生成AI在高等教育中的应用：当前的做法和前进的道路

　　这份报告探索了转型领域：面对生成型人工智能的快速发展及其在高等教育各个领域的逐步应用，高等教育所面临的转变。作为这一领域的守护者，大学在应对这种变化时仍然反应迟缓，而鉴于人工智能发展的速度，它们本应迅速并前瞻性地作出响应。然而，在新的现实面前导航是复杂的，要求这些机构重新审视支撑其教育服务价值主张和机构运作的基本假设。

　　大学面临着一项新兴技术，该技术在发展、标准化、监管和易用性方面仍存在许多不确定性。斯坦福大学2024年人工智能指数报告的主要发现包括：1

　　明确展示这一点：AI在某些领域已经超越了人类的表现，但在许多更复杂的任务上仍然落后。行业主导着前沿AI研究，领先于学术界和产学研合作；在这方面，美国在顶级AI模型的来源中处于领先地位，超过了中国、欧盟和英国。前沿AI模型的训练成本越来越高，而生成式AI的融资已激增至每年252亿美元。由于负责AI基准缺乏标准化，比较顶级AI模型的风险和局限性变得困难。与此同时，AI监管显著增加。AI可能提高工作效率并加速科学发现——一个典型的例子是DemisHassabis和JohnJumper开发的突破性AI模型AlphaFold，它能够预测研究人员已识别的近2亿种蛋白质的结构，并因此获得了2024年诺贝尔化学奖。2同时，越来越多的世界人口意识到人工智能对其生活的影响日益增大，并对此表示担忧。许多研究探讨了人工智能为社会带来的益处和潜在风险。3.

　　大学尚未就如何平衡AI采用中的机遇与风险达成共识。2024年EducauseAI景观研究4看到关于适当用途的一些共识5与不适当的使用6.主要的机遇在于提高教学、学习和学生成功；数据分析和访问；以及减轻行政工作负担。与人工智能使用相关的风险主要集中在伦理问题（例如，剽窃、知识产权、数字鸿沟扩大、虚假信息和误导信息）、隐私与安全、人工智能素养缺乏，以及人工智能对创造力、批判性思维和学习中的人类参与可能构成的威胁。