生成式人工智能與未來教育形態重塑:技術框架、能力特征及應用趨勢

劉邦奇 聶小林 王士進 袁婷婷 朱洪軍 趙子琪 朱廣袤

[摘 ??要]?近年來，隨著預訓練技術的發展和計算硬件的提升，生成式人工智能取得了顯著的突破。其表現出的智能涌現、強認知性、高通用性等卓越能力為教育數字化、智能化發展帶來了新機遇和新驅力，這將引發未來教育形態的變革和重塑。文章介紹了生成式人工智能技術的新發展，分析了其內涵、技術框架及主要特征。并以星火大模型為例，剖析了以國產大語言模型為代表的生成式人工智能的核心能力及其典型教育應用場景，發現大語言模型的文本生成、語言理解、知識問答、邏輯推理等方面能力在教育領域具有極大的應用潛力和價值。生成式人工智能在教育領域的深度應用，將促進教育主體關系轉變、教育環境智能升級、教育資源供給創新、智能教學方式重塑、評價理念方式變革、智能教育倫理治理等方面的變革，助力人類教育與學習形態重塑。

[關鍵詞]?生成式人工智能; 教育形態; 教育數字化轉型; 星火大模型; 應用場景; 發展趨勢

[中圖分類號] G434 ???????????[文獻標志碼] A

[作者簡介]?劉邦奇（1962—），男，江蘇靖江人。教授，碩士，主要從事智能教育應用、教育信息化治理與評價、智慧教學研究。E-mail：lbq-nj@163.com。

一、引 ??言

當前，不斷更迭的智能技術正在加速教育的數字轉型與智能升級，變革和重塑未來教育形態。尤其是以ChatGPT、GPT-4等為代表的生成式人工智能技術（Generative AI，GAI或GenAI）具備了通用人工智能（Artificial General Intelligence，AGI）的特征，正推動著互聯網資源生產方式轉向人工智能生成內容（AI Generated Content，AIGC）范式，使得人工智能在數字化實踐中的作用更為凸顯。國內一批高科技企業和機構也聚焦生成式人工智能領域，組建強大技術團隊加快研發攻關，在國產大語言模型技術和產品等方面取得突破，并在教育等領域推廣應用。首批11家國產大語言模型已經通過國家監管部門備案，由科大訊飛公司自主研發的星火認知大模型（簡稱“星火大模型”）于2023年9月5日起正式向全民開放使用，并被MIT科技評論等機構評為“最聰明”的國產大語言模型。生成式人工智能的文本生成、語言理解、知識問答、邏輯推理等方面能力對于教育教學具有極大的應用潛力和價值，星火大模型已被接入眾多教育產品，形成教學助手、學習助手、心理輔導助手和編程助手等多種典型應用場景，為教育領域的數字化、智能化發展和形態重塑提供支撐。因此，置身于數字化轉型背景下，可以更加清晰地看到生成式人工智能技術給教育發展帶來的機遇與挑戰，更加深刻地理解智能技術之于教育信息化、教育現代化的革命性影響，探索未來教育形態變革創新之路。

二、生成式人工智能的發展現狀及特征

（一）生成式人工智能的新發展

近年來，以深度學習技術為核心的生成式人工智能不斷取得突破。2014年，生成對抗網絡（Generative Adversarial Network，GAN）首次被提出，推動了復雜數據分布上的無監督學習發展;2017年，Transformer架構被發表，引入注意力機制處理長序列數據，迅速成為生成式人工智能模型的主流架構;2022年，美國OpenAI公司公開發布基于Transformer架構的生成式預訓練大語言模型ChatGPT;2023年，OpenAI又發布了GPT-4，生成式人工智能逐漸走向成熟。

緊跟國際生成式人工智能發展前沿，國內多家企業和機構加快研發，相繼推出大語言模型、產品和相關底層基礎設施及服務，掀起了生成式人工智能技術發展的新浪潮。為了規范和引導以大語言模型為代表的生成式人工智能的健康發展，國家網信辦等七部門于2023年7月聯合發布《生成式人工智能服務管理暫行辦法》（以下簡稱《辦法》），明確提出“鼓勵生成式人工智能創新發展”“鼓勵生成式人工智能算法、框架、芯片及配套軟件平臺等基礎技術的自主創新”。近年來，國產化大語言模型技術攻關取得了可喜的成績，首批國產大語言模型服務平臺已向全民開放使用。

