ChatGPT和类似的人工智能工具可以生成包括文本、图像和音频在内的内容，让高等教育领域领导者、教师、学生和其他人既兴奋又担忧。我们应将人工智能工具引入学习过程，避免围绕这些新技术而产生的恐慌，并为不同类型的学习提供机会。
长期以来，人工智能一直在我们日常使用的许多技术的幕后运作，但随着2022年11月ChatGPT的推出，生成式人工智能在全球掀起了一场风暴，激发了广大用户的想象力，也引发了人们的恐惧。在最初的60天内，该平台的用户数量增长了9900%，达到1亿用户。2023学年开始后，ChatGPT平台的访问量再次激增，仅在8月这一个月，全球独立访问者就达到了1.8亿人次。人工智能占据了话题的主导地位，也让许多人开始探究：什么是生成式人工智能？,多年来，人工智能一词有多种含义，但生成式人工智能创造的内容与人类生产的内容相似。随着技术的发展，生成式人工智能工具不仅可以创建书面内容，还可以创建图像、声音甚至整个应用程序。生成式人工智能越来越多地集成到各种产品和服务中。据估计，全球有77%的公司正在探索人工智能在业务运营中的应用。在许多情况下，这些功能与产品的结构密不可分，用户甚至可能意识不到它们的存在。ChatGPT和其他生成式人工智能工具用途极为广泛，不断演变并发展成为多维工具，正在挑战规范并颠覆包括教育在内的各行各业。关于生成式人工智能讨论的一个重要部分是：它不是什么？它没有知觉，缺乏意识，无法感知或理解人类的思想或情感。这些操作完全基于用于训练人工智能模型的数据。
生成式人工智能围绕神经网络展开。神经网络是一种受人脑启发的复杂结构，通过相互连接的人工神经元来处理信息并从数据中学习。基于算法的模型根据开发人员提供的规则做出决策，而生成式人工智能工具则通过审查大量数据来构建一套不断发展的规则，从而指导新内容的生成。随着时间的推移，经过大量的练习和数据的积累，系统能更好地进行预测。大型语言模型在包括书籍、文章和网站在内的海量文本数据集上进行训练，以学习人类语言的复杂性。例如，用于训练ChatGPT的数据集就是利用互联网上的公共信息、第三方授权内容以及平台用户和人工培训师提供的信息开发的。当机器学习模型检测到重复出现的数据序列，如单词、短语或图像中像素值的模式，并将其与特定结果或上下文相关联时，就能通过统计分析在训练数据中识别模式。通过发现这些模式并对其进行建模，生成式人工智能可以生成新的内容，确保上下文的一致性，同时引入创造性和新颖性。将LLM与自然语言处理模型相结合，可生成与人类生成的材料相匹配的内容。
生成式人工智能的使用正在迅速增长。学生们越来越多地使用生成式人工智能工具来撰写论文、研究报告和其他书面作业。教师正在利用生成式人工智能创建定制的学习材料、测验和评估，他们还可以利用生成式人工智能为学生提供及时准确的反馈。图书馆员正在使用生成式人工智能创建文本摘要或发现馆藏中的真知灼见。教学设计师正在使用生成式人工智能快速迭代已创建的材料。对于管理者来说，生成式人工智能通过总结文档和会议以及创建文档来帮助决策和沟通。除文本工具外，生成式人工智能还被用于创建视觉工件以及生成或调试计算机代码。软件公司正在将生成式人工智能纳入其产品中，如Adobe Photoshop的Generative Fill或微软的365 Copilote。
生成式人工智能适用于广泛的应用。在一些独立应用中，如聊天机器人、定制代理和虚拟助手，生成式人工智能是其主要功能。在内容生成器、创意工具和日常工具等其他应用程序中，生成式人工智能基本上是不可见的，只是众多功能之一。造成这种现象的部分原因是，生成式人工智能正通过基于云的服务、开源框架和越来越多的人工智能工具向开发人员开放，从而使生成式人工智能解决方案的实施变得更加容易。生成式人工智能允许个人和企业以此前难以实现或成本高昂的方式进行创造、设计和创新，因此有可能在各种专业和教育背景下以多种方式实现变革。免费或廉价的工具可以快速创建原本需要人力技能和时间才能完成的内容，这可能会改变某些工作的面貌以及这些职位所需的资质。在教育领域，任何学生都有能力创作难以辨别是否由技术生成的书面作品，这从根本上改变了长期以来作为学生学习和展示对学习材料掌握程度的标志性活动。
