陳靜遠(yuǎn)^1,2, 胡麗雅¹, 吳飛^1,2

1. 浙江大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院

2. 浙江大學(xué)上海高等研究院

一、ChatGPT基本情況介紹

ChatGPT/生成式人工智能（Schulman et al., 2022）是由美國(guó)人工智能研究實(shí)驗(yàn)室OpenAI于2022年11月30日發(fā)布的一款基于大型語(yǔ)言模型（Large Language Model，簡(jiǎn)稱LLM）的聊天機(jī)器人。它能夠自動(dòng)學(xué)習(xí)和理解人類語(yǔ)言，并可以根據(jù)用戶的輸入完成類似人類的文本回復(fù)，為用戶提供自然流暢的交互體驗(yàn)。作為目前最強(qiáng)大的聊天機(jī)器人之一，ChatGPT不僅可以用于聊天、翻譯、搜索等場(chǎng)景，還能進(jìn)行創(chuàng)意寫(xiě)作和寫(xiě)代碼，甚至成為了“無(wú)師自通”的考試高手。ChatGPT憑借其驚艷的用戶體驗(yàn)迅速出圈，成為歷史上最快達(dá)到1億月活用戶的應(yīng)用（機(jī)器之心，2023）。ChatGPT的應(yīng)用場(chǎng)景非常廣泛，涵蓋醫(yī)療健康、在線辦公、智能客服、教育培訓(xùn)等多個(gè)領(lǐng)域。

以大型語(yǔ)言模型為基礎(chǔ)的ChatGPT的成功并非一蹴而就，而是源自深度學(xué)習(xí)技術(shù)的長(zhǎng)期積累和迭代，以及對(duì)于各種模型結(jié)構(gòu)和研究范式的不斷探索和嘗試。如圖1所示，在模型結(jié)構(gòu)方面，ChatGPT模型的發(fā)展歷程橫貫早期神經(jīng)網(wǎng)絡(luò)技術(shù)、以循環(huán)神經(jīng)網(wǎng)絡(luò)為代表的序列學(xué)習(xí)技術(shù)、以自注意力機(jī)制為核心的Transformer架構(gòu)；在研究范式方面，則經(jīng)歷了完全監(jiān)督、自監(jiān)督預(yù)訓(xùn)練加下游任務(wù)精調(diào)和自監(jiān)督預(yù)訓(xùn)練加提示學(xué)習(xí)等階段。

圖 1   ChatGPT技術(shù)路線

作為一個(gè)語(yǔ)言模型，ChatGPT 通過(guò)對(duì)大量語(yǔ)言數(shù)據(jù)的學(xué)習(xí)，可以掌握自然語(yǔ)言的結(jié)構(gòu)和規(guī)則，并基于所學(xué)到的自然語(yǔ)言中單詞和單詞之間的共生關(guān)聯(lián)關(guān)系預(yù)測(cè)下一個(gè)單詞出現(xiàn)的概率，即從輸入序列中生成新的語(yǔ)言。其核心技術(shù)包括Transformer和自監(jiān)督學(xué)習(xí)（Self-supervised Learning）等。

（一）ChatGPT的基礎(chǔ)架構(gòu)

Transformer（Vaswani et al., 2017）由谷歌公司于2017年12月提出，被廣泛用于自然語(yǔ)言處理任務(wù)，是各類大語(yǔ)言模型的基礎(chǔ)。目前在中文中難以找到一個(gè)合適的單詞來(lái)翻譯Transformer，這個(gè)單詞曾經(jīng)是《變形金剛》電影的名字，可以把它想象成一種可以將輸入數(shù)據(jù)轉(zhuǎn)換為其他形式的輸出數(shù)據(jù)的“魔法”神經(jīng)網(wǎng)絡(luò)模型。Transformer以大力出奇跡的方式實(shí)現(xiàn)將用戶輸入的問(wèn)題“變換”為答案、將一個(gè)句子文本描述“變換”為一幅圖像等。

自然語(yǔ)言中的句子是由一個(gè)個(gè)單詞前后相連組成的序列，因此序列模型是自然語(yǔ)言處理的核心。Transformer的誕生，顛覆了傳統(tǒng)序列模型的思路，通過(guò)自注意力機(jī)制（Self-Attention）來(lái)處理文本序列，取得了出色的性能表現(xiàn)。相比于傳統(tǒng)的基于循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network, 簡(jiǎn)稱RNN）的序列模型，Transformer的設(shè)計(jì)使得它能夠處理更長(zhǎng)的文本序列，并且能夠在并行化的方式下高效地訓(xùn)練模型。具體來(lái)說(shuō)，它利用自注意力機(jī)制計(jì)算單詞之間的相互影響，使得模型可以直接捕捉任意距離的依賴關(guān)系，解決了循環(huán)神經(jīng)網(wǎng)絡(luò)無(wú)法建模長(zhǎng)距離依賴的問(wèn)題。同時(shí)，Transformer還采用了并行化計(jì)算和多頭注意力機(jī)制等技術(shù)，提升了模型的計(jì)算效率和表達(dá)能力。

在對(duì)海量數(shù)據(jù)進(jìn)行學(xué)習(xí)的基礎(chǔ)上，Transformer可以建立起一個(gè)巨大無(wú)比的單詞共生關(guān)聯(lián)網(wǎng)絡(luò)圖，其中包含單詞和單詞之間的共生關(guān)聯(lián)關(guān)系，這種關(guān)聯(lián)關(guān)系也就是上文所說(shuō)的注意力。于是，當(dāng)給定一個(gè)單詞后，算法就可從單詞共生關(guān)聯(lián)網(wǎng)絡(luò)圖中按照要求找到下一個(gè)與之關(guān)聯(lián)關(guān)系最為密切單詞，將其作為給定單詞的后續(xù)單詞，這樣一個(gè)單詞接一個(gè)單詞，一個(gè)一個(gè)句子就被合成出來(lái)，達(dá)到了自然語(yǔ)言合成目的。如圖2所示，在進(jìn)行文本生成時(shí)，Transformer能夠基于所學(xué)到的共生關(guān)聯(lián)關(guān)系準(zhǔn)確提取出生成下個(gè)單詞所需的關(guān)鍵詞匯，同時(shí)過(guò)濾掉不重要的信息，讓注意力更高的部分在預(yù)測(cè)的過(guò)程中發(fā)揮更大的作用。例如，對(duì)于句子“大地從沉睡中蘇醒過(guò)來(lái)，青的草，綠的葉，各種色彩鮮艷的花，都像趕集似的聚攏來(lái)形成了光彩奪目的____”，作為人類可以很容易地推測(cè)出空白處最可能被生成的詞是“春天”。對(duì)于這一判斷，起到?jīng)Q定性作用的單詞并不是與之最近的定語(yǔ)“光彩奪目”，因?yàn)檫@個(gè)詞可以對(duì)很多單詞進(jìn)行修飾，例如“珠寶”“花朵”“煙花”等。真正起到?jīng)Q定性作用的，是前面的名詞“大地”和謂語(yǔ)動(dòng)詞“沉睡”“蘇醒”，再配合“草”“葉”和“花”這些與“春天”高度相關(guān)的詞，對(duì)“春天”這個(gè)詞的生成產(chǎn)生了極強(qiáng)的約束力。注意力機(jī)制解決了單詞間的長(zhǎng)距離依賴問(wèn)題，使得ChatGPT可以像人類一樣準(zhǔn)確提取出生成下個(gè)單詞所需的關(guān)鍵詞匯，進(jìn)而生成既流暢又自然的文本。

