變革抑或危機(jī)：大語言模型賦能大學(xué)教學(xué)及其限度

[摘" "要] 以大語言模型為代表的生成式人工智能正在迅速改變大學(xué)教學(xué)關(guān)于“人”及其教育的生產(chǎn)方式，在全球高等教育領(lǐng)域塑造出一種全新的人才培養(yǎng)模式。基于斯坦福大學(xué)的案例發(fā)現(xiàn)，大語言模型賦能教學(xué)的關(guān)鍵在于大數(shù)據(jù)集算力加速精準(zhǔn)化教學(xué)，符號語言系統(tǒng)支持全時場服務(wù)，神經(jīng)網(wǎng)絡(luò)模型促進(jìn)個性化指導(dǎo)以及智能情感技術(shù)實(shí)現(xiàn)人性化評價，產(chǎn)生了智能化涌現(xiàn)、無邊界探索、生成式互動與情感化反饋的教學(xué)變革影響。但與此同時，人工智能“幻覺”、機(jī)器“認(rèn)知偏見”與復(fù)雜系統(tǒng)“失控”的模型應(yīng)用限度，又可能引發(fā)教學(xué)內(nèi)容失真、意識形態(tài)危機(jī)與主體關(guān)系異化的多重風(fēng)險，催生技術(shù)革命下新的教學(xué)危機(jī)?；诖?，人工智能大模型時代的大學(xué)教學(xué)理應(yīng)從“主體—目標(biāo)—體系—機(jī)制”的四維關(guān)系構(gòu)建系統(tǒng)路徑，一體推進(jìn)生成主義式教學(xué)創(chuàng)新探索、教學(xué)模型信用評級提升與多元協(xié)同教學(xué)生態(tài)建構(gòu)，促進(jìn)大學(xué)教學(xué)從人機(jī)協(xié)同走向人機(jī)融合，從而彰顯大語言模型賦能大學(xué)教學(xué)的技術(shù)進(jìn)步主義價值。

[關(guān)鍵詞] 大語言模型； 大學(xué)教學(xué)； 生成式人工智能； 教學(xué)生態(tài)； 人機(jī)融合

[中圖分類號] G434" " " " " " [文獻(xiàn)標(biāo)志碼] A

[作者簡介] 蔣貴友（1993—），男，湖南洪江人。講師，博士，主要從事高等教育管理、比較高等教育研究。E-mail：gy_jiang1993@126.com。

一、問題的提出

大語言模型（Large Language Model）作為生成式人工智能的具體應(yīng)用，在學(xué)術(shù)創(chuàng)作、在線問答與作業(yè)輔助等方面已取得顯著成績，而在此基礎(chǔ)上更新的Sora模型更是能夠?qū)㈧o態(tài)的文本數(shù)據(jù)轉(zhuǎn)化為生動的教學(xué)圖像或視頻，展現(xiàn)了生成式技術(shù)的革命性意義[1]。當(dāng)然，大語言模型的影響遠(yuǎn)非如此，它似乎正在塑造以班級授課制為核心的現(xiàn)代教學(xué)體系以外的另一種截然不同的智慧教學(xué)形態(tài)。雖然AI大模型實(shí)現(xiàn)教學(xué)智能的方式與人腦機(jī)制不同，但研究發(fā)現(xiàn)，GPT-4可以利用思維鏈技術(shù)（Chain of Thought）與人工智能內(nèi)容生成技術(shù)（AI-Generated Content）實(shí)現(xiàn)類人化的教學(xué)推理與思考，一定程度證明了智能機(jī)器的心智品性[2]。這一教學(xué)智能體經(jīng)過反饋強(qiáng)化學(xué)習(xí)訓(xùn)練后，面對任一學(xué)習(xí)場景與教學(xué)任務(wù)均可實(shí)現(xiàn)超80%的準(zhǔn)確率[3]。由此可見，人工智能大模型在大學(xué)課堂進(jìn)行知識傳授、內(nèi)容創(chuàng)作與教學(xué)互動方面的技術(shù)優(yōu)勢，變革并突破了高等教育教學(xué)的既有框架。

然而，強(qiáng)人工智能似乎也引發(fā)了諸多的教育隱憂。AI教父杰弗里·辛頓（Geoffrey Hinton）離職后坦言，這場生成式革命未來極有可能對人類知識學(xué)習(xí)、主體存在與道德發(fā)展構(gòu)成壓倒性威脅。在高等教育領(lǐng)域，大語言模型應(yīng)用或許會導(dǎo)致大學(xué)生學(xué)習(xí)的技術(shù)依賴、教師身份建構(gòu)的去主體化等潛在風(fēng)險，引發(fā)學(xué)生與教師對于教學(xué)方式、意識形態(tài)與教學(xué)內(nèi)容選擇的同質(zhì)化危機(jī)，進(jìn)而對人才培養(yǎng)體系產(chǎn)生全方位沖擊[4]。更為震驚的是，AI大模型已經(jīng)可從大腦信號中提取視頻畫面，解析內(nèi)在的學(xué)習(xí)過程與認(rèn)知圖式[5]。盡管外界的質(zhì)疑從未間斷，但這種以“讀腦術(shù)”為旨趣的大模型開發(fā)委實(shí)是一場危險的競賽，徒增了高等教育領(lǐng)域?qū)ι墒郊夹g(shù)的不安。因此，這類觀點(diǎn)的擁躉堅(jiān)信大語言模型教學(xué)應(yīng)用猶如打開了象征“災(zāi)禍之源”的潘多拉盒子，未來極有可能會取代實(shí)體大學(xué)。

