吴青，副教授，计算机科学博士，从事教育技术和高等教育研究。
吴青,刘毓文.ChatGPT时代的高等教育应对：禁止还是变革[J].高校教育管理,2023,17(3):32-41.
ChatGPT以其卓越的创造力重塑了人类对“智能”的理解，促使当今社会发生深刻变革。如果高等教育机构一味采用禁止态度，未来专业人士的职业技能终将不完整。尽管ChatGPT导致当前教师权威身份被质疑、教学场域被部分颠覆、创造力遭遇信任危机，但由于它能够作为通用教学资源打破学科知识专业分化壁垒、触发“课堂革命”赋能知识传播变革、破除信息茧房加速知识生产变革，故而拥有加速教育数字化转型的能力。因此，高等教育需要借助人工智能赋能新一轮“课堂革命”，通过实现教学目标多样化、教学内容两极化、教学过程智能化、教学评价多元化和知识生产协同化以更好地应对ChatGPT时代的到来。
ChatGPT；人工智能；高等教育变革；中国式教育现代化；数字化转型
高等教育作为人类长期可持续发展的贡献者，以其在高素质人才培养和知识创新上的独特优势，成为各国综合实力竞争的动力来源和风向标。长久以来，高等教育机构作为知识生产、传播和应用的核心场所，从未考虑过存在“非人类智能”。然而，随着数据、算法、算力的三重加持，人工智能（Artificial Intelligence，AI）在部分狭义认知领域远远超越人类，成为知识生产和传播的新生力量。特别是以ChatGPT为代表的生成式AI以卓越的创造力突破了人机智能差异的最后防线。人们并不知道该如何应对新兴的“非人类智能”，因而对ChatGPT的评价呈现严重的两极分化。以美国著名认知科学家诺姆·乔姆斯基（Noam Chomsky）为代表的技术悲观主义者将ChatGPT视为高科技剽窃和逃避学习的方式。因此，部分机构如纽约市教育系统以及香港大学直接颁布禁用令，《自然》（Nature）和《科学》（Science）杂志也明文禁止使用ChatGPT生成文本投稿。与之相悖的，技术乐观主义者将ChatGPT视作人类科技发展史上浓墨重彩的一笔，是将人类从繁重劳动中解救出来的利器，是人类文明创新的加速器。美国太空探索技术公司（Space X）和特斯拉公司（Tesla）的首席执行官马斯克(Elon Reeve Musk)称赞ChatGPT是AI领域划时代的里程碑。以ChatGPT为代表的生成式AI的出现，不仅引发了“AI应该在社会中扮演什么角色”的讨论，同时还让高等教育机构直面社会各界对其人才培养功能和知识创新能力的质疑，承受着巨大的压力。
不可否认，AI已经渗透到当今社会的各个领域。美国《财富》（Fortune）杂志网站称，在调查的1000家企业中近50%的企业正在使用ChatGPT。如果高等教育系统只是采用漠视和禁止的态度，没有充分融合AI技术开展人才培养和科学研究，未来专业人士的职业技能将注定不完整。人类既然无法阻止ChatGPT的发展与应用，那么当务之急需要探讨它将为人类发展带来哪些潜在影响，特别是在中国式教育现代化与教育数字化转型的大背景下，中国高等教育该如何与时俱进，充分融合AI的“非人类智能”优势，全面提升拔尖创新人才的培养质量。只有正确区分人类智能与AI“非人类智能”的差异，高等教育才能充分发挥黏合剂作用。因此，本研究尝试从可信度、创造力和组成原理等方面比较AI与人类智能之间的差异，进而厘清ChatGPT的哪些特征容易引发高等教育焦虑，找出当前高等教育面临的质疑和挑战。在此基础上，本研究从技术变革时代赋予的新机遇视角探索以ChatGPT为代表的生成式AI能够为助推高等教育变革提供哪些可能，并探讨我国高校在教学目标、教学内容、教学方式和评价方法等方面该如何应对，以期为促进数字技术与传统教育融合发展、实现中国高等教育的数字变革提供思考和建议。
关于智能的讨论主要发生在认知科学领域，包括哲学、心理学、神经科学和AI领域。这些讨论通常将人类作为主要研究对象。特别是“图灵测试”提出后，人们通常将追求类人智能作为衡量AI的黄金标准，期望AI能够弥补人类认知局限，成为“智能合作者”。学者们主要围绕可信度和创造力讨论AI与人类智能之间的智能差异。