圖 2   單詞間的共生關(guān)聯(lián)關(guān)系

（二）ChatGPT的訓(xùn)練模式

ChatGPT采用自監(jiān)督學(xué)習(xí)（Liu et al., 2021）的方式訓(xùn)練上述Transformer模型。自監(jiān)督學(xué)習(xí)通過(guò)隨機(jī)地從句子中遮蓋一些單詞來(lái)構(gòu)造訓(xùn)練樣本，讓模型根據(jù)剩下單詞所形成的上下文來(lái)預(yù)測(cè)被遮蓋位置所對(duì)應(yīng)的單詞，并通過(guò)最大化正確單詞的概率來(lái)優(yōu)化模型。這種類似“完形填空”的訓(xùn)練方法使得模型可以自行按照預(yù)定目標(biāo)進(jìn)行學(xué)習(xí)，擺脫了對(duì)昂貴標(biāo)注數(shù)據(jù)的依賴。

ChatGPT進(jìn)行自監(jiān)督學(xué)習(xí)的訓(xùn)練數(shù)據(jù)包括維基百科、書(shū)籍、雜志期刊、網(wǎng)絡(luò)內(nèi)容以及代碼庫(kù)等數(shù)據(jù)源，涵蓋了豐富多樣的文本類型和領(lǐng)域。在閱讀并記憶了如此龐大且豐富的語(yǔ)料集之后，ChatGPT擁有了它的世界知識(shí)（World-knowledge），具有全面深入的語(yǔ)言理解和應(yīng)用能力。因此，用戶提供的任何輸入對(duì)于ChatGPT來(lái)說(shuō)都“似曾相識(shí)”，它就可以以“無(wú)他，唯手熟爾”的方式將答案“信手拈來(lái)”。此外，由于訓(xùn)練語(yǔ)料包羅萬(wàn)象，模型的泛化性能也產(chǎn)生了質(zhì)變，并基于此獲得規(guī)?？涨暗耐ㄓ么笳Z(yǔ)言模型（參數(shù)高達(dá)1750億）。

ChatGPT所需要完成的任務(wù)是聊天問(wèn)答，即能夠與用戶自然地進(jìn)行對(duì)話并處理各種不同的話題。因此，對(duì)話補(bǔ)全能力對(duì)ChatGPT來(lái)說(shuō)至關(guān)重要，模型需要準(zhǔn)確地理解對(duì)話內(nèi)容和語(yǔ)境，并根據(jù)先前的對(duì)話內(nèi)容推斷出合適的回答。為此，研究人員使用了提示學(xué)習(xí)（Prompt Learning）的方法（Radford et al., 2021），這個(gè)方法可以讓ChatGPT更好地學(xué)習(xí)語(yǔ)言，進(jìn)而在各種場(chǎng)景中生成上下文相關(guān)且連貫的文本。在提示學(xué)習(xí)中，人工智能模型通過(guò)學(xué)習(xí)人為設(shè)定的“提示案例（Prompt）”來(lái)提高自己的對(duì)話補(bǔ)全能力。提示案例旨在引導(dǎo)模型在特定方向上的行為，使其更有效地生成與提示主題一致的文本，即提示樣例充當(dāng)模型生成文本時(shí)要遵循的“知識(shí)模板”。例如，“現(xiàn)在外面天氣很熱，我希望等會(huì)兒可以變涼爽”就是典型的提示樣例。給定提示樣例后，算法將樣例中后半句某個(gè)關(guān)鍵單詞如“涼爽”移除，然后讓模型去預(yù)測(cè)被移除的單詞。通過(guò)不斷學(xué)習(xí)這些提示樣例，ChatGPT就能夠更好地掌握自然語(yǔ)言的“話術(shù)”，并且能夠更加自然地與用戶進(jìn)行“閑聊”。

（三）ChatGPT與組合創(chuàng)新

通常人們會(huì)把創(chuàng)新理解為從零開(kāi)始創(chuàng)造新事物的過(guò)程。然而，創(chuàng)新的過(guò)程并不總是需要完全原創(chuàng)。相反，它通常是通過(guò)重新組合不同的要素來(lái)形成新事物。換句話說(shuō)，創(chuàng)新可以看作是一個(gè)組合的過(guò)程，其中涉及將不同的元素和概念結(jié)合起來(lái)，以創(chuàng)造出新的東西。這個(gè)過(guò)程可以涉及對(duì)已有的知識(shí)、技能和經(jīng)驗(yàn)的重新整合，也可以從不同的領(lǐng)域中借鑒元素以創(chuàng)造出新的事物。

著名的數(shù)學(xué)家、哲學(xué)家萊布尼茲（Leibnitz）在其1666年發(fā)表的論文《論組合藝術(shù)》（On the Combinatorial Art）中指出，人類看似復(fù)雜的思想都可以由一些簡(jiǎn)單的概念相互組合而成。萊布尼茲的思想為后來(lái)的哲學(xué)、數(shù)學(xué)、邏輯學(xué)和語(yǔ)言學(xué)等提供了重要的理論基礎(chǔ)和啟示。這種思想不僅可以解釋人類思維的本質(zhì)，而且也啟發(fā)了計(jì)算機(jī)科學(xué)、人工智能等領(lǐng)域的研究和發(fā)展。

概念組合（Conceptual Combination）是一種基本的認(rèn)知過(guò)程（Wu et al., 2009），它與人類的感知、語(yǔ)言、綜合推理、創(chuàng)造性思維和抽象等許多能力密切相關(guān)。通過(guò)將兩個(gè)或多個(gè)現(xiàn)有的基本概念重新組合，人們可以生成新穎的高階概念，以更好地適應(yīng)和理解世界。例如，當(dāng)人們將“狗”和“機(jī)器”這兩個(gè)看似不相關(guān)的概念組合起來(lái)時(shí)，可以得到“機(jī)器狗”這樣全新的復(fù)雜概念，對(duì)于現(xiàn)實(shí)中的技術(shù)和科學(xué)發(fā)展具有深遠(yuǎn)意義。這個(gè)理論認(rèn)為，概念或知識(shí)的重要性在于，它們可以像樂(lè)高積木一樣通過(guò)重新組合創(chuàng)造出新的可行性解決方案。總之，概念組合允許利用已有的概念來(lái)構(gòu)建可能無(wú)限數(shù)量的新的相關(guān)概念。它是人類很多超越基本認(rèn)知能力的高級(jí)思維過(guò)程的基石，對(duì)于人類有關(guān)探索事物本質(zhì)、解決問(wèn)題、發(fā)現(xiàn)新的機(jī)遇等方面具有重要意義。

