高等教育中的生成式人工智能：现行做法与未来道路

核心观点

• 生成式AI的快速发展对高等教育提出了重大挑战和机遇，要求大学重新思考其教育价值和运营模式。
• 大学在应对生成式AI时面临诸多问题，包括学术诚信、数据隐私、算法偏见、数字鸿沟等。
• 目前大学对生成式AI的适应和采用缺乏系统性，主要采取反应式和碎片化的方法。
• 学生对生成式AI的接受度较高，但大学尚未做好充分准备。

关键数据和研究结论

• 斯坦福大学人工智能指数报告显示，AI在某些领域已超越人类表现，但在许多复杂任务上仍落后。
• 产业在AI研究方面占据前沿地位，美国领先于中国、欧盟和英国。
• 生成式AI的培训成本越来越高，而相关投资已达到每年252亿美元。
• 2024年Educause AI景观研究显示，AI的机遇主要在于改进教学、学习和学生成功；数据分析和获取；以及减轻行政工作负担。
• AI的使用风险主要涉及伦理（例如剽窃、知识产权、加剧数字鸿沟、错误信息和虚假信息）、隐私和安全、缺乏AI素养，以及AI对创造力、批判性思维和人际互动的威胁。

五大行动领域

• 规则：建立明确的规则和治理框架，以指导生成式AI的负责任使用。
• 获取：确保学生、教师和领导层能够公平地获取生成式AI应用和工具。
• 熟悉度：通过系统性的发展，提高所有利益相关者对生成式AI的理解和舒适度。
• 信任：建立和维护学生、教师、研究人员、领导层、供应商和AI之间的信任关系。
• 文化：培养一种鼓励创新、合作和承担风险的文化，以适应生成式AI带来的变革。

行动建议

• 形成合作集群：大学应超越竞争，通过合作在关键领域进行联合开发、共享框架、协调倡导、综合发展和统一治理。
• 提升学生为合作伙伴：通过同伴支持网络、学生AI大使计划、共同设计学习体验、直接参与评估改革和合作资源开发，将学生视为合作伙伴。

展望未来

• 大学需要制定全面的AI战略，解决文化、规则、获取、熟悉度和信任等问题。
• 大学需要与学生、行业、政府和社区合作，共同塑造生成式AI的未来。
• 大学需要重新思考其角色和目的，以适应AI带来的变革。