技能：创意的合成模型的第一部分阐述了智能设计技能，它代表了人类愿望与技术可行性之间的创造性融合。这些技能赋予个人能力，使其能够设计形式与功能相融合的解决方案，将以用户为中心的原则嵌入人工智能解决方案的核心，并强调在人工智能环境中必须具备创造性和设计性思维。这一领域的能力包括：

273、工具和关键性数字能力。深厚的数字工具素养、对数字内容的鉴别能力和有效使用技术的能力都是不可或缺的。这些能力强调了在人工智能范式下以创新和负责任的方式辨别和处理数字资源的必要性。逻辑和思维导图能力。逻辑结构和概念制图能力对于有效设计和解释人工智能系统至关重要。这项技能使个人能够绘制和理解系统的逻辑流程，对构建算法和描述复杂工作流程至关重要。系统能力。对系统相互依存关系的理解是设计流畅的人工智能框架的必要条件。该能力确保了人工智能解决方案的创建，这些解决方案涵盖系统内的各种组件，人工智能新世界中必备的三大技能人工智能对教育系统的变革性影响要求教育系统进行全面转型，为未来几代人融入人工智能世界做好准

274、备。图 1 人工智能新世界所需的技能2024.11 中国教育网络57观察采用协调一致的整体设计方法。创意设计和用户界面（UI）/用户体验（UX）能力。设计既直观又能满足用户需求的界面，强调人工智能环境中人类体验的中心地位。这项设计技能要求创建以用户为中心的、直观易用的界面，强调同理心在设计中的重要性，使人工智能系统符合人类的需求和体验。智能人文技能：伦理的重要性模型的第二部分描述了智能人文技能，这是数字领域人性化的精髓。反思性、批判性思维和适应性不是奢侈品，而是必需品，使个人具备与人工智能合作的能力，确保以智慧来驾驭技术。智能人文技能侧重于人类特有的个人能力，这些能力可能是人工智能无法复制的。

275、这一领域的能力包括：评估和决策能力。批判性评估和决策能力是指导人工智能发展的一项重要技能。这种能力使个人能够做出符合道德标准和战略目标的明智选择。这项技能对于指导各个部门的人工智能开发和融合至关重要。伦理能力。在以人工智能为中心的世界里，伦理判断能力是防止潜在技术滥用的保障。要确保负责任地开发和使用人工智能，遵守道德原则，确保人工智能系统在社会价值观和规范的范围内运行，伦理能力不可或缺。学习能力。鉴于人工智能的飞速发展，持久的学习和适应能力至关重要，要确保个人始终跟上技术进步及其应用的步伐。这种能力有助于知识的持续增长和对新的人工智能进展的灵活运用。反思能力。反思和批判性分析能力至关重要。这项

276、技能要求具备自我反思和批判性思维，使个人能够思考人工智能及其与日常生活的融合所带来的深远影响和广泛意义，从而培养一种用心参与技术的文化。提示工程。提示工程（Prompt Engineering）技能也被称为智能提示（Intelligent Prompting），它超越了单纯的技术熟练程度，上升到对战略性问题的细微雕琢，以及为人工智能互动制定提示，以获得最准确、最相关、最有用的回答。该技能融合了创造力和对人工智能解释能力的深刻理解。该技能的培养对于人工智能交互盛行的各行各业的专业人士来说都至关重要，包括技术、教育、创意产业和客户服务等。随着人工智能技术越来越多地融入日常生活和工作，与这些模型系统

277、有效沟通的能力已成为数字素养的重要组成部分。智能数据技能：分析的基石模型的第三部分智能数据技能强调了以数据为中心的能力在人工智能运用中的重要性。在一个数据泛滥的环境中，解读、分析和应用数据的能力超越了传统的学术界限。这些技能使个人能够将数据转化为决策，推动创新并在庞大的信息流中发现见解。在数据驱动的时代，智能数据技能已成为基础能力。这一领域的能力包括：数据真实性能力。在人工智能的输出质量与数据完整性密不可分的生态系统中，验证数据准确性和真实性的能力至关重要。鉴于人工智能的有效决策依赖于高质量的数据，该技能确保了人工智能生成的见解的可靠性和准确性。数据消化能力。熟练吸收和阐释庞大的数据集对于将数

278、据转化为连贯的叙述，从而为人工智能应用提供信息至关重要。该技能包括处理和解释大量数据，使人工智能系统便于理解和操作。数据可视化能力。将数据转化为具有视觉冲击力的表现形式，对于提炼和传达复杂的数据结论至关重要。该技能对于交流从人工智能分析中得出的见解也至关重要。数据准备和管理能力。这项技能要求对数据进行明智的管理，确保数据相关性、数据效用和数据质量，以适应当前和未来的人工智能计划。面向人工智能融合的教育改革在该模型中，教育改革被定义为人类智能与人工智能之间的桥梁，强调了在人工智能融合的现实世界中，创新和领导能力的重要性。模型不仅是对变化的回应，更是一种主动塑造未来的行动，力求培养学生创造性思维、

279、数据能力和伦理判断能力。它设想了一种从静态知识转向动态智慧的课程，培养学生为人工智能的负责任发展做出积极贡献。人类与人工智能之间强大的协同是世界快速发展的关键，而高校在塑造人工智能融合的未来方面发挥着举足轻重的作用。这就要求进行灵活、创新和高瞻远瞩的教育改革，超越传统，培养能够熟练运用人工智能推动社会进步的积极主动的领导者。这项改革的关键是培养三种能力智能人文技能、智能数据技能和智能设计技能，并将其完美地融入课程和实践中。这些能力对于培养学生的伦理素养、批判性思维和解决问题的能力至关重要，使学生有能力成为敏捷的创造者。在此基础上，高校必须迎接挑战，发展跨学科的人工智能和数字能力，培养好奇心、应