ChatGPT可以通過(guò)學(xué)習(xí)海量的語(yǔ)言數(shù)據(jù)來(lái)獲取單詞之間關(guān)聯(lián)的信息，并且可以利用這些信息進(jìn)行組合創(chuàng)新，形成新的知識(shí)。在教育領(lǐng)域中，ChatGPT以共生則關(guān)聯(lián)原則為基礎(chǔ)，可以將關(guān)聯(lián)的單詞組合成知識(shí)點(diǎn)并加以擴(kuò)展，從而幫助學(xué)生更深入地了解和掌握某一主題或領(lǐng)域的相關(guān)知識(shí)。具體來(lái)說(shuō)，ChatGPT可以將用戶輸入的想法和知識(shí)編碼成對(duì)應(yīng)的單詞或詞組，進(jìn)一步嘗試進(jìn)行不同單詞和詞組的組合，以創(chuàng)造出新的概念和知識(shí)點(diǎn)，從而達(dá)到對(duì)原有知識(shí)點(diǎn)進(jìn)行補(bǔ)充和拓展的目的。

另一方面，想要有效利用ChatGPT的組合創(chuàng)新能力，需要一定的技巧。我們需要意識(shí)到，“種瓜得瓜”式的學(xué)習(xí)模式難以使ChatGPT擁有高級(jí)的推理能力。因此，只有依靠用戶明確的定義約束，才能確保ChatGPT輸出高質(zhì)量的回答。如何利用預(yù)訓(xùn)練加提示范式的思想對(duì)知識(shí)點(diǎn)進(jìn)行聯(lián)想和組合，引導(dǎo)模型在教育場(chǎng)景下生成準(zhǔn)確的答案和指導(dǎo)，并輔助以知識(shí)點(diǎn)為核心的教學(xué)模式，將是本文重點(diǎn)探討的問(wèn)題。

二、以知識(shí)點(diǎn)為核心的教學(xué)資源組織

知識(shí)點(diǎn)作為教學(xué)活動(dòng)中傳遞教學(xué)信息的基本單元，對(duì)于教與學(xué)都具有重要的作用。它可以看作是學(xué)科知識(shí)的基本組成部分，是構(gòu)建系統(tǒng)化的知識(shí)體系的基石。劃分知識(shí)點(diǎn)的基本原則是保證知識(shí)內(nèi)容的局部完整性，將學(xué)科領(lǐng)域的知識(shí)內(nèi)容分解為較小的、完整的、相對(duì)獨(dú)立的知識(shí)點(diǎn)，以更有效地促進(jìn)教師和學(xué)生對(duì)知識(shí)的理解和掌握。在劃分知識(shí)點(diǎn)的過(guò)程中，可根據(jù)學(xué)科領(lǐng)域的特點(diǎn)、學(xué)生認(rèn)知水平和教學(xué)目標(biāo)等因素進(jìn)行相應(yīng)調(diào)整。例如，對(duì)于初學(xué)者，應(yīng)從相對(duì)細(xì)致的角度來(lái)分解知識(shí)點(diǎn)，以協(xié)助學(xué)生逐步建立對(duì)知識(shí)點(diǎn)的認(rèn)知和理解；而對(duì)于進(jìn)階學(xué)習(xí)者，則可以采用相對(duì)寬泛的方式，以幫助學(xué)生更深入地探究和應(yīng)用知識(shí)點(diǎn)。將復(fù)雜的主題分解為知識(shí)點(diǎn)后，可以根據(jù)每個(gè)知識(shí)點(diǎn)的內(nèi)容和學(xué)習(xí)目標(biāo)將相應(yīng)的課件、視頻、案例、練習(xí)等教學(xué)資源與知識(shí)點(diǎn)進(jìn)行關(guān)聯(lián)，從而形成以知識(shí)點(diǎn)為核心的教學(xué)資源組織方式。

（一）知識(shí)點(diǎn)的萌芽

規(guī)范化的知識(shí)是人類處理信息和理解世界的基礎(chǔ)。人類思維的根本任務(wù)之一就是將各種紛繁復(fù)雜的事物進(jìn)行分類，并通過(guò)此過(guò)程形成規(guī)范化的知識(shí)，人們才能建立起更為系統(tǒng)化的認(rèn)知。其中，規(guī)范化指的是將信息按照一定的標(biāo)準(zhǔn)進(jìn)行分類和組織，從而形成一種通用的理解和共識(shí)。規(guī)范化的知識(shí)可以幫助人們更有效地理解和交流信息，減少誤解和歧義，提高認(rèn)知效率。人們常說(shuō)“聽(tīng)過(guò)很多道理，卻依舊過(guò)不好這一生”，細(xì)究其根本原因可能就是缺乏對(duì)所聽(tīng)到的道理（知識(shí)）進(jìn)行分類和總結(jié)。

對(duì)知識(shí)的分類最早可以追溯至戰(zhàn)國(guó)至兩漢時(shí)代的辭書(shū)類文學(xué)作品《爾雅》，古人將平日接觸到的動(dòng)物分為鳥(niǎo)獸魚(yú)蟲(chóng)四大類。同時(shí)代的古希臘哲學(xué)家亞里士多德則把知識(shí)（或科學(xué)）劃分為三部分，一是理論科學(xué)，包括數(shù)學(xué)、自然之學(xué)和神性之學(xué)；二是實(shí)踐科學(xué)，包括倫理學(xué)、政治學(xué)和經(jīng)濟(jì)學(xué)等；三是技藝科學(xué)，包括藝術(shù)、修辭和農(nóng)學(xué)等。

在13世紀(jì)末，一位來(lái)自加泰羅尼（現(xiàn)西班牙境內(nèi)）的詩(shī)人、哲學(xué)家、邏輯學(xué)家雷蒙·盧爾（Ramon Llull）提出了針對(duì)知識(shí)的規(guī)范化描述方式，即“知識(shí)樹(shù)（Tree of Knowledge）或科學(xué)樹(shù)（Tree of Science）”。盧爾所定義的知識(shí)樹(shù)由十六棵樹(shù)組成，其中前十四棵樹(shù)表示現(xiàn)實(shí)世界中的某一類別的知識(shí)點(diǎn)，如植物類、動(dòng)物類、原子類、道德類等，而另外兩棵樹(shù)分別是示例樹(shù)（examples）和問(wèn)題樹(shù)（questions）。為了對(duì)知識(shí)結(jié)構(gòu)進(jìn)行層次化的描述，盧爾進(jìn)而對(duì)每一棵樹(shù)定義了根、樹(shù)干、樹(shù)枝、嫩枝、葉子、花朵和果實(shí)等結(jié)構(gòu)?？茖W(xué)之樹(shù)作為一種對(duì)知識(shí)的規(guī)范化描述方式，可以幫助人們有效地對(duì)各種學(xué)科中的知識(shí)點(diǎn)進(jìn)行組織與分類。同時(shí)，它可以為人們提供層次化的知識(shí)結(jié)構(gòu)，使不同領(lǐng)域的學(xué)者和教育工作者能夠使用共同的術(shù)語(yǔ)，從而促進(jìn)跨學(xué)科知識(shí)的交流。

