Deep Dive
Shownotes Transcript
Hello 大家好,欢迎回到洒洒水我是一冰,今天梦玄请假那我们今天但是还是会有两位好朋友加入我们的讨论今天想跟大家聊的话题是生成式 AI 会对教育有什么样的影响大家知道就生成式 AI 最著名的产品可能就是 ChatGPT 从 2022 年 11 月发布到现在其实已经有一年半的时间了
那在这期间其实我们在公众号上也写过一篇文章一些文章是关于 ChatGPT 的那积累了一年半的时间我们想终于可以有一些非常有价值的东西可以跟大家分享那今天来的两位好朋友也都是在这个 AI 和教育的领域都有很多的探索那先请两位介绍一下自己吧
Hello 大家好 我是依依子 我又回来了不过今天谈论的是一个截然不同的话题 AI 和教育我自己现在是硅谷的一名全职程序员然后我刚刚也通过了教育学博士的答辩我的论文也是跟如何用 AI 去辅助老师提升教学质量相关的一些研究今天特别开心和大家分享我自己的一些经历和体验
那我们的新朋友竹子也跟大家打个招呼好的大家好很高兴能够得到彬彬的邀请来到这个博客跟大家一起来讨论关于教育方面的问题我自己是在教育学的科技和认知科学这样的一个交叉的领域里面也在做我的博士也准备毕业了
在这个过程当中自己也有做一些这种教育科技方面的创业所以呢对不管是说科技在教育领域的应用还是说把一些认知科学心理学方面的研究成果能够让他对于教育的实践去
起到一些影响都有一些自己的思考和实践吧也希望能够在这一次的播客里面跟大家分享自己的一些心得体会竹子我也上过竹子的课是讲得非常的好跟大家默默地推荐对其实我们这次对话还蛮难凑上时间的因为依依子是在美西然后竹子是在美东然后我是在上海三个地方的时间都很不一样
那我们先来说一说大家到现在为止用过的哪些生成是 AI 的产品然后以及你们用哪些用的最多或者用它们来干什么我们就随便先从这个开始聊一聊好了
主子先说吧好的那我自己其实最常用的应该也是 ChatGPT 了因为对于日常需要的一些这种不管是资料的一些查询和搜索可以从 ChatGPT 这边得到一些启发之外的话然后包括这种头脑风暴式的一些观点的罗列或者说是一些想法的拓展呢其实是
这种聊天室的这个界面其实都是比较方便使用的吧所以我觉得在因为也是在美东这边所以用 ChatGPT 也比较方便所以用
它的次数应该是最高然后因为在国内的话可能 GPT 不那么常用所以会也跟国内伙伴有一些交流的时候也会去使用一些国内的工具比如说像 Kimi 的话应该是在国内的朋友里面可能用的也比较多的所以也会去用一用这个工具然后关于就是因为大家现在对于搭建这个 AI 的对话的这种机器人或者叫 AI Agent 是感兴趣的吧然后
国内就是扣子这个平台相当于是字节他们出的这个平台对于我的了解来讲可能影响范围还是比较广的吧就大家会主要选择它去搭建而且确实后台的功能也是比较丰富的所以也会用扣子
然后主要的可能大概是这三个工具曾经还试过一小段时间或者说玩过那个就是 character.ai 这个工具就是它利用生成式 AI 的能力去帮你形成一个可以对话的人物还不算是特别深入的研究但是觉得是一个有趣的功能也之后还会想继续探索其实
大概是这样依子呢我跟竹子老师差不多我一开始是用 CHPT 非常的多到现在也是然后我会用 CHPT 帮我去 debug 或者说是帮我去解释一些代码尤其是我现在其实是在自学 Next.js
它是一个前后端全站写网页产品的这样一个编程的体系吧我自己呢是已经有了一些编程的基础但主要是在另一门编程语言然后我发现 CHPT 它真的对于至少说代码类非常的细腻和地道就感觉这个之前的 computer science 的硕士一下子可以减少很多的成本然后最近呢我也是成了 Cloud AI 的一个中度用户
因为我自己有一个小红书号有些时候我会用生成式 AI 帮我去做一些简单的文章的翻译和一些文章的排版包括标题的生成在这方面我发现 Cloud AI 似乎它的效果尤其是在中文上是比 CHGBT 要好很多的非常的细腻而且我觉得 Cloud AI 的网感比我要好我也用 lead journey 因为有些时候我做 PowerPoint 的
我希望去生成一些比较有意思的话就是可能一些场景然后我不需要用我自己然后去手动去找一些实量图来拼接这种情况下我会用 Meet Journey 去生成一些浮片包括我其实也在做一些自己的播客
我也会让米芝尼帮我去生成一些播客或者说朋友网站的一些 logo 这个也是比较好用的国内的产品呢我用的通译听录是最多的因为我自己在做播客嘛像我自己的播客教育业 AI 制造者我一般就是跟嘉宾录好之后初检和经检我都会先用通译听录帮我语音转文字因为我发现它语音转文字的准确度是我
相比其他产品比如说 Alder AI 或者说是讯飞它的准确度是更高的尤其是在中文语境下面并且它的功能比较齐全比如说它会给我一些时间线它会给我一些智能总结这个是我发现国内产品的一大特征就是大
而全就是你能想到的功能它都会不留痕迹的跟你坐在一起所以你根本就不会想到去用其他的一些产品去稍微辅助一下我发现至少在我的使用过程当中这些产品真的是各有千秋也是一个好事吧对于我们用户来说总是可以找到比较适合自己需要的东西
是的那我稍微说一下我的吧我就是反正跟大家一样都是用 ChatGPT 后面也出了很多类似的但是因为已经在 ChatGPT 付费了所以就没有怎么太用别的东西然后包括之前同事生日的时候我们用音乐的 AI 那个 SUNO 给他做了一首歌然后觉得这种小的
其他音乐类的 AI 或者是别的视频生成的图像生成的 AI 也蛮有意思的当然最大的一个生产力的工具肯定还是拆 GPT
那因为我们刚刚说了很多的产品嘛不知道竹茜或者伊子能不能稍微帮我们来定义一下生成式 AI 是一个到底是一个什么东西因为过去几年的讨论其实是非常多然后我看到李飞飞他之前有一个流传很广的视频啊他就说现在大家都讨论生成式 AI 其实并不是所有的 AI 都是生成式 AI 对吧
我可以来分享一下就是从程序员的角度一些比较粗浅的感受吧我是感觉 2022 年底就是 CFCPT3.5 出世的时候是给至少说在 Artificial Intelligence 这个定义上面画了一个分界线在这之前
而且呢我觉得我们在讨论 AI 的时候主要还是在讲机器学习深度学习和强化学习就是这个定义是混着来的这一类的所谓的 AI 或者说是神经网络在我看来它主要是一种 Inference Based 就是基于推导的一种
机器的训练或者数据大数据的一种训练大模型的一种训练什么意思呢就是在机器学习方面我们都说 data in data out 然后我们用一种数据去训练一个模型之后呢慢慢发展到了我所谓的 multi model 就是比如说在自然语言处理方面我们
可以用大量的数据但是呢我去训练一个模型看看比如说它的提问回答它的归纳总结之类的但是还是相当但是它是推导的就是 influence based 的所以我如果想用一个不一样的结果我往往要对这个数据进行
重新的收集对模型性重新的训练然后 2018 年呢也是一个比较重要的一年吧就是谷歌提出了 attention is all you need 就是 transformer 的这样一个概念然后我们知道 GPT 的英文的全称是 pre-trained generative transformer 所以它的一个架构其实是来源于这个 transformer 就是 2018 年提出的只不过又等了四年不同
在这个 architecture 的架构上不断的变化以及我们训练数据的增加而且是密的指数级的这样一个增加包括在训练的这个模型当中逐步的加入了代码那为什么 ChachBeeT 它会有一种不一样的你会感觉它一种涌现的能力就是 emerging ability 呢是因为在 ChachBee 的前身有一篇论文叫做 Instruct GPT
Inkstrap GPT 它的特点是它用了这个 Transformer 的架构但是呢它加上了所谓强化学习的这一块它其实是 Human in the loopreinforcement learning 是什么意思呢就是它还是用这个模型去训练但是这个模型训练的结果呢它让
人或者说我们专门可以做打标记的打标注的那些人不断去选择我这个生成的结果我给他了一个指示然后生成这个结果是不是符合人的需求或者人的一个语境的然后呢再把打出来的标签是还是不是好还是不好再传到整个增强性学习的那个框架里面然后他们发现如果说我的数据量足够大
而且我有足够多的人类的一个反馈并且我逐次的把我的代码量我的训练数据当中各种编程语言的比重比如说最开始是 2%然后变成 4 个百分比然后慢慢发现可能到
10 14 的时候你慢慢会发现这个模型它开始有了一种所谓叫涌现的能力就是变得像一个人它可以按照人的思维进行一定上的推理所以它跟之前的模型相比之前我们叫做 Inference 是推导但推
但推理就是它有了一种可以自我更新的能力就比如说你先问 GBT 一个问题你说那个是不对的它立马会知道什么是不对的不对是什么意思我指的不对它可以理解为是哪些元素然后呢再给你一个新的回答
这个是之前的机器学习深度学习都是无法做到一个十分比较完美的这样一个状态的所以我个人是觉得 GBT 的出现肯定是在所谓的 AI 界是一个十分化时代的这样一个变化
这个是我一个简单的对于编程系统的一个理解所以我也特别好奇像是竹子老师和一斌是怎么看待你们对于 AI 的定义是怎么样的我觉得就是刚刚依依其实已经说得很仔细了其实比较重要的几个技术的节点
其实都已经提到然后对于我来说的话其实从生成式的这个不管是大语言模型包括是图片的生成等等我们都把它叫做生成式的 AI 的话可能作为一个用户的角度我们会有一个很直观的理解就是它是帮我去产出一些内容的不管这个内容是文字的内容图片的内容还是音乐的内容所以我觉得这个生成式
