林建华、王蓉等：“人工智能时代的未来高等教育研讨会”会议综述（一）-casino filipino
为应对人工智能技术的冲击，全面深入地探讨人工智能（ai）对高等教育的影响，2024年3月28日，北京大学未来教育管理研究中心在上海主办了“人工智能时代的高等教育”研讨会。会议由上海创智组织管理数字技术研究院协办，邀请来自教育界、企业界的近200位专家学者，以闭门的方式开展报告演讲和自由讨论，分享最新的行业思考和实践经验。与会专家从宏观视角探讨人工智能对高等教育和社会的整体影响，从微观视角讨论人工智能在赋能教学、学习和科学研究方面存在的问题，力求共同推动人工智能时代的高等教育改革和发展。
一、人工智能时代的人类知识活动
开幕式由上海创智组织管理数字技术研究院陈春花教授主持，她从社会生产活动的视角开启了整场讨论。
未来加速来临，人工智能到底带来了什么变化？对于个体生命的价值而言，一个很重要的衡量标准是时间的价值，人的生命是一系列时间价值的展开。随着科学技术成为对时间价值最重要的影响因素，时间价值的基本构成正在改变。在农业社会和工业社会，生产活动最基本的构成方式是物质生产。但是到了数字时代，人机交互的活动，甚至意识活动都会产生社会财富和商业价值。这样的生产活动所带来的根本性的变化，意味着对人的要求变了，对从业者的能力和技能的要求变了。陈教授认为，教育的功能是人类教育活动和教育系统对个体发展和社会发展产生的作用与影响，在人工智能时代，教育应该如何贡献价值，教育系统应该如何影响并作用于ai带来的变化？希望本次会议就此展开多维度的讨论。
北京大学原校长、北京大学未来教育管理研究中心创始主任林建华教授首先发表主旨演讲。面对人工智能的冲击，林建华教授提出了两个核心问题，将来社会需要什么样的人？以及如何借助人工智能进行更有效的学习？
首先，林建华教授基于人类的知识活动和大学教育的演变过程，指出ai对教育的冲击是巨大的。在历史上，知识的传承从精英教育走向大众教育，教学与科研经历了从分离到结合再到重新分离的过程，在ai时代，这些关系将会再次面临变革。ai的介入使得科研更加高效，随着社会的发展和知识活动的变化，知识的生产者更加多元，知识的传播更加开放，大学正在从“为知识而知识”转变成生产有用的知识，从传统的知识垄断者转变为社会创新资源的聚集中心。他预见未来的大学将更加开放，更加多样化，更加注重创造性思维和行动的培养。
林建华教授引用波普尔三个世界的观点，探讨在物质世界、人的世界、客观知识世界之外，是否存在独立的ai世界。人工智能可以掌握大量客观外显的知识，而人的世界存在大量默会知识，这是人创造性的根源。教育不应仅仅关注知识的积累，而应更加重视学生的默会知识——那些难以言传但对个人创造力至关重要的知识和能力。人类的思想和创造力不可替代，教育的任务是激发和发展这些能力，培养学生的批判性思维、能动性和创造性，以构建默会知识，培养能够适应未来社会的创新人才。正如爱因斯坦所言，“教育就是当一个人把在学校所学全部忘光之后剩下的东西”，这也说明教育的真正价值在于培养学生的内在能力和创造力，它是教育的真正目标。
林建华教授进一步论述了在ai环境下，人们应该具备新的思维和行动能力，以适应技术带来的变革。他强调ai首先还是作为工具，但需要高度关注与ai相关的伦理问题，并指出尽管ai能够掌握大量的知识，但它仍然不能和物质世界建立联系，缺乏人类的独立进化的能力。大学教育需要拥抱这一变革，建设一个与ai融合的环境。
最后，林建华教授用迈克尔·波兰尼的话作为总结：“我们的思想总是要比我们所知道的要深刻的多”。对人工智能时代的到来，人类可能已有所感知，但许多事此刻尚不能言明，有待于大家的探讨和发现。
二、人工智能推动高校科研范式变化