（二）基于知識(shí)點(diǎn)的教學(xué)資源組織

教學(xué)資源是指在教學(xué)過(guò)程中使用的各種教育輔助材料和工具。這些資源包括但不限于教材、課件、視頻、案例、練習(xí)題目、實(shí)驗(yàn)設(shè)備等。教學(xué)資源能夠幫助教師精準(zhǔn)地設(shè)計(jì)教學(xué)方案，從而激發(fā)學(xué)生的學(xué)習(xí)興趣和動(dòng)力，提高學(xué)習(xí)效果，讓學(xué)生更加深入地理解和掌握所學(xué)知識(shí)。在數(shù)智化時(shí)代，互聯(lián)網(wǎng)和人工智能的普及使得教學(xué)資源更加豐富和多樣化，促進(jìn)了教育的創(chuàng)新和發(fā)展。

然而，教學(xué)資源類型繁雜、數(shù)量眾多，教師需要花費(fèi)大量的時(shí)間來(lái)評(píng)估、選擇和組織教育資源，這對(duì)于忙于教學(xué)任務(wù)的教師來(lái)說(shuō)可能是非常具有挑戰(zhàn)性的。傳統(tǒng)的教學(xué)資源組織方式通常以教材的章節(jié)為基本單元，講解順序和呈現(xiàn)方式也是相對(duì)固定的。這種將教學(xué)資源與特定教材之間緊密耦合的組織方式，使得教學(xué)過(guò)程缺乏靈活性和個(gè)性化。當(dāng)教師需要適應(yīng)不同的教學(xué)大綱和教學(xué)計(jì)劃時(shí)，需要耗費(fèi)大量的時(shí)間和精力對(duì)課件等教學(xué)資源的組織結(jié)構(gòu)進(jìn)行重新編排，顯然這種教學(xué)資源組織方式并不是一個(gè)高效的方案。此外，由于教學(xué)資源按照不同教材的內(nèi)容進(jìn)行組織，這也使得教學(xué)資源的承載和表現(xiàn)形式具有不同標(biāo)準(zhǔn)和組織邏輯，無(wú)法很好地共享和重復(fù)利用這些資源。因此，需要?jiǎng)?chuàng)新教學(xué)資源的組織方式，以提高教師管理和使用教育資源的效率，進(jìn)而更好地支持和促進(jìn)學(xué)生的學(xué)習(xí)和發(fā)展。

以知識(shí)點(diǎn)為核心的教學(xué)資源組織方式，是一種基于模塊化設(shè)計(jì)思想的組織方式，將教育資源根據(jù)其所關(guān)聯(lián)的知識(shí)點(diǎn)進(jìn)行拆分和關(guān)聯(lián)，從而提高教育工作者管理教學(xué)資源的效率。此外，由于學(xué)科中的知識(shí)點(diǎn)間存在一定的邏輯關(guān)系，建立知識(shí)點(diǎn)之間的關(guān)聯(lián)關(guān)系，如“依賴”“互斥” “屬種”等，可以促進(jìn)教師和學(xué)生更好地教授和理解知識(shí)點(diǎn)，有助于形成穩(wěn)固的知識(shí)體系。與傳統(tǒng)的以教材為基本單元方式相比，以知識(shí)點(diǎn)為核心的組織方式更加靈活和可再利用，可以更好地適應(yīng)不同的教學(xué)安排。因此，建立教育資源與知識(shí)點(diǎn)的關(guān)聯(lián)，并建立知識(shí)點(diǎn)之間的關(guān)聯(lián)關(guān)系，是推進(jìn)以知識(shí)點(diǎn)為核心的教育資源組織方式的關(guān)鍵。這種教學(xué)資源組織方式將在提高學(xué)生學(xué)習(xí)效果和教師教學(xué)效率方面發(fā)揮重要作用。

以知識(shí)點(diǎn)為核心的教學(xué)資源組織方式具有許多優(yōu)勢(shì)。對(duì)于教師來(lái)說(shuō)，通過(guò)將復(fù)雜的主題分解成較小的、相對(duì)獨(dú)立的知識(shí)點(diǎn)，可以更有效地組織和管理教學(xué)資源，提高教學(xué)效率。具體來(lái)說(shuō)，教師可以根據(jù)不同的教學(xué)需要對(duì)知識(shí)點(diǎn)進(jìn)行組合和聯(lián)想，以創(chuàng)建符合自己要求的新課件，減少了制作課件的時(shí)間和精力的同時(shí)提供了更多靈活的教學(xué)選擇。此外，通過(guò)知識(shí)點(diǎn)關(guān)系的引入可以使得教學(xué)內(nèi)容更加系統(tǒng)化和連貫性更強(qiáng)。對(duì)于學(xué)生來(lái)說(shuō)，以知識(shí)點(diǎn)為核心的教學(xué)資源組織方式可以幫助他們更好地理解和記憶教學(xué)內(nèi)容。知識(shí)點(diǎn)之間關(guān)系的建立也有助于學(xué)生更好地理解知識(shí)點(diǎn)之間的區(qū)別和聯(lián)系，進(jìn)一步提高他們的綜合思考能力和分析能力。在交叉學(xué)科培養(yǎng)場(chǎng)景下，不同學(xué)科之間知識(shí)點(diǎn)的交融匯通是向科學(xué)本質(zhì)回歸，助力產(chǎn)生科學(xué)新的增長(zhǎng)點(diǎn)和突破點(diǎn)，以知識(shí)點(diǎn)為核心建設(shè)跨學(xué)科培養(yǎng)體系是十分有必要的（吳飛 等，2023）。

ChatGPT則為這種以知識(shí)點(diǎn)為核心的教學(xué)資源組織方式帶來(lái)了新的機(jī)遇。從機(jī)制原理角度來(lái)看，ChatGPT的共生關(guān)聯(lián)原則與以知識(shí)點(diǎn)為核心的思想不謀而合，即ChatGPT可以從核心知識(shí)點(diǎn)出發(fā)，從而獲取與此知識(shí)點(diǎn)相關(guān)聯(lián)的其他教學(xué)知識(shí)點(diǎn)或者教學(xué)資源，有助于形成完整全面的知識(shí)體系。而針對(duì)教學(xué)資源類型雜、數(shù)量多的問(wèn)題，由于ChatGPT在自監(jiān)督學(xué)習(xí)過(guò)程中使用了各種類型、各種來(lái)源的海量數(shù)據(jù)，它能幫助教育工作者高效快速地獲取不同類型的教學(xué)資源，提高教學(xué)效率。此外，作為生成式的自然語(yǔ)言模型，ChatGPT的組合創(chuàng)新特點(diǎn)有助于對(duì)現(xiàn)有的教學(xué)資源進(jìn)行補(bǔ)充與創(chuàng)新，它能夠結(jié)合訓(xùn)練時(shí)所使用到的海量數(shù)據(jù)的內(nèi)容，生成新穎有趣的教學(xué)內(nèi)容，激發(fā)學(xué)生的學(xué)習(xí)興趣。ChatGPT對(duì)以知識(shí)點(diǎn)為核心的教學(xué)進(jìn)行輔助的內(nèi)容將在下節(jié)中進(jìn)行詳細(xì)討論。