《自然机器智能》（Nature Machine Intelligence）杂志指出，“ChatGPT很容易产生错误和误导性信息……甚至编造虚构的引用”，从而质疑ChatGPT的可信度。尽管ChatGPT并未实现绝对可信，但是这并不能作为阻止ChatGPT推广的理由。这是由于，人类同样存在认知偏差，并且这是一种系统且普遍存在的现象。一方面，群体性认知偏差会促使决策者偏离“理性人”假设，忽略“投入产出”效益，做出次优或完全错误的决策，从而产生公地悲剧、行动偏见和群体偏见等。另一方面，个体层面的认知偏差通常是一种无意识且作为“直觉”的存在，有研究列举出200多种认知偏见。对于人类认知偏差的产生原因，脑科学研究者将其归因于大脑神经网络的结构特征和运行机制的局限性，而社会学者更容易从“进化理性”视角探讨人类与环境之间的失配。同时，人类智能的可信度存在较大个体差异，这是由于人类可信度容易受到文化、信仰、道德价值观的影响，以及个体认知、情感和意识的干扰。认知偏差是人类普遍存在且无法规避的现象，因此也无法保证通过学习人类数字化文明而形成的ChatGPT绝对可信。此外，ChatGPT基于规模效应可以消除情感、偏见等因素产生的部分错误，在特定任务域为人类提供更加客观和准确的分析和决策。因此，相比人类智能，ChatGPT可信度具有较强稳定性和可测性。
创造力曾被认为是人类独享智能，但随着以ChatGPT为代表的生成式AI的兴起，AI创造力受到极大关注。尽管保守主义强调创造力必须来源于意识，认为“只有机器根据感受到的思想和情感作诗或谱曲，而不是符号的排列组合，才能认同机器具有创造力”。然而，部分学者指出这种适用于生物创新的理论并不适用于生成式AI，因而更倾向于从认知组合视角将创造力定义为整合、重组认知元素，并推陈出新的能力。生成式AI虽然缺乏人类的情感、直觉和生活体验，也无法摆脱预设规则和算法限制，却可以通过海量的数据分析和模式抽取突破人类在信息获取、知识储备、思维惯性等方面的约束，为人类生产、生活和科学研究带来更多的可能性和机遇。但由于生成式AI的创新核心来源于元素重组和优化，无法提供从无到有的全新解决方案，且无法整体评估方案的影响和后果，因此即使生成式AI可以模仿人类创造力，也无法替代人类的创造力。
上述讨论大多隐含着人类中心主义倾向，期望AI能够感知、理解和反馈人类的各种复杂行为。虽然AI通用智能远不如人类，但更擅长执行目标明确的受限任务。这是由于从存储空间来看，人类大脑的容积及其神经元和神经胶质细胞数量有限，而AI存储空间却可以无限扩容。从传播速度来看，大脑神经传导速度最快达到120米每秒，并且人类之间的沟通需要依靠语言或文字，而AI系统内部和系统之间的信号传输基本达到光速。此外，AI进化由物理和科技发展速度决定，并不受生物进化约束。而人类经历了漫长的生物进化，在此期间认知智能进化时间远远短于运动感知能力形成时间，所以“莫拉维克悖论”才将认知智能定义成更加复杂和困难的事务。尽管生物机能局限性导致人类在狭义认知智能中表现平平，但是人类拥有自我意识、情感、道德价值观、创造性和适应性等特征，比AI更擅长执行广泛的认知和社交互动任务。因此，人类未必需要追求具有人类智能的“合作伙伴”，而是执行特定目标的AI，从而弥补人类在狭义认知中的局限性。
三、以ChatGPT为代表的生成式AI
引发的高等教育焦虑溯源
随着工业时代出现劳动分工，帮助学生理解和掌握具有清晰界限的学科知识成为高校学科教育的重点。培养学习者拥有未来职业所需的专业知识和专业技术成为大多数高校的首要任务。特别是，教师掌握学科内容和核心概念，了解学科最新发展动态，是学生在知识学习过程中的领路人。