280、变能力、同理心和适应能力。课程和评估必须不断发展，以利用人工智能的潜力，实现公平的个性化学习体验，满足学生的个性化需求，最大限度地提升学习效果。通过整合人工智能工具，教师可以提高教学效果，将时间用于高价值的教育实践，培养学生取得成功。此外，人工智能驱动的教育资源可以降低成本、弥合数字鸿沟，人工智能驱动的职业指导系统可以使教育发展与未来的劳动力需求保持一致。58中国教育网络 2024.11观察然而，这些机遇的充分实现取决于能否应对人工智能带来的挑战，包括减少算法偏见和保护数据隐私与安全。面对这些挑战，不仅要让学生做好参与世界发展的准备，还要让学生做好积极塑造世界的准备。因此，通过促进人类智能与人

281、工智能融合的教育改革，我们可以创造出强大的、符合未来需求的教育成果。增强人工智能能力的课程设计在人工智能无处不在的教育环境下，课程设计成为高等教育的战略要务。高校的任务是将人文、数据和设计等能力注入课程，这些能力是在以人工智能为中心的社会中茁壮成长的必备技能。课程必须点燃学生的好奇心，增强学生的适应能力，培养学生对人工智能范围和界限的深刻理解。课程设计者应培养智能人文技能，强化人工智能无法复制的批判性思维、伦理推理和反思能力；培养智能数据技能，使学生能够有效地解释和利用数据；同时培养智能设计技能，创新人工智能应用。这些能力必须成为课程开发的基石，确保学生不仅能熟练掌握技术，还能成为自觉的人工智

282、能创造者和管理者。学校应根据这些核心能力调整课程目标，结合人工智能工具，加强个性化教学和学生参与度。不仅要开展结构合理的教学/学习活动，更要鼓励学生反思自己的学习过程，防止滥用人工智能。为了支持这一点，应充分利用人工智能在辅导和学术援助中的作用，提供个性化反馈和自适应学习途径。通过这样做，学校不仅能维护学术诚信，还能培养学生以符合伦理和创造性的方式利用技术。通过前瞻性的课程设计，积极整合这些必备技能，学生们将具备在人工智能增强的环境中驾驭和领导技术的良好能力。学生将成为技术的道德使用者和创新推动者，为在人类智能与人工智能协同的未来社会中取得成功做好准备。人工智能在教育领域的应用，不应该让教师、

283、学生和管理者感到恐惧；同时，人工智能也不应取代人类的教学能力和专业知识，让人类被“取消资格”。相反，人工智能在教育领域的应用应被视为一个机会，让人工智能提高和丰富人类的教学能力和潜力，加强创造力，并为学生和教师提供新的工具和资源。教育领域的人工智能应增强和补充学生的能力和专业知识，优化学习体验，支持终身学习和发展。教育领域的人工智能应成为国家和社会的优先事项，所有利益相关方应通力合作，确保以合乎伦理道德、公平和包容的方式设计和部署人工智能，尊重学生和教师的多样性，促进共同利益和社会正义。教育领域的人工智能应该是人工智能的生产，而不仅仅是人工智能的消费，这意味着学生和教师应该有机会了解人工智能，

284、参与其创造和评估，并塑造其影响和方向。教育工作者、决策者和学校开辟新道路的时机已经成熟。让我们团结起来，打造一个智能、适应性强、合乎伦理的教育系统。我们必须共同创造这样一种课程体系，不仅能整合人工智能，还能预测其发展路径，确保学生成为创新的先锋。这是一个行动呼吁：拥抱人类智能与人工智能的融合，塑造技术促进人类发展的未来。现在正是大展宏图的好时机，我们应致力于一场彻底的教育改革，在时代的史册中留下回响。教育领域的人工智能应该是人工智能的生产，而不仅仅是人工智能的消费。（来源：EDUCAUSE，作者：法齐本梅萨乌德，编译：项阳；本文原文刊登于中国教育网络2024 年 9 月合刊）2024.11 中

285、国教育网络59观察全球 50 位专家呼吁发展以人为本的人工智能近期，来自加拿大、意大利、新西兰和英国等 12 个国家，囊括计算机科学、教育、法律、管理、政治学和社会学等 12 个学科的 50 位专家，就发展“以人为本的人工智能”发表了见解，并由英国泰勒弗朗西斯出版社（Taylor&Francis）集结出版，书名为以人为本的人工智能：给决策者、管理者及用户的多学科视角。专家一致认为，要停止开发以技术驱动的人工智能，因为这将迫使人们调整行为习惯，甚至更改法律来适应技术。要秉持以人为本的人工智能设计理念，开展跨文化对话，将非西方文化纳入人工智能的数据循环中。要在创新和监管之间找到新的平衡，尽快制定对

286、人工智能进行监督和管理的法律。人工智能的问题随着人工智能逐渐渗透人们的生活，将人的利益置之一旁，发展以技术驱动的人工智能，从长远看对人类的发展不利。应主张以人为本的人工智能设计原则，创造能够满足人类需求的人工智能。作为研究以人为本的人工智能的世界级专家，苏格兰爱丁堡大学未来研究所主任香农瓦洛尔（Shannon Vallor）认为，要发展帮助人类繁荣发展的人工智能，也就是说，要将技术生态系统与人类的健康、福祉结合起来。人工智能应支持人类的发展、增强人类的能力、丰富人类的生活，而不应与人类竞争、贬低人类的价值或试图取代人类。瓦洛尔提出，这两年迅速发展的生成式人工智能属于后者，它由科技公司创造，其唯

287、一目标是自我增强，而非满足人类的需求。“这不是我们需要的人工智能，因为一直是我们在适应它，而非它为我们服务、让我们受益。”瓦洛尔说，“技术没有适应人类的需求，而是人类在适应技术的需求。”来自意大利博洛尼亚大学的研究员马尔维娜沃伊奇克（Malwina W j cik）提到了人工智能发展中的系统性偏见。她指出，在人工智能技术的设计和开发中，历史上被边缘化的群体并没有发挥有意义的作用，导致“主流权利叙事的固化”。如果缺乏有关少数群体的数据，或现有数据不准确，将导致歧视的加深。此外，人工智能系统并非人人都有机会使用，这将导致不平等现象进一步扩大，以至于本来就被边缘化的群体无法进入人工智能的数据循环，也

