#生成式AI

avatar
宝玉
2周前
转译：为什么生成式 AI 编程工具和智能体对我没用 作者：Miguel Grinberg 人们总是问我，我是否使用生成式 AI 工具来编程，以及我对它们有何看法。因此，我决定将我的想法写下来，这样以后再有人问起，我就可以直接把这篇文章甩给他们，而不必每次都重复自己的观点。 从标题你大概已经猜到，这不会是一篇吹捧 AI 的博文。但它也不是一篇反对 AI 的文章，至少我不这么认为。市面上已经有太多 AI 吹和 AI 黑写的文章了，我觉得没必要再多我这一篇。虽然在这个话题上我绝非中立，但在这篇文章里，我只想从纯粹技术的角度，分享我个人使用这些工具的真实体验。 AI 并不更快 说真的，生成式 AI 工具对我没用的最主要、也是最重要的原因是：它们并没有让我写代码变得更快。就这么简单。 使用生成式 AI 编程工具来为我写代码，听起来很容易。如果是一个 AI 智能体，那就更方便了，它在我做别的事情时就能直接编辑我的文件。原则上，这一切听起来都很美好。 但问题在于，我需要为这些代码负责。我不能盲目地把它们添加到我的项目中，然后祈祷一切顺利。只有在我彻底审查并确保完全理解了 AI 生成的代码之后，我才可能将其整合进我的项目。我必须有信心在未来能够修改或扩展这段代码，否则我就不能用它。 不幸的是，审查代码实际上比大多数人想象的要困难得多。审查一段不是我写的代码，至少要花掉我与亲手写这段代码相同的时间，甚至更多。我们行业里有句名言，大意是“读代码比写代码更难”。我记得最早将此概念理论化的人是 Joel Spolsky（Stack Overflow 和 Trello 的创始人），在他的文章《有些事你永远不该做，第一部分》中提到了。 你可能会说，可以把 AI 写的代码当成一个“黑箱”。我想，你可以说服自己，只要代码能按预期工作，就可以安全使用，无需审查，这样就能提升一些生产力。但在我看来，这是极不负责任的，因为如果这段代码将来出了问题，AI 是不会承担任何责任的。无论有没有 AI，我永远是我产出的代码的第一负责人。在我看来，承担如此巨大的风险是疯狂的。 这一点在我从事的某些工作中尤为重要，因为这些工作涉及签署合同、法律义务和金钱交易。如果我是以专业人士的身份被雇佣，那我别无选择，只能做到专业。AI 工具无法帮我赚更多钱，也无法让我在更短时间内完成工作。我唯一能通过它实现这些目标的方式，就是牺牲工作质量并引入风险，而这是我绝不愿意做的。 AI 不是生产力倍增器 我听过有人说，生成式 AI 编程工具对他们来说是生产力的“倍增器”或“赋能器”。基本上，持这种观点的人声称，使用生成式 AI 后，他们能工作得更快，也能处理更复杂的问题。可惜的是，这些说法仅仅基于使用者自身的感觉，并没有确凿的数据来支持。我猜，或许有些人审查代码的效率比我高，但我对此表示怀疑。我认为真实情况是，这些人之所以能节省时间，是因为他们只对 AI 生成的代码进行抽查，或者干脆跳过了整个审查阶段——正如我上面所说，这对我来说是绝对无法接受的。 另一个我常听到的论点是，当你需要用一种不熟悉的语言或技术编写代码时，生成式 AI 会很有帮助。对我来说，这同样没什么道理。作为一名软件工程师，我最享受的部分就是学习新事物，所以“不懂”从来都不是我的障碍。你越是练习学习，学习的速度就会越快、越容易！近年来，我为了不同的项目，不得不学习了 Rust、Go、TypeScript、WASM、Java 和 C#，我绝不会把这个学习的过程委托给 AI，哪怕它能帮我节省时间。