生成式人工智能與未來(lái)教育形態(tài)重塑:技術(shù)框架、能力特征及應(yīng)用趨勢(shì)

劉邦奇 聶小林 王士進(jìn) 袁婷婷 朱洪軍 趙子琪 朱廣袤

[摘 ??要]?近年來(lái)，隨著預(yù)訓(xùn)練技術(shù)的發(fā)展和計(jì)算硬件的提升，生成式人工智能取得了顯著的突破。其表現(xiàn)出的智能涌現(xiàn)、強(qiáng)認(rèn)知性、高通用性等卓越能力為教育數(shù)字化、智能化發(fā)展帶來(lái)了新機(jī)遇和新驅(qū)力，這將引發(fā)未來(lái)教育形態(tài)的變革和重塑。文章介紹了生成式人工智能技術(shù)的新發(fā)展，分析了其內(nèi)涵、技術(shù)框架及主要特征。并以星火大模型為例，剖析了以國(guó)產(chǎn)大語(yǔ)言模型為代表的生成式人工智能的核心能力及其典型教育應(yīng)用場(chǎng)景，發(fā)現(xiàn)大語(yǔ)言模型的文本生成、語(yǔ)言理解、知識(shí)問(wèn)答、邏輯推理等方面能力在教育領(lǐng)域具有極大的應(yīng)用潛力和價(jià)值。生成式人工智能在教育領(lǐng)域的深度應(yīng)用，將促進(jìn)教育主體關(guān)系轉(zhuǎn)變、教育環(huán)境智能升級(jí)、教育資源供給創(chuàng)新、智能教學(xué)方式重塑、評(píng)價(jià)理念方式變革、智能教育倫理治理等方面的變革，助力人類(lèi)教育與學(xué)習(xí)形態(tài)重塑。

[關(guān)鍵詞]?生成式人工智能; 教育形態(tài); 教育數(shù)字化轉(zhuǎn)型; 星火大模型; 應(yīng)用場(chǎng)景; 發(fā)展趨勢(shì)

[中圖分類(lèi)號(hào)] G434 ???????????[文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介]?劉邦奇（1962—），男，江蘇靖江人。教授，碩士，主要從事智能教育應(yīng)用、教育信息化治理與評(píng)價(jià)、智慧教學(xué)研究。E-mail：lbq-nj@163.com。

一、引 ??言

當(dāng)前，不斷更迭的智能技術(shù)正在加速教育的數(shù)字轉(zhuǎn)型與智能升級(jí)，變革和重塑未來(lái)教育形態(tài)。尤其是以ChatGPT、GPT-4等為代表的生成式人工智能技術(shù)（Generative AI，GAI或GenAI）具備了通用人工智能（Artificial General Intelligence，AGI）的特征，正推動(dòng)著互聯(lián)網(wǎng)資源生產(chǎn)方式轉(zhuǎn)向人工智能生成內(nèi)容（AI Generated Content，AIGC）范式，使得人工智能在數(shù)字化實(shí)踐中的作用更為凸顯。國(guó)內(nèi)一批高科技企業(yè)和機(jī)構(gòu)也聚焦生成式人工智能領(lǐng)域，組建強(qiáng)大技術(shù)團(tuán)隊(duì)加快研發(fā)攻關(guān)，在國(guó)產(chǎn)大語(yǔ)言模型技術(shù)和產(chǎn)品等方面取得突破，并在教育等領(lǐng)域推廣應(yīng)用。首批11家國(guó)產(chǎn)大語(yǔ)言模型已經(jīng)通過(guò)國(guó)家監(jiān)管部門(mén)備案，由科大訊飛公司自主研發(fā)的星火認(rèn)知大模型（簡(jiǎn)稱(chēng)“星火大模型”）于2023年9月5日起正式向全民開(kāi)放使用，并被MIT科技評(píng)論等機(jī)構(gòu)評(píng)為“最聰明”的國(guó)產(chǎn)大語(yǔ)言模型。生成式人工智能的文本生成、語(yǔ)言理解、知識(shí)問(wèn)答、邏輯推理等方面能力對(duì)于教育教學(xué)具有極大的應(yīng)用潛力和價(jià)值，星火大模型已被接入眾多教育產(chǎn)品，形成教學(xué)助手、學(xué)習(xí)助手、心理輔導(dǎo)助手和編程助手等多種典型應(yīng)用場(chǎng)景，為教育領(lǐng)域的數(shù)字化、智能化發(fā)展和形態(tài)重塑提供支撐。因此，置身于數(shù)字化轉(zhuǎn)型背景下，可以更加清晰地看到生成式人工智能技術(shù)給教育發(fā)展帶來(lái)的機(jī)遇與挑戰(zhàn)，更加深刻地理解智能技術(shù)之于教育信息化、教育現(xiàn)代化的革命性影響，探索未來(lái)教育形態(tài)變革創(chuàng)新之路。

二、生成式人工智能的發(fā)展現(xiàn)狀及特征

（一）生成式人工智能的新發(fā)展

近年來(lái)，以深度學(xué)習(xí)技術(shù)為核心的生成式人工智能不斷取得突破。2014年，生成對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Network，GAN）首次被提出，推動(dòng)了復(fù)雜數(shù)據(jù)分布上的無(wú)監(jiān)督學(xué)習(xí)發(fā)展;2017年，Transformer架構(gòu)被發(fā)表，引入注意力機(jī)制處理長(zhǎng)序列數(shù)據(jù)，迅速成為生成式人工智能模型的主流架構(gòu);2022年，美國(guó)OpenAI公司公開(kāi)發(fā)布基于Transformer架構(gòu)的生成式預(yù)訓(xùn)練大語(yǔ)言模型ChatGPT;2023年，OpenAI又發(fā)布了GPT-4，生成式人工智能逐漸走向成熟。

緊跟國(guó)際生成式人工智能發(fā)展前沿，國(guó)內(nèi)多家企業(yè)和機(jī)構(gòu)加快研發(fā)，相繼推出大語(yǔ)言模型、產(chǎn)品和相關(guān)底層基礎(chǔ)設(shè)施及服務(wù)，掀起了生成式人工智能技術(shù)發(fā)展的新浪潮。為了規(guī)范和引導(dǎo)以大語(yǔ)言模型為代表的生成式人工智能的健康發(fā)展，國(guó)家網(wǎng)信辦等七部門(mén)于2023年7月聯(lián)合發(fā)布《生成式人工智能服務(wù)管理暫行辦法》（以下簡(jiǎn)稱(chēng)《辦法》），明確提出“鼓勵(lì)生成式人工智能創(chuàng)新發(fā)展”“鼓勵(lì)生成式人工智能算法、框架、芯片及配套軟件平臺(tái)等基礎(chǔ)技術(shù)的自主創(chuàng)新”。近年來(lái)，國(guó)產(chǎn)化大語(yǔ)言模型技術(shù)攻關(guān)取得了可喜的成績(jī)，首批國(guó)產(chǎn)大語(yǔ)言模型服務(wù)平臺(tái)已向全民開(kāi)放使用。

