Instructure与OpenAI宣布建立新的合作伙伴关系,将基于大语言模型的AI技术引入Canvas——教育领域使用最广泛的学习平台之一。此次合作推出了IgniteAI,这是一套内置的生成式AI工具,将在未来一年内分阶段向Canvas用户发布。
AI在Canvas中的价值体现
IgniteAI推出的核心功能是全新的作业构建器,让教育工作者能够创建AI引导的任务。教师可以编写学习目标和示例提示,设置聊天机器人与学生的交互方式,并定义结果评估标准。Canvas的评分系统、分析工具和内容创建功能也获得了新的自动化支持,从更快的反馈到AI生成的评分标准。
教师对AI行为保持完全控制权。他们可以自定义每个提示并审查所有聊天机器人的回复。同时,学生有机会在Canvas内与AI进行专注的对话,按照自己的节奏梳理想法。所有聊天记录对教师可见,公司表示学生数据保持本地化,不会与OpenAI共享。
系统还会跟踪每个学生的互动情况。当学习者表现出理解或取得进步时,这些时刻会被记录并添加到成绩册中。这让教师不仅能看到最终结果,还能了解学生是如何得出结论的。重复性任务如重写评分标准、回应常见请求和起草反馈都由系统处理,让教师能够专注于讨论、指导和更复杂的教学工作。
Instructure首席执行官Steve Daly表示:"我们致力于提供下一代学习管理系统技术,采用开放生态系统设计,赋能教育工作者和学习者在快速变化的世界中适应和发展。与OpenAI的合作展示了我们的宏伟愿景:创建一个面向未来的生态系统,在教育的每个阶段促进有意义的学习和成就。"
机遇与权衡
Daly表示,这一合作伙伴关系将为教育工作者释放时间,并为学生提供更灵活的课程参与方式。OpenAI教育策略负责人Leah Belsky将这些工具描述为提供"更个性化和连接性更强的学习体验"的方式,同时不会取消人工监督。
学校已经在快速行动。调查显示,教育领域在生成式AI采用方面领先所有行业。试点项目的早期反馈表明,当学生能够在私人聊天中测试想法时,他们感到更加自信,一些课堂研究显示使用AI进行练习的学生在考试成绩上有适度提升。
然而,这些工具也引发了担忧。最近民调显示,近一半的教师受访者担心模型输出中的偏见问题。类似比例的受访者将数据隐私列为首要问题。从事学术诚信工作的人员预期会出现新形式的作弊行为。其他人警告说,昂贵的AI许可证可能会加深资金充足和资源不足学校之间的差距。在教师充分掌握工具使用方法之前,困惑和不均衡的结果很可能出现。
2025年5月的一项大学调查证实了学生的许多担忧。受访者将评分公平性、滥用AI走捷径以及过度依赖自动化建议的风险列为主要关切。教师们也表达了类似观点。他们质疑AI是否会引导较弱的写作者使用过于相似的措辞,以及自动化评分是否会破坏信任。
为了降低这些风险,校园已经在建立审查委员会、偏见检查和明确的退出选项。Instructure方面表示,所有学生数据都保留在机构内部,OpenAI无法访问个人记录。预期隐私团队将密切监控这一点。
发展方向
Canvas现在将AI工具置于教学实际发生的地方:作业、讨论和评分工作流程中。聊天机器人成为课程的一部分,而不仅仅是外部附加功能。如果系统按预期运行,教师可以获得更清晰的反馈,学生可以超越通用答案,进行更深思熟虑、基于过程的学习。
如果技术未能实现这一承诺,信任可能会受到侵蚀。无论如何,AI不再停留在教室门外。它已经被嵌入、记录,并与所有人一起学习。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。