生成式AI对计算机类专业教育的影响及对策.pdfVIP

第11期计算机教育

2024年11月10日ComputerEducation1

特别视角

文章编号：1672-5913(2024)11-0001-05中图分类号：G642

生成式AI对计算机类专业教育的影响及对策

言 十

摘 要：在简要论述生成式AI机理基础上，从多个维度论述生成式AI对高等教育的影响；分析其与

计算机学科的紧密关系以及对计算机类专业教育的具体影响，提出专业教育适应性变革的思考与建议。

关键词：生成式AI；大模型；教学创新；智能助理；人机协同；计算机类专业

1 关于GenAI的几点认识

以ChatGPT为代表的生成式AI（简记为GenAI）问世1年多来，不仅展现了惊人能力，而且形成

了快速演化。

（1）多模态生成是基本能力。GenAI利用预训练大模型，自动生成文本、图像、视频、音频等多

模态内容，因而也称为人工智能生成内容AIGC；是AI能力从分析型向生成型进化的标志性体现。

（2）多类型深度学习为核心原理。目前的GenAI大多以Transformer深度学习为基础架构，预训练

采用自监督学习，而微调采用监督学习，进而通过人类反馈的强化学习，不断提升其生成质量。

（3）规模化效应是主要特征。GenAI遵循scaling law，即模型规模越大，生成效果越优。事实上，

其模型参数已达数千亿级、训练数据量非常巨大、算力资源需求达到万个加速节点，而且量变引发质

变，当规模达到极点时，呈现出性能大幅提升、新能力突现的“涌现”现象。

（4）能力快速进化为发展趋势。GenAI处于快速能力进化之中，未来趋势令人难以想象！例如，

Open AI在不到2年的时间内，从ChatGPT、GPT 4、到GPT4 Turbo、GPT 4o，已发布4个新版本，

不仅生成规模与能力不断增强，而且更加呈现多模态，并且Sora的文变视频形成新的能力。即使是国

内主流大模型，其准确性、高效性以及可信性也在持续提升。

（5）领域模型成为主流模式。尽管通用基础大模型可在大多数场景中响应基本性问题，仍难以完

全满足特定领域或给定场景的深层需求；正在呈现基础大模型“几家主导”、垂直领域模型“千模齐放”

的局面，即在基础大模型基础上，通过融入领域数据与知识，实现模型微调，以取得更有效的领域模

型；同时基于云计算平台，正在形成“模型就是服务（MaaS）”的新型云服务形态。

（6）风险性引起国际高度关注。GenAI不仅引发虚假视频快速制作等低成本的新形态犯罪，而且

导致中低端白领职业就业机会大幅度减少，AI安全与治理成为国际社会重要议题，对于教育领域既有

积极作用，又有负面影响。

计算机教育

2ComputerEducation2024

2 GenAI对高等教育的多维影响

2.1 国内外高等教育界的GenAI应用

（1）美国及中国香港地区率先反应。自ChatGPT 问世之时起，由于其发源地以及语言等优势，美

国以及我国香港地区教育界首先引起高度关注，并普遍开始教育应用实践。例如，美国教育部教育技

术办公室于2023年5月发布《人工智能与教学未来》报告，分析AI 对教育发展的正负两面影响，并

提出相应对策，进而于2024年发布《为教育设计AI：开发者必备指南》提出一系列高效设计开发教育

大模型建议，力求确保在教育环境中使用AI技术的安全可靠以及可信赖性。美国著名高校自2023年

开始付诸实施，MIT、斯坦福、哈佛等一批高校纷纷发布AI 赋能教育行动计划，为教师和学生提供

GenAI服务资源和指导。中国香港地区各大学自2023年后半年起普遍实施GenAI 赋能教学计划，例

如，香港大学要求全部师生使用GenAI，作为教师考核与学生毕业要求，全面将GenAI融入课程，提

升学生对GenAI的认知能力和应用技巧；香港科大于2023年6月为学生和教职工提供港科大HKUST

ChatGPT，使学校基于GPT3.5自主开发，并为师生免费提供50万token+20 Prompt人/月资源，普

及每位师生使用GenAI完成教学和学习，将应用AI工具列为学生必备能