最近，宾夕法尼亚大学沃顿商学院的Ethan Mollick教授在常春藤名校哈佛大学发表了一场引人深思的讲座。

讲台上，Ethan教授分享了他将AI引入课堂的经验，展示了AI辅助教学的创新实践。这种将理论与实践相结合的方法，正是哈佛大学一直倡导的教育理念。过去几个月里，AI领域的发展速度令人惊叹。正如Ethan教授在哈佛演讲中指出的，许多AI实验室的研究人员已经从最初的犹豫不决转变为现在的满怀信心。他们普遍认为，在未来四五年内，我们将见证AI能力的指数级提升。一些研究者甚至相信，他们能在短短五六年内创造出在所有智力任务上都超越人类的机器，即所谓的通用人工智能（AGI）。

然而，Ethan教授也提醒我们面对AI时的挑战。他在讲座中指出："没有现成的AI使用手册。"无论是企业的学习发展部门，还是像OpenAI这样的前沿科技公司，都无法为我们提供标准的最佳实践。在这个全新的领域，我们都在摸索前进。Ethan教授在哈佛大学的演讲中提出了一个关键观点：使用AI就像教学一样。这一观点与哈佛大学长期以来倡导的教育理念不谋而合。

正如一位MBA学生在讲座后评论的那样："AI并不差，你只是个糟糕的管理者而已。"这句话道出了使用AI的精髓——我们需要像优秀的教育者一样，给予AI清晰的指示和丰富的学习资源，才能充分发挥它的潜力

演讲文稿

大家好，非常兴奋。不过我今天想讲的重点其实和介绍没什么关系。关于 AI，它们真的会改变教育。

一、关于 AI的三个观点？

首先，AI生成内容是检测不出的。 这当然意味着所有人都在作弊，100% 没有例外。所以这很奇怪，教育现在处于 AI 采用曲线的尖端。70% 的本科生和 K-12 学生在使用 AI，即使他们没告诉你，他们仍然在使用。我们无法检测到 AI 写作，将来也永远无法完全检测到，这将是一场无止境的军备竞赛，所以我们必须面对这个问题。

第二，AI 是无处不在的。 让我感到兴奋的是，我一直在尝试通过模拟和体验来大规模教育人们，而且顺便说一句，我这次演讲中的每一张图片都是由 AI 生成的，这点可能没有那么显眼。但有趣的是，这是第一个普遍可用的工具。以前，如果我去哈佛大学，他们有比其他地方更酷的工具，因为那里有很多资金。如果我去一个农村学校或者不同国家的学校，可能就没有那么好的资源这是一个非常独特的时代，AI 的使用已经无处不在。

最后，AI 是具有变革性的。 我觉得你们之前提到了一个很重要的观点，就是 AI 实验室在向我求助寻找答案，这其实挺可怕的。没有人真正知道这些模型能做什么，我可以保证，开发这些模型的人对医学或者医学教育几乎一无所知，他们只是程序员，把这些东西当作编程问题来解决。他们完全没有预料到 AI 会颠覆所有作业系统。每个行业都在发现它的用例，没有人能帮你，我们只能互相帮助，因为根本没有现成的答案。那些开发人员根本没有考虑过这些问题。AI 模型在医学领域表现得这么好，完全是个意外，这绝对是他们始料未及的。所以每次有新模型发布时，我总觉得挺有趣的。我曾开玩笑问 Google 团队， 你们发布了新模型，那么发布说明在哪儿呢？他们私下回复我，‘其实我们也不知道这个模型能干什么，所以希望有人能告诉我们发布说明是什么。’ 这就是我们现在的现状。不过，简单来说，去年开始，一切都变得很奇怪了。这是 GPT-3.5，也就是 Chat 的免费版本的测试分数。”

