新闻详情

新闻详情

首页 / 资讯中心 / 详情

当AI成为“标配”,大学该教什么

发布时间:2026/11/18 3:54:25来源:尧图网络
当AI成为“标配”,大学该教什么
这个开学季北大、复旦、南科大等多所高校校长在新生开学典礼上不约而同提到AI呼吁大家避免过度依赖AI警惕“认知卸载”“虚假掌握”“思维外包”。这些提醒并非多虑。一项对全国400余所高校1953名本科生的调查显示AI工具使用率已达99.18%超过六成学生对AI使用的合理边界感到困惑不到三成表示学校提供了系统的AI相关课程。当下再争论大学生该不该使用AI已经落后于现实需要厘清的是“代劳”与“代想”的边界。程序可以让AI辅助编写数据可以请AI辅助分析但哪里可能出错、结果能不能使用、出了问题由谁负责则不能由AI代劳。说到底可以借助AI处理一些重复性、标准化的工作但不能把思考乃至能力形成的过程也一并外包。AI与搜索引擎不一样的是它会重新组织和生成内容再形成一套形式严谨的答案。面对表达流畅、结构清晰的AI回答人很容易放松核验把“像答案”当成“真答案”。AI提高了生成的效率却没有降低审核的门槛创作一个“成品”的难度低了却不代表选择、鉴别和把关不再重要。这也倒逼大学改变教学方式。过去教师看到一篇结构完整的论文大体还能据此判断学生的学习效果。今天仅凭成品越来越难作出这样的判断。学生花一个下午读懂一篇难懂的文献反复修改一段论证为了一个数据查上几种材料与同伴争论一个观点这些看似可以被AI省掉的时间本身就是训练就是能力形成的过程。因此当AI能够迅速生成“答案”问题的提出、意义的构建、价值的判断就显得更加重要。新的工具怎么用老的训练怎么留新旧之间如何衔接哪些环节可以使用AI哪些必须独立完成应当讲清楚考核也不能只验收成品还要看学生怎么提问、怎样找证据、为什么修改、能不能解释自己的结论。这样做并不是不给AI设防而是重新确认大学应该教给学生什么。专业知识当然有价值但仅仅知道得多还不够。今天的大学还需要教会大学生具有发现问题的能力能从信息海洋中作出选择识别似是而非的说法具有更强的想象力和创造力以新的联想和逻辑建构来调动AI具有健康的价值观和审美能够对是非对错、善恶美丑做出正确判断懂得担当负责机器可以给出十种方案最终作出选择、承担责任的只能是人。我们谈人工智能注意力常放在“智能”两个字上总希望它再聪明一点、再快一点最好一句指令就给出终极答案。其实人工智能能发挥多大作用取决于前面的“人工”——人提出什么问题提供什么材料设定什么边界怎样核验结果又把结果用于什么地方。“算法”越强“写法”越不能丢。好的教育应当让学生借助“算法”提高效率又在一次次真实训练中练出自己的“写法”。工具越是聪明越要防止学习变成“无人驾驶”。方向盘终究要握在人手里。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