（二）生成式人工智能的內涵及技術框架

聯合國教科文組織認為，生成式人工智能是一種根據自然語言對話提示詞（Prompt）自動生成響應內容的人工智能技術。中國國家互聯網信息辦公室將生成式人工智能定義為“具有文本、圖片、音頻、視頻等內容生成能力的模型及相關技術”。生成式人工智能技術可以被廣泛地應用于不同領域，具有普遍適用性;能夠通過不斷的創新和學習持續優化，具有進步性;能夠促進相關應用技術的創新，具有創新孕育性?？梢姡墒饺斯ぶ悄苁歉鶕崾驹~自動生成響應內容的人工智能技術的統稱，包括具有內容生成能力的模型和相關技術，具有普遍適用性、進步性和創新性等特征，可用于生成文本、圖片、音頻、視頻等。

在生成式人工智能發展中，技術框架內各要素協同發展和融合創新，是生成式人工智能產業生態鏈健康發展的關鍵。生成式人工智能技術框架由基礎層、模型層、能力層和應用層組成，如圖1所示。

在上述技術框架中，基礎層包含硬件設施、模型生產工具和數據資源等核心要素，提供存儲資源、運算資源、合規數據和模型訓練平臺等，為模型訓練與能力提升提供基礎支持。模型層由文本大模型、視覺大模型和多模態大模型等構成，用于實現語言理解、信息抽取、圖像檢測和因果推斷等任務處理，支撐上層內容生成能力，是生成式人工智能的“大腦”。能力層是生成式人工智能特定任務能力的實現，為應用層提供音頻生成、代碼生成、跨模態生成、場景生成、文本生成、圖像生成和視頻生成等能力。應用層向用戶提供面向具體任務需求的知識問答、摘要生成、文稿撰寫和情感分析等功能或服務。

（三）以大語言模型為代表的生成式人工智能主要特征

作為文本大模型的基礎模型，語言模型是生成式人工智能語言能力的引擎，具有理解和生成人類自然語言的能力，能預測詞序列的可能性或根據給定輸入生成新文本。通常，把參數規模達到百億或以上、采用Transformer架構的語言模型稱為大語言模型（Large Language Model，LLM）。ChatGPT類大語言模型向用戶提供自然語言會話交互接口，以提示詞作為輸入，使用統計模型預測和輸出響應結果。以大語言模型為代表的生成式人工智能在模型規模、技術能力、訓練方式和應用領域等方面具有顯著的特征。

1. 模型規模巨大。大語言模型的參數數量、訓練數據集大小等分別達到或超過百億、TB量級規模，呈現出規模巨大的特點。語言模型的性能依賴于模型的規模，包括參數數量、數據集大小和計算量。大語言模型通過對海量的、大規模的語料庫學習，使用巨量參數抽取和表示人類語言規則及其邏輯關系，并進一步根據提取到的語言特征生成符合人類語言習慣的新文本。OpenAI公司的GPT-3模型訓練數據量和模型參數量分別達到了5000億標記（Tokens）和1750億，華為公司的PanGu-Σ模型參數量更是達到1.085萬億。

2. 技術能力強大。大語言模型具有強大的情景學習、思維鏈推理和多輪對話等能力。用戶發起新的對話時，大語言模型會將之前的對話歷史作為上文，再生成一個下文作為新對話的響應，表現出多輪次對話和上下文感知能力。大語言模型能把一個復雜問題分解為多步推理的簡單問題進行解決，也能通過自然指令的學習泛化自身能力。

3. 訓練方式靈活。ChatGPT類大語言模型靈活地采用了預訓練加微調的訓練方式。為了解決數據驅動的深度學習模型缺少大規模的標注數據、人工標注代價大和內容生成效果不佳等問題，大語言模型先使用大語料庫對模型進行預訓練，獲得面向通用目的的任務處理基礎能力后，再通過來自人工反饋的強化學習（Reinforcement Learning from Human Feedback，RLHF）方法對特定任務進行模型參數微調，達到提升內容生成質量的目的。

4. 應用領域廣泛。在混合來源語料庫上進行預訓練的大語言模型捕捉了豐富的多領域知識，可廣泛應用于健康、醫療保健、教育、法律、金融和科學研究等領域任務的處理。ChatGPT能夠處理和生成超過25種編程語言和超過100種自然語言文本，提供語言生成、語言翻譯、文本摘要生成、代碼生成、情報分析等多項服務。由大語言模型驅動的微軟Office 365 Copilot可以幫助用戶完成整理會議摘要、處理郵件等多種任務。