三、ChatGPT與以知識(shí)點(diǎn)為核心的教學(xué)模式的相輔相成

（一）ChatGPT的局限性

在大數(shù)據(jù)、大模型和大算力的工程性結(jié)合下，ChatGPT涌現(xiàn)了統(tǒng)計(jì)關(guān)聯(lián)能力，可洞悉海量數(shù)據(jù)中單詞-單詞、句子-句子等之間的關(guān)聯(lián)性，能夠理解語(yǔ)言結(jié)構(gòu)和單詞使用模式，并在此基礎(chǔ)上根據(jù)用戶的提示生成響應(yīng)。然而，ChatGPT作為基于統(tǒng)計(jì)關(guān)聯(lián)的語(yǔ)言模型，不可避免地具有以下幾種局限性，也就影響了它在教育這一嚴(yán)肅領(lǐng)域的應(yīng)用和推廣：

● 過(guò)度依賴訓(xùn)練數(shù)據(jù)：ChatGPT一個(gè)主要限制是其過(guò)度依賴于訓(xùn)練數(shù)據(jù)，而缺乏人類所擁有的常識(shí)。雖然大數(shù)據(jù)可以為ChatGPT等模型提供豐富的信息，但這些數(shù)據(jù)可能有偏差、不完整或不能涵蓋所有可能的場(chǎng)景。這可能會(huì)導(dǎo)致錯(cuò)誤、不準(zhǔn)確的預(yù)測(cè)或具有偏見(jiàn)的結(jié)論。

● 邏輯推理能力弱：ChatGPT傾向于生成與其在大量文本數(shù)據(jù)中所學(xué)到的模式相似的回答。然而，對(duì)于數(shù)學(xué)或邏輯推理方面的問(wèn)題，這些問(wèn)題的答案是確定的而非概率的。由于對(duì)問(wèn)題的理解不足或缺乏適當(dāng)?shù)耐评砟芰?，ChatGPT在處理這類問(wèn)題時(shí)可能會(huì)生成錯(cuò)誤或不完整的解決方案。

● 新場(chǎng)景處理能力有限：ChatGPT是一個(gè)預(yù)先訓(xùn)練的語(yǔ)言模型，并不會(huì)實(shí)時(shí)更新其知識(shí)儲(chǔ)備。且作為一個(gè)深度學(xué)習(xí)模型，ChatGPT已經(jīng)學(xué)習(xí)到的知識(shí)以一種高度抽象和非人類可解釋的方式被儲(chǔ)存，對(duì)這些知識(shí)進(jìn)行重寫(xiě)和修正需要重新訓(xùn)練模型，代價(jià)高昂。雖然ChatGPT在2023年3月24日的更新中，通過(guò)插件功能實(shí)現(xiàn)聯(lián)網(wǎng)并獲取新知識(shí)，但這種方法只能夠在模型推理過(guò)程中訪問(wèn)外部的最新信息，并沒(méi)有真正實(shí)現(xiàn)對(duì)模型本身知識(shí)的更新。因此，ChatGPT在實(shí)際應(yīng)用過(guò)程中可能會(huì)在涉及最新的科學(xué)研究、技術(shù)創(chuàng)新、流行文化趨勢(shì)等新知識(shí)領(lǐng)域上表現(xiàn)不足。

（二）知識(shí)點(diǎn)結(jié)構(gòu)圖對(duì)ChatGPT的輔助作用

以知識(shí)點(diǎn)為核心的教學(xué)資源組織方式可以看成是一種結(jié)構(gòu)化存儲(chǔ)和表達(dá)知識(shí)的手段。它通過(guò)建立知識(shí)點(diǎn)之間的關(guān)聯(lián)關(guān)系來(lái)實(shí)現(xiàn)信息之間的鏈接，從而更準(zhǔn)確和直觀地表示真實(shí)世界的概念及其聯(lián)系，在突破上述ChatGPT的局限性方面具有非常大的潛力。預(yù)訓(xùn)練語(yǔ)言模型通過(guò)將知識(shí)點(diǎn)結(jié)構(gòu)、知識(shí)點(diǎn)間的關(guān)系及與之關(guān)聯(lián)的教學(xué)資源數(shù)據(jù)等信息納入訓(xùn)練過(guò)程，從而可以獲得更加豐富的與教學(xué)內(nèi)容相關(guān)的上下文信息。同時(shí)，教學(xué)資源中所蘊(yùn)含的數(shù)據(jù)來(lái)自教材、學(xué)術(shù)網(wǎng)站以及科學(xué)機(jī)構(gòu)等權(quán)威來(lái)源，并受到教育工作者的審核和組織，可靠性和專業(yè)性有保障。因此，基于知識(shí)點(diǎn)之間的關(guān)聯(lián)關(guān)系構(gòu)建的知識(shí)點(diǎn)結(jié)構(gòu)圖可以為語(yǔ)言模型提供知識(shí)引導(dǎo)，進(jìn)一步提升生成內(nèi)容的準(zhǔn)確性?？傊?，將知識(shí)點(diǎn)結(jié)構(gòu)圖中的數(shù)據(jù)與ChatGPT相結(jié)合可以幫助克服之前提到的局限性，從而形成一個(gè)數(shù)據(jù)和知識(shí)雙輪驅(qū)動(dòng)的教育場(chǎng)景的語(yǔ)言生成模型。具體來(lái)看，知識(shí)點(diǎn)結(jié)構(gòu)圖可以從以下兩個(gè)方面對(duì)ChatGPT進(jìn)行補(bǔ)充。

● 提高生成內(nèi)容的準(zhǔn)確性：知識(shí)點(diǎn)結(jié)構(gòu)圖中包含了大量的事實(shí)性知識(shí)，這些信息可以幫助ChatGPT提高生成內(nèi)容的準(zhǔn)確性。具體來(lái)說(shuō)，在進(jìn)行自然語(yǔ)言生成時(shí)，ChatGPT可以利用知識(shí)點(diǎn)結(jié)構(gòu)圖所提供的知識(shí)，對(duì)其生成的內(nèi)容進(jìn)行核對(duì)和修正，從而減少潛在的錯(cuò)誤。舉個(gè)例子，當(dāng)ChatGPT被問(wèn)到“請(qǐng)介紹周樹(shù)人”時(shí)，由于缺乏相關(guān)知識(shí)，ChatGPT并不能提供準(zhǔn)確的答案，相反它還會(huì)虛構(gòu)出一個(gè)歷史上并不存在的人物。且我們無(wú)法通過(guò)提示其“周樹(shù)人是魯迅的原名，請(qǐng)介紹周樹(shù)人”這種方式來(lái)糾正它的錯(cuò)誤。針對(duì)這種情況，引入知識(shí)點(diǎn)結(jié)構(gòu)圖可以幫助ChatGPT對(duì)問(wèn)題中涉及的知識(shí)點(diǎn)進(jìn)行關(guān)聯(lián)分析，并將“周樹(shù)人”與“魯迅”進(jìn)行關(guān)聯(lián)，從而輸出正確的答案。

