摘要
人工智能大模型的迭代进化正引发教育系统性变革的自我觉醒，教育系统正处于从被动接受外部变化转向主动适应并推动内部变革的关键阶段。在认知层面，人工智能大模型的持续融入正加速教育教学观念的转变，包括众创共享的新知识观、智联建构的新学习观、融通开放的新课程观和人机协同的新教学观。在实践层面，人工智能大模型的深度应用催生人机协同教育新形态，形成多元跨域的人机“协同教学”、双向赋能的人机“协同学习”以及安全可信的人机“协同决策”。应对人工智能大模型的浪潮，需持续提升智能时代师生的胜任力、优化智能产品的学校准入机制、有序开展人机协同的教育实践、建构生成式人工智能教育应用标准、保障大模型技术安全与伦理规范，以构建智慧教育新生态。
互联网、大数据与人工智能等新一代信息技术集群正在推动人类生产生活各个领域的结构重组和流程再造，也正在改变教育的组织模式和服务模式。习近平总书记指出，“人工智能是引领新一轮科技革命和产业变革的重要驱动力，正深刻改变着人们的生产、生活、学习方式，推动人类社会迎来人机协同、跨界融合、共创分享的智能时代”，要“积极推动人工智能和教育深度融合，促进教育变革创新”。当前，人工智能大模型具有规模性、泛化性、涌现性、通用性等特性，凭借其强大的文、图、音、视频等多模态内容生成、上下文对话、逻辑推理、数据计算以及任务处理能力，正加速各行各业的智能化变革，为教育数字化转型的纵深发展带来全新契机。如何正确认识和把握人工智能大模型应用于教育引发的观念转变与形态重塑，促进人工智能大模型合理、有序、安全融入教育生态，成为智能时代教育发展的关键议题。
人工智能大模型的迭代进化正引发教育系统性变革的“自我觉醒”
颠覆性技术加剧国际竞争与社会转型。当前，全球科技创新进入空前密集活跃的时期，新一轮科技革命和产业变革正在重构全球创新版图、重塑全球经济结构。持续迭代的颠覆性技术深刻影响着国家前途命运和人民生活福祉。首先，技术快速发展已成为不可逆转的潮流。人工智能、量子计算、生物技术等新技术正集群式、持续性、全方位地融入生产生活，其影响已在一定程度上超出了人类预期，超过了社会、经济与政治等领域的适应能力，甚至可能会超出人类直觉的感知预测范围，为国际竞争带来新的变数。其次，人工智能是现阶段国际竞争的焦点。面对科技创新发展新趋势，世界主要国家都在寻找科技创新的突破口，在人工智能领域制定了国家战略规划，将加快发展人工智能作为占据全球科技竞争主动权的重要抓手。最后，技术的进步正倒逼社会的全面转型。颠覆性技术的倒逼机制正逐渐融入产业结构、就业市场、生活方式与社会治理等方方面面，深刻改变社会的运作方式和结构。世界经济论坛发布《未来工作：大语言模型和工作》白皮书认为，授信员、收银员和文员等以重复性工作为特点的职业最有可能受到人工智能的影响，因为其多达81%的工作任务可以实现自动化。社会全面转型要求我们不仅要适应技术发展的步伐，更要通过调整人才培养体系、优化产业结构、创新社会治理等方式，积极应对技术带来的挑战和机遇。
资本逻辑推动人工智能大模型的多场景落地应用。资本的角色已从传统意义上的经济资源提供者，转变为推动人工智能等技术融入多元化场景的催化剂。资本的流向往往预示着技术发展的方向，其不仅促进了技术的快速迭代演进，也驱动着技术与各行各业的多元化场景深度融合。第一，资本对人工智能大模型的投入为其迭代提供持续支持。纵观人工智能技术的历史，从早期“标注数据监督学习”的任务特定模型，到“无标注数据预训练＋标注数据微调”的预训练模型，再到如今“大规模无标注数据预训练＋指令微调＋人类对齐”的大模型，仅经历了十多年时间。大模型技术持续加速发展，其迭代周期也正不断缩短，衍变出云侧大模型和端侧大模型、通用大模型和行业大模型、语言大模型和多模态大模型等多元类型的人工智能大模型。