文 | Edu指南

人工智能正在加速应用于教育中，但与此同时，其于教育中存在一个悖论：虽然大多数人都接受 AI 继续自动化大多数重复性、繁重的过程和分析性工作，但人们必须对自己正在学习的内容保持一定程度的真正理解。人工智能在某些表现上已经“臭名昭著”，因为它能够非常轻松地抄袭并为人们“做功课”，这在学术界和学生家长中造成了深深的不信任感。 

教育界正在努力解决这类问题。人工智能通过代理 agent 为人们“创造”的天生能力——当你凝视窗外时，在校园田野上对你选择的树木、歌词或任何你选择的东西进行抒情创作时，这些能力让学术届集体发抖。

值得庆幸的是，上面写的那段话，我用了一点想象力，目的是说明人工智能不会想出这种措辞选择。如果没有一个迭代的、冗长的、详细的提示来解释我想要的响应的细微差别，人工智能通常表现很差——没有人们期望的那么有创意或那么真实。这也是我不担心创意应用即将崩溃的原因之一。

虽然在最消极的观点中，学术届对人们应用人工智能“作弊”充满担忧，以及对失去创造性技能和认知思维过程产生恐惧，但需要考虑的远不止于此。在本文中，我们将探讨人工智能可能或应该影响的一些关键方面。

放弃还是接受？ 

我们是否应该举起双臂承认失败？我们是否应该禁止像 ChatGPT 这样强大的大型语言模型 （LLM） “学习工具”，试图从马斯克和阿尔特曼等人的“魔掌”中拯救几个世纪的教育传统？或者，我们是否应该适应和利用这种令人兴奋的新范式，接受随之而来的挑战？要做到这一点，我们可能需要派出最优秀的技术人才来克服教育困境，这些困境正在削弱学校，并阻止当局和许多发展中国家为优质教育计划提供资金。 

然而，这是一项艰巨的任务，使目标与结果相一致将是一项艰难的任务。你可能是一位具有前瞻性思维的教师，并且已经在使用人工智能来准备过去需要一段时间才能完成的课堂材料，这只是人工智能在教育中颠覆的起点。然而，一个主要的复杂情况是：人工智能发展速度如此之快，以至于像学术界中行动缓慢的机构，将难以提供最新和相关的课程。例如，我注意到，我两个月前写的关于人工智能的某些方面已经过时了。

奇怪的是，教育领域面临的一系列问题实际上代表了积极的一面，因为人工智能可以解决许多困扰学术界太久的问题。以下是本文将考虑的一些教育问题：

行政工作：逐年增加，以应对越来越多的学生专业需求，向管理机构报告，复杂的课程准备，并为当局做好“检查准备”

资金和资源短缺：学校在平衡学生的教育和福利需求时，在预算支出方面做出艰难的选择，特别是在贫困地区

新冠疫情后的入学率：自 2020 年全球疫情大流行以来，一些机构入学率直线下降，并且没有复苏的迹象

心理健康问题：自疫情 Covid 爆发以来，心理健康问题急剧上升

教师职业倦怠：教师在处理其角色时所承受的压力，正在导致职业倦怠和员工保留问题，而其他行业的感知条件和工资水平更好

教育公平：确保所有儿童和成人，无论身在何处、收入或身体状况，都能获得优质教育

 语言障碍：为不会说主要教学语言的学生克服语言障碍

生活技能和公民意识：将生活技能、公民教育和道德培训纳入课程，为学生成为负责任的成年做好准备

欺凌与安全：创造安全和包容的学校环境，没有欺凌、歧视和暴力

传统教育的生存风险？

我想说，最大的错误是更严厉地试图将人工智能排除在教室和演讲厅之外。正如陈词滥调所说，精灵已经从瓶子里出来了，所以为了让教育保持相关性，我们必须解决人工智能难题。

如果课程内容不够灵活，无法适应快速变化，一些学习路径就会偏离轨道，以至于学生们在上学时所获得的知识，在毕业时可能被视为过时甚至毫无价值。考虑到人工智能在过去 12 个月中改变了商业技术世界，如果一门课程需要 12 个月的时间来创建，学习需要 4 年的时间，那么当学生将他们的新知识带到工作场所时，该课程将至少已有 5 年历史。

对于学习英语或历史等人来说，这并不是一个大问题，但在计算机科学、尖端工程或计算机编程中，该影响将是永久的。

为了避免对教育机构的反抗，我们应该考虑以下措施：

拥抱增强的学习环境，提供职业体验使学生能够边工作边学习，并跟上技术变革的步伐

 增加可用于支持职业学习的工作学徒计划

考虑如何减少正式课程内容的数量，使其不受外部技术变化、人工智能或其他因素的影响，取而代之的是以质量为核心学习要素

 在正式课程中做出规定，以便能够包括行业中发生的创新变化

提供对软技能的更多学习关注，以增强沟通、谈判、团队合作和相互依赖的方法。

明确划分和保护核心基础材料免受动态学习的影响，以响应市场的商业需求和最新的技术突破

未能将人工智能纳入正规教育，可能会让整个学术界被贴上"恐龙"的标签。通过人工智能增强技术（如增强现实（AR）、虚拟现实（VR）和教学代理teaching agents（更多内容，见下文）的融合，以及结合传统方法和新学习方式充分吸引学生并扩大他们的学习潜力。