在人工智能發(fā)展歷程中，斯坦福大學(xué)不僅是AI研究領(lǐng)域廣受認(rèn)可的世界一流高校，而且在AI與教學(xué)創(chuàng)新融合方面同樣走在全球前列。自斯坦福大學(xué)人工智能實(shí)驗(yàn)室（Artificial Intelligence Laboratory）于1963年創(chuàng)建以來，一系列機(jī)器學(xué)習(xí)算法和大模型工具相繼問世，為全球高等教育教學(xué)數(shù)字化轉(zhuǎn)型提供了經(jīng)驗(yàn)借鑒。因此，本文以斯坦福大學(xué)大語言模型教學(xué)應(yīng)用的制度本文、宣傳報道、統(tǒng)計數(shù)據(jù)為案例資料，旨在回答大語言模型對大學(xué)教學(xué)產(chǎn)生何種積極變革影響與泛在風(fēng)險危機(jī)，進(jìn)而提出大語言模型賦能大學(xué)教學(xué)的發(fā)展路徑。

二、大語言模型智能機(jī)器何以推動教學(xué)變革

目前，斯坦福大學(xué)所開發(fā)與使用的大模型通過大數(shù)據(jù)算力集、符號語言系統(tǒng)、神經(jīng)網(wǎng)絡(luò)模型與智能情感技術(shù)，在智能化涌現(xiàn)、無邊界探索、生成式互動與情感化反饋方面產(chǎn)生了有別于傳統(tǒng)教學(xué)的變革影響，全方位支持精準(zhǔn)化教學(xué)、全時場服務(wù)、個性化指導(dǎo)與人性化評價的目標(biāo)達(dá)成（如圖1所示）。

（一）智能化涌現(xiàn)：大數(shù)據(jù)集算力加速精準(zhǔn)化教學(xué)

與以往人工智能不同，斯坦福大學(xué)基于預(yù)訓(xùn)練、有監(jiān)督微調(diào)、獎勵建模與強(qiáng)化學(xué)習(xí)四個訓(xùn)練階段開發(fā)的大語言模型，能夠通過強(qiáng)大的算法、算力與算據(jù)具備大學(xué)教學(xué)場景任務(wù)的涌現(xiàn)能力。一是在算法方面，該校領(lǐng)銜開發(fā)的“M-Powering Teachers”模型基于深度學(xué)習(xí)的變體轉(zhuǎn)換器處理序列任務(wù)，對大規(guī)模課堂教學(xué)相關(guān)的語言數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練，在海量且雜亂的課堂信息中獲取結(jié)構(gòu)性的教學(xué)圖景，甚至通過微調(diào)或特定任務(wù)的訓(xùn)練以適應(yīng)不同的教學(xué)場景，從而幫助教師精準(zhǔn)化改進(jìn)教學(xué)[6]。二是在算力方面，斯坦福大學(xué)以人為本人工智能研究所已與全球領(lǐng)先的科技企業(yè)合作開發(fā)千億參數(shù)多模態(tài)大模型作為平臺基座，擁有高性能圖形處理單元（Graphic Processing Unit）等卓越的硬件技術(shù)，能夠敏銳捕捉不同學(xué)科的內(nèi)容特質(zhì)與學(xué)生學(xué)習(xí)需求，大幅縮短復(fù)雜性教學(xué)場景中的大語言模型訓(xùn)練時間[7]。三是在算據(jù)方面，學(xué)校早先開發(fā)的620億參數(shù)大模型可以涌現(xiàn)文本翻譯、作業(yè)輔導(dǎo)、數(shù)據(jù)總結(jié)與信息編程的能力，而躍升至5400億參數(shù)時則已經(jīng)涌現(xiàn)出學(xué)情預(yù)測、智能識別、邏輯推理與情境化分析等能力，由此證明了大語言模型教學(xué)應(yīng)用表現(xiàn)其實(shí)與模型的參數(shù)規(guī)模呈冪律關(guān)系[8]?？傮w而言，當(dāng)算法、算力與算據(jù)足夠“大”時，大模型便會“涌現(xiàn)”出傳統(tǒng)大學(xué)教學(xué)無可比擬的能力，從而能夠加速實(shí)現(xiàn)更加精準(zhǔn)的教學(xué)任務(wù)。

（二）無邊界探索：符號語言系統(tǒng)支持全時場服務(wù)

大語言模型除了“大”的優(yōu)勢以外，其另一強(qiáng)大之處在于語言。當(dāng)它通過深度學(xué)習(xí)訓(xùn)練了和大學(xué)“教”與“學(xué)”有關(guān)的所有文本后，便會對師生關(guān)系、專業(yè)知識與學(xué)生需求為整體的教育教學(xué)活動擁有幾近完備的認(rèn)知。盡管目前斯坦福大學(xué)開發(fā)的大語言模型尚不擁有人類的具身認(rèn)知，但通過詞嵌入、語法結(jié)構(gòu)學(xué)習(xí)與生成式語言能力建立了強(qiáng)大的符號語言系統(tǒng)，能夠?qū)φ鎸?shí)的大學(xué)教學(xué)進(jìn)行符號性捕捉，從而推動教學(xué)從共時場空間轉(zhuǎn)向全時場服務(wù)[9]。以學(xué)校開發(fā)的醫(yī)學(xué)虛擬助教模型“MAI-TA”（Medical AI Teaching Assistant）為例，雖然無法身體力行開展臨床培訓(xùn)，但并不影響其在智能世界利用語言系統(tǒng)生成交互式3D解剖虛擬情境，引導(dǎo)學(xué)生探索數(shù)字解剖標(biāo)本并開展教學(xué)互動。這樣看來，大學(xué)教學(xué)的認(rèn)識論從康德的物自體存在方式，逐漸被智能語言所推進(jìn)，突破由教師—學(xué)生構(gòu)成的共時場空間的教學(xué)限制。與此同時，斯坦福大學(xué)自主研發(fā)的“WikiChat”聊天機(jī)器人，不僅能為教師教學(xué)設(shè)計提供精準(zhǔn)、豐富的知識服務(wù)，而且還能借助獎勵建模與策略優(yōu)化機(jī)制不斷微調(diào)智能體的輸出結(jié)果，實(shí)現(xiàn)全天候、實(shí)時性的教學(xué)服務(wù)，從而為學(xué)生提供及時響應(yīng)與極具細(xì)粒度的教學(xué)支持。由此看來，大語言模型革新與迭代的并不是師生所處的現(xiàn)實(shí)教學(xué)系統(tǒng)，而是重新編織與創(chuàng)造出具有極強(qiáng)適應(yīng)性、不斷自我更新與滿足差異需求的全時場教學(xué)空間。

