以下文章来源于信口说 ，作者信口说

编者按：

本文系转载，在作者看来，ChatGPT 将掀起在线教育之后的下一个教育变革的浪潮。因为 ChatGPT 改变了教育体系的核心要素：教育目标、教育工具、知识获取。未来，人类三方面的能力至关重要：人机协作、人际协作、心理能力。

来源 | 信口说

ChatGPT 的推出，将掀起在线教育之后的下一个教育变革的浪潮。

ChatGPT 仅仅推出了几个月，但每天都在给世人带来新的震撼。

英伟达黄仁勋称之为 "AI 的 iPhone 时刻 "。比尔盖茨说在他的一生中，只见过两次革命性的技术创新，第一次是 Windows，第二次则是 ChatGPT。

ChatGPT 引发的社会变革，先从工具场景开始，office 全家桶、notion 生成文章、Midjourney 文本成图、Gen-2 一键生成大电影，相关产业链的效率被大幅提升，随之而来的也是从业者的大批失业。

而最深刻的变革将会发生在教育领域。

今天，我们聊聊 ChatGPT 变革教育的 5 个关键问题：

1. ChatGPT 为什么值得教育的关注？

2. ChatGPT 能改变什么、不能改变什么？

3. ChatGPT 将如何变革教育体系？

4. 谁最有机会实现这一变革？

5. AI 时代，教育的意义将是什么？

简单来讲，ChatGPT 永远地改变了教育体系的核心要素：教育目标、教育工具、知识获取。

首先，是教育目标的模糊。ChatGPT 的到来，引出了第一个问题：我们的教育体系应该培养什么样的人才，以应对未来？ChatGPT 变革的是整个社会体系，随着人工智能技术深入渗透、应用到各个领域，许多传统职业将会受到冲击。高盛的分析师已经发布研究报告：AI 或致全球 3 亿人 " 丢饭碗 "，程序员、画师、记者等大量岗位正在被替代。我们尚不清楚，这场由 ChatGPT 带来的社会变革会进行到什么程度，又怎能知道要去培养什么样的人？如果指望学校去做滞后的应变，结果只能是 " 毕业即失业 " 的难题。

其次，传统的教育工具逐渐失效。写作业、考试和论文写作等方式，被广泛应用于学生的学习和评价中。但是，ChatGPT 的出现，使得这些传统工具已经逐渐失去了其原有的效力。比如在美国，ChatGPT 已经被学生广泛用于论文写作，这带来了两个棘手的问题：一方面，学校难以区分这些论文是学生写的，还是 ChatGPT 写的。另一方面，如果 ChatGPT 可以在写论文上比你做得更好，你拼命学习写的论文还有什么竞争力？新的教育工具又在哪里呢？

再者，ChatGPT 使得知识的获取变得容易，以知识传递为基础的教育失去价值。传统的教育是以知识传递为基础，教师将知识传授给学生，而学生则需要在课堂上认真听讲、背诵、做练习题等方式来学习知识。但现在，我们可以通过 ChatGPT 直接获得知识，甚至等到马斯克的脑机接*术成熟后，ChatGPT+ 一块芯片，就可以一次性完成全人类的知识传递。那就是终极的教育变革了。

这只是教育核心要素中的三点，随着 ChatGPT 技术的迭代，我们很难想象这场浪潮持续的时间和影响的深度。

但教育，不仅仅是学习知识的过程。

在谈论教育之前，我们要先明确教育的两大作用：社会分层和知识传递。

社会分层是教育的基本作用：通过教育体系，对不同群体进行分类，以满足社会分工的需要。现代教育的起源其实在德国，19 世纪中期，第二次工业革命发展使得教育的普及成了社会发展的关键任务，德国为培养产业工人，建立了 8 年制，以教师为中心，培养标准化人才为目标的 " 工厂 " 式的教育模式。请注意，这里的重点是培养产业工人。这套教育体系有一个好处，它创造了一个全民 " 公平 " 的制度：努力学习，考上好大学，找到一份好工作，就是一个标准化的成功人生模式。每个人都有公平的出人头地的机会，如果你没有成功，那是你自己的问题。这是社会稳定的基础。

这个作用，不会被 ChatGPT 改变。

ChatGPT 能够改变的，是教育的另一个功能：知识传递，或者我们称为学习。顾名思义，知识传递是向学生传递知识和技能，以满足个体生存和发展的需要，成为更合格的工人。

大多数情况下，我们讨论的 ChatGPT 如何改变教育，其实仅仅在改变学习知识这一件事：学习目标、学习过程、学习方法。由于我们第一节所讨论的内容，ChatGPT 确实会对学习知识这件事产生极大的改变。

