作者:于佳卉
大模型的出現(xiàn),讓“AI會不會取代不同職業(yè)”的討論變得非常熱烈,其中,教育行業(yè)將受到什么影響,正是一個備受關(guān)注的議題。畢竟,越來越多的人碰到問題問模型,論文寫作也在用模型。
AI工具在為教育工作者和學(xué)生帶來了前所未有的機遇與便利,但同時,AI對教育行業(yè)的沖擊究竟有多大?甚至,有人提出一個終極之問:“AI時代是否還需要人類老師和學(xué)校?”智能教育時代,如何在AI和人類教師之間找到平衡?
這些問題,在近日召開的第一屆人工智能教育應(yīng)用論壇上被廣泛探討。其中在圓桌沙龍環(huán)節(jié),大家圍繞“大模型背景下人工智能教育的起點與路徑”議題展開深入討論。沙龍由起點教育CEO郭莉主持,清華大學(xué)交叉信息研究院教授李建,數(shù)問科技CEO、CMU AI博士向光,零一萬物聯(lián)合創(chuàng)始人馬杰,曉羊集團(tuán)總裁兼CEO、美國特拉華大學(xué)計算機博士周林,北京十一學(xué)校人工智能課程負(fù)責(zé)人鄭子杰現(xiàn)場參與。
郭莉:請先簡單介紹一下你們和AI教育的關(guān)系。
李建:我是一位教人工智能的老師,新的AI革命對教育產(chǎn)生了非常大的顛覆和挑戰(zhàn)。我在清華大學(xué)交叉信息研究院任教十幾年,交叉信息院就是大家熟知的姚班,由圖靈獎唯一的華人得主姚期智院士在2011年創(chuàng)立的。我們院主要是信息科學(xué)和其他領(lǐng)域的交叉,包括AI、金融、生物、醫(yī)療等等。我從事的研究領(lǐng)域是算法設(shè)計和AI,比如如何讓AI模型訓(xùn)練得更快,以及AI模型的機理。
清華大學(xué)交叉信息研究院教授李建
向光:李教授是教大學(xué)生的,我是教中學(xué)生的,我們本身都是AI專業(yè)出身。數(shù)問科技一開始想做一款針對K12學(xué)校的技術(shù)類學(xué)科軟件平臺,里面有各種技術(shù)類課程和云端的實驗環(huán)境,可以在平臺上一站式學(xué)習(xí)做實驗。后來逐漸轉(zhuǎn)型到只針對國際教育領(lǐng)域,主要是留學(xué)方向,因為出國申請美國本科和中國的高考評估標(biāo)準(zhǔn)完全不一樣。我們現(xiàn)在也在做幾款軟件,有一款是幫助出國留學(xué)生做自動規(guī)劃,有一些課程服務(wù),尤其是偏計算機類課程。
數(shù)問科技CEO、CMU AI博士向光
馬杰:零一萬物是由李開復(fù)老師創(chuàng)辦的做AI基礎(chǔ)大模型公司,我們和AI的關(guān)系就是我們正在一線日夜不停地搬磚,爭取把模型做好。
零一萬物聯(lián)合創(chuàng)始人馬杰
周林:我應(yīng)該是AI行業(yè)的老人了,我在2000年讀博士的時候,AI只是停留在實驗室階段,很難有大規(guī)模應(yīng)用。我們做AI主要目的是為了發(fā)文章,當(dāng)時我們和美國宇航局NASA合作做了一個應(yīng)用,他們用了巨大的并行計算機進(jìn)行相關(guān)的計算。我從2005年進(jìn)入教育領(lǐng)域,從美國到國內(nèi)已經(jīng)整20年。我認(rèn)為在ChatGPT之前只能算是傳統(tǒng)的AI時代,從ChatGPT開始我們進(jìn)入一個全面的AI應(yīng)用時代,我非常期待這個新浪潮給教育帶來變革。
曉羊集團(tuán)總裁兼CEO、美國特拉華大學(xué)計算機博士周林
鄭子杰:我是北京市十一學(xué)校的中學(xué)老師,AI是未來的重要發(fā)展趨勢,我覺得下一代從大學(xué)開始學(xué)不太科學(xué),可能要和數(shù)學(xué)一樣從小抓起,問題是誰去中學(xué)開發(fā)這樣相對比較硬核的課?我2019年加入十一學(xué)校就和校長談好了,必須允許我在中學(xué)開機器學(xué)習(xí)課,2019年我開始規(guī)劃如何面向高一數(shù)學(xué)基礎(chǔ)的學(xué)生,讓他們?nèi)ソ佑|一些機器學(xué)習(xí)的底層邏輯和核心算法思想。
北京十一學(xué)校人工智能課程負(fù)責(zé)人鄭子杰
郭莉:AI已經(jīng)應(yīng)用于教育了嗎?現(xiàn)在是什么狀態(tài)?