当然，它也省不了，原因还是上面那些——我要为我产出的代码负责。抱歉，我在这点上有点啰嗦。 AI 代码不同于人类代码 前几天我和一个朋友聊起这些观点，他问我，既然如此，为什么我乐于接受人们为我的开源项目所做的贡献呢？那些不也是别人写的代码吗？为什么人类写的可以，AI 生成的就不行？ 真相可能会让一些人感到震惊：用户提交的开源贡献其实也并不能节省我的时间，因为我同样觉得必须对它们进行严格的审查。但是我享受与那些对我的项目感兴趣并花时间报告 bug、请求新功能或提交代码修改的用户合作。这些互动首先是新思想的源泉，它们直接帮助我把工作做得更好。这正是我热爱开源工作的地方！ 我的朋友仍然不服气，他建议我可以并行启动一堆 AI 智能体，为我所有未解决的 bug 创建拉取请求（PR）。“这会改变游戏规则的！”他说。不幸的是，这只会花掉我的钱，并且可能让我变得更慢，原因已如前述。即便我们假设 AI 编程工具已经足够成熟（实际上还差得远），能够在很少或没有监督的情况下修复我项目中的问题，我仍然是那个瓶颈，因为所有这些代码在合并之前都必须经过我的审查。 AI 编程工具唾手可得，其不幸的一面是，现在一些用户也用它们来生成低质量、敷衍了事的拉取请求。我已经收到过一些这样的 PR，有趣的是，当我开始阅读那些未经真人编辑和润色的 AI 代码时，一种“恐怖谷”效应在我心中油然而生。当我遇到这类 PR 时，我会开始向提交者追问他们代码中那些奇怪的部分，因为我认为他们需要为自己想要合并的代码负责。但他们，通常很少回应。 AI 不等于实习生 许多 AI 倡导者说，你应该把你的 AI 编程工具当作一个渴望取悦你的实习生。我认为说这话的人，大概从没带过实习生！ 在初期，将工作委派给实习生会导致你的生产力下降，原因和我上面列举的差不多。实习生需要大量手把手的指导，他们产出的所有代码在被接受前都需要仔细审查。 但是，实习生会学习并随着时间的推移而进步。你花在审查代码或向实习生提供反馈上的时间并没有被浪费，这是对未来的投资。实习生会吸收你分享的知识，并将其用于你之后分配给他们的新任务中，随着实习期的推进，对他们进行密切监督的需求会逐渐减少。最终，实习生常常因为成长为成功的独立贡献者而被公司聘为全职员工。 而一个 AI 工具，最多只能算是一个患有“顺行性遗忘症”的实习生，这可不是什么好实习生。对于每一项新任务，这个“AI 实习生”都会重置回原点，什么也没学会！ 结论 我希望通过这篇文章，我已经清楚地阐述了我在工作中应用生成式 AI 编程工具时遇到的技术性问题。 根据我的经验，AI 编程这回事，天下没有免费的午餐。我相信那些声称 AI 让他们更快或更高效的人，是为了实现这些收益而有意识地选择放宽了他们的质量标准。要么是这样，要么他们这么说，只是因为他们自己能从向你推销 AI 中获利。
#生成式AI #编程工具 #智能体 #个人观点
avatar
onevcat
2周前
说实话，我是真的没想到，“文档和代码不同步”这个历史难题，最终居然是被LLM彻底解决了…
#文档和代码不同步 #历史难题 #LLM #大语言模型 #生成式AI #人工智能 #自然语言处理
avatar