保护受监管的职业

在学习受监管的科目（如法律或医学学位）时，课程的一些关键方面受监管实践约束。这种情况可能会有一天改变，但在可预见的未来，它必须被保护起来，以确保那些正在学习的人和公众免受任何形式的渎职或人身伤害。

执照和认证：受监管的学位需要获得特定的执照或认证，包括综合考试并满足其专业特有的各种监管标准

道德标准：受监管的职业受到严格的道德准则和行为准则的约束，以确保其采取行动符合客户和公民的最佳利益。不遵守规定可能导致严厉的纪律处分，包括丧失执业权

公共问责制和责任：那些受监管的职业承担着重大的公共责任。失误或专业疏忽可能导致重大影响，包括法律诉讼和严格的监管审查

专业监督：监管机构监督受监管领域的个人，建立规范，解决申诉，并实施纪律处分，以维护职业诚信和公众信任

诊断风险：不正确的 AI 诊断可能导致有害的治疗或漏诊。虽然人工智能在这方面取得了长足的进步，但学习如何保持人类监督在诊断过程中仍然至关重要

个人风格：医学需要同理心和人类判断力，人工智能可以复制，但永远不会取代，尤其是在处理敏感的个人健康问题和为患者和客户提供困难的结果时

虽然必须保护这些方面免受大规模变化的影响，但我们可以考虑通过人工智能改进学习它们的过程。

监督学习：人工智能工具可以用作助手而不是决策者，需要人类的最终批准

道德和偏见培训：将道德和偏见识别纳入课程有助于减少违规行为

安全数据实践：在课程和人工智能设计中强调数据安全和客户/患者隐私可以保护机密性

监管框架：为人工智能在教育和专业实践中的使用制定明确的指导方针和标准，可以确保更大的一致性和安全性

基于模拟的培训：使用 AI 驱动的模拟进行实践学习，而不会冒着真实患者的风险。

AI 教学代理 teaching agents 的应用 

鉴于该解决方案的应用范围之广，我相信人工智能教学代理 teaching agents 的使用将真正改变教育的游戏规则。每个实际的教育者都是有限的、不可扩展的商品。人工智能代理可以提供大量可扩展的、交互式的和自适应的工具，让学生可以随时随地访问专家资源。这不仅不会取代教师，反而会增强和扩大学习体验，减少班级规模，降低教育成本，并使世界各地的教育机会民主化。

解决方案范围从现在可用的、简单的基于文本的聊天机器人，到未来开发的、复杂的代理 agents 化身，能够使用多模态形式与学生实时交谈，以提供栩栩如生的、知识渊博的教学应用程序。

该代理 agents 还可以负责任地收集有关他们互动的数据，以便教育机构跟踪学生们的学习进度和问题，还可以评估个人如何应对周围的世界。

与安全的进度数据收集相结合，随着学生的进步，代理 agents 可以向他们独特的学习简历授予增量学分，从而提供减少对冗长考试的选择——许多人认为冗长的考试是不切实际和不公平的能力衡量机制。

在更加开放和非结构化的学习环境中，代理 agents 可以积极适应学生的风格和兴趣，在课程范围内提供定制的内容和传统教育难以提供的互动体验。

这种代理 agents 解决方案将在全球范围内为正规学术机构之外创造无穷无尽的机会，为那些在生命早期错过教育、发展新兴趣、想要扩展现有知识的个人提供机会。

AI 的更多优势 

人工智能以比今天更全面、更引人入胜的方式，为学生的工作生活做好准备。灵活的微学习，更少的考试，以及为人们的软技能学习提供帮助。AI 不仅可以在教学过程中帮助创造更高的投资回报率（ROI），还可以创造更快乐、更成功和更敬业的学生：

管理超负荷：在教育的各个层面，管理的负担已经变得不堪重负。人工智能可以自动化其中的大部分内容，包括内部和外部报告、备课、预算优化和支出分析、教职员工和学生沟通，以及通过整个学术分析确定节省成本的机会 

学生心理健康与福祉：无论问题归结为霸道的社交媒体、Covid 隔离还是更高的现代教育期望，近年来学生心理健康问题呈现爆炸式增长。

在 2016/17 学年和 2022/23 学年之间，英国各地大学的本科生表示他们经历过心理健康困难的比例从 6% 上升到 16%，这意味着现在约有六分之一的人报告了此类挑战。

美国与英国有着相同的心理健康问题。2021 年，42% 的高中生报告说，在前一年至少连续两周感到悲伤或绝望。

人工智能可用于负责任地监测学生的行为和学习模式，以便及早识别痛苦，从而及时进行干预：

家长参与：不同程度的家长参与对确保学生实现目标构成了挑战。人工智能驱动的平台可以通过在学校和家庭之间提供数据驱动的沟通，定期和有针对性地更新学生的进步来彻底改变这一点。这将弥合学生、教育机构和家长之间的信息差距。

