Статья Хуана Жунхуая впервые опубликована в Academic Frontiers, № 14 за 2024 год. Анализ и примеры сохраняют контекст первоначальной публикации.
Содержание статьи
Аннотация
Итеративная эволюция больших моделей ИИ пробуждает осознание необходимости системного преобразования образования. Система находится на решающем этапе перехода от пассивного принятия внешних изменений к активной адаптации и внутренним преобразованиям. Интеграция моделей ускоряет новые представления: о знаниях как совместном создании и обмене; об обучении через интеллектуальные связи и конструирование; об интегрированных открытых программах; о совместном преподавании человека и ИИ. На практике возникают разнообразное междоменное совместное преподавание, взаимно усиливающее совместное обучение и безопасное, заслуживающее доверия совместное принятие решений.
Необходимо постоянно развивать компетенции педагогов и учащихся, совершенствовать допуск интеллектуальных продуктов в школы, упорядоченно развивать совместные практики, устанавливать стандарты образовательного применения генеративного ИИ и обеспечивать техническую безопасность и этику, формируя новую экосистему интеллектуального образования.
Новые информационные технологии, включая интернет, большие данные и ИИ, перестраивают структуры и процессы производства и повседневной жизни, меняют организацию и услуги образования. Генеральный секретарь Си Цзиньпин назвал ИИ важным двигателем новой научно-технологической революции и промышленного преобразования, глубоко меняющим производство, жизнь и обучение и открывающим эпоху сотрудничества человека и машины, межсекторной интеграции, совместного создания и обмена. Он призвал активно углублять интеграцию ИИ и образования для образовательных преобразований и инноваций.
Большие модели характеризуются масштабом, обобщением, эмерджентностью и универсальностью. Генерация мультимодальных текстов, изображений, звука и видео, контекстный диалог, логическое рассуждение, вычисления и выполнение задач ускоряют интеллектуальную трансформацию отраслей и открывают возможности углубления цифрового преобразования образования. Понимание вызванных ими изменений представлений и форм образования и их разумная, упорядоченная и безопасная интеграция — ключевой вопрос интеллектуальной эпохи.
Итеративная эволюция больших моделей ИИ пробуждает осознание системного преобразования образования
Подрывные технологии усиливают международную конкуренцию и социальную трансформацию
Мировые научно-технические инновации вступили в период исключительной интенсивности и активности. Новая технологическая революция и промышленное преобразование меняют карту инноваций и мировую экономику. Постоянно развивающиеся технологии глубоко влияют на будущее стран и благополучие людей.
Во-первых, быстрое технологическое развитие необратимо. ИИ, квантовые вычисления, биотехнологии и другие технологии непрерывно и многомерно входят в производство и жизнь. Их эффекты отчасти превысили ожидания и способность социальных, экономических и политических систем адаптироваться, а возможно, выходят за пределы интуитивного восприятия и прогнозирования, добавляя переменные международной конкуренции.
Во-вторых, ИИ находится в центре этой конкуренции. Крупнейшие страны ищут прорывы и принимают национальные стратегии, рассматривая ускоренное развитие ИИ как способ перехватить инициативу в мировой технологической борьбе.
В-третьих, прогресс вынуждает общество всесторонне преобразовываться. Его давление затрагивает промышленность, труд, образ жизни и управление. Белая книга Всемирного экономического форума Jobs of Tomorrow: Large Language Models and Jobs относит повторяющиеся профессии, например специалистов по одобрению кредитов, кассиров и делопроизводителей, к наиболее подверженным ИИ: до 81% их задач могут быть автоматизированы. Поэтому нужно не только следовать темпу технологий, но и менять подготовку кадров, оптимизировать отраслевую структуру и обновлять управление, активно отвечая на вызовы и возможности.
Логика капитала продвигает большие модели в различные прикладные среды
Капитал из традиционного поставщика экономических ресурсов стал катализатором интеграции ИИ и других технологий в разнообразные контексты. Его потоки часто указывают направление развития, ускоряя итерации и межотраслевую интеграцию.
Во-первых, инвестиции постоянно поддерживают развитие. За немногим более десятилетия ИИ прошёл путь от моделей отдельных задач с обучением на размеченных данных к предварительно обученным на неразмеченных данных и донастроенным на размеченных, затем — к большим моделям с масштабным предобучением, настройкой по инструкциям и согласованием с человеком. Развитие ускоряется, циклы сокращаются. Возникают облачные и локальные, общие и отраслевые, языковые и мультимодальные модели. С 2022 года OpenAI последовательно представила ChatGPT, GPT-4, Sora и GPT-4o. Мультимодальные взаимодействие и генерация совершенствуются; направления включают мультимодальность, генерацию видео, воплощённый интеллект и ИИ для исследований (AI4R).