288、无法从这项技术中受益。沃伊奇克提出的解决方案是：开展多样性研究，进行计算机科学、伦理学、法60中国教育网络 2024.11观察律和社会科学的跨学科研究合作。在政策层面，她建议在全球展开与非西方传统文化的对话。来自加拿大汤普森河大学的马特马龙（Matt Malone）表示，隐私权划定了人类让技术进入生活和意识领域的边界。人工智能对个人隐私构成了威胁，因为很少有人真正了解数据是如何被收集或使用的，导致了科技公司对个人隐私的侵犯。随着人工智能捕获人类更多的时间、注意力和信任，在划分人类与技术的界限方面，隐私权将继续发挥决定性作用。未来，要发展尊重人类隐私边界的人工智能。影响人类的行为以色列行为科学研

289、究所的奥什里巴尔-吉尔（Oshri Bar-Gil）探讨了使用搜索引擎如何改变人类的自我认知：当人们使用搜索引擎时，一个数据化的“自我”就产生了。从人们的使用中，平台获得了数据，再利用人们提供的数据和偏好提高自身性能。使用搜索引擎有一个隐藏的代价，那就是它将反过来影响人类：算法推荐改变了人的思维进程，在数字领域和现实世界中改变了人类的意向性、理性和记忆，这是人之所以为人的本质，削弱了人的能动性和自主性。新西兰惠灵顿维多利亚大学的阿利斯泰尔诺特（Alistair Knott）、英国伦敦大学阿兰图灵研究所的塔帕布拉塔查克拉博蒂（Tapabrata Chakraborti）和意大利比萨大学的迪诺佩德

290、雷斯基（Dino Pedreschi）表示，虽然社交媒体使用的人工智能系统在某种程度上是以人为本的，但依然存在问题人工智能会从用户行为中学习，在使用过程中完善用户模型。同时，用户会点击系统为其推荐的内容，随着时间的推移，系统可能会缩小用户的兴趣范围。如果用户与有偏见的内容互动，就更有可能被推荐这些内容，互动次数越多，就会看到越多这种内容。“简而言之，推荐系统可能会导致用户走向极端主义。”三位专家表示。针对这些问题，他们提出了一些解决方案，包括让持有推荐系统数据的公司增加透明度，以便进行更深入的研究和报告等。关进法律的笼子加拿大蒙特利尔大学的皮埃尔拉鲁什（Pierre Larouche）认为，将

291、人工智能视为独立于法律的监管对象，并假设目前没有适用于人工智能的法律，会让政策制定者畏葸不前。拉鲁什说：“由于被认定为新技术，人们普遍认为目前还没有适用于人工智能的法律，但人工智能嵌入了社会和经济中，就应该存在可制约它的法律。挑战不在于制定新法律，而是要将现有法律扩展并应用于人工智能。如果要通过伦理讨论来制定新法，可能会导致无休无止的争辩和拖延，但技术却一直在快速发展，不能永远等下去。”加拿大魁北克人工智能研究所（Mila）是致力于人工智能研究的最大学术团体之一，该研究所负责政策、社会和全球事务的副所长本杰明普鲁姆（Benjamin Prudhomme）也呼吁决策者要有信心：“如果创新不负责任

292、，那么扼杀创新也未尝不可。要对政府监管人工智能的能力更有信心。可以在尝试建立正确的管理机制前，邀请各方（包括边缘群体和用户）参与讨论。有些人认为政府无法在不扼杀创新的情况下对人工智能进行监管，我们不要被这些声音麻痹。在这方面，欧盟已经树立了榜样通过了全球首部人工智能法案。各国要尽快制定人工智能监管法案，并将以人为本的思想贯穿始终。”（来源：SciTechDaily，编译：陈茜；本文原文刊登于中国教育网络2024 年 23 月月合刊）挑战不在于制定新法律，而是将现有法律扩展并应用于人工智能。如果要通过伦理讨论来制定新法，可能会导致无休无止的争辩和拖延，但技术却一直在快速发展，不能永远等下去。20

293、24.11 中国教育网络61观察人工智能时代 大学的挑战与应对文/陈茜2024 年 2 月，继 ChatGPT 之后，美国 OpenAI 公司发布了首个视频生成模型Sora。用户只要输入文本指令，就可以生成一段逼真的视频，再度给世人带来冲击波。自 ChatGPT 问世以来，生成式人工智能已成为全球范围内的热门话题，无疑，它将影响各行各业。而其对教育的影响，更让大家广泛讨论。那么，人工智能将会如何影响高等教育？是赋能还是颠覆？人们喜忧参半。可以确定的是，生成式人工智能给高等教育带来了前所未有的挑战：大学应该教什么？如何教？如何培养适应未来社会的人才？在来势汹汹的人工智能面前，大学是否做好了准备，

294、以符合伦理规范、适应教学要求的方式应用这些迅猛发展的工具？挑战与机遇“人工智能之于高等教育，其意义如同现代大学的诞生。未来，人工智能极速发展，现有大学的组织架构、学科体系、知识结构、教学方法完全可能被打破重建，发生颠覆性的巨变。”谈及人工智能对高等教育的影响，清华大学李星教授表示。生成式人工智能技术正以惊人的速度融入高等教育系统，为教育赋能，主要体现在加速科研发展、支持教育教学等方面。同时，还带来了学术诚信危机、数据隐私风险、颠覆人才培养目标等方面的挑战。北京大学教育学院汪琼教授提到，生成式人工智能上线后，教师普遍对剽窃和抄袭情况表示出担忧，为减少由人工智能带来的学术不端行为，国外一些大学将未

295、经授权使用人工智能工具的行为判为作弊。大62中国教育网络 2024.11观察学给出了引用规则示例，对于教师允许使用工具的情况，学生要明确注明引用。还有些大学协助教师设计出不易受人工智能影响的作业和考试活动。由于在 ChatGPT 上查询的数据会与 OpenAI 共享，出于风险防范目的，密歇根大学开发了封闭生成式人工智能工具，提供安全、可公平访问的基础型和高级研究型应用，供校园内部使用。斯坦福大学对校内使用的信息技术进行了评估，提出风险分级对策。北京师范大学校务委员会副主任陈丽教授认为，高等教育的培养目标应由知识的传递，转变为让学生获得驾驭人工智能的能力。大学要从顶层设计出发，对专业设置、学科设