（二）生成式人工智能的內(nèi)涵及技術(shù)框架

聯(lián)合國(guó)教科文組織認(rèn)為，生成式人工智能是一種根據(jù)自然語(yǔ)言對(duì)話提示詞（Prompt）自動(dòng)生成響應(yīng)內(nèi)容的人工智能技術(shù)。中國(guó)國(guó)家互聯(lián)網(wǎng)信息辦公室將生成式人工智能定義為“具有文本、圖片、音頻、視頻等內(nèi)容生成能力的模型及相關(guān)技術(shù)”。生成式人工智能技術(shù)可以被廣泛地應(yīng)用于不同領(lǐng)域，具有普遍適用性;能夠通過(guò)不斷的創(chuàng)新和學(xué)習(xí)持續(xù)優(yōu)化，具有進(jìn)步性;能夠促進(jìn)相關(guān)應(yīng)用技術(shù)的創(chuàng)新，具有創(chuàng)新孕育性。可見(jiàn)，生成式人工智能是根據(jù)提示詞自動(dòng)生成響應(yīng)內(nèi)容的人工智能技術(shù)的統(tǒng)稱(chēng)，包括具有內(nèi)容生成能力的模型和相關(guān)技術(shù)，具有普遍適用性、進(jìn)步性和創(chuàng)新性等特征，可用于生成文本、圖片、音頻、視頻等。

在生成式人工智能發(fā)展中，技術(shù)框架內(nèi)各要素協(xié)同發(fā)展和融合創(chuàng)新，是生成式人工智能產(chǎn)業(yè)生態(tài)鏈健康發(fā)展的關(guān)鍵。生成式人工智能技術(shù)框架由基礎(chǔ)層、模型層、能力層和應(yīng)用層組成，如圖1所示。

在上述技術(shù)框架中，基礎(chǔ)層包含硬件設(shè)施、模型生產(chǎn)工具和數(shù)據(jù)資源等核心要素，提供存儲(chǔ)資源、運(yùn)算資源、合規(guī)數(shù)據(jù)和模型訓(xùn)練平臺(tái)等，為模型訓(xùn)練與能力提升提供基礎(chǔ)支持。模型層由文本大模型、視覺(jué)大模型和多模態(tài)大模型等構(gòu)成，用于實(shí)現(xiàn)語(yǔ)言理解、信息抽取、圖像檢測(cè)和因果推斷等任務(wù)處理，支撐上層內(nèi)容生成能力，是生成式人工智能的“大腦”。能力層是生成式人工智能特定任務(wù)能力的實(shí)現(xiàn)，為應(yīng)用層提供音頻生成、代碼生成、跨模態(tài)生成、場(chǎng)景生成、文本生成、圖像生成和視頻生成等能力。應(yīng)用層向用戶(hù)提供面向具體任務(wù)需求的知識(shí)問(wèn)答、摘要生成、文稿撰寫(xiě)和情感分析等功能或服務(wù)。

（三）以大語(yǔ)言模型為代表的生成式人工智能主要特征

作為文本大模型的基礎(chǔ)模型，語(yǔ)言模型是生成式人工智能語(yǔ)言能力的引擎，具有理解和生成人類(lèi)自然語(yǔ)言的能力，能預(yù)測(cè)詞序列的可能性或根據(jù)給定輸入生成新文本。通常，把參數(shù)規(guī)模達(dá)到百億或以上、采用Transformer架構(gòu)的語(yǔ)言模型稱(chēng)為大語(yǔ)言模型（Large Language Model，LLM）。ChatGPT類(lèi)大語(yǔ)言模型向用戶(hù)提供自然語(yǔ)言會(huì)話交互接口，以提示詞作為輸入，使用統(tǒng)計(jì)模型預(yù)測(cè)和輸出響應(yīng)結(jié)果。以大語(yǔ)言模型為代表的生成式人工智能在模型規(guī)模、技術(shù)能力、訓(xùn)練方式和應(yīng)用領(lǐng)域等方面具有顯著的特征。

1. 模型規(guī)模巨大。大語(yǔ)言模型的參數(shù)數(shù)量、訓(xùn)練數(shù)據(jù)集大小等分別達(dá)到或超過(guò)百億、TB量級(jí)規(guī)模，呈現(xiàn)出規(guī)模巨大的特點(diǎn)。語(yǔ)言模型的性能依賴(lài)于模型的規(guī)模，包括參數(shù)數(shù)量、數(shù)據(jù)集大小和計(jì)算量。大語(yǔ)言模型通過(guò)對(duì)海量的、大規(guī)模的語(yǔ)料庫(kù)學(xué)習(xí)，使用巨量參數(shù)抽取和表示人類(lèi)語(yǔ)言規(guī)則及其邏輯關(guān)系，并進(jìn)一步根據(jù)提取到的語(yǔ)言特征生成符合人類(lèi)語(yǔ)言習(xí)慣的新文本。OpenAI公司的GPT-3模型訓(xùn)練數(shù)據(jù)量和模型參數(shù)量分別達(dá)到了5000億標(biāo)記（Tokens）和1750億，華為公司的PanGu-Σ模型參數(shù)量更是達(dá)到1.085萬(wàn)億。

2. 技術(shù)能力強(qiáng)大。大語(yǔ)言模型具有強(qiáng)大的情景學(xué)習(xí)、思維鏈推理和多輪對(duì)話等能力。用戶(hù)發(fā)起新的對(duì)話時(shí)，大語(yǔ)言模型會(huì)將之前的對(duì)話歷史作為上文，再生成一個(gè)下文作為新對(duì)話的響應(yīng)，表現(xiàn)出多輪次對(duì)話和上下文感知能力。大語(yǔ)言模型能把一個(gè)復(fù)雜問(wèn)題分解為多步推理的簡(jiǎn)單問(wèn)題進(jìn)行解決，也能通過(guò)自然指令的學(xué)習(xí)泛化自身能力。

3. 訓(xùn)練方式靈活。ChatGPT類(lèi)大語(yǔ)言模型靈活地采用了預(yù)訓(xùn)練加微調(diào)的訓(xùn)練方式。為了解決數(shù)據(jù)驅(qū)動(dòng)的深度學(xué)習(xí)模型缺少大規(guī)模的標(biāo)注數(shù)據(jù)、人工標(biāo)注代價(jià)大和內(nèi)容生成效果不佳等問(wèn)題，大語(yǔ)言模型先使用大語(yǔ)料庫(kù)對(duì)模型進(jìn)行預(yù)訓(xùn)練，獲得面向通用目的的任務(wù)處理基礎(chǔ)能力后，再通過(guò)來(lái)自人工反饋的強(qiáng)化學(xué)習(xí)（Reinforcement Learning from Human Feedback，RLHF）方法對(duì)特定任務(wù)進(jìn)行模型參數(shù)微調(diào)，達(dá)到提升內(nèi)容生成質(zhì)量的目的。

4. 應(yīng)用領(lǐng)域廣泛。在混合來(lái)源語(yǔ)料庫(kù)上進(jìn)行預(yù)訓(xùn)練的大語(yǔ)言模型捕捉了豐富的多領(lǐng)域知識(shí)，可廣泛應(yīng)用于健康、醫(yī)療保健、教育、法律、金融和科學(xué)研究等領(lǐng)域任務(wù)的處理。ChatGPT能夠處理和生成超過(guò)25種編程語(yǔ)言和超過(guò)100種自然語(yǔ)言文本，提供語(yǔ)言生成、語(yǔ)言翻譯、文本摘要生成、代碼生成、情報(bào)分析等多項(xiàng)服務(wù)。由大語(yǔ)言模型驅(qū)動(dòng)的微軟Office 365 Copilot可以幫助用戶(hù)完成整理會(huì)議摘要、處理郵件等多種任務(wù)。