Во-вторых, капитал стимулирует внедрение. Зрелость технологий требует раскрыть потенциал обширных данных и разнообразных сценариев. Инновации смещаются к эффективному использованию данных и новым приложениям: поддержке точной медицинской диагностики, контролю рисков и инвестиционным решениям, оптимизации движения и сокращению заторов. Логика капитала всё заметнее направляет развитие к прикладным потребностям. В сочетании с интернетом вещей, большими данными и облачными вычислениями модели могут предлагать более интеллектуальные решения и поддерживать промышленное обновление.
Образование активно адаптируется к новой волне больших моделей
Наблюдается решающий переход от пассивного принятия внешних изменений к активной адаптации и внутренним преобразованиям. Это пробуждение делает образование ведущим субъектом изменений, а не только ответом на технологии и капитал. Ведомствам необходимо понимать прямые применения и образовательную логику преобразований, готовя людей к будущему.
Во-первых, высшее образование находится на переднем крае. Учреждения быстро внедряют технологии: ИИ-ассистенты и интеллектуально связанные среды меняют передачу материала и организацию, а междисциплинарные исследования и обучение обновляют научные парадигмы, объединяют знания и поддерживают инновационные приложения.
Во-вторых, профессиональному образованию изменения нужны острее. Растущий спрос на квалифицированный труд делает его мостом между образованием и занятостью. Учреждения и государство увеличивают инвестиции и отраслевое сотрудничество для адаптивной связи программ с рынком.
Наконец, школьное образование устойчиво продвигает цифровую трансформацию при сильном политическом руководстве. Власти обеспечивают благоприятные условия и финансирование интеллектуальных платформ, больших данных и ИИ в преподавании и управлении, а также цифровой подготовки педагогов и учеников.
Образование — одна из ключевых областей ускоренного применения больших моделей
Международные организации, правительства, наука и бизнес совместно изучают их интеграцию.
Во-первых, выпускаются документы, поощряющие, регулирующие и направляющие применение. Руководство ЮНЕСКО по генеративному ИИ в образовании и исследованиях поддерживает лучшую интеграцию. Публикация Министерства образования Великобритании излагает позицию по таким применениям, включая большие языковые модели вроде ChatGPT.
Во-вторых, исследования и практика упорядоченно изучают пути реализации. Университет Вандербильта предлагает преподавателям, сотрудникам и студентам многочисленные тренинги и семинары. Университет Цинхуа запустил пилотные курсы преподавания с ИИ, разрабатывая дисциплинарные приложения больших языковых моделей и разнообразные учебные сценарии.
Позитивные ответы разных участников отражают переход от внешних двигателей к внутреннему осознанию перемен. Следует сохранять трезвость и осторожность перед ускорением инноваций и не подчиняться логике капитала. Необходимо также понимать образовательный потенциал, технические риски и границы применения. Человекоцентричный подход должен обеспечивать взаимное развитие моделей и педагогических потребностей. Совместные усилия могут преобразовать представления и формы образования и создать более интеллектуальную, гибкую и эффективную экосистему.
Продолжающаяся интеграция больших моделей ускоряет изменение представлений об образовании и преподавании
Прорывы больших моделей глубоко повлияли на образование и вызвали общественное осмысление интеллектуальной эпохи. Генеральный секретарь Си Цзиньпин подчеркнул благотворный цикл образования, науки и технологий и талантов; согласованные стратегии развития страны через науку и образование, укрепления кадрового потенциала и инновационного развития; единое продвижение образования, инноваций и подготовки людей. Китай принимает политики, системно оптимизирующие воспитательные цели, школьные структуры и стандарты программ. Это выражает национальную стратегическую волю адаптироваться к времени и готовить кадры для стратегических потребностей.
Однако экзаменационное мышление сохраняет показатели перехода, отличной успеваемости и поступления в ведущие учреждения как основные мерки. Стандартизированная подготовка не удовлетворяет разнообразию общественных потребностей. Педагогам, учёным и общественности необходимо переосмыслить изменения и вызовы больших моделей и сформировать широкий, сильный консенсус. Это укрепит согласованность экосистемы и конструктивное взаимодействие государства, школ и общества. Под влиянием политики, технологий и ожиданий преобразование неотложно. Его основа — четыре новых представления о знаниях, обучении, программах и преподавании.