鄭子杰:舉一個中學(xué)應(yīng)用的例子。第一,現(xiàn)在有些語文教研組已經(jīng)開始使用大語言模型,幫助學(xué)生先寫出來一篇二類文,然后再引導(dǎo)學(xué)生把二類文提高到高考一類文。
第二,我這個課從2019年到2021年時,寫程序包括開展編程,一開始需要給學(xué)生一段時間普及,現(xiàn)在這個周期縮短了,學(xué)習(xí)編程基本上一個月就夠了。至于如何寫AI框架,我也不推薦學(xué)生一行行寫,基本上直接和大語言模型提出要求,它就會把python代碼給你。我現(xiàn)在教學(xué)已經(jīng)轉(zhuǎn)變了,教學(xué)邏輯變成更專注于AI的內(nèi)容,而不是偏向于那些編程工程的實現(xiàn)。
周林:關(guān)于大語言模型在教育領(lǐng)域的應(yīng)用,我們最近做了大量調(diào)研,調(diào)研了包括一線城市和三四線城市的很多初高中學(xué)校。我覺得有喜有憂,喜的是,我們原來擔(dān)心很多學(xué)校老師根本不知道這個東西有沒有使用,但調(diào)研后發(fā)現(xiàn),現(xiàn)狀是很多老師尤其是年輕老師都在嘗試使用。
但緊接著老師給我們反映了很多問題,從剛開始使用的興奮,到沮喪,再到放棄,目前是這樣一個狀態(tài)。因為大語言模型有大量問題沒有解決,包括“幻覺”等一系列精準(zhǔn)度問題,以及教育教學(xué)核心契合度問題,光靠目前大語言模型本身的能力很難解決這些問題。我覺得后續(xù)大量垂直領(lǐng)域的應(yīng)用出來,才能真正滿足學(xué)校老師的需求。
馬杰:我們自己在一線模型側(cè)的感覺是,包括我們在內(nèi)所有做基礎(chǔ)大模型的公司都還在努力把模型本身的能力做好,把它從本科生水平往博士水平努力,但是我覺得就算它成為博士,到成為一個好老師這樣的專業(yè)垂類模型還有很長的路要走。此時此刻我認(rèn)為它還比較早期,不是有知識就擅長于教給別人,更別說它還有很多知識需要提高,存在不精準(zhǔn)或各種各樣的問題,應(yīng)用方面也還有很長的路要走。
另外,作為一家基礎(chǔ)大模型公司,我們和清華、北大的年輕老師做了很多交流合作,他們對如何用大模型解決問題非常有興趣和熱情,自身也在這個領(lǐng)域很有經(jīng)驗。如何把領(lǐng)域內(nèi)的東西和大模型結(jié)合,其實是大家共同磨合的過程,互相在一起“結(jié)對子”,我們對他們做的事非常好奇,他們也想知道我們真正在預(yù)訓(xùn)練中遇到的問題是什么,有沒有很細(xì)節(jié)的解決方法。我覺得這樣互相學(xué)習(xí),對于模型真正在領(lǐng)域中應(yīng)用是非常有用的。
向光:生成式AI基本可以分為文生文、文生圖,文字屬于語言模型,圖片是擴(kuò)散模型。語言模型在國際學(xué)校天然有一個優(yōu)勢,學(xué)生要出國留學(xué)基本上是西方這些主流國家,他們在這方面用語言模型挺多的,比如寫文書、寫英文郵件。有人可能英語不太好,但是現(xiàn)在不怕了。
