一、前言與動(dòng)機
背景:生成型人工智能(Generative AI)在高等教育中的快速發(fā)展和逐步應用,促使大學(xué)重新審視其教育服務(wù)價(jià)值主張和機構運作的基本假設。
動(dòng)機:探討生成AI在高等教育中的應用現狀、面臨的挑戰以及未來(lái)的發(fā)展方向。
二、執行摘要
現狀: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,但當前方法通常是零碎和反應性的。
框架:提出“CRAFT”框架,包括文化(Culture)、規則(Rules)、訪(fǎng)問(wèn)權限(Access)、熟悉度(Familiarity)和信任(Trust)五個(gè)核心要素。
建議:大學(xué)應超越競爭轉向合作,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. 規則
重要性:建立有意義的規則對于推動(dòng)負責任使用生成AI至關(guān)重要。
案例:澳大利亞高等教育質(zhì)量與標準局(TEQSA)和菲律賓高等教育機構通過(guò)可接受使用政策規范AI使用。
建議:制定原則、政策、護欄和指南,確保評估和學(xué)習經(jīng)驗的有效性。
2. 訪(fǎng)問(wèn)權限
挑戰:AI平臺和訂閱費用可能昂貴,加劇數字?zhù)櫆稀?br />
案例:悉尼大學(xué)通過(guò)Azure OpenAI服務(wù)開(kāi)發(fā)Cogniti平臺,提供AI訪(fǎng)問(wèn)。
建議:確保學(xué)生、教育工作者和研究人員能夠公平獲取AI應用,考慮與供應商協(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、合作和體現的價(jià)值來(lái)積極構建和維護信任,制定確保負責任使用AI的規則。
5. 文化
復雜性:文化是Z復雜的部分,涉及區域、地理、社會(huì )差異和機構文化。
案例:ZG和新加坡對AIZ為樂(lè )觀(guān),而美國、加拿大和澳大利亞態(tài)度較為消極。
建議:培養前瞻的文化,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
規則:制定明確的AI使用原則和政策。
訪(fǎng)問(wèn):確保公平獲取AI應用和基礎設施。
熟悉度:提升利益相關(guān)方對AI的熟悉度和倫理意識。
信任:建立和維護多個(gè)信任對之間的信任關(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)應超越競爭轉向合作,形成協(xié)作集群,共享資源和經(jīng)驗。
學(xué)生作為合作伙伴:提升學(xué)生地位,參與規則制定、評估重新設計和AI治理。
持續行動(dòng):制定多面的機構JAI戰略,涵蓋文化、規則、準入、熟悉度和信任等方面。
六、結論
總結:白皮書(shū)提供了高等教育領(lǐng)域生成AI當前狀態(tài)的快照,并提出了跨機構及機構內部推廣生成AI的框架。
期望:支持機構規劃在動(dòng)態(tài)且不斷演變的AI景觀(guān)中的路徑,實(shí)現學(xué)習潛力的同時(shí)解決相關(guān)挑戰。
附件:生成AI在高等教育中的應用:當前的做法和前進(jìn)的道路-五個(gè)行動(dòng)領(lǐng)域是規則,訪(fǎng)問(wèn)權限,熟悉度,信任和文化

教育理念革新:從“學(xué)知識”向“強能力”轉變,強調自主學(xué)習和創(chuàng )新能力;教學(xué)模式創(chuàng )新:推動(dòng)“師/生/機”深度交互,利用AI技術(shù)實(shí)現個(gè)性化、智能化教學(xué);教師角色轉變:教師應努力掌握AI相關(guān)知識技能,與人機協(xié)同打造“超級教師”。
預計到 2025 年,中國人工智能產(chǎn)業(yè)將迎來(lái)爆發(fā)式增長(cháng),產(chǎn)業(yè)規模有望達到 3985 億元,未來(lái) 10 年將呈現顯著(zhù)增長(cháng)趨勢,復合年增長(cháng)率為 15.6%
大小模型端云協(xié)同的關(guān)鍵技術(shù)有基于調度的協(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)勢有提高系統性能和效率,降低部署成本和資源消耗
全面呈現了該產(chǎn)業(yè)的發(fā)展現狀,技術(shù)趨勢,應用場(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;呈現出蓬勃發(fā)展的態(tài)勢,技術(shù)創(chuàng )新不斷涌現,應用領(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(cháng)態(tài)勢,預計未來(lái)十年年均增長(cháng)率達19.1%;美國在A(yíng)I資金籌集和技術(shù)應用方面居領(lǐng)導地位,融資總額占全球超70%,剖析了全球及中國人工智能產(chǎn)業(yè)的發(fā)展現狀、全景圖譜以及中國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(lèi)智能設備中,推動(dòng)物聯(lián)網(wǎng)和機器人技術(shù)的革新,尤其是在醫療、制造和服務(wù)等行業(yè),通過(guò)更加智能和自主的設備,推動(dòng)數字化轉型和效率提升
分析2025年將重塑AI藍圖的重大趨勢,并為組織領(lǐng)導者提供戰略性洞察,幫助他們規劃未來(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;統一的多模態(tài)大模型實(shí)現更高效AI;RL + LLMs,模型泛化從預訓練向后訓練、推理遷移;合成數據將成為大模型迭代與應用落地的重要催化劑
機器人的智能化水平仍受到現有方法與能力的制約,展現出了潛力,但距離實(shí)際落地應用仍有較遠的距離,有望在未來(lái)極大地加速具身智能的學(xué)習速度
十四五規劃增強數據感知、傳輸、存儲和運算能力;數字中國建設整體布局規劃優(yōu)化數字化發(fā)展國內國際兩個(gè)環(huán)境;加快建設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的誕生為標志的新一輪人工智能技術(shù)浪潮,將人機關(guān)系推向了新發(fā)展階段,科技行業(yè)應當深刻認知AI對人類(lèi)社會(huì )帶來(lái)的全面性影響,重新審視人機關(guān)系
介紹了大模型的異構計算和加速方法,對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