Новое представление о знаниях как совместном создании и обмене
Оно подчёркивает освоение разнообразных многомерных метакогнитивных знаний: реляционных знаний через «федеративное обучение» в нейронных, социальных и концептуальных сетях; контекстных знаний через воплощённое познание во взаимодействии тела и технологической среды; знаний правил через машинное обучение, включая глубокое и с подкреплением. Им присущи коллективный интеллект, открытость, фрагментарность и неоднозначность. Модели посредством моделирования, анализа и прогнозирования выявляют скрытые связи и закономерности данных. С человеческими инструкциями и контекстом они творчески генерируют содержание и моделируют мышление для многомерного анализа сложных задач, меняя производство знаний.
Новое представление об обучении через интеллектуальные связи и конструирование
Технологии открывают широкие возможности создания ситуаций. Учащиеся должны переходить от пассивного восприятия к самостоятельному управлению, осваивая знания, навыки и установки через совместное конструирование со сверстниками, учителями и агентами. В общей среде агенты больших моделей становятся партнёрами. Интерактивные среды, ассистенты и интеллектуальные спутники поддерживают проверку сочинений, разговорную практику, консультации, программирование, письмо, психологическое сопровождение и тренировочные интервью, улучшая опыт обучения.
Новое представление об интегрированных открытых программах
Технологии открывают границы, превращают фрагменты содержания в структурированные сети, а раздельные предметы — в интегрированные контекстные программы. Обучение объединяет научное понимание, технологический опыт, общественное участие, культурное осознание и понимание жизни. Модели системно обновляют разработку и управление программами, создавая разнообразные интегрированные индивидуальные траектории и персонализированный интерактивный опыт. Платформа Siyuan AI Шанхайского университета Цзяотун позволяет строить графы знаний для закрепления и дисциплинарные карты, выявляющие пересечения и выраженные различия, чтобы оптимизировать программы.
Новое представление о совместном преподавании человека и ИИ
Модели дополняют, усиливают и расширяют возможности учителя, поддерживая переход от передачи знаний к созданию ситуаций, организации и сопровождению деятельности. Важны многомерная коммуникация учитель–ученик–машина и безопасные, надёжные, этичные взаимодействия с агентами. Роботы, аватары и цифровые двойники учителей могут быть административными помощниками, ассистентами или сопедагогами. Например, на курсе Mind, Individual and Culture в Цинхуа ИИ-ассистент даёт точную и эффективную обратную связь для развития письменной речи.
Глубокое применение больших моделей создаёт новые формы совместного образования человека и ИИ
Большие модели означают исторический поворот в машинном интеллекте. Они ускоряют системные изменения знаний, обучения, программ и преподавания и дают импульс новым формам. Сотрудничество означает, что люди и машины взаимодействуют и действуют как целое в разных средах для общих целей и лучших результатов. Его практическая логика — взаимодополняющие преимущества и эффективная кооперация для разных потребностей. По сравнению с прежними малоинтеллектуальными и слабоадаптивными средствами модели представляют скачок и расширяют модальности взаимодействия. Они открывают системные преобразования через совместные преподавание, обучение и принятие решений.
Разнообразное междоменное совместное преподавание человека и ИИ
Модели ускоряют переход от структуры учитель–ученик к учитель–ученик–машина. Отношения усложняются, характеризуясь сосуществованием и многомерными взаимодействиями, поддерживающими совместное преподавание.
Во-первых, расширяются сценарии. Модели усиливают машинные преимущества и преодолевают прикладные ограничения. Их сочетание с гуманоидными роботами создаёт воплощённый интеллект с мультимодальным восприятием, пониманием, адаптацией, самостоятельными планированием и решениями в физическом мире. Это поддерживает классы с двумя преподавателями — человеком и ИИ. Интеллектуальные платформы, тьюторские системы и другие агенты преодолевают временные, пространственные и педагогические барьеры, предлагая эффективную, немедленную и адаптивную поддержку разнообразного онлайн-обучения.
Во-вторых, углубляется сотрудничество. Расширение технологических задач ведёт в среду, совместно направляемую и контролируемую интеллектом педагога и машины. Меняются роли, авторитет знания и проектирование занятий. Эффективное сотрудничество превосходит распределение или замену задач: требуются технологическая грамотность, управление классом, оперативность и гибкая координация. Учителю нужно применять опыт и практическую мудрость в разнообразных глубоких рабочих отношениях с агентами.