（三）生成式互動：神經(jīng)網(wǎng)絡(luò)模型促進(jìn)個性化指導(dǎo)

如果說規(guī)模與語言使大模型更為智能，那么神經(jīng)網(wǎng)絡(luò)模型便是其“大腦”，成為生成式教學(xué)革命的中樞系統(tǒng)。通常而言，人腦的思考涉及“快”與“慢”兩個層次[10]，而斯坦福大學(xué)開發(fā)應(yīng)用的大模型便能通過將人類的慢思考轉(zhuǎn)變?yōu)闊o意識的快思考，根據(jù)師生的“提示”實(shí)現(xiàn)及時、快速的生成式教學(xué)互動。首先，學(xué)校開發(fā)的智能教科書（Smart Textbook）AI應(yīng)用基于多個深度神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)換器模型，具備捕捉長距離依賴關(guān)系與處理大規(guī)模數(shù)據(jù)集的雙重能力。這既能通過定義關(guān)鍵術(shù)語識別學(xué)生提出的復(fù)雜問題，針對學(xué)生的認(rèn)知水平反向提問以促進(jìn)其思考，還能根據(jù)互動程度為學(xué)生提供個性化指導(dǎo)，整體促進(jìn)其對知識的深入理解。其次，數(shù)學(xué)教學(xué)領(lǐng)域的“ReMath”（Remediation of Students’ Mathematical Mistakes）智能工具已經(jīng)形成了思維鏈，通過推斷數(shù)學(xué)錯誤類型、確定錯誤策略與生成回應(yīng)路徑三個互動步驟生成最優(yōu)結(jié)果，定位學(xué)生難以表達(dá)的學(xué)習(xí)困惑與知識盲點(diǎn)，使整個生成式教學(xué)互動的個性化程度大大提升。最后，基于人工智能內(nèi)容生成技術(shù)設(shè)計的運(yùn)動訓(xùn)練助教系統(tǒng)“CORGI”（Corrections Generation for Instruction），可根據(jù)學(xué)生姿勢、動作流暢性與操作細(xì)節(jié)提供即時調(diào)整建議，從而促進(jìn)學(xué)生對人體運(yùn)動知識的啟發(fā)。綜上所述，深度神經(jīng)網(wǎng)絡(luò)模型面對復(fù)雜教學(xué)問題時也能夠作出直覺般的快思考，支撐大語言模型對學(xué)生學(xué)習(xí)的個性化指導(dǎo)。

（四）情感化反饋：智能情感技術(shù)實(shí)現(xiàn)人性化評價

評判智能時代大學(xué)教學(xué)變革意義的關(guān)鍵在于能否使學(xué)生感受到智能教學(xué)反饋的“情感”。目前，大語言模型通常使用帶有情感標(biāo)簽的大規(guī)模文本與數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練，以習(xí)得人類情感的理解表達(dá)，從而實(shí)現(xiàn)反饋評價的人性化[11]。在斯坦福大學(xué)教學(xué)過程中，智能情感技術(shù)通過人類反饋學(xué)習(xí)技術(shù)與多模態(tài)情感計算技術(shù)兩個方面實(shí)現(xiàn)評價的人性化。一方面，現(xiàn)投入使用的教學(xué)大模型借助人類反饋強(qiáng)化學(xué)習(xí)技術(shù)處理教學(xué)的自然語言提問并提供精準(zhǔn)的信息服務(wù)，將教師的智慧經(jīng)驗(yàn)融入模型訓(xùn)練中，確保基于一般語料庫訓(xùn)練的教學(xué)內(nèi)容與復(fù)雜的人類價值觀對齊統(tǒng)一。為了使教學(xué)評價反饋更為人性化，斯坦福大學(xué)建立獎懲模型對正在使用的教學(xué)大模型進(jìn)行評分，使智能反饋更趨近于師生的真實(shí)期望，最終讓教學(xué)機(jī)器知曉何種評價更符合人類情感。另一方面，正在開發(fā)的“SIGHT”（Student Insights Gathered from Higher education Transcripts）項(xiàng)目由心理學(xué)、認(rèn)知科學(xué)、計算機(jī)科學(xué)等成員組成，通過多模態(tài)情感分析技術(shù)提高模型應(yīng)用的消歧能力，使教學(xué)互動分析更具魯棒性與準(zhǔn)確度，從而在學(xué)習(xí)評價階段作出情感化反饋。正是如此，人工智能大模型才能“理解”學(xué)生學(xué)習(xí)的用心與情感，自然也能基于擬人化程序作出等同的情感反饋[12]。這恰恰說明了大語言模型已經(jīng)涌現(xiàn)出更強(qiáng)的情感分析與反饋能力，推動智能機(jī)器教學(xué)愈發(fā)人性化與情感化。

三、大語言模型應(yīng)用限度何以催生教學(xué)危機(jī)

