ChatGPT等生成式人工智能技术正在彻底改变世界，教育也不例外。

由于担心学术造假、不实和有害内容扩散，一些教育结构选择了防御立场，禁止或限制这些工具的使用。

而另一些学府却秉持更加开放的态度，哈佛就是一例。

从学生到老师，他们都在急切地拥抱AI。

哈佛本科生协会对326名本科生进行的一项调查发现，AI 已经深深扎根于学生生活中：87.5%的受访者表示他们使用生成式AI。

在AI用户中，大多数至少每周使用一次，几乎一半的用户至少每两天使用一次。

对于四分之一的学生而言，AI部分替代了办公室答疑和阅读材料的时间。半数人担心AI会对他们的职业前景产生负面影响。

在所有的AI产品中，最受欢迎的是ChatGPT，有超过95%的受访者使用。其他产品如Anthropic的Claude或GitHub Copilot编程助手，使用率各约为20%。

据报道，ChatGPT在学生中的广泛使用是OpenAI尚未发布「文本水印」（人工智能文本检测器）的原因之一。

研究结果

哈佛学子如何用AI

使用情况多种多样：学生们最常使用人工智能回答一般性问题。

大约三分之一的学生认为，人工智能系统已经取代了维基百科或谷歌等传统信息来源。他们不再搜索网络，而是直接询问ChatGPT。

其他常见的应用包括帮助撰写论文和电子邮件，以及编程任务和数据处理。

调查显示，人工智能的可用性也会影响学习行为：约25%的人工智能用户表示，由于人工智能的存在，他们不太可能参加办公时间、向教师寻求帮助或阅读必读材料。

不过，很少有人表示因为人工智能而减少了听课次数。

「AI观」调查

约35%的学生担心他们的同学可能会利用AI在学习中获得更多的不公平优势。这表明，大学应认真制定可执行的人工智能使用规则。

55%的受访者认为，人工智能改变了他们对未来职业的看法，约45%的受访者担心人工智能会对他们的职业规划产生负面影响。这一比例在几乎所有职业类别中都差不多。

学生们还关注对整个社会的影响：约40%的学生认为，30 年内，人工智能系统将在几乎所有领域比人类更有效率。

同样多的人认为，遏制人工智能毁灭人类的风险应成为全球优先考虑的问题，其重要性不亚于大流行病和核战争。

大学需如何应对

研究还就大学如何应对这些发展提出了建议。

这些建议包括：

• 所有学生都可以免费使用人工智能
• 明确且可执行的人工智能使用规则
• 以人工智能为导向的职业辅导
• 更多关于人工智能影响的课程
• 针对「AI恐惧症」提供心理支持

5月，奥特曼在纪念教堂举行的一场座无虚席的活动上发表演讲。奥特曼的校园之行所产生的热烈反响表明了学生们对AI的广泛兴趣

哈佛自上而下的AI变革

以上都是学生们自下而上的努力，其实，哈佛大学从很早开始，就已经在这么做了。

2022年是一个拐点，随着ChatGPT的到来，学术界和企业对人工智能的资助激增。哈佛大学的研究也因此被重塑。

在大学层面，新的教师委员会、研究项目和全新的研究所都在争先恐后地了解这项技术。

虽然教师们对技术的进步速度感到震惊，并对技术的风险感到担忧，但许多人也对它可能带来的好处感到兴奋。

他们正急于迎接AI浪潮。

甚至在ChatGPT发布之前，哈佛大学就已经把目光转向了人工智能。

追赶与合作

2021年12月，哈佛大学辍学生扎克伯格和妻子Priscilla Chan承诺斥资5亿美元建立肯普纳自然和人工智能研究所，以扎克伯格的母亲和外祖父母的名字命名。

当时，对人工智能的痴迷仍然主要局限于硅谷和计算机科学系。

流行的聊天机器人尚存在重大缺陷，至少在流行的观点中，肯定不会很快赶上人类。

扎克伯格和Priscilla Chan在肯普纳自然和人工智能研究所成立仪式上发表讲话

然而，当学术界的车轮缓慢转动时，人工智能研究却达到了惊人的速度。

2022学年，肯普纳研究所还在聚集教员并建立管理基础设施，ChatGPT就推出了，成为历史上增长最快的消费者应用程序，在短短两个月内就达到了1亿用户。

尽管哈佛大学的肯普纳研究所看起来奢华且资金充足，但5亿美元的资金对于AI产业来说，实在是杯水车薪。

在过去两年里，前沿人工智能研究的资本密集度提高了几个数量级。

2021年，最大的AI模型的制作成本是数百万美元，但目前训练前沿模型的成本可能会超过10亿美元。

这种不断膨胀的规模极大地改变了学术和行业研究之间的关系。

哈佛大学的人工智能研究人员必须提出更小的问题，或者特别的问题，而不是自己训练下一代模型。

随着学术界和工业界资助之间的差距越来越大，甚至一些教授选择了「出逃」。

去年7月，计算机科学和应用数学教授Yaron Singer离开哈佛大学，专注于他的人工智能安全初创公司Robust Intelligence，计算机科学教授Boaz Barak今年春天休假前往OpenAI工作。

