去年,，全球人工智能領域著名華人科學家李飛飛在一次公開演講中說道：“從我在斯坦福大學任教以來,，我一直對大學的招生辦公室感到好奇。終于有一天,，他們想找我聊一聊ChatGPT對招生的影響,。我先問了我11歲的兒子：有了ChatGPT之后，我們應該如何篩選學生,？如果申請人用ChatGPT寫了一個非常棒的應用程序,，我們還應該錄取他嗎？”“我11歲的兒子思考了一會兒回答道：我認為你們應該錄取2000名最會使用ChatGPT的學生,?！薄耙婚_始，我以為這是一個愚蠢的答案,，但后來,，我認為這個想法非常有趣。這一代的孩子們已經(jīng)將人工智能視為一種工具，一個11歲的孩子不會考慮這意味著什么,，但這恰恰在提醒我們已經(jīng)不能把人工智能排除在教育之外,?！碑斎斯ぶ悄艹蔀橄乱淮说男氯粘＃瑐鹘y(tǒng)的教育篩選機制是否還有效,，我們還能從中找到優(yōu)秀的人才嗎,？薩爾曼·可汗（Salman Khan）是孟加拉和印度移民后裔，在麻省理工學院獲得數(shù)學學士,、電氣工程與計算機科學學士及碩士學位后,，在哈佛商學院獲得了工商管理碩士。在一次對表妹的遠程輔導后,，他將授課實況制成視頻傳上網(wǎng)站分享,，收到好評如潮。于是他在2009年辭去金融分析師的工作,，專心建設旨在為全球學生提供免費在線教育的“可汗學院”,。作為可汗學院的創(chuàng)始人，薩爾曼·可汗應OpenAI聯(lián)合創(chuàng)始人山姆·奧特曼（Sam Altman）之邀,，成為世界上首批GPT-4測試者，深度體驗了人工智能與教育的全方位融合,，從而形成了他的獨特思考,。薩爾曼·可汗在他的新書《教育新語》中陳述了這樣一個觀點：人工智能并沒有給大學招生帶來新的問題，而是迫使我們認識到現(xiàn)有大學招生機制的不足,，同時提供了積極變革的可能性,。《教育新語：人工智能時代教什么,，怎么學》，[美]薩爾曼·可汗 著,，萬海鵬 / 王琦 譯,，中信出版集團，2024年7月,。在這本書里,，他探討了“在人工智能時代應該教什么”和“如何有效學習”這兩個核心問題，并提供了大量具體的案例,，展示了人工智能在家庭教育和課堂內外的實際應用,。他不僅分析了人工智能在個性化學習、課程設計,、學生評估和教育公平性方面的應用,，還著重討論了人工智能對家庭教育的影響，指導家長如何在家庭環(huán)境中應用人工智能工具,，更好地引導孩子學習,，培養(yǎng)孩子自主學習的能力,。下文摘編自《教育新語》，經(jīng)出版社授權刊發(fā),。我們還需要標準化測試嗎,？在美國，抨擊標準化測試已成為一種時尚,。每個州都在每個學年結束時進行“總結性”測試,，以衡量學生和學校的表現(xiàn)。人們經(jīng)常批評這些測試過于狹隘,，因為它們只針對生活中真正重要的東西的一小部分,。這可能會給教育工作者造成壓力，縮小他們在課堂上關注的范圍,。這還不是全部,。還有人認為，這些測試占用了學習時間,，并且不具有可操作性,。等到分數(shù)出來的時候，已經(jīng)沒有什么動力去關心他們在測試中的表現(xiàn),。另外,，成績的人口統(tǒng)計學差異也可能導致對某些群體或學校的偏見。隨著教育變得越來越具有政治色彩,，這些考試實際評估的內容缺乏透明度,，這讓人們產(chǎn)生了懷疑。但事實上,，如果我們要進行評價,，標準化測試可以說更公平，因為它對每個人都適用相同的標準（與“非標準化”的評價相比）,。如果問題在于測試所評估的內容太過狹隘,，那么解決方案就應該擴大評估的范圍并使其更加豐富，而不是完全放棄這些測試,。同樣,，如果批評的焦點是可操作性或透明度，我們應該使測試更具可操作性和更透明,。最重要的是,，盡管標準化測試并不完美，但取消這些測試真的會使事情變得更公平嗎,？如果一所為少數(shù)群體提供服務的學校不知道他們的學生在哪些方面落后以及如何落后,，那么他們如何著手解決問題,？對教育工作者,、學生和家庭來說，知道自己的差距難道不是更好嗎？無論如何,，這些不足最終都會顯現(xiàn)出來,，很可能發(fā)生在多年以后,，而那時再要彌補就難上加難了,。更應該思考的是如何改進標準化測試，而不是試圖完全取消它,。傳統(tǒng)的標準化測試缺乏透明度和靈活性,，這既是因為創(chuàng)建測試項目的費用高昂，也是因為這些項目必須確保安全,；如果其中任何一個項目泄密，整個測試就會失效,。另一方面,，如果你有一個易于訪問的在線平臺，可以從一個龐大的題庫中進行自適應測試,，那么你就可以讓更多的利益相關者隨時嘗試測試,，而不會破壞測試。