Взаимно усиливающее совместное обучение человека и ИИ
Применения постепенно меняют способы учиться. Помимо собственной обработки, учащиеся используют машинный интеллект через когнитивную разгрузку и улучшают его итеративной обратной связью, формируя совместное обучение.
Во-первых, улучшается опыт. Интеллектуальные взаимодействия позволяют машинам быть тьюторами, спутниками и помощниками, естественно собирать и анализировать мультимодальные данные процесса для выявления неявных эмоциональных изменений и когнитивных состояний. Они предлагают немедленную эмоциональную поддержку, точную помощь и индивидуальные траектории.
Во-вторых, меняются механизмы. Обработка информации выходит за пределы взаимодействия учащегося со средой: возникает совместная интеллектуальная структура учащийся–машина. В общих заданиях машина разделяет когнитивную работу, прежде выполнявшуюся полностью мозгом. Модели становятся внешним когнитивным ресурсом для понимания и обработки содержания, обеспечивая взаимодополняющее усиление человеческого и машинного интеллекта.
Безопасное, заслуживающее доверия совместное принятие решений
Последовательные прорывы моделей могут поднять управление образованием к доказательности, данным и сотрудничеству, сделать его более научным, точным и интеллектуальным.
Во-первых, преобразуются методы. Образовательные данные быстро растут по объёму и скорости, фрагментированы и разнообразны. Модели извлекают и обрабатывают информацию разных модальностей, раскрывая скрытые закономерности. Динамический мониторинг, оценка и обратная связь дают своевременный, полный и объективный анализ. Это уменьшает давление информационной перегрузки и помогает устранить искажения, когнитивные предубеждения и запоздалые изменения многоуровневых решений, переходя от приблизительного управления на основе опыта к научному, точному управлению на основе доказательств.
Во-вторых, меняется мышление. Сотрудничество создаёт новые идеи и знания. Обучение и анализ больших данных и извлечение признаков физических объектов позволяют создавать среды цифровых двойников. Симуляции выявляют закономерности и прогнозируют элементы и процессы, направляя реальную практику. Это поддерживает переход от реагирующего управления к упреждающему.
Ключевые инициативы создания экосистемы интеллектуального образования с большими моделями
Постоянно развивать компетенции педагогов и учащихся интеллектуальной эпохи
Влияние технологий на труд и карьеру требует приоритета компетенций, цифрового творчества, адаптивности и способности успешно действовать.
Для учащихся: во-первых, совершенствовать цифровую грамотность и навыки, эффективно преподавать информационные технологии, создавать оценку и мониторинг прогресса для точного описания развития. Во-вторых, укреплять самостоятельное обучение через активные методы, самопланирование, самоконтроль и самооценку. В-третьих, повышать результативность интеллектуальных технологий. Модели поддерживают освоение знаний, самостоятельность и сопровождение, помогают повторять и изучать материал, улучшать опыт и управлять временем, задачами и процессами.
Для учителей: во-первых, поощрять активное освоение и применение через стадии осознания, опыта, практики и распространения. Изучать принципы ИИ, поддерживать собственное обучение и преподавание, делиться опытом. Во-вторых, осознавать смену ролей. Школам следует адаптировать цифровую подготовку к личным потребностям, развивать совместное преподавание и ориентировать учителей на эмоциональную поддержку и воспитание характера. В-третьих, проводить точные педагогические исследования. Разнотипные данные разных источников и измерений выявляют недостатки педагогики, предметных знаний и технологического применения. Сводки и аналитические отчёты поддерживают совместное исследование, понимание класса, рефлексию и улучшение преподавания.
Совершенствовать допуск интеллектуальных продуктов в школы
Интеграция и предотвращение угроз конфиденциальности, безопасности и вредного содержания требуют гарантий здоровой, безопасной среды.
Во-первых, установить всестороннюю дифференцированную проверку: классифицировать продукты и риски, подробно изучать их по дисциплинам, анализировать цепочки времени, мест, людей, ресурсов, функций и предметов. Строгие проверка и адаптация обеспечивают интеграцию и соответствие индивидуальным потребностям разных этапов.
Во-вторых, изучать комплексный непрерывный динамический надзор: оценивать безопасность и педагогическую пригодность, проводить выборочные и повседневные проверки, управлять чёрными, серыми и белыми списками, развивать сценарные предупреждения и экстренные механизмы. Оценивать безопасность и эффективность.