● 提升生成內(nèi)容的針對(duì)性：基于知識(shí)點(diǎn)結(jié)構(gòu)圖，可以為ChatGPT構(gòu)建豐富的提示文本，這些文本將有助于ChatGPT生成針對(duì)性更強(qiáng)的答案。提問(wèn)的方式和問(wèn)題中所包含的信息對(duì)于ChatGPT生成高質(zhì)量答案至關(guān)重要。然而，在許多情況下用戶提供的提示文本都較為簡(jiǎn)單，無(wú)法為語(yǔ)言模型提供足夠的上下文信息，進(jìn)而導(dǎo)致模型無(wú)法生成準(zhǔn)確的答案。針對(duì)這一問(wèn)題，我們可以探究如何利用知識(shí)點(diǎn)之間的關(guān)聯(lián)關(guān)系，自動(dòng)化地豐富提示文本，從而為用戶提供更加充實(shí)的上下文信息。這可以幫助語(yǔ)言模型更好地理解用戶的問(wèn)題，進(jìn)而生成高質(zhì)量的回答。提示文本可以包含與特定知識(shí)點(diǎn)相關(guān)的其他知識(shí)點(diǎn)、例句和上下文信息等。例如，針對(duì)用戶提出的問(wèn)題“我想知道如何應(yīng)用擴(kuò)散模型？”，由于缺乏問(wèn)題的背景信息，ChatGPT可能無(wú)法提供有針對(duì)性的答案。但如果利用知識(shí)點(diǎn)結(jié)構(gòu)圖中所蘊(yùn)含的知識(shí)點(diǎn)關(guān)聯(lián)關(guān)系對(duì)知識(shí)點(diǎn)進(jìn)行組合，自動(dòng)化地豐富提示內(nèi)容，為ChatGPT構(gòu)建更具體的提示信息如“我正在研究圖片生成，我想知道在這個(gè)任務(wù)里如何應(yīng)用擴(kuò)散模型”。通過(guò)這種方式可以增強(qiáng)ChatGPT的完形填空能力，使其能夠有效地回答與特定知識(shí)點(diǎn)相關(guān)的問(wèn)題。

（三）使用ChatGPT輔助教學(xué)

利用知識(shí)點(diǎn)結(jié)構(gòu)圖改善ChatGPT生成內(nèi)容的同時(shí)，ChatGPT也為以知識(shí)點(diǎn)為核心的教學(xué)方式開(kāi)拓了新的可能性。如圖3所示，ChatGPT能夠挖掘知識(shí)點(diǎn)之間的潛在聯(lián)系，為教師提供知識(shí)點(diǎn)組織與課程設(shè)計(jì)方面的建議，提高教學(xué)效率與教學(xué)質(zhì)量；同時(shí)也能為學(xué)生提供針對(duì)性的教學(xué)服務(wù)，從而使學(xué)習(xí)過(guò)程變得更加智能化和個(gè)性化。

圖 3   使用ChatGPT輔助教學(xué)

在以知識(shí)點(diǎn)為核心的教學(xué)模式下，教師可以利用ChatGPT來(lái)輔助教學(xué)，以提高教學(xué)效果。例如，他們可以利用ChatGPT來(lái)豐富教案內(nèi)容、高效整合與知識(shí)點(diǎn)相關(guān)的教學(xué)資源等。具體內(nèi)容包括：

● 對(duì)知識(shí)點(diǎn)進(jìn)行組織與聯(lián)想：教師可以充分利用ChatGPT挖掘知識(shí)點(diǎn)之間的關(guān)聯(lián)關(guān)系，將相關(guān)的知識(shí)點(diǎn)整合到一起，形成完整的知識(shí)體系。這樣一來(lái)，教師可以清晰地把握學(xué)科知識(shí)的邏輯關(guān)系，針對(duì)性地進(jìn)行知識(shí)點(diǎn)的講解和學(xué)習(xí)，從而提高教學(xué)效果。另外，教師可以利用ChatGPT對(duì)知識(shí)點(diǎn)進(jìn)行組織和聯(lián)想，更好地把握知識(shí)點(diǎn)的內(nèi)涵和外延。以化學(xué)教師講授“金屬的物理性質(zhì)”為例，ChatGPT可幫助教師聯(lián)想到相關(guān)的知識(shí)點(diǎn)如“金屬的晶體結(jié)構(gòu)”“金屬的熱導(dǎo)率和電導(dǎo)率”等，并提供這些知識(shí)點(diǎn)與“金屬的物理性質(zhì)”之間的關(guān)聯(lián)關(guān)系。這樣一來(lái)，知識(shí)點(diǎn)之間的關(guān)聯(lián)性更強(qiáng)，變得更加具體、容易記憶，教師也能設(shè)計(jì)更加多樣化和創(chuàng)新性的教學(xué)內(nèi)容，進(jìn)而提高教學(xué)質(zhì)量。

● 快速檢索知識(shí)點(diǎn)相關(guān)的教學(xué)資源：在進(jìn)行教學(xué)資源檢索時(shí)，教師可以向ChatGPT輸入與特定知識(shí)點(diǎn)相關(guān)的查詢語(yǔ)句，ChatGPT會(huì)快速檢索或生成相關(guān)的教學(xué)資源，如課件、教案、試題等。同時(shí)，教師還可以利用ChatGPT對(duì)檢索到的資源進(jìn)行分類和篩選，提高教學(xué)資源整合效率。此外，教師可以將不同的資源進(jìn)行組合和關(guān)聯(lián)，使之形成有機(jī)的整體，便于學(xué)生學(xué)習(xí)和掌握。

● 生成知識(shí)點(diǎn)相關(guān)的教學(xué)資源：教師可以利用ChatGPT的創(chuàng)意寫(xiě)作能力，生成各種形式的教育資源，如圖表、歌謠等，以幫助學(xué)生更好地理解和記憶知識(shí)點(diǎn)。例如，在英語(yǔ)教學(xué)中，當(dāng)教師正在講授“定語(yǔ)從句”這個(gè)知識(shí)點(diǎn)時(shí)，可以通過(guò)ChatGPT將“定語(yǔ)從句”的定義和一些常見(jiàn)的定語(yǔ)從句關(guān)系總結(jié)成圖表的形式，幫助學(xué)生更直觀地理解“定語(yǔ)從句”。教師還可以利用ChatGPT生成有關(guān)定語(yǔ)從句語(yǔ)法的歌謠，用簡(jiǎn)單易懂的方式呈現(xiàn)“定語(yǔ)從句”的定義、引導(dǎo)詞和使用方法，使學(xué)生更輕松愉快地學(xué)習(xí)和記憶。此外，隨著GPT-4等技術(shù)的持續(xù)演進(jìn)，ChatGPT的多模態(tài)數(shù)據(jù)處理和生成能力也將不斷提升。這為未來(lái)對(duì)于特定的知識(shí)點(diǎn)進(jìn)行可視化展示提供了可能性，如生成可視化蛋白質(zhì)三維空間結(jié)構(gòu)以幫助學(xué)生了解生命結(jié)構(gòu)決定生命功能等。