當(dāng)時我們和國際學(xué)校里面的升學(xué)指導(dǎo),包括一些外國人聊的時候,他們說原本我的工作是幫學(xué)生寫文書,現(xiàn)在發(fā)現(xiàn)大語言模型比我寫得還好,可能不再需要我了,一些學(xué)生已經(jīng)開始用起來了。
李建:關(guān)于大模型對教育的影響,清華已經(jīng)開始做了一些工作,對一些課程用大語言模型全方位進(jìn)行賦能。比如,在線課程很大的問題是不能和課程交互,如果某個地方?jīng)]有聽懂也沒有辦法,最多把視頻拉回去再看一看。
現(xiàn)在用大語言模型把整個課程內(nèi)容輸進(jìn)去作為知識增強,可以回答學(xué)生具體的交互問題,這有點像AI老師,至少是助教角色。清華目前在幾十個課程中使用,包括文科、理科很多專業(yè)都在嘗試,達(dá)到了不錯的效果。目前還沒有完全推廣,但是我相信這是一個趨勢,能夠讓很多學(xué)生聽到名師課程,更好地享受這種教育資源。
另外,大語言模型的確對我們教大學(xué)課程提出了很多挑戰(zhàn),現(xiàn)在我不敢留作業(yè)了,因為GPT能力非常強,很難的算法都能答出來,所以我們教學(xué)模式該怎么變,確實是要思考的問題。
郭莉:未來大模型和教育之間是怎樣的發(fā)展路徑,會帶來什么樣的未來場景?
李建:ChatGPT剛出來時,我們認(rèn)為它是聊天工具,GPT4出來時我們看到了曙光,這是一個發(fā)展歷程?,F(xiàn)在它的發(fā)展非常迅速,未來有些行業(yè)會被替代,但是教師、科學(xué)家、數(shù)學(xué)家是我們認(rèn)為最后被替代的行業(yè),至于教師怎么去做教育,包括科學(xué)家的范式這些會被顛覆。
完全地預(yù)測未來很難,但是這個趨勢非常重要。整個社會都會被大語言模型影響,具體去說面向超級自然語言人工智能,你希望孩子掌握什么樣的技能?這是我們需要思考的問題。
向光:大語言模型給大家創(chuàng)造了價值,比如有人用語言模型寫周報,原來花一個小時,現(xiàn)在花一分鐘。但我們作為教育工作者需要意識到,它已經(jīng)存在了,已經(jīng)開始代替一部分人類工作了,如何去解決是一個更宏大的問題,因為這里面有各方面的限制,我覺得如果作為校長還是建議去嘗試,未來的哪一天可能高考都會被迫改變,還是要主動做一些事情和準(zhǔn)備。
馬杰:對于未來學(xué)校和未來教師在AI沖擊之下會有什么變化,我覺得在未來,學(xué)校一定還會在,教師也一定在,但是它們是不是現(xiàn)在這個樣子就很難說了。我作為一個教育用戶,因材施教是我們最需要的,現(xiàn)在AI能做的事情就是因材施教,特別有耐心。但是,我在實踐中感覺現(xiàn)在的AI離真正因材施教的路還很遠(yuǎn),這是一個起點,離終點還早,甚至連路怎么走都沒有看得太清楚。但是,一定是像我們這樣在一線做模型開發(fā)的和所有教育工作者在一起,才能做好未來AI教育的模式。
周林:盡管我們在調(diào)研中發(fā)現(xiàn)了很多問題,但不是說大語言模型沒有落地的可能。我們覺得后續(xù)大語言模型包括整個AI的發(fā)展要真正賦能教育,就是把大語言模型往小了做。大語言模型是一個基礎(chǔ)設(shè)施,以后和我們用電用水用互聯(lián)網(wǎng)一樣?;ヂ?lián)網(wǎng)出來后,不是每個人直接就用互聯(lián)網(wǎng)了,它第一個爆款業(yè)務(wù)是電子郵件,后來是網(wǎng)頁,是一個個爆款應(yīng)用出來的過程。