2022年以来，OpenAI相继推出ChatGPT、GPT-4、Sora和GPT-4o等产品，大模型的多模态交互与内容生成能力进一步成熟，呈现面向多模态大模型、视频生成大模型、具身智能、AI4R（AI for Research）等方向迭代演化的趋势。第二，资本正驱动人工智能大模型在各个领域的落地应用。随着大模型技术的成熟，海量数据和丰富场景优势潜力亟需释放，大模型技术的创新焦点转向如何高效利用现有数据及探索新的应用场景。例如，在医疗领域，大模型可以帮助医生更准确地诊断疾病；在金融领域，大模型能够用于风险控制和投资决策；在交通领域，大模型可以优化交通流量，减少拥堵。总体上，资本逻辑促使人工智能大模型向应用端需求进化的演进趋势日益凸显。作为关键驱动，人工智能大模型掀起了各行各业的智能化变革热潮，通过与物联网、大数据、云计算等新兴技术相结合，可以为各行各业提供更加智能化的解决方案，推动产业转型升级。
教育界主动适应人工智能大模型引发的新浪潮。在目前的教育变革过程中，我们可以明显观察到一个趋势：教育系统正处于从被动接受外部变化转向主动适应并推动内部变革的关键阶段。这种转变标志着教育的“自我觉醒”，意味着教育体系不仅仅是技术和资本等外部驱动的应变者，更是主动变革的主导者。教育部门不仅要关注技术的直接应用，更要理解其背后的教育变革逻辑，以培养适应未来发展的人才。首先，高等教育正处于变革前沿。高等教育机构正快速整合新技术，不仅以AI助教和智联学习环境等手段改变教学内容的传递方式，促进教学组织形式的创新，还在积极推动跨学科研究和学习，利用AI革新科学研究范式，促进知识的综合和创新应用。其次，职业教育的变革需求更为迫切。随着市场对技能劳动力的需求持续上升，职业教育成为连接教育与就业的关键桥梁。教育机构和政府部门正在增加对职业教育的投资，强化与行业的合作，以确保课程内容与市场需求适应性联结。最后，基础教育在强有力的政策引导下，正稳步推进教育数字化转型。各级政府正通过制定有利政策和提供资金支持，推动基础教育的数字化转型，包括建设并应用智慧教育平台、利用大数据和人工智能优化教学和管理过程、强化师生数字素养培训等。
教育是人工智能大模型加快落地的关键领域之一。从国际组织到各国政府，再到学术界与产业界的携手探索，共同呈现人工智能大模型与教育融合发展的现实景观。第一，出台文件，鼓励、规范与指导人工智能大模型的教育应用。例如，联合国教科文组织颁布了《生成式人工智能教育与研究应用指南》，旨在促进生成式AI更好融入教育领域；英国教育部发布《生成式人工智能在教育中的应用》报告，阐述了教育领域中使用生成式人工智能，包括大语言模型如ChatGPT等的立场；等等。第二，开展研究与实践，有序探索人工智能大模型教育应用的行动路径。例如，范德堡大学为教职员工和学生提供广泛的培训与研讨会，以帮助他们更好地利用人工智能大模型；清华大学启动“人工智能赋能教学试点课程工作方案”，根据不同学科特点开发大语言模型的垂直应用，打造多元化教学场景；等等。
不同主体对于人工智能大模型潮流的积极响应，反映出教育系统正在经历由外部驱动到内部自我觉醒的转变期。教育相关主体既需保持清醒并审慎应对持续加速的技术革新，警惕被资本逻辑裹挟，还需充分认识人工智能大模型在教育中的潜在价值、技术风险与应用限度，以人为本地促进人工智能大模型与教育教学场景需求的互动演进，充分发挥其教育效益。总之，通过多元主体的协同努力，人工智能大模型有望推动教育教学观念的转变和教育形态重塑，构建更加智能、灵活、高效的智慧教育生态。
人工智能大模型的持续融入正加速教育教学观念的转变