然而，以ChatGPT为代表的生成式AI的知识储备远远超越任何人类教师，导致教师知识垄断地位受到极大的挑战。尽管人们对ChatGPT可信度保持较大争议，但是在数学、物理、化学等基础学科中，学科知识体系和理论框架经过了长期验证和实践，具有相当稳定性，ChatGPT的可信度甚至会超过人类教师。在人文社科类等与社会和人类文化息息相关的学科，或者迅速崛起的新兴交叉学科中，知识体系相对开放、动态和多元，ChatGPT可信度取决于训练数据和算法的适用性，而人类教师可信度则完全依赖个体认知差异。此外，高校普遍存在的“非升即走”和“学术锦标赛”现象极大削减了高校教师在教学上的投入，导致人类最擅长的情感沟通和社会互动在以讲授为主的高校课堂中并未引起足够的重视。部分高校教师授课内容陈旧，忽略了学生实践能力和职业技能的培养，进一步导致教师角色在信息化时代被诟病。
过去30年，AI在高等教育领域的应用一直在不断变化，主要覆盖四大领域：一是分析和预测，主要用来预测学生的学业表现，识别出有风险和潜在辍学风险的学生；二是智能辅导，主要提供特定教学内容或为学生提供自动反馈；三是自适应个性化学习，主要用于基于学习者学习风格差异满足其个性化学习需求，例如超过3亿用户的语言学习应用Duolingo、Goorunavigator和Aleks学习平台等；四是教学评估和评测，受新冠病毒的影响，在线学习和在线测试成为全球高等教育主要趋势，因此学生在线测试和作弊行为监测成为重要的教育应用。在上述高等教育AI应用中，教师大多作为组织者或监管者，将AI作为日常教学工作的辅助工具。教学空间大多发生在教室或机房，AI需要安装到特定电脑甚至需要额外付费，学习资源体系化且经过严格审查，学习路径经过人工干预或算法规划。
ChatGPT虽然不是专业教育AI，但已被学习者作为泛在学习工具，提供的学习内容、学习时间、学习路径完全不受教师监管。学习者可以像与人交互一样，向ChatGPT自由表达问题或需求。并且ChatGPT有问必答的即时反馈机制容易让学生远离晦涩难懂的教科书和浩如烟海的科技文献，将ChatGPT作为知识获取的捷径。但ChatGPT提供的领域知识并未受到专业人员严格审核，无法保证准确性和可靠性。而大学生作为初级学习者，并不具备鉴别知识真假的能力。大学生如果过度依赖ChatGPT，容易造成知识获取碎片化，并不利于形成体系化的知识结构。特别是当部分不诚实的学生将其作为应对学业测试的辅助工具时，ChatGPT就从提高学习效率、促进知识传播的工具转变成学生实现不劳而获“合法作弊”的帮凶。
ChatGPT惊人的创造力促使人类创造力遭遇前所未有的信任危机。AI创造从作诗、谱曲转向文本自动生成，极大震撼了以学术论文为主要知识传播载体的学术界。ChatGPT上线两个月的时间注册用户数过亿，89%美国大学生利用其辅助完成课程作业。这也直接导致纽约市教育系统全面封杀ChatGPT，香港大学明文规定禁止在课堂、作业和评估中使用ChatGPT或其他AI工具，斯坦福大学同期推出了监测AI生成文本工具DetectGPT。与此经历类似的还有为解决科学信息过载而研发的大型语言模型Galactica。Galactica能够利用少量关键词生成讨论主题、引文和相关工作、公式，甚至提出未来研究方向。然而，由于科学界严厉指责其事实性错误明显、种族歧视以及内容伪造，Galactica试用版仅上线三天就被迫下架。
令人惊叹的创造力是导致Galactica和ChatGPT被封杀的直接原因，而这又恰好是生成式AI的核心竞争力。尽管生成式AI的创新来源于元素重组，无法提供全新解决方案，但其生产内容的流畅性和敏捷性成为人性弱点的放大器。原本用于解决信息过载的辅助工具被部分学习者滥用成答题机器；原本只是个性化学习的资源库被部分人作为答题模板。这些滥用行为导致部分使用者逐步失去自主学习动力，最终丧失独立思考和创造能力。另外，人类学者很难识别论著是否来自生成式AI，这导致作为科学交流质量控制者和科学高尚品质维护者的评议人体制受到摧毁式威胁。原本以严谨创新著称的学术界有可能因此充斥大量未加实验验证的AI论文，成为学术道德匮乏者文字游戏的名利场。
