当前位置:   article > 正文

掌握这四大要点,让你轻松驾驭生成式AI大模型在教育领域的应用_生成式ai大模型教育应用的四大秘诀

生成式ai大模型教育应用的四大秘诀

教师使用生成式AI的现状与思考

2024年,人工智能与教育数字化的紧密结合成为全国两会热议的话题。为了推动这一趋势,中国教育装备行业协会与科大讯飞于3月18日联手举办了一场主题为“生成式人工智能赋能数字素养提升”的线上直播培训。

为了深入了解一线教师在生成式人工智能应用方面的实际情况,在培训的首次互动环节有了一项在线调查。“你已经掌握使用的生成式人工智能软件有哪些?”以及“今天,你最想用AI帮你做什么?”短短几分钟内,便吸引了来自全国5500多名教师的积极参与。

调查结果显示,虽然仍有约40%的教师对生成式人工智能软件的种类知之甚少,但他们对学习和应用这一技术展现出了极高的热情。教师们普遍希望利用生成式AI辅助教学、搜索教育资源以及制作PPT等,进一步提升课堂教学效果。这表明,教师们渴望将数字化教育资源转化为符合自身教学需求的实用工具。

然而,面对众多教师对生成式人工智能在教学中应用的陌生感,深感当前教育数字化发展战略亟需从教师培训入手。我们应从普及生成式人工智能在教育教学中的基础技术做起,引导教师逐步掌握并运用这一先进技术,从而推动教育数字化的深入发展。

图片

图1 教师已熟练运用生成式AI工具

图片

图2 教师最想用AI帮助做的事情(排序前10选项)

让每一位教师都能够用好大模型

要在课堂教学中高效运用大模型并正确驾驭生成式AI,教师需遵循四大策略:精心设计学习提示语和提示语库,巧妙利用检索增强生成技术,建立针对性的单元教学知识库,以及开发智能化辅助工具。这些策略将助力教师在生成式人工智能时代展现卓越的领导力。

秘诀1:掌握提示语和提示语库设计

刚开始接触生成式AI大模型的教师会发现,如果给大模型一个提问,AI的回应往往不会令人满意,要么敷衍含混,要么是“正确的废话”。所以,大家需要初步了解大模型的工作原理,与以往信息技术不同,大模型是通过海量语料的预训练,让人工智能在单字层面分析处理信息,经过人工评判,归纳出字词的组合权重,并根据用户的提示语(Prompt)——也被称为“提示词”“指令”等,从数据库中逐字按照组词的权重排序,重新组成句子输出给人类。

设计有效的提示语至关重要,因为它是用户与AI之间沟通的桥梁。用户需要通过文字准确地传达他们的需求和期望,以便AI能够理解并生成相应的回应内容。提示语的设计水平直接影响到AI生成内容的质量。为了优化提示语并改进提问方式,我们可以借鉴以下两种常见的提示语设计公式。这些公式可以帮助用户更清晰、更具体地表达他们的需求,从而提高AI生成内容的相关性和准确性。

为大模型定制任务指引,我们采用“角色-任务-要求-说明”四要素法。首先,明确模型应扮演的角色或设定;其次,具体阐述任务内容;再次,概述完成任务的规则、标准及预期成果;最后,补充任务相关的详细背景信息,帮助模型更好地理解并执行任务。

在问题导向下,我们为大模型构建“角色-问题-目标-方案”提示框架。首先,确定模型的角色或设定;其次,清晰阐述需要解决的问题及其背景;接着,明确期望AI达成的具体目标;最后,指导AI输出方案的格式、风格等细节要求。

教师们现在有了新的工具来设计更有效的教学提示语。他们可以参考像北京Moonshot AI公司开发的KIMI这样的大型语言模型,该模型提供了一个“添加常用语”功能,可以生成各种提示语样本供用户尝试。此外,教师们还可以利用字节跳动开发的AI集成平台“扣子”来优化他们的提示语。扣子平台允许每位教师创建自己的辅助教学智能体,如“情境教育”智能体。在这个智能体的“人设与回复逻辑”部分,教师可以输入提示语并描述智能体的人设和技能。点击“AI优化”按钮后,扣子平台会自动对提示语进行优化。这样,教师们就能轻松地将大教育家的精神融入到AI智能体中,从而提升教学效果。

图片

秘诀2:用好检索增强生成(RAG)

