聚焦教育场景的大模型，离真正的「教育专用大模型」还差多远？

原文来源：多鲸

作者：曹培杰 黄宝忠

图片来源：由无界 AI生成

回望2023年，ChatGPT横空出世，国内外公司纷纷推出自家大模型，加入混战，各种智能化教育产品也随之落地，AI+教育概念热度飙升。由于教育所独有的个性化、互动性需求，教育行业成大模型落地最通畅的场景之一。从通用大模型到教育专用大模型，从AI概念到实际产品，如何推动市场生态走向成熟？

近日，中国教育科学研究院数字教育研究所副所长曹培杰、之江实验室智能教育研究中心主任黄宝忠共同发布了《重构教育图景：教育专用大模型研究报告》（下简称《报告》）。《报告》聚焦教育专用大模型，从技术基础、应用现状、潜在挑战、创新构思、落地场景等方面开展研究。

「大模型」（largemodels）是指具有数十亿到数百亿甚至更多可训练参数的人工智能模型，它是深度学习、GPU硬件、大规模数据集等多种技术共同发展的产物。大模型所展现的强大能力实质上是深度学习中「量变引起质变」的结果。当模型参数量达到一定规模时，模型准确率会经历质的飞跃，这一过程被称之为「涌现能力」，即从原始训练数据中自动学习并发现新的、更高层次的特征和模式的能力。这些能力突出表现为通用的用户意图理解能力、强大的大范围上下文连续对话能力、智能的交互修正能力、内容的润色分类和总结能力、新内容的生成能力、多模态能力。

《报告》指出，教育专用大模型是指以通用大模型为基础的多层次开放技术架构，以多样的教育数字化应用为驱动，通过统一交互对话界面向师生和社会学习者提供专业能力，具备丰富多样的教育专业知识，并在应用中持续升级。作为重点研发领域之一，教育专用大模型是大模型技术、知识库技术以及各类智能教育技术的集成应用，将在教育过程中训练形成教育新场景，实现人类学习和机器学习的双向建构。

教育专用大模型应用包括学习空间互动生成、学习资源按需供给、教师角色转型升级、探究性学习、对话式教学、嵌入式评价、服务式治理等关键要素。

当前，教育专用大模型主要采取两种技术路线：一是直接调用通用大模型，通过微调或提示学习的方式使之具备一定专业能力；二是利用教育领域专业数据，专门训练用于解决教育任务的大模型。

综合当前业内情况看来，这两种技术路线都取得了一定进展，但实现效果仍有待提升。由于缺乏足够的专业数据训练，教育深度知识不够，智能性不强，难以灵活处理复杂多变的教育任务。

《报告》指出，研发教育专用大模型，破解之道在于两条技术路线整合起来。

这并非简单相加，而是通过建立一种全新的开放技术架构，系统整合通用问题解决能力和教育专用问题解决能力，实现技术突破。具体来说，要结合通用大模型与教育领域专业数据，打破数据孤岛，通过开放数据接口源源不断地获得来自常态化教育应用中的数据；要以专家知识库作为大模型的补充，将学科知识和教育教学中的各种规则有意识地「教」给大模型；要整合应用各类智能教育技术，将已经发展起来的各类智能教育技术集成于教育专用大模型之中。

大模型在口语练习、数学学习、情感分析和个性化推荐等方面为教育带来巨大潜力和可能性。《报告》梳理了五种典型的教育专业大模型应用案例，对其发展背景、应用场景、设计特色等进行了深度分析。

教育专用大模型典型应用案例

从应用场景看，星火语伴主要用于语言学习，支持多语言文本、语音和图片的实时翻译，并能纠正语法错误，提供口语陪练等。EmoGPT用于提供心理健康服务，能识别和响应用户情绪，提供持续的心理支持。MathGPT面向全球数学爱好者和科研机构，提供解题和讲题算法，支持用户进行数学解题和练习。智海-三乐用于AI专业教育，提供搜索引擎、计算引擎和本地知识库等功能，支持智能问答和试题生成。Khanmigo通过对话式AI聊天机器人为学习者提供个性化学习方案，同时也支持生涯规划服务、教学方法辅导优化等。