将AI融入高等教育的挑战与解决思路

摘要：随着生成式人工智能技术（以下简称生成式AI）和云计算技术的发展，以通用大模型技术为新兴增长点的创新技术正在推动高校教育向数字化、智能型、深层次变革。近年来，生成式AI在文生文、文生图以及文生视频等方面展现出惊人的能力，尤其是以OpenAI推出的ChatGPT语

随着生成式人工智能技术（以下简称生成式AI）和云计算技术的发展，以通用大模型技术为新兴增长点的创新技术正在推动高校教育向数字化、智能型、深层次变革。近年来，生成式AI在文生文、文生图以及文生视频等方面展现出惊人的能力，尤其是以OpenAI推出的ChatGPT语言生成模型、DALL·E3图像生成模型以及Sora视频生成模型等为代表的新一代生成式AI大模型，一经上线便引起国内外科技领域的广泛关注，并有望进一步对全球的经济社会、文化教育等的未来发展和组织结构造成巨大冲击。高校作为培养高端人才、推动新兴技术科研创新的重要平台，生成式AI的发展及应用将可能引起高校在人才培养、院校治理、科学研究等领域的变革。因此，生成式AI在高校的智能化应用具有重要的研究价值。

高校智能化发展的必要性

高校的科学研究和人才培养工作应当紧盯科技发展前沿、适应时代发展需求，当前生成式AI在语言关联理解、自主迭代学习、跨域知识交叉融合转换思考方面呈现出极强的智能性，这与高校开展科学研究和人才培养工作的方向相契合。因此，高校有必要探究并紧紧把握生成式AI引发高等教育范式变革的内在逻辑，积极推动生成式AI革新高等教育模式。

高校智能化发展是高校在智能化时代背景下适应社会发展的前提条件。智能化时代以大数据、云计算、人工智能等技术为核心，正在深刻改变着社会结构和普通大众的生活方式。高校作为社会的重要组成部分，同时也作为智能化技术的主要创造者，必须拥抱人工智能技术，转型适应智能化时代的发展需求，同时抓住机会提升高校的教学质量和科研水平。

高校智能化发展可大幅提升高校自身竞争力，满足学生个性化发展需求。高校竞争力主要取决于高校的教学、科研和管理水平，通过引入先进的人工智能技术手段优化教学流程、提高科研效率、改进管理模式，可以进一步增强其核心竞争力。同时，随着智能化时代的到来，学生因材施教的教育需求日益凸显，引入人工智能技术可有效助力教师理解学生的个性化需求，学校教务部门可依据学生的个性化需求建立教学平台和学习系统，提供更加及时、丰富、多元的学习资源。

高校智能化发展有助于推动高校自身未来发展革新。由于生成式AI的发展，未来高等教育中的学科专业设置及授课内容都将受到强烈的冲击，高校必须立足自身，围绕人工智能技术主动求变。比如：在人才培养上，在语言翻译、平面设计等课程中引入人工智能技术辅助人才培养；在科学研究中，利用智能化工具帮助科研人员高效开展数据分析和模型构建等；在院校管理上，通过智能化系统实时监控教学训练保障条件设施，优化配置资源。

高校智能化发展

面临的主要矛盾问题

生成式AI严苛的发展环境以及强大的多模态生成能力，使得高校在转向智能化发展进程中存在一定的客观困难和认知偏差。

高校数据资源基础薄弱与生成式AI所需软硬件基础要求高的矛盾。生成式AI离不开大规模海量数据和硬件开发平台的支撑，要搞好智能化发展，首先是打牢高校自身数据资源建设的软基础，为生成式AI 应用提供数据保障，包括统一的数字化建设目标、合理的业务流程结构、技术过硬的数字团队等；其次是建设好支撑人工智能应用运行的硬件基础平台。

然而，众多高校在推进数据资源建设中存在的诸多矛盾极大迟滞了高校智能化发展步伐，例如学校对数字化建设发展缺乏顶层设计、高校管理结构与数字化业务流程不匹配、业务部门应用系统繁杂且相对独立、业务数据规模大且数据质量低、软硬件平台建设投入和技术力量不足、新技术应用对传统教学模式的冲击、全数据资源利用与数据隐私安全不足等。这些问题将严重影响数字化转型进程，同时也间接制约高校教育质量和管理水平。

高校师资队伍的智能素养薄弱、对学科未来发展路径以及谋划的前瞻性不足。当前以ChatGPT、DALL·E3以及Sora等生成式人工智能模型为代表的创新技术已引起各行业领域的高度关注，教育部也组织开展“人工智能+”行动战略部署，积极推动“人工智能+高等教育”。但在高校目前的教学培养模式中，各学科人才培养体系相对独立、跨学科交叉融合率低，由于存在技术壁垒，非AI专业师生对生成式AI理解浅表化、片面化，难以将其有效融入具体教学实践和应用场景中。另外，生成式AI的发展将对语言学、心理学、新闻传播学、计算机科学与技术等专业以及艺术设计类专业产生较大冲击，现有课堂教学模式可能将会被推翻。