三、國(guó)產(chǎn)大語(yǔ)言模型的核心能力

及其典型教育應(yīng)用場(chǎng)景

在人工智能領(lǐng)域，大語(yǔ)言模型作為一種典型的生成式人工智能技術(shù)，已經(jīng)在智能制造、生物醫(yī)藥、科技金融、設(shè)計(jì)創(chuàng)意、自動(dòng)駕駛、機(jī)器人等多個(gè)領(lǐng)域進(jìn)行了創(chuàng)新應(yīng)用。星火大模型等國(guó)產(chǎn)大語(yǔ)言模型的發(fā)展引起了國(guó)內(nèi)外學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注，為我國(guó)教育教學(xué)應(yīng)用實(shí)踐提供了有力支持。通過(guò)探討國(guó)產(chǎn)大語(yǔ)言模型的核心能力及其在教育領(lǐng)域的典型應(yīng)用場(chǎng)景，可以進(jìn)一步挖掘其在教育領(lǐng)域的潛力，為提高教育質(zhì)量和培養(yǎng)創(chuàng)新型人才提供新的思路。

（一）核心技術(shù)能力

星火大模型擁有跨領(lǐng)域的知識(shí)和語(yǔ)言理解能力，能夠基于自然對(duì)話方式理解與執(zhí)行任務(wù)，在文本生成、語(yǔ)言理解、知識(shí)問(wèn)答、邏輯推理、數(shù)學(xué)、代碼以及多模交互等核心能力上，凸顯了國(guó)產(chǎn)大語(yǔ)言模型的實(shí)力。

1. 多風(fēng)格、多任務(wù)、長(zhǎng)文本生成能力。該能力具有高度靈活性、實(shí)時(shí)性、個(gè)性化、多語(yǔ)言支持等特點(diǎn)，能夠根據(jù)上下文情境和任務(wù)需求生成不同風(fēng)格、結(jié)構(gòu)和主題的文本內(nèi)容，可以在短時(shí)間內(nèi)快速響應(yīng)需求和生成長(zhǎng)文本，也可以根據(jù)用戶(hù)特征生成個(gè)性化文本，并持續(xù)優(yōu)化文本生成質(zhì)量等。

2. 多層次跨語(yǔ)種語(yǔ)言理解能力。該能力具有高度準(zhǔn)確性、多層次理解、多任務(wù)處理和多語(yǔ)種等特征。能夠理解不同詞語(yǔ)、短語(yǔ)和句子的含義，以及它們之間的語(yǔ)法關(guān)系;可以根據(jù)給定的上下文信息，識(shí)別不同詞語(yǔ)的詞性和用法，理解并解析復(fù)雜語(yǔ)言表達(dá);能夠捕捉對(duì)話或文章邏輯等。

3. 泛領(lǐng)域開(kāi)放式知識(shí)問(wèn)答能力。通過(guò)學(xué)習(xí)訓(xùn)練數(shù)據(jù)中不同領(lǐng)域的知識(shí)和語(yǔ)言模式，星火大模型可以根據(jù)問(wèn)題上下文和語(yǔ)義信息，分析出問(wèn)題結(jié)構(gòu)和意圖，可以回答生活常識(shí)、科學(xué)知識(shí)、工作技巧、醫(yī)學(xué)知識(shí)等不同專(zhuān)業(yè)領(lǐng)域的問(wèn)題。

4. 情境式思維鏈邏輯推理能力。星火大模型能夠通過(guò)推斷、歸納和演繹等方式，根據(jù)給定信息得出一般性的規(guī)律或概念;能夠通過(guò)分析問(wèn)題的前提條件和假設(shè)來(lái)推理出答案或解決方案，并給出新的想法和見(jiàn)解;可以使用已有的數(shù)據(jù)和信息進(jìn)行推斷、預(yù)測(cè)和驗(yàn)證科學(xué)研究中的基本任務(wù)等。

5. 多題型可解析數(shù)學(xué)能力。星火大模型可以理解數(shù)學(xué)概念、公式和定理，運(yùn)用數(shù)學(xué)方法進(jìn)行計(jì)算和推導(dǎo)，包括：根據(jù)數(shù)學(xué)表達(dá)式計(jì)算結(jié)果，理解和執(zhí)行基本的數(shù)學(xué)運(yùn)算;根據(jù)數(shù)學(xué)公式和算法進(jìn)行計(jì)算和推理，處理相對(duì)復(fù)雜的數(shù)學(xué)問(wèn)題;分析數(shù)學(xué)問(wèn)題的結(jié)構(gòu)和關(guān)系，實(shí)現(xiàn)推理和證明。

6. 多功能、多語(yǔ)言代碼能力。星火大模型能夠理解、解析和生成給定任務(wù)描述或要求的、符合語(yǔ)法規(guī)則和語(yǔ)義邏輯的計(jì)算機(jī)程序代碼，如智能生成單行或函數(shù)級(jí)代碼建議，根據(jù)注釋、函數(shù)名自動(dòng)生成代碼;審查拼寫(xiě)、語(yǔ)法、邏輯錯(cuò)誤，比較與修改新老代碼;智能生成目標(biāo)代碼的單元測(cè)試用例等。

7. 多模態(tài)輸入和表達(dá)能力。用戶(hù)與星火大模型交互能實(shí)現(xiàn)虛擬人合成、圖文理解、文圖生成、多模態(tài)交互等多模態(tài)的輸入輸出。當(dāng)用戶(hù)輸入一個(gè)圖像時(shí)，星火大模型可以通過(guò)圖像識(shí)別技術(shù)識(shí)別出圖片的物體、場(chǎng)景等信息，圍繞圖片素材對(duì)用戶(hù)問(wèn)題進(jìn)行響應(yīng);或者根據(jù)用戶(hù)的描述，生成符合期望的音頻或視頻等。

（二）教育領(lǐng)域的典型應(yīng)用場(chǎng)景

星火大模型在文本生成、語(yǔ)言理解、知識(shí)問(wèn)答、邏輯推理等方面的能力在教育領(lǐng)域具有極大的應(yīng)用潛力和價(jià)值。本研究以基于星火大模型形成的教育教學(xué)工具為例，探究生成式人工智能如何賦能師生教學(xué)減負(fù)和提質(zhì)增效。

1. 教學(xué)助手：提高效率、增強(qiáng)效益

（1） 智能化教學(xué)設(shè)計(jì)。借助星火大模型的深層次語(yǔ)言理解、文本生成能力，教學(xué)助手可幫助教師進(jìn)行智能化教學(xué)設(shè)計(jì)。教師將需要進(jìn)行設(shè)計(jì)的課時(shí)、班級(jí)等信息發(fā)送給教學(xué)助手，教學(xué)助手不僅可以給出單元主題、教學(xué)目標(biāo)等教學(xué)設(shè)計(jì)的標(biāo)準(zhǔn)模塊，還能夠智能匹配符合新課標(biāo)的教學(xué)任務(wù)、教學(xué)活動(dòng)，幫助教師智能生成教學(xué)設(shè)計(jì)。基于星火大模型的圖文音、視頻等多模態(tài)資源檢索能力，教學(xué)助手可以智能生成互動(dòng)式教學(xué)課件，還可以智能生成情境圖片、思維導(dǎo)圖，有效提升教師備課效率。通過(guò)星火大模型賦能作業(yè)設(shè)計(jì)、教學(xué)反思、課題靈感、學(xué)生評(píng)語(yǔ)、班會(huì)設(shè)計(jì)、家訪溝通等多場(chǎng)景應(yīng)用，進(jìn)一步減輕教師壓力，解放教師生產(chǎn)力，提高教師工作效率。