大語言模型的教學(xué)輸出并非源自意識與認(rèn)知，而是類似神經(jīng)系統(tǒng)的“條件—刺激”反應(yīng)，也即對教師或?qū)W生的“語言提示”作出基于深度神經(jīng)網(wǎng)絡(luò)的計算訓(xùn)練與結(jié)果反饋。事實(shí)上，大模型并非在人類語言層面理解教學(xué)過程，而是在統(tǒng)計層面推測教師與學(xué)生語言提示背后的概率，從而快速生成符合語言邏輯的教學(xué)答案。在這一背景下，大語言模型教學(xué)應(yīng)用存在技術(shù)限制、統(tǒng)計偏見與系統(tǒng)失控的風(fēng)險，或許隱含甚至催生新的高等教育教學(xué)危機(jī)。

（一）人工智能“幻覺”與教學(xué)內(nèi)容失真

經(jīng)過海量文本數(shù)據(jù)源的訓(xùn)練，大語言模型雖然可以像大學(xué)教師一樣自然地基于高深知識生成新的互動內(nèi)容，但也會不可避免地發(fā)生錯誤。目前，這類事實(shí)捏造、荒謬信息等與提示有關(guān)的不真實(shí)內(nèi)容稱為AI幻覺（Hallucination）[13]。對于這一技術(shù)限制，斯坦福大學(xué)科研人員發(fā)現(xiàn)學(xué)校開發(fā)的教學(xué)輔助模型，可令人信服地將虛假信息和AI幻覺當(dāng)作正確的教學(xué)事實(shí)進(jìn)行傳播，證明了人工智能大模型教學(xué)應(yīng)用的“幻覺”問題與師生對于失真內(nèi)容的不可辨別力確實(shí)存在。究其緣由，大模型并不具備人類的反思認(rèn)知，為了得到更高的獎勵模型評分，會在反饋強(qiáng)化學(xué)習(xí)階段的模型訓(xùn)練時“絞盡腦汁”地貼近問題提示與生成符合教學(xué)偏好的“標(biāo)準(zhǔn)”答案[14]。盡管生成式教學(xué)內(nèi)容“錯誤連連”，但斯坦福大學(xué)內(nèi)部認(rèn)為這種“幻覺”與其說是算法的畸變，不如說是人類文化的反映。如果祛除這種“幻覺”，大模型便只會提供標(biāo)準(zhǔn)化的教學(xué)設(shè)計或同質(zhì)化的知識答案，這無異于在消除大學(xué)極力呵護(hù)與倡導(dǎo)的想象力與創(chuàng)造力。

但是，隨著這些模型內(nèi)嵌到斯坦福大學(xué)教學(xué)系統(tǒng)并用于人才培養(yǎng)相關(guān)的自動化任務(wù)時，大模型的幻覺傾向可能會導(dǎo)致學(xué)科專業(yè)內(nèi)容失真與教學(xué)主體的算法技術(shù)依賴[15]。在封閉域問題中，盡管大模型被要求僅基于限定背景生成教學(xué)答案，但它卻會額外創(chuàng)造出諸多與任務(wù)毫不相關(guān)的信息，從而誤導(dǎo)學(xué)生的學(xué)習(xí)進(jìn)程。面對開放域問題時，這種“幻覺”會使大模型在沒有任何參考情況下提供關(guān)于問題的錯誤信息。無論何種程度的智能“幻覺”，均是大語言模型為了迎合人類對其程度評價與獎勵監(jiān)督訓(xùn)練的結(jié)果，其遵循的是程式化、效率化的工具理性邏輯，與大學(xué)教學(xué)以創(chuàng)新、互動與探索為圭臬的價值理性之間存在難以調(diào)和的張力。如若大語言模型被推廣到大學(xué)教學(xué)諸領(lǐng)域，那么它在超越學(xué)科與常識的問題中仍一本正經(jīng)地編造與事實(shí)相悖的答案，教學(xué)主體可能難以評估其真實(shí)性與準(zhǔn)確性?；蛟S，這才是以探究高深知識為宗旨的高等學(xué)府最應(yīng)該警覺并加以避免的情況。

（二）機(jī)器“認(rèn)知偏見”與意識形態(tài)危機(jī)

大模型機(jī)器真的能向教師與學(xué)生反饋公正客觀的價值事實(shí)嗎？在人工智能發(fā)展歷程中，符號主義（Symbolism）主張通過計算機(jī)符號系統(tǒng)模擬人類的邏輯推理與知識表達(dá)，實(shí)現(xiàn)與人類相同的價值觀[16]。不同于符號主義進(jìn)路，秉持聯(lián)結(jié)主義（Connectionism）的大語言模型通過將“價值對齊工程”內(nèi)嵌在教學(xué)模型開發(fā)中，已經(jīng)率先成為一種“可信人工智能”（Trustworthy AI）。但是，經(jīng)過價值對齊與獎勵模型評級的大模型，委實(shí)難以基于高深知識與創(chuàng)新思維進(jìn)行多元價值表達(dá)，甚至還會不同程度地削弱內(nèi)容生成的信用等級。譬如，斯坦福大學(xué)所開發(fā)的教學(xué)大模型在回答巴以爭端、俄烏沖突等地緣政治問題時，它其實(shí)無法做到客觀公正的知識輸出，甚至還會“夾帶私貨”向?qū)W生傳遞美國優(yōu)先的價值觀。歸根結(jié)底，價值對齊操作其實(shí)無力完成機(jī)器教學(xué)反饋的價值無涉任務(wù)，在面對前沿知識議題時，或許會使大語言模型自帶“認(rèn)知濾鏡”發(fā)表難以兼容抑或彼此抵牾的價值觀點(diǎn)，甚至還可能自帶民族主義或意識形態(tài)的價值偏見。