296、置和培养模式等各方面进行深层次改变，让年轻人有更好的发展，培养国家所需的拔尖创新人才和产业所需人才。尽管生成式人工智能给高等教育带来了重重挑战，但大学仍然可以通过制定政策、投入资源来应对。对学习、教学和考试模式进行相应调整，可以确保学生在使用人工智能时保持学术诚信。通过制定隐私分级政策、开发私域大语言模型等方式，降低隐私数据泄露风险。虽然对于人工智能时代，大学应该教给学生哪些课程没有定论，但可以确定的是，大学要教给学生负责任地使用、驾驭人工智能的能力，让学生借助新技术激发想象力和创造力，充分发挥作为人类的思想价值。从历史经验看，新技术的到来总是部分地解放了人类，生成式人工智能也不例外。作为高等

297、教育领域最重要的新质生产力，它给大学带来了新机遇，主要表现在加速科研发展、支持教育教学等方面。将人工智能的“不可解释性”应用于科研，所迸发的力量难以预料。近日，普林斯顿大学研究团队通过开发人工智能模型，攻破了长期以来困扰该领域的等离子体不稳定问题，实现了可控核聚变，为人类迈向无穷尽的清洁能源又贡献了一步。而这，还只是人工智能给科研带来改变的初级阶段。未来，在人工智能的加持下，科研的进步和发展将可能一日千里。根据不同学科特点开发大语言模型的垂直应用，可以起到支持教育教学的作用。如近期，清华大学和北京大学的“AI助教”在多门课程中帮助学生答疑解惑。作为全天候的即时反馈平台，超级助教能满足学生多样化

298、的学习需求，提升效率，同时也能将教师从批改作业、答疑等事务中解放出来，开展教学研究、进行教学创新。在机遇与挑战并存的关键时期，大学要充分重视人工智能对高等教育的影响，积极做出行动。清华大学于歆杰教授认为，大学应进行顶层设计、统筹布局，建设具有宏观视野的人工智能机制体制。北京师范大学陈丽教授认为，大学要做先行者，研究人工智能在教育中的适用性，在研究的过程中形成优化学科领域的小模型。清华大学李星教授建议，将所有学科与人工智能结合，鼓励百花齐放，允许多样性，培养学生的批判性思维和逻辑思维。北京大学汪琼教授提出，要为教师提供丰富的、结合人工智能开展教学的案例，达到在教学中积极应用的目的。大学的行动今年

299、，教育部宣布实施人工智能赋能行动，促进智能技术与教育教学、科学研究、社会的深度融合，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。目前，国内已有多所大学积极开展生成式人工智能领域相关教学和研究，在课程融合、通识培养等方面深入探索，致力于培养高素质人才。清华大学表示，2024 年将建设 100 门人工智能赋能教学试点课程，并为 2024 级新生每人配备一个“AI 成长助手”。北京大学发布了基于 GPT-4 开发的人工智能助教，以实现个性化、定制化和互动式的 AI 助学。南京大学发布“人工智能通识核心课程体系”方案，以 1 门必修的人工智能通识核心课，加 X 门人工智能素养课，再加 Y

300、门各学科与人工智能深度融合的前沿拓展课为基础，从知识、能力、价值观与伦理三个维度开展教育教学。放眼全球，自 2022 年 11 月底 ChatGPT 上线以来，全球多所大学对生成式人工智能的使用做出了回应。有些大学明确表示禁止，有些大学从禁止转为支持，还有些大学表示鼓励和支持。少数大学选择采取谨慎保守的态度，禁止学生使用生成式人工智能。如法国巴黎政治学院在禁令中表示，若没有明确注明引用或出于特定课程目的，学生不得使用 ChatGPT 或任何其他基于人工智能的工具。印度班加罗尔 RV 大学禁止学生在原创作品中使用ChatGPT、GitHub Copilot 等人工智能工具，并对学生随机检查。有些

301、大学的态度从最初的颁布禁令，转变为后来2024.11 中国教育网络63观察的灵活解禁，体现出大学对于生成式人工智能在教育中潜在影响的深思熟虑。出于对 ChatGPT 可能引发的剽窃和作弊等问题的担忧，香港大学先采取了临时禁令。随着一系列讨论，学校解除了禁令，并采取了限制使用的方法：通过设置每人每月 20 个指令的方式，防止学生滥用。那些表示鼓励和支持的大学陆续发布了规范或指南，促进人工智能的有效应用。虽然态度都是鼓励，但各校政策的出发点、细节和深度却有所不同。有的大学成立了人工智能委员会，为各学科的应用制定了详尽的路线图。在深入思考生成式人工智能给各学科带来的不同影响之后，美国康奈尔大学为写作

302、，音乐、文学和艺术，社会科学，数学、物理与工程，编程和法律等专业是否可使用、何时可使用、如何使用人工智能发布了细则。不仅发布了教学指南，还发布了科研和行政管理指南。有的大学表示，不制定全校层面的政策，鼓励教师主动摸索。比如美国杜克大学认为，在快速发展的人工智能技术面前，标准化、“一刀切”的政策忽视了教师自身的立场，从长远看不可取。因此，大学将决定权交给教师，同时提供了一份指南，搜集了美国其他大学的教师使用人工智能的观点和案例，旨在抛砖引玉，鼓励本校教师制定适合自身课程的政策。有的大学对风险进行了分级，并对教师在教学中使用 ChatGPT 提供了指导。比如美国加州大学伯克利分校将数据和隐私分为四

