圖源：Pixabay

2023 年，ChatGPT引爆了全球對AIGC的廣泛關注，科技界、知識界、教育界也圍繞其正在引發(fā)的一系列深刻的連鎖反應激烈爭論。

芥末堆持續(xù)關注教育前沿與最新的科技動態(tài)，對于“大模型＋教育”的諸多可能性，乃至大模型與人類文明的關系，我們充滿好奇。而這些問題，我們渴望行業(yè)領袖、科技大咖的專業(yè)解答。

面對同一問題，各位教育界、科技界的前輩大咖是英雄所見略同還是會碰撞出不同觀點的火花？芥末堆全新推出[大模型＋教育]系列專題訪談，每期邀請一位業(yè)界翹楚，無保留分享他們的專業(yè)觀點。

今年，中國科技界、教育界掀起了“百模大戰(zhàn)”，但不管是大廠、大模型創(chuàng)業(yè)公司還是教育頭部企業(yè)，都還處于探索階段，多數教育公司是基于開源的大模型做出了一些有意思的產品，并沒有太多讓人眼前一亮的突破。根據網絡分析公司Similarweb公布的數據，ChatGPT的訪問量首次出現負增長，6月份的訪問量環(huán)比下滑了9.7%。從毋庸置疑的話題C位到熱度稍減，中國大模型真正落地產業(yè)并產生價值了嗎？這是“大模型十講”欄目的第二期，我們邀請到聲網教育業(yè)務負責人錢奮，談談他對大模型在教育行業(yè)應用的感受以及聲網教育業(yè)務最新的動態(tài)。

芥末堆：可以談談“大模型”當前在教育行業(yè)的應用嗎？或者您預測該技術還將應用于教育的哪些領域？

錢奮：我個人認為大模型在教育行業(yè)的應用還處于比較早期的階段，當然在其他行業(yè)目前也沒有看到非常出色的大模型應用場景。就教育行業(yè)來看的話，我覺得大模型的應用有以下方向：首先，大模型擅長自然語言處理和智能問答，它可以理解和生成人類的語言，應用在教育中的話，適合開發(fā)應用于智能輔導系統(tǒng)。例如海外公司Chegg推出的CheggMate，利用GPT-4，支持學生輸入任何格式的內容，學生也可以獲得不同格式的智能回答。

另外的應用就是智能反饋和智能評估，教學的過程很需要反饋，但單純依賴教師反饋非常消耗人力。其實AI可以更好地分析和反饋，通過學生的學習數據給出一個相對客觀準確的評估結果。像海外的Gradescope，就是通過AI來給學生的作業(yè)考試，乃至整個學期的表現做一個評估，所以我覺得這一部分也為大模型在教育行業(yè)的應用留有空間。從更高維度來看大模型的話，未來可能會應用于各省各市乃至全國的教育數據分析，有利于教育決策者去制定更有效的學習模式或教育策略。

芥末堆：目前國內大模型創(chuàng)業(yè)賽道上還有一種專做應用的公司，從現有大模型調用接口做產品和運營，您是怎么看待這種商業(yè)模式的？

錢奮：我覺得這種模式在早期還是非常不錯的，特別是對一些創(chuàng)業(yè)公司來講，利用比較成熟的大模型去搭建應用，比從零開始更現實，會節(jié)約非常多的開發(fā)成本，風險也會低很多。如果自己去搭建，要找研發(fā)、要融資，不一定能成功，但利用現有模型的話可以比較快地驗證市場，方便決策者快速做出決策。再有就是大模型在自然語言處理、圖像識別等各方面已經做得非常不錯了，所以調用完全沒問題。

當然這種商業(yè)模式也具備一定的風險和挑戰(zhàn)，太過依賴于外部公共模型的話，如果它的系統(tǒng)發(fā)生不穩(wěn)定或者有任何突發(fā)情況，都會影響產品的正常運行。另外要考慮的就是市場競爭的問題，因為你可以調用別人也可以用，如果大家推出的都是同質化的產品，你就要思考自己的核心競爭力在哪里。

再就是調用公共模型難以滿足一些特定場景和特定需求，對一些垂類的場景也很難做到定制化，所以整體上來講的話，我覺得這種模式早期可以作為創(chuàng)業(yè)的idea去做，但是后期還是需要根據市場競爭環(huán)境、技術的演化去調整產品的設計和運營策略，可能這樣的話商業(yè)模式會比較健康一點。