● 輔助設(shè)計(jì)知識(shí)點(diǎn)相關(guān)的課堂互動(dòng)：教師可以借助ChatGPT生成開(kāi)放性問(wèn)題、情境案例和游戲等，用于設(shè)計(jì)課堂互動(dòng)環(huán)節(jié)。這有助于提高課堂的趣味性和學(xué)生的參與度，同時(shí)激發(fā)學(xué)生的創(chuàng)造力。例如，當(dāng)教師講授“細(xì)胞結(jié)構(gòu)”這個(gè)知識(shí)點(diǎn)時(shí)，可以讓ChatGPT輔助設(shè)計(jì)一個(gè)關(guān)于“細(xì)胞結(jié)構(gòu)”的拼圖游戲，讓其提供游戲的基本步驟、游戲規(guī)則及加強(qiáng)游戲互動(dòng)和深化理解的建議。這樣的課堂互動(dòng)環(huán)節(jié)可以幫助學(xué)生深入理解相關(guān)的知識(shí)點(diǎn)，提高交流和合作能力，并增強(qiáng)對(duì)學(xué)科知識(shí)的興趣和探索精神。

另一方面，ChatGPT可以為學(xué)生提供個(gè)性化的教學(xué)服務(wù)，比如推薦與知識(shí)點(diǎn)相關(guān)的教學(xué)資源、提供交互式的學(xué)習(xí)體驗(yàn)等，以幫助學(xué)生更好地理解和掌握知識(shí)點(diǎn)。具體內(nèi)容包括：

● 推薦個(gè)性化的學(xué)習(xí)資源：ChatGPT可以根據(jù)學(xué)生對(duì)知識(shí)點(diǎn)的掌握情況和興趣偏好，為其推薦合適的學(xué)習(xí)資源和學(xué)習(xí)路徑以幫助學(xué)生更好地掌握知識(shí)點(diǎn)。例如，當(dāng)學(xué)生向ChatGPT介紹自己的學(xué)習(xí)情況并表示對(duì)“電磁感應(yīng)定律”特別感興趣時(shí)，ChatGPT可以推薦一些趣味實(shí)驗(yàn)、與生活相關(guān)的應(yīng)用以及課外讀物等資源。如果學(xué)生希望學(xué)習(xí)更深入的相關(guān)知識(shí)時(shí)，ChatGPT 會(huì)向其推薦“量子力學(xué)”等高階知識(shí)點(diǎn)。但需要注意的是，盡管ChatGPT可以為學(xué)生推薦相關(guān)的教學(xué)資源，但它本身并不具備完善的數(shù)理邏輯，因此對(duì)于ChatGPT所提供的信息需要謹(jǐn)慎甄別。

● 進(jìn)行輔助知識(shí)點(diǎn)理解的啟發(fā)式對(duì)話：借助ChatGPT的思維鏈能力（Wei, 2022），可以深度挖掘知識(shí)點(diǎn)的思考聯(lián)想脈絡(luò)，并據(jù)此構(gòu)建富有啟發(fā)性的對(duì)話，協(xié)助學(xué)生逐漸建立更為深入的思維脈絡(luò)，引導(dǎo)其漸進(jìn)式地學(xué)習(xí)和思考。GPT-4中首次闡述“可操縱性”（steerability）的概念，并以“蘇格拉底式導(dǎo)師”用例加以展示。所謂的蘇格拉底式導(dǎo)師風(fēng)格，就是一種基于提問(wèn)和對(duì)話的教學(xué)方式，源于古希臘哲學(xué)家蘇格拉底。它強(qiáng)調(diào)通過(guò)提問(wèn)和思辨來(lái)引導(dǎo)學(xué)生自主思考和理解，而不是單純地傳授知識(shí)。在蘇格拉底式導(dǎo)師風(fēng)格下，導(dǎo)師的角色不是簡(jiǎn)單地告訴學(xué)生正確的答案，而是通過(guò)追問(wèn)學(xué)生的觀點(diǎn)和思路來(lái)引導(dǎo)其思考，并幫助學(xué)生發(fā)現(xiàn)自己的錯(cuò)誤和矛盾。在GPT-4推出的同時(shí)，可汗學(xué)院宣布將在其開(kāi)發(fā)的教育人工智能助手Khanmigo中引入GPT-4技術(shù)以輔助學(xué)生解決問(wèn)題。Khanmigo并不直接提供問(wèn)題的答案，而是通過(guò)生成啟發(fā)性的問(wèn)題和對(duì)話來(lái)引導(dǎo)學(xué)生尋找答案，幫助學(xué)生自己完成大部分的問(wèn)題解答工作，從而引導(dǎo)學(xué)生思考知識(shí)點(diǎn)的本質(zhì)和規(guī)律。這種教學(xué)方式能夠激發(fā)學(xué)生的思維能力和創(chuàng)造力，提升學(xué)生的思考深度和廣度，有助于學(xué)生形成獨(dú)立思考的能力。

● 構(gòu)建沉浸式學(xué)習(xí)場(chǎng)景：ChatGPT可以為學(xué)生提供沉浸的學(xué)習(xí)體驗(yàn)，以增強(qiáng)學(xué)生的學(xué)習(xí)興趣和參與度。例如，在進(jìn)行英語(yǔ)對(duì)話練習(xí)時(shí)，可以在輸入提示中為ChatGPT提供上下文信息，指定一個(gè)特定的對(duì)話場(chǎng)景（如在餐廳預(yù)訂座位、點(diǎn)菜、結(jié)賬），并要求ChatGPT扮演在該場(chǎng)景下的對(duì)話角色（如餐廳服務(wù)員）。配合語(yǔ)音對(duì)話功能插件，學(xué)生可以使用英語(yǔ)與ChatGPT扮演的服務(wù)員進(jìn)行互動(dòng)，并即時(shí)接收反饋和糾正，從而提高自己的語(yǔ)言表達(dá)能力和溝通技巧。這種沉浸式的學(xué)習(xí)體驗(yàn)將讓學(xué)生更加享受學(xué)習(xí)的過(guò)程，并在學(xué)習(xí)中獲得更多的實(shí)踐經(jīng)驗(yàn)和技能。

● 提升學(xué)生的批判性思維能力：由于自然語(yǔ)言處理技術(shù)是通過(guò)對(duì)大量訓(xùn)練數(shù)據(jù)的學(xué)習(xí)來(lái)生成文本，因此，如果數(shù)據(jù)集中存在偏差，則 ChatGPT 生成的文本也可能受到這些偏差的影響。在使用 ChatGPT 進(jìn)行學(xué)習(xí)時(shí)，學(xué)生可以通過(guò)提出問(wèn)題和發(fā)現(xiàn)文本中的偏差來(lái)激發(fā)批判性思維。同時(shí)，學(xué)生可以使用 ChatGPT 生成的文本來(lái)測(cè)試和驗(yàn)證其觀點(diǎn)，探索不同的思路和角度。在這個(gè)過(guò)程中，學(xué)生可以不斷調(diào)整分析和判斷的方法，培養(yǎng)更加全面的批判性思維能力。

四、未來(lái)趨勢(shì)