中国科学技术大学原副校长、教师发展中心主任陈初升主持了关于ai与高校科研的主旨发言环节。
首位发言嘉宾是复旦大学教授、上海科学智能研究院院长漆远教授。漆教授对中美高等教育体系均有深刻体会，同时特别珍贵的是他在产业界十余年的工作经历，令他可以从产学研的多重视角，看到ai来临过程中，高校、产业、政府所面对的挑战和焦虑。
在报告中，漆远教授首先关注了ai与未来教育相关的四个问题：
第一、关于科研。林建华教授的研究表明后现代大学产学研再度分离，漆远教授在产业界的经历也印证了这一点。更多的数据，更好的人才，更多的算力都在产业界，这令产业界的知识生产速度远远走在了高校的前面，大学教育赶不上产业发展，这是对大学的巨大挑战。
第二、关于知识传播。现实中的学习资源遍布在网上，学生可以通过网络看到所有的课程，可以向chatgpt请教各类问题，教师的知识赶不上人工智能，这是对教师的功能和价值的挑战。
第三、关于人才供需关系。人才，是大学的产品。目前就业市场的诸种状况表明，大学的产出和社会的需求这一对供需关系之间，存在着严重失调，人才培养和社会需求之间有巨大的鸿沟有待弥合。
第四、关于培养目标和培养方式。ai时代培养什么样的人，如何来培养？在机器智能和人类智能共生的阶段，迫切需要对人才进行重新定义。对除了知识之外的其他重要素质，如好奇心、坚毅等，学校需要重新设置课程与之匹配。
在报告中，漆远教授介绍了大型语言模型（llms）在模拟人类语言和对话中的能力，这些模型不仅在科研中发挥作用，也在教育领域提供了新的交互方式和内容生成手段。随着ai处理文本、图片、语音、视频，甚至蛋白质结构，大模型能够处理的信息模态持续扩充。正如布莱恩·阿瑟（brian arthur）在《技术的本质》中提到的观点，经济的发展是非线性的，在多个基础元素出现后，将促成新的爆 发点，人工智能的出现把人类带到了新的时间点，这对社会、经济、教育都会产生很大的影响。
而大模型的发展也面临着挑战，包括如何在生成能力上实现可信可靠，避免出现“幻觉效应”；面对行业应用，如何实现信息的动态集成；以及如何满足大量的高质量数据和大规模的算力支撑。漆教授介绍了ai如何在金融、医疗、气象等行业中发挥作用。例如，在金融行业，ai可以用于生成投研报告和风控报告；在医疗行业，ai的应用包括智能导诊、辅助诊断和病例生成。这些应用展示了ai在提高效率、降低成本和增强决策质量方面的潜力。漆教授的科研团队在数值推理、极端天气预报等领域的进展和表现尤其令人振奋。
报告还讨论了“小的”大模型，即规模在1亿参数的较小的模型，在资源有限的情况下如何提供强大的功能。目前漆教授团队正在研发大数据和知识融合的新一代大模型关键技术，探索解决大模型对事实性问题理解的难题，构造生命科学、气象、材料、金融四个智能引擎组成的ai for science大模型统一技术底座，建设针对医药健康、智能制造、物流科技和金融服务产业的大模型体系。
此外，在报告中，他还提到了国产替代的重要性，强调了在国内发展自主可控的ai技术的必要性。从技术、经济、人性等多个角度分析，行业垂直模型具有机会。在通用大模型快速发展的同时，业界应更多关注各行业的垂直模型。同时，漆教授倡导举办科学智能大赛，鼓励年轻人才参与到ai技术的研究和应用中来，以推动科学和社会的进步。
最后，漆远教授表达了对ai的未来持乐观态度，他表示正如400多年前伽利略的望远镜精准看到了星体，随后开普勒、牛顿对望远镜的不断革新和应用，让科学有了新的突破和发现，人工智能将成为新时代科研和创新的望远镜，能够帮助人类更深入地理解世界。