三、國產大語言模型的核心能力

及其典型教育應用場景

在人工智能領域，大語言模型作為一種典型的生成式人工智能技術，已經在智能制造、生物醫藥、科技金融、設計創意、自動駕駛、機器人等多個領域進行了創新應用。星火大模型等國產大語言模型的發展引起了國內外學術界和產業界的廣泛關注，為我國教育教學應用實踐提供了有力支持。通過探討國產大語言模型的核心能力及其在教育領域的典型應用場景，可以進一步挖掘其在教育領域的潛力，為提高教育質量和培養創新型人才提供新的思路。

（一）核心技術能力

星火大模型擁有跨領域的知識和語言理解能力，能夠基于自然對話方式理解與執行任務，在文本生成、語言理解、知識問答、邏輯推理、數學、代碼以及多模交互等核心能力上，凸顯了國產大語言模型的實力。

1. 多風格、多任務、長文本生成能力。該能力具有高度靈活性、實時性、個性化、多語言支持等特點，能夠根據上下文情境和任務需求生成不同風格、結構和主題的文本內容，可以在短時間內快速響應需求和生成長文本，也可以根據用戶特征生成個性化文本，并持續優化文本生成質量等。

2. 多層次跨語種語言理解能力。該能力具有高度準確性、多層次理解、多任務處理和多語種等特征。能夠理解不同詞語、短語和句子的含義，以及它們之間的語法關系;可以根據給定的上下文信息，識別不同詞語的詞性和用法，理解并解析復雜語言表達;能夠捕捉對話或文章邏輯等。

3. 泛領域開放式知識問答能力。通過學習訓練數據中不同領域的知識和語言模式，星火大模型可以根據問題上下文和語義信息，分析出問題結構和意圖，可以回答生活常識、科學知識、工作技巧、醫學知識等不同專業領域的問題。

4. 情境式思維鏈邏輯推理能力。星火大模型能夠通過推斷、歸納和演繹等方式，根據給定信息得出一般性的規律或概念;能夠通過分析問題的前提條件和假設來推理出答案或解決方案，并給出新的想法和見解;可以使用已有的數據和信息進行推斷、預測和驗證科學研究中的基本任務等。

5. 多題型可解析數學能力。星火大模型可以理解數學概念、公式和定理，運用數學方法進行計算和推導，包括：根據數學表達式計算結果，理解和執行基本的數學運算;根據數學公式和算法進行計算和推理，處理相對復雜的數學問題;分析數學問題的結構和關系，實現推理和證明。

6. 多功能、多語言代碼能力。星火大模型能夠理解、解析和生成給定任務描述或要求的、符合語法規則和語義邏輯的計算機程序代碼，如智能生成單行或函數級代碼建議，根據注釋、函數名自動生成代碼;審查拼寫、語法、邏輯錯誤，比較與修改新老代碼;智能生成目標代碼的單元測試用例等。

7. 多模態輸入和表達能力。用戶與星火大模型交互能實現虛擬人合成、圖文理解、文圖生成、多模態交互等多模態的輸入輸出。當用戶輸入一個圖像時，星火大模型可以通過圖像識別技術識別出圖片的物體、場景等信息，圍繞圖片素材對用戶問題進行響應;或者根據用戶的描述，生成符合期望的音頻或視頻等。

（二）教育領域的典型應用場景

星火大模型在文本生成、語言理解、知識問答、邏輯推理等方面的能力在教育領域具有極大的應用潛力和價值。本研究以基于星火大模型形成的教育教學工具為例，探究生成式人工智能如何賦能師生教學減負和提質增效。

1. 教學助手：提高效率、增強效益

（1） 智能化教學設計。借助星火大模型的深層次語言理解、文本生成能力，教學助手可幫助教師進行智能化教學設計。教師將需要進行設計的課時、班級等信息發送給教學助手，教學助手不僅可以給出單元主題、教學目標等教學設計的標準模塊，還能夠智能匹配符合新課標的教學任務、教學活動，幫助教師智能生成教學設計?；谛腔鸫竽Ｐ偷膱D文音、視頻等多模態資源檢索能力，教學助手可以智能生成互動式教學課件，還可以智能生成情境圖片、思維導圖，有效提升教師備課效率。通過星火大模型賦能作業設計、教學反思、課題靈感、學生評語、班會設計、家訪溝通等多場景應用，進一步減輕教師壓力，解放教師生產力，提高教師工作效率。

（2） 仿真式對話科普。一方面，利用數字仿真技術生成類似于真人的虛擬形象，并借助大模型的語言理解和文本生成能力，通過“角色扮演+場景構建”的方式與學生互動，引導學生提問并回答學生的問題，有助于激發學生學習興趣，提升學生探索創新能力。另一方面，在對話過程中快速識別學生提問中的關鍵詞，并基于大模型的邏輯推理能力，結合過往問答記錄、班級學情等準確理解問題，調用海量科普知識庫，給出適切、豐富的回答。

