基于大模型增强的通用人工智能教师架构

被引:29
作者
余胜泉
熊莎莎
机构
[1] 北京师范大学未来教育高精尖创新中心
基金
国家重点研发计划;
关键词
人工智能教师; 生成式人工智能; 预训练大模型; 人工智能教育应用;
D O I
10.13966/j.cnki.kfjyyj.2024.01.004
中图分类号
G451 [教师]; TP18 [人工智能理论];
学科分类号
04 ; 0401 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
以ChatGPT为代表的预训练大模型在教育界产生了巨大影响,也为发展通用人工智能教师带来了曙光。预训练大模型应用于教育存在幻觉、深度逻辑缺失、社会情感缺失等局限,如果这些关键问题不解决,大模型不可能在教育中得到真正有价值的应用。本文提出通过增强大模型构建通用人工智能教师架构,其核心思路是精调训练增强场景知识、检索增强认知、外部智能组件编排增强推理、多模态融合增强感知、情感计算增强社会情感,再通过教育知识图谱对大模型输出进行监督。通用人工智能教师主要有六种应用场景:需要渊博知识的场景、洞察创意增强场景、约束与管理场景、社会情感互动场景、个性化指导与反馈场景、多模态内容表现场景。文章最后分析了通用智能时代人类教师面临的机遇与挑战,提出教师需要主动拥抱、使用、驾驭并控制智能技术,解放、增强、进化自我,并跨越陷阱。
引用
收藏
页码:33 / 43
页数:11
相关论文
共 11 条
[1]   Parameter-efficient fine-tuning of large-scale pre-trained language models [J].
Ding, Ning ;
Qin, Yujia ;
Yang, Guang ;
Wei, Fuchao ;
Yang, Zonghan ;
Su, Yusheng ;
Hu, Shengding ;
Chen, Yulin ;
Chan, Chi-Min ;
Chen, Weize ;
Yi, Jing ;
Zhao, Weilin ;
Wang, Xiaozhi ;
Liu, Zhiyuan ;
Zheng, Hai-Tao ;
Chen, Jianfei ;
Liu, Yang ;
Tang, Jie ;
Li, Juanzi ;
Sun, Maosong .
NATURE MACHINE INTELLIGENCE, 2023, 5 (03) :220-+
[2]   人工智能教育应用的认知外包陷阱及其跨越 [J].
余胜泉 ;
汪凡淙 .
电化教育研究, 2023, 44 (12) :5-13
[3]   大模型关键技术与未来发展方向——从ChatGPT谈起 [J].
刘学博 ;
户保田 ;
陈科海 ;
张民 .
中国科学基金, 2023, 37 (05) :758-766
[4]   人机共生的复合脑:基于生成式人工智能辅助写作教学的应用发展及模式创新 [J].
汪靖 ;
米尔外提卡马勒江 ;
杨玉芹 .
远程教育杂志, 2023, 41 (04) :37-44
[5]   ChatGPT/生成式人工智能时代下教师的工作变革:机遇、挑战与应对 [J].
宋萑 ;
林敏 .
华东师范大学学报(教育科学版), 2023, 41 (07) :78-90
[6]   ChatGPT/生成式人工智能对教育的影响探析及应对策略 [J].
杨宗凯 ;
王俊 ;
吴砥 ;
陈旭 .
华东师范大学学报(教育科学版), 2023, 41 (07) :26-35
[7]   多模态大模型的教育应用研究与展望 [J].
卢宇 ;
余京蕾 ;
陈鹏鹤 ;
余胜泉 .
电化教育研究, 2023, 44 (06) :38-44
[8]   生成式人工智能的教育应用与展望——以ChatGPT系统为例 [J].
卢宇 ;
余京蕾 ;
陈鹏鹤 ;
李沐云 .
中国远程教育, 2023, 43 (04) :24-31+51
[9]   “AI+教师”的协作路径发展分析 [J].
余胜泉 ;
王琦 .
电化教育研究, 2019, 40 (04) :14-22+29
[10]   基于人工智能的育人助理系统——“AI好老师”的体系结构与功能 [J].
余胜泉 ;
彭燕 ;
卢宇 .
开放教育研究, 2019, 25 (01) :25-36