生成式人工智能技术对基础教育领域的影响 ——西山区开展“ChatGPT与教育”大讨论活动
ChatGPT作为新一代自然语言处理工具，强大的语言理解和文本生成能力使其一经问世便引发广泛关注，那么ChatGPT在教育中有哪些应用场景？随着ChatGPT这样人工智能技术的飞速发展和应用，教育人特别是基础教育领域的教师和学生将面对哪些挑战，又应该如何做出调整和应对？西山区教育体育局在技术发展浪潮中顺势而为，在全区教育系统内开展“ChatGPT与教育”大讨论，邀请云南师范大学朱云东教授、芳草地国际学校分管集团信息化吴阳部长以及昆一中西山学校信息中心主任潘雄刚老师从教育技术理论、学校管理及一线教师不同角度为西山区基础教育发展应对人工智能带来的机遇与挑战建言献策。
主持人：说起chatGPT就不得不说人工智能，可能很多观众对人工智能的界定还不是很清楚，那我们应该如何认识人工智能呢？
朱云东：总体来讲，目前对人工智能的定义大多可划分为四类，即让机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。也可以简单的区分为弱人工智能、强人工智能、超人工智能。
像我们生活中常见的人工智能运用有：导航、小度、智能家电。都是弱人工智能。它不具备独立意志，只能在设计的程序范围内决策并采取行动。弱人工智能属于专用型人工智能，也即只能在某一领域行动，只能专注于一件事情。对超出其预设的程序范围的事情，弱人工智能是束手无策的。
如围棋水平超越人类棋手的阿尔法狗(AlphaGo)虽然在围棋领域有很高的水平，但它只在围棋领域有所成就，在其他领域还差得远，甚至可以说对其他领域一无所知。
严格来说，现在世界上所有的人工智能技术都处在弱人工智能阶段。我们目前仍属于弱人工智能时代。
强人工智能：是指具有独立意志，能在设计的程序范围外自主决策并采取行动的人工智能。这是强人工智能和弱人工智能最大的不同。强人工智能属于通用型人工智能，它的活动已经不再局限于某一领域。强人工智能在各方面都和人类相似，可以胜任人类所有工作。随着深度学习、云计算等技术的不断发展，强人工智能出现是可能的。
弱人工智能帮助人类解决逻辑语言描述的问题、模仿人类某方面的能力；强人工智能帮助人们综合多方信息进行判断决策。
弱人工智能应用在人脸识别、语音识别、语义分析、智能搜索等方面；强人工智能应用在智能机器人、虚拟个人助理、智慧工厂、无人驾驶等方面。
主持人：其实引爆网络的chatGPT，就是一款人工智能聊天机器人，吴部长，您看是不是能给我们介绍一下chatGPT呢？
吴阳：ChatGPT是人工智能技术驱动的自然语言处理工具，它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务。
主持人：ChatGPT一经推出，迅速在媒体上走红，仅仅2个月，用户就突破1个亿，要知道，电话达到1亿用户用了75年，手机用了16年，抖音用了9个月，这也让ChatGPT成为史上用户增长速度最快的消费级应用程序。吴部长，对于这种现象级的增长，您觉得原因是什么？
吴阳：ChatGPT的爆炸性增长背后的两个最重要的因素是它的实用性和多功能性。不仅能够创造人们想要使用的技术，他们还创造了几乎所有人都能发现的有用的东西。另一方面，ChatGPT是一个通用的聊天机器人，它的目标不是特定的人，而是所有人。因此，无论你是做什么的，你会发现ChatGPT在你的日常生活中有不同的用途。教师、学生、工程师、法律工作者、程序员、作家，覆盖几乎所有行业每个人，还有一个很重要的原因是他是免费且很容易上手的软件，此外，ChatGPT在很大程度上是由社区驱动的，也就是主要靠日常用户与社区分享他们的经验。
主持人：新的技术催生新的时代，这个过程中必然会有革新和代替。实际上，新技术焦虑也是人类危机感的体现，我们教师也一样。吴部长，作为教师，人工智能时代的到来，给您带来最重要思考是什么呢？
吴阳：在人工智能的时代，越是标准化、模式化的教育，越容易被取代，而这种教育模式恰恰可能是中国式教育的最大特点。
