原文來源：多鯨

作者：曹培杰 黃寶忠

圖片來源：由無界 AI生成

回望2023年,，ChatGPT橫空出世,，國內(nèi)外公司紛紛推出自家大模型,，加入混戰(zhàn),，各種智能化教育產(chǎn)品也隨之落地,，AI+教育概念熱度飆升。由于教育所獨有的個性化,、互動性需求，教育行業(yè)成大模型落地最通暢的場景之一,。從通用大模型到教育專用大模型，從AI概念到實際產(chǎn)品,，如何推動市場生態(tài)走向成熟？

近日,，中國教育科學研究院數(shù)字教育研究所副所長曹培杰、之江實驗室智能教育研究中心主任黃寶忠共同發(fā)布了《重構(gòu)教育圖景：教育專用大模型研究報告》（下簡稱《報告》）,?！秷蟾妗肪劢菇逃龑Ｓ么竽Ｐ停瑥募夹g(shù)基礎,、應用現(xiàn)狀、潛在挑戰(zhàn),、創(chuàng)新構(gòu)思,、落地場景等方面開展研究。

「大模型」（largemodels）是指具有數(shù)十億到數(shù)百億甚至更多可訓練參數(shù)的人工智能模型,，它是深度學習、GPU硬件,、大規(guī)模數(shù)據(jù)集等多種技術(shù)共同發(fā)展的產(chǎn)物。大模型所展現(xiàn)的強大能力實質(zhì)上是深度學習中「量變引起質(zhì)變」的結(jié)果,。當模型參數(shù)量達到一定規(guī)模時，模型準確率會經(jīng)歷質(zhì)的飛躍,，這一過程被稱之為「涌現(xiàn)能力」,，即從原始訓練數(shù)據(jù)中自動學習并發(fā)現(xiàn)新的、更高層次的特征和模式的能力,。這些能力突出表現(xiàn)為通用的用戶意圖理解能力,、強大的大范圍上下文連續(xù)對話能力、智能的交互修正能力,、內(nèi)容的潤色分類和總結(jié)能力,、新內(nèi)容的生成能力、多模態(tài)能力,。

《報告》指出,，教育專用大模型是指以通用大模型為基礎的多層次開放技術(shù)架構(gòu)，以多樣的教育數(shù)字化應用為驅(qū)動,，通過統(tǒng)一交互對話界面向師生和社會學習者提供專業(yè)能力,，具備豐富多樣的教育專業(yè)知識，并在應用中持續(xù)升級,。作為重點研發(fā)領(lǐng)域之一，教育專用大模型是大模型技術(shù)、知識庫技術(shù)以及各類智能教育技術(shù)的集成應用,，將在教育過程中訓練形成教育新場景，實現(xiàn)人類學習和機器學習的雙向建構(gòu),。

教育專用大模型應用包括學習空間互動生成、學習資源按需供給,、教師角色轉(zhuǎn)型升級,、探究性學習,、對話式教學,、嵌入式評價,、服務式治理等關(guān)鍵要素。

當前,，教育專用大模型主要采取兩種技術(shù)路線：一是直接調(diào)用通用大模型，通過微調(diào)或提示學習的方式使之具備一定專業(yè)能力,；二是利用教育領(lǐng)域?qū)I(yè)數(shù)據(jù),，專門訓練用于解決教育任務的大模型。

綜合當前業(yè)內(nèi)情況看來,，這兩種技術(shù)路線都取得了一定進展,，但實現(xiàn)效果仍有待提升,。由于缺乏足夠的專業(yè)數(shù)據(jù)訓練，教育深度知識不夠,，智能性不強，難以靈活處理復雜多變的教育任務,。

《報告》指出,，研發(fā)教育專用大模型,，破解之道在于兩條技術(shù)路線整合起來。

這并非簡單相加,，而是通過建立一種全新的開放技術(shù)架構(gòu),，系統(tǒng)整合通用問題解決能力和教育專用問題解決能力，實現(xiàn)技術(shù)突破,。具體來說，要結(jié)合通用大模型與教育領(lǐng)域?qū)I(yè)數(shù)據(jù)，打破數(shù)據(jù)孤島,，通過開放數(shù)據(jù)接口源源不斷地獲得來自常態(tài)化教育應用中的數(shù)據(jù),；要以專家知識庫作為大模型的補充,，將學科知識和教育教學中的各種規(guī)則有意識地「教」給大模型,；要整合應用各類智能教育技術(shù),，將已經(jīng)發(fā)展起來的各類智能教育技術(shù)集成于教育專用大模型之中,。