再谈生成式AI中的“生成行为” 语言模型生成的不是“它自己需要的东西”，而是“你希望它说的东西”。 它没有一个自我持续结构；它不会为“保留某个概念”而主动调制生成路径；它也没有一个演化性机制去选择长期适应。它只是在短时上下文中模拟动机，而非真正拥有动机。 这就是所谓的“价值饥渴症”：它不断生成，却不知道为什么。 现阶段我们与LLM交互中感受到的智能，大部分是我们面对一个能说话的实体的心理投射。（Theory of Mind）
#生成式AI #语言模型 #智能 #价值饥渴症
avatar
NHK-nhk
1个月前
企业纷纷将生成式AI用于员工培训及评估等
在日本，随着生成式人工智能（生成式AI）技术的不断进步，越来越多的企业将其用于新员工的培训、员工评估等领域。
#生成式AI #员工培训 #评估 #企业创新
avatar
勃勃OC
1个月前
$GOOGL 首席执行官：Gemini 应用现已有超过 4 亿用户 —— Google 每月处理 480 万亿个 token，同比增长 50 倍，拥有生成式 AI 中最优的“成本-智能”比
#Gemini #谷歌 #生成式AI #用户增长 #成本智能比
avatar
ChatGPT又改算法了，从追着我，要给我写论文，现在又追着我问，要不要给你画张图？
#ChatGPT #算法更新 #生成式AI #图像生成 #人工智能 #AI助手
avatar
宝玉
1个月前
问：老师 我下学期要在国内的一所高职院校开设一门AI通识课(公共基础课)，但需要全程在机房上课。现在无法平衡理论和上机操作，想听听您的建议(通识内容都是理论 无法实操。实操多又兼顾不了理论，高职院校的学生不需要了解太多理论) 答： 对于大学课程我也不太懂，就我的经验， AI 通识课，重点可以放在生成式 AI 的应用上，生成式 AI 的应用主要又在于文本的生成和图片视频的生成。它们的共同点是都要用好提示词。 所以上机操作，可以用 AI 完成系列贴近实际又有挑战的任务，比如： 初阶 - 问答：向 AI 提问，让 AI 回复，了解生成式 AI - 摘要：将长文本摘要，但是要注意长度，了解上下文窗口 - 翻译：将文本翻译成不同语言，但是要注意上下文长度，以及对比不同提示词翻译效果的差异 进阶 - 写作：利用提示词对文章润色、扩写、使用不同风格写作等等 - 数据提取：从大量文本中提取有价值的、结构化的数据 - 搜索：学习如何使用 AI 搜索，普及 RAG 的概念 高阶 - 写代码：借助 AI 写个简单的网页应用、Python 脚本，不会编程也能做出有价值的应用 - 数据分析统计：借助 AI 分析数据 以上只是我随便列的一些任务，实际可以灵活调整。 理论其实还好，做中学本身就是很好的学习 AI 的方法，重点是培养学生的兴趣，让他们知道学习 AI 能解决生活中的问题，这样他们会自主的去补齐所需要的理论知识。 以上仅作为参考。
#AI教育 #生成式AI #通识课 #职业教育 #理论与实践 #课程设计
avatar
长文，前方预警。 我为什么要绕这么长的文字路径来说明当前的生成式AI的价值共生：value grounding
#生成式AI #价值共生 #value grounding
avatar
据日经中文报道，中国非代工类半导体厂商全球销售份额降至3.9%，因美国出口管制，中国企业无法获得用于最尖端半导体的制造设备。中国厂商所生产的半导体主要是线宽在28纳米及以上的通用产品和成熟品。用于生成式AI等高性能半导体的线宽被认为是3～4纳米，而中国则止步于中芯国际的7纳米。即便是DeepSeek，也在使用美国英伟达的GPU。中国厂商未能分享到生成式AI带来的市场扩大红利。中国距离“半导体强国”目标依然遥远。