中国的教育有它的特点，长处就是家长社会政府投入巨大，十分重视教育与知识，中国学生对基本知识的掌握均值高。问题是，这种教育模式也存在偏差，就是把知识几乎当成了教育的全部内容。
但在人工智能时代，知识不再稀缺，网络上应有尽有，如今ChatGPT之类机器人更方便了知识的获取与处理。钱颖一认为，人工智能“可以替代甚至超越那些通过死记硬背、大量做题而掌握知识的人脑。而死记硬背、大量做题正是我们目前培养学生的通常做法。”因此，他强调教育必须超越知识，创新人才需要“知识、好奇心和想象力、价值取向。”
“中国教育在投入和知识点的传授方面表现出了很高的水平，但是，仅仅依靠知识是不足以培养创新人才的。知识是有限的，而创新人才需要的是对知识的理解和运用，更需要的是思维能力和创新意识。因此，教育应该超越知识，注重培养学生的思维能力和创新意识。”
主持人：是的，ChatGPT这类人工智能的出现，打破了常规的教学模式，知识性的传授不再是教学的主要关注点，对我们的教学方式也会产生很大影响，朱教授，你能谈谈对这方面的认识和思考吗？
朱教授：从新颁布的各学科课程标准来看，各学科培养都遵循一个从低阶认知到高阶认知的发展规律，人工智能的到来要求教师结合学科核心素养深入思考，对教学内容、教学形式以及教学评价方法等都需要发生巨大的变革，利用ChatGPT这种通过对话方式生成内容的人工智能能力帮助学生培养批判性思维和创新思维，特别是可以结合本地一些特色的人文地理，可以最大程度地提升学生学习兴趣。
主持人：人工智能聊天机器人ChatGPT拥有强大的信息整合能力、自然语言处理能力，能根据要求进行聊天、撰写文章、编写代码，甚至能解决各学科的问题等。因此，网络上就有很多声音说ChatGPT可能会取代教师？让不少人产生了担忧，我们要怎么看待这个问题。
潘雄刚：毫无疑问，人工智能有大数据做背景，教学的趣味性和针对性不可同日而语，学生再也不要死记硬背知识点，教师被人工智能取代的担忧，也有一定依据。但我想说的是，以ChatGPT为代表的人工智能工具确实很牛，也必然会给我们的生活和教育带来方方面面的影响，这是毋庸置疑的，但也不用担忧，因为ChatGPT作为AI教育工具的潜力远远超过了它的风险。对教育而言，ChatGPT能够带来很多积极的影响，比如：可以极大地方便老师和学生获取知识，以前需要在互联网上搜索很长时间才能找到理想答案，使用ChatGPT等新一代人工智能工具可能马上就能找到答案，甚至更准确，就提高了教学和学习的效率。因此，新技术的产生，我们不必持抵触情绪，而是要转变观念，拥抱新技术，想办法驾驭它为我们的教育教学服务。教育的根本任务是立德树人，这就不仅仅是知识点的灌输学习，还要重视人文情操、美学素养、创造力和社交能力的培养，人工智能再强大，也只是人类设计的代码，它虽然具有高超的计算能力，但它不具备人类的智慧与思维能力。机器和技术没有温度，但使用机器和技术的人是有情感的，教师对学生的人文关怀，和学生良好的情感沟通、对学生心理健康的关注与辅导等这些都不是人工智能可以代替的，所以，我们就更没必要担忧教师会被人工智能机器人所取代。只是，对于人工智能时代下的学校、教师和学生而言，肯定是有了更高的要求。
主持人：要和以chatGPT为代表的新技术友好共存，学校、教师和学生可以做哪些努力？
潘雄刚：新一代人工智能工具出现以后，学校教育的方式方法应该会有重大调整，其主要的方向是要用ChatGPT为代表的学习工具来协同改进教育教学方式。学校为教师和学生提供合理的信息化平台和数字化资源，做好教师和学生的数字化应用培训，提升师生的人工智能素养。
具体而言，学校要根据自身的特点，从信息化基础设施建设入手（比如，教育专网要做到入校、入班，班级要有功能完善的班班通设备、有线上线下同步教学系统），其次将数字资源和极简技术工具融入具体的教学和管理场景当中，利用教学中的生成数据促进教学和管理的优化，推动智慧教学和智能决策，促进技术与学校全业务和教学全流程的深度融合，推动教学智慧化转变，推动线上线下融合的教学新常态，实现学校组织形态的变革和管理体制模式的优化。