四、以ChatGPT为代表的生成式AI
如何助推高等教育变革
为实现技术在窄化领域的深度应用，前三次工业革命促使传统学科衍生出新兴学科，形成新的学科边界。例如最初的学科知识分化可追溯到第一次“机械化”工业革命对专业人才的诉求。边界清晰、结构分明的知识更有利于高等教育机构培养工程师。第二次工业革命中为实现“机械化”向“电气化”转型，物理学、工程学、数学等学科相互融合，衍生出电气工程和电子工程等学科。第三次“自动化”革命为促进智能制造和数字化经济的发展，计算机科学、自动控制、数字制造等学科快速发展。同时，高等教育机构为防止学科重叠建设，长期以来采用独立学科的学院建制作为知识组织载体，进一步加剧了知识壁垒的形成。然而，伴随第四次“智能化”革命，AI被广泛应用于医疗、金融、教育、制造业等领域，未来世界必定是效率优先、复杂多样且高度不确定的。为帮助未来从业者整合不同学科知识解决复杂问题，AI不应只是单一学科的独有资源，而是各个学科专业的通用教学资源。
一方面，以ChatGPT为代表的生成式AI提供的覆盖面广、可扩展性强和多语言融合的知识图谱能够帮助学习者深入掌握抽象知识，促进交叉学科学习和应用。例如自然科学领域存在大量抽象概念、专业术语和符号，学习门槛较高。生成式AI的交互机制能够帮助学习者自主探索知识信息，既突破了书本知识章节化带来的碎片感，又规避了卡片式知识图谱内容单一陈旧的缺点。同时，历史、政治学、心理学、社会学、教育学等学科拥有一套自己的理论和方法，但现实社会问题通常体现出多学科复杂性，因此人文社科学习者通常受限于学科单一性，很难提出跨学科解决方案。而生成式AI可以通过提供多领域信息帮助学习者理解学科之间的联系和差异，全面理解和思考问题。
另一方面，生成式AI提供自动化建模或编码工具，辅助学习者完成实践应用。除了文本生成的ChatGPT，生成式AI还包括将文本转换为图像的DALLE-2模型、将文本转成3D图像的Dreamfusion模型、将图像转成文本的Flamingo模型、将文本转成视频的Phenaki模型、将文本转成音频的AudioLM模型、文本编码的Codex模型，甚至创建算法的Alpha Tensor模型。对于实践性和应用性要求较高的理工科学习者可以将精力集中在创意设计和工程设计上，将基础性和重复性的开发和实施过程交给生成式AI维护。正如开放人工智能公司（Open AI）的首席执行官山姆·阿尔特曼（Sam Altman）所述：“万物的智能成本无限降低，人类的生产力和创造力得到解放。”
ChatGPT时代的高等教育机构需要触发“课堂革命”，接纳“非人类智能”，实现人机协同教学。从本质来看，高校作为促进人类认知进化的加速“算法”和“学习机器”，一直顺应着社会和科技的发展。例如第二次“电气化”工业革命中，知识存储和检索依靠机器和算法实现，因而高等教育人才培养对事实性知识的要求越来越低。而第三次“自动化”革命中，程序性知识可以由机器实现，但执行规则和操作模式依然靠人工编写。因此高等教育开始依赖计算机，弱化程序性和操作性知识学习。然而，从第一所大学建立至今从未出现过“非人类智能”，高等教育机构也并未考虑过如何借助“非人类智能”进行人才培养。当ChatGPT体现出远超人类的狭义智能和一定的通用智能时，高等教育机构需要借鉴围棋专家整理出AlphaGo自战50局棋的做法，不断与AI开展知识对弈和协同进化，帮助人类突破认知局限和生物进化限制，实现高效知识传播。例如在强调多元化视野和思辨能力的通识教育过程中，教师作为讲授者、引导者和组织者的同时可引入以ChatGPT为代表的生成式AI作为“对话者”。当前通识教育虽然保证了授课内容多学科性，但仍以讲授法为核心，容易陷入“满堂灌”的局面。然而，借助ChatGPT独特的自然语言生成和理解能力，学习者可以通过与ChatGPT自主对话有效激发其好奇心和学习兴趣以及从不同视角探索事物本质。同时，学生可以扮演“诘问者”不断提问和质疑，比较自己思路和机器回答之间的差异，提升批判性思维和逻辑推理能力。值得注意的是，教师在此过程中需要提供多样化的问题和场景，严格把关并杜绝未经思维加工的“抄袭”行为发生。