#中国半导体 #美国出口管制 #全球销售份额 #生成式AI #高性能半导体 #中芯国际 #线宽技术 #英伟达GPU #半导体强国
avatar
NHK-nhk
2个月前
生成式AI用户生成吉卜力风格图像引版权争议
在美国等国家和地区，目前有许多人使用最新的生成式人工智能（AI）生成类似于吉卜力工作室动画作品的图像并将其发布到社交媒体上。有意见对人工智能可生成版权作品相似图像提出了质疑和担忧。
#生成式AI #吉卜力风格 #图像版权 #版权争议
avatar
宝玉
3个月前
如何写好提示词？手把手教你用提示词玩转 AI（1） 如今，AI 已经无处不在，从聊天机器人、内容创作、程序开发，到工作学习中的各种辅助工具。但你有没有遇到过这样的情况？ • AI 给出的答案文不对题？ • 输出的内容一团糟？ • 生成的文本不够具体，无法直接使用？ 这些问题的根源，往往并不在 AI，而在于你写的「提示词」（Prompt）还不够清晰。要知道，AI 并不能真正理解你脑子里在想什么，它只能根据你输入的提示词，猜测你的需求。 本文将带你一步步学会写出高质量的提示词，从此让 AI 成为你的好帮手！ 什么是提示词（Prompt）？ 提示词是你告诉 AI 做什么、怎么做的一段描述。一个好的提示词，通常由四个关键要素组成： • 指令（Instruction）：你想让 AI 做什么？ • 上下文（Context）：AI 完成任务需要哪些背景信息？ • 输出格式（Output Format）：你希望结果以什么样的形式输出？ • 角色（Role）：AI 应该以什么样的身份来执行任务？ 掌握了这四个要素，你就能精确地控制 AI 生成的结果。 一、指令（Instruction）—— 清晰明确是关键！ 指令到底是什么？ 指令就像是你给 AI 下达的命令或提出的问题，比如： • 「帮我总结一下下面这篇文章的核心观点。」 • 「写一篇介绍人工智能发展历史的科普文章。」 但并不是所有的指令都是好指令。 什么样的指令算好的？ ❌ 不好的指令示例： • 写篇文章 • 做一个小游戏 • 起个好名字 这些指令模糊不清，让 AI 无法确定你到底想要什么。 ✅ 好的指令示例： • 写一篇探讨人工智能在医疗诊断中应用的 1000 字文章，面向中学生，语言简单易懂，科普风格。 • 写一个可以在网页上运行的 3D 贪吃蛇小游戏，要求画面流畅，支持键盘操作。 • 为我的 AI 写作产品分别取 3 个创意、易记、突出主题的名字。 可以看到，清晰具体的指令能极大提升 AI 工作效果。 二、上下文（Context）—— 让 AI 更懂你 上下文是什么？ 上下文指 AI 完成任务时所需要的额外背景信息，比如你正在写的论文草稿、公司过去的数据资料、具体任务的相关参考材料等。 举例来说： • 「以下是公司过去三年的销售数据，请分析后给出提升销售的建议。」 • 「我正在撰写人工智能方面的论文，这是我的初稿，请帮我完善，并添加适合引用的学术文献。」 上下文可以是你自己提供的内容，也可以是 AI 之前生成的内容。 为什么上下文很重要？ AI 并不知道你脑子里的信息。缺乏上下文，它只能盲目地猜测，生成的内容自然会偏差甚至离题。 例如你说：「帮我写一份简历」。 AI 并不知道你的背景、技能、求职目标，只能泛泛而谈。但如果你给它提供上下文，例如： • 你的个人信息（姓名、学历、项目经验） • 目标职位和目标公司的文化背景 AI 就能轻松写出一份精准、适合你的简历。 