大模型在自然语言处理领域展现卓越能力,然而仍存在准确性不足、生成幻觉信息、知识陈旧及推理过程不透明等挑战。为应对这些问题,全球研究者致力于探索解决方案。值得关注的是,2020年Lewis等人提出的检索增强生成技术(RAG)为大模型带来了新的突破。RAG技术将预训练模型与非参数内存相融合,利用外部知识源如PDF、TXT、DOC文档和网址等,动态检索并提供经过验证的相关信息,从而指导大模型的生成过程,显著提升其准确性和可信度。尤其在处理知识密集型任务和实时更新信息方面,RAG技术实现了大模型与外部数据库资源的互补,大幅增强了回答的准确性和相关性,有效克服了大模型的幻觉问题。此外,RAG技术还允许用户将自己确认的文档和网址信息提供给大模型,确保生成式人工智能输出结果的准确性并限制人机交互范围,有助于避免冗余对话干扰教学。因此,RAG技术为教师在课堂上使用大模型提供了有力支持,使其能够更有效地开展教学活动。教师在运用大模型的检索增强生成功能时,可通过测试提示语来判断模型是否具备RAG功能,例如输入网址文章或微信公众号文章链接进行测试。若大模型能够根据要求生成相应结果,则表明该平台已集成RAG技术。

在这里插入图片描述

秘诀3:创建单元教学知识库和智能体(Bot)

未来,每个人都将拥有一个由人工智能驱动的智能体,这将彻底改变我们与计算机的互动方式,并引领软件行业进入一个全新的计算革命。斯坦福大学的人工智能专家吴恩达教授认为,智能体工作流将推动人工智能取得巨大进步,甚至可能超越下一代基础大模型。与传统的大模型使用方式不同,智能体工作流通过多次提示,让大模型逐步构建更高质量的输出。吴恩达还分享了提升智能体功能的四个策略,包括反思、工具使用、规划和多智能体协作。

在这个时代,智能体被视为具有智能的实体,能够感知环境、进行自主理解、规划决策和执行复杂任务的机器人,或者是一种程序,可以根据环境、用户输入和体验做出决策或执行服务。而本文所讨论的智能体,则是基于生成式AI大模型+RAG的AI助手,它们能够根据用户的提示语执行工作流程序,自动完成任务。

这种智能体的应用前景广阔。例如,教师可以利用智能体优化教学工作的各个环节,将新课程理念、学习理论、教学策略、教育家思想等一键转化成自己的教案和教学文档。此外,智能体还可以设计成面向学生的学习导师和学习伙伴,辅助校长管理学校工作的智能化秘书等。

总之,人工智能驱动的智能体将成为未来上网人群的必备工具,它们将改变我们的生活方式和工作方式,带来前所未有的便利和效率。

在这里插入图片描述

秘诀4:提升生成式人工智能时代的AI领导力

要成为生成式AI大模型教育应用的领航者,教师必须强化在生成式人工智能时代的AI领导力。这包括学习新技术、高瞻远瞩地决策、迅速执行、与AI高效对话、规范管理和激发创新。特别是,“人在回路”技术日益凸显其重要性,它将人类的高阶思维与计算机的强大能力相结合,通过人工干预提升智能系统的准确性和信息质量。简单来说,教师在创建智能体工作流时,只需添加一个中间管控节点,让AI输出结果,等待用户评价和反馈,然后根据用户指示调整AI的行动,从而实现人机智慧的协同与互补。

探寻生成式人工智能教育应用的无限可能

回首过去,我们曾在风雨飘摇中摸索前行,而如今,无论是风雨还是晴天,都已不再是我们前行的阻碍。ChatGPT的横空出世,犹如一道曙光,照亮了生成式AI的道路,让我们看到了前所未有的可能。短短一年时间,生成式AI已逐渐融入我们的日常生活,成为我们不可或缺的一部分。

然而,这只是开始。当我们展望未来三五年,我们不禁为生成式AI的发展感到惊叹。它将如何改变我们的教育方式?如何影响我们的工作方式?又将如何塑造我们的未来社会?这些问题充满了无限的遐想空间。

回望中国教育信息化的历程,我们可以清晰地看到,技术的发展虽然日新月异,但教师在教学中运用信息技术的过程却始终如一。从初步入门,到学习掌握新技术,再到尝试在教学中运用新技术,最终实现信息技术与课程的深度融合,这一切都离不开教师的主观能动性和创新精神。

因此,面对生成式AI的崛起和挑战,我们更应该坚持“以人为本”的理念,充分发挥教师在计算机教育应用系统中的主体作用。教师需要紧跟时代步伐,不断提升自身的AI应用能力和领导力,将信息技术与学科内容、教学法有机地融合在一起,为学生提供更加丰富多彩的学习体验。

同时,我们也应该大胆探索大模型在教育教学各环节的应用潜力,打破传统思维模式的束缚,为生成式人工智能教育应用开辟新的天地。只有这样,我们才能真正把握生成式AI带来的机遇和挑战,推动教育事业的持续发展和创新。

在这里插入图片描述

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

在这里插入图片描述

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/黑客灵魂/article/detail/850613
推荐阅读
相关标签
  

闽ICP备14008679号