近兩年，預(yù)訓(xùn)練-提示（Pre-train-Prompt）這種全新的機(jī)器學(xué)習(xí)范式受到廣泛關(guān)注（Liu, 2023），特別是在自然語(yǔ)言處理領(lǐng)域中逐漸盛行。這種學(xué)習(xí)范式基于大規(guī)模無(wú)監(jiān)督預(yù)訓(xùn)練語(yǔ)言模型進(jìn)行構(gòu)建，并通過(guò)Prompt Learning的方式，將不同的下游任務(wù)進(jìn)行重構(gòu)，以更好地適配預(yù)訓(xùn)練模型。我們可以將這種新的范式簡(jiǎn)稱為Prompt范式。相比于傳統(tǒng)的預(yù)訓(xùn)練-精調(diào)（Pre-train-Finetune）范式，Prompt范式更注重提供精確且指導(dǎo)性更強(qiáng)的任務(wù)描述。它通過(guò)引導(dǎo)輸入（Keskar, 2019）使得預(yù)訓(xùn)練語(yǔ)言模型在低資源的情況下快速形成工作能力，更好地完成特定任務(wù)，同時(shí)又能保留預(yù)訓(xùn)練模型的泛化能力。這種范式的出現(xiàn)，極大地改變了機(jī)器學(xué)習(xí)領(lǐng)域中的研究思路，強(qiáng)化了更多針對(duì)任務(wù)本身的個(gè)性化需求。Prompt范式為人工智能在教育領(lǐng)域的應(yīng)用提供了一種新的思路和方法，是未來(lái)值得深入挖掘的方向。

我們可以將Prompt范式的思想與以知識(shí)點(diǎn)為核心的教學(xué)資源組織方式相結(jié)合，將教育場(chǎng)景中的各類應(yīng)用轉(zhuǎn)化為語(yǔ)言生成任務(wù)，充分利用預(yù)訓(xùn)練語(yǔ)言模型的優(yōu)勢(shì)。具體來(lái)說(shuō)，在提示模板構(gòu)造階段，可以利用Prompt范式的思想對(duì)知識(shí)點(diǎn)進(jìn)行聯(lián)想和組合，引導(dǎo)模型為教師和學(xué)生生成準(zhǔn)確、清晰的答案和指導(dǎo)。例如，可以利用教學(xué)資源中所蘊(yùn)含的知識(shí)點(diǎn)之間的結(jié)構(gòu)信息和關(guān)聯(lián)關(guān)系，對(duì)用戶輸入的文本加入特定的關(guān)鍵詞、短語(yǔ)、定語(yǔ)等上下文信息進(jìn)行修飾。這樣做可以將用戶的輸入轉(zhuǎn)化為上下文明確、表達(dá)清晰的提示，從而更準(zhǔn)確地引導(dǎo)模型理解用戶的意圖。在任務(wù)適配階段，可以考慮為不同用戶構(gòu)建不同的Prompt來(lái)實(shí)現(xiàn)個(gè)性化學(xué)習(xí)，例如引入自適應(yīng)的個(gè)性化的Prompt來(lái)實(shí)現(xiàn)教育場(chǎng)景中的“千人千面”。針對(duì)不同教育場(chǎng)景的任務(wù)，如學(xué)習(xí)者的認(rèn)知建模與評(píng)測(cè)、學(xué)習(xí)資源推薦、學(xué)習(xí)評(píng)價(jià)生成和自適應(yīng)評(píng)測(cè)等，需要設(shè)計(jì)具有針對(duì)性的任務(wù)重構(gòu)策略來(lái)適配預(yù)訓(xùn)練模型，并建立相應(yīng)的Prompt模板，提高教育場(chǎng)景中不同任務(wù)的質(zhì)量和效果。

此外，如何在ChatGPT這種數(shù)據(jù)和算力驅(qū)動(dòng)的模型中引入以知識(shí)點(diǎn)為中心的教學(xué)資源中所蘊(yùn)含的豐富的邏輯知識(shí)進(jìn)行“助力”，通過(guò)“語(yǔ)文老師”和“數(shù)學(xué)老師”的聯(lián)合培養(yǎng)來(lái)實(shí)現(xiàn)模型的“全面發(fā)展”，是另一個(gè)值得探索的方向。首先，在ChatGPT中引入知識(shí)點(diǎn)結(jié)構(gòu)圖后，可以通過(guò)充分挖掘知識(shí)點(diǎn)及它們之間的關(guān)聯(lián)關(guān)系等上下文內(nèi)容，使ChatGPT能夠更好地理解用戶問(wèn)題的背景信息，提供更豐富多維的答案。例如，在回答一個(gè)與歷史事件有關(guān)的問(wèn)題時(shí)，ChatGPT可以結(jié)合該歷史事件及相關(guān)歷史人物的知識(shí)圖譜信息，在回答出該事件時(shí)間、地點(diǎn)、概況的同時(shí)，提供在該歷史事件中活躍的歷史人物等多方面的信息。其次，知識(shí)點(diǎn)結(jié)構(gòu)圖不僅提供了知識(shí)點(diǎn)和關(guān)系的內(nèi)容信息，還可以為推理任務(wù)提供支持?；谥R(shí)點(diǎn)結(jié)構(gòu)圖中所蘊(yùn)含的邏輯推理能力可以為ChatGPT構(gòu)建有效且準(zhǔn)確的思維鏈提示，“教”ChatGPT進(jìn)行思考和推理。同時(shí)，我們可以利用這種推理能力對(duì)ChatGPT生成的內(nèi)容進(jìn)行校驗(yàn)、修正和補(bǔ)充，從而更加準(zhǔn)確和完整地回答用戶的問(wèn)題。ChatGPT在2023年3月24日凌晨推出的最新更新中，成功接入了數(shù)學(xué)知識(shí)引擎Wolfram Alpha，為ChatGPT在數(shù)值計(jì)算任務(wù)中帶來(lái)了更高的準(zhǔn)確性。未來(lái)，隨著技術(shù)的不斷發(fā)展，繼續(xù)引入外部知識(shí)引擎以適應(yīng)不同領(lǐng)域的需求將成為一項(xiàng)重大趨勢(shì)。然而，在將外部知識(shí)應(yīng)用于ChatGPT中時(shí)，采用一種“軟”接入的方式更為理想，而不是單純的“硬”接入插件。因此，如何將外部知識(shí)真正融入到ChatGPT模型的學(xué)習(xí)過(guò)程中，將成為需要解決的一個(gè)關(guān)鍵問(wèn)題。

未來(lái)，我們可以進(jìn)一步探究如何利用Prompt范式為教育領(lǐng)域提供更智能化、個(gè)性化的服務(wù)。同時(shí)，通過(guò)與以知識(shí)點(diǎn)為核心的教學(xué)資源組織方式的結(jié)合，幫助ChatGPT建立“知識(shí)體系”，為教育場(chǎng)景的用戶生成更準(zhǔn)確的內(nèi)容。

（陳靜遠(yuǎn)工作郵箱：jingyuanchen@zju.edu.cn；吳飛為本文通信作者：wufei@zju.edu.cn ）