人工智能(AI)已经在越来越多的高校当中,成为行之有效的多任务自动执行工具。聊天机器人能够回答学生们关于课程安排的问题,也能初步检查他们的心理健康状况。AI生成的电子邮件能提醒学生们注意重要的截止日期,提示他们申请课程、上交作业并按时支付学费。另外,AI还有一种颇具争议的用法——检查学生是否存在作业抄袭。
佐治亚理工学院的一位教授,甚至用AI构建了一位名叫Jill Watson的虚拟助教。事实证明,Jill得到了学生们的高度评价。
高等教育领域正积极推动数字化转型,包括实现日常任务自动化、建立数字化工作流程、开发更复杂的数据集,并创建可供改进分析的仪表板。现在,教育机构手中的工具正再次升级——从传统技术,到人工智能。
高校管理者已经意识到,AI能做的不仅仅是发布日常提示和引导信息,还能解决各种长久存在的老大难问题——包括提升入学率、提高生源留存率和考查助学补贴。
但随着AI向大学各项核心实践的扩展,人们也开始担心这类工具可能威胁个人隐私,甚至引发系统性偏见。
总部位于旧金山的AI公司Aible创始人Arijit Sengupta表示,在使用AI改进关键绩效指标方面,高校大学已经开始起步追赶银行、医疗保健等先行行业。
Sengupta在最近的采访中表示,目前该公司已经有5到10家高等教育机构客户在使用AI技术提升各项关键指标,例如提高补贴申请人的收益、防止前两学期学生退学、针对机构的财务援助和优化校友捐款等。
Sengupta很清楚,高校领导往往对之前的AI项目感到失望,他也承认不少AI探索完全就是在浪费时间和资金。但最大的问题不在于技术本身,而是那些项目并不是为了对高校最重要找有形目标和具体成果而设定。
考虑到这一占为,Sengupta向他的客户做出以下保证:如果Aible的AI模型和规定的调整措施无法在30天内产生价值,则客户不必缴纳任何费用。在此之前,不少高校领导都以为得了解AI和模型才能实际使用,但Sengupta表示没有必要。“我们的方法是让AI「说人话」,而不是让人去适应AI。”
在AI模型对大量数据的复杂性进行分类,并检测出其中包含的隐藏模式之后,接下来的问题就是“该如何处理——换句话说,我们该针对谁、采取哪种干预措施,何时切入比较合适。”Sengupta发现,高校往往就是在这个环节上容易摸不着头脑。“他们的计算机专家总想寻找完美的算法,但却忘了实践才是重点。能用上机器学习预测和建议的实践,才是可先找解决之道。”
例如,某中等规模的私立大学想要增加申请人的录取比例。他们曾花费几千美元购买潜在的学生客户名单,再投入几百小时给他们一个个打电话。但最终结果令人失望——只有不到10%的申请者最终选择这所大学。
Aible的思路不是对潜在生源开展“地毯式轰炸”,而是生成一套模型,引导大学更精准地开展宣传。模型会根据人口特征、收入水平和家庭受教育历史,先确定一部分更愿意接纳这所大学、回应宣传电话的学生。另外,模型还能算出助学补贴的额度,最大限度打消对方的求学顾虑。
之后,模型会建议大学给这部分学生打针对性的电话,提供量身定制的助学补贴方案。从识别和收集相关数据、开发算法到推荐宣传策略,整个过程大约需要三周时间。初步结果表明,AI模型的介入有望让该大学的入学率提升15%。
佛罗里达州劳德代尔市的新星东南大学希望用数据提高本科生留存率。他们使用Aible解决方案识别出最可能选择退学的学生,据此建立起学生与学生成就目标中心,并优先考虑为那些想要放弃学业的学生提供关照。
虽然大多数提升留存的努力都比较被动——即只有在发现学生处于学业危机之后才会被激活——但后续AI策略应该会进一步升级,帮助大学调整课程设置,加强学业建议并在学生身陷麻烦之前就主动伸出援手。
在研究当中,可以看到大学往往不愿意承认自己在应用AI技术,并坚持以匿名方式接受采访。
Sengupta非常理解这样的担忧,他承认大多数人都会把AI分析与侵犯个人隐私联系起来。
保障个人隐私的一种可行方式,就是将所有数据都保存在大学、而非供应商的服务器上。另外就是至少保证每个信息组至少包含25位学生,这样才能避免个人信息遭到逆向还原。
戴尔公司高等教育高级策略师Hernan Londono认为,降了对隐私的担忧之外,大学的采用AI时还面临着其他一些现实挑战。“基于AI的干预措施可能存在偏见,导致一部分学生群体被排除在筛选、甚至是数据采样之外。”
AI不仅会反映人类的偏见,同时也可能通过代表性不足的数据在算法中放大这些偏见,最终扭曲重要决策的走向。举例来说,亚马逊发现自己的招聘算法就会根据简历中的“履行”或“捕捉”等字眼潜在推断求职者的性别,进而做出区别对待。
尽管对隐私和偏见的担忧不无道理,但大学对AI的应用已经成为不可逆转的趋势。AI是一类强大的工具,不可能长期游离于教育行业之外。其应用将持续增长,相信未来会有适当的控制与预防措施,真正引导AI帮助大学提升表现、引导学生走向学业和事业上的成功。
好文章,需要你的鼓励
当前软件工程团队正在试验基于AI代理的编码工具和大语言模型,以提高开发速度和质量。然而,AI编码工具的效果很大程度上取决于使用方式。开发者需要提供结构化的问题描述、明确的执行要求和相关上下文,同时建立适当的防护机制。AI不仅能处理重复性任务,还能识别和评估替代方案,从被动助手演进为工作流程推进器。成功的关键在于将AI视为合作伙伴而非快捷工具,并将其整合到软件交付的全生命周期中。
NVIDIA研究团队开发出名为Lyra的AI系统,能够仅凭单张照片生成完整3D场景,用户可自由切换观察角度。该技术采用创新的"自蒸馏"学习方法,让视频生成模型指导3D重建模块工作。系统还支持动态4D场景生成,在多项测试中表现优异。这项技术将大大降低3D内容创作门槛,为游戏开发、电影制作、VR/AR应用等领域带来重大突破。
Salesforce发布企业级AI智能体平台Agentforce 360,将AI智能体融入几乎所有应用中。该平台采用混合推理引擎Atlas,结合大语言模型的概率思维和业务规则的精确性,支持语音交互和深度集成。以Slack为主要界面,提供Agentforce Builder开发环境,能将非结构化文档转换为可查询记录。Salesforce内部已部署该系统,每周处理180万次对话,主动服务活动增长40%。
谷歌DeepMind团队创新性地让Gemini 2.5模型在无需训练的情况下学会理解卫星多光谱图像。他们将复杂的12波段卫星数据转换为6张可理解的伪彩色图像,配以详细文字说明,使通用AI模型能够准确分析遥感数据。在多个基准测试中超越现有模型,为遥感领域AI应用开辟了全新道路。