303、级。涉及供公众访问的一级内容时，允许使用；除此之外的二级、三级和四级内容，即涉及个人、机密或其他敏感信息时，禁止使用。同时，该校的教学中心网站提供了风险与机遇评估表，附上了官方指导意见、媒体报道和应用案例的链接，引导师生深入思考。有的大学为教师创新作业形式、改变评估方式提供了指导。比如美国普林斯顿大学为教师提供了十余种作业任务的范例，目的是提高学生使用人工智能完成作业的困难度，强调让学生认识到学习的重要性，确保学生独立思考、自主完成作业。还有的大学采取跨学科研究或全学科融合的人才培养策略，助力人工智能与高等教育融合。比如新加坡南洋理工大学成立了计算机与数据科学学院，培养掌握人工智能的高级工程师

304、。美国佛罗里达大学正在推动“全学科人工智能计划”，将人工智能纳入各学科，使其成为所有学生的核心能力。生成式人工智能已成为全球范围内的热门话题，无疑，它将影响各行各业。而其对教育的影响，更让大家广泛讨论。那么，人工智能将会如何影响高等教育？是赋能还是颠覆？64中国教育网络 2024.11观察教师的探索在实践中，不少大学鼓励教师自行制定课程政策，教师可以决定如何、是否以及何时在课程中使用人工智能。一些教师在体验了大语言模型后，逐渐发现了其延伸价值，开始与教学实践相结合。有些教师从课程体验和课后答疑等方面入手，借助人工智能优化学习全流程体验。北京大学人工智能研究院助理教授马郓将 ChatGPT 与课

305、程教学结合，开发了“赛博助教”用于答疑，并在授课、作业和备课环节应用了大语言模型。美国加州大学圣克鲁兹分校历史学教授本杰明布林将 ChatGPT 作为教学工具引入大学历史课堂，借助生成式人工智能在课堂中模拟交互式历史背景，帮助学生沉浸式学习历史。有些教师认为应该教学生负责任地使用人工智能，为职场生涯做好准备，有些教师甚至要求学生必须使用人工智能。美国加州大学洛杉矶分校技术、法律和政策学院主任约翰维拉森诺告诉法学院班里的学生，可以在写作中自由使用 ChatGPT，但必须对所提交的文本负全部责任。美国宾夕法尼亚大学沃顿商学院副教授伊桑莫利克为他的课程制定了人工智能政策，要求学生必须使用 ChatG

306、PT 完成他这门课的作业。还有些教师利用生成式人工智能进行课程设计、协助备课。法国国立工艺学院研究员泽维尔艾梅用ChatGPT 帮助设计课程。当缺乏灵感或因临时调课导致来不及备课时，过去需要 4 个小时来完成的备课，在ChatGPT 的帮助下缩短至半小时，省下的三个半小时可用于教学创新。同时，她还鼓励学生用 ChatGPT 探索设计主题。如何制定政策？教育部部长怀进鹏指出，对教育系统来说，人工智能是把金钥匙，不仅影响未来的教育，也影响教育的未来，有机遇也有挑战。要想更好地抓住机遇、应对挑战，就必须积极地拥抱科技与产业的变革，主动拥抱智能时代。如今，学生纷纷成为生成式人工智能的活跃用户，大学应未

307、雨绸缪，思考如何制定在学校、院系或课程层面行之有效的政策。高等教育信息化协会（EDUCAUSE）刊载了一篇题为高校如何制定生成式人工智能政策的文章，从政策的框架和细则方面给出了指引。在制定政策框架时，需要先明确受众、实施时间和政策对象三个方面的要素。首先，政策为谁制定？是针对整个学校、教职工、学生、第三方供应商，还是其他？其次，政策何时开始实施？最后，要明确政策所涉及的人工智能范围：是针对所有人工智能，还是只针对生成式人工智能？是针对所有生成式人工智能，还是只针对文本生成式人工智能？在制定政策细则时，可通过回答以下问题来明确方向：采取哪些措施来确保学术诚信？对人工智能的使用目的、使用量有哪些限

308、制？如何在全校范围内宣传对人工智能的应用？在使用来自外部企业的产品时，如何解决有关伦理、数据隐私、知识产权和偏见等问题？学校将投入哪些资源支持、响应和实施政策？若违反了政策，如何识别和处理？政策的制定需要有条不紊地推进。尽管生成式人工智能快速发展，大学仍可通过努力，为师生更好地应用提供有意义的指导。采用迭代的方式制定人工智能政策，也许是成功驾驭新技术的关键。要想更好地抓住机遇、应对挑战，就必须积极地拥抱科技与产业的变革，主动拥抱智能时代。（本文原文刊登于中国教育网络2024 年23 月月合刊）2024.11 中国教育网络65观察文/威廉尹“教育不是装满一桶水，而是点燃一把火。”爱尔兰诗人、诺贝

309、尔文学奖得主威廉巴特勒叶芝（William Butler Yeats）的这句名言，抓住了教育的本质。教育不是灌输知识，而是激发兴趣。教育的永恒目标是点燃学习者心中的火焰。今天，一项突破性的发明人工智能聊天机器人，已经准备好点燃这把火，并彻底改变教育领域。ChatGPT和Bard等大语言模型（LLM）接口的发布，引发了关于它们在教育中的集成和影响的激烈争论。批评者对学术欺诈提出了合理的担忧，因为人工智能聊天机器人能够产生类似人类的反应和复杂的计算机代码，这些卓越能力可能被用于难以察觉的学术作弊。围绕人工智能聊天机器人的争议还延伸到误导性信息的传播。如果不加以监控和管理，人工智能生成的材料可能会导

310、致错误信息的无意传播，尤其是在学生中。这些合理的担忧为限制在教育环境中使用人工智能聊天机器人提供了进一步的支持。另一方面，支持者认为，尽管必须采取预防措施来解决上述问题，但人工智能技术是学生需要接触和学习的创新工具。重点是未来社会的需求：数字时代要求批判性思维能力以及浏览和验证信息的基本能力。人工智能聊天机器人能够以互动和有趣的方式提供大量信息，有助于培养学生的上述能力。通过要求学生评论和修改人工智能生成的内容，教育工作者们开创了一些方法，教学生如何批判性地评估人工智能聊天机器人的输出结果，并将可靠的信息与误导性或不准确的输出区分开来。在使用ChatGPT学习的经历中，笔者意识到，人工智能技术