这个概念对于其实用户是非常友好的就是这个生成式是很好理解的一个生成式所以它正好像依依说的那样它和之前的这些我们比如说利用 AI 去做人脸识别语音识别等等这样的一些功能它不一样的地方就在于
当我们去做这些识别工作的时候他是去做一个判断但是实际上他并没有生成这些内容那我们要希望他能够有这些内容的变化有新的不断的有新的这些数据产生的时候的话
现在的这个大模型本身就更符合我们对于可能生成这个含义的理解那当然我自己因为在做这些和科技相关的一些研究的时候也会去涉及到一些对于算法的一个了解其实也知道生成式这个名字其实本身并不是仅在
我们现在说的这些大语言模型出现的时候才出现的更早的时候其实就有所谓的生成式模型的这种概念就是 generative models 那这些其实在讲这些模型的时候的生成式其实我觉得和我们现在说的这些生成式的 AI 的那个生成其实似乎是有不一样的意思但是中间也有一些联系的地方就在于说过往的这些我们基于更老
这种模型比如说可能如果是做一些技术的朋友他可能会知道一个词比如说叫那个 GAN 就是 Generative Adversarial Network 一个生成对抗网络这样的它其实中间也有生成这个概念它的
那个生成我理解或者包括其他的一些语言类的比如说做像话题的这些模型 topic modeling 的时候使用的它也叫做生成式的模型它其实我觉得那个生成是基于我们对这个世界的理解其实是在一个其实会有一个假设我觉得在那个背后假设这个世界其实它是一个由概率
参数去规定的那个时间当我们去从这个不同的比如说可能是话题的话它对应的其实那个参数的数值是不一样的然后基于这样的一个相同的生成机制但是不同的参数值它可以生成不一样的文章的内容它假设就是我们这篇文章是通过这样的方式从一个话题生成到它的具体内容的
那这个过程当中我们如果有文章的时候那我们可以做这个概率的反推去知道那个背后他的话题的那个参数值是多少所以这是一个在他做模型的时候的那个生成的概念但是我觉得就是说
这个就是想跟大家做一个这样小的区分吧就是让大家也知道就是可能人工智能然后机器学习或者是数据科学包括计算机科学这样的一个领域里面它其实生成式这个概念其实很早就有同样的一个单词 generative 但是
它的含义是有发生一些变化的那到现在的话它的这个生成是一个可能我觉得我给我的印象其实还是更偏向对于一个用户来讲其实更好理解的这种生成就是它去生成了具体的内容那虽然它在
生成的过程当中大家应该之前有了解到也知道它是比如说在大语言模型的话它是对于下一个词它的可能出现的可能性的一个预测然后它是不断的往下去做这个进一步的一个词接着一个词这样子的预测但是它的模型本身就是变得非常庞大它的那个参数值是非常多的了我觉得在
这个情况下还能不能用可能更早之前的这个 generative 我前面说的那种比如说像话题的模型 topic modeling 这样的它的 generative model 的那个 generative 那个生成去理解它我自己不那么确定呢
然后如果说一一尤其是因为做程序这方面应该会更有专业的理解希望你可以如果有说的不准确的地方你可以厘清然后但是对于我自己来讲因为知道了这两种可能有一些不同的 generative 的这个含义之后其实会让我对于生成本身
会有多一些角度的理解吧所以也把这个分享给大家我觉得非常好而且我觉得竹子老师从用户的角度出发其实也帮助我们去区分了不同模型我觉得用户的体验非常重要就是为什么我们之前会觉得人工智能其实是人工智障的那种感觉呢是因为
就是你觉得他不那么聪明然后不那么聪明其实是一个主观的体验但是现在我们会觉得哦 CHATGPT 或者 KIMI 怎么挺有意思的然后挺能知道我想做什么的这个肯定是跟体验是有直接挂钩的一种联系吧就让我想到了那个图灵测试当然现在就是对于这个深层式 AI 在图灵测试方面有不同的一些看法但是我觉得至少说我们要对
AI 产生一种信任这种信任就是比如第一相信他能完成我给他提供的工作以及我对他产生那种人和人像朋友之间的那种感情上的信任至少说我得有第一个就是我相信他给我完成的工作能够达标我觉得每次问他一个问题他能够完成至少说给我一个期待当中甚至还要更好的一个答案
我觉得这种信任是非常重要的,然后刚刚竹子老师的补充其实也可以帮助我们去理解至少说为什么很多人当时会觉得,哇,深层式 AI 真的是一个跨时代的进步,其实是我觉得是有非常直接的联系的。那接下来我们聊一下深层式 AI 对教育产生了哪些影响好了。
就从自己的观察或者是我们做的一些功课可不可以讨论一下比如说不同的群体比如说学生老师或者说更多的一些群体他们是在怎么样使用深层式 AI 的我自己的话我是在
2023 年 1 月就是刚刚 CHPT 出来几周之后呢我有幸跟硅谷这边就是我朋友的小孩们就是上开始去上 CHPT 相关的课程主要还是以提示词为主尤其是怎么用提示词去
帮他们学习就像是生成一些简单的 quiz 问答题啊帮他去修改作文啊帮他去生成一些单词记忆的卡片啊这个是我当时印象比较深刻的一些应用的场景然后你知道就是 9 到 12 岁的小朋友其实他们的认知和
和体验是一个飞速发展的阶段当时他们在用 CHRGBT 的时候尤其是在改作文方面是有个非常正向的反馈的就好几个学生跟我说他们一开始把自己写的小作文放到 GBT 里面 GBT 最开始他们的评价都非常的低然后呢他修改了提示词说那其实我只有小学五年级然后我现在是想写一个什么样的作文之类的
然后 GBT 又给他们一个截然不同的评价和推荐可以修改的地方然后呢他们按照 GBT 的一个推荐真的就自己去修改这个论文然后找老师拿到了更高的分数我自己看到就是我听到他们给我分享这些例子的时候我最大的感受就是说真的这个提示词就是怎么跟 CHPT 提问并且让他去完成一个针对你自己当下场
一个任务其实是蛮重要的一个技能因为如果你不把它说清楚 AI 是不可能知道你需要什么的所以其实我觉得在教育的场景里面这个挺有意思就是说不是所有人
他一开始都会很明确地跟 AI 表示出他自己的一个需求,然后得到一个他期望的反馈。我们很多时候,比如说对我自己的场景,对我自己的潜台词,对我自己想要什么,是不太清楚的。
然后为了写好提示词或者说我为了去使用好这个 AI 我不得不让我自己变成一个结构化思考或者结构化表达的这样一个人至少说在我在看到这些小朋友例子上我发现了这个可能是 AI 它真正想进入到教育系统里面的一个比例
比较重要的一个因素这个是从它使用者上提出的在过去一年半的虽然其实你看起来很短但是我都觉得 CHPT 包括其他的深圳 CF 应用就是迭代了很多次了也有越来越多的 empirical 就是实证研究出来
基本上这些研究者们对于 AI 在教育的使用还是比较乐观的他们也发现比如说这个首先你可以想到的 AI 就是可以做一个电子 tutor 就是那种 AI 助教可以跟学生解答问题有些呢是直接用 GGBT 来问那有一些像我们知道现在
比较有大量用户的像是 Ancestry Question AI 这种就是比较直接的一种表现了还有你可以用它来做一些作业的辅导帮助你做头脑风暴帮助你怎么团队去展开小组的讨论或者说你可以用它尤其是在语言学习方面它至少说像我提到你改修改作文呀
那在老师这方面呢大家用的比较多的
就是比如说还是准备一些教案一些资料或者说帮助去做一些 simulation games 就是一些事就比如说在兵大的 Wharton 商学院这个是我发现在美国学校里面它是一个
应用 AI 或认可 AI 在教和学过程当中认可度比较高的这样一个学校然后他们在商学院的课上也用 AI 可以一起学习甚至他们的作业里面就要求你一定要用 AI 跟你一起去做这个作业这个也是比较有意思的
然后在老师付诸方面比较有名的像是 Magic School 的 AI 它就是一个面向一线老师他们各个教学任务的一个工具平台我自己论文里面也分析了这个有一个 60 多个工具还在不断增加的这个平台上它是我们可以怎么把它跟学生具体的需求或老师的需求对应起来然后再把这个工具跟相关的教育学理论或者说是教学的方法对应起来
因为我发现在整个过程当中 AI literacy 就是一个 AI 素养也是比较重要当然我们可以之后再多多聊一聊这个 AI literacy 是什么所以就是我自己的亲身体力和我看到的这个论文方面我觉得大家对于 AI 的接受度温可度是越来越高对谢谢依子就是刚刚其实依子从学生老师这几个角度都把
可能的一些应用场景其实都有所描述我觉得可能稍微做补充的地方就是除了基于目前的这种聊天式的这样一个模型的话当然大家可能在教育领域的话我觉得更多一个比较具体的例子就是像 Comigo 就是用可汗学院它的一个原生的这样的一些教育的材料线上的这些课程作为一个基础然后让
大语言模型去帮助他提高他的这种教育服务的水平其实我觉得目前可能观察到从教育企业或者是教育组织来讲的话很多他们都是相当于利用 AI 这个生成式 AI 的这个能力去提升他们原有的这个服务能力吧
我觉得可能这也是之后也许我们会聊到就是说可能在 AI 领域就是相当于教育加 AI 的包括教育加生成式 AI 的现在这个时代里面机会到底在哪里是对谁的一个机会可能是有不少人会谈到的问题那目前可能我自己的观察也是跟
更多会看到的还是比较成熟的这些教育公司不管是刚刚说到这个可汗学院或者说是国内的像有道词典这样子还有其他的做这些比如说好未来他们的一些智能学习的产品等等他可能是利用
这个生成式 AI 去赋能它原来已经有的课程的材料的这种积累然后包括它原来的这种线上的这个学习服务模式的这样的一种能力的这个增值的这个部分
所以大家应该比较直观能够想象到的就是你上一个网课的时候如果你可以有一个像刚刚依依说到的这个助手在旁边对你在这个课程学习当中的任何一个疑问马上的去做出回答或者是你在线上作业的过程当中他去帮你把这个解题的步骤分解下来去引导你这些其实都是很实用的能力但是这个