听完漆远教授信息科学的专题报告，北京大学理学部副主任高毅勤教授分享了人工智能在科学研究中的前沿，与生命科学中的分子科学的结合，开辟出激动人心的新天地。高教授阐述了人工智能所起的作用以及它为什么有效，分析了人工智能在科学研究中可能的发展趋势，并讨论了从科学研究的结果反哺人工智能研究的可能性。
高毅勤教授认为，人工智能给科学带来的影响已经几乎遍及所有与计算相关的科研活动，为跨学科的研究打开了空间。
首先，高教授介绍了人工智能在分子模拟中的应用，比如在药物研发过程中参照物理原理，开展复杂体系的分子模拟，将微观映射到宏观，在分子的组成、结构、运动与功能等方面参照机械原理，用经典力学的方法来计算分子运动。ai的加入，给科学界带来了突飞猛进的助力，机器学习进入所有从事科学计算的课题组的程序包。由于基于物理的模拟方法和基于数据的方法各有利弊，在过去几年时间里，高教授的团队搭建了科学计算与深度学习结合的平台，以提高分子计算的效率。他讨论了信息重构、增强取样技术，以及基于数据和物理的混合模型，如主动学习和生成式学习。这些技术在快速取样和复杂体系的模拟中展现出巨大潜力。
人工智能可以帮助解决分子研究中对象数量众多和时间空间跨度大的问题。过去通过计算无法观察的复杂变化过程，现在可以通过强化学习等来加速实现，从而在利用计算验证基础科学理论模型等诸多方面带来显著进步。
高教授的发言还涉及了药物分子设计、逆合成反应预测和生物大分子设计等应用场景。他举例说明了强化学习在这些领域的实际应用，如通过轨迹发射来获取过渡态位置的信息，这对于理解复杂生物过程中的分子调控网络至关重要。
特别值得一提的是alphafold2在蛋白质结构预测中的突破性成就。高教授提到，这一深度学习模型能够在极短的时间内预测蛋白质结构，极大地加速了生物医药领域的研究进程。人工智能模型可以接受并高效整合多样性多模态的信息，例如可以将对三维分子世界的描述编码为语言，在语言模型的帮助下处理化学和生物学文献中的碎片化知识，帮助研究者找到看似不相关的事物之间的隐藏关系，并通过概率模型帮助科学实验查缺补漏，使人和机器之间形成一个闭环的共生模型。
高教授认为ai在分子科学研究中，不仅能够处理大量数据，还能通过升维降维等一系列操作，在高维度空间中寻找规律，从而突破人类认知的局限。同时，他也提出了对生命现象的分子研究可能对ai发展的启示作用。
回到教育层面，高教授认为，人工智能的发展特征已经超越简单统计，但尚未观察到其跨越到原理性思维的表现。而他认为，原理性思维和面向人的需求是未来人才培养的关键。鼓励学生掌握跨学科知识，提出原理性思维，用人工智能模型帮助科研团队加速验证，以此加快科学研究从“天”到“地”的进程。
三、人工智能在本科教育中的开展
中山大学原校长黄达人教授主持了第一场圆桌会议。他非常幽默风趣地阐述了自己对ai产生兴趣并参会的初衷，他强调全国大学都在关注ai教育，不仅在科研和研究生培养中，还应关注本科教育中如何开展ai教育。圆桌邀请了刚刚完成分享的漆远教授、高毅勤教授，和几所正在开展人工智能本科教学的南京大学、哈尔滨工业大学、北京大学医学部、复旦大学的教务负责人共同分享和讨论。
王骏教授是南京大学本科生院的常务院长，他回顾了科技革命的历史，人工智能对教育的影响及未来的发展方向。王骏教授介绍了南京大学在ai教育上的探索，他重点介绍了南京大学今年新研发的人工智能通识课程。早在2018年，南京大学就开始制订人工智能的专业培养方案，和卡耐基梅隆大学几乎同步。随着近年来各种ai工具的普及和应用，越来越多跨行业的人也有了使用人工智能的需求，所以人工智能通识课程的构建也提上了日程，它是一个体系性的、架构性的认知课程，教师会带领学生去思考、去探索ai和人类的关联，ai与社会的关联，目标是能帮助不同院系的本科生入门，并且利用好人工智能这一新工具，来加速推动他们所在专业的发展。目前成果斐然，南京大学已经积累了几十门与人工智能相关的课程。