就教师而言，应该与时俱进，顺应时代潮流，活到老，学到老，勇于接受新技术，并能驾驭新技术为我们的教育教学赋能。
教师在学校建设的智慧教育场域中，充分发挥好软硬件的作用，比如在教学的各个环节充分使用智能导学系统、智能学伴、智能评卷系统等人工智能教学工具来优化课程设计、课前备课、课堂助教和作业测评，让教师从机械化的重复劳动中解放出来，把更多的精力投入到对学生“学习能力”、“生活能力”、“创造能力”的培养上。
教师只有不断提升数字素养，才能在新技术到来之时，从容应对，高度驾驭新技术为我们的教育教学高质量发展服务。
就学生而言，在使用ChatGPT或其他人工智能工具时，首先要树立正确的价值观，学生应该把ChatGPT当作智能学伴来辅助自己的学习，学会妥善利用其解决学习中遇到的困难，而非直接用ChatGPT代替自己的思考，甚至利用它去成完作业或者考试。
主持人：微软CEO纳德拉谈到ChatGPT时，强调：“对于知识型工作者来说，这就完全等于工业革命。”身处这个时代，我们如何更好的应对chatGPT等AI技术的冲击？
吴阳：事实上，工业革命除了带来繁荣，也对当时的社会造成了巨大冲击。
早在工业革命时期，人们就关注了技术对于劳工阶层冲击，狄更斯的小说中充斥着对于机器冲击的恐惧，经济学家也不例外。比如经济学家大卫.李嘉图认为：“劳动阶级接受的观点是，使用机器经常会损害他们的利益。这不是基于偏见和错误，反而符合政治经济学的正确原则。”
技术的进步，并不必然带来社会的进步，甚至可能沦为新的陷阱。不可否认，即使技术最终会造福人类，创造新的岗位，但这不是一蹴而就的过程，而是需要数十年甚至一两代人的时间，而在这中间，受到损害的人，可能就悄无声息消失在时代的眼泪中了。
对于他们来说，技术进步不是福音，而是诅咒。现在，知识型工作者的“工业革命”来了。一些人认为，应该从小就培养孩子当程序员，对此，ChatGPT这样回答，“随着人工智能和技术的发展，教育也需要进行相应的改革。在这样的情况下，培养孩子当程序员确实是一个不错的选择。学习编程有助于培养孩子的逻辑思维、创造力和团队合作能力。”
但是，它也强调培养孩子当程序员并不是唯一的选择，“培养孩子的多项能力是更好的选择，以便他们能够适应未来变革带来的挑战。例如，培养孩子的创造力、沟通能力、社会技能、自我学习能力等方面的能力是非常重要的。最重要的是，要教会孩子如何自我学习，以便他们能够在未来不断成长。”
坦白说，听一个人工智能大言炎炎地教你大谈教育以及创新，不无反讽。但是实事求是地说，它的观点，比起多数人，其实明智得多。
结束语：面对以ChatGPT为代表的人工智能技术，西山区全体教育工作者将更加坚定教育数字化转型的信心，同时加强自身数字素养的提升，把握技术发展的主动权，让技术为教育活动服务，努力开创教育发展新局面。
Thoughtworks:面对人工智能趋势，应用大语言模型的两条路
6月16日，全球知名软件及技术咨询公司Thoughtworks举办了技术雷达28期媒体深度解析会。Thoughtworks中国区CTO徐昊，中国区港澳总经理、全球技术顾问委员会成员刘尚奇，中国区社会影响力与可持续发展负责人周妮娜受邀出席，并分享了对本期技术雷达最新主题的专家意见。
关于技术雷达
作为技术领域的先驱者，思特沃克一直致力于推动创新和引领行业发展。我们的使命是支持卓越软件并推动IT行业革命，由此，技术雷达应运而生。至今，技术雷达发布已经历经十四载。
技术雷达是Thoughtworks每半年发布一期的技术趋势报告，由Thoughtworks全球各地的20多位资深技术领袖组成的技术雷达技术顾问委员会(TAB)，依托我们在解决客户面临的严峻业务挑战时获得的观察结果、对话内容和一线经验，反复总结讨论提炼而来，旨在以清晰脉络向从CTO到开发人员在内的各类利益相关方提供高信息量的行业洞察。
技术雷达的四个象限
技术雷达使用图形，以条目展示不同的技术内容，每个条目对应一项技术。我们把条目归类于技术、工具、平台、语言和框架四个象限，而采纳、评估、试验和暂缓环则代表我们对其作出的成熟度的评估。软件领域瞬息万变，我们追踪的技术条目也如此，它们在雷达中的位置会随技术趋势而改变。