这个能力它其实是要基于你已经有了这么多教育资源的积累之后其实才更能够去容易体现它价值的一个地方所以可能从这种可能企业的组织的角度上来讲的话它是需要基于自己之前的内容的积累可能去做这样一个增值会是一个比较好的效果那反过来可能作为我们自己个体的学习者来讲的话这个
工具本身好的一个地方我觉得是在于它帮我们去跨过了很多原来不同领域之间的那种壁垒因为经常我觉得对于一个门外和一个初学者来讲去学习一个新的领域最难的一个地方是怎么去理解他们的那些行为
那些 jargon 我觉得这个部分是大语言模型能够非常好的去解决的一个问题就是当我看到很多陌生的那些专业术语的时候大语言模型能够很容易的去把它比如说用一个五岁小孩能听懂的方式解释出来或者说解释给一个非本专业的一个人
那这样他一个解释之后的话我觉得对于一个门外汉进入到一个专业领域的时候的他的那个学习的曲线那个就不会那么陡峭了就是他可以以一个更低的成本的方式入门到一个领域那这样的话是在我们自己作为这种终身学习长期的一个学习者来讲我觉得是非常好用的这样一个工具
那我这边在准备的时候其实找到了一个英国教育部今年发布的一个报告它就是讲生成式 AI 在课堂中他们进行了九个月的一个调查然后有些结果想跟大家分享一下我觉得也蛮有意思的
第一个结果就是首先学生用 AI 用生成式的 AI 我们后面就简称 AI 了要比老师用的多然后先说一下学生大概老师大概是用来做什么我看到就是大家刚刚讲到的那些大家也有用那么首先老师用的最多的就是用来备课准备上课的资料
这是用的最多的 60%的老师如果他们用过 AI 的话都在做这些事情然后其次就是准备一些行政的东西比如说写一些学生的 report 或者是给家长写邮件这是英国的老师那你知道国内的如果是照搬到国内的话他们可能有一些别的行政的东西要写
所以我觉得老师是两个部分一个是在已有的课上写东西然后再写一些行政的东西然后这点挺有意思的因为我把我们这次的提纲给 GPT 过了一遍他当时给我我们的问题就是在教育里面已经有哪些应用的场景当时他给我的回答是学生都是学习老师可以用来处理行政的任务所以你可以想象
就是对于老师来说处理行政的任务用 ChatGP 做是非常有效率的而行政的任务本来在老师的工作中也是很有
非常重要的地位然后在老师的这个方面也有很多学科上的不同比如说很多文科的老师用起来非常的顺利但是数学的老师就觉得用这个东西不是特别好然后包括用计算机的老师也觉得不错但是艺术啊还有包括比如说绘画音乐的老师可能用的就不多对那么这是老师学生呢
我们之前讨论到生成式 AI 的时候其实我觉得大家对这个东西有两重期待一个是学生用它来自己去学一些什么东西另一重期待就是完成他课内的一些比如说作业啊等等但是事实上经过调查了那么多英国的学生大家发现大部分的情况下学生都是用它来做作业的
其实用它来主动学习新的东西的学生是非常少的所以这个就是学生和老师分别在用什么然后刚刚我们讲到前面第一点趋势第一点的这个现有的结论是学生用的比老师多这也是一个很值得其实有点蛮有意思的一个结论就是说其实学生他们能够使用 AI 的
频率和能力是要远远超过现在的老师的那么在老师里面你也可以看到年轻的男老师使用的是最多的相对来说就是年龄对新的这个技术
它的接受程度是不一样的而且里面也有性别的区别还有一个我们刚刚讲到了三点嘛还有一点就是从 2022 年 11 月 Chad GPT 发布就是公众可以测试以来到 2023 年 8 月他们又做了一次调查发现在老师中使用的这个比例其实是差不多的并没有增长很多也就是说一开始想用的老师一开始就用了
那么到后面他们也一直在用但是一开始不想用的老师他们也一直没有去更多的去接触这个东西所以我觉得这里面我们后面大家也可以去更多的讨论也有很多有意思的东西然后另外我自己的实际的情况因为我也是做老师的嘛
所以我就会发现学生确实大家会把 ChatGPT 当作一个什么呢就更多的可能就是一个应付作业的一个工具比如说我经常遇到的好多情况是比如说有一些很有意思的就比如说我们是让大家写一个论文
然后呢学生就把这个题目直接扔进去了所以我就在他们的回答里面可以看到 ChatGPT 的一些原始回复比如说 ChatGPT 很喜欢说 of course 怎么这样我会帮你生成什么什么他们的回答里面有 of course 什么什么什么然后还有比如说我们在这个学期一直在读一本书麦田守望者那我们会每几章会让大家写一些分析性的东西那因为我们比如说开学的时候只读了前面两章那
那大家把这个东西放进去之后呢 ChatGPT 回答里面有倒数几张的内容那显然其实不是学生读了最后倒数几张的内容因为 ChatGPT 它没有办法说把自己的范围非常限定在前两张里面它就把后面的答案也生成出来所以你就会看到就确实可以看到大家的整个的回答的质量越来越高了但是这个东西并不是他们自己去完成的
我觉得学生做作业的那个其实特别有意思我跟一个纽约的老师聊了一下但我们俩当时聊到一个高光点就是我俩同事认为如果一个学生他能够用 7HBT 来打个引号作弊而且做的天衣无缝
让你觉得就是他真的比如说有进步有成长我们两个其实同时觉得这个学生其实也挺厉害的因为他可以去 hack 你的作业 hack AI 的系统还可以 hack 他自己的思考
然后把这三个都结合起来我觉得这也是一种能力的体现但是我也非常能够感同身受到就是当你作为老师你看到为什么这个后几章的内容出现了的那种其实有点上帝视角的那种感受吧就是你明明就没有读但是你把它放进了你的这个作业里面所以其实我觉得在首先这个作
学生作弊或者学生用 AI 代写这个事情本身我认为是无法控制的就像你没有 AI 的时候学生也会作弊他也会找人代写只不过现在
从找人帮他作弊变成了找一个非人的工具帮他作弊本身的这个苗头是无法被改变的只不过我觉得有了这个新的技术之后可能我们要去思考的更多的是怎么从技术的角度上让他比如说作弊的成本变得更高
或者说我们从老师的一些作业体系上面让他能够去使用 AI 的部分或者说他想去衡量的部分 AI 能够去帮助他直接生成结果的程度越低比如说在 Magic School 的 AI 这个平台上面有一个工具叫做 AI Resistant Assignment
就是说他会帮老师生成一个作业那这个作业要完成的形式呢是无法直接用 AI 代替的比如说直接可以用 AI 代替的是什么就是多选题或者说给我一篇作文这种小作文的题对吧但是他这个 AI resistant assignment
它的做法就是比如说它生成的作业的类型要求学生先做完第一步才能看到第二步然后再能去做第三步
或者说他要求一定学生要从真实的生活场景当中去收集信息然后呢要用什么样的那个标准去把它给做出来所以我觉得我觉得技术和老师吧或者教育者都是要去接受这个现象的存在并且找到相关的一些解决方法同时我觉得整个评估的体系
肯定也是会受到影响的因为很明显你上课给他的 quiz 小测验他都可以为他做的话那你这个小测验你可以理解为全班都是满分对吧
那你可能就要换一种这个检测的形式你可能不会选择 Summative Assessment 就是直接以结果为主的这种评价而是你可能会选择 Formative Assessment 就是以这个流程或者说学生的行为来衡量的一种评价体系
我觉得依依子刚刚讲的一个点就很有共鸣就是关于整个评价体系的因为我们可以看到从 AI 发布之初其实到现在大家态度是有很大的变化的比如说刚发布的时候美国很多大学他们就说要禁止 AI
然后在这个第一波的过程中我好像只看到像 IBO 也就是国际文凭组织他们是说是可以允许学生在一定限度上使用 AI 的
那其实这样的声音在一开始的时候并不多,后来大家发现说好像其实没有办法控制,那么评价体系也会发生一定的变化,那我看到有一部分的老师他们可能转向的是更加传统的评价。
评价的方式比如说原来是可以开卷考现在不可以开卷考那么我们就用币卷考的方式或者说就是一些当场就本来是一个可能是一个更复杂的任务那这个任务由于是可以被 AI 做完的比如说我们写个论文那它显然要比当场的一个币卷考试要难但是由于现在这个 AI 可以做了我们就回到原来的那么一个任务
对这是一种应对的方式那么还有一种方式就是我们对原来的那些比如说写论文的东西去进行一个看是不是在 AI 的帮助下能够做得更好那这也是一种方式所以就出现两种不一样的所以我就之前我也有写篇文章我就感觉说在 AI 的介入下其实在评估这一方面其实我会看到两者之间的差距
拉的越来越大一个是走向越来越保守那么另外一个方面就是大家可以看到你的评估的东西对学生的要求是越来越高因为他们现在有 AI 的帮忙对
当然我觉得 AI 其实有一个刚刚我说了一些负面的东西那么我觉得它还有一个很好的地方比如说如果你有一个学生他是一个特别害羞他一个矮人那他可能并不是能够随时随地鼓起勇气问你问题但是在 AI 的帮助下如果他手边有一个差基皮他是完全可以随时随地问他问题的
所以我们之前会可能有的地方对比老师和 AI 的时候说老师可能会有更好的情绪洞察或者说可以顾及学生方方面面但我在实际的情况里面发现其实 AI 给学生也可以有很多的支持
而这个支持是能够超过实际的老师的因为课堂的情况很复杂并不是每一个老师都能跟学生建立一个非常好的信任的基础那特别是长期对于整个课堂上比较边缘化的学生来说
他们可能在情感上或者是在知识水平上就没有办法跟上一个大的部队的话 CAI 能够给他提供的帮助我觉得是更多的就是哀人的福音对就是哀人的福音是的
感觉很适合我所以我后来有想就是我跟我的学生有做一件事情就我们班上一个特别就在别的老师看起来就每门功课都特别不好的学生我给他做了一个英语的 personal tutor 这样的在 hpt 上那他就可以自己跟他每天去练一段时间对
他就不需要说一定要过来找我啊或者是在课上去怎么样去参与因为在课上确实对他来说会有很大的难度就是在教育当中使用 HPT 这样的一些生成式的工具的时候主要可能就是担心他