人工智能大模型的突破性发展对教育领域产生了巨大冲击，激发了社会各界对智能时代教育的全面反思。习近平总书记强调：“坚持推动教育科技人才良性循环，统筹实施科教兴国战略、人才强国战略、创新驱动发展战略，一体推进教育发展、科技创新、人才培养。”近年来，我国不断出台相关教育政策文件，系统性优化国家在育人目标、学校结构和课程标准等方面的布局，这一系列举措都是国家人才培养意志在教育领域中的具体实施与战略部署，旨在更好地适应时代变化，培养符合国家战略需求的人才。
然而，受“应试教育”思维方式的影响，当前，社会仍普遍以升学率、优秀率和重点率等作为评价教育的主要标尺，标准化人才培养的方式难以满足社会发展的多元化需求。面对这一挑战，社会各界尤其广大教育工作者、专家学者亟需重新审视和思考人工智能大模型等技术给教育教学理念带来的变革与挑战，并凝聚广泛且强有力的社会共识，以切实增强教育生态系统的内在一致性，驱动国家、学校、社会不同层面在育人成才上形成良性互动和协同进步。在政策引领、技术革新与社会期待的三重动力下，智能时代教育的转型迫在眉睫，关键在于深刻领悟并推动知识观、学习观、课程观和教学观等教育观念的根本性转变，即践行智能时代的“新四观”。
众创共享的新知识观。智能时代的新知识观强调对多元高维的元认知知识的习得，知识包含通过神经网络、社会网络和概念网络等进行“联邦学习”而生成的关联性知识，通过身体机能和所处技术环境互动“具身认知”生成的情景性知识，以及结合深度学习和强化学习等机器学习形成的规则性知识，体现出显著的群智性、开放性、碎片化和模糊性等特点。人工智能大模型通过对海量数据进行模拟、分析和预测，挖掘数据背后的隐性关联和规律，并结合人类指令和上下文语境创造性地生成各类知识内容，还通过模拟人类思维模式，促进对复杂问题的多维解析，改变了知识的生产方式。
智联建构的新学习观。智能技术为学习情境创生提供了无限可能，学习者应从“被动接受”转向“自我驱动”，通过主动与同伴、教师，以及与各类智能体的协同建构活动，来获取知识、技能和态度，改变学习方式。在人机共存的学习场域中，基于人工智能大模型的智能体可以成为人类学习者的学习伙伴，通过创建交互式学习环境，以学习助手、智能学伴等形式，为学习者提供作文批改、口语陪练、答疑辅导、编程学习、写作练习、心理疏导、模拟面试等多元化学习支持，优化学习体验。
融通开放的新课程观。智能技术的教育应用将推动课程边界由封闭走向开放，课程内容由碎片化走向网络状、结构化，课程结构从分科式走向融合式、情境化，使学习由单纯的知识导向转向科学认知、技术体验、社会参与、文化觉醒和生命体悟的有机结合。人工智能大模型的出现，系统化革新了课程的开发和管理方式，推动形成了综合多样的个体式课程，为学生提供个性化、互动式的学习体验。如上海交通大学的“思源AI助学平台”支持学生自行绘制知识图谱以强化学习内容，也支持形成专业知识地图，找到重叠和差异化明显的知识点，从而优化课程体系。
人机协同的新教学观。人工智能大模型等技术将补充、增强和延伸人类教师的能力，促使教师从知识的传授者转变为学习情境的建构者、学习活动的组织者和引导者。人机协同教学强调“师-生-机”间的多维度交流，以及人与智能体之间安全、可信、合乎伦理的互动。人工智能以教育机器人、虚拟化身或“数字孪生教师”等形态与师生深层互动，扮演教师的事务助手、教学助教或合作教师等多重教育角色。例如，清华大学“心智、个体与文化”课上，AI助教能精准高效反馈学生写作能力，从而提升学生写作水平。
人工智能大模型的深度应用催生人机协同教育新形态