同时，在注重创造性和实用性的专业教育过程中，以ChatGPT为代表的生成式AI可以作为资源汇聚器提供通用方案，而学习者可以根据场景特殊性提出个性化细分领域解决策略。创造力作为ChatGPT的核心优势，同时也是导致其可信度降低的关键。哪怕输入“林黛玉为何怒拔垂杨柳”都能得到看似合理的解答，这是由于ChatGPT能够模仿《水浒传》中“怒拔垂杨柳”片段以及文学评论中对封建礼教的批判产生内容或风格相似的解释。尽管问题本身错误导致ChatGPT回应荒谬，但学习者可以借鉴其通用方案，进一步开展局部优化创新和方案可行性验证。专业教育重点需要从事实性、程序性知识的培养转向强调学科核心素养以及以跨学科、创新性和风险评估思维为代表的高阶思维能力培养。
此外，借助AI多模态智能学习技术可以实现科学高效的教育决策和课堂管理。当前《教育信息化2.0行动计划》进一步深化，教育大数据的收集工作基本实现，但数据分析和模式识别仍存在较大应用空白。近年来随着自然语言处理、计算机视觉、生物识别技术的发展，AI多模态智能学习将突破以外显学习行为识别为代表的浅层感知技术瓶颈，实现师生状态和意图的深层感知，通过数据化呈现那些难以表征、视觉难以观察到的现象。例如高校可通过AI监测学习者在校期间情绪是否存在非正常波动，预判是否出现校园霸凌，识别有潜在自杀倾向的学生；分析课堂教学中学生情绪整体变化规律，调整教师授课方法和授课内容，实现科学循证的课堂管理；等等。
柏拉图(Plato)的“洞穴隐喻”在ChatGPT时代面临新的挑战。信息时代知识不再被学术精英垄断，但信息过载、选择性接触心理和技术负效应反而构筑了新的认知壁垒——信息茧房。这种学习者个性化“洞穴”容易导致接收信息同质、视野狭隘、认知体系固化、思维定式，从而弱化人类创新力。而ChatGPT强大的信息加工、荟萃、整合和生成能力为打破学习者个性化“洞穴”，打通人类智能和机器智能信道屏障提供了可能性。
在大数据和生成式AI的助力下，高校科研模式从“试错型”转变为“预测型”或“迭代式”。例如未来的新药开发可能不再以实验驱动为主，生成式AI可以作为蛋白和生物学“语言”的翻译官，优选若干候选方案，科研工作者只需通过实验进一步筛选和确认，而不需在大自然中无穷无尽地寻找。未来信息技术领域也不再需要“低阶码农”，生成式AI可以独立完成基础代码自动生成、软件自动测试、代码审核和代码优化等任务。程序员在生成式AI工作基础上迭代式开发，专注于系统架构、算法设计和业务逻辑等核心领域。因此，生成式AI可以帮助高校研究者从底层重复性劳动中解放出来，引导其专注从“0”到“1”的知识创新和优化验证生成式AI预选方案，加速人类认知升级。
尽管《自然》和《科学》杂志明文禁止使用ChatGPT生成文本投稿，认为这是一种作弊行为，但是基于生成式AI开展科研能够让研究者将更多时间和精力花在实验设计、实施和评估上，至于文字表达、图表呈现，甚至常规数据分析均可转交给生成式AI维护。我们应该将知识生产效率和能耗作为知识生产价值判断标准，而非人类贡献程度占比。人类只有借助计算机才能实现基因编辑、登月计划、国际空间站等划时代创新；同样也只有借助生成式AI才能更好地完成下一次科技革命。因此，正如《自然》杂志所述，生成式AI及背后的技术发展如此之快，每个月都有创新出现,研究人员如何使用它将决定技术和学界的未来。
一直以来，高等教育在知识生产和传播中扮演着不可替代的角色。由于在第四次工业革命之前人类是唯一能够通过学习做出理性决策的物种，因此高校从未反思过如何实现人机智能协同进化。然而，信息爆炸时代带来的高度不确定性导致当前高等教育机构很难满足知识体系快速演化的自组织需求。如果高等教育机构继续保持AI和高等教育的独立进化，将严重影响社会高速可持续发展。因此，高校应该重新审视AI扮演的角色，开展知识对弈，突破人类认知局限性。我国高等教育需要借助生成式AI的强势进化，倒逼高校在教学目标、教学内容、教学方式和评价方法等方面持续改革,从而实现高等教育数字化转型，赋能高等教育高质量发展。