311、可以颠覆教育规范，改变人们的学习方式和学习内容。然而，尽管ChatGPT是一位知识渊博的杰出导师，但它在创造性思维方面却十分平庸。笔者认为，与 ChatGPT 相比，人类在独创性方面拥有独特的优势。以下是笔者从与 ChatGPT 的第一手交互中总结提出的四点见解。任何技术都可能有利有弊。结果取决于我们如何使用它。从历史上看，变革技术的出现例如个人电脑、互联网、谷歌和维基百科最初往往遭到怀疑和担忧。批评者质疑这些技术对教育的影响，警告可能会增加学术欺诈和降低学习能力。然而，随着时间的推移，学生们已经将这些技术作为强大的学习工具加以利用。人工智能技术也可以用同样的眼光看待。然而，与任何其他工具一样

312、，人工智能的利弊在很大程度上取决于它的使用。在教育系统中，可以有效利用人工智能技术来补充课堂学习，并使学生能够轻松获取大量信息。这将改善学习成果，促进更具吸引力的教育体验。但如果人工智能技术被滥用或过度依赖，也可能损害学生的批判性思维和解决问题的能力。这凸显了教师精心设计问题和作业的重要性，这些问题和作业不仅需要测试知识，还应该激发学生更深层次的思考和分析。应该鼓励学生分析信息和数据，在知识点之间建立联系，解决复杂问题，并阐明推理。科学界和社会都需要这些技能。知识总是触手可及，但批判性思维技能只能在关键的学习阶段获得。另一个问题是，人工智能不具备真正的情感，也不具备真正理解和回应人类情感的能力

313、。人工智能的使用可能会减少学习过程中人类互动的很大一部分，导致社交技能和人际发展的丧失。为了解决这个问题，教师应该投入更多精力来识别和回应学生的情感需求。他们可以提供支持、鼓励和指导，以人工智能无法做到的方式激励学生。人工智能正在改变人们获取信息的方式。教育系统将如何适应？我们目前的教育体系亟需调整，以反映变革性的创新。在过去，由于获取知识的途径有限，我们需要寻求知识。这一过程通常涉及死记硬背，有时以牺牲对知识的深刻理解为代价。如今，在大多数情况下，技术的发展让这种情况得以改善。但是，尽管近几十年来社会和技术取得了巨大进步，但教育体系的核心却基本保持不变。传统教学仍然促使学生倾向于死记硬背课本

314、上的知识。学习的重点是正确性和精确性，而不是创造性或分析性。机器正变得越来越“聪明”。未来，人工智能控制的自动化和物联网将取代那些涉及重复性和常规任务的工作，最终通过使信息更加触手可及、易于理解，来挑战传统的学习方法。在人工智能时代来临之际，我们应该思考未来的劳动力需求、关键技能，以及相应的教育和培训，以满足这些需求并提供这些技能。让人工智能点燃教育之火将人工智能技术和人类创造力相结合，形成强大的“混合智能系统”。1266中国教育网络 2024.11观察人工智能技术还将创造更多的就业机会，如人工智能专家、数据分析师和软件工程师。此外，战略决策者、创新思想家、人工智能伦理学家和人工智能培训师等新

315、的职业类别也将出现。需要创造力、批判性思维、同理心和复杂问题解决能力等人类特质的职位仍将供不应求。这些角色将在应对人工智能应用的伦理、社会和战略挑战方面发挥关键作用。考虑到上述职位特征，教育领导者应该优先发展那些人类比人工智能更擅长的基本技能。人工智能收集的丰富信息可以与教育系统培养的创造力相结合，从而形成一个强大的“混合智能系统”。这种混合智能系统需要培养人工智能交互能力。人类和人工智能之间的动态交互将推动独特想法和突破的诞生。在不断发展的形势下，人工智能应该不断更新和整合新的见解，创造新的知识层次。因此，未来的课程应该包括人机交互，以提高学生的信息检索技能，帮助他们获得更准确的结果。通过将

316、这些策略整合到教育系统中，我们可以营造一种环境，让学生不仅仅是被动的学习者，更能作为创造性的思考者积极利用人工智能，从而鼓励学生形成自己的想法，让学生不仅为考试做好准备，更能为社会做出实质性贡献。个人兴趣和好奇心是学习的动力。我们准备好全面进入个性化教育了吗？我们都经历过钻研一个有趣的主题或在热爱的领域发现新事物的快感。我们也忍受了花在无趣任务上的无聊时光。显然，在这些截然不同的情况下，我们的大脑并没有在相同的水平上发挥作用。当常规的、重复的任务通过人工智能实现自动化时，个人独特的兴趣、才能和性格将变得越来越有价值。新西兰教育家尼尔弗莱明（Neil Fleming）于 1987 年提出了 VA

317、RK 学习模式。他指出，学生在不同程度上采用了四种学习方式：视觉型、听觉型、阅读型和动觉型（VARK）。随着时间的推移，又出现了另外三种常见的学习方式：逻辑型、社交型和独立型。最近出现的人工智能图像生成、增强现实技术和人类语言识别可以根据个人的兴趣和学习风格提供个性化的学习要点演示，为所有类型的学习者提供身临其境的学习体验。未来，个性化教育将在最大限度地发挥学生的潜力和满足多样化的学习需求方面发挥至关重要的作用。随着技术和数据分析的进步，教育可以根据每个学生的独特优势、兴趣和学习方式量身定制。量身定制的学习路径可以让学生按照自己的节奏学习，并深入研究自己感兴趣的领域。由人工智能驱动的自适应学习

318、平台可以提供实时反馈和评估，使教育工作者能够确定需要改进的领域，并据此定制教学。个性化教育可以激发每个学生的全部潜力。在此过程中，要培养学生终身学习的兴趣、道德价值观、社会责任感和全球公民意识，让学生更积极地追求自己的理想并为社会做出贡献。人工智能辅助个性化学习将促进教育公平。无论学生的背景如何，都拥有丰富的创造力和独特的个人爱好。在人工智能的助力下，学生有潜力挖掘独特的想法，展示过去可能被忽视的聪明才智。个性化教育拥有巨大的潜力，是解决教育差距和不平等问题的一种手段。通过根据学生的具体需求和文化背景定制教学，个性化教育可以提供更包容、更公平的学习体验。人工智能辅助的个性化教育为缩小差距提供了

