2024年5月27日，清华大学文科沙龙第34期暨“清华教育沙龙”第1期“人工智能赋能高等教育教学”在清华大学教师发展中心举办。清华大学教育研究院教授李曼丽、清华大学化学工程系教授卢滇楠、清华大学人文学院哲学系教授刘奋荣、清华大学学堂在线负责人王帅国应邀参与讨论，沙龙由清华大学教育研究院副教授张羽主持。本次活动采取线上线下相结合的形式，共有14万余名观众同步参与。
人工智能时代已经呼啸而至。不同于此前AI产品的昙花一现，生成式人工智能凭借其友好的使用门槛和强大的生成能力脱颖而出，在人类世界掀起一场史无前例的狂欢。诸多行业因此迈向科技革命与发展变革，其中不乏以知识生产与传播为使命的高等教育教学的身影。如何于变局中把握“教与学”的新机？来自清华大学的一线教育工作者们正在他们的实践中不断拼凑答案。
构筑智能学习环境
王帅国是国内最早投身慕课和混合式教学的研究者和实践者之一，他从生成式人工智能带给教育的无穷想象谈起，在梳理清华大学AI赋能教育教学的前沿实践中展望数字教育的下一个十年。
从人工智能技术发展历程的回顾开始，王帅国分享了以Transformer架构为基础的大语言模型所具备的各项文本、代码和媒体生成能力，并指出这种技术突破将有望推动大学教育的数字化转型和智能化升级。
自2023年秋季学期起，我校便启动了人工智能课程教学试点工作。通过为不同学科的专门知识领域开发基于大语言模型的垂直应用，人工智能对“教与学”的赋能渐渐显现。我们从实践中发现：全时段且全过程在线的AI智能学伴为实现个性化学习和规模化培养的统一带来了前所未有的助力；优质教学资源和师生行为数据的积累极大有利于教育场景大模型的微调和优化，这是推动清华大学引领人工智能与教学融合的重要基础；人工智能对教与学的改变也将牵引与提升师生所开展的研究和创新活动，教学与科研并进，大学的模式和形态或将随之迎来革新；大语言模型强大的翻译能力进一步降低了全球学术交流和知识共享的门槛，高等教育的全球性竞争格局也将面临重塑。
2024年春季，学校继续开展100门“人工智能赋能教学试点工程”，“AI讲授” “AI助学”的新教学模式拉开帷幕。王帅国进一步呈现了人工智能融入教学的十个智能场景（如24H智能学伴、备课辅助、教学管理、知识图谱、课堂授课帮手、题库建设等），并展示了当前荷塘雨课堂中正在实践的AI工作台。王帅国表示，通过对应用层、引擎层和模型层的不断改进和优化，大规模个性化的学习环境或许会在本世纪的第三个十年成为现实。
驾驭AI助教
作为第一批参与到学校人工智能课程教学试点工作的教师之一，卢滇楠分享了打磨AI热力学助教的实践经历，真实地还原出让一张白纸蜕变为能够满足大规模个性化精准知识传递需求的智能学伴的摸索过程。
在卢滇楠看来，面向“AI原住民”，大规模个性化人才培养将会成为教育的显著特征，生成式人工智能的技术优势可以赋能这种具有“学习力”“生产力”和“创新力”的未来人才培养。然而，AI助教的建设离不开不断的升级迭代，这也意味着人类智能（HI）与人工智能（AI）的彼此融合是持续释放教育教学潜力的必由之路。
卢滇楠认为，传统的慕课和教学网站已经较好地实现了大规模精准知识传递的目标，而生成式人工智能技术的到来，则又为这种教育教学增添了“个性化”的可能。在实践中，卢滇楠发现，生成式人工智能应用于高等教育教学的难点在于使其输出具备知识精准性，达到专业人才培养要求。由此，AI热力学助教开发的核心工作便聚焦为知识库建设。经过资料输入、人机互动、模型调优等多环节的改进，目前这一垂直模型已经能够在一定程度上克服通用人工智能的幻觉和逻辑推理弱两大问题，并且落实了知识点答疑、手写公式识别&推导、曲线图绘制、题目答疑、主动出题等实用功能。
谈及未来，卢滇楠表示，多模态大语言模型底层能力的持续提升正在赋予人才培养愈发强烈的AI底色。当“有教无类”与“因材施教”的育人理念伴随着“弟子不必不如师”的教育现状成为未来教育教学的显著特点时，教师们更应该正视AI作为教学工具的作用，主动拥抱AI，培养具有AI素养的自己，在HI与AI的交融中找到实现AI4E（AI for Education）的有效途径，激发学生学习热情，持续提升未来人才培养质量。