案例1：AI参加GRE测试

当我说在 GRE 定量测试中，GPT 达到了 65% 这个分数时，举个例子，这是用于申请宾夕法尼亚大学研究生的考试分数。这个 65% 不是答对 65% 的题目，而是 AI 击败了 65% 的人类考生。然后情况变得更加奇怪了，GPT-4 在其他测试中几乎都拿到了满分。现在，我们基本上有了五种不同的 AI，它们在任何测试中都能进入前 90 个百分位。有一次我展示了 Llama 3.1 统计数据的截图，问 Claude 能否把这些数据转化成图表，结果它做到了。所以如果你想要的话，任何人都可以这么做，只需要问它就行。这也是历史上采用速度最快的技术，我们绝对不可能回到过去。我跟一些人聊过，他们觉得或许可以让时光倒流，但这绝对不会发生。我们从未见过这种采用曲线。显然，人们已经发现它非常有用。我认为现在的 AI 批评有点像倒退，尽管我们会讨论 AI 的一些合理批评点，但目前至少有一半的老师、学生和家长每周至少使用 AI 一次， 而且没有人会停止使用 AI 来做事。所以我们可以假装想要放弃它，想要改变使用方式，但这是不可能的。我从 AI 刚出现时就一直在警告，家庭作业的“末日”已经发生了。AI 能完成所有级别的家庭作业，不仅仅是 K-12 和大学，它在哈佛的 GPA 达到了 3.34，即使有分数通胀，这也算不错的了，甚至在研究生阶段也是如此。你们或许已经看过斯坦福医学院的论文，表明 GPT-4 比一、二年级的学生表现得更好。我特别喜欢右边的这张关于法学院学生分布的图。蓝色曲线代表没有使用 GPT-4 的学生，

分布相对正常，贴近标准分布的一侧。而橙色曲线代表使用了 GPT-4 的学生。现在没有“差”律师了，AI 替代了那些表现不佳的律师工作。这种拉平效应是我们已经看到的一个现象。显然，教育是个大问题，我们接下来会重点讨论这个，但我也在思考它在现实世界中的影响。

案例2：AI创造力测试

我和哈佛、商学院、MIT 和华威大学的同事们一起做了很多研究。例如，我们和波士顿咨询公司（BCG）合作进行了一个实验，我们创造了 18 个现实中的商业任务，涉及分析任务、创造力任务，一些咨询师可以使用 GPT-4，而另一些则不能使用。

这是实验结果：任务的质量提高了 40%，速度提高了 26%。为了让大家有个比较，蒸汽动力在 19 世纪早期被引入工厂时，工厂的效率只提升了 18% 到 22%。这些数据非常大。另一篇关于使用 GitHub Copilot 编码的论文刚刚发表，它是早期的编码工具，基于 GPT-3.5。研究发现，使用这些工具的程序员速度提高了 25%。所以，最低的改善线是 25% 到 60% 的表现提升是很常见的。对于我们教育者来说，另一件重要的事是，表现较差的人受益最大。在 BCG 的实验中，技能分布底部 50% 的人提高了 43%，而技能分布顶部 50% 的人只提高了 17%。情况比这还要奇怪一些，因为我们还测量了一项叫做“保持率”的指标，即咨询师最终将多少 AI 的回答当作自己的回答。唯一能让 80% 的咨询师出错的方式是，他们对 AI 的回答进行了任何修改。只要他们不修改 GPT-4 的答案，他们就表现得非常好。这种现象很常见，随着技能水平的提高，问题不再是 AI 能否完成任务，而是 AI 能完成谁的任务。我们在医学领域也发现了类似的效果。你们应该都看过这篇经典论文，它讨论了 AI 如何回答 Reddit 上的常见医学问题。

案例3：AI同理心和说服力

还有一篇 Google 的论文显示了相同的结果。医生认为 AI 聊天机器人的回答比普通医生更准确，而且在我们所有的研究中，AI 被认为比医生更有同理心。我相信你们一定讨论过这个问题，我们需要弄清楚这对我们的行业意味着什么。我们不应该忽视那些真正有用的工具。现在，我不认为这些工具已经足够成熟，可以用于一线医疗工作，但我的标准一直是：它比人类中最优秀的人更好还是更差？我认为这在医学领域是一个相关的问题。然后我们看到了一些其他奇怪的现象，比如 AI 在创造力方面比人类更优秀。我在沃顿的同事进行了一项研究，他们让创新课的学生产生了 200 个商业创意，同时让 AI 生成了 200 个商业创意。”他们让外部评委根据人们愿意支付的金额来判断这些想法的质量。结果，在前 40 个最佳创意中，AI 贡献了 35 个，而房间里的真实人类只贡献了 5 个。在所有的创造力研究中，AI 击败了普通人类。虽然它还不如最优秀的人类，但比普通人要强得多。