人工智能大模型使得机器智能迎来创新突变的历史性节点，不仅加速了教育观念在知识、学习、课程与教学上的系统性转变，也为重塑人机协同的教育形态注入了新动能。教育中的人机协同是人和机器在多种教育环境中作为整体交互并共同发挥效用，以实现共同目标、提高教育效果的方式，其实践逻辑在于人类智能与机器智能的优势互补和有效协同，从而满足多元化的教育需求。相较于以往低智能化、弱适应性的辅助性技术工具，人工智能大模型实现了机器智能水平的飞跃，扩大了人机交互模态范围。从人机协同视角出发，人工智能大模型无疑为教育形态的系统性转变带来了创新机遇，其对教育的赋能主要体现在人机间的“协同教学”、“协同学习”和“协同决策”等方面。
形成多元跨域的人机“协同教学”。人工智能大模型将进一步加速传统“师-生”教学结构向“师-生-机”教学结构过渡发展，各类教育实践场景中的人机关系日趋复杂，呈现人机共存、多维交互的结构特点，带来“人机共教”的教学模式变化。其一，教学场景拓展。人工智能大模型能够进一步在具体教学场景中突显机器智能的优势，破解教育应用场景的瓶颈。例如，在教育主体创新方面，人形机器人与大模型技术结合形成的具身智能形态，能够提高机器对物理世界的多模态感知、理解适应和自主规划决策能力，实现与真实物理环境的智能交互，赋能物理教学场景下的人机双师课堂新形态。在智能教学代理方面，人工智能大模型驱动的智能学习平台、智能导师系统等教学代理工具则能够突破时空限制和教学障碍，为学习者提供高效、即时、自适应的学习支持，满足数字化教学场景下学生的多元在线学习需求。其二，协同层次升级。伴随着技术可处理任务范围的进一步扩大，智能时代的教学实践开始进入由教师智能和机器智能共存、共同主导和控制的智能协同场域，正引发教师角色、知识权威地位和教学设计工作范式的变化。在这种情况下，有效人机协同教学的实现超越了简单的任务分工与代替关系，对教师的技术素养、课堂管理、教学应变、灵活调度等能力提出了更高要求，需要教师发挥教学经验与实践智慧，与各类智能体形成多元化、深层次任务协同的教学关系。
形成双向赋能的人机“协同学习”。人工智能大模型的教育应用将潜移默化地改变学习者的学习方式，学习者将不仅依靠自身的认知加工，还将通过认知外包方式实现对机器智能的调用，并通过迭代反馈方式提高机器的智能水平，呈现“人机共学”的特征。一是学习体验优化。人工智能大模型的发展提高了人机交互的智能水平，使得机器能够通过扮演智能导师、智能学伴、学习助手等多种角色，自然采集和分析学习过程中的多模态数据，挖掘学习者内隐的情感变化与认知状态，从而为学习者提供即时情感陪伴、精准学习支持、个性化学习路径规划等服务，优化学习体验。二是学习机制变化。人机协同学习形态的出现改变了信息加工过程，使得学习不再仅仅是学习者与外界环境的信息交互，而是形成学习者与机器之间人机协同的智能结构，影响学习发生的过程与机制。在学习者与机器共同完成学习活动或任务的情境下，机器开始分担原本全部由人类大脑完成的认知活动，使得学习者可以将人工智能大模型作为认知外包的“外脑”，协同完成对学习内容的理解与处理，并在这个过程中达成人类智能与机器智能的互补增强。
形成安全可信的人机“协同决策”。人工智能大模型的链式突破将进一步引发教育治理体系的模式升级，促使教育治理走向循证决策、数据驱动和人机协同的高层次水平，教育治理的过程也更加科学化、精细化、智慧化，呈现“协同决策”的特征。其一，教育治理方式转型。智能时代的教育数据日益呈现增量大、增速快、碎片化、类型多元等特征，给教育治理带来了挑战。人工智能大模型能够对海量教育信息进行感知提取与跨模态处理，深度挖掘教育数据中隐含的规律，有利于实现对教育系统的动态监测、评估和反馈，为教育决策者提供实时、全面、客观的分析。这将有助于降低人类面对信息超载时的决策压力，破除多级决策过程中的信息失真、认知偏差和教育治理方案调整滞后的问题，实现教育治理方式从粗放式的“经验治理”向数据驱动、科学精细的“循证治理”的转型。其二，教育治理思维转变。人机协同的教育治理不仅将促进治理方式的转型，还将孕育出新的治理理念与智慧。在人工智能大模型的优势加持下，对海量教育数据进行训练和分析，提取物理对象的特征，有助于为教育系统创设孪生映射环境，在模拟实验中挖掘教育过程的规律，实现对教育各要素和过程的预测，以指导真实教育实践的发展。这将有助于实现教育治理思维从被动式“应对治理”向主动式“超前治理”的转变。