（2） 仿真式對(duì)話科普。一方面，利用數(shù)字仿真技術(shù)生成類(lèi)似于真人的虛擬形象，并借助大模型的語(yǔ)言理解和文本生成能力，通過(guò)“角色扮演+場(chǎng)景構(gòu)建”的方式與學(xué)生互動(dòng)，引導(dǎo)學(xué)生提問(wèn)并回答學(xué)生的問(wèn)題，有助于激發(fā)學(xué)生學(xué)習(xí)興趣，提升學(xué)生探索創(chuàng)新能力。另一方面，在對(duì)話過(guò)程中快速識(shí)別學(xué)生提問(wèn)中的關(guān)鍵詞，并基于大模型的邏輯推理能力，結(jié)合過(guò)往問(wèn)答記錄、班級(jí)學(xué)情等準(zhǔn)確理解問(wèn)題，調(diào)用海量科普知識(shí)庫(kù)，給出適切、豐富的回答。

2. 學(xué)習(xí)助手：減輕學(xué)習(xí)負(fù)擔(dān)、提高學(xué)習(xí)效果

（1）類(lèi)人化作文批改。得益于大模型帶來(lái)的深層次語(yǔ)言理解和對(duì)話生成能力的提升，在作文批改方面的批改維度和智能化程度有所提升。在字、詞、句使用正確性等基礎(chǔ)批改之上，可以對(duì)作文進(jìn)行高級(jí)批改，包括篇章結(jié)構(gòu)、寫(xiě)作要素分析等。在批改完成之后，還可以針對(duì)性地給出一些優(yōu)美句式、行文脈絡(luò)等相關(guān)潤(rùn)色建議，并根據(jù)作文題目生成多篇范文，作為教師作文教學(xué)和學(xué)生學(xué)習(xí)參考的素材。

（2）實(shí)時(shí)化口語(yǔ)陪練。依托星火大模型強(qiáng)大的語(yǔ)言理解能力、文本生成能力以及語(yǔ)音交互能力，學(xué)習(xí)機(jī)在口語(yǔ)陪練方面取得新的突破。實(shí)現(xiàn)多場(chǎng)景的自由開(kāi)放式對(duì)話，幫助學(xué)生在真實(shí)情境中鍛煉口語(yǔ)，提升學(xué)生用口語(yǔ)解決生活實(shí)際問(wèn)題的能力。在對(duì)話的過(guò)程中，助手可以實(shí)時(shí)針對(duì)學(xué)生發(fā)音、語(yǔ)法中的錯(cuò)誤給予指正，并在對(duì)話結(jié)束后給出整體的評(píng)價(jià)和優(yōu)化建議。

（3）啟發(fā)式答疑輔導(dǎo)。得益于大模型的邏輯思維和語(yǔ)言理解能力的提升，學(xué)習(xí)機(jī)在答疑輔導(dǎo)方面取得突破。學(xué)習(xí)助手目前可以實(shí)現(xiàn)類(lèi)人“對(duì)話式”的互動(dòng)答疑，通過(guò)由淺入深、層層遞進(jìn)的啟發(fā)式教學(xué)，提高學(xué)生的思考和探究能力，并加深學(xué)生對(duì)知識(shí)點(diǎn)的掌握程度。

3. 心理輔導(dǎo)助手：增強(qiáng)交互體驗(yàn)、疏導(dǎo)心理壓力

借助大模型在智能生成和語(yǔ)言理解方面的能力，心理輔導(dǎo)助手可以通過(guò)類(lèi)人式的自由對(duì)話對(duì)學(xué)生開(kāi)展心理輔導(dǎo)，在增強(qiáng)交互體驗(yàn)的同時(shí)幫助學(xué)生及時(shí)疏導(dǎo)心理壓力，并對(duì)心理風(fēng)險(xiǎn)進(jìn)行預(yù)警;可以根據(jù)學(xué)生提出的問(wèn)題和回答，判斷學(xué)生當(dāng)前的心理狀態(tài)，調(diào)用知識(shí)庫(kù)中的海量心理知識(shí)，對(duì)學(xué)生進(jìn)行針對(duì)性的心理輔導(dǎo);可以通過(guò)智能生成表情包，自適應(yīng)推薦電影、詩(shī)詞、歷史典故等多模態(tài)資源的方式，激發(fā)學(xué)生興趣，幫助學(xué)生快速調(diào)節(jié)心情;可以跟蹤記錄學(xué)生的心理狀態(tài)，并對(duì)其存在的心理風(fēng)險(xiǎn)向教師和家長(zhǎng)進(jìn)行預(yù)警，提醒教師和家長(zhǎng)及時(shí)干預(yù)，避免學(xué)生的心理狀態(tài)進(jìn)一步惡化。

4. 編程助手：助力高效編程教學(xué)、減輕師生負(fù)擔(dān)

借助大模型在語(yǔ)言理解和邏輯思維方面的能力，可為師生提供編程助手。對(duì)學(xué)生來(lái)說(shuō)，編程助手可以對(duì)已有代碼進(jìn)行實(shí)時(shí)注釋?zhuān)瑤椭鷮W(xué)生快速、準(zhǔn)確理解代碼;也可以根據(jù)學(xué)生的文字要求生成對(duì)應(yīng)代碼，并解釋代碼的原理，幫助學(xué)生掌握代碼生成的邏輯和方法。同時(shí)，學(xué)生還可以選擇助手的內(nèi)置題庫(kù)進(jìn)行個(gè)人練習(xí)，編程助手會(huì)針對(duì)學(xué)生的代碼進(jìn)行便捷準(zhǔn)確的檢錯(cuò)、查錯(cuò)、糾錯(cuò)，幫助學(xué)生完成個(gè)人編程能力水平檢測(cè)。對(duì)教師來(lái)說(shuō)，編程助手可以幫助教師自動(dòng)化批改學(xué)生提交的程序，逐行給出詳細(xì)批注與優(yōu)化建議，評(píng)估代碼程序在語(yǔ)法性、邏輯性、穩(wěn)定性以及規(guī)范性四類(lèi)維度上的綜合表現(xiàn)，最終生成綜合性評(píng)語(yǔ)與評(píng)級(jí)。

四、生成式人工智能助力重塑未來(lái)教育形態(tài)

生成式人工智能在技術(shù)邏輯、技術(shù)成果、技術(shù)意義等多個(gè)方面實(shí)現(xiàn)了重大的技術(shù)突破和技術(shù)變革，為教育數(shù)字化轉(zhuǎn)型帶來(lái)了新機(jī)遇和新驅(qū)力。生成式人工智能與未來(lái)教育的深度融合，將重塑人類(lèi)教育與學(xué)習(xí)形態(tài)，具體表現(xiàn)在教育主體關(guān)系、教育環(huán)境、教育資源、教學(xué)方式、教育評(píng)價(jià)和倫理治理等方面。