太多的为学生代劳吧就是我们本来希望利用那些智力上的一些挑战以作业的形式项目的形式也好去挑战学生他的这个智能去让他得到这种所谓脑力的一种锻炼吧但是当他不再去按我们作为老师那样可能预期的去锻炼他的头脑的时候那自然是没有达到我们布置那个作业的目标的那反过来说其实
真诚实的这些语言模型给我们新的机会其实是在于就像我当时想到的其实依依前面说比如说像沃顿商学院他们是要求学生在你的作业当中其实是需要去使用他们反而反过来这样要求我觉得其实是一个好的思路就是
在生成式的语言模型出来之前我知道的一个可能对于当然年龄要相对更高一些比如说本科生研究生这样的学生的学习的时候他已经进入到相对专业的领域的话有一种
比较好的有挑战式的学习方式是让他们去改百度词条其实我们知道在百度百科的词条里面虽然它看似也是罗列了很多严谨的信息其实包括维基的词条也是一样当然可能我们会觉得维基的词条它在准确性上会更高一些吧因为参与者更多是世界范围内的
那可能百度词条上有一些就是他看似说的对但是有一些史实的错误或者说一些判断上的错误那么这个任务就是让这个专业的学生去修改他所在专业的这些关键概念的这些百度词条
就是让他能不能挑出来这些词条里面的错误如果你能做到这一点的话才表示你比那些普通的我只是利用百度百科来查询的那些人来讲你做到了你作为这个专业的学习者专业的研究者你的这个责任和任务了那其实对于深层式 AI 来讲我觉得也可以有这样的使用方式嗯
我们把一个任务交给生成式 AI 让他去生成比如说一篇文章之后其实学生反过来他可以在这个时候采取一种教师的那种视角让他去评价生成式 AI 他写出来的这篇文章到底好不好好在哪里不好在哪里他还可以做哪
哪一方面的提升这个其实我觉得反过来也给他了一种以另外一种形式借助 AI 带来的这个能力去挑战他的智力的那样的一种方式所以我觉得就是任何的新事物产生的时候它其实都给了我们原有的秩序一些挑战但是它会创造一些新的秩序所以我们怎么在新的秩序当中去找到机会我觉得这也是一种
方式所以而且包括其实前面一一说到的这个 AI Persistent 的一些模式吧我觉得这也是很有意思的一个说法我觉得就是我们如果说老师他想要用一些方式去
布置一些让 AI 可能能够少参与进来一些的这样的作业的时候其实也可以去考虑用什么样的方式去设计不管是像前面一一说到那种可能分布呈现然后让学生必须按步骤完成或者是其他的一些方式我觉得这是应该来讲很值得教师这个社群大家共同来探讨而且去积累我们各自实践的一个地方
对我突然想到有一点回应因为刚刚大家都讲到评估然后我就是看到英国教育部的那个报告里面其实老师使用 AI 去做评估的
机会并不多那我刚刚就在想这是为什么因为可能在整个的教育系统里面如果是中小学的话那评价的权利其实并不在一线老师的手里所以从这个角度来说大家为什么感觉评价很难改因为其实不管是英国中国还是美国关于就是如何评价学生本身已经有一套非常固定
成熟的东西对吧所以可能在这一点上我觉得可能压力不是给到一线老师一线老师可能也很 struggle 大家也想做一些不一样的改变那相对来说可能大学的课堂上大学的教授更有权利去制
制定自己想要的一个评价学生的方式所以可能还需要整个更大的 community 一起去努力去推动你的评价体系的改革就包括我们刚刚讲 IBO 在 ChatGPT 发布之初它就说其实学生可以用因为它一向来说就有很大的一部分的成绩或者说对学生的评价是来自于内部评估的
那在内部评估的时候它是会给老师和学生本身一些空间然后让他们有一个比较在地化的一个评估所以它本身就已经是一种应对好的那像我们中国的高考啊包括一些什么 A level 的考试啊它本身就是一个完全的外部评估所以从这个意义上来说就有的老师也会担心就如果我在平时的课堂上引入了太多跟
最后最终的评价不一样的评价那是不是会对学生造成一些影响对我觉得可能这个问题是一个更大范围可能今天我们没有办法完全得出结论的就是教育系统本身它的设计吧因为它有很多的惯性它也有自己的
那种惰性在里面吧就是你要去改变它的评估评价体系的时候很难一蹴而就而且它的这个评价体系也有一定的道理就是通过这种避症考试的形式等等它去达到一个可能最广泛的一种公平
让所有的人都能接受的一种公平的考验的形式可能以教育作为这个社会的一个可能筛选器这样的那个工具的时候那它确实承担了一部分这样的责任而且其实科技新的科技其实每次有新的科技诞生的时候它都会让人有一种可能资源的分布是
一种不均匀的那样的形式因为科技它是有一个爆发的点然后可能从一个或者几个诞生它的地方再向外扩展的这样的一种形式吧一种技术扩散的模式那这个扩散的过程当中肯定有人先接触到有人后接触到那这样的先后关系差异和教育的公平性本身确实是有矛盾的地方
所以我不认为说可能教育本身的那个惰性它完全是一个负面的问题因为它可能去保护了这个社会的一些底线吧这个过程是需要肯定更多的人而且是需要比我们可能它更有这种分配这个社会资源的能力的那些人他们需要去做出更细致的思考和讨论的地方对
所以我觉得这里我自己是觉得是两方面他们都是有道理的就是我们需要在自己可能的范围内就是作为老师如果个体来说的话我们能够去插入一些和这种就是相对有一些惰性的评价不一样的评价方式是我们因为知道未来是有这样的一个趋势所以我们也需要去做这种事情但是怎么样可能在两者之间去平衡我觉得也是一种教学上的艺术吧
说的好好,对我还想到一个小小的例子,就是我觉得可能是一些观念上的不一样,就比如说高考数学的时候有的省份是让用计算器的,有的省份是不让用计算器的,那如果不让用计算器你就得手算,但有的省份可能觉得算术对于数学来说并不是很核心的内容,那如果有计算器的话你可以,
解放更多的时间去去进行数学思维上的探索所以我觉得这个东西还是还挺不一样的就是因为前两天闲聊的时候其实跟一斌还有依依子佑有说到就感觉我们现在因为经常会讨论说我们不管老师学生还是一个普通人我们和 AI 到底是一个什么样的关系然后
就正好看到说有那种什么情感博主之类的在分享说几种依恋类型然后当时看到就觉得其实也有一定的启发吧就是他说依恋类型是指说我们在亲密关系当中吧我们会有大概三类的一个形态就是一种叫做安全性一个叫依赖性还有一种叫恐惧疏离型
然后安全形式就是说应该是最健康的那种方式就是我们保持一个让双方都舒适的距离而且不会因为可能这个距离的一些在正常范围内的波动然后导致焦虑等等是不会产生这个情况
就是比较安全的这种两者之间的关系那依赖型的话就是说可能我是非常依赖对方的我希望他随时随地都出现在我的生命当中那他不在的时候我需要用微信去骚扰他一下我需要用电话去去确认一下他在干嘛等等这可能是一种比较焦虑的依赖型然后还有一种恐惧疏离型就是反过来就是我很怕去亲近一个人
那我要跟他保持很远的距离有那种单相思然后远远望着觉得挺幸福但是一旦走近的时候就觉得好像那个感觉有点问题了是不是我会做错事情或怎么样就是在亲密关系当中有这三种类型我们就把它
套到其实 AI 里面我觉得也挺有意思的就是可能我们和 AI 的关系就是我们最希望的也是处于这种安全型的这样一个关系里面就是我们和 AI 是保持这样一个比较良性互动的这样的一个关系就是
有时候我会多一点去使用它但是我知道那个界限在哪里然后有时候我不去使用它的时候我也觉得很舒适因为我对于我自己的能力是有信心的我知道我单独可以完成什么样的任务那如果和 AI 产生了那种依恋型的这种关系的时候呢这就是我们可能不想见到尤其不希望在学生身上看到的就是他把自己所有的工作都交给了这个 AI 他觉得没有这个 AI 我没办法思考了
我只能够靠它我才能写出东西来我才知道怎么样去回答这个问题那在这种情况下我们是不希望出现的但另外一种情况说梳理型的这种我们其实也不希望学生完全不了解这样的一个 AI 就是他觉得哦
AI 都是在帮我做事情啊我自己 OK 我觉得嗯做这些写文章我自己能完成如果他能这样想我觉得本身可能是有他的独立性的那一面是好的但是他可能就也丧失了那种借助这些大语言模型能够帮助他去加深他的思考去
帮助他做一个反思的工具或者是发散型思考的这样一个辅助工具的他的那个强大的能力的地方所以可能希望就是在这样几种互动关系当中我们能够把人和 AI 的关系调整到这样一个比较安全的这种状态当中然后有一个进退都是有据的这样一个状态而且套用这个关系本身他
有意思的地方是在于说可能我们可以类比的去迁移一些在对于我们亲密关系的研究当中做出的一些那种研究上面做出的一些思考和建议吧就是怎么样去转化从这样的一些我们认为不够健康的那种依赖的关系当中转化到这种安全性的关系里面那
很重要的在关系的研究当中其实他很强调其实是你的童年的成长经历的时候你的比如说父母作为你在那个状态下面最亲密的这些人他有没有给你这种安全的这个关系作为一个保障那
我觉得套用到可能人和技术人和 AI 的这个关系当中其实我们在幼年时期的这些经历就是在学生他和这个技术去接触的时候的这个过程当中我们老师其实作为在这个中间的一个中介是不是能够比较好的去引导他让他在
可能不要过度的依赖但是也不要过度的排斥这样一个新的工具让它在中间这个安全的阶段能够形成一种好的使用习惯这个可能是老师其实是可以发挥很重要作用的一个地方吧嗯
对,而且我觉得还很特殊的一点就是这一代的学生他们其实也同时是初代的生成 AI 的使用者,就老师跟学生都是同时,并不是说像手机可能老师已经用了一段时间了,自己也曾经沉迷过,然后知道怎么来。
对吧对学生来说手机使用是怎么一回事大家都是在一个新的接受的过程中而且学生可能用的还更好他们就是 AI native 对 AI 原生人士可能我感觉我们这一代应该是电子产品原生人士对不断的有新的原住民出现我们是网络原住民他们是 AI 原住民
是你们还记得有一段时间就是微信有小游戏的时候跳一跳啊还有那个打飞机然后那个时候最沉迷的就是 60 年代五六十年代出生的爸妈级别的人因为他们当时小的时候没有玩过游戏
