没有什么比教育年轻一代更重要,AI也永远无法取代卓越的教育工作者。然而,教师群体也确实正在运用生成式AI帮助完成创造性任务、推动日常工作的自动化转型,借此腾出更多时间处理真正重要的事务——比如陪伴学生、亲切交流。
随着生成式AI给各行各业乃至不同岗位带来变革,我们每个人都应当、也必须了解它给我们日常工作生活带来的影响,催生出哪些创新与改进机会,以及伴生而来的种种潜在风险。
因此,我们不妨从教学工作入手,聊聊各类工作岗位在这场迅猛变革下可能受到的冲击。
本文将概述如何使用生成式AI增强教育工作中那些不可替代的人类技能,同时展望未来,思考教师角色将如何随这项技术的渗透而演变。
2023年底,英国政府曾通过证据征集来研究生成式AI在教育行业中的应用情况。
在与教师们交谈之后,调查人员发现大多数从业者已经开始在日常工作中使用生成式AI工具、或者至少进行过尝试。而用过的教师普遍表示,生成式AI有助于节约时间、提高教学质量并改善与学生之间的交互。
教育领域最常见的生成式AI用例包括:
· 课程与课业规划——教师们使用ChatGPT等自然语言工具来设计课程规划,根据课业内容快速生成主题与学习活动。
· 教研工作——帮助教师们更好地理解自己所应教授的科目。
· 内容创作——快速生成涵盖当前教研主题的阅读材料、图像、游戏、测验或课业清单。
· 语言学习和翻译——让教师们能够在多语种课程中保持高效沟通。
当然,生成式AI也会带来一定风险。一旦将不准确的结果、不适当的内容乃至偏见引入教育环境,势必会对学生造成负面影响。因此尽管应当鼓励教师和教育工作者积极尝试这项技术,但对其可能造成的风险也必须保持警惕。
这也是生成式AI在教育领域最令人期待的潜在用例之一。
儿童(乃至所有年龄段的学生)的学习方式各有不同,借助生成式AI,教师们可以为其创作个性化的课程与学习规划,甚至根据学生个体的实际情况做针对性定制。
例如,可以向那些更善于从视觉图像中获取信息的学生展示更多图片、图表和图形,其他学生则往往喜欢从谜题、任务和游戏中学习知识。
Coursera等线上课程服务商已经在根据学习情况,使用反馈算法调整课程内容和学习速度。在不久的未来,预计这种趋势也将逐步扩展至传统校园和课堂当中。
对于大课堂授课,生成式AI能够以远超教师手动调整的方式频繁、详细地提供个性化反馈。
AI还将为拥有特殊教育需求的学习者们提供极具价值的教学资源。教师则可利用AI技术增强自己的判断力,快速准确地发现不同教学方法的优势和短板。
生成式AI甚至有望帮助规模庞大的“终身学习”群体,即那些需要不断更新知识储备和技能组合,从而应对各种新挑战和新责任的单位雇员。
这类学习群体往往拥有不同的教育背景和从业经历,只能依靠生成式AI为其确定最佳教学策略。
但在教育相关领域当中,隐私和安全显得尤为重要。前文提到的算法将触及高度个人、极为敏感的数据,必须以小心谨慎的态度降低数据泄露或丢失的风险。
大多数教师更希望将时间和精力投入到与学生直接接触上,而不是将大量资源浪费在批改作业或者起草日常沟通任务当中。
好消息是,生成式AI特别擅长处理这类任务。市面上已经有多种平台能够提供专门的生成工具,能够帮助教师妥善解决这些繁琐事务,包括Teachermatic以及微软Education Copilot。
这些工具都能显著提高关键重复性任务的处理效率,例如给学生或家长发送信函或电子邮件、创建班级通讯录、整理学业报告并创作政策与风险评估材料等文件。
作业批改和打分是其中一个仍具争议的用例,毕竟生成式AI仍时不时搞出一些“幻觉”和准确性问题。目前这方面尝试仍处于实验阶段,教师正在测试其功能,但尚未彻底信任AI给出的最终成绩。
与教学相关的其他流行用例,还包括将视频学习材料中的内容转录为文本,或者将文本转换为语音以创作音频学习素材,以及校对教材内容并为安全/数据保护等任务建立合规审查表等。
随着生成式AI重新塑造整个教育世界,教师将逐渐意识到自己的角色正一步步从知识提供者转变为学习督导者。
也许教育工作者们未来最重要的转变,就是更加注重培养学生群体的批判性思维、创造力和同理心等技能。随着AI技术的不断壮大,我们人类的价值将越来越体现在执行机器无法/难以处理的任务之上,而这也必然成为下阶段教育工作的重中之重。除了课业教学之外,教育工作者还将在保障学生福利方面发挥关键作用,这将是一份远远超出传统教学范畴但又至关重要的责任。这不仅要求保护学生免受身体伤害,还包括支持他们的情感诉求、维护心理健康,创造一个安全且包容的学习环境,同时引导学生学会适应、获得尊重。教师这种以人为本的同理心将成为教育中不可或缺的支柱,也将在培养全面发展、心理健康的个人方面表现出不可替代的意义和价值。
当然,教师的态度也将决定学生们能否享受到生成式AI提供的技术成果。几十年来,编程、文字处理和计算机辅助设计等基础技能一直是课程中的重要组成部分。相信不久之后,年轻一代将从小开始学习如何与AI系统进行基本交互,而教师们将要承担起传授这方面知识的重任。
这种历史性的转变,不仅要求教育工作者继续钻研所在学科和教育事务,同时也要熟悉正在改变教学规则的种种新兴工具和技术。各位人类灵魂的工程师,还请多多努力!
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。