随着OpenAI的ChatGPT于去年12月正式公开,由此引发的作弊问题已经引起学术界的广泛关注。全美各地的教学和学校董事会都开始认真思考,到底是该对AI写作工具张开怀抱、还是严厉制止。
教师们其实既忧心又兴奋,因为ChatGPT等聊天机器人确实能生成几乎任意格式、任意主题的文章。它能轻松创作一首莎士比亚十四行诗风格、但内容诙谐打趣的作品,也能就《了不起的盖茨比》中蓝色窗帘的象征意义写篇500字论文。大家甚至可以使用Quillbot这类工具来解释ChapGPT生成的文章,就如同一位贴心的“枪手”给用户讲解自己的创作思路。
当然,没人幻想ChatGPT能写出演说家级别的文案。但有评论说得好,“ChatGPT所知晓的一切,已经足够危险。”
除了学生论文这个狭窄的话题之外,也有一些教师对AI写作在增强学习体验方面的潜力感到兴奋,另一些教师则不太肯定该把这类工具引入课堂。目前,美国各地及互联网上关于ChatGPT的态度可以说是复杂多样。
纽约市禁止学生在校使用ChatGPT机器人
纽约市教育局明确禁止学生和老师在学苑网络及设备上使用ChatGPT,这似乎也是第一份反对在校内使用AI机器人的政策。据《华盛顿邮报》报道,尚不清楚学生能否在校外使用ChatGPT。
在一份写给《华盛顿邮报》的声明中,纽约市教育局发言人Jenna Lyle表示,“虽然这款工具有望为问题提供快速、简单的答案,但却可能阻止学生培养出批判性思维和解决问题的能力,而这种能力对于学业乃至整个人生都至关重要。”
相较于行动极快的纽约,其他各州及学区仍在纠结该制定怎样的应对之策。不过在部分学校,未等学区的官方意见出炉,教师自己已经在班内推行预防措施。
加利福尼亚州Pacifica Oceana高中的教师已经向学生发出警告,称不得使用AI写作软件完成作业。有部分老师在采访中表示,他们可能会要求学生上交“无法直接从AI处复制/粘贴的手写作业”。
为了阻止利用AI作弊,部分网站还创建了识别AI写作的工具,包括writer.com的AI内容检测器和反ChatGPT工具GPTZero。
“我用新年假期构建了GPTZero——一款能快速检测一篇文章是人工撰写还是ChatGPT生成的应用程序。”
值得一提的是,OpenAI自己也表示正在研究一种以数字方式为输出文本添加“水印”的方法,意味着文本中将保留机器人可以发现、但人类无法识别的AI生成线索。
拥抱潜力
在互联网上,特别是TikTok上,ChatGPT也引发了教师们的热烈争论。部分教育工作者认为,聊天机器人能为教师们创建课程规划和材料以简化作业完成流程。Dan Lewer在评论中写道,“请注意,我的观点是AI能帮助教师们更好地完成工作,而不是完全替他们完成工作。机器人取代不了好老师。”
TikTok上一另一位教师Tyler Tarver则认为,ChatGPT“能帮助教师更好地吸引和支持学生,针对不同水平的孩子准备教学材料。”为了证明自己的论断,Tarver用AI创建了部分课件脚本。Tarver还提到,“孩子们可以直接提交自己感兴趣的作业,比如为〈哈利波特与死亡圣器〉写一篇500字的文章。”除了对ChatGPT本身的认可,他还关注聊天机器人这种形式作为课堂工具的潜力。在他看来,聊天机器人可以帮助教师生成教学素材、也能作为学生们的辅助讨论工具。
当然,这些争论并没能达成共识——最终仍然是一部分教师表示乐观,另一部分仍在犹豫。从TikTok上的舆论风向来看,支持派的教师们主要是将ChatGPT视为一种类似于计算器和手机的纯工具——可以用来帮助学生完成作业,并不能直接替他们完成作业。
所以至少到目前,能否在课堂上使用AI写作工具还是由个别教师和学生的需求决定。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。