ChatGPT时代对教学目标的影响尤为突出，对创新能力和批判思维的重视度达到前所未有的高度。前三次工业革命中，高校育人目标从重视传授基础知识和基础技能转向培养知识、技能、情感、态度和价值观，再转变为培养学科素养。由于ChatGPT时代技术变革，单一、重复性工作和流程可能被自动化技术取代，因而社会发展需要培养更多创新型人才去设计和开发新的AI应用，挖掘新的商业机会和解决方案。而批判思维则有助于人们全面评估AI应用带来的潜在风险和影响，提前发现和解决问题，推动人类文明持续进步。尽管人们普遍认同上述能力的重要性，但大多数高校仅仅将它们视作抽象的教育政策，存在“口号热、落地难”的困境。较少高校关注如何将其具体化为可操作目标，更不用说具体化到教学计划和课程设置中。因而，高校需要将此培养目标内化为课程目标，将创新和批判作为每一门课程的重要组成部分，并且提供实践项目参与机会，在真实工作场景中提升学习者的综合能力。
除了创新能力和批判性思维外，高校人才培养的重点还应包括数字素养和终身学习能力。特别是在ChatGPT时代，数据成为重要的生产要素，未来从业人员需要拥有高效分析、处理和解读大量数据的能力。同时，由于以ChatGPT为代表的生成式AI技术已经成为知识更新的加速器，教学目标需关注学生的自主学习能力和探索兴趣，并关注其终身学习能力的培养。此外，高校还需要强化道德伦理教育，使学生具备正确的价值观和责任意识，以便在未来职业生涯中合理应对可能出现的隐私保护、算法歧视等问题。
随着教学目标的转变，教学内容同样需要不断更新。专业细分领域的学科知识更加窄化、具体，交叉学科内容更为追求融合、宽泛，而以ChatGPT为代表的生成式AI技术应该成为各个学科专业的通用教学资源。一方面，学习者需要具备更扎实的专业基础和实际操作能力，以充分利用AI优势。以自动编程为例，以ChatGPT为代表的生成式AI技术能够自动生成基础代码，不再需要低阶程序员。但是面对复杂需求，ChatGPT自动生成的程序错误率基本达到百分之百。因而，学习者需要将用户需求切割并简化成一串小任务，提供必要的人工干预。如果学习者缺乏足够的专业知识，ChatGPT也只是等价于查找资料的普通浏览器。ChatGPT的建议只能作为专家决策的辅助工具，需要经过专业人士进一步确认和验证。学习者只有拥有更深入系统的专业素养，才能具备“去伪存真”的能力。因此，针对不同专业的特点和市场需求，高校可以增设专业特色课程，以满足不同方向学生的个性化需求。同时，高校还可以加强与企业合作，开设一些与市场需求紧密相关的课程，为学生提供贴近实际的培养环境和实践机会。
另一方面，高校需要拓展通识课程和交叉学科的知识体系，培养学习者跨学科思维和创新能力。基于前文所述，创造力可以视为认知元素重组、推陈出新的能力。因此，学习者只有具备足够的知识储备和不同领域的知识体系才能更好地发挥创新潜力。高校可以利用生成式AI技术和相关平台制定跨学科培养方案，实现不同领域的知识资源整合和共享，培养具有专业区分度的跨界人才。由此可见，人类按照自己的形象创造机器，而机器反过来又按照它们的形象重新塑造人类。我国高校需要认识到这种相互影响，主动调整教学内容，更好地适应技术发展带来的变革。
在高校课堂教学过程中，教师需要引入以ChatGPT为代表的生成式AI技术作为学习者的“智能伙伴”，利用AI优势和劣势增强学习者的学习体验。一方面，教师需要营造合适的教学场域，侧重为思维而教、为素养而教、为人格而教，引导学生在坚持人的主体性基础上实现教育与AI互促共生。因此，教师更需要提升自身的信息素养，了解AI改变人类教和学的方式。教师通过将AI融入教学过程、创新教学设计从而培养学生拥有超越AI的独特技能。教师还可以借助AI开展学情分析，实时掌握群体学习进度和效果，并将其作为教学策略调整的科学依据。