大模型在口語練習,、數(shù)學學習、情感分析和個性化推薦等方面為教育帶來巨大潛力和可能性,?！秷蟾妗肥崂砹宋宸N典型的教育專業(yè)大模型應用案例，對其發(fā)展背景、應用場景,、設計特色等進行了深度分析。

教育專用大模型典型應用案例

從應用場景看,，星火語伴主要用于語言學習,，支持多語言文本,、語音和圖片的實時翻譯，并能糾正語法錯誤,，提供口語陪練等,。EmoGPT用于提供心理健康服務,，能識別和響應用戶情緒,，提供持續(xù)的心理支持,。MathGPT面向全球數(shù)學愛好者和科研機構(gòu)，提供解題和講題算法,，支持用戶進行數(shù)學解題和練習,。智海-三樂用于AI專業(yè)教育,，提供搜索引擎,、計算引擎和本地知識庫等功能，支持智能問答和試題生成,。Khanmigo通過對話式AI聊天機器人為學習者提供個性化學習方案,，同時也支持生涯規(guī)劃服務、教學方法輔導優(yōu)化等,。

從技術(shù)進展看,，教育專用大模型在模型性能、應用場景,、技術(shù)特點方面展現(xiàn)出優(yōu)勢,，涵蓋了大部分學科內(nèi)容，主要聚焦于自主學習場景,，包括知識問答,、語言學習,、學習引導和教學輔助等,。在技術(shù)路線上，「通用+微調(diào)」的路徑已證明其有效性,，許多技術(shù)方案以通用大模型為基礎,，通過指令微調(diào)等方式實現(xiàn)針對特定學科知識的有效回答。

從現(xiàn)有不足看,，現(xiàn)有教育專用大模型在準確性,、教學內(nèi)容多樣性、支持核心教育場景,、包容學習者多樣性方面還有所局限,，存在錯誤率較高、缺乏共情理解能力等問題,，主要側(cè)重于學科知識教學和應試教育情境,，在跨學科學習、學生綜合能力與高階思維培養(yǎng)等方面仍有不足,；主要聚焦于支持自主學習,，在真實課堂、同伴協(xié)作,、混合教學等場景下如何充分發(fā)揮大模型的作用尚未得到有效探索,。

總之,，大模型在教育領(lǐng)域的應用取得了明顯進展，但仍面臨著現(xiàn)實問題,，需要進一步提升訓練數(shù)據(jù)的質(zhì)量和規(guī)模,，尤其是將先進教育理念、教育深度知識和教育核心場景的真實需求深度嵌入技術(shù)設計,，結(jié)合用戶反饋進行多輪迭代,，形成更智慧、更靈活的教育專用大模型,。

《報告》指出,，教育自動化和智能化的實現(xiàn)相較于其他領(lǐng)域往往面臨著更高的要求,。因為教育任務大部分是「非程式化」的，可自動化程度相對較低,。隨著大模型在模仿,、生成、創(chuàng)作等能力上的不斷突破,，大模型有望在教育過程中得到深入應用,。作為一項新興的人工智能技術(shù)，有必要對教育專用大模型可能面臨的挑戰(zhàn)進行系統(tǒng)性評估,。

一方面,，智能機器與人類教師之間存在模糊分野。教育任務往往需要人類智慧,，這使得具備生成,、創(chuàng)造能力的大模型技術(shù)在承擔復雜認知任務（如藝術(shù)創(chuàng)作、決策制定）時,，逐漸模糊了機器與教師之間的界限,，從而容易導致師生對大模型的過度依賴，造成知識體系的斷裂和碎片化,、偏見等問題,。具體來說，大模型的強大生成能力簡化了師生獲取信息的流程,，但也放大了其對知識探究的惰性,。大模型往往會為復雜問題提供簡潔、直接的答案,，但這些答案缺乏連貫性和完整性,，可能導致學生所獲取的知識處于不斷被切割的狀態(tài)。

