分类： 法学 >> 法学理论 提交时间： 2024-05-09
摘要：随着以ChatGPT为代表的生成式人工智能技术的突飞猛进，人工智能的伦理问题受到了广泛关注。生成式人工智能引发了削弱人类主体价值、加剧算法偏见与歧视、过度依赖拟态环境输出结果、人机协作双向价值对齐困难等伦理难题，亟须从人工智能伦理治理组织机制、人工智能伦理规范机制两方面入手，明确生成式人工智能应用中的人本主义立场，建构生成式人工智能治理的伦理规则，为增进人类福祉提供有力的伦理支撑。
分类： 综合学科 >> 综合学科 提交时间： 2024-04-23 合作期刊: 《社会科学战线》
摘要：近年来, 生成式人工智能快速发展并渗入意识形态领域, 通过大量发表含有意识形态内容的言论和信息、 围绕和设置议题展开社会动员、 炒作政治人物人气、 干扰主流意识形态传播渠道等方式, 使得互联网意识形态领域面临的风险呈现自动化、 智能化趋势。 作为 “对象化的知识力量”, 生成式人工智能在本质上是属人的, 其在意识形态领域活动的行为逻辑主要依据利益与兴趣诱导、 从众心理、 强势意见压力等对人们施加意识形态影响。 对此, 需结合社会思维和技术逻辑, 从认知、 制度和技术等层面, 防范生成式人工智能可能引发的网络意识形态风险。
分类： 教育学 >> 课程与教学论 提交时间： 2024-05-08 合作期刊: 《课程·教材·教法》
摘要：生成式人工智能融入课程教材教法出现了新变化，为此，提出生成式探究学习、生成式课程、教材的智能化助手开发和重构学习资源建设的新思维尤为重要。在教学中应用生成式人工智能，应在国家《生成式人工智能服务管理暂行办法》的指导下，从国家、学校到每一个班级，都要制定学校教育应用生成式人工智能的管理办法，确立在教学中学生使用生成式人工智能的班级教师责任制，开展全员培训，提升教师在教学中合理运用生成式人工智能辅助教学的技能，开展有关生成式人工智能环境下教学改革发展规律的教育科学研究，为人工智能在全社会的普及作好教育准备。
分类： 综合学科 >> 综合学科 提交时间： 2024-04-23 合作期刊: 《社会科学战线》
摘要：人工智能时代下，以大语言模型为代表的生成式人工智能技术引发了多领域的范式革命，探索其在学术研究中的应用价值与风险规避具有必要性。大语言模型本质是字词从语言空间向语义空间的转换模型，具有同构性、 统一性与稳定性的特征。大语言模型在学术研究中的价值主要体现在原创性、 知识管理与应用认同三个维度，提供了跨学科学术创新、 学术体系发展与提升学术研究影响力的价值。大语言模型存在的结构性与能动性局限主要表现为方法模糊、 责任模糊、 评价模糊、 主体性模糊，易造成研究信效度难以认定、人机角色责任划分不清，产生学术伦理不端与研究者关键技能退化的风险。 规范和引导大语言模型在学术研究中的应用，应增强研究者的主体性、 重视研究的解释性与反思性、 探索梯级人机协同研究策略与加强学术伦理建设。
分类： 教育学 >> 教育技术学 提交时间： 2024-04-26 合作期刊: 《阅江学刊》
摘要：以ＣｈａｔＧＰＴ为标志，大型语言模型一方面通过大数据纳入具有人类语境的语料，以软融合的方式让人类语境融入人工智能，另一方面通过人机交互的智慧化，以软融合的方式让人工智能融入人类智能，由此构成双向循环机制，造就其人机软融合的本性。在人机软融合交互进化过程中，大数据纳入人类语境构成智慧教育的大型语言模型条件；大型语言模型在语境学习强化阶段为智慧教育社会化奠定基础；在人机交互语境融合进化阶段，智慧教育中人的自我教育普遍发展成为可能。智慧教育是我国现代化建设的基础工程，大型语言模型的发展将不断提升智慧教育的人机软融合层次，不仅为更高层次的全球化智慧教育提供前所未有的语言条件，而且意味着智慧教育从形式的发展转向内容的升级。