（一）推動(dòng)人機(jī)協(xié)同走向人機(jī)共生，促進(jìn)教育主體關(guān)系轉(zhuǎn)變

生成式人工智能推動(dòng)人類(lèi)與機(jī)器合作協(xié)同，走向人機(jī)共生。人機(jī)共生是人機(jī)協(xié)同的更高級(jí)階段，意味著人類(lèi)與機(jī)器之間“取長(zhǎng)補(bǔ)短”，機(jī)器對(duì)于人類(lèi)智能不是簡(jiǎn)單的輔助、增強(qiáng)，而是充分發(fā)揮融合潛能，實(shí)現(xiàn)更深入、更高層次的交互、協(xié)作與共融，將人類(lèi)智能與機(jī)器智能有效協(xié)調(diào)、有機(jī)融合為智能整體，形成1+1>2的效果。一方面，生成式人工智能促使人類(lèi)與機(jī)器的關(guān)系性質(zhì)發(fā)生改變，兩者共同生長(zhǎng)并在交叉迭代升級(jí)過(guò)程中相互啟發(fā)和賦能，共同創(chuàng)造生成新的教育內(nèi)容增長(zhǎng)點(diǎn)。另一方面，人類(lèi)與機(jī)器的不斷發(fā)展深化和高層次互動(dòng)也將持續(xù)生成新的數(shù)據(jù)語(yǔ)料，以人腦啟發(fā)類(lèi)腦，賦能人工智能算法，深入解析人機(jī)關(guān)系交互的教育計(jì)算和神經(jīng)認(rèn)知機(jī)理，從而引起群體智能的涌現(xiàn)。

生成式人工智能促進(jìn)教育主體關(guān)系從“師—生”向“師—生—機(jī)”轉(zhuǎn)變。隨著機(jī)器智能化水平的不斷提升，傳統(tǒng)“師—生”之間的二元主體關(guān)系逐漸被打破，構(gòu)筑起基于“師—生—機(jī)”的三元主體結(jié)構(gòu)。一方面，生成式人工智能對(duì)于師生主體具有賦能作用，如可以扮演虛擬專(zhuān)家、智能助教、數(shù)據(jù)分析助手等角色助力教師專(zhuān)業(yè)發(fā)展，也可以扮演智能導(dǎo)師、口語(yǔ)學(xué)伴、辯論對(duì)手等角色促進(jìn)學(xué)生個(gè)性化成長(zhǎng)，實(shí)現(xiàn)“師師有助教，生生有學(xué)伴”。另一方面，師生主體要積極擁抱“機(jī)器”主體，首先，應(yīng)“學(xué)人工智能”，了解生成式人工智能的基本原理和應(yīng)用場(chǎng)景，提升技術(shù)應(yīng)用能力;其次，要“用人工智能”，師生掌握合理使用生成式人工智能的方法，實(shí)現(xiàn)技術(shù)的科學(xué)賦能;最后，要“與人工智能一起學(xué)”，在借助生成式人工智能提升教學(xué)效果的同時(shí)，引導(dǎo)技術(shù)適應(yīng)性發(fā)展，實(shí)現(xiàn)雙向互構(gòu)、深度融合。

（二）加快研發(fā)教育專(zhuān)有大模型，智能升級(jí)信息化教育環(huán)境

教育專(zhuān)有大模型是生成式人工智能賦能教育數(shù)字化轉(zhuǎn)型的必然選擇。雖然通用的大語(yǔ)言模型對(duì)于教育領(lǐng)域的變革與轉(zhuǎn)型具有重要的價(jià)值，但大語(yǔ)言模型在教育場(chǎng)景融合應(yīng)用要求更高的知識(shí)準(zhǔn)確度、更可控的意識(shí)形態(tài)與安全性和更適切的面向?qū)W科學(xué)段的使用方式與內(nèi)容生成。而將未經(jīng)專(zhuān)業(yè)教育數(shù)據(jù)集特定訓(xùn)練的現(xiàn)有大語(yǔ)言模型應(yīng)用于教育領(lǐng)域，存在算法、數(shù)據(jù)上的偏誤問(wèn)題，可能會(huì)影響教師和學(xué)生的學(xué)術(shù)判斷和決策，產(chǎn)生的知識(shí)之間可能存在缺乏明確的聯(lián)系或結(jié)構(gòu)的問(wèn)題，也可能會(huì)導(dǎo)致對(duì)話內(nèi)容歧視、特定人群歧視等問(wèn)題。因此，建設(shè)和應(yīng)用高質(zhì)量、面向教育領(lǐng)域的數(shù)據(jù)訓(xùn)練教育專(zhuān)有大模型，減少內(nèi)容創(chuàng)作偏見(jiàn)，提高教育知識(shí)生成的準(zhǔn)確度、學(xué)科學(xué)段的適切度和意識(shí)形態(tài)的可控性與安全性，是生成式人工智能賦能教育數(shù)字化轉(zhuǎn)型的必由之路。

教育專(zhuān)有大模型加快推動(dòng)信息化教學(xué)環(huán)境智能升級(jí)。在通用模型基礎(chǔ)上構(gòu)建教育專(zhuān)有大模型，賦能教學(xué)平臺(tái)、工具應(yīng)用和產(chǎn)品智能化升級(jí)，為教育數(shù)字化實(shí)踐落地與成效發(fā)揮提供可靠的環(huán)境支撐。如基于教育專(zhuān)有大模型的多輪對(duì)話和場(chǎng)景生成能力升級(jí)語(yǔ)言學(xué)習(xí)工具，可實(shí)現(xiàn)口語(yǔ)智能評(píng)測(cè)和語(yǔ)法精準(zhǔn)糾錯(cuò)，打造數(shù)字虛擬人自由對(duì)話情境，大幅提升語(yǔ)言學(xué)習(xí)工具的有效性、易用性;基于專(zhuān)有大模型多模態(tài)能力升級(jí)教學(xué)工具，可打造語(yǔ)音交互數(shù)據(jù)分析助手，實(shí)現(xiàn)通過(guò)語(yǔ)音指令輸入數(shù)據(jù)分析的需求，智能生成課堂教學(xué)質(zhì)量報(bào)告、學(xué)生學(xué)情報(bào)告等內(nèi)容，提高教學(xué)工具和產(chǎn)品的智能性等，為提升教學(xué)效率和質(zhì)量提供智能化技術(shù)環(huán)境保障。

（三）賦能生成式教學(xué)資源供給，創(chuàng)新優(yōu)質(zhì)資源個(gè)性化配置

教學(xué)資源生產(chǎn)方式從人工創(chuàng)造轉(zhuǎn)向智能生成。數(shù)字資源是教育數(shù)字化的重要要素，當(dāng)前我國(guó)數(shù)字化教學(xué)資源開(kāi)發(fā)整體呈現(xiàn)出多方開(kāi)發(fā)主體協(xié)同、多類(lèi)用戶(hù)參與、多種共享模式共存的資源開(kāi)發(fā)特色，但也存在優(yōu)質(zhì)資源體量還不夠大、資源類(lèi)型還不夠豐富、資源開(kāi)發(fā)效率有待提高、資源質(zhì)量難以完全得到保證等瓶頸。生成式人工智能所表現(xiàn)出的對(duì)于內(nèi)容生成的快速性、同步性、多端性智能生成能力，有望通過(guò)人機(jī)協(xié)同參與資源開(kāi)發(fā)以解決當(dāng)前瓶頸問(wèn)題，推進(jìn)教育資源開(kāi)發(fā)的批量化、海量化、高效化，將人力投入轉(zhuǎn)向科學(xué)把控與創(chuàng)意生成中。