然后所以就没有成瘾到可以戒掉然后再到合力管的时间然后所以他们那段时间就一直在疯狂地玩这些游戏但我觉得其实挺有意思的也说明在那段时间因为现在你看你可能就看不到这种游戏了可能那段时间是一个很好的 on board 中老年人使用微信的渠道
对而且你其实可以看到就是对于新的技术我们就是不管年龄是哪一个层次我们都有类似的那种成长曲线所以就可以反过来可能从孩子身上我们也可以看到就是怎么样去快速学习使用吧因为正好刚刚因为一斌说到那个调查报告里面其实学生比老师使用是更多的所以可能在这个过程当中有时候老师还得反过来
去向学生学习呢他们说不定有很多好玩的那种玩法已经开发出来了
有些授权会叫 GPTG 老师对吧就是我觉得当中还是有一种木墙的心理在里面就是人都是这样的人会对于他觉得很强大的事物不管是人还好还是非人的也好就是他会有更多的一种权威性在这里面所以其实在某种方面作为一个 AI 原生的人群来说如果他
我们可以单拍脑洞想一想就是他接触到的人类老师和季老师对吧如果人类老师给了他就经常跟他互动当中是比如说会犯错或者说他觉得跟季老师的这个互动当中季老师什么事情都能给他一个答案但是呢他随便问一个人类老师有这种跨学科的他给不出答案的时候其实我觉得按照刚刚竹子老师讲的那种
人和 AI 的关系其实说不定还有一种它也会反过来去影响人和人之间的这样一个关系对就像小朋友他们会看一些早教动画片然后早教动画片里面比如说有很多社会情感的东西他们就会反过来教自己的爸妈
好那我们接下来就因为我们刚刚讲到就刚刚其实我们讨论都是对于现在的影响嘛那大家可不可以预测一下就是未来可能过个三五年甚至十年它会对教育产生哪些更加深远的影响我其实听到了很多不同的观点然后其实有一个我印象比较深刻的就是
很多的怎么说呢一些 AI 方面的专家甚至一些家长他们觉得以后小孩上大学不是很有必要了
甚至可能一度他会去否认现在的这个教育的体系那当然不管就说他这个观点本身是否是正确的或者他想表达一个什么样的意愿其实我觉得这当中显露出来的就是刚刚宜彬讲到的
因为你有 AI 其实你的不好意思刚刚竹子老师和一斌都提到过的 GHBT 由于它可以相当于是定制化的跟人去互动某种程度上你要去学习一个新的事物呃
你可以跟 CHPT 说,请告诉我什么是神经网络,并用 18 岁的小朋友,或者说 15 岁的小朋友,或者 35 岁没有任何编程经验的,比如说艺术设计师,
的角度去跟我分析所以它其实可以极大程度上的去加速这个知识的传播并且帮助人们以非常小的学习曲线去学习所以我觉得这个是可能导致大家觉得我是否真的要去上大学在高等教育里面去获取一个专业领域的信息知识和技能我自己的看法就是说
首先学习是终身制的嘛对吧我不可能说我在大学学了我就永远不学习了而且这个未来的知识也是会不断的迭代和变化的所以我觉得不论是大学的学习还是 GPT 的学习只要它是适合你的学习我们大家都应该去广泛的涉猎但这个学习可能已经
拓展到它不一定是 formal learning 了就是体制化的学习它可能还会涉及到一些非体制化的学习比如说职场上的学习归纳和总结但是我会觉得大学的存在还是非常有必要的就是除了一部分就是它确实也是一个现在研究
深度研究的一个中流砥柱另外就是其实我想谈到一个知识审美的这样一个话题就是信息知识在我看来它是一个它们其实完全不一样的东西就比如说我现在我这边的气温只有 15 度对吧
那它是一个数据点它是一个信息但是我只有说 OK15 度了我要加件衣服这样的一个数据点对我来说可以变成一个知识因为我可以让它来用什么那有一些信息呢就比如说唐诗诵词它可能对我没有什么用就是我会被它没有对我的生活有什么实质上我可以用它来做什么的呃
一种变化但是我会觉得这个是一种审美的体验这个是我作为人对于事物对于一种抽象的世界提炼出来的感情甚至说我可以通过古代的艺术家用他们那个时候的自然语言
就特别文言文的表达的方式去感受他们对那个世界的如果用工程的角度上来说那个世界的建模如果用文艺的角度上来说对于那个世界情感的表达这个就像是我用了不同的滤镜去看待这个世界从一个体验的角度上来说我觉得这是非常有必要的因为确实不能否认 AI 会去
扩展开来我们对于信息的摄取这种多样性可能或多或少要么就是加大信息解放要么就是极小的去打破缩小这个信息的壁垒去打破这个信息的解放但是我们对于知识的主观的体验是需要不断的去加深的这个应该是往深度去走的
所以回到大学那些在某一个领域有了几十年积累的教授尤其是可能大家现在比如说不是那么在乎所谓的文科有什么用对吧你天天研究历史研究哲学有什么用但是我觉得那个时候可能这些教授他们多年积攒下来的在这个领域对于他们知识的审美
他可以告诉你虽然恰恰必须告诉你这个亚历斯多德康德孔子
庄子的哲学理论用文字表达是什么意思但是可能教授他可以更的引领你去带去感受美感道德感知识体系以及我可以怎么去更好的做一些像是批判性思维这样的一些东西所以我个人的感受在一种比较理想主义的情况下的话可能我们以后的高等教育的学习不会那么
那么的有公立性就是我不是为了追求一个名牌大学毕业或者我追求一个拿了最后这个学历而是说可能我是真正喜欢这个学科的可能我是去愿意去接受这个学科给我带来的挑战的然后我可以在这个领域里面去追求我想要的一种体验去获得我想或者是去培养我自己的在这个领域当知识审美但是我跨学科我跨人生的
信息的摄取我完全可以是通过 AI 辅助下我随时可以去进行的我觉得依子这个回应就像好多人会把一些国内著名的理工类大学称为什么什么高级技校吗
对它可能取消的就是这种这种感觉就是你可能把这个大学的功能再往上提升一些好那我可能就补充一个比较具体的观察吧就是因为刚刚说到的因为还是和之前可能 AI 它能够做什么和不能做什么这些有关联的地方就是我们如果
如果在新的时代的大学高等教育他需要去承担那些 AI 可能难以做到的那些工作那
关于这种审美方面我觉得肯定是非常重要的就是我们即便是让 AI 它去创作它可以写诗然后呢它可以创作音乐但是这些创作出来的东西到底怎么样去评价其实是一个很主观的东西而且更多的其实我们当我们说 AI 去创作的时候和我们说一个有具体的故事背景的一个它自己的生活历程的这样的一个人作为创作者他去创作东西的时候其实是完全不一样的
一个我们作为一个观众我们看到的东西是完全不一样的因为我们知道 AI 生成的东西它是基于概率的一个结果它和
AI 自己的经历是其实没有太大关系的但是我们当我们看到人做出来的作品的时候我们会去思考他的经历是怎么样影响了这个作品他想在这个作品当中表达他什么样的理念所以这个其实是人在这个社会当中他发挥作用的一个地方那我觉得我会觉得比较担心的就是说如果我们太多依赖 AI 的时候我们靠他去完成很多因为
交流和知识的查询的时候会不会加剧这种所谓社会的一种原子化的倾向吧就是我们每一个个体成为了一个或许是我们自以为能够自己自足的这样一个个体我们就更懈怠于去和外界交流然后我们觉得人和人之间的关系可能可以通过人 AI 再和人的这种关系可能去替代的时候我觉得
是会让社会的结构发生比较大变化的一个因素吧所以这一点上可能是需要我们就是还要还有待观察的一点就是到底会不会进入到那样的一个
因为其中的一个比较具体的观察就是说之前看到有这样的一些 AI 创业的产品它是做一个生成式 AI 去赋能的一个这种相当于 matchmaking 这样子一个
相当于叫做配对吧就是这种约会配对的这样一个工具那为什么说它能够利用生存式 AI 去提高比如说这种产品的效率呢就是可能原来我们如果在网站上面去做这种什么 match.com 之类的你要去 match 的话那你可能是基于你自己的一些
客观的条件比如说你期待的对象什么年龄段啊身高啊然后兴趣爱好啊或者甚至是他的照片你可能去比较去筛选那但是生成式 AI 它可以去训练一个你的数字人也可以训练一个对方的数字人那么
在这个创业公司的 idea 里面呢就是把这两个人的数字人先让他们去做数字人之间的对话然后有一个评价的 metrics 对于他们的这个对话和交流做一个匹配度的打分那所以其实你同样的一个模型并不是你本人去聊天并不是你本人在做这个所谓的线上约会的这个初次见面而是
你的模型代替你去做这件事情而且你的既然是一个模型那它可以同时和五个人十个人甚至五百个人五千个人同时这样去聊那你通过这样得出来的一个匹配度的得分之后你找到比如说最
高的一两个你你再进入到下一阶段的这种线下的界面我觉得这个模式本身其实听上去是有趣的而且甚至是有道理的一种模式就是我们有时候觉得所谓的相亲那个过程可能你刚开始会浪费很多时间你要筛选掉一些不合适的人选的时候自己也是一个情绪付出比较大的一个过程那可能利用这样的方式确实能够提高效率我觉得至少
在这个所谓的 face value 这个层面上你单独直接看上去它是挺有价值的但是它背后可能隐藏的一种危机就在于说那如果我们真的觉得人和人之间的相处都可以通过这样的一个模型去代替的时候的话那人之间的那种信任感也好或者说可能对
对于另外一个人的尊重是不是有可能会因此而萎缩因为我知道有些事情我是不用直接出面去完成的我是可以让一个模型代替我去完成的所以这个本身我就觉得是一个很有趣但是又让人觉得有时候想想又有一点这种毛骨悚然的一种发展方向
现在还有这种就是你说的这个相亲网站我是有点毛骨悚然因为它如果这种范式对比到比如说公司招人甚至再扩大一点有一些说一些公共机构它去模拟整个社会资源的分配对吧我去先去确认你这个目标群体它是否
能够合理运用这个资源我把你所有人先去做一个 simulation 然后他才决定这个其实是我想想其实觉得挺可怕就之前那个很火的片段不是那个斯坦福的小镇吗就是他做了一群 AI 数字人背后都是用 CHPT 去支持这个人和人之间的这个数字人和人之间的一个基于文字的对话然后他慢慢发现了
就是他在这个 Civulation 里面让那些数字小人在一个小镇里面一起共同生活了一段时间之后就慢慢会发生一些或者是又出现这个真实社会当中的一些情况所以回到教育这一块就让我
