2024智能教育发展蓝皮书-生成式人工智能教育应用（精华版）

（精华版） （精华版） 版权声明 随着ChatGPT的推出，生成式人工智能（GenerativeArtificialIntelligence，GenAI）迅速崛起吸引了全球范围内的广泛关注。GenAI作为人工智能技术的最新突破以及新质生产力的典型代表，不仅是引领新一代产业变革的关键力量，也为经济社会发展注入了强劲动能。GenAI的自然语言理解、内容生成和逻辑推理等强大能力，可以与相关行业融合，赋能千行百业。2023年7月，国家网信办出台的《生成式人工智能服务管理暂行办法》强调，要坚持发展和安全并重、促进创新和依法治理相结合的原则，采取有效措施鼓励生成式人工智能创新发展。2024年3月，政府工作报告明确提出开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。围绕GenAI的产业生态正在蓬勃发展。 在教育领域，国家高度重视人工智能对教育的深刻影响，积极推动人工智能和教育的深度融合与创新。早在2017年国务院发布的《新一代人工智能发展规划》中就提出，开展智能教育，利用智能技术加快推动人才培养和教学方法改革，构建新型教育体系。2024年1月，怀进鹏部长在2024世界数字教育大会上提出，将实施人工智能赋能行动，促进智能技术与教育教学（AIforeducation）的深度融合，推动以智助学、以智助教、以智助管、以智助研。2024年3月，教育部正式启动了人工智能赋能教育行动。2024年7月，怀部长再次提出要打造中国版人工智能教育大模型，探索大规模因材施教、创新性与个性化教学，更好满足群众“上好学”的需要。GenAI的出现将推动人类文明进入人机协同的新范式和新阶段，也为教育带来颠覆性变革①。但是从当前行业发展及学术研究现状来看，GenAI教育应用仍处于起步阶段，虽然讨论度高但实际潜能尚未充分发挥。因此，迫切需要厘清技术应用推广的关键问题，提高教育主体对GenAI的技术认知和应用技能，明确GenAI教育应用的多元场景，同时关注GenAI技术伦理风险应对，加快推进GenAI在教育中的合理运用。 基于上述背景和思路，我们结合国内外GenAI相关政策、技术发展、学界研讨、行业分析和初步实践，对GenAI教育应用进行了专题研究和探讨，撰写了《2024智能教育发展蓝皮书——生成式人工智能教育应用》。本报告是“智能教育发展蓝皮书”系列研究之2024年度报告。报告共分6章，包括发展现状、挑战与机遇，GenAI技术框架，教育大模型的构建，GenAI在教育中的应用场景，GenAI教育应用伦理风险应对，以及教育领域GenAI发展与应用展望。同时， 2024智能教育发展蓝皮书 报告从教、学、评、管、研视角对全国各地、各级各类学校最新GenAI教育应用实践案例进行了梳理和总结。希望通过本研究，为广大一线教育工作者开展GenAI教育应用实践提供借鉴和参考，激发更多关于如何利用GenAI推动教育创新的思考和讨论，共同迎接“人工智能+教育”的新时代。 本报告的研究和撰写是在科大讯飞智能教育专家委员会指导下，由讯飞教育技术研究院/认知智能全国重点实验室智能教育研究中心负责组织和实施。在报告研究撰写过程中得到了许多行业专家的指导和帮助，公司多个部门领导和专家给予了技术支持，众多一线教育工作者提供了大量实践案例，在此一并表示衷心感谢！在蓝皮书的整体润色中，讯飞星火认知大模型也发挥了重要的作用。由于撰写时间仓促，掌握资料不够，加上作者水平所限，本报告一定存在许多不足之处，敬请批评指正！ 《2024智能教育发展蓝皮书》编写组2024年9月 第3章教育大模型的构建9 第4章GenAI在教育中的应用场景13 蓝皮书编写工作组33 生成式人工智能（GenerativeArtificialIntelligence，GenAI），在自然语言理解与内容生成方面展现出高水平的认知智能，其涌现性、通用性等特性也使得应用范围不断扩张，为教育变革带来了新机遇和新挑战。 