同時,，數(shù)據(jù)集本身或算法等原因?qū)е履Ｐ蛯δ承┨囟ㄈ后w或主題存在偏好或歧視,，可能會導致模型輸出的答案或結(jié)論存在偏差,。

另一方面，通用與專用大模型在人類價值上可能存在沖突,。通用大模型在教育領(lǐng)域的應用受限主要源于其缺乏教育領(lǐng)域特定的深度知識和個性化定制能力,。這種模型通常是通過廣泛而通用的文本數(shù)據(jù)訓練而成，未必能準確理解教育領(lǐng)域特定術(shù)語,、學科需求及學習模式,，由此引發(fā)通用與專用大模型之間的過程與結(jié)果的沖突、生成與探究的沖突,、自動與協(xié)作的沖突,、透明和可靠的沖突。因此,，需要定制基于領(lǐng)域知識深度理解的教育專用大模型來提供更有效,、精準和深度的智能化支持。

《報告》秉持「應用驅(qū)動,、共建共享」的理念,，提出了開放創(chuàng)新的教育專用大模型架構(gòu)，通過集成通用大模型,、教育場景模型（小模型）和知識庫三條技術(shù)路線,，讓教育專用大模型賦能各級各類教育數(shù)字化應用，讓智能算力像「水電」一樣,，接入每一所學校,、每一個課堂、每一臺終端,，讓生成式人工智能成為廣大師生的親密助手,。

教育專用大模型的開放創(chuàng)新架構(gòu)分為三層,，分別是基礎能力層（L0）,、專業(yè)能力層（L1）、應用服務層（L2）,?；A能力層（L0）基于通用大模型的基礎能力，根據(jù)多元教育數(shù)據(jù)類型和多元任務需求,，調(diào)用不同類型的大模型,。專業(yè)能力層（L1）包括教育場景模型庫和專家知識庫。應用服務層（L2）將各類教育數(shù)字化應用接入大模型,，在大模型為應用賦能的同時,，將應用數(shù)據(jù)源源不斷傳入大模型，持續(xù)提高大模型的教育專業(yè)能力,。

教育專用大模型開放創(chuàng)新架構(gòu)

教育專用大模型并非單一、封閉的模型,，而是一個開發(fā)者和用戶共同參與持續(xù)完善的過程,。廣大師生和各類教育數(shù)字化產(chǎn)品的研發(fā)者既是模型的使用者，也是模型的貢獻者,、建設者,，由此形成共建共享的教育專用大模型創(chuàng)新生態(tài)。教育專用大模型的技術(shù)路線包括大規(guī)模多元教育數(shù)據(jù)采集,、數(shù)據(jù)預處理,、特征工程、模型設計,、模型預訓練,、微調(diào)與遷移學習、模型評估與調(diào)優(yōu)七個關(guān)鍵步驟,。

教育專用大模型的技術(shù)路線

教育專用大模型將把「以學習者為中心」理念變成普遍現(xiàn)實,。其中,，在學前教育階段，主要表現(xiàn)為尊重兒童,、放手兒童,，強調(diào)培養(yǎng)兒童的自主性、創(chuàng)造性,；在基礎教育階段,，主要表現(xiàn)為從講授灌輸式教學走向深度理解和研究性學習，強調(diào)建立學習者的主體性,；在高等教育和職業(yè)教育階段,，主要表現(xiàn)為以學生發(fā)展為中心，強調(diào)科教融合,、產(chǎn)教融合,；在終身教育階段，主要表現(xiàn)為以學習需求為導向,，重點解決優(yōu)質(zhì)教育資源供給與需求匹配的問題,。

未來，人工智能大模型將深度融入各領(lǐng)域各環(huán)節(jié),，賦能千行百業(yè)智能升級,，助力社會生產(chǎn)力躍升。從通用大模型到教育專用大模型,，是人工智能大模型技術(shù)深化發(fā)展的重要趨勢,。這不只是在通用大模型基礎上進行微調(diào)和優(yōu)化,，而是一種基于教育場景、開放模型架構(gòu)的重大創(chuàng)新,。同時,，也是推動教育數(shù)字化改革、推進教育公平惠普化的重要推力,。