保护措施：社交媒体的现代范式为年轻一代创造了一个令人上瘾的、有时甚至是阴险的环境。网络欺凌、威胁和由此产生的暴力是一个不断升级的困境。人工智能驱动的、对道德负责的监控系统可以通过检测和报告潜在威胁来提供解决方案，为学生创造更安全的学习环境。

软学习技能：人们可以教人工智能具有同理心——我们已经做到了——但人们希望与其他人交流，并且决策总是会在某个阶段通过人类进行过滤，以确保监管安全。

软技能是我们必须在课程中扩展的领域。我们可以使用人工智能来改进现有方法，以创建一致且切实可行的方法，在自我意识、社交技能、自我调节、动机、同理心、谈判、冲突管理等领域对个人进行指导和评分，提高情商整体水平。

全球教育和能力简历：人工智能可以扩展基于区块链的能力记录概念。这可能包括一套经过验证的软技能资质和能力分数，这些分数在当今世界更加主观。这也将创造一个机会——人们在获得成就时，逐步向受加密保护的成就账户添加积分。

通过采用渐进式、全面和累积的简历信息，学术界可以决定不再需要长期学习、进行全面考试的传统方法。 

此外，应用于受加密保护的简历细节越多，它在招聘过程中就越有效。工作申请和第一阶段招聘的效率可以提高，从而为招聘代理、招聘经理和求职者带来更大的成功。

教育民主化

在全球范围内，教育的覆盖范围仅限于负担得起的国家和那些了解教育所采用语言的国家。其他受教育贫困影响的人可能早期就错过了教育机会，还有一些妇女部分或完全被排除在教育之外。

下面一些 AI 额外的好处，这些好处不是教育民主化所独有的，而是为那些最需要它的人们服务的：

降低成本：人工智能旨在大幅降低各地的教育成本，使其对发展中国家和年龄较大的学生更加可行。这将通过采用虚拟教学、增强的虚拟聊天机器人/代理（chatbots/agents ）和远程物理教师来实现。这种学习经济障碍的减少，为辍学的学生和发展中国家的一些学生打开大门。此外，被排除在教育之外的女孩和妇女将比现在有更多的选择。

规模：由于人工智能固有的易用性和相对较低的可扩展性成本，这可能会改变发展中国家的教育机会，以及那些学校教育中断或不足的国家。教师、教材和翻译内容可以相对重复，大大降低了传统供应的成本。

语言：在语言多样化的发展中国家，人工智能可以通过提供翻译和语言学习工具来打破教育障碍，使内容以各种当地语言提供。这有助于那些重新参与教育或开始学习之旅的人，确保他们能够用母语学习，提高理解力和记忆力。

文化：人工智能可以通过使内容与当地文化保持一致来增强教育的相关性，这对于重新参与的学习者或以前代表性不足的学习者至关重要。通过融入当地习俗和故事，人工智能创造了相关、引人入胜的课程，培养了一个尊重文化和包容性的教育体系。 

超个性化：人工智能的超个性化学习能力在多样化的教育环境中特别有益。它确定了个人的学习需求，为每个人量身定制内容和节奏，包括那些重新开始教育或在以后的生活中从基础开始的人。 

结论

人工智能可以永远改变世界，教育无疑是其应用的重要场景。一如既往，在应用的同时，我们也要关注有一些重要的警告。

为了实现最大的收益，教育和政府决策者需要接受导致教育改革的转型变革。同样的领导者可能会正确地引用道德原因，解释为什么他们不会对学生的教育未来进行实验。但同样的道德也会要求他们为不应对我们正在经历的人工智能技术革命负责——如果他们的学生进入工作场所时，没有为他们所选择的领域需求做好准备。 

人工智能在教育中的整合，带来的重大净收益之一是将学术界带到所有年龄、性别人们的生活最前沿，并为那些目前在生活中取得成功机会较少的人提供学习机会。

为了实现这一目标，课程和教学大纲需要变得更加灵活和开放，以应对比以往任何时候都快得多的变化。他们需要更贴近工作场所，更具职业性和相关性。为此，学术机构应考虑如何创建课程，以及根据外部技术发展修改课程材料，同时保留每个选定学科或职业的核心要素，特别是对于受监管的职业。

人们还必须提升人类与生俱来品质被低估的重要性，我们可以在广泛、情感复杂和微妙的问题上，发展原创性思维和推理。虽然我们会让人工智能做很多事情，但我们仍然需要设计、管理和签署结果。当学生成为员工时，他们仍然需要鼓励和倾听周围同事的意见，赢得客户的推销或亲自说服投资者。

而其中的挑战在于平衡快速的技术进步与核心学科理解和教学的人文方面，确保教育保持相关性、有效性、安全性和民主化。