同时，人工智能技术的发展会催生一大批新的社会岗位需求，高校必须超前谋划研究调整适配社会发展需求的学科专业结构，主动求变，探索如何将教学科研与人工智能相结合，合理制定适应未来发展的学科建设路径。

先进的多模态生成式AI将对高校学术道德问题产生剧烈冲击。生成式AI以其超强的数据处理和学习推理能力，为学术研究带来前所未有的便利。“美国2023年1月调查显示，有89%的大学生都用 ChatGPT做作业”，这一调查结果表明生成式AI将对高校现有的人才培养体系造成影响，给人才培养质量以及学术诚信增加不确定因素。尤其是在以成果为导向的评价体系下，师生在追求学术成果时极有可能产生技术依赖，同时生成式AI生成的文字、图片以及视频等内容会随着技术更新愈发逼真、真伪难断，这将极大增加成果评价难度，扰乱学校教学秩序以及学术秩序，甚至引发学术腐败。

高校智能化发展意见建议

针对高校智能化发展过程中存在的矛盾问题，要给予高度重视并提前制定策略方法，确保学校培养出适应未来社会发展需求的人才。

一是加强高校智能化发展顶层设计蓝图，完善相关政策制度。高校智能化发展应当结合高校学科建设规划、科学研究方向以及基础条件设施实力制定合理的目标和愿景，可采取“重点领域局部先行，学校整体梯次布局”的方式开展学校智能化建设，同时兼顾健全体制机制保障体系，明确各部门职责和协作机制，确保高校智能化发展转型有序进行。

二是深度开展数据治理，厚实高校数据基础，健全高校数据资源体系。为解决高校数据质量不高、数据标准不统一、数据共享范围窄等问题，高校应当在全校范围内达成以数据治理为核心的共识，同步建立完善的数据治理体系，包括制定数据治理原则、梳理重构学校数据资产架构和职责流程、建立数据标准和系统建设规范、推动数据共享和开放、加强数据监督和评估等，同时还要设立专门的数据治理管理机构，建强数据治理技术团队，注重数据治理技术人才支撑。

三是重视师生智能素养培育，提升高校教职工和学生的智能认知。随着生成式AI模型的研发和应用，高校作为主要的智能技术创新和人才培养基地，应当加强高校师生对人工智能的认知、提升师生的智能化科技素养，比如开设通识类人工智能课程、举办人工智能相关培训活动、建立智能实践平台等。受生成式AI冲击较大的学科专业，应借助人工智能技术便利性助推学科发展，优化课程设置和教学方法，革新教育理念和教学策略，推动跨学科交叉融合，最终达到提升学科发展质效和培养适应智能时代创新人才的效果。

四是强调技术双面性，合理善用人工智能技术对高校发展的正向驱动作用。人工智能技术作为一种辅助类工具，本身并无好坏，人工智能技术如何被应用却有好坏之分。因此，高校智能化建设要深入研究人工智能技术在教师教学、学生求学等场景中发挥正向作用的应用场景，如利用Sora模型开展科学研究，模拟复杂的物理现象、甚至进行历史重现；利用DALL·E3模型进行创意设计、艺术创作；利用ChatGPT模型强大的知识问答和学科交叉融合功能进行跨学科教学。同时注重引导学生充分认识人工智能的局限性，并对生成内容的真实性、准确性进行甄别。

五是引导师生以开放的眼光看待生成式AI技术发展。生成式AI大模型诞生后，因其可能削弱部分学科的重要性，影响其定位和未来发展方向，使得部分高校师生产生恐惧和抵触心理。应当引导师生正确看待技术发展产生的利弊，让其坚信人工智能发展虽势不可挡，但对生产工具和生产方式的变革的影响却是积极向上的，应当善于抓住机遇、勇于创新，方能适应势不可挡的历史进程。

六是注重学术道德规范，培养学生树立正确的学术理念。生成式AI，尤其是语言生成大模型的功能，与高校学术论文、调查报告等文字生成需求高度相符，对学术诚信带来前所未有的挑战。对此，一方面，教师可结合AI辅助工具设计以人为主体、开放性、创造性的课程任务，给予学生更大的自主性；另一方面，在课程学习的各个环节强调学术道德要求，引导学生树立正确的学术理念，同时建立严格的学术质量惩罚机制，严肃处理生成式AI使用不当造成的学术不端行为。

总结

在智能化时代背景下，高校智能化发展已成为必然趋势，通过融合生成式AI，高校可以提高教育质量、推动科研创新、优化管理服务。然而，人工智能技术在实际应用中也面临着高校数据资源基础薄弱、教师智能素养不足和生成式AI引发的学术道德问题等矛盾和挑战。因此，高校需要针对性地采取相关措施积极应对这些挑战，并努力将人工智能打造为未来高等教育的能力增长工具。

关于人工智能，一些数据和观点

近两年，人工智能技术迅猛发展，大模型突破、应用深化、数据治理成为焦点，人工智能正向多个行业加速渗透。以下是一些相关数据和观点。

◼︎ 2024年的诺贝尔物理学奖和化学奖都与人工智能有关：物理学奖表彰了基于人工神经网络实现机器学习的基础性发现和发明，诺贝尔化学奖则表彰了对蛋白质神奇结构密码的破解。