我一直以来的观点就是深层式 AI 它会让老师这个角色其实会更加重要因为老师教书和育人的工作内容会分开之前大家如果看那个 GBT4ALL 的发布会那个可汗学院带着他儿子不是再用那个 GBT 去解数学题吗对吧其实一些可能比如说小学
左右的需要大量重复充满耐心而且不同角度就是陪着你练的这种学习的方式它可以由 AI 代替而且那个 AI 我反正我看到我觉得循循善诱充满了耐心给你各种响应而且甚至帮你锻炼这个 social emotional learning 对吧那这个时候我觉得
人类老师是可以把部分重复性的教学内容托管给 AI 去做的
但是这个时候时间解放出来之后他应该更多的去关注这个小孩他平时跟同学之间的相处他的一些兴趣的爱好回到育人这方面就比如说发掘他的天赋帮助他去托管更多的一些兴趣爱好给他一些价值观道德观上面的一些培养学会引导他怎么去跟真实的人建立联系
我觉得这个可能是老师之后不得不去关注的一个点而且可能对于老师他的要求会变得更高因为你可能对于很多的学科要更加容易会贯通的去理解而且你还要去理解这个 AI 的边界是什么我想竹子老师可能也非常熟悉就是在 digital learning 这个方面
或者说 education technology 这个方面我们有一个比较有名的框架叫做 TPAC 它就是说 T 就是 technology 的意思 P 就是 pedagogy 然后 C 就是 content 之前没有任何技术引路的时候老师呢或者说最最开始吧老师只需要有 content knowledge 就是你教数学你把数学弄得很清楚这就是为什么比如说
在留学行业我们会看到所谓的付费科研就是他会请一些计算机的代码呀环境学呀新闻学呀请一些行业的大牛去上课对吧但是我们会发现他的教学的质量不高为什么是因为这些人他们虽然有 content knowledge 他这个领域非常的了解但是呢他不见得有 pedagogical knowledge 就是一些合理的教学的方法他不知道怎么去跟一个完全没有相关背景的
高中生去解释一个可能研究生才会学的一个概念他甚至不知道如何去判断这个学生他学到什么样的一个程度然后现在在 ai 的加持下其实我这个 technical knowledge 会变得非常重要在 ai 之前可能我们对于这种技术的知识的定义是你会不会用电脑你会不会写 ppt 对吧
那现在可能就是你知不知道作为老师怎么去很好的写一个很好的提示词那么现在有 N 种不同的 AI 的所谓的工具你拥有一个足够好的判别力说我可以去选择一个对于我这个学生和对于我最有效的一个工具然后我之前我记得宜宾也
他宜宾是上了竹子老师的课做了一个英语背单词神器就是用那个 GPT Store 那个 GPT Store 的对吧那在过程当中可能我猜想你你也得知道可能 GPT 的提示词
又和普通直接可以对话的提示词又不太一样然后你我可能还得知道我是不是我是不是要给他加入不同的 function code 然后让他变得更加适合我这个学生可能给他画个图呀可能给他出一个题呀对吧所以如果要完全的去
释放 AI 的能力但是你又可以去好好的去利用它去驾驿它的话其实对于老师的要求会更加的多元然后老师的 AI 素养可能又跟学生的 AI 素养覆盖的方面又会有不同所以我其实是觉得在这方面的培养是需要去提高的而且某种程度上你去
我觉得所有的 A-Tech 公司啊就是你去培养老师的 AI 素养可能比你去搞一个针对学生的所谓 autopilot 这种 AI 家教对于学生的学习的质量和整个大家对于 AI 的感受是要更高的因为老师他更了解这个学生需要什么然后老师他的那个杠杆的力量会更大所以呢这个当然是我个人的想法了
也是抛砖引玉跟大家讨论一下谢谢依依刚刚其实引入这个框架然后让我们知道说其实
除了我们最常见的或者说最容易理解的这种 content knowledge 领域的知识之外其实老师他的知识还包括很多其实甚至我觉得在 pedagogical 这一方面的知识甚至是大元模型他都不见得完全了解的这部分的知识就是包括很多教学的技巧等等这些是很
和除了语言之外的你的课堂的这些组织能力我觉得是挂钩在一起的你怎么样去组织学生去参与某个话题的讨论或者是去通过一种游戏的方式去加深对于某个主题的理解这些方面其实很明显是至少目前的这样形式的这种生成式的 AI 没有办法去取代的部分我觉得这也是让我们看到说未来即便是有
强大的这种 AI 的模型作为辅助的时候我们依然老师是有很多可以发挥它独特的这些技巧它的这种能力的地方对而且你们刚刚讲到知识审美还有竹子讲到具体的人就是有生活经验的人我真的非常有共鸣
因为你可以看到现在孩子真的没有自己的生活比如说如果让他们找一些自己真实生活中的例子或者情境大多数出来的也都是在学校里面
但是在学校里面呢也不是说跟同学玩啊怎么样而是一起考试啦一起复习啦就还是非常非常单一的对这样的一个情境那其实我觉得很有意思的点就是我不知道你们有没有这种感觉我是最近在用那个
CopilotGitHub Copilot 写代码的时候因为我最近在学那个新的一些编程的方法的时候我就发现真实的体验非常的重要虽然这个为什么跟写代码联系起来代码本身这个语言是其实是对于自然世界的一个提取和抽象嘛但是我就发现比如说我自己动手去敲那个代码和 GBT 自动给我补完那个代码
感觉是不一样的因为我在自己手动敲那个代码的时候尤其是我在学新的东西的时候敲代码流淌的时间虽然也不长但是它对于我来说足够让我去反思这行代码到底是什么意思为什么它放在这个地方就是我有一个身体的感知带动下的对于一个知识的 active recall 就是主动回溯然后这个主动回溯它其实就是一个
重新去建立神经连接的过程它至少让我的身体习惯了在这种情况下会有这样那种代码的表现的形式然后我要换另外一个比如说功能了可能我有另外这种代码它逻辑又是不一样的我是用我的身体去感知的而不是
像我喜欢用的一个比喻是比如说在城市车水马龙钢筋铁链的这种城市长大的小孩你让他要去描写自然界的苗语花香
你就让他去你是让他去想象一个本来他应该去用身体去体验的去感受阳光的温暖那个风吹过的感受去看那个云的颜色去看这个花去闻这个甚至说这个河水的这个味道有点本末倒置了但是就所谓的这个体验式学习或聚声学习它又是教育当中非常重要的一环所以
刚刚我们聊到嘛就让我感觉到其实我们说不定要对小孩的教育要去放手要去鼓励他甚至说让他去犯错因为犯错也是体验的一个部分因为你使用 AI
老实说除非你把提议理解错了你把这个提问错了你几乎是拿不到错误的答案的虽然我们会说会有幻觉但是我相信在以后的一些处理方式上这个幻觉发生的可能性会越来越小但是呢你提出一个错误的问题的可能性会越来越大
所以让我让我觉得可能就是我自己的感受是可能我们最开始会有一个 AI 素养的一个培养但是当你把它培养完完整之后我们会走入第二个阶段就是批判性思考就真正的学会怎么去提出原创的问题去有原创的视角而不是呃
我看到了一些所谓的思辨课呀它就是给你一个全人世界的论点然后二元对立 A 三个论点 B 四个论点把它背熟了这种我觉得那不是批判性思考的一种信念然后当我们训练完了之后我觉得
更下一个层面就是一个 mindful learning 就是带着觉知的去学习通过自己的感受去体验这个学习当然这个又说的越来越玄学了但是我会觉得这个是 AI 在解放我们生产力去改变教育之后我们可能会极大程度上在理想化的情况下出现的一种方向而且我觉得很多批判
讲批判里的课程他们所讨论的议题跟学生或者说跟青少年本身的生活没有什么关系
所以对就好多我觉得现在国内很多辩论比赛也是就讨论辩论的话题其实并不是大家真正关心的问题那实际上也就取消了辩论的意义嘛也就取消了这种思考的意义变成一种纯粹的语言上的修辞上的一种技巧嗯听说实际一点就是一斌你是国际学校老师然后我跟我觉得我们三个都有出国的经验就是我们
你知道这个留学生当中那个文书其实是蛮考验人的对吧如果你没有一个真实生活的体验我的文书里面可能写的是别人告诉你的知识或别人告诉你应该什么样的感受你即使比如说你去做了一些志愿者活动你参加一些科研的经历之类的你展露出来的是你对他人苦难的凝视而不是对他人苦难的共情这个是一个很大的一个
区别所以我觉得所谓的辩论啊包括小学人写作文啊很多时候我觉得是展露出来这个小孩对于一个初向世界的凝视他没有任何共情的东西在里面就是为什么我们有的时候在批判中国教育的时候我们会说觉得它很假是因为这当中就没有真实的来源
我觉得我们应该去给现代的教育去增加真实的来源对就是刚刚依依说到的这种从我们自己的那种肌肉的那种记忆和体验出发然后到其实更多的更丰富的生活体验的这些角度
都是现在其实教育发展包括学习的这种范式的革新的一个很重要的方向就是说到这种巨深的学习这样子的 embody learning 就是用你的身体其实去作为一个感受世界的一部分而不仅仅的是觉得我们只是在学习只是抽象的
去思考然后去做那些更多的不管是逻辑上面的这种推理或者是文法上面的学习这种可能更纯粹的是你坐在一个教室里面就能完成的这些事情它会把人本身的那个能力
做了一个太大的限制了一个局限其实人本身他是有除了大脑之外更多的身体的这些体验的这种感官的能力的而且我觉得正好是他是给教育我觉得也是有一种新的其实是
作为教育者的一种我觉得信心和这种应该来讲他的地位对于自己地位的一种重新的认识吧因为我觉得可能刚开始这样的大模型出来的时候会给教育者带来一些冲击大家会觉得说我的工作是不是要被机器取代了他是不是能代替我来去引导学生教学生这些知识
但是反过来我们看到其实是有很多机器没有办法取代的地方而且我想顺便补充的一个视角就是从能耗的角度来讲在社会的这几大部门里面吧比如说像教育和农业都是在对 GDP 的贡献很大但是能耗极少的这样的领域
那反过来说而 AI 呢 AI 大家知道要用这些就是 GPU 这样的一些芯片去做这种非常极大的几十亿参数的训练不管是在训练的过程还是在那个推理的过程它都是非常耗电的以及它在数据中心当中这个数据中心冷却
