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(dú)有的個(gè)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(shí)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(xué)研究院數(shù)字教育研究所副所長曹培杰,、之江實(shí)驗(yàn)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(bào)告》（下簡稱《報(bào)告》）。《報(bào)告》聚焦教育專用大模型,，從技術(shù)基礎(chǔ),、應(yīng)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(xùn)練參數(shù)的人工智能模型，它是深度學(xué)習(xí),、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(qiáng)大能力實(shí)質(zhì)上是深度學(xué)習(xí)中「量變引起質(zhì)變」的結(jié)果,。當(dāng)模型參數(shù)量達(dá)到一定規(guī)模時(shí),，模型準(zhǔn)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(xùn)練數(shù)據(jù)中自動學(xué)習(xí)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(qiáng)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(bào)告》指出,，教育專用大模型是指以通用大模型為基礎(chǔ)的多層次開放技術(shù)架構(gòu),，以多樣的教育數(shù)字化應(yīng)用為驅(qū)動，通過統(tǒng)一交互對話界面向師生和社會學(xué)習(xí)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(yīng)用中持續(xù)升級。作為重點(diǎn)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(yīng)用，將在教育過程中訓(xùn)練形成教育新場景,，實(shí)現(xiàn)人類學(xué)習(xí)和機(jī)器學(xué)習(xí)的雙向建構(gòu),。

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

當(dāng)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(xué)習(xí)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(xùn)練用于解決教育任務(wù)的大模型。

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

《報(bào)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(shí)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(yīng)用中的數(shù)據(jù),；要以專家知識庫作為大模型的補(bǔ)充，將學(xué)科知識和教育教學(xué)中的各種規(guī)則有意識地「教」給大模型,；要整合應(yīng)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(xí)、數(shù)學(xué)學(xué)習(xí),、情感分析和個(gè)性化推薦等方面為教育帶來巨大潛力和可能性,。《報(bào)告》梳理了五種典型的教育專業(yè)大模型應(yīng)用案例,，對其發(fā)展背景,、應(yīng)用場景、設(shè)計(jì)特色等進(jìn)行了深度分析,。

教育專用大模型典型應(yīng)用案例

從應(yīng)用場景看,，星火語伴主要用于語言學(xué)習(xí),，支持多語言文本、語音和圖片的實(shí)時(shí)翻譯,，并能糾正語法錯(cuò)誤,，提供口語陪練等。EmoGPT用于提供心理健康服務(wù),，能識別和響應(yīng)用戶情緒,，提供持續(xù)的心理支持。MathGPT面向全球數(shù)學(xué)愛好者和科研機(jī)構(gòu),，提供解題和講題算法,，支持用戶進(jìn)行數(shù)學(xué)解題和練習(xí)。智海-三樂用于AI專業(yè)教育,，提供搜索引擎,、計(jì)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(jī)器人為學(xué)習(xí)者提供個(gè)性化學(xué)習(xí)方案,，同時(shí)也支持生涯規(guī)劃服務(wù),、教學(xué)方法輔導(dǎo)優(yōu)化等。

從技術(shù)進(jìn)展看,，教育專用大模型在模型性能,、應(yīng)用場景、技術(shù)特點(diǎn)方面展現(xiàn)出優(yōu)勢,，涵蓋了大部分學(xué)科內(nèi)容,，主要聚焦于自主學(xué)習(xí)場景，包括知識問答,、語言學(xué)習(xí),、學(xué)習(xí)引導(dǎo)和教學(xué)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(chǔ)，通過指令微調(diào)等方式實(shí)現(xiàn)針對特定學(xué)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(zhǔn)確性、教學(xué)內(nèi)容多樣性,、支持核心教育場景,、包容學(xué)習(xí)者多樣性方面還有所局限，存在錯(cuò)誤率較高,、缺乏共情理解能力等問題,，主要側(cè)重于學(xué)科知識教學(xué)和應(yīng)試教育情境，在跨學(xué)科學(xué)習(xí),、學(xué)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(xué)習(xí)，在真實(shí)課堂,、同伴協(xié)作、混合教學(xué)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(yīng)用取得了明顯進(jìn)展，但仍面臨著現(xiàn)實(shí)問題,，需要進(jìn)一步提升訓(xùn)練數(shù)據(jù)的質(zhì)量和規(guī)模,，尤其是將先進(jìn)教育理念、教育深度知識和教育核心場景的真實(shí)需求深度嵌入技術(shù)設(shè)計(jì),，結(jié)合用戶反饋進(jìn)行多輪迭代,，形成更智慧,、更靈活的教育專用大模型。

《報(bào)告》指出，教育自動化和智能化的實(shí)現(xiàn)相較于其他領(lǐng)域往往面臨著更高的要求,。因?yàn)榻逃蝿?wù)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(yīng)用,。作為一項(xiàng)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(jìn)行系統(tǒng)性評估。

一方面,，智能機(jī)器與人類教師之間存在模糊分野,。教育任務(wù)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(dān)復(fù)雜認(rèn)知任務(wù)（如藝術(shù)創(chuàng)作,、決策制定）時(shí)，逐漸模糊了機(jī)器與教師之間的界限,，從而容易導(dǎo)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(qiáng)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(fù)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(dǎo)致學(xué)生所獲取的知識處于不斷被切割的狀態(tài),。

同時(shí)，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(dǎo)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(jià)值上可能存在沖突,。通用大模型在教育領(lǐng)域的應(yīng)用受限主要源于其缺乏教育領(lǐng)域特定的深度知識和個(gè)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(xùn)練而成，未必能準(zhǔn)確理解教育領(lǐng)域特定術(shù)語,、學(xué)科需求及學(xué)習(xí)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(zhǔn)和深度的智能化支持,。

《報(bào)告》秉持「應(yīng)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(yīng)用，讓智能算力像「水電」一樣,，接入每一所學(xué)校,、每一個(gè)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(chǔ)能力層（L0）,、專業(yè)能力層（L1）,、應(yīng)用服務(wù)層（L2）?；A(chǔ)能力層（L0）基于通用大模型的基礎(chǔ)能力,，根據(jù)多元教育數(shù)據(jù)類型和多元任務(wù)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(yīng)用服務(wù)層（L2）將各類教育數(shù)字化應(yīng)用接入大模型，在大模型為應(yīng)用賦能的同時(shí),，將應(yīng)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(gè)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(xiàn)者,、建設(shè)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(yù)處理,、特征工程、模型設(shè)計(jì),、模型預(yù)訓(xùn)練,、微調(diào)與遷移學(xué)習(xí)、模型評估與調(diào)優(yōu)七個(gè)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(xué)習(xí)者為中心」理念變成普遍現(xiàn)實(shí),。其中，在學(xué)前教育階段,，主要表現(xiàn)為尊重兒童,、放手兒童，強(qiáng)調(diào)培養(yǎng)兒童的自主性,、創(chuàng)造性,；在基礎(chǔ)教育階段，主要表現(xiàn)為從講授灌輸式教學(xué)走向深度理解和研究性學(xué)習(xí),，強(qiáng)調(diào)建立學(xué)習(xí)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(xué)生發(fā)展為中心,，強(qiáng)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(xué)習(xí)需求為導(dǎo)向,，重點(diǎn)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(chǔ)上進(jìn)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(shí)，也是推動教育數(shù)字化改革,、推進(jìn)教育公平惠普化的重要推力,。