如何提高上下文质量？ • 检查自己有没有提供任务所需的全部信息。 • 主动向 AI 提问：「写好这篇文章，你还需要知道什么？」 • 提供参考案例或范文，让 AI 更清晰你的预期。 三、输出格式（Output Format）—— 让 AI 更好交作业 输出格式是告诉 AI 你想要结果以怎样的形式展现。例如： • 「请用表格展示以下信息，列分别为日期、事件、影响。」 • 「生成一份 500 字左右的摘要，要求分为引言、主要观点和结论三个部分。」 • 「请以 Markdown 格式输出，使用一级标题、二级标题和有序列表。」 常见易用的输出格式有哪些？ • 文本类：Markdown、CSV、JSON、XML • 图示类：流程图（Mermaid）、思维导图 • 代码类：各类编程语言代码示例 • 数学公式：LaTeX 格式 如何精确指定格式？ 最简单有效的方法： • 提供一个清晰的示例（few-shot）：展示期望的输出模板。 • 详细描述每个部分的内容要求。 • 用伪代码或类型定义告诉 AI 结构。 例如你要 AI 生成一段 JSON： 请生成如下 JSON 格式： { "title": "文章标题", "content": [ { "heading": "一级标题", "paragraph": "内容段落" } ] } 这样 AI 就能轻松给你所需的精准格式。 四、角色（Role）—— 让 AI 拥有“灵魂” 角色就是 AI 在完成任务时扮演的身份。你可以不设置角色，但合适的角色能让 AI 更精准地把握你的需求，提供更专业的服务。 例如： • 「你是一位经验丰富的软件工程师，帮我审查并优化下面这段代码。」 • 「你是心理咨询师，请用温和、共情的语气帮我分析下面的问题。」 • 「你是一名苏格拉底式导师，请通过启发式的提问帮助我理解人工智能概念。」 角色设定的好处在于： • 明确 AI 的任务边界和思考角度。 • 让 AI 更精准地使用它训练过的特定领域知识。 综合示例：用好这四个要素，你就掌握了提示词的精髓 现在我们结合上面所有要素，看一个完整的高质量提示词示例： 任务：帮我写一个关于人工智能在医疗领域应用的总结。 「你是一位擅长用通俗语言讲解科技的科普作家（角色）。 请结合下方提供的两篇学术论文的摘要（上下文）， 写一篇适合初中生阅读的 500 字以内的总结文章（输出格式）。 文章要通俗易懂，举至少两个具体的例子来说明人工智能如何改善医疗诊断效率（指令）。」 这样的提示词，AI 就会迅速准确地生成你想要的内容。 总结：写好提示词的秘诀 你要牢牢记住提示词的四大要素： ✅ 指令清晰具体 ✅ 上下文完整充分 ✅ 输出格式明确 ✅ 角色定位精确 下次再用 AI 时，不妨拿出这套方法练一练，相信你会得到意想不到的满意结果！
#AI提示词 #人工智能 #提示词写作 #AI使用技巧 #生成式AI
avatar
澎湃新闻-舆论场
3个月前
人民日报读者点题·共同关注：生成式AI爆发，未来“人工”会被取代吗
#生成式AI #未来人工 #人工智能 #科技发展 #工作未来 #AI取代人工
avatar
yonhapnews
3个月前
ChatGPT稳居韩生成式AI使用榜单之首
#ChatGPT #生成式AI #韩国 #科技趋势
avatar
东方网-澎湃新闻
4个月前
亚马逊语音助手发布11年来首次重大更新：具有生成式AI功...