然后在说服力方面，AI 比人类更具说服力，这和我们做的事情非常相关。如果你和普通人类与 AI 进行辩论，你更有可能改变观点并接受 AI 的看法，成功率为 81.7%。（虽然我可能记错了具体数字）但就是这么高。而我们唯一找到的一个能够显著减少长期阴谋论信念的方法，就是让人们和 AI 进行三轮辩论。那些经历了这种辩论的人，对任何阴谋论的信念在三个月后都会有所下降。几乎没有其他方法能改变这种顽固的信念。不过另一方面，如果通过 AI 说服可以改变深层次的信念，那么我们不仅仅需要担心阴谋论信念，这也是我们需要探索的新领域。如果你还没看到这些研究，很多都发现了相同的结论，即受 AI 影响最大的工作是那些受过高等教育、薪水高、创造力强的职业。

在这项研究中，共有 1,016 种工作——顺便说一下，商学院教授排名第 22，所以我对这个问题思考了很多。有四种受 AI 影响最小的职业，万一你们想知道的话，分别是：职业舞蹈家、职业运动员、屋顶工人和挖沟工人。不过我实际上和一个阿米什社区的屋顶工人聊过，他正在使用 AI 发送报价。所以，如果阿米什人都开始用 AI 了，那么对于我们所有人来说，AI 的普及已经是不可避免了。但这并不意味着完全替代，而是意味着 AI 和我们所做的工作存在重叠。这是变革的体现。

到这里，我主要的论点是，在 AI 无处不在的世界里，基础知识比以往任何时候都更重要。你无法验证这些工具做出的结果，除非你具备足够的知识。专业知识比以往更加重要。我的意思是我们真正需要培养的那种专业知识，即通过内部启发和高水平反复练习来判断事物的自主能力。培训比以往更加重要。我们需要真正能够做事情，而不仅仅是谈论它。这意味着在 AI 时代，教育比以往更加重要。所以我认为，真正的挑战是教育者如何思考这些问题。

二、AI时代，学生应该学什么？

我们给课堂的建议是回到学生应该学什么的问题上，然后再根据这些内容决定如何使用 AI。你实际上有两种选择。第一种选择是回归基础知识，我有一些 1970 年代经典计算器的图片。计算器的出现绝对使得大量数学课程失效，在 70 年代中期引起了混乱。后来我们意识到，我们仍然希望人们掌握基础数学能力， 所以我们逐渐转变方式，不再使用电子工具，而是要求学生通过手写测试来确保他们掌握了这些知识。回归到扎实的教育学基础，低风险测试是完全合理的。所有关于低风险测试教育学的研究都表明，它不仅对测试有好处，而且学生在被测试后会更好地记住知识，他们在未来回忆相关知识的能力也会更强。有很多理由支持进行低风险测试，比如课堂上的测验、蓝皮书和活跃的课堂讨论。

但即便在这种情况下，你不让学生使用 AI，而我们还会讨论学生使用 AI 的问题，教育者使用 AI 仍然有巨大的价值。在现实世界中，我们看到教师使用 AI 生成课程计划、创建工作表和其他材料。而且很明显，大家都是在边做边学。就像我告诉你的，没有操作手册。所以 AI 的第四或第五常见用途是检查是否存在抄袭。如果你还不知道这个问题，你不能问 AI 某个内容是否由 AI 写的。GPT-4 在 95% 的情况下告诉你是它写的，因为它想让你高兴，所以会帮你“解决”这个问题，但其实是假的。没有任何 AI 检测工具真正有效，尤其是这种方法特别差。现在有一些研究显示，教师们通过与 AI 进行合作来受益。这意味着他们不仅仅是向 AI 请求输出结果，还会和 AI 讨论他们想要研究的主题或感兴趣的信息。这些教师似乎从 AI 的表现中受益最大。所以我认为这是我们需要思考的一个角度。这是美国公立学校教师的长期研究。所以把 AI 看作一个创造性的合作伙伴似乎是有效的。它不仅作为工具很好用，你可以给它一份文件，生成低风险测试。不过你不能仅仅要求它做这些事情。”

事实上，AI 直接用来做测试的效果非常差。但是如果给它正确的提示——我会给你们一些相关的链接——它在低风险测试方面表现得非常好，而且我们发现老师对此非常满意。AI 在实际使用中的受欢迎程度极高。你可能会看到一些调查显示人们不喜欢 AI，但在所有使用 AI 的调查中，每个使用 AI 的人都非常热情，而那些不喜欢 AI 的人，其实是没有在使用它。一旦他们发现 AI 很有用时，他们也开始喜欢 AI，并且会偷偷使用，不会告诉你。所有这些，我觉得还不如更大的问题有趣，那就是关于变革和思考这些系统带来的变革。