2. 學習助手：減輕學習負擔、提高學習效果

（1）類人化作文批改。得益于大模型帶來的深層次語言理解和對話生成能力的提升，在作文批改方面的批改維度和智能化程度有所提升。在字、詞、句使用正確性等基礎批改之上，可以對作文進行高級批改，包括篇章結構、寫作要素分析等。在批改完成之后，還可以針對性地給出一些優美句式、行文脈絡等相關潤色建議，并根據作文題目生成多篇范文，作為教師作文教學和學生學習參考的素材。

（2）實時化口語陪練。依托星火大模型強大的語言理解能力、文本生成能力以及語音交互能力，學習機在口語陪練方面取得新的突破。實現多場景的自由開放式對話，幫助學生在真實情境中鍛煉口語，提升學生用口語解決生活實際問題的能力。在對話的過程中，助手可以實時針對學生發音、語法中的錯誤給予指正，并在對話結束后給出整體的評價和優化建議。

（3）啟發式答疑輔導。得益于大模型的邏輯思維和語言理解能力的提升，學習機在答疑輔導方面取得突破。學習助手目前可以實現類人“對話式”的互動答疑，通過由淺入深、層層遞進的啟發式教學，提高學生的思考和探究能力，并加深學生對知識點的掌握程度。

3. 心理輔導助手：增強交互體驗、疏導心理壓力

借助大模型在智能生成和語言理解方面的能力，心理輔導助手可以通過類人式的自由對話對學生開展心理輔導，在增強交互體驗的同時幫助學生及時疏導心理壓力，并對心理風險進行預警;可以根據學生提出的問題和回答，判斷學生當前的心理狀態，調用知識庫中的海量心理知識，對學生進行針對性的心理輔導;可以通過智能生成表情包，自適應推薦電影、詩詞、歷史典故等多模態資源的方式，激發學生興趣，幫助學生快速調節心情;可以跟蹤記錄學生的心理狀態，并對其存在的心理風險向教師和家長進行預警，提醒教師和家長及時干預，避免學生的心理狀態進一步惡化。

4. 編程助手：助力高效編程教學、減輕師生負擔

借助大模型在語言理解和邏輯思維方面的能力，可為師生提供編程助手。對學生來說，編程助手可以對已有代碼進行實時注釋，幫助學生快速、準確理解代碼;也可以根據學生的文字要求生成對應代碼，并解釋代碼的原理，幫助學生掌握代碼生成的邏輯和方法。同時，學生還可以選擇助手的內置題庫進行個人練習，編程助手會針對學生的代碼進行便捷準確的檢錯、查錯、糾錯，幫助學生完成個人編程能力水平檢測。對教師來說，編程助手可以幫助教師自動化批改學生提交的程序，逐行給出詳細批注與優化建議，評估代碼程序在語法性、邏輯性、穩定性以及規范性四類維度上的綜合表現，最終生成綜合性評語與評級。

四、生成式人工智能助力重塑未來教育形態

生成式人工智能在技術邏輯、技術成果、技術意義等多個方面實現了重大的技術突破和技術變革，為教育數字化轉型帶來了新機遇和新驅力。生成式人工智能與未來教育的深度融合，將重塑人類教育與學習形態，具體表現在教育主體關系、教育環境、教育資源、教學方式、教育評價和倫理治理等方面。

（一）推動人機協同走向人機共生，促進教育主體關系轉變

生成式人工智能推動人類與機器合作協同，走向人機共生。人機共生是人機協同的更高級階段，意味著人類與機器之間“取長補短”，機器對于人類智能不是簡單的輔助、增強，而是充分發揮融合潛能，實現更深入、更高層次的交互、協作與共融，將人類智能與機器智能有效協調、有機融合為智能整體，形成1+1>2的效果。一方面，生成式人工智能促使人類與機器的關系性質發生改變，兩者共同生長并在交叉迭代升級過程中相互啟發和賦能，共同創造生成新的教育內容增長點。另一方面，人類與機器的不斷發展深化和高層次互動也將持續生成新的數據語料，以人腦啟發類腦，賦能人工智能算法，深入解析人機關系交互的教育計算和神經認知機理，從而引起群體智能的涌現。