打破逻辑黑箱
从文生文，到文生图，再到文生音频、视频乃至其他形式的内容，生成式人工智能在带来“创作”便利的同时，也将关于算法黑箱的讨论推向风口浪尖。刘奋荣以逻辑学视角破题，从推理与论证中探索AI赋能高等教育的抽象思维基础。
刘奋荣分享道，1956年，约翰·麦卡锡（John McCarthy）在达特茅斯会议（Dartmouth Conference）上首次提出人工智能这一概念。随后，麦卡锡开发了著名的LISP语言，基于符号表示发展人工智能，以演绎推理奠定了传统AI的运行逻辑。20世纪90年代开始，随着计算能力的提升和数据量的增加，以统计学为基础的AI开始取代以逻辑学和数学为基础的符号主义AI的主导地位，并以归纳推理作为AI背后的主要逻辑。她进而指出，两种推理的关键区别在于演绎推理的结论一定为真，而归纳推理的结论则可能有误。正因如此，传统AI与当代AI是两种理念不同的产物，如今AI的研究前沿正是希望找到逻辑推理与统计学习的融合点，从而使得现代AI模型在保有强大生成能力的同时，挣脱出算法黑箱，远离不可解释与信息真实性挑战。
由此，刘奋荣提出，我们在面对“AI赋能高等教育”这一议题时，必须先回答两个问题——“什么样的AI？”和“赋什么样的能？”。对于前者，她表示，我们不仅要捕捉当下新兴的生成式AI的赋能潜力，也要充分发挥传统AI衍生品的教育效能（例如引进并推广技术成熟的国外学习软件等）。至于后者，则应在明确教学与科研之间具有统一关系的基础上，让AI既为教育教学赋能，又为学术思考和科学研究带来新课题。她进而以几个正在开展的项目为例，展示了以逻辑学在破解算法黑箱、推动AI技术发展等方面的重要潜能。
“普及”与“优质”的智能跃迁
“AI技术在刷新教育”，李曼丽如是概括AI对教育教学的全面冲击。作为这场变革的亲历者，李曼丽表示，我们既要热情拥抱技术进步带来的福祉，也要警惕新人机时代的多重挑战，唯有辩证地把握两者之间的复杂关系，才能推动数智时代的教育向“普及”与“优质”的双重跃迁。
李曼丽以多邻国引入AI技术助力语言学习和可汗学院创始人携子体验GPT-4o解答数学题目为例，展示了AI技术在提供个性化学习路径、及时反馈、动态难度调整、资源推荐和情感支持等方面的教育辅助功能。由此，她提出，生成式AI技术的到来正在同时改变着“教”与“学”，它不仅敦促教师重新审视自身的教育理念和教学方式，加速教育供给侧的发展，也拓宽了学生探索知识的渠道，并展现出启发学生形成高阶思维能力的潜力。
李曼丽进而补充道，在“AI技术”工程放大期的繁荣背后，还有很多现实问题有待思考。例如，当机器削弱了教师和学生之间的传统势位差，教师该如何与机器、与学生相处？当机器与人类社会的融合愈发紧密和深刻，该以何种伦理规范和责任体系约束机器的行为？当机器的运转逻辑仍深埋于黑箱之中，我们对人工智能技术的探索又该以何处为终点？再如，如何分享AI赋能教育带来的教育机会和权利？如何分配AI赋能教育产生的利润？政府、学校、社会、家庭如何分担AI赋能教育后的治理责任？
李曼丽表示，面对种种因AI技术深度融合人类生活而带来的难题，我们应该在“拎包入住”式地享受AI技术的便利之时，坚持以我国教育改革的任务和使命为立足点，重新定位，达成共识。一方面，坚持教育改革的历史和现实逻辑，将“新普及观”与“新优质观”放在AI赋能教育发展的关键位置，落实立德树人的根本任务，形成更健康的教育环境和生态，尽早实现由教育大国向教育强国的转型；另一方面，在机器智能的“魔法”面前，加强“人文制约”，进一步就教师端、学生端、学校端的公平性、合规性、安全性问题形成规约。
AI赋能教育教学改革，对于高校师生来说要做到“知其雄，守其雌”，这需要整个教育共同体一起躬身入局，努力用亲身实践拓展认知边界。
忧与思
活动末尾，四位嘉宾与现场观众们就教育从业者在AI浪潮中的职业焦虑、学生对AI赋能教育的体验和感受以及AI赋能高等教育对教育公平及基础教育的影响等现实问题展开了热烈讨论。