利用人工智能大模型构建智慧教育生态的关键举措
持续提升智能时代师生的胜任力。为应对智能时代技术对劳动力就业市场和职业发展前景的冲击，需将培养师生的胜任力置于重要地位，全面提升师生数字化创造力、适应力和生存力。对于学生而言，一是优化学生数字素养与技能的培育机制。有效开展信息科技课程，培育学生数字素养与技能，并建立数字素养测评与监测体系，动态追踪学生成长的进阶数据，准确描绘其数字素养与技能的发展轨迹。二是提升学生自主学习能力。鼓励教师在课堂教学中引入主动学习方案，培养学生自我规划、自我监督、自我评价等自主学习的习惯。三是提升利用智能技术进行学习的效果。人工智能大模型可以在知识获取、自主学习和学习陪伴三个方面发挥作用，帮助学生复习和学习课程内容，为学生提供良好的学习体验，并支持学生对学习时间、任务和过程的管理。对于教师而言，其一，鼓励教师积极探索与应用智能技术。教师对智能技术的应用存在“觉醒—体验—实践—传播”四个境界，需要鼓励教师主动学习人工智能知识和原理，并利用技术优势赋能自身学习和优化教学工作，积极交流分享应用经验。其二，培养教师角色转变的自觉意识。学校需依据教师的个性化需求开展教师数字素养与技能培训，持续提升教师的人机协同教学能力，引导教师关注并承担起对学生进行情感补位与品行培育的角色。其三，开展精准教研，助力教师专业发展。积极利用智能技术采集并分析多类型、多来源、多维度的教育数据，准确了解教师在教学法、学科知识、技术应用等方面的不足，形成有关教学过程的工作总结和分析报告，协助教师开展人机协同式的精准教研，帮助教师更好地了解课堂教学过程，反思教育设计与实践，并促进教学能力的提高。
优化智能产品的学校准入机制。为积极推动智能技术产品在教育教学领域的融合应用，防范其带来的隐私安全、有害内容传播等问题，需要采取相应保障措施，为师生营造健康、安全、绿色的学习环境。一是要建立人工智能教育技术产品的全覆盖、差异化准入审查制度。包括产品分类与风险分级，对各类教育智能产品进行细致梳理与学科划分，并将相关产品使用中所关联的时间、地点、人物、资源、功能、学科等要素进行链条化分析，通过严谨的审查和适配流程，确保相关产品都能顺利融入多元教育场景，精准匹配各阶段师生的个性化教学需求。二是探索全方位、全天候的动态监管机制。包括建立产品的安全性与教育适用性测评机制，开展智能技术产品抽查和日常检查，实行黑、灰、白名单的动态管理办法，以及探索基于应用场景的安全风险预警与应急机制等，做好产品的安全性和有效性评估。三是探索开发具有更高准确度、逻辑连贯性和教育适配性的教育专用人工智能大模型。不断强化伦理检测，减少错误、偏见或不适宜内容的生成，构建安全、合规、合乎伦理的数字教学环境。四是健全智能技术产品校园应用的实践指南体系。教育行政主体、实践主体与研究主体联合研制并出台面向学生成长、教师发展和学校转型的智能技术产品应用实践指南，以差异教学、增强教学、协同教学、知识获取、自主学习、校园赋能、家校互联增强等多元场景为切入点，引导师生合理、合规地使用产品。