智能時(shí)代，教學(xué)資源獲取方式從“人找資源”轉(zhuǎn)向“資源找人”。當(dāng)前，網(wǎng)絡(luò)上的數(shù)字教學(xué)資源存在質(zhì)量參差不齊、資源之間的邏輯關(guān)系不明確、資源供給機(jī)制不完善等問(wèn)題，給教學(xué)資源的檢索、篩選和利用帶來(lái)了極大挑戰(zhàn)，也給師生造成了嚴(yán)重的認(rèn)知負(fù)荷。在教育數(shù)字化實(shí)踐中，如何從注重教學(xué)資源的生成轉(zhuǎn)向面向師生需求和資源定制化服務(wù)成為用戶(hù)關(guān)注的焦點(diǎn)。生成式人工智能不同于搜索引擎所提供的資源檢索，而是通過(guò)對(duì)數(shù)字教學(xué)資源的智能化聚合和重組，生成有較好結(jié)構(gòu)框架和語(yǔ)義邏輯的文本結(jié)果并進(jìn)行精準(zhǔn)化推送，教學(xué)資源獲取方式從被動(dòng)分發(fā)到主動(dòng)推薦，實(shí)現(xiàn)需求驅(qū)動(dòng)、個(gè)性化資源服務(wù)。

（四）重塑智能化教與學(xué)方式，增強(qiáng)師生有效教學(xué)新動(dòng)能

激發(fā)教學(xué)創(chuàng)新潛能，助力教師教學(xué)減負(fù)和提質(zhì)增效。當(dāng)前，教師在工作實(shí)踐中存在繁重的備、授課及相關(guān)工作壓力和數(shù)字化轉(zhuǎn)型下掌握新技術(shù)、新設(shè)備所面臨的技術(shù)門(mén)檻雙重壓力，亟需有效的方法加以解決。生成式人工智能高質(zhì)量的內(nèi)容生成能力貼合了教師日常工作需求，在教學(xué)設(shè)計(jì)、課堂教學(xué)、課后輔導(dǎo)、作業(yè)設(shè)計(jì)與批改等教學(xué)環(huán)節(jié)均能提供支持，如一鍵生成教案和課件、拓展課堂知識(shí)內(nèi)容、啟發(fā)學(xué)生自主探索、自動(dòng)提煉學(xué)生作文要點(diǎn)進(jìn)行批改等，減輕了教師日常工作負(fù)擔(dān)。同時(shí)，生成式人工智能降低了人機(jī)交互的難度，使用網(wǎng)絡(luò)平臺(tái)即可開(kāi)展對(duì)話交互，解決了教師技術(shù)壓力的問(wèn)題。

創(chuàng)新對(duì)話式學(xué)習(xí)方式，促進(jìn)學(xué)生個(gè)性化學(xué)習(xí)和高階思維培養(yǎng)。《基礎(chǔ)教育課程教學(xué)改革深化行動(dòng)方案》明確提出要推進(jìn)“數(shù)字化賦能教學(xué)質(zhì)量提升”行動(dòng)，強(qiáng)調(diào)構(gòu)建數(shù)字化背景下的新型學(xué)習(xí)模式，學(xué)習(xí)模式逐漸從標(biāo)準(zhǔn)化走向個(gè)性化，從被動(dòng)接受走向主動(dòng)探究，從供給側(cè)走向適需。生成式人工智能可以發(fā)揮其對(duì)話式交互特性，從與學(xué)生的多輪對(duì)話中挖掘?qū)W習(xí)情境和任務(wù)要求，形成文本、圖像、視頻、音頻等多形態(tài)的學(xué)習(xí)材料，為學(xué)生學(xué)習(xí)提供支持。同時(shí)，還可以基于學(xué)生的學(xué)習(xí)水平、學(xué)習(xí)風(fēng)格、知識(shí)背景等特征，向?qū)W生推薦適合的學(xué)習(xí)路徑和學(xué)習(xí)任務(wù)，生成定制化的學(xué)習(xí)支架，提高學(xué)生的協(xié)作、創(chuàng)造和批判性思維能力，激發(fā)學(xué)生學(xué)習(xí)動(dòng)機(jī)和潛能，實(shí)現(xiàn)更高水平的個(gè)性化學(xué)習(xí)。

（五）強(qiáng)化素養(yǎng)導(dǎo)向評(píng)價(jià)理念，深化多元協(xié)作評(píng)價(jià)方式

在評(píng)價(jià)理念上，進(jìn)一步強(qiáng)化從知識(shí)本位向“知識(shí)+素養(yǎng)”本位的轉(zhuǎn)變。教育評(píng)價(jià)對(duì)于教育發(fā)展具有重要的導(dǎo)向作用，面向數(shù)字社會(huì)人才培養(yǎng)需求，教育的目標(biāo)是培養(yǎng)能獨(dú)立思考并有正確價(jià)值觀和判斷力的人，發(fā)展核心素養(yǎng)，而不是獲取和記憶特定的知識(shí)，因此要樹(shù)立“知識(shí)+素養(yǎng)”的評(píng)價(jià)理念。生成式人工智能強(qiáng)大的信息整合能力加速了信息獲取和知識(shí)傳授的過(guò)程，傳統(tǒng)知識(shí)評(píng)價(jià)難以應(yīng)對(duì)信息過(guò)載下的現(xiàn)實(shí)需求，在評(píng)價(jià)實(shí)踐中要關(guān)注學(xué)生的信息應(yīng)用能力和高階思維能力發(fā)展，構(gòu)建更加全面的綜合素養(yǎng)評(píng)價(jià)體系。同時(shí)，生成式人工智能可以回答的陳述性知識(shí)本身并不應(yīng)該是評(píng)價(jià)重點(diǎn)，真正有效的學(xué)習(xí)與考核內(nèi)容應(yīng)該具備高階性與開(kāi)放性，應(yīng)與真實(shí)的問(wèn)題情境相關(guān)，并注重考查學(xué)生的創(chuàng)新意識(shí)與能力。

在評(píng)價(jià)內(nèi)容和方式上，“人際+人機(jī)”協(xié)作的方式助力綜合性評(píng)價(jià)。針對(duì)傳統(tǒng)評(píng)價(jià)多采用結(jié)果性評(píng)價(jià)、依賴(lài)評(píng)價(jià)者個(gè)人經(jīng)驗(yàn)、評(píng)價(jià)反饋不及時(shí)且方式單一等問(wèn)題，生成式人工智能為評(píng)價(jià)改進(jìn)提供了新的賦能手段，強(qiáng)調(diào)人際合作、人機(jī)協(xié)同的綜合評(píng)價(jià)。在評(píng)價(jià)內(nèi)容方面，固定式的知識(shí)問(wèn)答轉(zhuǎn)變?yōu)殚_(kāi)放式的問(wèn)題解決，學(xué)生將通過(guò)“人際+人機(jī)”的多方互動(dòng)溝通協(xié)作形成綜合解決方案，從而使傳統(tǒng)以試卷為主的結(jié)果評(píng)價(jià)變成情境化、問(wèn)題式的綜合型評(píng)價(jià)。在評(píng)價(jià)方式方面，生成式人工智能發(fā)揮其動(dòng)態(tài)性、多模態(tài)和伴隨式等特征，在師生、生生等人際評(píng)價(jià)上增加了機(jī)器評(píng)價(jià)的輔助，可以在持續(xù)的人機(jī)交互對(duì)話中進(jìn)行數(shù)據(jù)采集、自動(dòng)化內(nèi)容批改和評(píng)價(jià)，綜合分析學(xué)生的學(xué)習(xí)情況和表現(xiàn)。