生成式人工智能促進教育主體關系從“師—生”向“師—生—機”轉變。隨著機器智能化水平的不斷提升，傳統“師—生”之間的二元主體關系逐漸被打破，構筑起基于“師—生—機”的三元主體結構。一方面，生成式人工智能對于師生主體具有賦能作用，如可以扮演虛擬專家、智能助教、數據分析助手等角色助力教師專業發展，也可以扮演智能導師、口語學伴、辯論對手等角色促進學生個性化成長，實現“師師有助教，生生有學伴”。另一方面，師生主體要積極擁抱“機器”主體，首先，應“學人工智能”，了解生成式人工智能的基本原理和應用場景，提升技術應用能力;其次，要“用人工智能”，師生掌握合理使用生成式人工智能的方法，實現技術的科學賦能;最后，要“與人工智能一起學”，在借助生成式人工智能提升教學效果的同時，引導技術適應性發展，實現雙向互構、深度融合。

（二）加快研發教育專有大模型，智能升級信息化教育環境

教育專有大模型是生成式人工智能賦能教育數字化轉型的必然選擇。雖然通用的大語言模型對于教育領域的變革與轉型具有重要的價值，但大語言模型在教育場景融合應用要求更高的知識準確度、更可控的意識形態與安全性和更適切的面向學科學段的使用方式與內容生成。而將未經專業教育數據集特定訓練的現有大語言模型應用于教育領域，存在算法、數據上的偏誤問題，可能會影響教師和學生的學術判斷和決策，產生的知識之間可能存在缺乏明確的聯系或結構的問題，也可能會導致對話內容歧視、特定人群歧視等問題。因此，建設和應用高質量、面向教育領域的數據訓練教育專有大模型，減少內容創作偏見，提高教育知識生成的準確度、學科學段的適切度和意識形態的可控性與安全性，是生成式人工智能賦能教育數字化轉型的必由之路。

教育專有大模型加快推動信息化教學環境智能升級。在通用模型基礎上構建教育專有大模型，賦能教學平臺、工具應用和產品智能化升級，為教育數字化實踐落地與成效發揮提供可靠的環境支撐。如基于教育專有大模型的多輪對話和場景生成能力升級語言學習工具，可實現口語智能評測和語法精準糾錯，打造數字虛擬人自由對話情境，大幅提升語言學習工具的有效性、易用性;基于專有大模型多模態能力升級教學工具，可打造語音交互數據分析助手，實現通過語音指令輸入數據分析的需求，智能生成課堂教學質量報告、學生學情報告等內容，提高教學工具和產品的智能性等，為提升教學效率和質量提供智能化技術環境保障。

（三）賦能生成式教學資源供給，創新優質資源個性化配置

教學資源生產方式從人工創造轉向智能生成。數字資源是教育數字化的重要要素，當前我國數字化教學資源開發整體呈現出多方開發主體協同、多類用戶參與、多種共享模式共存的資源開發特色，但也存在優質資源體量還不夠大、資源類型還不夠豐富、資源開發效率有待提高、資源質量難以完全得到保證等瓶頸。生成式人工智能所表現出的對于內容生成的快速性、同步性、多端性智能生成能力，有望通過人機協同參與資源開發以解決當前瓶頸問題，推進教育資源開發的批量化、海量化、高效化，將人力投入轉向科學把控與創意生成中。

智能時代，教學資源獲取方式從“人找資源”轉向“資源找人”。當前，網絡上的數字教學資源存在質量參差不齊、資源之間的邏輯關系不明確、資源供給機制不完善等問題，給教學資源的檢索、篩選和利用帶來了極大挑戰，也給師生造成了嚴重的認知負荷。在教育數字化實踐中，如何從注重教學資源的生成轉向面向師生需求和資源定制化服務成為用戶關注的焦點。生成式人工智能不同于搜索引擎所提供的資源檢索，而是通過對數字教學資源的智能化聚合和重組，生成有較好結構框架和語義邏輯的文本結果并進行精準化推送，教學資源獲取方式從被動分發到主動推薦，實現需求驅動、個性化資源服務。

（四）重塑智能化教與學方式，增強師生有效教學新動能

激發教學創新潛能，助力教師教學減負和提質增效。當前，教師在工作實踐中存在繁重的備、授課及相關工作壓力和數字化轉型下掌握新技術、新設備所面臨的技術門檻雙重壓力，亟需有效的方法加以解決。生成式人工智能高質量的內容生成能力貼合了教師日常工作需求，在教學設計、課堂教學、課后輔導、作業設計與批改等教學環節均能提供支持，如一鍵生成教案和課件、拓展課堂知識內容、啟發學生自主探索、自動提煉學生作文要點進行批改等，減輕了教師日常工作負擔。同時，生成式人工智能降低了人機交互的難度，使用網絡平臺即可開展對話交互，解決了教師技術壓力的問題。