GenAI的快速兴起。2022年11月30日，美国人工智能研究公司OpenAI上线了GenAI产品ChatGPT，其强大的能力和所蕴含的潜力得到了国际社会各界的广泛关注，标志着GenAI技术发生了变革性突破，被国际顶级期刊《Science》评为2022年度十大科学突破之一①。OpenAI公司自2018年起开始陆续推出GPT系列模型及产品，不仅性能逐步提升，交互方式也从单模态的文本交互升级为可以支持文本、图像、音频和视频等多种信息的多模态交互。随着以ChatGPT为代表的GenAI快速兴起和不断进步，全球范围内GenAI迎来新一轮蓬勃发展。 GenAI为经济社会发展注入新动能。GenAI作为先进科技生产力，凭借其高速性、全自动化、高度智能化等特点大大缩短了社会必要劳动时间②，渗透在生产力各要素中并综合作用于生产劳动过程③，是新质生产力发展的杰出代表。GenAI在各行各业、各个领域的应用也不断普及和深化，将极大地提升社会生产效率，加速行业智能化升级发展，为经济社会创造巨大价值。有研究估计，预计在2023年到2040年间平均每年GenAI可使劳动生产率提升0.1%~0.6%④，如果充分应用可能将为全球经济带来每年2.6万亿至4.4万亿美元的增长⑤。 从全球创新到国产化落地。随着全球GenAI技术加速发展，国际竞争日趋激烈。当前，国外GenAI产品存在不对中国用户开放、用户使用数据被传输至境外、数据源难以保证中国语境下的内容质量等问题，可解释性、公平性、价值 观等多方面均存在风险①。习近平总书记在中共中央政治局第二次集体学习时强调要“增强产业链供应链的竞争力和安全性，以自主可控、高质量的供给适应满足现有需求，创造引领新的需求”②，为加快国产化GenAI建设指明了方向，迫切需要大力提高GenAI产业链上关键基础设施的自主可控程度。当前我国在算法、算力和数据三大GenAI技术底座上已经有了一定的积累，为GenAI的国产化落地提供了较为坚实的基础保障。 国产GenAI正加快布局发展。政策引领国产GenAI发展多层级布局。在国家层面，推出了《生成式人工智能服务管理暂行办法》等多项相关政策和行动；在地方层面，北京、上海、广东、安徽等省市也均发布了GenAI相关政策，各地错位发展态势明显，且都围绕当地的经济特点展开③。同时，中国GenAI产业也正快速成长。从产业规模来看，2023年我国GenAI的企业采用率已达15%，市场规模约为14.4万亿元，预计2035年我国GenAI有望贡献超30万亿元的经济价值④。从产业结构来看，当前北京、长三角和珠三角区域的集聚效应明显，发布主体多以企业为主，包括互联网企业、人工智能企业等。 教育主体对GenAI的技术认知亟待加强。推动GenAI应用的前提是充分理解技术的效用边际与价值局限，但目前教育主体对于GenAI技术的理解和认知仍存在不到位的情况。一方面，存在盲目信任和依赖GenAI导致的技术万能论，使得技术在教学过程中脱离实际无限制使用，教学成为“炫技”的场所⑤；另一方面，也存在对GenAI技术本能的不信任，使得教师产生抵触情绪并对自身技术应用能力产生怀疑⑥。在人机融合转型过程中，为了更好发挥技术潜能，推动技术创新扩散，确保应用合规合理，教育主体认知也应转型升级⑦，加强GenAI教育应用培训，理解GenAI运作原理和应用局限，掌握正确使用技巧，建立教育主体自信。 提升GenAI教育适用性需要专用大模型加持。由于教育的复杂性和特殊性， 通用大模型存在难以适应教育场景的情况，需加强教育领域的专用大模型建设。通用大模型由于缺乏专业的数据训练，教育深度知识不够，回答准确性不足，在实际应用过程中往往难以灵活处理复杂多变的专业性教育任务①，不能较好地满足严肃教育教学场景的需求②，极大影响师生应用体验。当前业界已经开始开发教育大模型，需进一步加快关键技术的突破创新，充分利用教育领域多模态、长周期的海量数据，构建更具适用性的教育大模型③。 GenAI多元教育应用场景及实效有待探索。