這 是因為自適應測試會根據(jù)每個學生在之前問題上的表現(xiàn),，為他們提供不同的問題序列。兩個學生不太可能看到同一套題目,。生成式人工智能具有幫助解決所有這些問題的潛力。大語言模型還不足以完全獨立創(chuàng)作出高質量的測試題目,，但它們可以幫助出題人/審題人提高工作效率,。最終，這將使我們能夠用同樣的資源設計出更多的試題,，從而實現(xiàn)新一輪更加透明、更易獲取的評價,。在歷史上,，要廣泛評價這些更細微的任務，成本高得令人望而卻步,。即使是最基本的開放式試題,，也需要專業(yè)的人類評審員使用復雜的評分標準和系統(tǒng)來確保一致性。類似于博士論文答辯或求職面試的更豐富的評價歷來無法大規(guī)模進行,。最新一代的大語言模型有可能讓我們以更經(jīng)濟,、更普適的方式進行這類豐富的評價,。當然，使用人工智能進行評價可能會引起人們的警惕,。如果人工智能存在無法立即察覺的偏見怎么辦,？如果它犯了錯誤怎么辦？我試圖將這種假設與現(xiàn)狀進行比較,。目前的評價是由深思熟慮但容易犯錯的人類完成的,，他們都帶有自己的偏見。這并不是說我們應該盲目地認可人工智能評價,。事實上,，很多人會利用它做出一些糟糕的、充滿偏見的評價,。不過,，通過適當?shù)年P懷、透明度和監(jiān)管措施,，我們就能降低風險,，開發(fā)出比現(xiàn)在的評價更豐富、更準確,、更公平的評價方式,。這將對整個教育系統(tǒng)產(chǎn)生積極的影響，重新打開優(yōu)質教育的大門,，促使教育系統(tǒng)更加關注人的全面發(fā)展,。大學的篩選機制還有效嗎？在美國,，大學的篩選機制包括日常的學習成績,、標準化測試、課外活動、論文和推薦信,。除了難以更改結果的學習成績和標準化測試,，課外活動、論文和推薦信一直是作弊的重災區(qū),，在大語言模型出現(xiàn)之前就已如此,。2019年3月12日，美國破獲了一起大學招生舞弊案,，數(shù)十名富豪權貴被指控通過賄賂和欺詐手段,，幫助子女進入包括耶魯、斯坦福,、加州洛杉磯分校等頂尖名校,，這就是著名的“校園藍調”丑聞?！靶@藍調”的核心人物名叫威廉·辛格,，他創(chuàng)辦了一家名為“升學專家”（The Edge College Consulting）的咨詢公司，專門偽造虛假的申請材料,，專門幫助富裕家庭的孩子進入名校,。事實上，無論存不存在舞弊,，富裕的學生都會在申請學校的階段得到極大幫助,。在硅谷，頂級顧問的收費大約是每小時400美元,。協(xié)助一名學生完成一個大學錄取周期的費用可達數(shù)萬美元。這些水平較高的顧問會就如何處理課外活動和論文題目向學生提供建議,，幫助選擇大學，并就早期的論文草稿向學生提供周到的反饋,。他們可能會對學生的論文進行大量修改,，實質上是在替學生寫論文。顯然,，像ChatGPT這樣的工具更容易為負擔不起高價顧問的廣大人群所使用。從積極的一面來看,，生成式人工智能可以幫助縮小貧富差距,。從消極的一面看,，道德水平較低的學生很可能會嘗試突破極限，使道德水平較高的學生處于不利地位,。招生負責人需要考慮的新問題是，學生提供的材料是否還具有說服力,？要解決這個問題，首先值得質疑的是,，為什么要把論文和推薦信作為招生的一部分。在大多數(shù)國家,，進入名牌大學是一個相當客觀的過程,。在印度，印度理工學院（IITs）的錄取完全基于聯(lián)合入學考試（JEE）,。印度理工學院招收考試分數(shù)最高的學生,，但也為一些代表性不足的群體設置配額。分數(shù)最高的學生不僅可以選擇自己心儀的校區(qū),，還可以優(yōu)先選擇專業(yè)，錄取不涉及論文、推薦信或課外活動等任何主觀因素,。當然，美國的頂尖學府面臨的情況有些不同,，它們的申請者眾多，如果只按照成績排序,，它們可以招到遠超他們計劃數(shù)量的，擁有完美成績的學生,。這迫使它們不得不采取一些主觀的方式去評價學生，即通過論文,、課外活動和推薦信來衡量學生的個性和背景,。學生是否克服了困難？他們看起來有協(xié)作精神嗎,？他們將來是否有可能對世界產(chǎn)生影響？對十七八歲的年輕人來說,，這些都是很大、很深奧的問題,。很多人都會懷疑，招生官能否根據(jù)一些受外界影響較大的文章和推薦信來判斷學生的這些品質,。課外活動可以說是學生領導力或社會責任感更具體的體現(xiàn)，但這也很難判斷,。學生是靠自己的努力贏得了國際科學展嗎？他們的研究課題是心臟病，而他們的母親是一名心臟病學家,，這是巧合嗎？