為了對爭議觀點(diǎn)進(jìn)行對齊統(tǒng)一，斯坦福大學(xué)部分研發(fā)機(jī)構(gòu)甚至在強(qiáng)化學(xué)習(xí)與獎勵評價階段進(jìn)行各種人工介入。無疑，這委實(shí)會復(fù)制和放大本就存在的大學(xué)教育公平危機(jī)，以絕對的主流意識形態(tài)擠壓少數(shù)群體的文化合法性。譬如，當(dāng)教學(xué)大模型被要求以非裔大學(xué)生為主角開展教學(xué)創(chuàng)作時，它會以純粹的“白人思維”進(jìn)行內(nèi)容輸出，無法反映高等教育系統(tǒng)的文化多樣性與自由民主觀念。正如該校以人為本人工智能所解釋的那般，這種巨大的差距未能幫助美國大學(xué)中代表性不足的學(xué)生群體營造公平安全的學(xué)習(xí)環(huán)境。吊詭的是，人工介入大模型教學(xué)輔助過程，實(shí)際上把西方中心主義價值觀，以人類普世價值的名義強(qiáng)行置于一個看似客觀與公正的算法系統(tǒng)中加以復(fù)制、推廣與傳播[17]。特別在美國人工智能國家安全委員會宣稱“美國價值必須引領(lǐng)全球”后，大學(xué)需要對大語言模型輔助教學(xué)背后的價值輸出進(jìn)行更為理性的審查。這種為了解決機(jī)器“認(rèn)知偏見”問題的人工介入，相反卻走向了另一種教學(xué)困境。

（三）復(fù)雜系統(tǒng)“失控”與人機(jī)互動風(fēng)險

斯坦福大學(xué)發(fā)布的《大語言模型的涌現(xiàn)能力》表明，模型涌現(xiàn)能力與數(shù)據(jù)訓(xùn)練并非簡單的線性關(guān)系，而是需要超過某個臨界值時，復(fù)雜系統(tǒng)才會涌現(xiàn)出新的技能。為了使模型變得更智能，斯坦福大學(xué)將不同教學(xué)輔助模型樂高（Lego）化，形成超大規(guī)模參數(shù)的模型系統(tǒng)集群。這不僅實(shí)現(xiàn)了大學(xué)教學(xué)物理空間、虛擬空間與數(shù)字空間的深度融合，而且也促成一個由復(fù)雜系統(tǒng)主導(dǎo)的人機(jī)融合的教學(xué)世界。但是，復(fù)雜系統(tǒng)的諸多功能其實(shí)是數(shù)據(jù)訓(xùn)練與技術(shù)迭代的非線性演化結(jié)果，其本質(zhì)是不可預(yù)測、不可知與不可控的涌現(xiàn)現(xiàn)象[18]。譬如，現(xiàn)今已從GPT-4應(yīng)用中看到了教學(xué)互動的不可預(yù)測現(xiàn)象，以及凱文·凱利（Kevin Kelly）所述的“失控”問題[19]。究其本質(zhì)，失控危機(jī)與大語言模型的涌現(xiàn)能力相伴而生，特別是當(dāng)大模型的復(fù)雜性能成長到一定臨界值時，其在大學(xué)教學(xué)領(lǐng)域的交互行為或許會超越模型設(shè)計預(yù)期，甚至在缺乏中心控制的情況下，大語言模型會在大學(xué)的教與學(xué)過程產(chǎn)生更加不可預(yù)測的影響。

事實(shí)上，大模型主導(dǎo)的教學(xué)過程將會產(chǎn)生更多的人機(jī)互動風(fēng)險。第一，教學(xué)互動內(nèi)容的同質(zhì)化進(jìn)一步加劇[20]。這一點(diǎn)已在斯坦福大學(xué)內(nèi)部得到了驗(yàn)證，其所開發(fā)的教學(xué)模型通過標(biāo)準(zhǔn)化的訓(xùn)練輸出過程，使教學(xué)內(nèi)容設(shè)計愈加同質(zhì)化，加劇智能機(jī)器對學(xué)生與教師思想觀念的“殖民”，甚至維持與延續(xù)高等教育不平等的生產(chǎn)與再生產(chǎn)機(jī)制。第二，當(dāng)大模型向超級智能躍遷時，其所涌現(xiàn)的諸多教學(xué)能力委實(shí)會變更當(dāng)前“教師—人工智能—學(xué)生”的主體間性關(guān)系與權(quán)力結(jié)構(gòu)，使教師與學(xué)生單向度地依賴大語言模型所提供的知識反饋與教學(xué)支持。第三，斯坦福大學(xué)各個教學(xué)與研究機(jī)構(gòu)正在爭相開發(fā)大模型，但內(nèi)部各方均無法揭開大模型作業(yè)的“黑箱”，甚至難以對涌現(xiàn)與失控機(jī)制進(jìn)行精準(zhǔn)闡釋。由此產(chǎn)生的結(jié)果是，大模型教學(xué)應(yīng)用開發(fā)正走向“失控的競賽”，導(dǎo)致算法濫用、虛假傳播與模型偏見等在校園內(nèi)部頻頻發(fā)生，從而引發(fā)人機(jī)融合教學(xué)的合法性危機(jī)。