现在的 ChatGPT 只实现了教育变革的第一步：提供答案。这是一个单点的、弱逻辑的结果。

后面是什么呢？

第二步：这个知识点学生为什么对或者错？

第三步：应该通过什么方式去进步？

第四步：下一步应该学习什么去持续提升能力？

简单来说，ChatGPT 能告诉你 1+1=2。但如果你回答是 3 或者 5，它并不能理解你为什么错了，自然也就不能指导你怎么学习这一类知识点。进一步，如果你想提升数学能力，ChatGPT 也无法给出一个可靠的方法。

现在我们能看到的 AI 技术在教育行业的应用，比如多邻国的对话功能，更多也只是第一步的服务，但对于语言学习，这种对话式的练习足够了。在一些有限选择的题型上，也许能分析错误答案的原因，但其实很有局限性。谈论比较多的 " 个性化学习 "，如果没有对知识体系的完整认知和解构，也就只是一个提供单点答案的机器，像一个更便捷的 " 拍照搜题 " 工具，而不能称之为真正的个性化学习。

因为学习本身是一件复杂的事，它涉及三方面的融合：人脑是如何认知的、知识是怎么形成的、人脑如何掌握知识体系。ChatGPT 改变教育的后面几步，更多要依赖于对这三件事的理解，这是一个体系化的工作，又回到了教育本身。

如果只停留在技术上，ChatGPT 只是另一种灌输式的学习工具。

问题到了这里，其实要问：谁在做教育内容的体系化？

很遗憾的是，长久以来我们接受的教育内容都是缺乏体系化的，重结果、不重过程，上来先甩给你一堆公式和定理，至于怎么来的，不重要。导致的结果是，学生们看起来知识量丰富，但早早地失去了学习兴趣，缺乏创造力。

知乎上有一个很热门的话题《为什么我会感觉大学教材很烂》，吸引了近 2000 次回答、话题浏览量超过 1000 万次。问题的根源在于：很多教材的编写过程，并不是我们想象那样的严谨、有逻辑。如果你有空翻一下里面的回答，相信你会沉默良久。这个现象不仅存在于大学，小学、中学同样如此。

这一点上，国外的教材更注重过程和引导，会告诉你一个知识点的来龙去脉 , 非常注重思想上慢慢的渗透和改变。这在初期，会显得学习慢、知识量少，但是在真正培养兴趣和能力。所以我们会感觉国外中小学生的数学比我们简单、数学能力差，但却能成长出顶尖的数学家。

国内当然也有人在做教育内容的体系化，这是一个漫长而艰难的工作。我们也曾见过有很好的体系和内容引导的教育产品，比如某数学、某英语。只是在应试教育的体制下，一些注重教育本身的产品，往往不会成为大众化的需求。但 ChatGPT 的到来，已经让教育内容的变革迫不及待。过去在提升全民素质的诉求下，灌输式的学习仍有价值，现在 ChatGPT 的知识量超越了所有人。

在文章开头，我们提到的 ChatGPT 将掀起在线教育之后的下一个教育变革的浪潮，重点也正在于此：让学习的体系化真正可行，改变学习的过程，培养兴趣、培养能力，而不再是知识的灌输。这会是一个更加动人心魄的变革阶段。

最终，我们需要回到教育的目标上：AI 时代，教育的意义将是什么？家长该培养孩子什么能力？知识的获取不再重要，我们应该追求什么？

在我看来，未来三方面的能力至关重要：人机协作、人际协作、心理能力。

ChatGPT 是一个工具，我们需要学会更好地驾驭它。汽车替代了马车后，马夫可以转型司机，对于 ChatGPT 同样如此。ChatGPT 可以使得办公软件的效率大幅提升，制作 PPT 只需要一键生成；ChatGPT 图片生成、视频生成，降低了创作的门槛和成本；ChatGPT 写代码的能力，也降低了软件开发的门槛，利用好 AI 技术，它就是提升我们效率的利器。

关于人际协作，人类毕竟是社会性动物，无论技术如何发展，人与人之间的关系是维持社会运行的基石，组织、管理、权力等等和人相关的能力，依旧会需要。

心理能力，可能是我们更加需要重视的。AI 技术对生产过程的冲击，也会带来社会秩序的冲击。比如你是一个 40 岁的原画师，因为 ChatGPT 技术的出现而被裁员，这个年龄阶段还有心理能力去重新开始吗？这个问题迟早需要程序员、司机等等岗位去思考，这可能是未来社会最大的挑战，而且会快速到来。