芥末堆：大模型爆紅后，貴公司有在進行相關嘗試嗎？其中在教育業(yè)務板塊做了哪些努力？

錢奮：聲網作為技術企業(yè)進行了很多的嘗試和探索，但就像我前面提到的，整體上大家都在一個摸索的過程中，雖然有一些應用出來，但這些應用還是基于一個通用的模型在做，并沒有更新的突破。聲網更傾向于和我們的客戶一起來研究、探討大模型的玩法和實踐，由我們提供技術。比如在娛樂版塊，聲網提供了AI版的“誰是臥底”這些娛樂游戲的新玩法。在教育版塊，聲網也有很多與AIGC結合的實際應用，包括智能輔導、智能反饋和智能評估等，我們利用自研的語音識別技術，把音頻轉化成文字輸入給AIGC，再生成實際的反饋，包括一些個性化的指導，可以幫助學生更好地理解和學習。

芥末堆：長期來看，大模型會帶來教育賽道集中化的趨勢和競爭的進一步加大嗎？

錢奮：競爭方面大公司優(yōu)勢還是比較明顯，算力、算法、數據、人才都會更厲害，根據自身的優(yōu)勢去把這個東西給創(chuàng)建好并投入應用，由此就擁有了技術壁壘，也可以提供更高質量的服務和產品。

具體點看，當好的產品和服務建立起品牌心智后，就會產生一連串的效應?？蛻粲玫枚嗔?，公司根據客戶的粘性提供更多個性化學習體驗，然后進一步增加客戶粘性。越做大客戶越多，數據積累也就越多。再加上大廠的資金優(yōu)勢，實際上大公司就又擁有了更多資源投入大模型研發(fā)并有了更多訓練數據，所以競爭差距還是客觀存在的。

但我其實不是非常認同集中化的趨勢，因為教育本身還是有各種屬地化的問題，比如存在教材版本的差異、教育資源的分配差距并受當地政策等因素的影響，所以集中化趨勢我不太認同。

芥末堆：有人提出構想，將來每個城市都會有一個底層的城市級別的大模型，在此基上，大家都可以定制各種垂直領域或者行業(yè)應用的模型。您怎么看？

錢奮：從技術角度完全是可行的，它有點類似我們在做的分布式部署，包括分布式部署后的一些定制化模型，這種也具備一定的優(yōu)勢。

比如說我在某個城市搭建了一套獨立模型，首先它是本地化運營，所以可以根據當地的文化、教育需求或特點來進行定制，也會更貼近于當地學生和老師的實際需求。從技術角度來講的話，它減輕了一個集中的大模型的計算壓力和存儲壓力，其實是有利于資源分配的，但也有局限性，每個城市都有一個模型的話，其實你的數據是比較邊緣化的。雖然可以滿足各個城市自身的本地化服務，但對于特定行業(yè)領域還存在數據上的局限性，集中化的模型可能訓練得更好，所以對于某個行業(yè)領域來說，它可能會存在一些弊端，訓練不夠快速不夠集中。

另外在你說的協(xié)同方面，各個城市之間大模型如果協(xié)同的話，可以更好地去做跨區(qū)域的教育資源共享，包括數據交換，綜合來說要根據未來的發(fā)展來看來定義這種模型。

芥末堆：借助AIGC可生成許多以假亂真的內容，您覺得將來會基于“辨別真?zhèn)巍毖苌鲂碌纳鈫幔?/p>

錢奮：我覺得隨著人工智能的發(fā)展，未來一些基于AIGC的辨識工具和服務也會慢慢出來，AIGC可以生成虛偽的信息，但是我們也可以利用AIGC去辨別真?zhèn)巍?/p>

芥末堆：您如何看待大模型的“涌現能力”？您猜想未來教育領域大模型可能會產生什么樣的“涌現行為”？

錢奮：首先我認為“涌現能力”不太好判斷，但一定是會出現的，就像我們在一些科幻電影里看到的—— AI到后面會產生自主意識，或者說它會有一些超乎預測的行為。如果是這樣的話，恰好教育的過程是需要一些情感交流的，會不會將來AI也能理解學生考試失敗之后沮喪的情感并給予他一些情感上支撐？這就意味著AI在學生的情感或者心理健康方面可以提供支持。

芥末堆：對于尚處在學習與發(fā)展階段的孩子，AIGC的廣泛應用是否會壓縮用戶深度思考所需的空間？會如何改變用戶的學習習慣？

錢奮：客觀來講，一定會的。工具輔助我們快速獲取信息，學習者會過度依賴這個技術，但當AIGC生成海量的信息，我們有沒有判斷力去篩選這些信息呢？另外，如果學生自主學習時長期輸入自己感興趣的某一個話題或某一個領域，AIGC就會一直反饋這些信息，長此以往學生可能會“偏科”，或者忽視其他領域的探索。

所以技術只是一方面，技術的功效終究取決于整個教育系統(tǒng)的設計和教育者的設計、應用。比如我舉個例子，在教學設計中，教育者可以設計一些學習關卡，鼓勵學習者先進行深度思考和探索，而不是直接使用技術給出答案。所以在未來，構思如何進行學習系統(tǒng)設計、如何培養(yǎng)孩子獨立思考的能力而不是堆砌知識很重要。