創新對話式學習方式，促進學生個性化學習和高階思維培養。《基礎教育課程教學改革深化行動方案》明確提出要推進“數字化賦能教學質量提升”行動，強調構建數字化背景下的新型學習模式，學習模式逐漸從標準化走向個性化，從被動接受走向主動探究，從供給側走向適需。生成式人工智能可以發揮其對話式交互特性，從與學生的多輪對話中挖掘學習情境和任務要求，形成文本、圖像、視頻、音頻等多形態的學習材料，為學生學習提供支持。同時，還可以基于學生的學習水平、學習風格、知識背景等特征，向學生推薦適合的學習路徑和學習任務，生成定制化的學習支架，提高學生的協作、創造和批判性思維能力，激發學生學習動機和潛能，實現更高水平的個性化學習。

（五）強化素養導向評價理念，深化多元協作評價方式

在評價理念上，進一步強化從知識本位向“知識+素養”本位的轉變。教育評價對于教育發展具有重要的導向作用，面向數字社會人才培養需求，教育的目標是培養能獨立思考并有正確價值觀和判斷力的人，發展核心素養，而不是獲取和記憶特定的知識，因此要樹立“知識+素養”的評價理念。生成式人工智能強大的信息整合能力加速了信息獲取和知識傳授的過程，傳統知識評價難以應對信息過載下的現實需求，在評價實踐中要關注學生的信息應用能力和高階思維能力發展，構建更加全面的綜合素養評價體系。同時，生成式人工智能可以回答的陳述性知識本身并不應該是評價重點，真正有效的學習與考核內容應該具備高階性與開放性，應與真實的問題情境相關，并注重考查學生的創新意識與能力。

在評價內容和方式上，“人際+人機”協作的方式助力綜合性評價。針對傳統評價多采用結果性評價、依賴評價者個人經驗、評價反饋不及時且方式單一等問題，生成式人工智能為評價改進提供了新的賦能手段，強調人際合作、人機協同的綜合評價。在評價內容方面，固定式的知識問答轉變為開放式的問題解決，學生將通過“人際+人機”的多方互動溝通協作形成綜合解決方案，從而使傳統以試卷為主的結果評價變成情境化、問題式的綜合型評價。在評價方式方面，生成式人工智能發揮其動態性、多模態和伴隨式等特征，在師生、生生等人際評價上增加了機器評價的輔助，可以在持續的人機交互對話中進行數據采集、自動化內容批改和評價，綜合分析學生的學習情況和表現。

（六）統籌智能教育應用創新，推動人工智能向善發展

為了更好地鼓勵和促進技術革新與有效應用，需建立包容創新、安全可控、審慎發展的政策和制度環境。在國際社會，日本文部科學省于2023年7月率先發布了《初等中等教育階段生成式人工智能利用暫行指南》《在大學和技術學院的教育方面處理生成式人工智能》等相關政策，對生成式人工智能在教育領域的角色定位及應用方式作出了說明。我國也積極推進教育大模型相關政策標準的制定，如2023年4月，中國信息通信研究院正式啟動教育大模型標準編制，為教育大模型應用落地提供參考與指導;2023年7月，全國信息技術標準化委員會等發布相關研究成果，提出構建教育通用人工智能大模型標準體系。

倫理先行的治理框架初步構建，推動生成式人工智能向善發展。在技術不斷發展的過程中，國內外積極推動人工智能治理進程，制定了一系列倫理及道德規范。聯合國教科文組織于2023年先后發布、，提出生成式人工智能可能帶來數字鴻溝加劇、知識產權受侵犯、隱私數據泄露和生成內容偏誤等風險，建議在教育中使用生成式人工智能要規劃適當的法規、政策和人力發展計劃。2023年7月，中國國家互聯網信息辦公室發布《生成式人工智能服務管理暫行辦法》，提出提供和使用生成式人工智能服務的具體管理要求。因此，在教育中使用生成式人工智能要制定適當的政策和倫理規范，建立風險防范機制，加強倫理治理和技術監管，引導和規范人工智能技術向上、向善發展，以確保生成式人工智能成為一種真正造福教育工作者和學習者的工具。