四、大語言模型賦能大學(xué)教學(xué)的反思與進(jìn)路

面對生成式人工智能的巨大應(yīng)用前景，大學(xué)絕不應(yīng)該毫無節(jié)制地引入、推廣與應(yīng)用大語言模型，而是需要理性認(rèn)識到此類智能技術(shù)本身仍存在加劇大學(xué)教學(xué)風(fēng)險危機(jī)的可能。面對大語言模型應(yīng)用限度所帶來的風(fēng)險泛化，全球大學(xué)理應(yīng)重新反思智能技術(shù)賦能大學(xué)教學(xué)的轉(zhuǎn)型作用，圍繞人的主體價值實(shí)現(xiàn)，從“主體—目標(biāo)—體系—機(jī)制”的系統(tǒng)關(guān)系出發(fā)建構(gòu)一套行之有效的推進(jìn)路徑。

（一）培育智能素養(yǎng)，厘清大學(xué)教學(xué)的主體關(guān)系

面對智能時代的主體危機(jī)，高校應(yīng)該明確教師、學(xué)生與智能機(jī)器之間的互動關(guān)系，培養(yǎng)與提升教學(xué)主體的批判思維、創(chuàng)新精神與資源利用能力。一方面，大學(xué)應(yīng)該積極培育教師與學(xué)生的智能素養(yǎng)，制定大模型教與學(xué)應(yīng)用能力框架，為智能時代教學(xué)主體提供必要的行動指南。譬如，斯坦福大學(xué)正在制定大語言模型工具的教學(xué)行動指南與系統(tǒng)的生成式人工智能課程培訓(xùn)體系，旨在培育高校師生在人機(jī)融合教學(xué)中的主體意識與創(chuàng)造能力。另一方面，智能時代的大學(xué)應(yīng)該厘清生成式教學(xué)的主客體關(guān)系，規(guī)范“教師—智能機(jī)器—學(xué)生”三者的職責(zé)邊界。正如美國教育部發(fā)布的《人工智能與教和學(xué)的未來：洞見和建議》所述，教師與學(xué)生應(yīng)該持續(xù)處于系統(tǒng)循環(huán)中心，以此作為評判人工智能教學(xué)的首要標(biāo)準(zhǔn)[21]。在這一理念倡導(dǎo)下，模型開發(fā)者理應(yīng)為學(xué)生展現(xiàn)人工智能技術(shù)與人類知識演化之間的動態(tài)關(guān)系，提升其在大語言模型教學(xué)應(yīng)用中的主體意識與理性能力。對于教師而言，應(yīng)基于人機(jī)融合與交互體驗(yàn)設(shè)計大學(xué)教與學(xué)過程，創(chuàng)設(shè)以學(xué)習(xí)者為中心的智能教學(xué)環(huán)境[22]。唯有如此，學(xué)生、教師與智能機(jī)器才能從孤立走向融合，而大學(xué)才能建構(gòu)多模態(tài)、多場景與跨場域的人機(jī)融合教學(xué)社群。

（二）明確應(yīng)用目標(biāo)，探索生成主義教學(xué)創(chuàng)新

不同于過往人工智能教育應(yīng)用，以大語言模型為載體的生成主義（Enactivism）教學(xué)需要被重新認(rèn)識。早在20世紀(jì)90年代初期，瓦雷拉（Francisco J. Varela）等人就曾提出生成主義的認(rèn)知觀，主張知識是在學(xué)習(xí)主體與環(huán)境及其他要素互動中不斷生成與建構(gòu)的[23]。對此，大學(xué)應(yīng)該精準(zhǔn)識別大語言模型的生成主義要素，探索富有創(chuàng)新力與生命力的教學(xué)體系。一是明確大語言模型的應(yīng)用目標(biāo)，如個性化學(xué)習(xí)、知識內(nèi)容生成與教學(xué)設(shè)計創(chuàng)新，確保其與教學(xué)愿景保持一致，從而整體推進(jìn)高等教育使命的實(shí)現(xiàn)。二是基于大模型的樂高化優(yōu)勢，構(gòu)建“教學(xué)設(shè)計—人機(jī)互動—智能考評—個性反饋”教學(xué)體系，充分利用大模型的疊加組合探索生成主義教學(xué)創(chuàng)新，從而促進(jìn)學(xué)生的創(chuàng)造力、想象力與個性化學(xué)習(xí)。三是圍繞人才培養(yǎng)目標(biāo)，探索大語言模型賦能教學(xué)的效果機(jī)制，據(jù)此評估與改進(jìn)大模型推動生成主義教學(xué)的整體進(jìn)程，建構(gòu)差異化與特色化的教學(xué)體系。需要明確的是，生成主義教學(xué)創(chuàng)新需要按照聯(lián)合國教科文組織《生成式人工智能與教育未來》所述的那般，將新型AI工具整合到教學(xué)系統(tǒng)以推動人的全面發(fā)展，充分發(fā)揮高等教育重塑未來的公共價值，才能彰顯大語言模型教學(xué)應(yīng)用的變革意義。

