与华师范大学教授钱卫宁交谈：AI正在消除教师的权威

·如今，大学内部教育体系的变化更多地依赖于行政命令的推进，每个人都非常迫切。然而，我认为这种紧迫性如何将行政推动与学科本身和技术规律相结合是我们面临的一个大问题。我们认为今天教给学生的东西将来可能不会被使用，但是如果我们不教这些东西，我们应该教给学生什么？

以大型技术为代表的人工智能正在影响大学课堂，而数据科学与工程正是AI面临的领域之一。

钱卫宁作为华东师范大学数据科学与工程学院的院长，观察到AI越来越深入学生的日常生活。比如数据学院的学生在调查中说，去年用AI节省了10个小时左右，今年这个数字增加到了20个小时。

钱卫宁一直在思考学科设置中的“变化”和“不变”，面对这场由技术驱动的大学教育变革。在他看来，新工程人才的培养需要打破学科的界限。计算机、统计学、应用数学等传统学科与各应用领域的结合将产生大量新的应用创新和交叉学科。培养新工科人才是面向交叉领域的关键，他也担心今天教给学生的技能会随着技术的发展而迅速变得过时。因此，教师的思维方式必须改变，教师的职责也必须改变。如何激发学生的内在动力，保持对世界的好奇心，掌握学习能力，掌握应对变化的思维，也是高校教学的应有之举。

华东师范大学数据科学与工程学院院长 钱卫宁 来源：受访者提供图片

以下是最近与华东师范大学数据科学与工程学院院长钱卫宁教授对话的全篇文章：

不要教这些，我们应该教学生什么？

澎湃科技：什么是人工智能对每个学科的最大影响？

钱卫宁：人工智能大大改变了教学方法。我们做了一个研究。研究生一周用AI节省多长时间？去年，学生们说他们一周节省大约10个小时。然而，今年，学生一周可以节省大约20个小时的人工智能。此外，学生使用人工智能帮助他们在课堂上现场回答老师的问题变得越来越普遍。

我们内部讨论过:现在的大模型可以帮助学生打代码，那么我们是否应该教学生打代码的技能内容呢？但需要强调的是，今天的AI是会用AI的人使用的。对于一个没有计算机基础知识的人来说，即使使用今天最强大的人工智能工具，仍然无法完成复杂的R&D任务。

这给我们带来了巨大的挑战:一方面，我们认为将来教给学生的技能可能不会被使用，但另一方面，如果我们不教具体的技能，我们应该如何训练学生掌握未来技能的能力？

目前，数据学校在一线教学的教师仍然认为有必要教授基础知识。但我们都承认不能用原来的方法教。我们应该整理课程内容中的“变化”和“不变化”内容。因为在AI时代，有很多东西可以改变。今天哪个学校或者哪个老师可以尽快提炼沉淀那些“不变”的内容，哪个学校可能在教学和研究上走在前列。

澎湃科技：什么内容对你来说应该改变？什么不应该改变？

钱卫宁：在某些科目上，我们做了“减法”。目前，我们正在规划新的人工智能专业课程。一方面，我们在课堂上做了一些比较古老的传统计算机专业课程知识。另一方面，针对学生未来从事人工智能相关工作，我们补充了与矩阵计算、优化和运营相关的知识。当然，如果所有的计算机和数学知识都要在课堂上教，本科四年教不完。因此，我们还需要设计课程的安排，重点关注学生未来在某些方面的研发需求和学习规律。

AI是一个典型的“应用驱动创新”产业。在学术界和工业界之间没有明确的界限，工业界、工业界和高校的人才双向流动越来越普遍。培养人才的思想也强调了这一点。若缺少有工程研发经验的工业界教师，则难以培养好学生。因此，在英特尔、蚂蚁、JD.COM、华为、百度等创新型企业拥有丰富的工程R&D经验的教师有40多名。

人工智能的发展速度太快了。如果我们用固定的培训方案教学生，他们总是落后的，所以我们也开发了一系列项目研究课程。比如我们正在开发的一门新课程，让学生从零开始自己做一个预训练模型。在完成任务的过程中，学生应该积极学习许多额外的知识，并从应用的角度思考如何设计、实现和项目。在传统的方式下，教授这些内容通常需要很多课程。通过这种新的方式，学生可能会学得更快、更好。

最大的困难是激发学生的学习动力。

澎湃科技：你在这一过程中遇到的最大困难是什么？

钱卫宁：如何建立一种既能激发学生学习动力的教育模式，是最大的困难。

在教学资源有限的情况下，我们通过“拔尖”或“拔尖”的模式来培养优秀的人才。也就是说，选拔优秀的人，集中在一起，给他们更好的教育资源。但是这些学生潜力很大，即使不集中，也可能很优秀。

