ChatGPT等生成式人工智能技術正在徹底改變世界，教育也不例外。

由于擔心學術造假、不實和有害內容擴散，一些教育結構選擇了防御立場，禁止或限制這些工具的使用。

而另一些學府卻秉持更加開放的態度，哈佛就是一例。

從學生到老師，他們都在急切地擁抱AI。

哈佛本科生協會對326名本科生進行的一項調查發現，AI 已經深深扎根于學生生活中：87.5%的受訪者表示他們使用生成式AI。

在AI用戶中，大多數至少每周使用一次，幾乎一半的用戶至少每兩天使用一次。

對于四分之一的學生而言，AI部分替代了辦公室答疑和閱讀材料的時間。半數人擔心AI會對他們的職業前景產生負面影響。

在所有的AI產品中，最受歡迎的是ChatGPT，有超過95%的受訪者使用。其他產品如Anthropic的Claude或GitHub Copilot編程助手，使用率各約為20%。

據報道，ChatGPT在學生中的廣泛使用是OpenAI尚未發布「文本水印」（人工智能文本檢測器）的原因之一。

研究結果

哈佛學子如何用AI

使用情況多種多樣：學生們最常使用人工智能回答一般性問題。

大約三分之一的學生認為，人工智能系統已經取代了維基百科或谷歌等傳統信息來源。他們不再搜索網絡，而是直接詢問ChatGPT。

其他常見的應用包括幫助撰寫論文和電子郵件，以及編程任務和數據處理。

調查顯示，人工智能的可用性也會影響學習行為：約25%的人工智能用戶表示，由于人工智能的存在，他們不太可能參加辦公時間、向教師尋求幫助或閱讀必讀材料。

不過，很少有人表示因為人工智能而減少了聽課次數。

「AI觀」調查

約35%的學生擔心他們的同學可能會利用AI在學習中獲得更多的不公平優勢。這表明，大學應認真制定可執行的人工智能使用規則。

55%的受訪者認為，人工智能改變了他們對未來職業的看法，約45%的受訪者擔心人工智能會對他們的職業規劃產生負面影響。這一比例在幾乎所有職業類別中都差不多。

學生們還關注對整個社會的影響：約40%的學生認為，30 年內，人工智能系統將在幾乎所有領域比人類更有效率。

同樣多的人認為，遏制人工智能毀滅人類的風險應成為全球優先考慮的問題，其重要性不亞于大流行病和核戰爭。

大學需如何應對

研究還就大學如何應對這些發展提出了建議。

這些建議包括：

• 所有學生都可以免費使用人工智能
• 明確且可執行的人工智能使用規則
• 以人工智能為導向的職業輔導
• 更多關于人工智能影響的課程
• 針對「AI恐懼癥」提供心理支持

5月，奧特曼在紀念教堂舉行的一場座無虛席的活動上發表演講。奧特曼的校園之行所產生的熱烈反響表明了學生們對AI的廣泛興趣

哈佛自上而下的AI變革

以上都是學生們自下而上的努力，其實，哈佛大學從很早開始，就已經在這么做了。

2022年是一個拐點，隨著ChatGPT的到來，學術界和企業對人工智能的資助激增。哈佛大學的研究也因此被重塑。

在大學層面，新的教師委員會、研究項目和全新的研究所都在爭先恐后地了解這項技術。

雖然教師們對技術的進步速度感到震驚，并對技術的風險感到擔憂，但許多人也對它可能帶來的好處感到興奮。

他們正急于迎接AI浪潮。

甚至在ChatGPT發布之前，哈佛大學就已經把目光轉向了人工智能。

追趕與合作

2021年12月，哈佛大學輟學生扎克伯格和妻子Priscilla Chan承諾斥資5億美元建立肯普納自然和人工智能研究所，以扎克伯格的母親和外祖父母的名字命名。

當時，對人工智能的癡迷仍然主要局限于硅谷和計算機科學系。

流行的聊天機器人尚存在重大缺陷，至少在流行的觀點中，肯定不會很快趕上人類。

扎克伯格和Priscilla Chan在肯普納自然和人工智能研究所成立儀式上發表講話

然而，當學術界的車輪緩慢轉動時，人工智能研究卻達到了驚人的速度。

2022學年，肯普納研究所還在聚集教員并建立管理基礎設施，ChatGPT就推出了，成為歷史上增長最快的消費者應用程序，在短短兩個月內就達到了1億用戶。

盡管哈佛大學的肯普納研究所看起來奢華且資金充足，但5億美元的資金對于AI產業來說，實在是杯水車薪。

在過去兩年里，前沿人工智能研究的資本密集度提高了幾個數量級。

2021年，最大的AI模型的制作成本是數百萬美元，但目前訓練前沿模型的成本可能會超過10億美元。

這種不斷膨脹的規模極大地改變了學術和行業研究之間的關系。

哈佛大學的人工智能研究人員必須提出更小的問題，或者特別的問題，而不是自己訓練下一代模型。

隨著學術界和工業界資助之間的差距越來越大，甚至一些教授選擇了「出逃」。

去年7月，計算機科學和應用數學教授Yaron Singer離開哈佛大學，專注于他的人工智能安全初創公司Robust Intelligence，計算機科學教授Boaz Barak今年春天休假前往OpenAI工作。