技术雷达的环
第28期技术雷达涵盖107个条目和五大主题，主题包括《实用人工智能的飞速崛起》、《易用的无障碍设计》、《Lambda陷阱》、《数据分析和人工智能中的工程严谨性》以及《声明，还是编程？》。本次技术雷达媒体发布会对以下三个主题进行了深入解析：
实用人工智能的飞速崛起
在过去几个月里，类似ChatGPT这样的工具已经彻底改变了人们对人工智能的认识，并使得这类工具开始被广泛使用。作为一个已经"阅读"了数十亿个网页的大型语言模型（LLM），ChatGPT可以提供额外的视角，协助完成不同的任务，包括生成创意和需求、创建代码和测试等。
对于人工智能的应用，技术雷达建议不要过度或不当使用。使用这些人工智能工具可能会存在知识产权和数据隐私方面的担忧，包括一些尚未解决的法律问题，因此我们建议企业在使用前征求其法律团队的意见。现今，AI模型能够生成一个良好的初稿。但生成的内容始终需要由人类监测、验证、审查和负责任地使用。如果忽视这些预警，机构和用户可能面临名誉和安全风险。甚至有些产品用例也提醒用户，“AI生成的内容可能存在错误。在使用前请确保它的正确性和合理性”。
“ChatGPT足够惊艳，但如果不能安全的为我所用，或是能找到类似的解决方案，那只会带来恐慌。”Thoughtworks中国区CTO徐昊在对《大语言模型的两条道路》这一话题解读时表示。
在大语言模型的使用上，Thoughtworks中国区CTO徐昊认为当下可以分为两种方式。“一种方式基于传统的机器学习，源自迁移学习（TransferLearning）逻辑。既然存在一个预先训练的模型（pre-trainedmodel），那么采用更接近某个特定领域的数据，进行迁移学习，就可以将预先训练的能力迁移到不同的领域。”徐昊解释道。在本期《技术雷达》中，我们提及了领域特定的大语言模型(DomainSpecificLLM)，使用领域特定数据对通用大型语言模型进行微调能将它们用于各种各样的任务，包括信息查询，增强用户支持和内容创作。这种实践已经在法律和金融领域展现出现它的潜力。另外，自托管式大型语言模型(Self-hostLLM)也已经成为现实，自托管有许多好处，比如可以更好地控制模型在一些特定使用场景的微调、提高安全性和隐私性，以及支持离线访问。然而不可避免的是，这种方式可能保留或二次分享您的数据，这会对保密信息和数据的所有权带来风险，同时消耗的成本也应该纳入考量因素。
另一种方式基于大语言模型本身的阅读理解和推理能力。徐昊认为：“在这种方式下，不需要复杂的数据收集，昂贵的GPU，长时间的训练。通过几次对话修正，就可以将大语言模型迁移到您所希望的领域。”比如在本期《技术雷达》中提到的提示工程和LangChain。前者指的是为生成式AI模型设计和优化提示的过程，以获得高质量的模型响应。这个过程包括精心设计特定、清晰易懂和与所需任务或应用相关的提示，以引导模型输出有用的结果。而后者是一个用于构建基于大型语言模型(LLMs)应用的框架。这些模型已经引起了一场生成式人工智能在各种场景下的竞赛。
在上下文构建方面，徐昊认为，LLM的未来之路仍然存在争议，如何进行选择，将来的主流模式是什么，仍然需要业界探索。
易用的无障碍设计
多年来，无障碍设计一直是备受组织重视的因素。在本期技术雷达中，Thoughtworks着重展示了团队在工具和技术方面经验的增长，这些经验使开发具备了更好的无障碍设计。在条目设计中的无障碍注解中，我们推荐了Figma的无障碍性注释插件，包括TheA11yAnnotationKit,Twitter的AccessibilityAnnotationLibrary和Axe的工具集AxeforDesigners。这些工具能促进团队内的沟通，帮助团队从工作的开始就考虑到文档结构、语义化的HTML和替代文本等重要的元素。而像是axeDevTools、AccessibilityInsightsforWeb或ARCToolkit等工具，可以帮助从业者实现智能辅助无障碍测试。我们很乐于看到人们对无障碍设计的重视，为更多的人提供改进后的功能访问方式。