哈工大本科生院副院长兼教务处处长徐平教授认为，当务之急是教师们急需要去思考，去提升对人工智能的理解，如何把人工智能用在课程建设、教学方法和教学技术上，要多一些探讨和思考，让人工智能可以更好地融合到高等教育里，以增强学生们的内在动力，高效利用学校的教学资源，避免不必要的浪费。此外，从专业结构上来说，对于一些和计算机相隔较远的专业，更理性的结合方式是“本专业人工智能”，而不是“人工智能本专业”。搞清楚主次关系，以自身专业为主，再以适当方式在专业建设和学科建设里引入人工智能，往往有更好的效果。
蒋益民教授是复旦大学教务处副处长，他介绍了复旦大学在人工智能教育方面的规划和思考。复旦大学正在探讨人工智能专业的核心课程，以及如何为不同专业的学生提供合适的人工智能教育。学校计划推出“人工智能繁荣计划”，包括普适性的通识教育、满足学生兴趣的学程教育、专业的精英教育三个维度。通过调整通识教育课程、邀请专家开设专业课程、提供个性化的学习选择以及开设微专业等方式，旨在培养出适应人工智能时代的新人才。同时，学校将很多资源依托信息化手段开放给本科生，不设门槛，供他们在其中找到自己的兴趣点，教师也能及早发现学生的科研天赋。
王维民教授是北京大学医学部副主任，兼具教学管理和医学临床工作经验。王教授认为在前三代医学教育改革之后，随着人工智能的出现以及国家健康战略的指引，医学教育呈现了跨界交叉融合的特征。在这个基础上，人类未来可能要进入第四代医学教育改革的范畴，它的特征就是以健康为中心、以跨界交叉融合为特点、再加上人工智能。教育的外延扩大了，前三代的医学教育改革里，不同部分会面对不同的受众，但在未来，医学教育改革会面对所有的人。目前ai工具在临床案例编写和病例知识图谱方面的表现，让人非常惊叹，达到甚至超过了专业医生的水准。北京大学医学部还把医学教育知识库的ai应用到微信公众号里，为大众提供医疗咨询服务。这些都是ai在医学教育领域应用的生动案例。
四、人工智能时代的教育方法创新
第二场主旨发言由华中师范大学特聘教授、原中央电教馆馆长王珠珠主持。
第一位发言嘉宾是中国工程院院士、华东师范大学校长钱旭红教授。他在发言中深入探讨了ai时代高等教育的使命与创新，其核心观点强调了教育的超限思维、跨学科融合以及对思维科学的关注。
首先，钱教授指出提问和答问能力很重要，高等教育必须回应“李约瑟之问”和“钱学森之问”，这两个问题深刻揭示了中国科学和教育的短板——缺乏批判性与创造性思维，以及文理互通的人才培养机制。在ai时代，这些问题的解决显得尤为迫切，因为ai本身的特性就是跨模态、跨学科的知识获取和逻辑提取能力。
钱教授提出的“超限思维”概念，鼓励教育者和学生超越传统的知识点教育，培养能够并行多个思维体系的能力。这包括形象思维、逻辑思维、批判性思维和创造性思维，从而形成一种全新的教育模式，不仅仅关注知识的传授，更重视思维能力的提升。
在ai带来的挑战和机遇方面，钱教授认为，ai的发展阶段已经从认知与学习、决策与执行，发展到跨界综合智能，如智能机器人和无人驾驶等。这要求未来的人才不仅要有个性化的知识结构，还要有思维与精神层面的深度发展，进而服务人类的至善，即从“人1.0、人2.0”进化到“人3.0”，最终达到“人4.0”。
钱教授还强调了教育改革的三个主要任务：超越知识点的教育，完成思维教育跃升，以及改革考核评价方式，强调在考核中至少应该以关键知识点掌握程度的分数评价与思维模式运用程度的等级评价并行的方式全面考核并激发学生。他提倡利用ai工具提高学习效率，通过设计提问和深度提问来倍增学生的提问能力，从而实现教育的个性化和兴趣化。鉴于ai在知识上有显著优势并非常“聪明”，我们就需要强调思维教育的重要性并培养学生的“智慧”，从而让他们超越驾驭ai、逼迫提问ai、在培养过程中经历检验其素质和能力达成的多元有效评价。