（三）完善倫理體系，提升教學(xué)模型的信用評級

面對算法偏見、意識形態(tài)風(fēng)險與道德危機(jī)等問題，關(guān)鍵在于建構(gòu)技術(shù)更新與道德倫理的一體化機(jī)制，提升教學(xué)大模型的信用評級。首先，大學(xué)需要與研發(fā)機(jī)構(gòu)、公民社會、政府等相關(guān)主體一道，基于人才培養(yǎng)目標(biāo)設(shè)計具有安全公平、科學(xué)規(guī)范與以人為本的道德框架與行動指南，預(yù)防與消減生成式大模型教學(xué)應(yīng)用所產(chǎn)生的倫理風(fēng)險。值得一提的是，斯坦福大學(xué)發(fā)布的《生成式人工智能政策指導(dǎo)》《人工智能教學(xué)指南》等報告，建構(gòu)了大模型教學(xué)的責(zé)任倫理矩陣，確保生成式大模型教學(xué)的真實(shí)性與合規(guī)性。其次，大學(xué)需要組建學(xué)科交叉與成員異質(zhì)的教學(xué)團(tuán)隊(duì)，設(shè)計與打造以大語言模型為代表的人工智能倫理課程教學(xué)體系。譬如，斯坦福大學(xué)嵌入計算機(jī)科學(xué)中的倫理項(xiàng)目（Embedded EthiCS Program）由人工智能與倫理學(xué)交叉團(tuán)隊(duì)負(fù)責(zé)，打造倫理、政策、計算和數(shù)據(jù)為一體的多層級教學(xué)模塊，使教師與學(xué)生在掌握人工智能倫理知識的同時思考技術(shù)對教育發(fā)展的雙重影響。最后，大學(xué)需要通過合理透明度與概念激活向量算法模型等“以技治技”手段[24]，解釋模型原理、公開訓(xùn)練數(shù)據(jù)與記錄運(yùn)行過程，使人工智能“幻覺”問題與倫理危機(jī)降到最低，從而重建智能時代的教學(xué)信任關(guān)系。

（四）筑牢監(jiān)管機(jī)制，構(gòu)建多元協(xié)同的教學(xué)生態(tài)

目前，除了世界一流大學(xué)的小規(guī)模嘗試外，各國政府仍然為此項(xiàng)技術(shù)在大學(xué)的推廣使用展開廣泛論爭。在生成式技術(shù)尚未產(chǎn)生無以復(fù)加的消極影響前，政府部門應(yīng)建立安全有效、規(guī)范有力的監(jiān)管機(jī)制與生態(tài)系統(tǒng)，為智能時代大學(xué)教學(xué)提供可持續(xù)化保障。一方面，政府應(yīng)該建立以人為本的監(jiān)管機(jī)制，不斷調(diào)整模型開發(fā)應(yīng)用的風(fēng)險防范體系。為了應(yīng)對智能技術(shù)迭代更新過快的全球性挑戰(zhàn)，各國政府與大學(xué)理應(yīng)基于既有的全球性框架，建立適切性更強(qiáng)的監(jiān)管機(jī)制，以確保這些大模型實(shí)現(xiàn)以人為本的教育愿景。這需要政府、科技企業(yè)與大學(xué)將隱私安全、透明度與可解釋性使用、算法歧視保護(hù)、公平包容與文化多樣性等要素納入機(jī)制設(shè)計，科學(xué)規(guī)范人機(jī)融合教學(xué)行為，確保教學(xué)大模型的安全性和可控性。另一方面，大學(xué)應(yīng)該構(gòu)建多元協(xié)同與智慧聯(lián)動的教學(xué)生態(tài)系統(tǒng)，為積極管控大模型應(yīng)用風(fēng)險提供可持續(xù)化支持。為了監(jiān)管大模型教學(xué)應(yīng)用情況，OpenAI公司、普林斯頓大學(xué)等構(gòu)建了多元協(xié)同的教學(xué)生態(tài)，合作開發(fā)了AI分類器與GPTZero等智能教學(xué)監(jiān)管產(chǎn)品[25]。因此，走向跨界合作、集聚創(chuàng)新與生態(tài)賦能的智能教學(xué)生態(tài)系統(tǒng)，可以用技術(shù)的迭代更新推動大學(xué)教學(xué)的可持續(xù)化發(fā)展，從而在這場智能革命中實(shí)現(xiàn)高等教育增進(jìn)人類福祉的公共目標(biāo)。

五、結(jié) 束 語

以大模型為代表的生成式人工智能正在迅速改變大學(xué)教學(xué)關(guān)于“人”及其教育的生產(chǎn)方式，推動智能機(jī)器從作為大學(xué)教師的教學(xué)輔助者進(jìn)化為知識生成的重要參與者，從而在全球高等教育領(lǐng)域塑造出一種全新的人才培養(yǎng)模式。值得注意的是，斯坦福大學(xué)基于大語言模型的教學(xué)實(shí)踐已然證明了這一新的教學(xué)模式面臨新的風(fēng)險與不確定性。一方面，當(dāng)智能機(jī)器愈進(jìn)化為像人一樣可以從事生成式教學(xué)時，大學(xué)愈需要警覺這類教學(xué)模式致使原本以創(chuàng)新啟發(fā)、知識互動與道德完善為目標(biāo)的人才培養(yǎng)實(shí)踐變成標(biāo)準(zhǔn)化的復(fù)制性活動。另一方面，身處智能時代的大學(xué)對于人的主體性確證、理性精神培養(yǎng)、道德倫理塑造、民族文化品格培育以及創(chuàng)造能力發(fā)展等方面的作用，恰恰是教學(xué)智能機(jī)器難以達(dá)成的。由此，生成式人工智能時代的大學(xué)必須堅(jiān)持以人為本的教學(xué)使命，構(gòu)建“教師—智能機(jī)器—學(xué)生”的教學(xué)共同體與智能教育生態(tài)系統(tǒng)，培養(yǎng)學(xué)生理性、創(chuàng)造、道德與探究品質(zhì)的發(fā)展，從而彰顯人機(jī)融合教學(xué)的技術(shù)進(jìn)步主義價值。

[參考文獻(xiàn)]

[1] 鐘柏昌，劉曉凡． 生成式人工智能何以、以何生成教育[J]． 電化教育研究，2024，45（10）：12-18，27．

[2] 吳永和，姜元昊，陳圓圓，等． 大語言模型支持的多智能體：技術(shù)路徑、教育應(yīng)用與未來展望[J]． 開放教育研究，2024，30（5）：63-75．

[3] OPENAI. GPT-4[EB/OL]. （2023-03-14）[2024-06-19]. https：//openai.com/research/gpt-4.