#亚马逊 #语音助手 #人工智能 #生成式AI #重大更新
avatar
日經中文網
4个月前
【DeepSeek被超越，AI競賽進入新局面】青木慎一：中國新興企業DeepSeek震驚了世界，但很快被美國企業趕超。生成式AI 的開發競爭進入了新的局面。在力爭實現最尖端的巨大AI的動嚮加速的同時，力爭實現小型高性能繫統也在推進……
中国DeepSeek引发美国科技股暴跌事件· 79 条信息
#AI竞赛 #生成式AI #DeepSeek #技术竞争 #中美竞争
avatar
向阳乔木
4个月前
看到篇讲大模型 temperature和top_p设置的文章，好奇为什么默认是0.7 和 （0.5-0.8）的设置，Gemini Flash thinking给的解释 1. 为什么 0.7 常常作为 temperature 的默认值？ temperature = 0.7 通常被认为是 在创造性和可靠性之间取得较好平衡 的一个值。 在这个温度下，模型在各常见任务 (例如：对话、文本生成、摘要等) 中，都能产生相对令人满意的、质量和多样性兼顾的输出。 2. 为什么 top_p 的常用建议范围是 0.5 - 0.8？ top_p 的主要作用是控制采样范围，降低 top_p 可以约束模型的生成方向，使其更聚焦、更可控。 0.5 - 0.8 这个范围，被认为是既能有效控制发散程度，又能保留一定的多样性和创新性的一个平衡区间。 top_p 过高 (例如 0.9 - 1.0)，采样范围过大，可能导致模型生成内容过于发散、主题不明确、跑题等。 在高 temperature 的情况下，这种 “失控” 的风险更高。 top_p 过低 (例如 0.3 或更低): 采样范围过窄，会导致生成内容过于保守、重复、缺乏新意，甚至出现 “卡壳” 或循环的情况。 对于需要较高准确性和可靠性的任务 ，例如：事实性问答、代码生成，top_p 可以适当调低一些，例如 0.3 - 0.6 对于需要较高创造性和多样性的任务 ，例如：故事创作、头脑风暴。 top_p 可以适当调高一些，例如 0.7 - 0.9 top_p 值越低，要考虑的词语数量越少，计算效率相对越高。 在某些对延迟敏感应用场景下，适当降低 top_p 也有一定的性能优化作用。
#大模型 #temperature设定 #top_p设定 #Gemini Flash thinking #默认设置 #生成式AI #创造性 #可靠性
avatar
日經中文網
4个月前
【日本政府提醒各部門謹慎使用DeepSeek】日本政府再次強調必須遵守禁止使用生成式AI處理機密資訊的規定。如果確有使用需求，相關部門需充分考慮風險，並向日本內閣網路安全中心和數位廳尋求建議……
#日本政府 #DeepSeek #生成式AI #機密資訊 #網路安全 #數位廳
avatar
日經中文網
4个月前
【OpenAI將開發可替代手機的生成式AI專用終端】OpenAI的CEO山姆·奧特曼1月27日接受了日本經濟新聞的獨家採訪。奧特曼表示：「AI將從根本上改變人與電腦的交互方式，因此需要新的終端」。針對中國的DeepSeek，奧特曼指出……
#OpenAI #生成式AI #智能终端 #山姆·奥特曼 #人机交互 #DeepSeek
avatar
用生成式AI来生成材料训练神经网络，这是一个很有用的技巧，而且在未来应该会广泛应用。
#生成式AI #材料训练 #神经网络 #未来应用 #技巧
avatar
Gorden Sun
5个月前
悲报：Gemini开始拒绝中文聊天了 无论是AI Studio还是API，使用中文跟Gemini对话，都会报错“An internal error has occurred”，使用英文对话则不受影响。 显然是受DeepSeek的刺激，美国公司都开始草木皆兵了。 谷歌在昨天专门发布了一篇文章，来说明其对抗滥用生成式AI的措施： 简体中文的AI，以后就得靠我们自己了
#Gemini #中文对话 #AI对话限制 #DeepSeek影响 #生成式AI #谷歌
avatar
qinbafrank
5个月前
DeepSeek R1把A16z创始人安德森都震惊到了，前几天发布的DeepSeek-R1 性能很猛 —— 在数学、代码、自然语言推理等任务上，说是性能比肩 OpenAI o1 正式版。而且模型在发布的同时，权重同步开源。 Deepseek的生猛，让 Meta 的生成式 AI 团队陷入了恐慌，因为在前者的低成本高歌猛进下，后者无法向公司高层解释自己的超高预算的合理性。