教育也是一樣,真正在學(xué)校和老師中沉淀落地,必須有很多非常細(xì)分且爆款的應(yīng)用,能夠真正應(yīng)用或者融合到教育教學(xué)的整個過程。我相信這個過程已經(jīng)開始,包括我們自己公司All in AI,利用大模型能力去打造各種細(xì)分并且真正能夠服務(wù)教育教學(xué)的應(yīng)用。我相信各類針對教育教學(xué)的細(xì)分應(yīng)用、小模型會全面爆發(fā),等全面爆發(fā)一兩年以后,互聯(lián)網(wǎng)發(fā)展路徑會全面復(fù)制到大語言模型上來。
鄭子杰:有一個應(yīng)用大家肯定非常感興趣,就是搞清楚高考是怎么批卷怎么賦分。如果每年的高考批卷標(biāo)準(zhǔn),都寫成一個大語言模型發(fā)布出去,讓高考命題方式更往應(yīng)用性、實踐性去改革,這是對社會一個巨大的貢獻(xiàn)。
另外從學(xué)校角度來講,應(yīng)該制定一些比較開放性的政策,鼓勵老師們使用大語言模型,甚至鼓勵學(xué)生們用大語言模型進(jìn)行輔助學(xué)習(xí),這是未來最需要做的,甚至可以讓一些新興學(xué)校彎道超車。
從我觀察來看,這種學(xué)習(xí)效率遠(yuǎn)比天天抄老師板書、刷題所帶來的效果好,不是指一學(xué)期成績考得高,而是兩三個學(xué)期之后學(xué)生的自主學(xué)習(xí)能力和解決復(fù)雜問題的能力,顯著強于其他班學(xué)生。
郭莉:以后還會有人類教師嗎?如果有,以后的人類教師是什么樣的狀態(tài)?
鄭子杰:我作為一個人類教師,我覺得我不會失業(yè),理由很簡單,因為平時教學(xué)這一塊,B站的知識梳理肯定比我講得好,因為人家是集中一個教學(xué)機構(gòu)的智慧在一個名師上,后面有很大團(tuán)隊來支持這個人。我能提供的是情緒價值,比如這個孩子情緒受波動了,他來找我。老師主要解決的是提供情緒價值,除了孩子本身的情緒問題,還有家長的情緒問題。
周林:老師最不可能被AI替換,因為老師是培養(yǎng)人的,培養(yǎng)人不只是知識的灌輸,更多是育人這個概念。一個最成功的教育不是幫助孩子掌握知識,而是幫助這個孩子成為一個他應(yīng)該成為的人,所以老師被AI替換是永遠(yuǎn)不可能的一件事情。
馬杰:我也覺得老師一定在,但是不是現(xiàn)在形態(tài)的老師,不一定。換個角度來說,近些年大家恐懼AI的一點是它未來的安全性問題,埃隆·馬斯克最早創(chuàng)辦OpenAI的初衷,是說未來AI一定會對人類有風(fēng)險,我們最好做一個AI,跟它一起去打敗未來有可能出現(xiàn)的邪惡AI。
我覺得未來一定是人類老師結(jié)合AI的能力,兩者各有所長,誰負(fù)責(zé)事無巨細(xì)盯著它,誰負(fù)責(zé)觀察他的心理變化幫助他成為一個真正的人,我覺得可以有分工。