1、由AI布置作业

我现在的课程是 100% 由 AI 驱动的。每一个作业都是基于 AI 的。我教的是创业课，这是一个实践性的课程，因此很容易将 AI 纳入其中。但我想谈谈一些方法。问题在于学生使用 AI 的起点，因为他们现在在各个地方都在使用 AI。我不知道你们是否看过，有多少人教大班课程，但过去一年的一个大影响是，学生不再像以前那样举手了。当你问他们为什么时，他们说，“为什么我要暴露自己的无知呢？AI 可以直接给我解释清楚。”在课堂上，我们有一个社会。契约，如果你不知道某个问题的答案，你会举手，暴露自己的无知。通常这意味着我要为 50 个人解释这个问题，而不仅仅是一个人。但现在这种现象消失了。问题在于，学生向 AI 提问以获得答案，但这并不能提供真正的学习。他们只是以最舒适的方式获取信息，而不是推动自己深入思考。这是非常糟糕的，因为这会增加幻觉的风险。我们有一项新的研究表明，这会导致大多数学生产生“掌握错觉”。一旦他们开始使用 AI 来解答问题，或帮助他们做作业，他们会觉得自己已经学会了，但实际上并没有。所以我们看到，作业得分暂时提高了，考试成绩却下降了。这是可以解决的，但你不能只是说，“用 AI 吧，一切都会好起来的。”这根本不是真的，事情不是那样运作的。我们可以做得更好。

2、用AI于教数学

另一个例子是——我们再看看这个。我们来看看模拟的例子。我已经开发了很长时间的模拟工具用于教学。这是一个谈判模拟器。我们可以为其他目的构建这些工具。我一直在和医学院的人交流，他们也在构建这些模拟工具。我可以这样说，“我是一个高中艺术学生。”（当然，我把“学生”拼错了，这让我看起来更像个艺术生。）然后它会生成一个关于谈判的场景，但首先它会问我了解多少。我回答“非常少”。现在它应该会开始生成这个场景。接下来，它会给我们三个选项。我们从与 AI 系统合作中学到的一件事是， 与其直接告诉人们答案，不如给他们选择的机会。人们更喜欢多项选择的解决方案。那么我们选哪个？选个数字？选 3 吧。

对老师来说，这是最让人抓狂的场景：和学生谈判加分。我上周收到了六封这样的邮件。”现在它给出了目标，并从老师的角度提供了提示。你看，它即将进行整个角色扮演，最后我会说，“给我 A+，否则我会尖叫。”这并不是最好的表达方式（笑）。好的，挑挑眉毛，我觉得你这么做有点不妥。注意，这个系统给了我们解决问题的提示。使用 AI 进行谈判时有一个有趣的现象，它不希望你犯错，它想帮助你。所以需要一点努力来抑制它的“助人”本能，因为它不想让你搞砸得太厉害。但这里你可以看到一个不错的例子。最棒的是，我们可以反复互动。而要让这工作起来，只需要用简单的英文写作。让我看看，抱歉，系统有点延迟。这是 GPT 实际生成的文本。让我们看一下，这里是文本内容。它实际上就是我们作为教学设计师和老师平常会写的东西，按步骤写出来，例如，先做这件事，然后设定角色扮演

接着，事情会变得更有趣，因为我们可以从这里出发，甚至开发我们自己的技术。我正在尝试点击一些非常小的按钮，想给你们展示几个不同的演示。我相信你们已经看过其中一些东西。你们中的许多人可能都使用过 Claude，对吧？Claude 之所以有趣，是因为你可以对它说，“创建一个解释克雷布斯循环的互动演示，做得好一点。”随着这些系统开始为你构建和创造，它们让你的能力从仅仅使用文字和写作扩展到其他领域。顺便说一下，大约半小时之前，OpenAI 宣布他们的高级语音模式已经可以通过 API 使用了，所以任何人都可以立即创建一个可以对话的互动代理。好了，它刚刚为我们编写了这个程序。我可以这样做，比如说，“让它更互动一点，这太无聊了。”

我们正在构建一个开源工具，你可以告诉它创建明天课堂的模拟，它会查找所有相关内容，并自动为你创建。它会和你进行对话，然后利用多个 AI 代理创建模拟。接着，它会通过让虚拟学生进行测试来验证和改进模拟，最后它会将模拟部署给真实的学生，并提供反馈和评分。重点是，一旦有了这些工具，任何人都可以轻松分享他们的专业知识和知识，而且越来越容易。