В-третьих, разрабатывать специальные образовательные модели с большей точностью, логической связностью и пригодностью. Усилить этические испытания, уменьшить ошибки, предвзятость и неуместные ответы для безопасной, соответствующей требованиям и этичной среды.
В-четвёртых, совершенствовать практические руководства кампуса. Власти, практики и исследователи должны совместно готовить рекомендации для учеников, педагогов и преобразования школ: дифференцированное, усиленное и совместное преподавание, освоение знаний, самостоятельность, развитие кампуса и связи семьи и школы для разумного использования по правилам.
Упорядоченно развивать совместную образовательную практику
Эволюция и интеграция технологий делают сотрудничество важным направлением будущего. Необходимо поощрять педагогов эффективно исследовать и применять технологии.
Во-первых, опираться на цифровую педагогику: эффективное преподавание и глубокое обучение, оптимизация среды, ресурсы и технологии как средства, ориентация на учащегося и технологическое расширение возможностей в надёжной цифровой среде.
Во-вторых, углублять исследование механизмов многодисциплинарными и междисциплинарными методами. Изучать поведение и сложные взаимодействия учитель–машина–ученик, обогащать теорию. Системно оценивать совокупные эффекты и итеративно совершенствовать структуры и процедуры на основе доказательств.
В-третьих, выпускать руководства и стандарты: применять генеративный ИИ в анализе учебных потребностей, поиске ресурсов, создании тестовых заданий, проектировании и оценочной обратной связи, направляя разумное использование учащимися.
В-четвёртых, распространять опыт: выявлять примеры повышения качества, опираться на передовых педагогов, организовывать обучение по реальным запросам и распространять качественные, передовые, переносимые практики. Создавать сообщества и платформы для обмена, сотрудничества и совместного использования ресурсов и исследования новых направлений.
Устанавливать стандарты образовательного применения генеративного ИИ
Непредвиденные риски и защита учащихся с формирующимся суждением требуют этических принципов, правил обслуживания и образовательных стандартов.
Во-первых, технические стандарты фундаментального, общего и направляющего характера. Среди них — стабильная масштабируемая архитектура, удобный безопасный доступ, строгое шифрование и защита приватности, общие протоколы обмена для совместимости и ясные права собственности и использования содержания. Перечень не исчерпывающий.
Во-вторых, стандарты качества для ценности, эффективности и результативности: регулярная проверка точности и стабильности, надёжные разнообразные источники, мониторинг точности, релевантности и пригодности контента и оценка поддержки педагогических целей.
В-третьих, стандарты услуг, охватывающие техническую помощь, права на содержание, инструкции и обратную связь. Определять границы, пользователей и сценарии, предоставлять руководства, подробные процедуры и лучшие практики. Помощь включает круглосуточную поддержку и регулярную подготовку; права — ясность интеллектуальной собственности и предотвращение нарушений; инструкции — порядок работы и нормы; доступные каналы — своевременные ответы на вопросы и предложения.
Строить систему технической безопасности и этики больших моделей
Массовое использование может порождать ложную или ошибочную информацию, утечки данных и приватности, алгоритмическую предвзятость и дискриминацию. Разным участникам необходимо координировать упорядоченные разработку, проектирование и применение по правилам.
Во-первых, укреплять регулирование и внешний контроль: принимать политики, защищать данные и приватность от утечек, несанкционированного доступа и других нарушений, внедрять управление данными, доверенные вычисления, строгое шифрование, регулярные аудиты и оценку рисков.
Во-вторых, повышать ответственность разработчиков и организаций. Улучшать прослеживаемость и объяснимость решений, создавать прозрачные алгоритмические структуры, регистрировать решения и предоставлять подробные объяснения. В обществе — укреплять саморегулирование, встраивать доверенные принципы для предотвращения, выявления и устранения дискриминации и предвзятости, создавать отраслевые стандарты и соглашения и публиковать отчёты о прозрачности.
В-третьих, укреплять ответственность и правила пользователей. Соблюдать законодательство о данных и кибербезопасности, действовать разумно и ответственно, избегать незаконных и неэтичных действий, нарушения приватности и злоупотребления данными. Внутренняя подготовка и разъяснения должны развивать правосознание и этическую ответственность, дополняясь контролем и механизмами жалоб.
Автор: Хуан Жунхуай
Источник: Academic Frontiers, № 14 за 2024 год
DOI первоначальной публикации：10.16619/j.cnki.rmltxsqy.2024.14.003
Исходная ссылка: https://aiedchair.bnu.edu.cn/news-9689-ru/