也是要耗能量的所以其实现在就像最近包括 SAMUltiman 都提到了说未来的 AI 这个大语言模型也好这种生成式 AI 它需要依靠的可能是一个可控核聚变这样的一个技术突破来给它功能才能够支持大语言模型或者这些大模型现在的这种增长趋势其实从能耗的角度来看的话其实大语言模型这些
看起来很智能的东西它是非常耗能的它远远没有我们人脑这种消耗能量的这种经济性它也没有像教育行业这样子它明明是一个对 GDP 贡献那么大但是耗能却那么小的一个行业它本身带来的那种相当于这种
对于环境的这种友好对于可持续发展的这样的贡献所以我们也不能够过度的去夸大就是这个大语言模型它对于我们社会可能带来的变化因为它有可能
会在很快的某个节点遇到一些能源上的一些关卡甚至说更早一点他可能是就是芯片供应上的一些关卡等等包括马斯克他最近也开玩笑的时候提到了一个所谓说 we need transformer to do transformer 就是前面的
后面那个 transformer 指的就是依依前面提到的我们这样一个 transformer 的这种机制但是前一个 transformer 指的是变压器就是我们现在因为它需要这么大的能量我们需要把高的这个电压转换成一个低电压这个大模型可以使用的这种从比如说 220 伏到 4 到 6 伏这些大元模型训练的时候需要的电压
强度的时候它的这些可能 transformer 本身这个变压器它的生产也遇到了一些瓶颈所以其实这是一个我们可以看到非常大的能量但是它也消耗极为巨大的这样一个产业的时候我们怎么样去使用它吧我们还能不能够用一个其实我觉得教育本身这个领域它有很好的这种心极低的投入极高的产出的这样一个
一个比例的时候我觉得教育者是可以给自己信心的就是我们知道我们在做的一件事情其实是非常有经济效率的一件事情所以也是从这个角度上来讲其实是一个很根本的视角上面我们也是不容易被这种机器或者说被这些智能的工具所取代的然后当然我们在这样的一个前提之下我们能去做的事情还有很多吧
对哦你想想陈炯润的脑子他就每天吃两颗馒头然后可以想出这么多对正好就是顺着竹子的话题我们就刚刚做了一些畅想嘛然后我们接下来就聊一下如果未来想要实现的话可能会有哪些限制条件那刚刚竹子说了男后的问题大家还有没有别的想法
你有吗我觉得像能耗算力比如说芯片的制作包括相关的电力系统这些建立我觉得以后是会按照这个 MORE 定律甚至就是一个新的 scaling law 是会逐步发生变化的而且其实我们在跟 CHPT
以切 GPD 为例吧我们在跟这种生成人 AI 对话的过程当中它的计算的最小单元就是那个 token 一个 kdg 为一个字符吧我们是按照这个它的收费是按照这个 token 来算的那首先这个 token 的价格呢是在不断的变低另外就是你可以通过一些额外的训练或者说是工程设计的方式比如说 fine tuning 英文中文叫做什么
微调对 谢谢比如说微调的这种方式就是你可以用一个参数远远远远小于 GBT 模型本身的这样一个模型在它基础上以 GBT 作为一个基础
然后呢你用它的 embedding 就是它的那个矩阵量这个库去微调你这个参数十分小的一个模型这会导致你整个然后你再用这个新的模型去做你想做的某一个领域上面的一些应用这样做的结果就是你的计算
会变得更快你对于 GPU 的需求相对来说会变得更小当然你的算力和电量也会变得更小这个其实是很多现在一些 AI 公司在做的一个方向就是它
比如大模型是需要足够大的投入说它有一个新的模型出来有一个范式的突破但是你能够想象的也不外乎就那么几家比如说 OpenAI 和 Enthopic 对吧那很多的我知道的硅谷的创业公司它会去接这个大圆模型但是呢它会去微调自己的小模型然后如果说
你看这两家就是给我一个竞价对吧他们谁便宜我就用谁因为我的小模型已经训练好了我只需要大模型的语言能力而已所以其实在企业端它的成本是可以不断地去降低的
那么在这个假设基础上我觉得以后可能会遇到的困难就是比如说教育方面很明显就是这个政策的一个改变但我觉得比较有意思的一点就是今年北京高考的全国新课标一卷对吧不对因为今年高考的新课标一卷的作文题目就是跟人工智能有关的他说我们有人工智能了你觉得我们的问题会来越少吗然后写篇八百字论文
然后我觉得这个很呼应我们最开头讨论的 AI 的定义因为假设我是一个山区里面的孩子或者说我的家庭条件不是那么好我父母管得比较严我没有记老师对吧因为我们家觉得记老师对我来说就是作弊对吧那我对于 AI 的理解是不是就是科幻电影里面的比如说漫威电影里面的 Javis 或者是机器人那是不是我写出来的作文就跟一个
天天跟季老师为伴的一个学生是完全不一样的东西那我不知道最后这个分会改出来会怎么样啊但是我会觉得至少说在这个非常重要的高考作文题目里面已经体现了所谓的 digital divide 不管说它是社会经济条件的还是认知的还是我们对 AI 的理解上面的所以其实在
我觉得在政策方面我们要用什么样的政策我是要一步到位小步快进我想让教育更加市场化让这个市场去代替一部分公众领域的这个职能然后去促进这个 AI 的普及还是说我用其他的方式去做这些事情对吧但是我们也看到之前双减有一部分就是因为这个市场化太过了然后这个政策有个原因还有一个就很明显就是评估了
我要怎么去评估它然后我最近看到一个例子我不知道是不是真的部分的家长据说是北京海淀的家长
他们已经开始用 GPT 去预测未来高考方向了就是他把过去几年的或者几十年的高考题作文题也好历史题也好数学题也好他都通过某种方式在 GPT 里面进行一个训练他让 GPT 去判断出来或者预测出来可能下一年下下几年大概的高考比如作文题的范围在什么地方那个历史题大概次纵点在什么地方或者说是不是每
每隔三年某一个题型就要再来一次像这种因为你之前你可以用人去人通过编程去积极学习去预测但是你就需要这个人他去人工的去打造不一样的我们叫做 feature 就是一个对于数据的提炼抓取出来的一个新的元素但是呢你现在可以交给 GPT 用他自己非常高超的自然语言处理的方式去做但
我觉得这也代表了就是说 again 它还是一个社会经济问题的一个引申以及就是如果说硬是体制之外就是不是一个直接参与人它在这个评价体系里面对它的影响力会
不规则放大之后那么我们是不是要去考虑我真正想去评估的能力和我评估的意图已经不匹配了那我觉得这个肯定也是会得到一些变化的包括其实我觉得高考题本身也透露出来的就是说可能社会已经默认了 GPT 可以帮助你去解答历史多选题的这个东西所以是不是我们就应该去思考我是否应该去加入一些开放题
一些批判性的思考题这样的东西在里面然后在这基础上我觉得我们再来说提高 AI 素养才是有意义的因为你还是你还是有一些北极星去指引着你说我们怎么去提高老师的东西我们是不是要开展一些有针对性的培训
对吧这种情况下我觉得我们在说 AIE 的时候我们就没有在说我还要先去教育一下我的受众我要去培养一下需要而说这个需要会更加符合人性然后萌生出来而且其实这些事情彬彬也说到在这种情况下
我们有多大的那个空间可以去做这种和目前的教育评价体系不一样的那种尝试吧我之前是听到有一些这种优秀教师他们的经验分享的时候是在讲说
确实是有这个可能所谓的高考指挥棒在那里然后一方面依依也说到高考指挥棒她也在做一些调整那反过来就是即便高考指挥棒不变的情况下每一个课堂里面教师仍然有她每节课 45 分钟的这个自由裁量权的她怎么样去安排她的这个课程因为并不是此机应备就是最好的学习方式好的老师是可以既把
好这些 content knowledge 交给学生但是同时也能够把其他的这些批判性思维对于 AI 的这个理解 AI literacy 这些部分是可以把它嵌入到这样的一个过程当中的所以这些是其实老师通过自己的一种
他设定的这样的一个目标然后去和他的同行去切磋分享经验是可以达到我觉得更好的一个状态而且应该来说就是更好的去采取行动我觉得只要我们自己动起来其实就会看到更多的希望所以这个也是
和所谓的这种比如说 embody learning 其实是一样的因为老师他也是在学习一种新的教学方式然后去设想新的实践的那个过程当中所以我们把自己投身进去之后多去做一些尝试和改变的话我们会看到其中的一些希望在哪里我其实特别感同身受而且赞同刚刚卓子老师讲的就是我觉得我们这么说吧就是社会上肯定会出现两种情况
就是生产者和消费者对吧现在 AI 可以让每个人拥有一个高效的内容生产者但是呢我们不能仅满足于我作为一个内容的消费者然后 AI 的学习和使用是需要大量的时间的因为你要去感受这个本身以不确定性为主旨的 AI 内容
我怎么去找到它的这样一个边界在什么地方所以我觉得我们不能等着某一个产品出来了我来用或者说我觉得国内的消费者或者产品使用者有一种特征就是我们比较挑剔我们是会觉得这个产品就应该是做得这么好的
我们会提各种各样的需求那我认为在 AI 这方面我们应该更加主动地去提出需求说我经过我的实践之后我希望比如我做一个老师什么样的 AI 能够帮助我是最好的或者我希望一个学生什么样的 AI 是帮助我最好的而不是希望
某一个产品它诞生之后能够去帮助解决我所有的问题所以在某种程度上我们应该加入到这个生产过程当中成为一个 AI 解决方案的提供者至少说是一个参与者吧这样我们才能够真正的让 AI 为我所用让它真正去像刚刚竹子老师讲到的我们能够它有一个正确的关系不是单纯的回避型也不是单纯的依赖型
而是一个真正让我觉得非常安全的一个 AI 产品或 AI 助手那要不我们就顺着这个话题来说一下就大家在整个的生成是 AI 的这么一年半的时间里有没有看到哪些创业机会因为大家刚刚已经有提到很多像这种智能助教然后包括 Comigo 已经都在 OpenAI 的发布会上去展示了他们这样的一个教学助手的产品
我觉得这绝对是一个方向然后包括前面提到可能像有道他们本身做这种词典那翻译已经有很成熟的这样的产品之后他再用 AI 加上去可以帮你做口语的训练然后去帮你做一些智能的这种语言相关的一些回答等等其实都是可以对现有的这种教育产品去做价值增值的这些部分我觉得这些是