为了适应更多元的教育情境特征，解决教育细分场景中的复杂综合性问题和需求④，需推进应用场景多元化覆盖与优质应用典型示范打造，并基于科学实证验证技术应用实效。当前GenAI教育应用仍处于起步阶段，应用场景较为单一，技术创新应用不充分、应用实践缺乏典型示范等问题依然严重。与此同时，国内研究领域当前更倾向于哲学思辨层面的理论探讨，从实践层面探讨GenAI对教育教学影响效果的实证研究还比较少⑤，对应用过程存在的问题缺少系统的分析以及针对性的改进意见，亟需在应用场景探索的基础上开展实证调查和案例研究，帮助教师明确GenAI的应用范围和能力边界，有效形成最佳实践。 保障GenAI合理应用亟需完善伦理规范。教育领域应高度重视GenAI教育应用的伦理风险应对，完善GenAI教育应用的伦理规范，构建风险应对策略，作为推进GenAI教育应用的重要保障。但当前理论层面存在顶层设计缺乏、监管框架缺位、政策标准缺失等问题，实践层面缺少科学完善的应用指南、监管认证工具、平台建设标准、创新实施方法和行动措施，削弱了GenAI技术全方位赋能教育的能力⑥。因此，教育领域需要高度关注GenAI的潜在安全与伦理风险，针对教育领域的应用场景和教育对象的特殊性，从多维度、多视角制定应对策略，构建多方位、多主体⑦监管模式，推进GenAI在教育领域的合规合理应用与可持续发展。 GenAI技术正引领着教育领域的变革创新，正确认识和有效利用GenAI技术，需要准确把握其提出背景、概念内涵、技术特点和应用框架。 2022年11月，由深度神经网络算法模型Transformer所驱动的ChatGPT在自由对话、内容生成等语言类任务上取得了重大突破，在将其应用到聊天应用场景后获得了用户的广泛认同和社会的广泛关注，一时间风靡全球，激发了人们关于人工智能新浪潮的讨论。这次浪潮的标志性起点可以追溯至2014年IanGoodfellow等研究者提出新的神经网络架构——生成对抗网络（GenerativeAdversarialNetwork,GAN）。GAN采用了两个模型相互对抗、交替改进的训练方式以生成图像，并在图像合成、艺术创作、数据增强等应用中获得成功。这种用人工智能算法模型从无到有地生成图像的方法成为了一种新范式，不仅推动了图像生成技术的发展，也为后续研究者在探索新的生成模型和应用场景方面带来了重要的启发。 Transformer作为一种重要的基础性的新型神经网络结构，在本次浪潮中大放异彩。OpenAI以Transformer为基础组件提出了“GPT（GenerativePre-trainedTransformer）”模型，通过采用“仅解码器（Decoder-Only）”结构降低了模型的计算复杂度，通过采用规模庞大的“预训练（Pre-trained）”结构，使模型能够从海量文本数据中学习到丰富的语言知识和模式。GPT专注于解决“预测文本序列中的下一个词以生成连贯且有意义的文本”这项任务，为各种语言生成类任务的解决提供了通用的方法，也为实现其他的生成类任务提供了全新视角和技术示范。2018年，OpenAI发布了首个GPT架构的模型GPT-1，其参数量达1.17亿，可初步实现连贯文本，如文章、故事、对话等的生成①。2020年，OpenAI发布的GPT-3参数量跃升到1750亿，显著提升了文本生成的真实性和连贯性②。在GPT-3的基础上，ChatGPT通过引入“基于人类反馈的强化学习（ReinforcementLearningfromHumanFeedback，RLHF）”技术，进一步实现了模型与人类意图的对齐，提升了对话结果的安全性和可靠性。 ChatGPT在技术上的先进性和商业上的颠覆性，引发了全球，特别是中、美人工智能企业的急速跟进。谷歌采取正面竞争的方式，不断发布对标甚至超越OpenAIGPT最新版本的大模型Bard和Gemini；Meta通过不断更新可用于二次开发和调优的开源模型LLMA，试图用开源生态颠覆闭源商业体系；而微软采取与OpenAI