一、前言與動(dòng)機(jī)
背景:生成型人工智能(Generative AI)在高等教育中的快速發(fā)展和逐步應(yīng)用,促使大學(xué)重新審視其教育服務(wù)價(jià)值主張和機(jī)構(gòu)運(yùn)作的基本假設(shè)。
動(dòng)機(jī):探討生成AI在高等教育中的應(yīng)用現(xiàn)狀、面臨的挑戰(zhàn)以及未來(lái)的發(fā)展方向。
二、執(zhí)行摘要
現(xiàn)狀:大學(xué)面臨生成AI帶來(lái)的壓力,需要保持高等教育的完整性和價(jià)值,但當(dāng)前方法通常是零碎和反應(yīng)性的。
框架:提出“CRAFT”框架,包括文化(Culture)、規(guī)則(Rules)、訪問權(quán)限(Access)、熟悉度(Familiarity)和信任(Trust)五個(gè)核心要素。
建議:大學(xué)應(yīng)超越競(jìng)爭(zhēng)轉(zhuǎn)向合作,形成協(xié)作集群,并提升學(xué)生作為合作伙伴的地位。
三、五個(gè)行動(dòng)領(lǐng)域
1. 規(guī)則
重要性:建立有意義的規(guī)則對(duì)于推動(dòng)負(fù)責(zé)任使用生成AI至關(guān)重要。
案例:澳大利亞高等教育質(zhì)量與標(biāo)準(zhǔn)局(TEQSA)和菲律賓高等教育機(jī)構(gòu)通過(guò)可接受使用政策規(guī)范AI使用。
建議:制定原則、政策、護(hù)欄和指南,確保評(píng)估和學(xué)習(xí)經(jīng)驗(yàn)的有效性。
2. 訪問權(quán)限
挑戰(zhàn):AI平臺(tái)和訂閱費(fèi)用可能昂貴,加劇數(shù)字鴻溝。
案例:悉尼大學(xué)通過(guò)Azure OpenAI服務(wù)開發(fā)Cogniti平臺(tái),提供AI訪問。
建議:確保學(xué)生、教育工作者和研究人員能夠公平獲取AI應(yīng)用,考慮與供應(yīng)商協(xié)商靈活的許可安排。
3. 熟悉度
必要性:所有利益相關(guān)方需要了解AI的可能性、限制和倫理影響。
案例:南洋理工大學(xué)和亞洲管理學(xué)院(AIM)通過(guò)實(shí)際AI經(jīng)驗(yàn)提升學(xué)生的熟悉度。
建議:采用“以教學(xué)為中心”的方法,確保學(xué)生的學(xué)習(xí)需求和教育者的教學(xué)意圖得到優(yōu)先考慮。
4. 信任
關(guān)鍵:信任是AI采用的核心,涉及多個(gè)信任對(duì)之間的關(guān)系。
案例:教育者和學(xué)生之間的信任差距因AI使用而拉大。
建議:通過(guò)透明度、合作和體現(xiàn)的價(jià)值來(lái)積極構(gòu)建和維護(hù)信任,制定確保負(fù)責(zé)任使用AI的規(guī)則。
5. 文化
復(fù)雜性:文化是Z復(fù)雜的部分,涉及區(qū)域、地理、社會(huì)差異和機(jī)構(gòu)文化。
案例:ZG和新加坡對(duì)AIZ為樂觀,而美國(guó)、加拿大和澳大利亞態(tài)度較為消極。
建議:培養(yǎng)前瞻的文化,允許考慮大學(xué)未來(lái)可能與今天截然不同的局面,包括AI的角色和大學(xué)的目的。
四、近期關(guān)鍵活動(dòng)領(lǐng)域
規(guī)則:制定明確的AI使用原則和政策。
訪問:確保公平獲取AI應(yīng)用和基礎(chǔ)設(shè)施。
熟悉度:提升利益相關(guān)方對(duì)AI的熟悉度和倫理意識(shí)。
信任:建立和維護(hù)多個(gè)信任對(duì)之間的信任關(guān)系。
文化:促進(jìn)接受并利用AI的前瞻性文化的發(fā)展。
五、展望未來(lái)
協(xié)作集群:大學(xué)應(yīng)超越競(jìng)爭(zhēng)轉(zhuǎn)向合作,形成協(xié)作集群,共享資源和經(jīng)驗(yàn)。
學(xué)生作為合作伙伴:提升學(xué)生地位,參與規(guī)則制定、評(píng)估重新設(shè)計(jì)和AI治理。
持續(xù)行動(dòng):制定多面的機(jī)構(gòu)JAI戰(zhàn)略,涵蓋文化、規(guī)則、準(zhǔn)入、熟悉度和信任等方面。
六、結(jié)論
總結(jié):白皮書提供了高等教育領(lǐng)域生成AI當(dāng)前狀態(tài)的快照,并提出了跨機(jī)構(gòu)及機(jī)構(gòu)內(nèi)部推廣生成AI的框架。
期望:支持機(jī)構(gòu)規(guī)劃在動(dòng)態(tài)且不斷演變的AI景觀中的路徑,實(shí)現(xiàn)學(xué)習(xí)潛力的同時(shí)解決相關(guān)挑戰(zhàn)。