向光:我覺得還得加一些限定條件,短期內(nèi)老師肯定不會被替代,因為短期內(nèi)AI有各種各樣的問題。但是,剛才也講到教育平權(quán),清華內(nèi)部的課堂有很多AI助教,如果推廣到全國,能解決很多地區(qū)沒有名師的問題,在那些地區(qū)是不是AI代替了人類和老師呢?我覺得應(yīng)該說“是”,因為原本它也沒有什么教學(xué)資源?,F(xiàn)在國內(nèi)很多優(yōu)秀的大模型創(chuàng)業(yè)公司,都在開拓通用AI的邊界,說不定AI來的那天會很快,現(xiàn)在應(yīng)該盡量把它重視起來,使用起來。
李建:我相信教師職業(yè)領(lǐng)域會長期存在,AI不能完全替代老師。我強調(diào)一個點,AI能提供的最大價值是傳授知識,但很難提供創(chuàng)造力,而我們希望小孩有創(chuàng)造力,因為AI是大模型,是我們?nèi)祟愑?xùn)練出來的,比如說AI作畫,它不能作一個沒看過的畫。
郭莉:未來的AI時代,學(xué)校還存在嗎?請現(xiàn)場觀眾來互動一下這個問題。
現(xiàn)場觀眾1:我認(rèn)為學(xué)校在未來不可能被取代,學(xué)校的目的是教書育人,在教方面可能現(xiàn)在的AI比教師更好了,在課堂上當(dāng)你有任何不理解的地方,或者有不會的題,可以通過AI大模型,讓它更詳細(xì)給你講解這道題的原理,這可能是教師做不到的,因為他們的精力和時間都有限。但是在學(xué)校老師會起到帶領(lǐng)的作用,帶領(lǐng)學(xué)生一起前進(jìn),把控學(xué)習(xí)的步伐。
現(xiàn)場觀眾2:我是天津師范大學(xué)管理學(xué)院教師,我覺得學(xué)校還是得存在的,而且和我的職業(yè)不一定正相關(guān)??赡茉趯砗芏嗍露加葾I來完成,但如果孩子每天都和AI一起學(xué)習(xí),一起向AI學(xué)習(xí),學(xué)習(xí)完用AI考試,我覺得一個孤獨的孩子生長在一群AI當(dāng)中,對他將來的性格塑造會有問題,當(dāng)然這也得看我們的價值導(dǎo)向是什么,究竟是為了培育一個社會性的人,還是培育能夠做事的方式。
如果面向以人為主體,學(xué)校是提供一個和小伙伴同臺成長的機會,我們更關(guān)懷的是人的成長,人的完善。從這個角度來說,即便很不幸,將來教師被AI替代,學(xué)校也不可能完全被替代,否則孩子成長的環(huán)境就被剝奪了。
現(xiàn)場觀眾3:我是一個四線小城市校外機構(gòu)負(fù)責(zé)人,我覺得人類老師不能被取代,最基本的點是情緒價值,我是從事初中教學(xué)行業(yè)的,我接觸很多問題學(xué)生,青春期里很容易出現(xiàn)叛逆,甚至有想自殺的,這種陪伴是AI沒有辦法替代的。
現(xiàn)場觀眾4:我是一名學(xué)科網(wǎng)產(chǎn)品經(jīng)理,在GPT剛出來時我就思考過這個問題,我當(dāng)時想,未來的人會變成什么樣,可能到時候通用大模型已經(jīng)發(fā)展得非常迅速,很多基礎(chǔ)的東西不需要我們再去做,但是那個時候?qū)W生是什么樣的,可能更多需要創(chuàng)造性能力、批判性思維,所以我覺得,未來學(xué)校和老師一定都是存在的,老師可能作為一個高級的教育者去教怎么做人。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。