志愿者的工作是實質性工作，還是只是聽起來讓人印象深刻的工作,？這一切都導致了美國競爭激烈的大學招生中的隨機性，任何參與過這一過程的人都清楚這一點,。許多最聰明、最善于合作,、最有才華的人被拒絕的次數(shù)遠遠超出了人們的預期。訪問任何一所頂尖大學,，你都會遇到許多令人印象深刻的年輕人。同時,，你也可能會遇到許多在學業(yè)上掙扎的學生，或者似乎沒有體現(xiàn)出謙遜,、協(xié)作或領導力等特質的學生。大多數(shù)人認為,，這些學生非常善于在論文中構建關于自己的敘事，并在系統(tǒng)中進行博弈,，或者他們的家庭很善于雇人幫他們做這件事。我們需要有更標準化的方法來評價“軟技能”,，如領導力、協(xié)作和同理心,。如果這些評價能夠與準確評價學生學術能力的方法結合起來，將會更加美妙,。這種思路早在人工智能出現(xiàn)之前就已經(jīng)存在，但人工智能將把事情推向另一個高度,。紀錄片《公正 》（Justice，2009）畫面,。想象一下,，如果全國每個人都有同一個老師,。這個老師其實是一個很好的仲裁者,，生成式人工智能就會是這個新老師。人工智能代理甚至有可能親自為學生擔保,，就像熟悉學生的老師一樣。你可以這樣想像 Khanmigo這樣的人工智能助手已經(jīng)與你合作了一段時間,，它了解你的優(yōu)勢和愛好，并能擬真地描繪出有關你的動態(tài)圖景,。到了申請大學的時候，人工智能可以為你寫推薦信,。每一位使用該平臺的學生的推薦信都是標準化的,，只是它根據(jù)與每一位學習者相處的經(jīng)驗擁有不同的記憶。過去,，招生面試通常由與學生居住在同一地區(qū)的校友進行，并不是對所有候選學生進行統(tǒng)一面試,，而且面試結果也存在相當大的差異。 他們可以幫助招生官篩選出有明顯問題的申請者,，但對大部分在紙面上看起來很優(yōu)秀的學生來說，面試起到的篩選作用很有限,。人工智能使這一過程的可擴展性、一致性和可審計性大大提高,。在這種情況下,，人工智能可以持續(xù)地總結學生與面試人員的互動情況,，并根據(jù)招生辦公室創(chuàng)建的評分標準從多個維度對其進行評分,。當然,，這會引發(fā)雙向偏見的擔憂。有些偏見是你想要看到的,。你希望這個過程人工智能將偏向于有思想,、善于合作的年輕人，而不是出現(xiàn)性別,、種族,、宗教或地域偏見。百分之百無偏見的解決方案似乎是不可能的,，但這不應該成為障礙。相反,，任何人工智能系統(tǒng)都需要明顯優(yōu)于現(xiàn)實招生體系，而現(xiàn)實招生體系通常會涉及各種偏見,。這不是隨便說說的，2023年6月29日,，美國最高法院以6比2的投票結果裁定，哈佛大學的種族平衡招生政策歧視亞裔申請人,，違反了美國憲法第十四修正案的平等保護條款。這項訴訟持續(xù)了將近十年的時間,，原告是學生公平錄取組織（Students for Fair Admissions，簡稱SFFA）,。2014年11月17日，該組織指控哈佛大學在本科生錄取過程中對亞裔美國申請人采取了種族歧視政策,，導致亞裔學生被錄取的可能性低于其他族裔的學生。事實上,，在2018年聯(lián)邦最高法院審理的一起案件中，明確證實哈佛大學的招生官一直對亞裔美國人申請者的個性特征評分較低,，甚至常常武斷地推翻面試官的觀察結果。哈佛大學的錄取程序從“學術”“課外”“體育”“個人”和“整體”五個方面對申請者進行評分,，按照1到6分對學生進行排名，1分為最好,。白人申請者的個人評分高于亞裔美國人，21.3% 的白人申請者能獲得1分或2分,，而亞裔美國人只有17.6%的人獲此分數(shù),。校友面試官給亞裔美國人的個人評分與白人申請者相當，但招生辦公室給亞裔美國人的評分是所有種族群體中最差的,。在這場重大訴訟之后,，這些數(shù)據(jù)才浮出水面。在大多數(shù)情況下,，這個非常不透明的過程中蘊含的偏見被很好地隱藏了起來?；谌斯ぶ悄艿拿嬖嚬俸驮u審員的強大之處在于它們可以被審計,。你可以用具有相同資質、不同人口統(tǒng)計學特征的申請者對它們進行測試,，并公布結果,，以確保不同種族,、性別或背景之間的一致性。人工智能并沒有給大學招生帶來新的問題,，而是迫使我們認識到現(xiàn)有大學招生的不足,，同時提供了積極變革的可能性。審慎地使用人工智能,，再加上一點不斷求索的勇氣,，或許能讓我們邁向一個更加公平、更加透明的世界,。原文作者/[美]薩爾曼·可汗摘編/荷花編輯/王菡導語校對/劉軍