附件:生成AI在高等教育中的應(yīng)用:當(dāng)前的做法和前進(jìn)的道路-五個(gè)行動(dòng)領(lǐng)域是規(guī)則,訪問權(quán)限,熟悉度,信任和文化

教育理念革新:從“學(xué)知識(shí)”向“強(qiáng)能力”轉(zhuǎn)變,強(qiáng)調(diào)自主學(xué)習(xí)和創(chuàng)新能力;教學(xué)模式創(chuàng)新:推動(dòng)“師/生/機(jī)”深度交互,利用AI技術(shù)實(shí)現(xiàn)個(gè)性化、智能化教學(xué);教師角色轉(zhuǎn)變:教師應(yīng)努力掌握AI相關(guān)知識(shí)技能,與人機(jī)協(xié)同打造“超級(jí)教師”。
預(yù)計(jì)到 2025 年,中國(guó)人工智能產(chǎn)業(yè)將迎來(lái)爆發(fā)式增長(zhǎng),產(chǎn)業(yè)規(guī)模有望達(dá)到 3985 億元,未來(lái) 10 年將呈現(xiàn)顯著增長(zhǎng)趨勢(shì),復(fù)合年增長(zhǎng)率為 15.6%
大小模型端云協(xié)同的關(guān)鍵技術(shù)有基于調(diào)度的協(xié)同,基于反饋的協(xié)同,基于生成的協(xié)同;大小模型端云協(xié)同的優(yōu)勢(shì)有提高系統(tǒng)性能和效率,降低部署成本和資源消耗
全面呈現(xiàn)了該產(chǎn)業(yè)的發(fā)展現(xiàn)狀,技術(shù)趨勢(shì),應(yīng)用場(chǎng)景以及主要企業(yè)情況,為行業(yè)發(fā)展提供了重要參考;呈現(xiàn)出蓬勃發(fā)展的態(tài)勢(shì),技術(shù)創(chuàng)新不斷涌現(xiàn),應(yīng)用領(lǐng)域廣泛拓展,企業(yè)生態(tài)日益豐富
全球AI產(chǎn)業(yè)呈高速增長(zhǎng)態(tài)勢(shì),預(yù)計(jì)未來(lái)十年年均增長(zhǎng)率達(dá)19.1%;美國(guó)在AI資金籌集和技術(shù)應(yīng)用方面居領(lǐng)導(dǎo)地位,融資總額占全球超70%,剖析了全球及中國(guó)人工智能產(chǎn)業(yè)的發(fā)展現(xiàn)狀、全景圖譜以及中國(guó)AI企業(yè)的出海情況
可能即將迎來(lái)代理AI(Agent-based AI)的新時(shí)代;AI將深度集成到各類智能設(shè)備中,推動(dòng)物聯(lián)網(wǎng)和機(jī)器人技術(shù)的革新,尤其是在醫(yī)療、制造和服務(wù)等行業(yè),通過(guò)更加智能和自主的設(shè)備,推動(dòng)數(shù)字化轉(zhuǎn)型和效率提升
分析2025年將重塑AI藍(lán)圖的重大趨勢(shì),并為組織領(lǐng)導(dǎo)者提供戰(zhàn)略性洞察,幫助他們規(guī)劃未來(lái);涵蓋了混合云和AI、一般業(yè)務(wù)、金融和技術(shù)以及特定行業(yè)
AI4S驅(qū)動(dòng)科學(xué)研究范式變革;具身大小腦和本體的協(xié)同進(jìn)化;統(tǒng)一的多模態(tài)大模型實(shí)現(xiàn)更高效AI;RL + LLMs,模型泛化從預(yù)訓(xùn)練向后訓(xùn)練、推理遷移;合成數(shù)據(jù)將成為大模型迭代與應(yīng)用落地的重要催化劑
機(jī)器人的智能化水平仍受到現(xiàn)有方法與能力的制約,展現(xiàn)出了潛力,但距離實(shí)際落地應(yīng)用仍有較遠(yuǎn)的距離,有望在未來(lái)極大地加速具身智能的學(xué)習(xí)速度
十四五規(guī)劃增強(qiáng)數(shù)據(jù)感知、傳輸、存儲(chǔ)和運(yùn)算能力;數(shù)字中國(guó)建設(shè)整體布局規(guī)劃優(yōu)化數(shù)字化發(fā)展國(guó)內(nèi)國(guó)際兩個(gè)環(huán)境;加快建設(shè)具有全球影響力的人工智能創(chuàng)新策源地實(shí)施方案(2023-2025年)
,以ChatGPT的誕生為標(biāo)志的新一輪人工智能技術(shù)浪潮,將人機(jī)關(guān)系推向了新發(fā)展階段,科技行業(yè)應(yīng)當(dāng)深刻認(rèn)知AI對(duì)人類社會(huì)帶來(lái)的全面性影響,重新審視人機(jī)關(guān)系
介紹了大模型的異構(gòu)計(jì)算和加速方法,對(duì)比了不同量化方式下多個(gè)模型的精度;還介紹了推理算法優(yōu)化,涵蓋Self - speculative decoding、KV Cache compression等多種方式