分类： 教育学 >> 教育技术学 提交时间： 2024-04-26 合作期刊: 《阅江学刊》
摘要：智能时代的教育数字化转型不仅是技术的创新和应用，更是涉及战略规划、文化转变和能力构建的系统性变革。 在“智能技术与教育数字化转型”专题论坛中，跨学科的专家学者立足于科技革命与教育变革的历史交汇点，分析教育数字化转型的内涵、挑战、机遇和发展方向，提出构建智能化、包容性强、可持续发展的教育生态系统的未来构想。 面对生成式人工智能驱动的科技革命浪潮，教育领域需要主动开展前瞻性探索和实践，塑造与科技革命深度融合、双向赋能、人机协同的新业态。 教育领域要警惕生成式人工智能应用带来的潜在风险，应制定前瞻性政策、理论框架和实践指南，保障教育质量，遵循教育伦理。 同时，教育研究者和实践者应主动转变教育科学研究范式，挖掘生成式人工智能在教育实践应用场景中的价值，推动理论与实践的双向促进。
分类： 信息资源管理 >> 情报学 提交时间： 2024-01-16
摘要：学术成果评价作为科研项目评审、人才评价、期刊评价、机构评价等活动的基础，是学术评价体系的重中之重，也是科研管理的关键环节之一。当前，我国学术成果评价模式存在同行评议黑箱引文动机模糊评价数据间接且片面等弊端，阻碍了学术创新，也与当下建构自主知识体系的战略相悖。而近年来人工智能等技术在数据、算法、算力上的突破性发展，特别是判别式模型和生成式模型在机器翻译、文本分类、文本摘要、情感分析、问答系统等领域日益成熟的应用，为传统学术成果评价模式的革新带来契机，为实现更加科学、多元与智能的学术成果评价提供了充分可能。基于对现有学术成果评价模式不足与人工智能应用契合度的分析，文章提出学术成果评价新模式自然评价。自然评价模式是人工智能与学术成果评价的深度融合，既是对以往同行评议、文献计量、网络计量、替代计量等传统评价模式的批判性继承与发展，也是一种突破与革新。具体而言，自然评价是基于学术共同体在各种学术活动中自然产生的全量化的学术痕迹大数据，将人工智能技术应用于学术成果知识内容和学术共同体学术痕迹数据的语义理解与自动分析中，从而动态形成评价判断，并服务于知识创新与学术进步的一种评价模式。因其评价过程以自然形成为主、人为干预很少，故而命名为自然评价。文章从学理层面探讨了人工智能驱动下自然评价的技术逻辑、价值遵循与未来展望。就技术逻辑而言，自然评价以各类学术活动中的自然产生的痕迹数据为基础，通过算法支撑智能抽取数据中的语义并生成评价判断，通过算力赋能提升评价的精准度和效率。就价值遵循而言，自然评价秉持质量为先、公正为基、全面为要的价值原则，力求突围数字规训陷阱、破除人情主导桎梏、克服片面评价束缚。就未来展望而言，自然评价展现出顺应开放科学时代趋势、优化学术创新生态环境、促进自主知识体系建构的图景。最后，尽管本文已从学理层面系统探讨了人工智能驱动下自然评价的技术逻辑、价值遵循和未来展望，论述了其在理论上可以呈现出更科学的评价结果，但其中更为具体的人工智能技术实现机制、学术共同体评价激励机制、人机关系协调机制、不同主体评价赋权机制等难点，还有待在未来进一步展开研究。
主办：中国人民大学 承办：中国人民大学书报资料中心
邮箱: yuyin@ruc.edu.cn 电话:62516972 62515820
地址: 北京市海淀区中关村大街59号
版权所有©2024 中国人民大学
点击量
点击量
下载量
评论
京公网安备11040102700185