另一方面，学习者应利用以ChatGPT为代表的生成式AI技术辅助开展个性化“解惑”和高阶“诘问”，从而识别和弥补自身知识差距。学习者可以利用AI自动评估和反馈机制，及时发现并解决自己的问题。同时，学习者还可以借助AI深度学习和推理能力辅助开展深层次思考和探索。例如ChatGPT特别擅长撰写特定主题论文，但是很难提供有独特洞察力的内容。学习者可以通过提供不同视角的提示信息，添加新要点以不断优化ChatGPT创作内容。此外，学习者还可基于ChatGPT提供的通用框架和分析方法，添加针对性的细节信息促进ChatGPT高质量输出。类似达尔文(Charles Robert Darwin)在《物种起源》中所提及的，只有那些能够适应环境变化并及时做出改变的物种才能够生存下去。过度依赖或者忽略AI对未来教育的影响，均可能导致人脑最终被AI边缘化。
高等教育评价应该从注重考试正确率和论文学术规范性转向考核学习者是否具备高质量提问以及审慎验证的能力。尽管教学目标发生了多次变革，但教学评价标准并未发生太大变化，知识与技能仍然是考查核心。一方面，学会提问是一种强大的学习工具，它可以帮助我们发现答案并培养批判性思维。提问和好奇心是驱动科学家探索未知领域的关键，爱因斯坦（Albert Einstein）就指出，“我们可以体验到的最美好的事物是难以理解的神秘之物……谁要是不再有好奇心，谁要是不再感到惊讶，那他就如同死了一般”。而对于培养未来管理者，管理大师彼得·德鲁克（Peter F. Drucker）说过，首席执行官必须知道提出什么问题。因此，高质量提问能力应该作为学业能力考核的重要指标。以当前毕业论文为例，尽管毕业论文选题普遍具有理论意义和实践价值，但鲜有学生能够提出有深度的研究问题。学习者只有具备高质量提问的能力，才能发挥计算模型的规模优势，高效利用其强大的计算能力，激励模型输出更有针对性和深度的答案，从而借助AI更好地应对未来社会的高度不确定性。
另一方面，由于人机协同并非无缝对接且无风险，学习者需要采用极其审慎的态度验证生成式AI回答的准确性和有效性。审慎验证不仅要求学习者具备批判性思维，还需要学习者具有辨别真伪的信息素养、分析和解决问题的能力以及保持自主学习、持续进步的精神。学习者只有同时具备高质量提问和审慎验证的能力，才能借助AI弥补狭义认知局限，释放生产力和创造力。
我国高校的知识生产同样需要重塑，以应对未来复杂性且不确定性的全球挑战。高校研究者可以借助AI强大的计算能力，专注全新的知识创新，或者侧重对AI预选方案的优化验证，而不是在无限可能的方案中“碰运气”。同时，AI可以作为知识生产的加速器。研究者可将低阶重复性劳动分配给AI，将更多精力花在实验设计、实施和评估上。通过人机智能深度融合和协同进化，人类能够进一步提升认知和创新能力，为解决人类面临的各种复杂问题提供更加有效的解决方案，创造出更智能和高效的科技和生产方式，进而推动经济社会的可持续发展。
值得注意的是，人机协同过程不可避免地会出现人类主体地位被冲击、AI回答真实性存疑、潜在的算法受歧视、科技伦理被忽视、法律空白等问题。这需要研究者加强对AI技术的理解和掌控，确保其符合人类的价值观和伦理标准，实现人机共生、和谐发展。同时，当前技术被OpenAI、微软、谷歌等少数美国大公司垄断，东西方存在严重的技术壁垒，未来也许会不可避免地产生价值观扭曲与渗透等问题。因此，政府、行业协会、企业和高校需要早日形成生成式AI使用指南，确保AI的设计、开发和使用符合人类主流价值观和核心利益。我国高校需要积极融入全球科技创新网络，主动统筹配置国内和国际数字资源，实现AI技术共研、共享和共用。此外，我国高校需布局产学研融合的协同创新体系，打造产业生态，加快应用场景落地，不仅将生成式AI生产力用于学术论文，还应促使AI与传统行业深度嵌入，实现基础理论与技术实践的双向支撑。
