作者： 丹妮拉．罗斯（Daniela Rus）, 葛瑞格里．莫恩（Gregory Mone）

ChatGPT 上线的几个月后，就有调查指出60％的大学生承认自己会用AI 写作业，比例大于一半。3 不久后，另一份调查指出44％的青少年正在考虑自己2023 学年度也要开始使用ChatGPT。4 这当然不是普遍情形，也有一些学校没那么流行AI。虽然AI 系统不一定可靠，却足够聪明，一定会朝好的方向发展。举例来说，OpenAI 宣称GPT-4 的学术水准测验考试（SAT）成绩为1410 分（满分1600 分）。 身为一名教授，我格外关心AI 工具对教育界带来的改变，而这些工具对我的研究领域（电脑科学、AI 和机器人学）造成的冲击巨大。因此，我完全可以理解为何中学英文教师在面对AI 浪潮时会如此绝望，因为无论面对任何主题，AI 都能生成出一份内容通顺的报告。

假设一名学生每天做的就是向AI 模型提出需求，替自己写程式码，你觉得他真的能学会如何开发软体、具备电脑科学家应有的思维模式吗？

我觉得答案是不可能。所有投身于电脑科学领域的人都必须理解最基本的电脑语言，也一定要懂得如何设计不同等级的程式。

话虽如此，使用AI 工具也并非一无是处，比如利用AI 制定计划或许能创造一些优势。

以写作教学为例，就在众人都认为ChatGPT 将成为教育的丧钟时，某中学英文教师凯莉．吉普森（Kelly Gibson）却反其道而行，尝试用AI 工具研发另类教学法。

首先，凯莉会要求学生阅读好几篇文章，并根据文章内容写一篇报告。学生必须用ChatGPT 生成初稿，然后再投入时间和心思修正并润饰AI 文章的内容。让学生修改文章从来都不是一件简单的事，许多老师对此都深有感触，但凯莉设计的练习却让学生跳过最困难的写作过程，让他们能专心发想和修饰论述。

这种重点转移模式和我先前提到的写作生产力研究不谋而合，在该实验中，当专业作家使用大型语言模型作为辅助工具，就会将更多时间用于发想论点、编辑和改写文章。也就是说，他们会花更多精力思考更高阶的写作问题。

保罗．丹尼（Paul Denny）是纽西兰奥克兰大学教授，他的团队做了一项初步研究，主题是AI 与电脑科学教育，得出的结论也相当耐人寻味。

研究人员使用的AI 模型是GitHub Copilot（此模型可以根据提示词生成代码），7 在几次实验后，他们发现GitHub Copilot 顺利完成电脑科学初级班作业的比例是一半，稍微调整一下，比例就立刻上升到60％。AI 轻松通过测验的故事比比皆是，虽说真假参半，但不难想像这世上确实存在能力至少和普通学生相同的AI 模型，也可以轻易通过各种测验和笔试。但在如果剽窃和抄袭会导致不及格就另当别论。

虽然AI 可以提升学习效率，并帮助学生有创意地使用资讯，但大脑长期记忆的功能还是必须仰赖高品质的学习、学习动机与健康的认知系统等要素。

AI 确实是辅助学习的利器，但不能取代努力和投入，只有专心致志地学习才能延长知识的保鲜期，并培养思辨能力。

所以我们该怎么办？我们该如何进步？

我们不能关上学术的大门，将AI 拒之门外，尤其是在电脑科学界，如果你想让学生有所成就的话就更不能这样做。许多软体开发者都已经开始使用AI 工具，所以我们更不能落于人后。然而，教导学生使用AI 不一定是要出于实用目的，也不一定是为了和其他人在职场上厮杀。

曾有研究团队做了一项研究，探讨AI 工具对基础课程班学生造成的影响，得出的结论是使用AI 工具能带来教育红利。研究人员找来69 名国高中学生，要求他们完成45 项Python 编码任务，其中一些学生必须纯手工完成，剩下的人则可以使用代码生成工具OpenAI Codex。

结果完全在意料之内，使用Codex 的学生完成任务的比例和整体得分都更高。接下来，研究人员请使用Codex 的学生不使用AI 调整刚才写出的代码，但他们的表现依然优于一开始就不能使用AI 工具的学生。实验结束后一阵子，研究人员做了一次追踪测试，想看看这些学生是否真的已将编码知识融会贯通，结果显示使用Codex 的学生依然表现最好。

一般人可能会认为手动编码的效果较好，但事实证明使用AI 辅助工具的效率更佳。未来教导这种编码思维的工具将会成为热门资源，而我的同事阿曼多．索拉尔－莱萨马（Armando Solar-Lezama）和约书亚．特南鲍姆（Josh Tenenbaum）正在用一款叫做Dream Coder 的系统推广此理念。Dream Coder 系统可以透过编写电脑程式学习如何解决问题，可用于不同领域。以教育而言，Dream Coder 可以刺激程式设计师，让他们思考更抽象的问题。

AI 辅助电脑科学教育的技术和相关研究正在快速推进，人类传授程式设计技巧的方式势必改变。2023 年初，生成式AI 在全球掀起轩然大波，成为最热门的话题，电脑科学家丹尼尔．辛加罗（Daniel Zingaro）和李奥．波特（Leo Porter）也在此时提出将代码生成工具融入程式设计教育的全新概念。

他们认为学校应该减少实际编写代码的时间，将课程重点放在设计软体，与测试、检查、修正AI 生成的代码上。辛加罗和波特认为，当教育机构将重心从传统教学模式转移到更高阶的电脑思维，学生就有能力去解决更大、更复杂的问题。也就是说，这种教育法培养出的学生只需完成入门课程，就可以设计出能正常运行的软体。

本文摘自采实文化的《驾驭AI，打造超级优势：全球顶尖机器人权威教你透过心智之镜，放大创意与决策力，掌握风险与机会》