五、結 ??語

生成式人工智能的快速發展為教育數字化轉型發展帶來了新驅力。本文分析了生成式人工智能的發展現狀及內涵特征，以星火大模型為典型案例闡述了國內中文語言大模型的技術能力和多種技術應用場景，討論了生成式人工智能助力教育主體、環境、資源、教學、評價及倫理治理等方面變革的趨勢。隨著生成式人工智能國產化進程的不斷加速，在教育領域的應用不斷深入，將帶來新的機遇和挑戰。例如教育場景的育人目標在知識準確度、意識形態可控性等方面的高要求，對于教育專有大模型的建設需求更為緊迫;依托生成式人工智能的創新性內容生成、對話情境理解、邏輯語言處理等核心能力，如何引入問題式、對話式教學更好培養學生的創新能力和問題解決能力;基于大模型如何開展以人的發展為中心、“人際+人機”協作的綜合評價;人工智能快速發展應用帶來的倫理風險，如何有效防范、確?？萍枷蛏瓢l展等。這些新場景、新問題需要技術專家、教育專家和廣大一線教育工作者認真關注，協同研究和創新，充分發揮人工智能技術最新發展優勢，共創未來教育新形態。

[參考文獻]

[1] 嚴昊，劉禹良，金連文，等.類ChatGPT大模型發展、應用和前景[J].中國圖象圖形學報，2023，28（9）：2749-2762.

[2] 何哲，曾潤喜，秦維，等.ChatGPT等新一代人工智能技術的社會影響及其治理[J].電子政務，2023（4）：2-24.

[3] 喻國明，劉彧晗.理解生成式AI：對一個互聯網發展史上標志性節點的審視[J].傳媒觀察，2023（9）：36-44.

[4] 經濟觀察網.11家AI大模型產品今日起將陸續上線，騰訊華為訊飛等也將開放[EB/OL].（2023-08-31）[2023-09-21]. http：//www.eeo.com.cn/2023/0831/603409.shtml.

[5] 鳳凰網.實至名歸！訊飛星火被MIT科技評論評為“最聰明”的國產大模型[EB/OL]. （2023-08-18）[2023-09-21]. https：//baby.ifeng.com/c/8SLxZRmpFPv.

[6] 肖君，白慶春，陳沫，等.生成式人工智能賦能在線學習場景與實施路徑[J].電化教育研究，2023，44（9）：57-63，99.

[7] 陳亮，吳攀，劉韻婷，等.生成對抗網絡GAN的發展與最新應用[J].電子測量與儀器學報，2020，34（6）：70-78.

[8] CAO Y， LI S， LIU Y， et al. A comprehensive survey of AI-Generated Content （AIGC）： a history of generative AI from GAN to ChatGPT[EB/OL]. （2023-03-07）[2023-09-21]. https：//arxiv.org/pdf/2303.04226.pdf.

[9] OpenAI. Introducing ChatGPT [EB/OL]. [2023-09-21]. https：//openai.com/blog/chatgpt.

[10] 中國網信網.生成式人工智能服務管理暫行辦法[EB/OL]. （2023-07-13）[2023-09-21]. http：//www.cac.gov.cn/2023-07/13/c_1690898327029107.htm.

[11] MIAO F C， HOLMES W. Guidance for generative AI in education and research[EB/OL]. [2023-09-21].https：//unesdoc.unesco.org/ark：/48223/pf0000386693.

[12] 陳永偉.作為GPT的GPT——新一代人工智能的機遇與挑戰[J].財經問題研究，2023（6）：41-58.

[13] 沙利文.AI大模型市場研究報告（2023）——邁向通用人工智能，大模型拉開新時代序幕[EB/OL]. （2023-04-26）[2023-09-21]. https：//img.frostchina.com//attachment/16871040/3NsDdkbtMm5VWZXhxG8bm5.pdf.

[14] 清華大學新聞與傳播學院元宇宙文化實驗室.AIGC發展研究（1.0版 修訂號0.92）[EB/OL]. （2023-07-28）[2023-09-21]. https：//new.qq.com/rain/a/20230728A07DV600.

[15] CHANG Y， WANG X， WANG J， et al. A survey on evaluation of large language models[EB/OL].（2023-08-28）[2023-09-21]. https：//arxiv.org/pdf/2307.03109.pdf.

[16] ZHAO W X， ZHOU K， LI J， et al. A survey of large language models[EB/OL]. （2023-06-29）[2023-09-21]. https：//arxiv.org/pdf/2303.18223.pdf.

[17] KAPLAN J， MCCANDLISH S， HENIGHAN T， et al. Scaling laws for neural language models[EB/OL].（2020-01-23）[2023-09-21]. https：//arxiv.org/pdf/2001.08361.pdf.

[18] 徐月梅，胡玲，趙佳藝，等.大語言模型的技術應用前景與風險挑戰[J/OL].計算機應用：1-10. [2023-09-21]. http：//kns.cnki.net/kcms/detail/51.1307.TP.20230911.1048.006.html.

