Reference: [1] 卢宇, 余京蕾, 陈鹏鹤, 等. 生成式人工智能的教育应用与展望——以ChatGPT系统为例[J]. 中国远程教育, 2023, 43(4): 24-31, 51

Authors: Yu Lu, Jinglei Yu, Penghe Chen, Muyun Li

Motivation

2017年7月由国务院印发的 《新一代人工智能发展规划》 中提出了我国对人工智能发展的战略规划, 明确指出要抓住人工智能发展的重大历史机遇。随着人工智能技术的发展，特别是2022年11月ChatGPT的发布，生成式人工智能（Generative AI）在文本、图像等多模态数据生成方面展现出巨大潜力。

Architecture

文章整体结构围绕技术基础—能力抽象—教育应用—实证验证—反思与展望逐层展开：

Overall

一. 技术基础 ChatGPT及其同源模型（GPT系列）是基于Transformer模型构建的深度神经网络，其核心演变经历了从GPT-1到GPT-3，再到InstructGPT和ChatGPT的过程，参数量和训练数据规模不断扩大，能力也随之提升，为了实现高质量的内容生成，ChatGPT主要依托以下五项关键技术：

Transformer模型： ChatGPT等系统的基本组成单元，利用基于自注意力机制的深度神经网络捕捉序列数据中的依赖关系，包含编码器和解码器结构（GPT主要使用解码器）。

基于Transformer的基本架构： 文章以GPT-3及相关关键技术为例介绍了其架构：由96层Transformer解码器组成，采用稀疏注意力模式，基于自回归思想，给定上文预测下文进行训练。

基于人类反馈的强化学习 ： RLFH这是ChatGPT提升生成质量的关键，通过监督式微调、奖励模型构建、以及近端策略优化（PPO）算法，使模型输出更符合人类预期。

指示微调 ： Instruction Tuning将NLP任务转化为基于指令的文本生成问题，通过微调参数帮助模型理解用户意图。

思维链 (Chain of Thought, CoT)： 通过设计包含中间推理步骤的指令，引导模型拆解复杂逻辑任务，提升推理能力。 * **3H原则：帮助性 (Helpful)、真实性 (Honest)、无害性 (Harmless)是其技术设计与应用约束的重要前提。 ***

二. 能力抽象 以下四项核心能力体现了当前生成式人工智能领 域的重要突破和价值,也为其在教育领域的应用提供了诸多可能性。

1. 启发性内容生成能力： 基于上下文信息,生成有启发性和创意性的文本。
2. 对话情境理解能力： 基于多轮对话中的上下文信息,进行语义理解和推理,捕捉用户意图与对话情境。
3. 序列任务执行能力： 基于用户的序列指令描述, 理解指令之间的关联关系,逐步完成复杂任务。
4. 程序语言解析能力： 基于用户任务需求自动生成符合 任务要求的代码程序或错因解析。

三.教育应用与验证 基于当前 ChatGPT 系统所具备的启发性内容生成、对话情境理解、序列任务执行、程序语言解析四项核心能力,我们从教、学、评、辅四个典型教育环节,梳理了不同核心能力可以支持的潜在教育应用。

1. 教师教学： ChatGPT可依据教学目标生成创作型素材、充当交互式助教、设计个性化教学方案并提供编程示例，从而辅助教师备课与授课。
2. 学习过程： ChatGPT通过生成创意写作素材、提供基于情境的学科问答、提供动态教学支架与反馈以及解析程序代码，为学生提供个性化学习支持。
3. 教育评价： ChatGPT能对学生作品进行客观点评、评测语言表达能力、智能生成测试题目并进行代码纠错，从而针对性完成多项评价任务。
4. 学业辅导： ChatGPT通过引导知识探究与创新、基于历史对话提供个性化支持、分步骤解析疑难问题及生成多维度代码解释，完成复杂的学业辅导任务。

Conclusion

一、局限 当前以 ChatGPT 为代表的生成式人工智能系统仍存在以下主要问题:

1. 存在事实性错误
2. 黑箱特性导致缺乏可解释性。
3. 中文语境理解能力弱于英文。
4. 存在安全隐患（有害信息）及知识产权风险。

二、展望 教育应从知识记忆转向培养高阶思维；利用AI作为助教创新教学方式；同时需制定相关法律法规，推动教育与技术互促共进

1. 理念变革：教育应从知识记忆转向培养高阶思维（跨学科、批判性、创造性思维）。
2. 方式创新：鼓励人机协同教学，编程教育应转向计算思维与算法思维培养。
3. 互促共进：教育界应以开放心态适应技术发展，同时需制定法律法规规避风险。

Comment

笔者认为，以ChatGPT为代表的生成式人工智能并非简单的教学工具升级，而是一种可能深刻影响教育目标与结构的新型通用技术形态。