点击阅读英文原文
在过去几个月里，出现了一波关于名为大型语言模型（large language models, LLMs）的新型人工智能的文章，这些人工智能尤其以ChatGPT为代表。
自由派进步人士已经接受了ChatGPT，宣称它能够在几秒钟内自动生成看起来很合理的文字，这在评估中增加了“真实性”。相反，保守派则加倍关注侦查、监督和引用审查方面。但两个阵营都忽略了一个更大的问题：如果你无法区分机器和真正的学生，你凭什么认为学生会在乎是你在教学还是机器在教学？
批评者很快就抓住了ChatGPT的局限性。通过包含1750亿个单词关联参数的1TB文本的巨大训练集，它以一篇过分自信的预科学校式的文章回答问题，并带有刺耳的重复语气。但正如许多例子所强调的那样，这种人工智能并不能稳定地提供正确的回答。LLMs甚至缺乏最基本的认知立场和对因果关系或结构的理解。
然而，支持者认为，这并不重要。这只是一个开始。LLMs之所以引人注目，是因为它们的运算接近人类的思维方式。它们还没有与这个迅速成熟中的领域里的其他人工智能相集成。一旦集成开始，它们将能够进行有效的推理，或进行有用的模拟。
LLMs对劳动力市场可能产生的影响肯定被低估了。应用研究人员已经将其用于零售、客户协助、查询和决策支持等任务。它们的互动能力令人印象深刻，能够提供简短、详实的回答，比谷歌或维基百科更简洁、更有重点，这也让LLMs成为教学的有力候补。依靠目前的技术，添加具有准确的声音辨别能力和富有表现力的声音语言系统不在话下。
目前，同时为5至10名学生提供服务的计算能力价值约每小时5英镑（约合人民币41元）。管理人员当然会争先恐后地用在特定知识领域接受过训练的机器人来取代教师。也许机器人上还会添加格拉斯·亚当斯式（Douglas Adams）的“个性”附加组件，让学生能够接受模拟出的爱因斯坦或费曼的教学。
但随着成本的下降，随着人们越来越无法区分听起来似是而非的无稽之谈和真正的智慧，人类提供者将与机器展开一场逐底竞争。灾难性的后果远不止影响学者们的收入。作为一名系统理论学家，我预测，这个市场（经济学家将其称之为柠檬市场）将遇到曾重创20世纪末香蕉生产的同样问题：单一品种的不育生产。平庸的正反馈循环无法培养出具有核心学科技能的创新专家，而这将扼杀智力进步。在最好的情况下，我们将陷入无休止的“公认事实”的循环中。在最坏的情况下，我们推理和评估知识性主张的能力将会崩溃，让我们成为恶意势力招募和洗脑的活靶子。
事实上，你可以说我们离这一后果已经不远了。学历通胀意味着学位现在被认为是必需品。许多学生对知识的渴望比不上对在简历增长竞赛中落后的担忧。极端地说，逐利的高校对这一市场的反应，把教授们变成了学位机器的低薪操作员，他们把教育材料按最佳等级分类，以吸引被动的学生消费者。这样的模型对于LLMs来说已经可以进行自动化和精炼了，LLMs训练数据中任何过于边缘的东西都可以被抹去。
为了挽救我们的工作和社会，学者必须回到未来。在年景最好的时候，我们不必像今天这样用填鸭式教学教育学生。这也不是他们想要的。作为成年人，学生是来寻求指导、鼓励和融入大学生活的。我们总是有隐性的注意义务，但我们也有指导和判断的权力。
上世纪90年代，在我的辅导课上，任何一个温顺地坐着，满怀期待地沉默着的人都会被我和他们的同龄人忽视。我从一位精神分析学家那里学到的很重要的一点是：“如果你没有勇气开口，一切都不会开始。”一个好的教授是一个训练搭档，他的目标是通过对所谓的知识进行无情的检查，来锻炼年轻人的心智，而这一过程随着研究的推进可以一直持续下去。我相信许多学生仍然渴望接受挑战——即使他们已经无法用言语来表达自己的期望。
毫无疑问，被动灌输的需求也是存在的。但在一个缺少仁慈的知识分子的世界里，值得信赖、受人尊敬的人类知识管理人员将获得前所未有的溢价——可能是以类似于咨询师或治疗师的新的自由职业的形式。
我们需要勇气来夺回被机器解放的阵地。我们拿着饭碗乞求资金和荣誉，听任自己被那些薪水是我们两倍，智商只有我们一半的MBA欺负。但一旦我们接受人工智能完全取代我们目前的工作，成为统计上“共识真理”的喉舌，我们就可以重新开始评估自己了。
通过重新夺回权威和榜样的地位，我们将再次成为真正的教授。
安迪·法内尔是欧洲多所大学信号、系统和网络安全方面的客座副教授。
本文由陆子惠为泰晤士高等教育翻译。