有序开展人机协同的教育实践。随着智能技术不断演进及其在教育中的融合应用，人机协同教学已成为未来教育实践形态发展的必然趋势之一，需要鼓励教师积极探索与应用智能技术，更好地在人机协同环境中开展教育实践活动。一是以数字教学法作为人机协同教学的基本理论支撑。需要锚定有效教学与深度学习，以数字环境优化为基础，以数字资源与新技术应用为手段，以学与教的有效实践为目的，在可信赖的数字化环境中聚焦技术赋能和以学习者为中心的学习。二是深化人机协同的教学机制研究。进一步强化人机协同教学机理研究，利用多学科融合与交叉的方法，探寻人机协同教学中的教学行为及“师-机-生”复杂交互规律，丰富人机协同教学的理论体系。并以循证为导向，系统性评估人机协同教学的综合影响，基于证据迭代优化人机协同教学的结构与程序。三是发布人机协同教学实践指南和教学标准。促进教师在学情分析、资源检索、试题生成、教学设计、评价反馈等教学各环节中应用生成式人工智能技术，同时引导学生合理应用智能技术。四是做好人机协同教学经验传播。挖掘人机协同教学促进教育质量提升的典型案例，发挥优秀教师的引领示范作用。基于教师真实需求系统部署相关教师培训，进一步推广先进的、可迁移的、优质的人机协同教学实践经验。搭建人机协同教学交流社群与网络平台，促进教师间的交流协作和资源共享，共同探索人机协同教学新方向。
制定生成式人工智能教育应用标准。为避免引发难以预料的技术风险，保护辨别能力缺乏、有待培养和成长的学习者群体，需要注重技术在教育应用过程中的伦理原则和服务规范，制定相关教育服务标准。一是技术标准。技术标准具有明显的基础性、通用性和先导性特征。相关技术标准包括但不限于以下方面：平台架构需确保系统的稳定性和扩展性；访问入口需保证用户的便捷性和安全性；信息安全需制定严格的数据加密和隐私保护措施；数据交换需采用统一的协议以保证系统间的数据互通；产权管理需明确内容的归属权和使用权限；等等。二是质量标准。质量标准体系应能衡量生成式人工智能平台的价值、效率和效益。相关质量标准包括但不限于以下方面：定期测试和评估模型的准确性与稳定性；确保数据来源的可靠性和多样性；监控生成内容的准确性、相关性和适用性；评估应用效果，确保技术能有效支持教学目标；等等。三是服务标准。服务标准应涵盖技术服务、内容确权、规范指引、问题反馈等方面，规范生成式人工智能在教育领域的应用范围与指引，明确使用范围、对象和场景，提出师生使用指引，并提供详细的操作指南和最佳实践。具体来说，技术服务需包含全天候技术支持和针对相关人员的定期培训；内容确权要明确知识产权归属以防止侵权；规范指引需详细说明系统操作流程和使用规范；问题反馈应设立便捷的反馈渠道，及时响应用户的疑问和建议；等等。
构建大模型技术安全与伦理规范体系。人工智能大模型的规模化应用也可能带来错误或虚假信息传播、隐私与数据泄露、算法偏见与歧视等一系列技术安全与伦理规范的新问题。为规避风险，需要多主体协同联动，共同确保大模型设计、开发和应用的有序合规。一是建立健全监管体系，提升外部监督监管力度。制定并实施相关政策，对大模型的设计开发和应用进行有效引导和管理。保护数据安全和隐私，防止数据泄露、未经授权的访问和其他形式的隐私侵犯。实施数据治理和可信计算，制定严格的数据加密标准，开展常规的安全审计和风险评估。二是增强大模型研发机构和人员的责任意识。从技术发展角度，需要增强人工智能系统设计和应用的可追溯性与决策程序的可解释性，设计透明的算法框架，记录和追踪决策过程，提供详细的算法解释文档。从社会应用角度，需要加强行业自律，采用可信准则嵌入，预防、监测和消除任何形式的歧视与偏见，建立行业标准和自律公约，定期发布透明度报告。三是加强大模型技术使用者的自我约束和应用规范。大模型技术的使用需要遵守数据与网络安全法律法规，合理且负责任地应用技术，避免任何非法或不道德的行为，不以任何形式侵害他人隐私，避免数据滥用。通过内部培训和宣传，提高使用者的法律意识和道德责任感，建立监管和投诉机制。
作者：黄荣怀
来源：《学术前沿》杂志2024年第14期