尽管如此，肯普纳研究所可以在不训练最知名模型的情况下贡献知识。

研究所执行主任Elise Porter指出，一些实验目前正在肯普纳研究所的集群上运行，探索模型的「缩放定律」。

虽然这些实验可能只需要数十或数百个GPU来运行，但它们的结果可能会告诉企业实验室如何构建最大的模型。

肯普纳自然与人工智能研究所购买了近400个先进GPU，以加强其用于训练生成式人工智能模型的资源

Porter说，即使在工业界，公司在花费数千万或数亿美元创建一个大型模型之前「仍然必须进行概念验证」。

这正是哈佛可以做的事情：找到问题的「最佳点」，其答案「有意义并创造进步」，同时无需数十亿美元的计算集群即可进行测试。

充足的项目资金

人工智能在哈佛大学的影响力远远超出了肯普纳研究所，而且其资金不仅仅来自扎克伯格。

在过去的一年里，哈佛大学成立了三个全校范围内的人工智能工作组，在其网站上专门开辟了一个专门讨论该主题的部分，并赞助了更多独立活动。

今年夏天，哈佛法学院与伯克曼·克莱因互联网与社会中心合作宣布了一项关于人工智能和法律的倡议，今年秋天，医学院接受了第一批新人工智能医学博士课程的申请。

伯克曼·克莱因互联网与社会中心

通过其中一个工作组，哈佛大学建立了另一个夏季研究项目，以资助AI研究，甚至只是使用生成式AI的项目。

据多位教授称，由此产生的GenAI研究计划以前所未有的速度获得了资金。

设计研究生院教授Carole T. Voulgaris通过 GenAI 研究项目聘请了两名暑期研究助理，她表示获得资金的过程「感觉就像魔术一样」。

「大学的工作组一直在努力尽可能快地提供新资源」，负责研究的副教务长John H. Shaw在一封电子邮件声明中写道。

教授们还利用哈佛的资金为计算机科学、经济学和物理科学等课程开发教育聊天机器人。

Logan S. McCarty在资助聊天机器人的办公室担任科学教育副院长，他表示，结果「非常有希望」。

「学生们非常愿意向人工智能提出一些看似愚蠢的问题，他们可能不愿意问人类 」，他说。

那么这些钱从哪里来呢？

McCarty在今年年初表示，「这些都不属于我们的预算」，但当人工智能这样的东西出现时，我们会尝试集体寻找资金来筹集。就课程聊天机器人而言，资金来自可自由支配的资金以及「课程创新基金」。

一些教授称赞大学的迅速反应。

计算机科学教授Ariel Procaccia在一封电子邮件中写道，「哈佛大学在人工智能领域拥有令人印象深刻的影响力。」

他引用了肯普纳研究所和SEAS内的新人工智能计划，「我预计这些举措将带来围绕人工智能的有影响力的大规模合作。」

「我对哈佛大学非常满意」，天文学教授V. Ashley Villar说，「 他们真的接受了我认为将是革命性的东西。」

教授们也在使用AI

去年春天，一位同事告诉哈佛大学肯尼迪学院教授Gautam Nair一项他发现的非同寻常的统计数据：微软的团队在日常工作中使用了LLM，比那些没有这样做的人更有效率。

Nair被这个事实震惊了，于是也开始使用LLM。

人工智能现在可以帮助他做一切事情，从编写代码、进行统计分析到概述学术文章。

他不是唯一一个。

来自艺术与科学学院以及哈佛大学许多研究生院的教授已经开始将人工智能纳入他们的研究和教学中。

在ChatGPT将生成式人工智能变成流行语之前，研究人员就已经开始热衷于使用机器学习了，这是模式识别系统的广义术语，是面部识别和谷歌翻译的基础。

「机器学习很快就融入了社会科学和生命科学领域」， 它正在日益推动大量前沿研究，实际上是任何有大量数据的研究。

在心理学方面，该系现在大约有一半的演讲「都有某种机器学习的成分」。

天文学教授Villar将机器学习的日益普及与基础统计数据的采用相提并论。她说，机器学习是「目前我们在科学领域所做的许多工作的基本组成部分。」

ChatGPT的出现只是加速了这一趋势，但出现了新的变化：除了简单地使用机器学习来分析数据之外，一些教授开始将人工智能本身视为研究对象。

在心理学领域，有人研究大语言模型，尤其是ChatGPT，就好像它是一个孩子、一只黑猩猩或我们试图理解的某种新智能。

教授们也像学生一样使用它。

最近，Nair使用LLM为国会演讲提出一种新的分类方案并编写代码，该方案可以为他的研究团队节省数百小时的手动标记时间。

McCarty教授了一门关于生成式AI的Gen Ed课程，名为「机器的崛起」，他说他使用ChatGPT来帮助他理解技术CS论文，为课程做准备。

对于其他人来说，更好的生成模型正在解开以前无法解决的问题。

设计研究生院教员 Allen Sayegh 研究人们对建筑环境的反应，他正在尝试使用人工智能生成虚拟现实「沉浸式空间」，并使其实时适应用户的反应。

「作为一名研究人员，这是一种兴奋感」，心理学家Greene说，「但作为关心世界的人类，我认识的很多人都担心人工智能的破坏性影响。」

不过，目前他并不太担心机器会取代他的工作，或者他的同事的工作。

「相对而言，我认为科学家的工作更有可能得到人工智能技术的补充，而不是被取代。」