技术发展速度与我们的社会、道德和法律框架的准备程度不匹配，引发了人们对负责任地使用生成式人工智能的担忧。因此，有必要制定强有力的指导方针、政策和伦理考虑因素，以确保利用这项技术造福大众，同时最大限度地降低潜在风险。生成式人工智能能够生成类似人类生产的内容，这就增加了剽窃和学术不端的检测难度，需要采用先进的检测工具或改变政策。此外，也可以培养学术诚信文化，教育学生如何合乎道德地使用人工智能工具来解决这个问题。由于这些工具似乎能神奇地提供问题的正确答案，一些用户会毫无疑问地相信其输出结果，即使这些工具有时会生成与事实相反的内容。这种错误的信任为那些利用技术作恶的人创造了机会，比如深度伪造图像或视频。对于那些倾向于验证生成式人工智能输出准确性的用户来说，这些工具并不总是引用来源或解释生成内容背后的推理。同时，由于生成的内容不可重复，因此很难将其作为来源引用。生成式人工智能工具正在接受更大量、更多类型的数据，因此很难知道这些工具是否在保留数据并将其用于其他目的。这种不确定性有可能暴露不应在组织外部共享的数据，包括个人身份信息和其他私人数据。目前，有针对相关工具训练数据和输出结果所有权问题的诉讼正在审理中。生成式人工智能工具可能会被要求删除某些数据或排除某些数据集，从而可能导致工具的准确性降低。与此同时，人工智能工具生成的输出内容被裁定为不符合美国版权要求，因为它不是由人类撰写的。许多开发生成式人工智能工具的公司都没有提供有关如何训练工具以及如何进行安全测试的信息。每家公司都有自己的一套准则，从伦理、道德和公平的角度来考虑什么样的内容是合适的，但这些工具的用户往往无法清楚地了解这些信息。此外，这些工具对环境的影响也是另一个不利因素。
为了应对隐私问题，机构将开始购买或开发自己的生成式人工智能工具，这些工具不会在机构之外共享数据。学校可以为其教职员工和学生购买工具，该工具可以访问学校数据，但不与学校外的用户共享数据。随着生成式人工智能工具获得更大、更纯净的数据集，大型LLM将更好地完成更多任务。其中一些任务包括提供图像到文本的服务，通过描述课程中使用的图像、生成更好的音频或视频在线字幕，以及更准确和本地化的语言翻译，使在线课程更易用。一些供应商已经将生成式人工智能工具集成到产品中，为学生提供数学问题辅导和写作过程支持等。生成式人工智能工具将帮助教师策划课程内容。其中一些工具将根据课程学习目标和其他提示建立学习模块。其他工具可用于开发与课程内容和学习目标相关联的评估活动。生成式人工智能工具的未来发展，可能包括监测学生表现并对课程内容和评估提出调整建议。另一个期望是，生成式人工智能工具将进一步集成到许多日常应用程序中，包括学习管理系统、常见的生产力应用程序以及图像编辑器。如果没有人工智能工具提供建议和指导，使用这些常见的应用程序将变得困难。随着劳动力的变化，教学方式也需要改变。我们需要教学生如何利用人工智能在其专业领域学习和工作。这包括确定数据来源和了解如何使用算法。然后，我们需要教学生如何使用人工智能，使他们能够将这些工具用作“副驾驶”，而不是被这些工具取代。
生成式人工智能有望让教育工作者有能力提供更深入的学习和更个性化的体验，同时减少工作量，但这将需要我们关注学生学习什么和如何学习，以及他们如何获得在人工智能无处不在的环境中茁壮成长的工具。从不同视角快速生成多种版本材料的能力使学生和教师能够以新颖的方式探索各种想法。例如，可以根据学生的理解，围绕给定的概念合成一幅图像。可以将该图像与其他学生创建的图像进行比较，讨论存在哪些共性和差异。这是生成式人工智能的优势所在，它赋予所有学生，而不仅仅是那些有艺术技能的学生，以视觉方式传达概念的能力。各学校有责任提升学生和教师的人工智能素养，并提供有关如何有效和合乎道德地使用生成式人工智能工具的信息，这可以改善学生和教师的体验，促进学习。对学生来说，反馈是成功的关键。生成式人工智能可以帮助学生掌握许多有效反馈的技巧，如何做到具体、及时的反馈。教师还可以利用人工智能教学生如何评价自己的作业，让他们更深入地参与学习过程。学校需要根据具体情况来评估如何对学生进行教学。论文在展示掌握知识的程度方面扮演什么角色？生成式人工智能在创建论文方面又该扮演什么角色？家庭作业的作用是什么？如何合乎道德地使用生成式人工智能？在使用生成式人工智能工具时，学校希望达到何种程度的一致性？学校需要在专业发展和支持方面进行重大投资，以帮助教师和管理人员将生成式人工智能有效地融入教学和管理流程。与此同时，缺乏如何在高等教育中使用人工智能的明确政策和指导方针，可能会导致实施过程中的不一致。教育机构应该制定全面的战略，解决包括道德和伦理考虑、数据隐私和知识产权等领域的问题，以确保负责任和公平地使用生成式人工智能。
来源：中国教育网络