盡管如此，肯普納研究所可以在不訓練最知名模型的情況下貢獻知識。

研究所執行主任Elise Porter指出，一些實驗目前正在肯普納研究所的集群上運行，探索模型的「縮放定律」。

雖然這些實驗可能只需要數十或數百個GPU來運行，但它們的結果可能會告訴企業實驗室如何構建最大的模型。

肯普納自然與人工智能研究所購買了近400個先進GPU，以加強其用于訓練生成式人工智能模型的資源

Porter說，即使在工業界，公司在花費數千萬或數億美元創建一個大型模型之前「仍然必須進行概念驗證」。

這正是哈佛可以做的事情：找到問題的「最佳點」，其答案「有意義并創造進步」，同時無需數十億美元的計算集群即可進行測試。

充足的項目資金

人工智能在哈佛大學的影響力遠遠超出了肯普納研究所，而且其資金不僅僅來自扎克伯格。

在過去的一年里，哈佛大學成立了三個全校范圍內的人工智能工作組，在其網站上專門開辟了一個專門討論該主題的部分，并贊助了更多獨立活動。

今年夏天，哈佛法學院與伯克曼·克萊因互聯網與社會中心合作宣布了一項關于人工智能和法律的倡議，今年秋天，醫學院接受了第一批新人工智能醫學博士課程的申請。

伯克曼·克萊因互聯網與社會中心

通過其中一個工作組，哈佛大學建立了另一個夏季研究項目，以資助AI研究，甚至只是使用生成式AI的項目。

據多位教授稱，由此產生的GenAI研究計劃以前所未有的速度獲得了資金。

設計研究生院教授Carole T. Voulgaris通過 GenAI 研究項目聘請了兩名暑期研究助理，她表示獲得資金的過程「感覺就像魔術一樣」。

「大學的工作組一直在努力盡可能快地提供新資源」，負責研究的副教務長John H. Shaw在一封電子郵件聲明中寫道。

教授們還利用哈佛的資金為計算機科學、經濟學和物理科學等課程開發教育聊天機器人。

Logan S. McCarty在資助聊天機器人的辦公室擔任科學教育副院長，他表示，結果「非常有希望」。

「學生們非常愿意向人工智能提出一些看似愚蠢的問題，他們可能不愿意問人類 」，他說。

那么這些錢從哪里來呢？

McCarty在今年年初表示，「這些都不屬于我們的預算」，但當人工智能這樣的東西出現時，我們會嘗試集體尋找資金來籌集。就課程聊天機器人而言，資金來自可自由支配的資金以及「課程創新基金」。

一些教授稱贊大學的迅速反應。

計算機科學教授Ariel Procaccia在一封電子郵件中寫道，「哈佛大學在人工智能領域擁有令人印象深刻的影響力。」

他引用了肯普納研究所和SEAS內的新人工智能計劃，「我預計這些舉措將帶來圍繞人工智能的有影響力的大規模合作。」

「我對哈佛大學非常滿意」，天文學教授V. Ashley Villar說，「 他們真的接受了我認為將是革命性的東西。」

教授們也在使用AI

去年春天，一位同事告訴哈佛大學肯尼迪學院教授Gautam Nair一項他發現的非同尋常的統計數據：微軟的團隊在日常工作中使用了LLM，比那些沒有這樣做的人更有效率。

Nair被這個事實震驚了，于是也開始使用LLM。

人工智能現在可以幫助他做一切事情，從編寫代碼、進行統計分析到概述學術文章。

他不是唯一一個。

來自藝術與科學學院以及哈佛大學許多研究生院的教授已經開始將人工智能納入他們的研究和教學中。

在ChatGPT將生成式人工智能變成流行語之前，研究人員就已經開始熱衷于使用機器學習了，這是模式識別系統的廣義術語，是面部識別和谷歌翻譯的基礎。

「機器學習很快就融入了社會科學和生命科學領域」， 它正在日益推動大量前沿研究，實際上是任何有大量數據的研究。

在心理學方面，該系現在大約有一半的演講「都有某種機器學習的成分」。

天文學教授Villar將機器學習的日益普及與基礎統計數據的采用相提并論。她說，機器學習是「目前我們在科學領域所做的許多工作的基本組成部分。」

ChatGPT的出現只是加速了這一趨勢，但出現了新的變化：除了簡單地使用機器學習來分析數據之外，一些教授開始將人工智能本身視為研究對象。

在心理學領域，有人研究大語言模型，尤其是ChatGPT，就好像它是一個孩子、一只黑猩猩或我們試圖理解的某種新智能。

教授們也像學生一樣使用它。

最近，Nair使用LLM為國會演講提出一種新的分類方案并編寫代碼，該方案可以為他的研究團隊節省數百小時的手動標記時間。

McCarty教授了一門關于生成式AI的Gen Ed課程，名為「機器的崛起」，他說他使用ChatGPT來幫助他理解技術CS論文，為課程做準備。

對于其他人來說，更好的生成模型正在解開以前無法解決的問題。

設計研究生院教員 Allen Sayegh 研究人們對建筑環境的反應，他正在嘗試使用人工智能生成虛擬現實「沉浸式空間」，并使其實時適應用戶的反應。

「作為一名研究人員，這是一種興奮感」，心理學家Greene說，「但作為關心世界的人類，我認識的很多人都擔心人工智能的破壞性影響。」

不過，目前他并不太擔心機器會取代他的工作，或者他的同事的工作。

「相對而言，我認為科學家的工作更有可能得到人工智能技術的補充，而不是被取代。」