星洲网
星洲网
星洲网 登录
我的股票|星洲网 我的股票
Newsletter|星洲网 Newsletter 联络我们|星洲网 联络我们 登广告|星洲网 登广告 关于我们|星洲网 关于我们 活动|星洲网 活动
下载App
下载App
简

ADVERTISEMENT

ADVERTISEMENT

副刊

|

新教育

|
发布: 6:09pm 27/09/2023

新教育

AI

丁源森

机器学习

通才

AI养成

代码之外

马来西亚教育制度

变革时代

逆袭

跨学科知识

【代码之外】丁源森/做AI时代里的 六边形战士

作者: 丁源森

前几天,我和一位研究的同事闲聊,旁人好奇地问:“电脑技术进步得如此之快,特别是在自然语言处理这方面,会不会改变我们的教学方法?”我朋友笑着回应:“会呀,我经常告诉学生,如果你们的作业没有经过ChatGPT修改就交上,那真的很失礼咧。”

自从ChatGPT出现后,大家都开始担心它可能带来的负面影响。不少人为此展开了讨论,也有人开发了工具来检测是否使用了ChatGPT来写作业。

ADVERTISEMENT

这种担心很正常。都不要说初高中的问题,就拿我上学期教的一门出名难度大、数学很“硬核”的统计与机器学习课程来说,ChatGPT竟然也能轻易应对。我用我的考题测试ChatGPT,它就打败了我近九成的学生。

但是,我个人不觉得我们应该禁止学生用这些工具。

【代码之外】丁源森/做AI时代里的 六边形战士
生成是抄袭吗?
首先,想禁止几乎是不可能,而这是机器学习的本质所决定的。

其实我之前说过,机器学习和我们平常的网络搜索差远了。它高效地压缩和抽取数据之间的内在关系图谱。而当AI生成模型创建数据时,它是基于这些关系图谱随机采样,并不是就找最匹配的检索。也就因为机器学习的本质是采样而非检索和复制,它们生成的数据可能严格上都不能称为“抄袭”,因为它没有具体的去“抄”任何一个特定的数据。就像一个人脱稿演讲,即使是同样的思路,每一次的演讲都不会是完全一致的。

所以,我现在上课非但不阻止学生使用,反而鼓励他们放飞自我,放开来用。不用的话,正如我的同僚所说,就太没有礼貌了。

重塑教育模式

那么,我们是不是该担心学生不再学习了呢?

当然,这些工具会在很大程度上颠覆我们的教育模式,但我觉得这不失为好事。就像我使用谷歌地图后变成了路痴,但这让我有更多时间和精力去锻炼其他技能。

毋庸置疑的是,这里首当其冲的必然是填鸭式教育,因为重复性作业在大型语言模型面前毫无机会。虽然未来的教育模式会如何演化还不得而知,但可以肯定的是,新的教育模式会更加注重解决问题的能力,而非复述学习的内容。

传统的作业,像选择题,面对的语言模型太简单了。所以,我现在更喜欢让学生在作业和期末考做些研究性的项目。这样,学生即使使用了所有工具,也需要学会解构问题、从AI建议中筛选最佳方案,并发现可能的错误。而这类项目其实更能真实反映学生的能力。目前的大型语言模型虽然有一定的推理能力,但对于跳跃式的思维仍然有限。如果学生能够通过他们所学,内化成去指导AI模型的能力,帮助其缩小答案范围,那么他们在AI辅助下获得的答案的质量也会有一个质的飞跃。

这个时代,学习如何在人机合作中发挥最大效果,这是每个人都需要掌握的。

很多顶尖大学,如清华和哈佛,都为入学的学生开设了基础课,而且不局限于电脑科学系,不仅教他们如何使用ChatGPT等工具,还包括深入了解背后的原理和如何进一步微调这些模型。在我最近教授的天体物理课程中,尽管大多数学生并非电脑科学专业,我仍然专门腾出了一节课,教他们如何运用并微调大型语言模型代码。

【代码之外】丁源森/做AI时代里的 六边形战士
们的

机器学习如今炙手可热,大学里电脑科学系学生的数量在过去几年几乎每年都在翻倍,偶尔有人会问我关于选择专业的建议。作为天体物理和电脑科学两个学科的交叉人,我想分享一下我的观点。

对于真正对电脑感兴趣的学生,选择电脑科学系当然没问题。但要明白,电脑科学系的课程远不止机器学习那么简单,还包括传统的电脑系统设计、编译器等。对于仅仅想了解机器学习的学生,这些课程不见得是最重要的。在大型语言模型日益普及的今天,变得尤为重要。比如说,如果一个人不懂天体物理,那他使用这些模型获取有价值的答案的可能性会大大降低。

可能大家不知道,当前机器学习领域许多领军人物其实并非电脑科学背景,例如GPT的第三代模型和OpenAI的主要竞争对手Anthropic,里面的一些研究人员包括其中至少一个奠基人是读物理出身。不同学科背景的专家看待问题的方式都有所不同,他们也更可能提出富有创意的观点。

打破人类被异化的格局

我们正处于一个通才逆袭的时代,只有深入理解并结合具体的应用场景,这些工具的价值才能得到充分发挥。而我认为这是机器学习赋予我们的最大礼物。

回顾工业时代,人们为了追求效率,把个体视为社会大机器中的一个小小螺丝钉,让每个人在特定岗位上反复执行同样的任务。这种“螺丝钉式”工作,任何人都可以轻易被替换,确保社会机器不断运转。但这种模式已渐渐将人异化。然而,现在的计算机学习能力表明,那些固定、机械的工作很可能首先被替代。无论是低层次还是高层次的“专才”工作,都有可能在某种程度上被替代。

虽然各种工作岗位将经历重大调整,也确实有值得去探讨和担心的地方,但可以肯定是能够在这个技术中崭露头角的,必将是愿意在多个领域中汲取新知识的“六边形战士”,而非高高在上的专才。

这是一个充满变革和竞争的时代。机器学习的门槛之低(详见我之前的文章)使得全球竞争变得前所未有的开放。这已经不再是大国之间的角逐(与核能竞赛不同)。只有那些能够培养大量跨领域通才的国家,才能在这个时代中脱颖而出。

那么,马来西亚的教育制度是否做好了准备?

更多相关文章:
【代码之外】丁源森/论AI的养成与黯然销魂饭 
【代码之外】丁源森/AI、ChatGPT与我妈的扫地机器人

打开全文

ADVERTISEMENT

热门新闻

百格视频

你也可能感兴趣
 

ADVERTISEMENT

ADVERTISEMENT