（六）統(tǒng)籌智能教育應(yīng)用創(chuàng)新，推動(dòng)人工智能向善發(fā)展

為了更好地鼓勵(lì)和促進(jìn)技術(shù)革新與有效應(yīng)用，需建立包容創(chuàng)新、安全可控、審慎發(fā)展的政策和制度環(huán)境。在國(guó)際社會(huì)，日本文部科學(xué)省于2023年7月率先發(fā)布了《初等中等教育階段生成式人工智能利用暫行指南》《在大學(xué)和技術(shù)學(xué)院的教育方面處理生成式人工智能》等相關(guān)政策，對(duì)生成式人工智能在教育領(lǐng)域的角色定位及應(yīng)用方式作出了說(shuō)明。我國(guó)也積極推進(jìn)教育大模型相關(guān)政策標(biāo)準(zhǔn)的制定，如2023年4月，中國(guó)信息通信研究院正式啟動(dòng)教育大模型標(biāo)準(zhǔn)編制，為教育大模型應(yīng)用落地提供參考與指導(dǎo);2023年7月，全國(guó)信息技術(shù)標(biāo)準(zhǔn)化委員會(huì)等發(fā)布相關(guān)研究成果，提出構(gòu)建教育通用人工智能大模型標(biāo)準(zhǔn)體系。

倫理先行的治理框架初步構(gòu)建，推動(dòng)生成式人工智能向善發(fā)展。在技術(shù)不斷發(fā)展的過(guò)程中，國(guó)內(nèi)外積極推動(dòng)人工智能治理進(jìn)程，制定了一系列倫理及道德規(guī)范。聯(lián)合國(guó)教科文組織于2023年先后發(fā)布、，提出生成式人工智能可能帶來(lái)數(shù)字鴻溝加劇、知識(shí)產(chǎn)權(quán)受侵犯、隱私數(shù)據(jù)泄露和生成內(nèi)容偏誤等風(fēng)險(xiǎn)，建議在教育中使用生成式人工智能要規(guī)劃適當(dāng)?shù)姆ㄒ?guī)、政策和人力發(fā)展計(jì)劃。2023年7月，中國(guó)國(guó)家互聯(lián)網(wǎng)信息辦公室發(fā)布《生成式人工智能服務(wù)管理暫行辦法》，提出提供和使用生成式人工智能服務(wù)的具體管理要求。因此，在教育中使用生成式人工智能要制定適當(dāng)?shù)恼吆蛡惱硪?guī)范，建立風(fēng)險(xiǎn)防范機(jī)制，加強(qiáng)倫理治理和技術(shù)監(jiān)管，引導(dǎo)和規(guī)范人工智能技術(shù)向上、向善發(fā)展，以確保生成式人工智能成為一種真正造福教育工作者和學(xué)習(xí)者的工具。

五、結(jié) ??語(yǔ)

生成式人工智能的快速發(fā)展為教育數(shù)字化轉(zhuǎn)型發(fā)展帶來(lái)了新驅(qū)力。本文分析了生成式人工智能的發(fā)展現(xiàn)狀及內(nèi)涵特征，以星火大模型為典型案例闡述了國(guó)內(nèi)中文語(yǔ)言大模型的技術(shù)能力和多種技術(shù)應(yīng)用場(chǎng)景，討論了生成式人工智能助力教育主體、環(huán)境、資源、教學(xué)、評(píng)價(jià)及倫理治理等方面變革的趨勢(shì)。隨著生成式人工智能?chē)?guó)產(chǎn)化進(jìn)程的不斷加速，在教育領(lǐng)域的應(yīng)用不斷深入，將帶來(lái)新的機(jī)遇和挑戰(zhàn)。例如教育場(chǎng)景的育人目標(biāo)在知識(shí)準(zhǔn)確度、意識(shí)形態(tài)可控性等方面的高要求，對(duì)于教育專(zhuān)有大模型的建設(shè)需求更為緊迫;依托生成式人工智能的創(chuàng)新性?xún)?nèi)容生成、對(duì)話情境理解、邏輯語(yǔ)言處理等核心能力，如何引入問(wèn)題式、對(duì)話式教學(xué)更好培養(yǎng)學(xué)生的創(chuàng)新能力和問(wèn)題解決能力;基于大模型如何開(kāi)展以人的發(fā)展為中心、“人際+人機(jī)”協(xié)作的綜合評(píng)價(jià);人工智能快速發(fā)展應(yīng)用帶來(lái)的倫理風(fēng)險(xiǎn)，如何有效防范、確保科技向善發(fā)展等。這些新場(chǎng)景、新問(wèn)題需要技術(shù)專(zhuān)家、教育專(zhuān)家和廣大一線教育工作者認(rèn)真關(guān)注，協(xié)同研究和創(chuàng)新，充分發(fā)揮人工智能技術(shù)最新發(fā)展優(yōu)勢(shì)，共創(chuàng)未來(lái)教育新形態(tài)。

[參考文獻(xiàn)]

[1] 嚴(yán)昊，劉禹良，金連文，等.類(lèi)ChatGPT大模型發(fā)展、應(yīng)用和前景[J].中國(guó)圖象圖形學(xué)報(bào)，2023，28（9）：2749-2762.

[2] 何哲，曾潤(rùn)喜，秦維，等.ChatGPT等新一代人工智能技術(shù)的社會(huì)影響及其治理[J].電子政務(wù)，2023（4）：2-24.

[3] 喻國(guó)明，劉彧晗.理解生成式AI：對(duì)一個(gè)互聯(lián)網(wǎng)發(fā)展史上標(biāo)志性節(jié)點(diǎn)的審視[J].傳媒觀察，2023（9）：36-44.

[4] 經(jīng)濟(jì)觀察網(wǎng).11家AI大模型產(chǎn)品今日起將陸續(xù)上線，騰訊華為訊飛等也將開(kāi)放[EB/OL].（2023-08-31）[2023-09-21]. http：//www.eeo.com.cn/2023/0831/603409.shtml.

[5] 鳳凰網(wǎng).實(shí)至名歸！訊飛星火被MIT科技評(píng)論評(píng)為“最聰明”的國(guó)產(chǎn)大模型[EB/OL]. （2023-08-18）[2023-09-21]. https：//baby.ifeng.com/c/8SLxZRmpFPv.

[6] 肖君，白慶春，陳沫，等.生成式人工智能賦能在線學(xué)習(xí)場(chǎng)景與實(shí)施路徑[J].電化教育研究，2023，44（9）：57-63，99.

[7] 陳亮，吳攀，劉韻婷，等.生成對(duì)抗網(wǎng)絡(luò)GAN的發(fā)展與最新應(yīng)用[J].電子測(cè)量與儀器學(xué)報(bào)，2020，34（6）：70-78.

[8] CAO Y， LI S， LIU Y， et al. A comprehensive survey of AI-Generated Content （AIGC）： a history of generative AI from GAN to ChatGPT[EB/OL]. （2023-03-07）[2023-09-21]. https：//arxiv.org/pdf/2303.04226.pdf.

[9] OpenAI. Introducing ChatGPT [EB/OL]. [2023-09-21]. https：//openai.com/blog/chatgpt.

[10] 中國(guó)網(wǎng)信網(wǎng).生成式人工智能服務(wù)管理暫行辦法[EB/OL]. （2023-07-13）[2023-09-21]. http：//www.cac.gov.cn/2023-07/13/c_1690898327029107.htm.

