麻省理工：如何用生成式AI来培养学生？

在麻省理工学院 2024 年学习节上，小组成员强调了在利用生成式人工智能等技术的同时培养批判性思维技能的重要性。

麻省理工学院社区如何利用生成式人工智能来支持校园及其他地方的学习和工作？

在麻省理工学院 2024 年学习节上，教职员工、学生、教职员工和校友就他们在课堂上尝试的数字工具和创新交换了意见。小组成员一致认为，生成式人工智能应该用来支撑学习体验，而不是取代学习体验。

这项年度活动由麻省理工学院开放学习和校长办公室联合主办，旨在庆祝教学创新。在介绍新的教学技术时，小组成员强调了迭代的重要性，并教导学生如何在利用生成式人工智能等技术的同时培养批判性思维技能。

“学习节将麻省理工学院社区聚集在一起，探索和庆祝我们每天在课堂上所做的事情，”负责开放学习的高级副院长克里斯托弗·卡波佐拉 (Christopher Capozzola) 表示。“今年对生成式人工智能的深入研究是反思和实践的——这是学院‘心与手’的另一个非凡例子。”

将生成式人工智能融入学习体验

麻省理工学院的教职员工和讲师们不仅愿意尝试生成式人工智能，且认为，这是让学生在职场上具有竞争力的必要工具。麻省理工学院斯隆管理学院管理沟通学讲师梅丽莎·韦伯斯特 (Melissa Webster) 表示：“在未来，我们要知道如何教授生成式人工智能技能，但我们需要采取迭代步骤来实现这一目标，而不是等待。”

一些教育工作者正在重新审视课程的学习目标并重新设计作业，以便学生能够在人工智能世界中取得预期成果。例如，韦伯斯特以前将书面作业和口头作业配对，以便学生发展思维方式。但是，她看到了教授生成式人工智能实验的机会。如果学生使用 ChatGPT 等工具来帮助写作，韦伯斯特问道，“我们如何才能让思考部分融入其中？”

韦伯斯特开发的新作业之一是要求学生通过 ChatGPT 生成求职信，并从未来招聘经理的角度对结果进行评论。除了学习如何改进生成式 AI 提示以产生更好的输出之外，韦伯斯特还分享道：“学生们正在更多地思考他们的想法。”审查 ChatGPT 生成的求职信有助于学生确定要说什么和怎么说，从而支持他们发展更高级别的战略技能，例如说服和理解受众。

麻省理工学院全球研究与语言部门高级讲师 Takako Aikawa 重新设计了一项词汇练习，以确保学生对日语有更深入的理解，而不仅仅是正确或错误的答案。学生们比较了自己和 ChatGPT 写的短句，并发展了课本之外更广泛的词汇和语法模式。“这种活动不仅提高了他们的语言技能，还激发了他们的元认知或分析思维，”Aikawa 说。“他们必须用日语思考这些练习。”

虽然这些小组成员和其他学院教职员工正在重新设计他们的作业，但麻省理工学院不同学术部门的许多本科生和研究生都在利用生成式人工智能来提高效率：创建演示文稿、总结笔记以及从长篇文档中快速检索特定想法。但这项技术还可以创造性地个性化学习体验。它以不同方式传达信息的能力使具有不同背景和能力的学生能够以特定于他们特定情况的方式调整课程材料。

例如，生成式人工智能可以帮助 K-12 阶段以学生为中心的学习。麻省理工学院开放学习中心 pK-12 项目经理兼 STEAM 教育者 Joe Diaz 鼓励教育者培养学生可以自主学习的学习体验。“选择孩子们关心和热爱的东西，他们就能辨别出 [生成式人工智能] 可能不正确或不值得信赖的地方，”Diaz 说。

小组成员鼓励教育工作者以超越课程政策声明的方式来思考生成式人工智能。在将生成式人工智能纳入作业时，关键是要明确学习目标，并愿意分享如何以符合这些目标的方式使用生成式人工智能的例子。

批判性思维的重要性

尽管生成式人工智能可以对教育体验产生积极影响，但用户需要了解大型语言模型为何会产生不正确或有偏差的结果。教师、讲师和学生小组成员强调，了解生成式人工智能的工作原理至关重要。“[讲师] 试图解释后端发生了什么，这确实有助于我在阅读 ChatGPT 或 Copilot 提供的答案时理解，”计算机科学专业大四学生 Joyce Yuan 说。

美国国家科学基金会人工智能与基本相互作用研究所主任、物理学教授杰西·泰勒 (Jesse Thaler) 警告称，不要相信概率工具能够给出没有不确定性的明确答案。泰勒说：“界面和输出需要采用一种形式，即你可以验证这些部分或可以交叉检查的东西。”

在介绍计算器或生成式人工智能等工具时，小组中的教师和讲师表示，学生在特定的学术和专业环境中培养批判性思维技能至关重要。例如，如果问题集足够广泛，以至于生成式人工智能工具无法获得完整的答案，计算机科学课程可以允许学生使用 ChatGPT 来帮助完成家庭作业。然而，尚未理解编程概念的入门学生需要能够辨别 ChatGPT 生成的信息是否准确。

电气工程与计算机科学系高级讲师、MITx数字学习科学家 Ana Bell 在课程 6.100L（计算机科学与 Python 编程简介）学期末专门开设了一节课，教学生如何使用 ChatGPT 解决编程问题。她希望学生了解为什么在编程问题背景下设置生成式 AI 工具并输入尽可能多的细节将有助于实现最佳结果。Bell 说：“即使它给了你答复，你也必须对该答复持批判态度。”通过等到这个阶段才引入 ChatGPT，学生能够批判性地看待生成式 AI 的答案，因为他们花了一个学期的时间来培养识别问题集是否不正确或可能不适用于每种情况的技能。

学习经验的支架

学习节期间，小组成员的底线是，生成式人工智能应该为引人入胜的学习体验提供支架，让学生仍能实现期望的学习目标。麻省理工学院的本科生和研究生小组成员发现，当教育者为课程设定关于何时以及如何使用人工智能工具的期望时，这一点非常有价值。告知学生学习目标可以让他们了解生成式人工智能是否会帮助或阻碍他们的学习。学生小组成员要求相信他们会将生成式人工智能作为起点，或者将其视为与朋友一起进行小组项目的头脑风暴会议。教师和讲师小组成员表示，他们将继续迭代他们的课程计划，以最好地支持学生的学习和批判性思维。

课堂两边的小组成员讨论了生成式人工智能用户对其制作的内容负责以及避免自动化偏见的重要性——完全信任技术的反应，而不去批判性地思考它为什么会产生这个答案以及它是否准确。但由于生成式人工智能是由做出设计决策的人构建的，泰勒告诉学生们，“你有能力改变这些工具的行为。”

一、大模型全套的学习路线

学习大型人工智能模型，如GPT-3、BERT或任何其他先进的神经网络模型，需要系统的方法和持续的努力。既然要系统的学习大模型，那么学习路线是必不可少的，下面的这份路线能帮助你快速梳理知识，形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别：AI大模型API应用开发工程

L3级别：大模型应用架构进阶实践

L4级别：大模型微调与私有化部署

一般掌握到第四个级别，市场上大多数岗位都是可以胜任，但要还不是天花板，天花板级别要求更加严格，对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。

以上的AI大模型学习路线，不知道为什么发出来就有点糊，高清版可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。