[环太平洋大学联盟]生成AI在高等教育中的应用：当前的做法和前进的道路

热门研报
1

:memo: 作者： Danny Y. T. Liu,西蒙·贝茨| :date: 发布时间：Sat, 08 Feb 2025 00:00:00 GMT

环太平洋大学联盟：生成AI在高等教育中的应用

摘要

本报告探讨了生成型人工智能（AI）在高等教育中的应用现状及其未来发展方向。随着AI技术的快速发展，高等教育机构面临显著的转型挑战。尽管AI在某些领域已超越人类表现，但其复杂性和潜在风险仍需深入研究和规范。大学在AI应用中的机遇与风险之间尚未达成共识，亟需前瞻性策略以应对这一技术变革。

正文

生成AI的快速发展与高等教育面临的挑战

生成型人工智能的快速发展及其在高等教育各个领域的逐步应用，正迫使大学重新审视其教育服务和机构运作的基本假设。作为这一领域的守护者，大学在应对这种变化时显得反应迟缓，而鉴于AI发展的速度，它们本应迅速并前瞻性地作出响应。

斯坦福大学2024年AI指数报告的关键发现

斯坦福大学的2024年AI指数报告显示：

  1. AI在某些领域已超越人类表现，例如在图像识别和语言生成方面，但在更复杂的任务上仍显不足。
  2. 行业主导着前沿AI研究，领先于学术界和产学研合作。美国在这一领域处于领先地位，超过了中国、欧盟和英国。
  3. 前沿AI模型的训练成本不断攀升，而生成式AI的融资已激增至每年252亿美元。
  4. 由于AI基准缺乏标准化，比较顶级AI模型的风险和局限性变得困难。
  5. AI监管显著增加，全球对AI的重视程度不断提升。

AI对社会和科学的影响

AI的潜力显而易见：

  • Demis Hassabis和John Jumper开发的AlphaFold模型，能够预测近2亿种蛋白质的结构，并因此获得了2024年诺贝尔化学奖。
  • AI可能提高工作效率并加速科学发现，但其社会影响也引发了广泛担忧。研究表明，越来越多的人意识到AI对其生活的深远影响，并对此表示担忧。

大学在AI应用中的机遇与风险

大学尚未就如何平衡AI采用中的机遇与风险达成共识。2024年Educause AI景观研究显示：

  • 主要机遇包括提高教学、学习和学生成功；数据分析和访问；以及减轻行政工作负担。
  • 主要风险则集中在伦理问题（例如，剽窃、知识产权、数字鸿沟扩大、虚假信息和误导信息）、隐私与安全、AI素养缺乏，以及AI对创造力、批判性思维和学习中的人类参与可能构成的威胁。

结论

生成型AI在高等教育中的应用既带来了前所未有的机遇，也伴随着复杂的挑战。大学需要制定前瞻性策略，以确保AI技术的负责任使用，并最大限度地发挥其在教育和社会中的积极影响。:magnifying_glass_tilted_left::graduation_cap:

:light_bulb: 延伸阅读
研报PDF原文链接