[4] 劉邦奇，聶小林，王士進(jìn)，等． 生成式人工智能與未來教育形態(tài)重塑：技術(shù)框架、能力特征及應(yīng)用趨勢[J]． 電化教育研究，2024，45（1）：13-20．

[5] SCHNEIDER S， LEE J H， MATHIS M W． Learnable latent embeddings for joint behavioural and neural analysis[J]． Nature，2023，617：360-368．

[6] 劉明，郭爍，吳忠明，等． 生成式人工智能重塑高等教育形態(tài)：內(nèi)容、案例與路徑[J]． 電化教育研究，2024，45（6）：57-65．

[7] 苗逢春． 生成式人工智能技術(shù)原理及其教育適用性考證[J]． 現(xiàn)代教育技術(shù)，2023，33（11）：5-18．

[8] STANFORD HAI. Artificial intelligence index report 2024[EB/OL]. （2024-04-17）[2024-05-01]. https：//aiindex.stanford.edu/report/.

[9] RASCOFF M. How to make AI work for higher education[EB/OL]. （2024-04-17）[2024-05-01]. https：//digitaleducation.stanford.edu/news/how-make-ai-work-higher-education.

[10] KAHNEMAN D． Thinking， fast and slow[M]． New York： Farrar， Straus and Giroux，2011．

[11] 鄭永和，王一巖，楊淑豪． 人工智能賦能教育評價：價值、挑戰(zhàn)與路徑[J]． 開放教育研究，2024，30（4）：4-10．

[12] 盧宇，余京蕾，陳鵬鶴． 基于大模型的教學(xué)智能體構(gòu)建與應(yīng)用研究[J]． 中國電化教育，2024（7）：99-108．

[13] 王雯，李永智． 國際生成式人工智能教育應(yīng)用與省思[J]． 開放教育研究，2024，30（3）：37-44．

[14] 陳向東． 大型語言模型的教育應(yīng)用[M]． 上海：華東師范大學(xué)出版社，2023．

[15] UNIVERSITY IT. Responsible AI at Stanford： enabling innovation through AI best practices [EB/OL]. （2024-03-02）[2024-04-22]. https：//uit.stanford.edu/security/responsibleai.

[16] 魏斌． 符號主義與聯(lián)結(jié)主義人工智能的融合路徑分析[J]． 自然辯證法研究，2022，38（2）：23-29．

[17] 邱昆，胡欽曉． 技術(shù)“傲慢” 與教育“偏見” ：一個場域沖突的視角[J]． 電化教育研究，2024，45（4）：25-31，45．

[18] 劉盛． 美國一流大學(xué)在教育教學(xué)實(shí)踐中應(yīng)用ChatGPT的劃界及其啟示[J]． 高等教育研究，2023，44（10）：89-98．

[19] 凱文·凱利. 失控：全人類的最終命運(yùn)和結(jié)局[M]. 東西文庫，譯. 北京：新星出版社，2011.

[20] 楊俊鋒． 生成式人工智能與高等教育深度融合：場景、風(fēng)險及建議[J]． 中國高等教育，2024（5）：52-56．

[21] CARDONA M A， RODRIGUEZ R J， ISHMAEL K. Artificial intelligence and the future of teaching and learning： Insights and recommendations[EB/OL]. （2023-05-01）[2024-07-10]. https：// www.ed.gov/sites/ed/files/documents/ai-report/ai-report.pdf.

[22] 黃欣榮． 從ChatGPT到Sora：生成邏輯、哲學(xué)本質(zhì)及世界圖景[J]． 新疆師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2024，45（6）：72-80．

[23] VARELA F J， THOMPSON E， ROSCH E. The embodied mind， revised edition： cognitive science and human experience[M]. Cambridge： MIT Press， 1992.

[24] 吳冠軍． 大語言模型的技術(shù)政治學(xué)評析[J]． 中國社會科學(xué)評價，2023（4）：27-37，155-156．

[25] 蔣貴友． 數(shù)字時代如何建構(gòu)知識生產(chǎn)創(chuàng)新生態(tài)系統(tǒng)——基于美國一流高校的案例考察[J]． 比較教育研究，2024，46（5）：64-73．

Change or Crisis： Large Language Model Empowering University Teaching and Its Limits—A Case Study Based on Stanford University

JIANG Guiyou， YIN Wenxuan

（College of Education， Hunan Agricultural University， Changsha Hunan 410128）

[Abstract] Generative artificial intelligence， represented by large language models， is rapidly changing the production method of \"human\" and their education in university teaching， shaping a new" model of talent training in the global higher education field. Based on the case of Stanford University， it is found that the key to empowering teaching with large language models lies in the computing power of large data sets to accelerate precise teaching， the symbolic language system to support full-time services， the neural network model to promote personalized guidance， and the intelligent emotional technology to achieve humanized evaluation， resulting in the teaching transformation impact characterized by intelligent emergence， boundless exploration， generative interaction and affective feedback. But at the same time， the limits of model application such as the \"illusion\" of artificial intelligence， the \"cognitive bias\" of machines， and the\"out-of-control\" of artificial intelligence" may lead to multiple risks of distorted teaching content， ideological crisis and alienation of subject relations， giving rise to a new teaching crisis under the technological revolution. Based on this， universities in the era of artificial intelligence should build a systematic path from the four-dimensional relationship of\"subject-goal-system-mechanism\"， promote generative teaching innovation and exploration， improve the credit rating of teaching models， and build a diversified collaborative teaching ecology， so as to change university teaching from human-computer collaboration to human-computer integration， thereby demonstrating the technological progressivism value of university teaching empowered by the large language models.

[Keywords] Large Language Model; University Teaching; Generative Artificial Intelligence; Teaching Ecology; Human-Machine Integration