319、有效的解决方案。通过实时评估学习模式、优势和劣势，人工智能可以帮助学校提供个性化的策略和资源，从而促进学生的学业成功。因此，确保不同的学习群体获得人工智能技术和个性化教育至关重要。教育领域应采取有效举措进一步弥合数字鸿沟，为教育成功创造平等机会，并为来自不同背景的学生打开通往更光明未来的大门。人工智能聊天机器人和其他人工智能技术具有革命性的力量，可以彻底改变学习过程，重塑我们的世界。社会的进步总是与如何使用技术息息相关。将“人工智能技术+人类创造力”结合而成的“混合智能系统”融入到社会中，可以点燃所有年龄段学习者的心灵和思想之火。谁能适应并拥抱人工智能的非凡能力，谁就能掌握通向未来之门的钥匙。

320、（来源：EDUCAUSE，编译：项阳；本文原文刊登于中国教育网络2023 年 12 月合刊）应该优先发展那些人类比人工智能更擅长的基本技能。342024.11 中国教育网络67观察自 2022 年 11 月底 ChatGPT 上线以来，各高校争先恐后地制定在学校、部门和课程层面上行之有效的生成式人工智能政策。生成式人工智能对高校的学术诚信、伦理和程序等方面带来了诸多挑战。对于这种颠覆了长期做法和文化信仰的新技术，认真和有意识地制定有效政策的工作可以带来可观的回报。在本文中，笔者将为在高等教育中使用生成式人工智能工具制定制度政策提供指导和建议，目标是帮助高等教育机构的领导者更有效地开展工作，建立

321、一条包含各利益相关者的政策途径。制定政策的必要性生成式人工智能工具的使用方式多种多样，这也是其备受关注的原因之一。在高等教育中，生成式人工智能已被用于新闻稿发布、毕业致辞撰写以及担任辅导员等。鉴于整个高等教育中知识工作的性质，各学校需要确定生成式人工智能工具的适用范围，以及在哪些方面会面临伦理或法律挑战。最迫切需要指导的领域之一是围绕剽窃的讨论，以及如何在人工智能生成内容的时代检测剽窃。人们首先担心的是抄袭问题和工人替代理论（worker replacement theories）。我们常常听到这样的说法：“学生再也不会写原创论文了。”“机器人正在取代所有人。”对于高等教育界来说，对抄袭的恐惧

322、成功地吸引了教师和行政人员的注意力。早期，一些人认为学生提交的生成式人工智能作品可以被 TurnItIn 等生成高校如何制定生成式人工智能政策？式人工智能抄袭检测工具识别出来。但实际上，这些检测工具在识别人工智能生成的内容时存在很多偏差和虚假指控。学生们则必须以某种方式为自己辩护，或使用 QuillBot 等工具来规避人工智能检测工具，这些工具会使用同义词对文本进行转述。由于学生的原始写作越来越难以核实和确认，制定人工智能检测政策可能会导致政策刚实施就过时了。对此，学校可以成立一个灵活的委员会，代表不同的校园需求来审查这些问题事项，以制定更有用的政策，在保护学生的同时选择正确的工具来驾驭技术变

323、革。这只是高校制定生成式人工智能政策需要解决的问题之一。其他问题包括但不限于以下几方面：生成式人工智能在学校的视觉和文本输出中的应用，无论是用于营销、社交媒体还是报告。教师如何以及在何处使用生成式人工智能来创建课程内容、作业、反馈或评估。真实数据和生成式人工智能输出内容之间的偏差。生成式人工智能对师生信息素养的要求和挑战。生成式人工智能对环境的影响。生成式人工智能对学校员工的影响。“学生再也不会写原创论文了。”“机器人正在取代所有人。”对于高等教育界来说，对抄袭的恐惧成功地吸引了教师和行政人员的注意力。68中国教育网络 2024.11观察从终点开始在高等教育的许多领域，包括教学设计在内，制定政

324、策的理想起点是结果你想要的结果是什么。随着人工智能的飞速发展，重要的是静下心来做足够的研究，才能提出最终需要回答的问题。下面的问题可以帮助学校思考相关政策：政策的重点应聚焦谁？学生、教职员工、行政人员、第三方供应商、承包商等？同一政策能否适用于整个学校，还是学校的不同部门需要不同的政策？政策是否有调整的余地？例如，教师秉持学术自由的理念，应该鼓励还是阻止将生成式人工智能用于某些教学目的？违反政策会有什么后果？在很难真正检测到人工智能生成文本的情况下，可以制定哪些问责方法？学校自己的生成工具和任何人都可以使用的生成工具之间是否存在差异？所有政策制定的参与人员都应就完成工作所需的具体可衡量的目标达

325、成一致。生成式人工智能最棘手的一点在于，它在过去一年多不断变化，而且很可能会继续变化，尤其是随着其他形式的生成式人工智能（图像、音频、视频、幻灯片等）越来越多地出现。因此，无论学校的目标是什么，建立一个重新审视、调整和更新的机制非常重要。不能要求一开始就做到完美，而是要有一个迭代的过程。确定利益相关者生成式人工智能有可能影响到学校的方方面面。应该将所有需要这些新工具使用指南的利益相关者包含在内。这是一个打破体制孤岛的好机会，可以让学校重新审视每个利益相关者在校园中所扮演的角色。除了领导者、教师以外，首先，确定面向学生和教师的非课堂角色，包括教学设计师、图书管理员和学术支持服务人员等；其次，确定

326、对整个校园体验有影响的工作人员，包括从事IT工作（如信息安全、学术计算或网络服务）、学校交流、学生生活等方面的员工；此外，还要考虑临时员工群体，如兼职教师和工作人员，要注意为那些非传统时间工作的人创造参与政策讨论的机会；最后，学生是最引人注目但又经常被忽视的群体之一，让学生参与政策制定的价值怎么强调都不为过，如果在制定政策时不考虑学生的意见，可能会导致政策脱节。生成式人工智能给整个学校带来的问题，远不止如何在课堂上使用人工智能，校园行政方面也会受到影响。其他需要考虑的问题包括以下几方面：学校的高层管理者是否考虑使用生成式人工智能来监控员工的工作，以检测效率或生成员工评估？是否应该考虑生成式人工