[19] ?；w，于劍.從ChatGPT看AI未來趨勢和挑戰[J].計算機研究與發展，2023，60（6）：1191-1201.

[20] 邱錫鵬.解剖大型語言模型：原理、應用及影響[J].探索與爭鳴，2023（5）：10-12.

[21] 盧經緯，郭超，戴星原，等.問答ChatGPT之后：超大預訓練模型的機遇和挑戰[J].自動化學報，2023，49（4）：705-717.

[22] 郭小東.生成式人工智能的風險及其包容性法律治理[J].北京理工大學學報（社會科學版），2023（9）：1-18.

[23] 劉三女牙.人工智能+教育的融合發展之路[J].國家教育行政學院學報，2022（10）：7-10.

[24] 夏立新.ChatGPT對教育的多重變[J].國家教育行政學院學報，2023（3）：9-12.

[25] 張絨.生成式人工智能技術對教育領域的影響——關于ChatGPT的專訪[J].電化教育研究，2023，44（2）：5-14.

[26] 楊宗凱，王俊，吳砥，等.ChatGPT/生成式人工智能對教育的影響探析及應對策略[J].華東師范大學學報（教育科學版），2023，41（7）：26-35.

[27] 祝智庭，戴嶺，胡姣.AIGC技術賦能高等教育數字化轉型的新思路[J].中國高教研究，2023（6）：12-19，34.

[28] 朱永新，楊帆.ChatGPT/生成式人工智能與教育創新：機遇、挑戰以及未來[J].華東師范大學學報（教育科學版），2023，41（7）：1-14.

[29] 萬力勇，杜靜，熊若欣.人機共創：基于AIGC的數字化教育資源開發新范式[J].現代遠程教育研究，2023，35（5）：1-10.

[30] 余勝泉，汪凡淙.數字化課程資源的特征、分類與管理[J].大學與學科，2022，3（4）：66-81.

[31] 王一巖，朱陶，鄭永和.智能教育產品助推教育數字化轉型：價值定位、實踐邏輯與推進策略[J].現代教育技術，2023，33（7）：16-24.

[32] 郝磊，溫志強，王妃，等.ChatGPT類人工智能催生的多領域變革與挑戰（筆談）[J].天津師范大學學報（社會科學版），2023（4）：8-23.

[33] 戴嶺，祝智庭.教育數字化轉型的邏輯起點、目標指向和行動路徑[J].中國教育學刊，2023（7）：14-20.

[34] 祝智庭，戴嶺.設計智慧驅動下教育數字化轉型的目標向度、指導原則和實踐路徑[J].華東師范大學學報（教育科學版），2023，41（3）：12-24.

[35] 鄭燕林，任維武.實踐觀視域下ChatGPT教學應用的路徑選擇[J].現代遠距離教育，2023（2）：3-10.

Generative Artificial Intelligence and the Reshaping of Future Education： Technical Framework， Capability Characteristics and Application Trends

LIU Bangqi， ?NIE Xiaolin， ?WANG Shijin， ?YUAN Tingting， ?ZHU Hongjun， ?ZHAO Ziqi，

ZHU Guangmao

（1.iFLYTEK Educational Technology Institute， Hefei Anhui 230088;

2.School of Educational Technology， Northwest Normal University， Lanzhou Gansu 730070;

3.iFLYTEK CO.， Ltd. ， Hefei Anhui 230088）

[Abstract]?In recent years， with the development of pre-training technology and the improvement of computing hardware， generative artificial intelligence （AI） has made remarkable breakthroughs. The excellent capabilities it exhibits， such as intelligent emergence， strong cognition， and high versatility have brought new opportunities and driving forces for the digitalization and intelligent development of education， which will lead to the change and reshaping of the future form of education. This paper introduces the new developments of generative AI technology， analyzes its connotations， technical framework， and main features. Taking the iFlytek Spark as an example， this paper analyzes the core capabilities of generative AI represented by domestic big language model and its typical educational application scenarios， and finds that the big language model's abilities in text generation， language understanding， knowledge quiz， logical reasoning， etc. have great application potential and value in the field of education. The deep application of generative AI in the field of education will promote the transformation of the relationship among educational subjects， the intelligent upgrading of educational environments， the innovative supply of educational resources， the reshaping of intelligent teaching methods， the change of evaluation concepts and methods， and the ethical governance of intelligent education， all of which will help to reshape the form of human education and?learning.

[Keywords]?Generative AI; Form of Education; Digital Transformation of Education; iFLYTEK Spark; Application Scenarios; Development Trends