[11] MIAO F C， HOLMES W. Guidance for generative AI in education and research[EB/OL]. [2023-09-21].https：//unesdoc.unesco.org/ark：/48223/pf0000386693.

[12] 陳永偉.作為GPT的GPT——新一代人工智能的機(jī)遇與挑戰(zhàn)[J].財(cái)經(jīng)問(wèn)題研究，2023（6）：41-58.

[13] 沙利文.AI大模型市場(chǎng)研究報(bào)告（2023）——邁向通用人工智能，大模型拉開(kāi)新時(shí)代序幕[EB/OL]. （2023-04-26）[2023-09-21]. https：//img.frostchina.com//attachment/16871040/3NsDdkbtMm5VWZXhxG8bm5.pdf.

[14] 清華大學(xué)新聞與傳播學(xué)院元宇宙文化實(shí)驗(yàn)室.AIGC發(fā)展研究（1.0版 修訂號(hào)0.92）[EB/OL]. （2023-07-28）[2023-09-21]. https：//new.qq.com/rain/a/20230728A07DV600.

[15] CHANG Y， WANG X， WANG J， et al. A survey on evaluation of large language models[EB/OL].（2023-08-28）[2023-09-21]. https：//arxiv.org/pdf/2307.03109.pdf.

[16] ZHAO W X， ZHOU K， LI J， et al. A survey of large language models[EB/OL]. （2023-06-29）[2023-09-21]. https：//arxiv.org/pdf/2303.18223.pdf.

[17] KAPLAN J， MCCANDLISH S， HENIGHAN T， et al. Scaling laws for neural language models[EB/OL].（2020-01-23）[2023-09-21]. https：//arxiv.org/pdf/2001.08361.pdf.

[18] 徐月梅，胡玲，趙佳藝，等.大語(yǔ)言模型的技術(shù)應(yīng)用前景與風(fēng)險(xiǎn)挑戰(zhàn)[J/OL].計(jì)算機(jī)應(yīng)用：1-10. [2023-09-21]. http：//kns.cnki.net/kcms/detail/51.1307.TP.20230911.1048.006.html.

[19] 桑基韜，于劍.從ChatGPT看AI未來(lái)趨勢(shì)和挑戰(zhàn)[J].計(jì)算機(jī)研究與發(fā)展，2023，60（6）：1191-1201.

[20] 邱錫鵬.解剖大型語(yǔ)言模型：原理、應(yīng)用及影響[J].探索與爭(zhēng)鳴，2023（5）：10-12.

[21] 盧經(jīng)緯，郭超，戴星原，等.問(wèn)答ChatGPT之后：超大預(yù)訓(xùn)練模型的機(jī)遇和挑戰(zhàn)[J].自動(dòng)化學(xué)報(bào)，2023，49（4）：705-717.

[22] 郭小東.生成式人工智能的風(fēng)險(xiǎn)及其包容性法律治理[J].北京理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023（9）：1-18.

[23] 劉三女牙.人工智能+教育的融合發(fā)展之路[J].國(guó)家教育行政學(xué)院學(xué)報(bào)，2022（10）：7-10.

[24] 夏立新.ChatGPT對(duì)教育的多重變[J].國(guó)家教育行政學(xué)院學(xué)報(bào)，2023（3）：9-12.

[25] 張絨.生成式人工智能技術(shù)對(duì)教育領(lǐng)域的影響——關(guān)于ChatGPT的專(zhuān)訪[J].電化教育研究，2023，44（2）：5-14.

[26] 楊宗凱，王俊，吳砥，等.ChatGPT/生成式人工智能對(duì)教育的影響探析及應(yīng)對(duì)策略[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2023，41（7）：26-35.

[27] 祝智庭，戴嶺，胡姣.AIGC技術(shù)賦能高等教育數(shù)字化轉(zhuǎn)型的新思路[J].中國(guó)高教研究，2023（6）：12-19，34.

[28] 朱永新，楊帆.ChatGPT/生成式人工智能與教育創(chuàng)新：機(jī)遇、挑戰(zhàn)以及未來(lái)[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2023，41（7）：1-14.

[29] 萬(wàn)力勇，杜靜，熊若欣.人機(jī)共創(chuàng)：基于AIGC的數(shù)字化教育資源開(kāi)發(fā)新范式[J].現(xiàn)代遠(yuǎn)程教育研究，2023，35（5）：1-10.

[30] 余勝泉，汪凡淙.數(shù)字化課程資源的特征、分類(lèi)與管理[J].大學(xué)與學(xué)科，2022，3（4）：66-81.

[31] 王一巖，朱陶，鄭永和.智能教育產(chǎn)品助推教育數(shù)字化轉(zhuǎn)型：價(jià)值定位、實(shí)踐邏輯與推進(jìn)策略[J].現(xiàn)代教育技術(shù)，2023，33（7）：16-24.

[32] 郝磊，溫志強(qiáng)，王妃，等.ChatGPT類(lèi)人工智能催生的多領(lǐng)域變革與挑戰(zhàn)（筆談）[J].天津師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023（4）：8-23.

[33] 戴嶺，祝智庭.教育數(shù)字化轉(zhuǎn)型的邏輯起點(diǎn)、目標(biāo)指向和行動(dòng)路徑[J].中國(guó)教育學(xué)刊，2023（7）：14-20.

[34] 祝智庭，戴嶺.設(shè)計(jì)智慧驅(qū)動(dòng)下教育數(shù)字化轉(zhuǎn)型的目標(biāo)向度、指導(dǎo)原則和實(shí)踐路徑[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2023，41（3）：12-24.

[35] 鄭燕林，任維武.實(shí)踐觀視域下ChatGPT教學(xué)應(yīng)用的路徑選擇[J].現(xiàn)代遠(yuǎn)距離教育，2023（2）：3-10.

Generative Artificial Intelligence and the Reshaping of Future Education： Technical Framework， Capability Characteristics and Application Trends

LIU Bangqi， ?NIE Xiaolin， ?WANG Shijin， ?YUAN Tingting， ?ZHU Hongjun， ?ZHAO Ziqi，

ZHU Guangmao

（1.iFLYTEK Educational Technology Institute， Hefei Anhui 230088;

2.School of Educational Technology， Northwest Normal University， Lanzhou Gansu 730070;

3.iFLYTEK CO.， Ltd. ， Hefei Anhui 230088）

[Abstract]?In recent years， with the development of pre-training technology and the improvement of computing hardware， generative artificial intelligence （AI） has made remarkable breakthroughs. The excellent capabilities it exhibits， such as intelligent emergence， strong cognition， and high versatility have brought new opportunities and driving forces for the digitalization and intelligent development of education， which will lead to the change and reshaping of the future form of education. This paper introduces the new developments of generative AI technology， analyzes its connotations， technical framework， and main features. Taking the iFlytek Spark as an example， this paper analyzes the core capabilities of generative AI represented by domestic big language model and its typical educational application scenarios， and finds that the big language model's abilities in text generation， language understanding， knowledge quiz， logical reasoning， etc. have great application potential and value in the field of education. The deep application of generative AI in the field of education will promote the transformation of the relationship among educational subjects， the intelligent upgrading of educational environments， the innovative supply of educational resources， the reshaping of intelligent teaching methods， the change of evaluation concepts and methods， and the ethical governance of intelligent education， all of which will help to reshape the form of human education and?learning.

[Keywords]?Generative AI; Form of Education; Digital Transformation of Education; iFLYTEK Spark; Application Scenarios; Development Trends