今天小编分享的教育经验：长远看GPT等大模型对教育的影响，欢迎阅读。
文 | 冉冉 教育行业研究者
编者按：
本文系多知网约稿。作者认为本次大模型带来的技术革命和在线教育不是一回事，也不是一个维度的事，将在未来影响教育从业者、教育机构、教育行业等各个主体。值得大家重视。
尽管 ChatGPT 已经在 AI 领網域获得了显著的影响力，但在几千万的教育从业人员中，真正使用这种技术的人数并不多。需要注意的是，ChatGPT 只是一个产品，真正的核心是其背后的大模型技术。这种大模型技术对于容错率高的行业有着深远的影响，而教育恰恰就是这样一个行业。
为了进一步探讨这个话题，以下是对大模型技术影响未来教育的一些猜想。在文末，我们設定一个投票环节，邀请读者提供反馈。如果有需求，我们可以根据反馈再进行更深入的撰文。真诚地欢迎大家的参与和交流。
大模型对未来教育影响的猜想如下。
01
对知识的记忆不再是教学的重心
在中国的教育体系中，复习是其显著特征。高考的一轮二轮复习；考研培训的基础班、强化班、冲刺班；火爆的刷题軟體（本质也是复习）均是其体现。复习的背后，是记忆，精准的记忆获取更高的分数，这就是复习成为教学重点的原因。记忆是学习的必要环节，但学生把过多的时间花在复习已有知识上，并不能激发创新意识，而只是加深对旧知识的记忆，久而久之，还损害创新的精神。在教育资源相对落后的地方，这种现象更加明显。
著名经济学家钱颖一教授称 " 在未来的 AI 时代，中国的教育优势将会荡然无存 "，这个优势，指的就是通过努力和外部压力驱使学生获取的知识量。然而，由大模型通过预训练获得的知识已经覆盖了几乎所有人类的通用知识领網域。这使得我们能够在任何时候以低成本调用任何领網域的知识。过度的记忆变得无足轻重。你不必精通法律，因为训练有素的法律领網域大模型可以帮你分析案例；你不必掌握多种语言，因为翻译类大模型可以帮助你实时转换成母语。我们所需要的是广泛的常识和知识间的迁移能力。而基于记忆而形成的竞争力，在未来将不那么重要，学校教育中，一轮二轮三轮不断地对知识的复习记忆，也变得多余。
因此，如果在接下来的 5-10 年中这种趋势得到实现，我们可能需要重新考虑如何教育下一代。背诵 100 首唐诗，认识大量生僻字，或许不再重要。教培机构也需要调整产品设计，以适应这种变化。比如，评估学生知识的方式可能会由记忆转变为创新思考和解决问题的能力。在这个新的模式下，让学生设计自己的试卷，可能比简单地做一张试卷更有意义。
02
统一办教育的可行性大幅提升，校外培训机构生存空间变小
教育资源分配的不均衡一直是政府迫切希望解决的问题。在线教育的出现在一定程度上缓解了这个问题，比如，通过录制优秀老师的讲课内容或直播名校名师的课程，这使得教育资源相对匮乏的地区能够获取更多优质教育资源。这种现象因《这块屏可能改变命运》一文引发热议。然而在线教育并不能有效解决个性化教学和互动问题，成都七中的教学内容是否适合禄劝一中的学生，这是个问题。尽管在线教育在教育资源公平化上做出了贡献，但其影响力仍然有限。
然而，大模型技术的出现有可能解决这个问题。政府可以通过投入固定成本建立并运行教育大模型，而不是各个省網域各自为战。不管学的是哪个版本的教材，是市重点还是乡镇中学，每个学生都可以获得定制化的课程推荐或答疑引导。如 Knowte 本是一个学习笔记分享和管理平台，在接入 GPT 后，获得了生成个性化试题的能力。
这里需要说明一下数据库模式的 AI 和生成式 AI 的区别。数据库式的 AI 推送定制化内容，是通过识别内容，在数据库中进行比对，然后推送已有的试题。而生成式 AI 则是根据学生的具体情况，创造新的试题，从本质上讲，它具有无限的生成能力。而数据库模式 AI 则只能依赖于有限的数据库内容。当遇到数据库中不存在的问题，数据库 AI 将束手无策。如果数据库的内容可以有 1 万种组合，那么生成式 AI 可以有 1 万万种组合，显然生成式 AI 在解决个性化问题上的优势更显而易见。
校外培训机构的存在，往往与校内优质资源供应不足和个性化教育需求无法满足有关。一旦政府通过引入大模型解决了这两个问题，校外培训机构的生存空间将大幅缩小。
03
学科融合趋势加速，以实践带动学习而非分科学习再去实践