“为了避免进一步恶化的社会排斥，拆掉无形的数字围墙是每一个技术工作者和企业的重要责任。”针对如何实现无障碍设计，Thoughtworks中国区社会影响力与可持续发展负责人周妮娜带来了题为《拆掉数据围墙——实现信息的可访问性和易用性》的解读。她指出：“在数字化时代，许多群体不得不面对由于年龄、教育水平、残障程度、收入、地理位置等因素导致的数字筑墙。”这些困境使堵在数字筑墙之外的数字弃民逐渐被物理世界排斥，举步维艰。为了消除社会排斥，每个技术工作者和企业都有责任将数字包容和信息无障碍技术融入产品和组织中。
负责任的企业和产品团队应该关注什么，又如何坚持长期主义将可及和易用的无障碍技术融入到产品开发的端到端流程呢？根据Thoughworks自身系统改造和服务客户的经验，周妮娜总结了以下四个维度的方法：
从人的深层需求出发找到通用性设计的方向
早期采纳无障碍技术以降低获客成本
在敏捷交付全生命周期中融入无障碍实践和工具
提升企业文化作为推动数字包容的基石
技术与人和社会的关系是相互交织的。未来对无障碍产品和服务的需求必将增加，如果不提前做好准备，企业的改造成本将大幅增加。无法提供无障碍服务的企业也将逐渐失去庞大的少数群体用户，处于商业竞争中的劣势地位。
Lambda陷阱
无服务器函数AWSLambdas越来越频繁地出现在架构师和开发者的工具箱中，并被用于实现各种基于于云基础架构的任务。然而，就像许多有用的东西一样，有时候解决方案开始时简洁实用，但随着不断成功、持续演进，最终违反范式中规定的约束、变得沉重不堪，终遭弃用。在本期技术雷达中，我们将Lambda陷阱作为主题之一，这是因为在看到许多无服务器风格解决方案成功应用的同时，我们也从项目中听到了许多警示性的故事，比如当涉及到复杂执行和跨多个相互依赖的Lambdas的数据流时，有可能会导致Lambda弹球反模式。在代码层面上，根本不可能将领域概念和所涉及的多个Lambdas之间做简单映射，这使得任何改变和添加都具有挑战。
Thoughtworks中国区港澳总经理、全球技术顾问委员会成员刘尚奇在技术雷达新闻发布会上以《Lambda陷阱：通过从微服务迁移到整体架构来降低90%的成本？》为题，发表了自己的看法。
刘尚奇认为：“无服务器函数并不是解决所有问题的灵丹妙药。在采用它们之前需要考虑其局限性并进行权衡取舍。无服务器函数的挑战之一是管理它们的复杂性和依赖性。随着应用程序的增长和发展，它们可能需要越来越多的无服务器功能来处理不同的任务和事件。这可能会导致无服务器功能变得过多、相互依赖且难以维护的情况。这就是我们所说的Lambda流沙。”
像所有的技术解决方案一样，无服务器有其适宜的应用场景，但它的许多功能在使用时都需要权衡利弊。刘尚奇建议，无服务器功能最适合简单、无状态和短期任务，这些任务可以从云的可扩展性和成本效益中受益。对于需要状态管理、数据一致性或事务完整性的更复杂或长时间运行的任务，建议使用其他架构或技术。
可以尝试的替代方案之一是基于函数的无服务器架构转向更粗颗粒度的微服务架构甚至模块化单体。单体是包含系统所有功能和逻辑的单个应用程序，与微服务相反，微服务是相互通信的小型独立服务。单体应用传统上被认为是过时和不灵活的，但一些公司声称他们可以通过从微服务切换回Monoliths来降低成本和复杂性。这也反应了当下行业应对架构复杂化的反思。
架构风格的选择需要考虑诸多因素，例如应用程序和组织的大小、复杂性、领域、要求和目标等。无服务器功能是构建基于云的应用程序的强大工具，但它们并非没有挑战或限制。开发者需要小心Lambda陷阱。
以上是Thoughtworks对于第28期《技术雷达》中三个主题的解读，更多主题和条目请访问我们的网站查看完整版。《技术雷达》尝试尽可能多地捕获软件行业的演进趋势，为了给新的内容腾出空间，我们会调整每期出现在雷达中的条目，有些近期没有更新的内容可能会被挪出，但略去某项技术并不表示我们不再关心它。任何宏观的变革，都会有一些微小的信号，我们会持续关注这些微小的改变，支持卓越软件事业的发展，直至掀起IT革命。