327、智能使用规模？人工智能将如何应用于人力资源工作，尤其是招聘和录用流程？政策会在哪些方面影响校园外的社区？是否与社区合作，为学生提供将理论学习付诸实践的机会？学校是否有义务向学生传授生成式人工智能的使用方法？学校是否被视为生成式人工智能领域的政策领导者？对生成式人工智能的产出内容提出质疑的合理公平的方法是什么？总之，在整个政策制定过程中，让不同的群体参与对话非常重要。制定政策的模式根据学校的结构及领导者希望在多大程度上将校内不同群体纳入其中，可以采用以下几种模式中的任何一种来制定有关生成式人工智能给整个学校带来的问题，远不止如何在课堂上使用人工智能，校园行政方面也会受到影响。2024.11 中国

328、教育网络69观察生成式人工智能的政策。以下方案在一定程度上可以混合搭配，以满足学校的需求和结构。1.专责小组模式组建一个代表学校各利益相关者的包容性团队，成立政策特别工作组。或者，也可以成立一个规模更小、更灵活的团队，与整个学校的不同利益相关者合作，为生成式人工智能创建一个政策模板，并在与各利益相关者的对话和合作中，针对学校的各个领域进行调整和修改。例如，针对学生和教师的政策很可能与市场营销部门的政策不同，但实际上所有这些群体都应该有人工智能政策。2.治理模式在部分学校的管理模式中，教职员工在政策的制定中发挥关键作用，特别是在直接影响课堂和学生的政策方面。这可能是一种有用的模式，可以汇集整个学

329、校的各种声音，并有明确的途径和记录。然而，由于生成式人工智能的发展非常快，这些治理程序在及时做出决策和应对不断变化的环境方面可能会遇到挑战。3.设计冲刺模式在信息技术和项目管理领域常用的设计冲刺法是另一种合适的模式。有效的设计冲刺包括六个步骤：理解、定义、草图、决策、原型和验证。这种根据社区反馈制定政策的形式更加民主，允许员工、学生和教师提出观点、想法和建议。理解：第一步是了解学校目前是否使用、如何使用生成式人工智能，师生员工所关注的问题，以及使用人工智能的理想状态。定义：接下来，政策团队应审查第一步收集的所有信息，以确定反映社区需求的主要目标和预期成果。草图：政策团队应草拟并审查不同的政策草

330、案，并将草案的亮点提炼到最终确定的解决方案草图中。决策：政策团队将审查所有解决方案草图，决定使用哪个版本来推进流程。原型：原型可视为与社区共享的政策初稿。验证：根据政策草案收集反馈，并进行相关编辑。这是设计冲刺流程的最后一个阶段，涉及政策的最终版本。4.顾问模式顾问的价值可能在于，一个拥有相关知识和经验的外部声音能够提供有价值的视角，帮助人们以不同的方式思考挑战。5.示范模式另一种方法是效仿那些正在发布相关政策的学校。这样做可以节省很多时间，但需要根据学校的具体需求进行调整。如果政策制定团队不愿意借鉴其他学校的做法，也可以使用人工智能生成工具来起草初始政策，并进行研讨。收集意见要制定最明确、最

331、有效的政策，必须听取所有利益相关者的意见。要向每个利益相关者说明政策可能会对他们产生怎样的影响，并强调他们的经验和意见对这一过程非常有价值。以下是几种关于收集不同利益相关者意见的方法：在小型圆桌讨论或小组对话中交流。通过社交媒体寻求帮助，使用投票功能获得反馈。与不同观点的人进行深入讨论。为讨论留出足够的时间。深层次的话题和问题需要时间来充分处理。提供协作文档，供参与者添加文本，并开放评论功能来提出问题或补充想法。生成式人工智能政策框架以下是生成式人工智能政策涉及的相关部分。每个学校都应根据具体需求制定政策。政策受众：这项政策是为谁制定的？是针对整个学校、教师、学生、员工、部门、第三方供应商，还

332、是其他？政策时间表：实施时间表是什么？该时间表是否应包括初步实施后的审查和更新周期？政策工具：对于这项政策来说，人工智能的范围是什么？是针对所有人工智能还是只针对生成式人工智能？是针对所有生成式人工智能，还是只针对文本生成式人工智能？学术诚信准则：如果政策与学生或教师的工作有关，有哪些诚信要求来确保学术诚信？可接受的使用范围：对生成式人工智能的使用量、使用目的是否有限制？透明度：有哪些在全校范围内宣传人工智能使用情况的做法？安全、法律和伦理考虑：在使用外部或企业生成式人工智能工具时，需要解决哪些有关隐私、知识产权、专有知识、使用环境和人类偏见的问题？学校资源：学校的哪些领域将致力于支持、响应和

333、实施生成式人工智能工具的应用？违反政策的处理程序：如果违反了政策，识别和处理的步骤是什么？政策的制定是一个有条不紊的过程。虽然生成式人工智能已经快速发展，但高校仍有机会通过合作努力，为所有利益相关者如何更好地利用生成式人工智能提供有意义的政策指导。这种方法将为学生、教职员工带来更好的学习和工作环境。采取迭代的方法来制定人工智能政策，可能正是成功驾驭这一新技术的关键。（来源：EDUCAUSE；作者：埃丝特布兰登、兰斯伊顿、达娜加文、艾莉森帕皮尼；编译：项阳；本文原文刊登于 中国教育网络 2024年23月月合刊）70中国教育网络 2024.11观察文/卢宇 李沐云生成式人工智能指能够自动化生成文本、图像、视频、音频等多类型内容的人工智能技术。近年来，随着算力水平与数据获取量的跨越式提升，以多模态大模型为代表的生成式人工智能在国内外均受到高度重视。国际上，ChatGPT 与 GPT-4 等生成式