自古希腊时期以来，我们一直沿用着学科划分的教育体系，从语言、修辞、逻辑、音乐到天文学，最显著的转变发生在 19 世纪，当时普鲁士教育体系精细化地将学科分割为具体的领網域，如数学、科学、历史和语言等。学科的划分旨在深化对特定领網域的理解，并更加准确地进行评估，此外，它在供应端创造出一种易于培养的专业教师模式，相比于培养通识教师要更为简单。然而，这种划分学科的教育模式不可避免地限制了学生的跨学科学习能力。而当学生步入社会时，他们面对的问题往往需要跨学科的知识来解决。
学校教育可以看作是学生进入社会前的一种适应训练，比起深入掌握某些特定的知识，培养解决问题的能力更为重要。这涉及如何利用已有的知识储备、如何有效利用工具、如何进行协作等。跨学科学习已经成为了教育的趋势，如今的 STEAM 教育以及教育部在 5 月 29 日发布的《关于加强新时代中小学科学教育工作的意见》均强调了跨学科学习的重要性。
理想的情况是，如果我们能有一个全才式的老师，既熟悉每个学生的特点，又精通所有学科，他们就能在解决具体问题时，明确学生应该学习什么。然而，这样的老师凤毛麟角，且难以大规模培养。而现在，大模型 AI 技术有可能实现这一目标，从而改变了我们必须进行 " 分科教育 " 的前提。
校外教育机构围绕刚需提供了丰富的教育产品，本质是跟着高考走，跟着校内走，不管业态是大班、小班、1 对 1、教辅或者学习机。若校内体系展开学科融合并加入考评系统，校外教育机构若想生存，必将拥抱这一改变。那些能提前在 STEAM 或其他融合多学科的领網域进行业务拓展，积累客户的教培机构，更会抢占到先机。
04
一些学科的重要性大幅下降
以英语学科为例。英语教育在中国可以追溯至 19 世纪末，开始于一些接触外界较多的海岸城市。随着 20 世纪 70 年代末中国的改革开放，英语教育进入快速发展阶段，其在全国范围内的中小学以及大学中成为必修科目。2001 年中国加入 WTO 以及 2008 年奥运会的举办，更进一步推动了英语学习热潮。然而，随着翻译技术的日益成熟，投入大量时间学习英语的性价比正在下降。
以语言翻译技术为例，有道翻译的译文质量已达到信达雅水平，科大讯飞的同声传译軟體准确率也达到了 98% 以上，能够满足大多数的实时翻译需求。在大模型的应用下，GPT-4 已展示了其在处理学术英语上的强大能力。
留学必有托福或雅思成绩，根据 ETS 的统计，2021 年中国托福考试平均成绩为 87 分，但若需要获得欧美顶尖大学录取，成绩甚至需要达到 110 以上。这意味着许多学生需要花费大量时间提升英语水平才能满足入学要求。然而，如果我们将大模型的翻译能力应用到 AR 眼镜中，即使学生的英语水平不高，也能看到教授讲课的实时翻译，大大降低了英语学习使用门槛，用于英语学习的时间可以用在学习专业知识上。
英语作为一种工具，面临着由大模型带来的更低成本、更高效的替代。这也可能引发中国教育体系对英语重要性的重新评估，英语在学科体系中的位置可能面临调整。
05
普通教育从业者就业难，存在价值在于陪伴引导而非知识传授
以前，教师被视为知识的传播者，学生则靠他们获取知识。现在，如 GPT-4 等领先的大模型已经展示出了卓越的教学能力，甚至能够与优秀的斯坦福毕业生相媲美。例如，应用在可汗学院的 Khanmigo AI 助手，能做到一步步引导学习，这无疑对教师这个职业构成了挑战。
然而，教育远非仅仅是知识的传递。教师与学生的人际互动在学习过程中扮演着至关重要的角色。这正是在线教育无法超越面对面教学的原因之一。对于学生来说，求学不仅仅是为了学到知识，他们在这个过程中需要的，还有陪伴和情感支持。虽然 AI 可能能模拟出陪伴的场景，但它们毕竟无法取代真人教师的存在。
因此，面对这样的挑战，教师的角色极可能发生转变。他们需要从传统的知识传授者转变为学生的陪伴者和引导者。在 AI 的帮助下，教师可以更专注于与学生的互动，为他们提供个性化的支持和关怀。教师的价值不再仅仅取决于他们掌握的知识，而在于他们与学生建立的关系的能力。
教育机构也需要适应这个趋势，以 AI 为工具，让教师有更多的时间和精力去陪伴和引导学生。业内常说，" 教育不是灌满一桶水，而是点燃一团火 "。大模型 AI 能力加持下，教师更有可能成为这个点火者。
结语：
技术是生产力，本次技术革命和在线教育不是一回事，也不是一个维度的事，重视总是好的。以上是部分观点，欢迎讨论。
（本文仅代表作者个人观点，供读者参考。）