最后，钱教授提出了“重思维、超学科、智能化”的策略，以推进ai时代的教育创新。他倡导建立终身化、个性化、平等的和更加开放灵活的教育体系，并通过学科融合、思维训练和数智跃升三大路径，实现教育的全面革新。
在ai时代，高等教育需要进行深刻的改革，以培养能够适应未来社会需求的创新人才。这不仅需要教育者重新思考教育的目标和方法，也需要学生、政策制定者和社会各方的共同努力，以实现教育的超限发展和人的全面自由发展。
发表演讲的另一位专家，是香港理工大学胡祥恩教授。胡教授以《探索在教育中应用生成式人工智能的正确方法》为主题，通过科研和实践，深入探讨了ai在教育中的创新应用，并提出了一系列关于如何有效利用ai来提升教育质量的见解。
首先，胡教授指出，ai在教育中的应用不应仅仅局限于作为一个强大的工具，而应成为教育创新的一部分。他强调了ai的三个研发类型：基础算法和模型的研究、创造性集成到现有平台或系统的技术，以及嵌入到特定应用或行业中的ai组件。这些研发类型共同构成了ai在教育中应用的广泛基础。
胡祥恩表示，大模型为学生提供了一个永不厌倦的学伴，学生可以对其进行调教和批判。例如，通过“装傻”让ai有意识地犯典型错误，如果学生没有察觉到，ai可以将错误再犯得明显一些，直到学生察觉为止。
目前，许多应用将ai视为搜索引擎的延伸，希望从中找到答案。这种方式可能会影响学生的独立思考和批判性思维能力。为了更好地应用ai，首先应发挥其提问功能。让ai根据情景提出深入思考的问题，学生则根据自己对内容和情景的理解回答问题（独立思考）。如果ai给出答案，也应同时提供准确和典型错误的答案，让学生批判性地鉴别答案。这样，ai能够培养学生“回答问题，鉴别答案”的能力，最终培养学生提出问题的能力。
“一定要学会设计提问、深度提问，把刨根问底的提问作为训练的方式。问到最后，能让人工智能说出它不愿意说出的话，比如‘我也不知道’，你就成功了。”作为一名“发烧友”，胡祥恩教授正在尝试让人工智能“学会”向学生提问，将人工智能与启发式教学法结合，激发学生的自我探索、跨学科创新和独立思考能力。
在报告中，胡教授讨论了ai在教育中的承诺（promises），包括个性化学习、内容生成、语言学习工具、自动化评分和反馈、虚拟导师和助手、数据驱动的教育洞察、可访问的学习材料以及学习的娱乐化和创造力提升。这些承诺展示了ai在教育中的潜力，为学生和教育者提供了前所未有的机遇。
然而，胡教授也警告了ai在教育中可能的滥用问题。他提出了“八个致命的罪恶”，包括知识衰退、智慧减损、诚信妥协、道德越界、依赖危机、不平等加剧、同质化学习和失去人际连接。这些潜在的滥用问题提醒人类，在追求技术进步的同时，也应关注其对教育本质的影响。
为了确保ai在教育中的有效和道德使用，胡教授提出了一系列设计原则。这些原则包括始终提供有意义的场景、评估学习者的认知能力、以及通过问题而非答案来引导学习者。他特别强调了苏格拉底式教学法的重要性，这是一种通过提问来激发学生思考和自我发现的教学方法。并分享了自己精心设计的名为“socratic playground for learning”（苏格拉底学习园地）的创新教学平台。
最后，胡教授提出了一个研究、创新、开发、评估和实施（ridei）的框架，以指导ai在教育中的整合。他强调了先进学习理论、最新使能技术、战略性适当应用以及学习有效性证明的重要性。通过这个框架，教育者可以更好地利用ai来提升教育体验，同时避免潜在的滥用问题。
（来源：《高等工程教育研究》2024年第5期）