三、最重要是接下来怎么办？

第一， 没有现成的AI使用手册。没有人能告诉你如何让这些东西运作起来。你的学习和发展部门不知道，OpenAI 也不知道，因为没有任何最佳实践可以借鉴。我们什么都不知道。但我要告诉你们的关键发现是，使用 AI 就像教学一样。有个有趣的作弊例子，我问我在执行 MBA 课程的学生，“有多少人使用了 AI 的帮助？”因为我教的是 AI，所有人都举起了手。有人说，“但 AI 在评价作业方面表现得很差。”然后另一个学生转头对他说，“AI 并不差，你只是个糟糕的老师和管理者。AI 在定价作业方面非常出色，你只需要给它提供一本更好的教材让它学习，并给它一些清晰的指示，它就可以在定价作业上拿到满分。”使用这些系统的过程就像和老师合作一样。老师是这些系统的最佳用户。程序员往往在使用这些系统时遇到很多困难，但老师、教育者，你们会懂得如何使用它们。

作为一名关注教学法的教育工作者，我注意到AI系统在处理某些教育理论时存在误区。比如学习风格理论，虽然学术界已经质疑其有效性，但由于在教师群体中仍广泛流传，AI也倾向于接受这一概念。这提醒我们需要明确指导AI，避免在讨论中使用某些有争议的理论。AI在处理偏见方面已取得进展，但在特定领域仍存在明显问题。例如，当要求AI扮演儿童角色时，往往会出现令人不安的刻板印象。这凸显了我们作为教育者需要深入了解AI的局限性，并学会在教学中谨慎使用这些工具。

第二， 每个人需要具备程序员思维。我们不应被动等待他人开发工具，而应主动构建和分享教学提示。这种方法可能会打破传统教育系统的限制，为教育创新开辟新的可能性。AI的出现可能会加剧某些传统教学方法的弊端，如过度依赖讲座式教学。然而，它同时为主动学习等更有效的教学方法提供了更多机会。我们应该利用AI来设计更多互动性、参与度高的学习活动，从而提升教学效果。然而，我更为关切的是AI对职场专业知识培养路径的冲击。传统上，毕业生通过实践逐步积累专业技能和经验。但在AI广泛应用的今天，这种培养路径正在逐渐消失。许多企业可能更倾向于使用AI完成工作，而不是投入时间培养新人。这种趋势可能导致年轻人失去宝贵的学习机会。

因此，我们需要重新思考在AI时代如何培养真正的专业能力。这不仅涉及技术层面的适应，更需要我们重新定义什么是核心的人类专业技能。我们可能需要设计新的学习方法和实践模式，确保下一代专业人士能在与AI协作的同时，保持并提升自身的专业判断力和创新能力。这是一个复杂而紧迫的挑战，需要教育界、业界和政策制定者共同努力，为未来的人才培养创造一个平衡技术进步和人类发展的新模式。

第三， 我们应当全面探索AI在教育中的应用。我建议大家投入时间深入使用这些工具，亲身体验它们的潜力和局限。通过反复测试和实践，我们能够更好地理解AI如何融入教学过程，并不断调整我们的方法。然而，仅仅个人探索是不够的。我们必须建立一个更广泛、更开放的交流平台，让教育者能够分享各自的发现和经验。遗憾的是，目前学术界往往更重视研究成果而非教学创新的分享。我们需要改变这种状况，鼓励一线教育工作者积极交流他们的教学实践和创新。值得注意的是，AI领域的发展正在加速。根据我最近与AI实验室专家的交流，他们对未来发展充满信心。许多专家预测，在未来四到五年内，我们将看到AI能力的指数级增长。有些人甚至相信，我们将在不久的将来实现通用人工智能（AGI），即在所有智力任务上都能超越人类的AI系统。再次强调，我不知道这是否真实，但我们应该从长远的角度思考问题。我认为有很多变化正在到来，我们需要开始适应这些变化。我们必须亲自参与，因为如果我们不这样做，实验室就会继续发布平庸的教育项目，因为他们不懂教育。他们会通过初创公司发布平庸的医疗产品，因为他们不懂医学。他们不像我们一样关心伦理和公平。我们必须主动参与，否则别人会为我们做出决定。袖手旁观已不再可行。

我知道你们听到过很多好东西。没有简单的答案，但我认为现在是时候开始行动了。我希望你们能加入到这个实验中，并互相分享经验。

非常感谢大家。

原视频来源：https://www.youtube.com/watch?v=xvxPFH16Bvg&t=338s&ab_channel=HarvardDBMI

文章来源“AI工作坊” 作者“AI深度研究员”