中国DeepSeek引发美国科技股暴跌事件· 79 条信息
#DeepSeek #a16z #人工智能 #开源 #OpenAI #Meta #生成式AI #技术前沿
avatar
宝玉
5个月前
今天在匿名职场社区teamblind上的一个meta员工发的匿名帖子特别火：《Meta genai org in panic mode》 Meta 的生成式 AI 团队陷入了恐慌状态。 这一切的开端是 DeepSeek V3 的推出，这让 Llama 4 在各项基准测试中全面落后。更让人雪上加霜的是，一家“未知的中国公司”用仅 550 万美元的预算完成了训练，直接打脸了现有的大型模型。 目前，工程师们正在疯狂拆解 DeepSeek，试图复制其中的一切。我不是在夸张，事情就是这么紧迫。 管理层也在焦虑如何为生成式 AI 团队的高昂成本向高层交代。尤其是，当团队中每一位所谓的“领导者”拿到的薪水都远远超过了训练整个 DeepSeek V3 的成本，而这样的“领导者”团队却有数十人之多。 DeepSeek R1 的出现更是雪上加霜。虽然有些信息还不能透露，但很快就会公开，到时候情况可能更加不利。 本来，这个团队应该是一个以工程为核心的小型组织，但因为一些人想借机刷存在感、抢占资源，人为地扩大了团队规模，结果反而让大家都成了输家。
#Meta #生成式AI #DeepSeekV3 #Llama4 #基准测试 #中国公司 #大型模型 #预算 #团队恐慌
avatar
有一个问题我不明白啊，理论上，我们对任何新事物、新科技都是积极拥抱的，无论是当年的iPhone还是现在的生成式AI，我们都是第一时间上手，并赞不绝口。 为什么区块链技术声言自己作为“下一代技术”这么久了，除了比特币，其它都是口碑崩溃？加密钱包成为电诈集团转移资产的工具、发布成为骗子的代言。
#区块链 #比特币 #生成式AI #电诈 #新科技
avatar
谢嘉琪
5个月前
🔥英伟达已经为我们指明了人工智能最终的发展方向！ 🚀 4个发展阶段 1️⃣ 感知AI：语音识别、深度识别。 2️⃣ 生成式AI：文本、图像或视频生成。 3️⃣ 代理AI：编程助手等，帮助人类完成任务。 4️⃣ 物理AI：自动驾驶汽车、通用机器人。 马斯克画饼你不信，那AI教父黄仁勋呢？你知道要投资到哪了吗？
#英伟达 #人工智能 #发展方向 #感知AI #生成式AI #代理AI #物理AI #黄仁勋 #投资
avatar
indigo
6个月前
日本文部科学省发布初等中等教育生成式 AI 指南，非常详细切有借鉴意义。 使用生成式 AI 的基本原则： - 人类中心原则：AI的目标是扩展人类能力，而不是取代人类判断； - 学校需认识到生成式AI的输出是“参考之一”，最终决策和责任应由人类承担； 培养学生的核心能力： - 结合《学习指导纲要》中的能力要求，利用生成式AI培养-学生的信息素养和问题解决能力； - 鼓励学生使用AI工具来提炼自己的观点，提升批判性思维能力； 教师的角色： - 教师需成为学生与生成式AI之间的“引导者”，帮助学生正确使用这些工具； - 教师需要具备一定的 AI 知识与技能； 应用场景： - 教师的校务工作：用于教学资料准备、时间表制定、活动计划等，提高工作效率； - 学生的学习活动：帮助学生进行个性化学习、提供多样化的学习视角，但需注重信息真实性和道德教育； - 教育委员会的指导：提供政策支持，确保生成式AI的安全使用。 安全与法律合规： - 使用生成式 AI 时需遵守相关法律法规，特别是在隐私保护、著作权和公平性方面。 - 避免在生成式 AI 中输入敏感信息，如个人隐私和成绩数据。 道德教育和信息素养培养： - 强化学生的信息素养和道德教育，使其能够正确使用AI工具，同时提高批判性思维能力。 - 指导学生在引用生成式AI的内容时，注明来源，避免抄袭或不当使用。 教师与AI的关系： - 教师需要掌握生成式AI的基本知识，并在教学中适时引入，以支持学生学习； - AI 的使用不能替代教师的人文关怀和教育职责；
#日本文部科学省 #AI指南 #初等中等教育 #生成式AI #人类中心原则 #信息素养 #问题解决能力