对于大公司来讲的机会吧那可能对于个体的这种创业者来说的话需要去找到一个合适的这种问题解决的一个场景就是因为我自己
也在做一些这方面的尝试然后之前在前段时间的这个 ISLS 就是这个 International Society for Learning Sciences 就是学习科学学会的这个年会上面然后也在 demo session 和我的伙伴一起展示了一个我们用
大语言模型作为那个基座模型然后利用学习科学的这个领域发布的论文就是从它成立 1995 年到现在发布的所有论文作为的一个数据库然后在这个范围内去做一个智能的搜索和问答
就是帮助大家去了解什么是学习科学里面的一些重要概念怎么样去理解还有哪些重要的研究方法怎么样去实施等等然后这样一个有具体的使用场景和领域的一个大语言模型的一个问答机器人那让大家去试用的过程当中其实我觉得这个事情首先本身就是领域
包括就是这个学会的组织者就是这个学习科学学会他们会认为这是有价值的因为相当于把他们积累下来的这么多年的学术论文有一个重新活化利用的机会而且它甚至不仅仅是帮助研究者是可以帮助教育者然后这些教育产品的开发者更容易地去
摄取到这些从研究而来的这些养分的所以这是一个能够提供价值的一个地方那可能进一步到如果它作为一个创业的一个项目也好或者是模式的话那它有没有盈利的这样的一个前景那个空间大家到底会愿意
为什么样的一个产品去付费我觉得这里面还是有很多值得推敲的地方就是你是一个好的搜索工具但是搜索本身不见得是一个能够带来付费的一种体验然后当时我们在那个 demo session 里面跟大家去聊的时候也有很伙伴很真诚的提出他的一些想法他希望可能就是在这个交互模式上他不一定是我们这种聊天窗口的模式如果你能更好的把比如说这个
论文的引文能够结合到我们在进行这种项目的或者是论文的写作的过程当中来比如说我前面先写一句比如说学习科学的研究对于比如说基于游戏的这种游戏化的学习是有如下的一些过往
发现的比如说我前面先写了这样一句话之后它是不是能够帮我自动补足后面比如说从 2000 年 2010 年然后呢可能 2023 年这些文章都是一些关键文章它直接可能就帮我在后面写好了甚至是使用比如说一些确定的像 APA 的引用模式或者其他的一些引用格式的这样的一个这种论文
内的这样的一个引文格式直接帮我生成上去我按一个 tab 键可能他直接就能够帮我填完这句话那他说他觉得这种模式可能就是一个他更会愿意去付费的一种模式我觉得所以可能在把他这样一个能力转换成一种我们可能可以盈利的一个产品的时候他就还需要在跟用户的这种交互模式上再更多的去打磨
怎么样可能提高他的一些工作效率然后他会真的愿意去给这个产品付费我觉得这是当时这样一个这种去 demo 的一个收获吧然后其实在另外一方面会感觉到就是在这种细分领域内去使用大语言模型的时候他也遇到一个可能比较大的技术上的挑战就在于他
会很依赖于这个提问的人他的提问方式因为一旦我去限制了其实大语言的数据来源我就让他只能在我的这些学习科学的研究文献当中去搜索可用的资料并且你每次回答比如说必须去引用你的这些回答是来自于哪几篇文章的这样一个引文放在你的回答最后的时候就是给他这样比较严格的限制
他就会比较容易会给你给出一个比如说不好意思我没有找到相关的文献的这样的一个让人会觉得比较失落的这样的一个回答嗯
因为他对于就是我们一旦对于他的这种限制加强的时候那他虽然说可能他的这种幻觉会减少但是他能够给到你答案的那个丰富度其实也在降低所以这个我觉得就是工程上面的一些难题还是需要进一步的去解决的所以具体到在
就是各自可能大家发现了自己比较有体会的然后感觉到有需求的这样的一些领域里面的时候可能我这边的一些体会就是主要两点一个就是在交互的方式上面它的一个好的设计仍然还是你的产品能盈利的一个很重要的点然后
另外一个就是在细分的领域里面这个大模型的能力会不会受到限制本身也是我们需要注意而且在工程上要找到合适的解决方式的地方我觉得其实可以分为两个大类吧一个是 AI 家
某一个领域还有就是某个领域加 AI 我觉得这是两个不同的思路 AI 加某个领域呢就是我希望用 AI 去解决某一个问题甚至这个问题是某一个新的问题我用它去创造一个之前没有的一个新的产品比如说
高科技里面就是有怎么用 AI 去画芯片啊然后怎么用 AI 去这个探索这个蛋白质的这个架构啊之类的这个相当于是我想去解决一个有一点新的问题对吧然后它基于了某一个领域这样去做 AI
加 AI 呢就是说其实我这个领域的需求已经非常的明显了我只不过想用 AI 让它更高更快更强而已我觉得两者的区别就在于后者是一个经过验证的商业的模式刚刚那个竹子老师提到的盈利这个问题我觉得基本上盈利的
所以我会感觉怎么
怎么说呢因为我我自己我自己在我的那个教育 AHL 的一个播客上我采访了很多的这个相关的教育科技的创业者我从他们身上学了很多东西然后呢我又几点可以跟大家分享一下就是基本上有盈利的创业者都是在做 X 加 AI 这个部分就是他在一个已有的需求下他用 AI 去加持了呃
比较明显的一个例子就是 Ancestor AI 但我虽然没有我认识创始人但是我还没有办法把他邀请到上我的播客他跟我讲过就是说他当时其实已经就知道大家肯定是需要搜体的
只是在哪搜而已是在 Google 上搜还是在 Share 上搜还是在什么其他地方上搜对吧它只不过它用 AI 换了一种搜题的方式就是你可以先截图然后把这个图交给 AI 不管开始不管对不对但是它的击中率是基本上是这个很高的对吧它能够给你一个结果而不是说完全
给不出来这个几何题所以他当时在切鸡皮刚刚出来的时候呢他们很快就上线了他现在有 300 万的一个用户我当时跟他聊的时候我觉得他这样的一个成功其实复制的程度可能性是不高的
因为它有一个很明显的时间的窗口就是在那个时候 CHPT 是没有办法跟真实世界互动的除非人去提高起一个问题那么它需要的是一个比如说一个题目的截图然后帮助人去理解因为它需要额外的数据的这个行为所以它在
GPT-4 就是有那个识别能力包括现在 4.0 有更高的对话能力之前它是有一个自己发展的窗口的所以它可以很快的积累一批用户把它们留下来而且当时很快就已经赚钱了相比起来其他的如果你要做个崭新的东西比如说我最近采访过的一些像是测评 AI 能力的这样一个 AI 测评人类使用 AI 能力的 AI
我当然会觉得按照我的逻辑推导对吧我们刚聊了这么多它肯定是一个绝对很必须的一个东西但是呢不是所有人都是这么认为的因为我觉得我们三还是有一定 AI 使用的经验和 AI 素养的对吧我们肯定会认为评估这个
评估加培养提出自己能力是急不可待的但是不是所有人都觉得需要原因就是因为他们提高生产力的方式可能不是来源于自己的技能可能是资源
可能是其他的一些东西所以在这种情况下他们还在一个产品研发的阶段我也不知道什么时候可以盈利对吧这个就是一个可能出来之后不见得能够立马变现的这样的一个业务模式所以他们更加适合有 VC 去支持还有很多现在比如说像 DeFi Cozy 这样的一个平台对吧他们是比我觉得是比较
成功的介于两者之间是因为比如说第一份它是一个可视化的流程它可以让你把这个你的工作流通过可视化的方式用 AI 去实现它每一步都可能都有一些 AI 的一些处理的这样的一个方式那我觉得这个就取决于它肯定是按照 early adopter 对吧那有已经意识到这个需求的 early adopter 它想
更有这个先发者优势让他去用了这个他们也是可以进行变现的但是他还是在一个比较小范围之内而且这种东西他有我我认为他有内部自动迭代性就是你很快会当人们的意识和生产力提高之后他会产生新的需求可能那个具备新的需求的产品会很容易出来降维打击之前的这样一个需求所以在我
挑战范式变化下的一个 AI 加 X 我觉得是属于长江后浪排前浪的一种创业的模式你就你为了活下来你就不管为什么你得先活下来得留在这个排桌上哪怕你这一轮死掉了但是你借了经验你接下来还有一轮可能真正
到 AI 会比较盛行的时代你还可以出来玩但是但这个也是我的嘉宾告诉我的我觉得非常有启发性就是如果你第一轮你都不做像 VC 一样如果你第一轮你都不投 AI 你明明知道第一轮肯定 99%都要死掉了
但是你可能之后那几轮你都没有参与权所以就为什么现在很多人下场会去做一些 AI 的应用但是我看到他们我也知道百分之九十可能会死的就是很多的产品我觉得好像我自己写个 demo 也是可以写得出来可能它有它的优势的地方但是它没有那么高的技术壁垒所以我会觉得
对于 AI 的这种创业式的探索吧尽可能的就是不要有太高的期望不要有暴发户的那种心态而就是应该我去体验一下我要怎么样让我一直能够留在这个牌桌上当一种新的范式出现了稳定了然后被大众接触了之后我觉得可能我的时代到了我有足够多的经验我可以去做一些更加能够符合我的工作
用户需求的这样一个产品我觉得那个时候才会有真正的价值产生前面的也会有价值但都是给别人铺路的价值会比较多一点我感觉是这样的因为刚刚依依子有讲到
深层是 AI 对整个教育平权的看法对吧然后它可能像我们之前对于一些在线学习平台也有类似的希望然后结果发现可能并不是但我可能从一个另外一个例子就比如说印刷术的发明它可能在短期的时间内拥有书的人还是少数但是可能在更长维度的时间你就可以看到它
促進了啟蒙運動的發生然後最後
是让知识更加的民主化我觉得可能对于这个技术因为我们是站得非常非常近的人可能拉长时间维度还是会有就像依依子和竹子之前说到的就是对世界更积极的影响的这么一种期待是最后能够实现的所以今天也很感谢两位依依子的早起然后竹子
今天也加入我们洒洒水然后跟我们聊天那如果大家最后对这个深圳市 AI 有什么样的想法或者问题的话也欢迎在评论区跟我们互动然后两位嘉宾也可以来解答大家的问题好那我们这期就到这里谢谢大家谢谢大家我们下期再见拜拜