然而，在创新领域，我们看到越来越多的反社会常识人才，比如王兴兴，他们取得突破的行业可能远离他们所学的专业。让我们思考一下是用过去的传递方式在大学里教，还是要点燃学生的兴趣，激发他内心的动力。

我们正在探索另一种方式，我们的学生本身就是传统意义上的“好学生”，但我们更关心的是如何进一步激发他们的内在动力。但是这个过程很长，没有完美的经验，需要更多的探索。

此外，行政要求是当前人工智能对高等教育变革非常重要的驱动力，每个人都非常迫切。然而，我认为如何将行政力量的推动与学科本身和技术发展规律相结合是我们面临的一个大问题。

澎湃科技：对于你们来说，AI来了，现在大学里的考试对学生来说还重要吗？

钱卫宁：我们的传统考试体系承担了两个功能，一个是评估学生的能力，另一个是选拔。在大学里，学生的成绩反映了他们的学习情况。但是从能力评估的角度来看，我觉得考试并不全面。

今天，在我们的学科中，学生有丰富的工具和外部资源，课堂知识的学习只能反映学生能力的一部分。我们需要评估的是学生在课堂上学到的东西，以及他们积极获得的其他知识以及解决实际问题的能力。当我们的课程改革时，相应的评估机制也会发生变化。

目前，这类项目制研究型课程的考核机制已在我们拔尖班开始探索，后期也将逐步辐射到其它班级、其它课程。

正在消除学校和教师的权威。

澎湃科技：每个学校都想培养什么样的人才？

钱卫宁：我院负责培养数据专业和学科的本科生、研究生和计算机拔尖2.0基地的学生，也负责培养全校计算机公共课的教学任务。这些人才培养任务大致可以分为两种，即新型专业工程人才培养和所有员工的计算机科学教育。

对新型工程人才的培养，我们希望具有爱国精神、社会责任感的人才，同时具有求知欲和好奇心。工程质量是什么？在我看来，这是一种理性的思维，愿意动手，以及敏捷的开发和设计创意。

归根结底，要打破学科界限，应用跨学科知识，包括传统计算机统计应用数据和各种应用领域，这对于我们培养新的工科人才非常重要。

对每个人来说，目前学习新技能当然很重要。然而，我们应该考虑到技术的快速发展。今天教的技能很可能会在学生短时间内成为过时的东西。因此，在教授技能的同时，教授知识和训练思维是最重要的。

在我看来，掌握编程思维是非常必要和基础的。编程思维是指编程中常用的分而治之、由浅入深、试错迭代、例外处理的思维方式。其实这教的是如何解决问题，如何处理机器，如何让机器(包括人工智能)被人利用。这是进一步培养数字素养，学习人工智能技术和知识的基础。

澎湃科技：如果你现在不是名校的学生，怎么才能学会好好利用AI？人工智能发展越快，高校师资比例和发展，学校之间的教育资源会不会更不公平？

钱卫宁：与大数据、云计算一样，人工智能实际上是一种“大众化”技术。与传统的需要进入校园和实验室学习技术相比，今天我们任何人学习AI的门槛都要低得多——在互联网上，有大量名校/培训机构的免费优秀课程、教材和教材，有大量优秀的开源代码供学生学习，有相对便宜的云资源供学生实践使用。在技术论坛上，很多好心人回答了各个层次的学习者遇到的问题。如果你有足够的内在动力，掌握一定的自主学习方法，我认为每个学生和年轻人都可以学到足够多的新的AI知识和技能。

对大学和大学教师来说，他们面临着另一个问题。如今，学校与学生、教师与学生的关系正在发生变化。以前，学校和教师的权威性正在被消除，因为知识的普及，尤其是AI的蓬勃发展。在某些领域，教师和学生都是学习者。当然，教师可能因为经验丰富而掌握更高效的学习方法，但相反，他们可能没有年轻学生那么强的学习能力，因为他们有很重的传统知识负担。学校培训计划和教学大纲很可能落后于技术发展。

在硬件投资、教师、外部资源等方面，学校的不平均是永远存在的。AI不会加强这种学习资源的不平均值。但学校需要综合考虑学生的自主学习、内外学习成绩，纳入教育评价体系，真正实现“无教”、“因人施教”。

另一方面，高校在硬件资源、数据资料等方面的不平均可能会在一定程度上对高校的研究工作造成不公平。但是，研究需要“八仙过海，各显其能”，就像“专精”和“小精”的AI相关研究一样，可以找到自己的成长点。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com