生成式人工智能工具的日益普及为其在学术研究、知识开发和人工智能辅助创作中的应用创造了机会。高等教育首席信息官们将如何抓住机遇，充分利用生成式人工智能改善教育实践？
在不到一年的时间里，对许多高等教育机构来说，和生成式人工智能已经从边缘认知转变为优先关注点。这些工具涉及一系列由人类提出的问题和人工智能生成的回答，促进了人们对人工智能在高等教育中多种潜在用途的思考：
学生用于研究、内容开发和学术作业。管理人员用于撰写报告、分析数据和加强学生支持。教师用于加速备课和开发教材。
那么，生成式人工智能是一种时尚，还是未来学校成功的关键推动力？本文将探讨生成式人工智能在教育领域的过去、现在和未来。
过去：理解生成式人工智能的潜力
生成式人工智能可定义如下：“从数据中学习人工制品的表征，并利用它生成与原始数据相似的独特内容（包括图像、视频、音乐、语音和文本）的人工智能技术。”
的是生成式人工智能的一种具体实现，可以创建会话内容，在2022年11月作为研究发布后，不到一星期就吸引了100多万用户。它很快成为历史上最新颖的体验和最成功的软件之一，引起了教育领域的密切关注，推动了大规模投资、产品开发和生成式人工智能解决方案的发展。
生成式人工智能输出由三个关键要素组合而成：
这些机器学习神经网络模型现在可以利用数十亿个学习参数，并在大型数据集上进行额外训练。的研究成果在超过570GB的数据（来自书籍和互联网）上进行了训练，并通过人工反馈进行了改进。也就是说，训练的时间（截至2021年）和数据的真实性是评估输出成果时需要考虑的因素。
三个因素导致了生成式人工智能在教育领域的加速使用：
2023年，学生对的广泛使用不可避免地引发了对学术诚信的质疑。随着GPT-4的发布，人们对生成式人工智能创作高质量论文和测试结果的能力的担忧进一步加剧，GPT-4开始在各种专业和学术基准上展示“人类水平的表现”。
针对人工智能生成内容的反剽窃软件根据输出结果、教师反馈和学生行为不断发展。与此同时，那些试图将人工智能生成技术用于不正当目的的学生也在通过各种工具和产品来挑战评估模型，这些工具和产品旨在故意掩饰人工智能生成技术的嵌入模式。
目前，随着所有主要的技术供应商和教育技术产品陆续具备生成式人工智能的元素，人们对其应用的接受程度也变得更高。正如某高校教师最近提出的问题：“难道高等教育机构不应该为毕业生在一个生成式人工智能无处不在的世界里工作而做好准备吗？”
现在：评估风险和现实
教育领域对生成式人工智能的态度，已从否认，演变为焦虑、恐惧和部分接受。生成式人工智能继续使教育界两极分化。不过，现在许多学校都制定了政策，控制和限制学生和教职员工对人工智能的不当使用，并鼓励教师对学生进行适当的探索和评估。信息技术部门正在努力平衡对新的生成式人工智能产品日益增长的需求，并正在评估是采取购买还是定制构建的方法。
世界各地的教师和学校都承认，禁止生成式人工智能是对变革的短视。生成式人工智能正在融入日常工作的工具中。主要技术供应商已将人工智能界面与搜索结合在一起，并将生成式人工智能纳入写作、演示和通信工具中。学校政策也在不断演变，以反映这一趋势：从禁止，到谨慎鼓励在学术活动中适当使用生成式人工智能工具。
教师们认识到反剽窃工具在学生行为准则中仍然发挥着作用。为避免学生对的滥用，学校会对学生作弊的后果进行通报。然而，对于许多学校来说，对应用结果进行评估的实践被认为是最现实的前进方向。围绕如何更好地实现这一目标，很多学校成立了特别工作组和委员会推动这项工作，并就以下问题提出疑问：
随着教育机构日渐专注于对生成式人工智能进行战略探索和有针对性的投资，这些问题正在影响着变革。目前正在探索的常见潜在用例包括以下内容：
教育部门对生成式人工智能的兴趣，为新的和现有的采用生成式人工智能方法的技术供应商（如LMS、CRM和SIS解决方案）创造了机会；也为拥有非生成式人工智能产品（但在特定用例中优于或能够补充生成式人工智能）的供应商（如聊天机器人提供商）创造了机会。
尽管生成式人工智能在高等教育中的应用具有现实和潜在的前景，但仍存在一些风险。
生成式人工智能输出的质量取决于模型选择、使用的知识库、提示、单个问题和改进的组合。因此，各学校正在加大努力，通过创建相关提示和评估生成式人工智能模型，向员工、学生和教师传授生成式人工智能的风险及其合理使用。
未来：实践、产品和选择的悖论
随着机器变得更加“智能”，教育机构必须定义和完善工作方式，以更好地反映“你和人工智能”的世界。生成式人工智能解决方案要依靠人类来塑造模型及其输出的质量。因此，对学术领域的个人和机构来说，保持对更高层次批判性思维的关注至关重要（图1）。
图1 知识发展的未来：在你与人工智能之间
相关文章