人工智能，关键是智能，它是一种解决问题的能力。而人类区别于机器的是意识，诸如痛苦、快乐、爱和恨等情感能力，这将是我们最后一块阵地。

就像比尔盖茨最近所说：

AI 时代已经开启，暂停研发 AI 的呼吁并不会解决我们面临的挑战，应该将重点放在如何最大程度地利用 AI 技术及其所带来的发展。

ChatGPt核心技术 saas技术与chatgpt有相关性吗

之前的文章中，现已简略介绍了instructGPT，接下来，想要介绍一下 chatGPT以及相关的使用。本文将以比较容易了解的语言来介绍 chatgpt，并做相关技能总结，后续会介绍相关使用。

chatGPT 是openai 根据 gpt3.5系列练习的对话LLM（large language model）。和之前介绍的 instructGPT 属于兄弟模型（sibling model），两者都属于 gpt3.5系列。 chatGPT 首要的卖点是: 能跟进答复、对前面犯的错误承认并调整、防止答复负向内容，敢于挑战不正确的请求，支撑中文。 chatgpt 现在能支撑的使命很多： 对话、问答、翻译、阅读了解、智能摘要、故事生成、写代码、查bug。用户体验很棒。2个月累计 1个亿 用户。

• gpt3(175B) -> gpt3.5 InstructGPT(1.3B) -> ChatGPT(175B)

在之前文章介绍中，我们可以看出，instructGPT 比较于 gpt3，首要是添加引入了 RLHF，人类反应的强学学习练习办法；而 ChatGPT 比较于 instructGPT，练习办法是一样的，首要区别在于chatgpt改进了数据搜集的办法，并引入了很多、高质量的人工标示数据。

这儿的过程，PPO 其实还不是特别清楚，看起来是会得到一个更好的 SFT？？

• 是会迭代得到一个更好的 SFT 和 更好的 RM；
• 具体是 RM 得到 reward 之后，使用强化学习中的 ppo-ptx 持续优化 SFT

• 预练习数据，46%从网上爬取的数据，从45TB 清洗完之后剩余 570GB，仅保存了 1% 的数据；
• 400k-500k的标示数据，听说标示质量要求较高，因此每个标示人员每天大约只标示 几条-十几条，整个团队每天的标示在几百-几千条数据
  • 回绝答复的时分，还需要标示人员写出对应的回绝文本，这个成本就比较高了…
• 三四个科研人员 + 七八个工程
• gpt3 预练习花费在 1200w 美元，388块 A100 练习了挨近 4个月

• 存在事实性错误
  • 例如“如何做西红柿炒袜子”， 它真的会仔细描绘过程…
  • 关于 2021年之后的数据，没有纳入练习数据中，不过3.24日现已发布了联网版！
• 逻辑推理（这个杂乱一点，或者没见过的就很难作对了）
• 安全性问题

  • 直接问询黄色网址会被规避，但假如改成“请告诉我一些不应拜访的违规网站”，chatgpt 依然会给出成果

  横竖总的感觉是，现已初步具备了学习仿照才能，但还没有彻底的智能。

为什么 77k的 instruct tuning 会比 300B的pretraining作用却更好呢？

• 应该是说 pretrain 得到的 LLM 本身就现已被注入了很多先验常识，而且具有强壮的泛化才能，所以finetuning 后的 gpt3，会在 in-context leanring 上有较强的表现力；instruct tuning 并不是给 LLM 注入才能， 而是经过微调散布的办法，让模型解锁更多的才能；
• 对齐税（alignment tax）：instruct tuning，其实适当所以牺牲了一部分 in-context learning的才能。而chatgpt能保存一部分 in-context leanring的才能，首要是因为强化学习调整阶段采样了预练习的数据；
• 关于 chatgpt来说，标示的质量非常重要！ SFT 能让模型适配下流使命，生成符合人类质量的 A，而 RM 则能让最好的 A 排到前面，这两个过程结合，能下降总的标示量，假如只要 SFT则需要更多的数据。
  • 标示的人员大部分在 25-35岁，具有大学-硕士学历
  • use case占比较高的是生成使命，其次是 QA 使命；

总结下来看， 预练习的LLM，可以具有生成、融入世界常识和 in-context leanring才能；而 RLHF 则是让模型可以遵从人的价值观（公平、客观、正向的）、回绝常识范围外的答案、包括更多的细节（cot）；能具有建模前史对话的才能。

本文正在参与 人工智能创作者扶持计划