高等教育机构如何管理生成式AI技术？
生成式人工智能正以空前的影响力重塑国际高等教育格局。从学子论文撰写，到讲师课程策划，再到院校教务管理，这项革命性技术在高等教育各层面的运用，虽能提高效能，却也引发了学术道德、信息防护与道德义务等隐患。应对这把“两刃利器”，怎样在教育增益与危机管控间寻求均衡，探寻契合智能时代的高校治理方案，是各国高校需共同面对的世纪课题。
理念导向：由“技术封锁”转向“教学增益”
生成式人工智能在高等教育中的浸透，不单是技术手段的融入，更激起了对教育真谛及未来人才塑造目标的省思。纵观各国高校对生成式人工智能的治理举措，大致形成了三类取向，即全面禁用、有限度接纳以及技术深度交融并变革教育。这三类取向既是技术传播各阶段的务实抉择，也折射出院校在固守育人传统与迎接科技革新间的深层理念权衡。
在生成式人工智能萌发初期，部分院校与教育监管机构持审慎谨慎姿态，严加约束其运用。此取向的要旨在于防范新科技对既有教学秩序的撼动。学术界普遍忧虑，学子对智能器具的倚赖，或会弱化独立创作与思辨能力等核心素养。同时，久已存在的学术诚信准则，促使院校在面对可能替代人类脑力劳动的新科技时本能地偏向保守应对。美国纽约市教育部门的早期举措即为典型缩影，其于2023年初以可能妨碍学习成效为由，禁止在校内网络及设备上应用ChatGPT。尽管该禁令因技术应用的普及态势于数个月后被撤销，但其体现的审慎防范倾向，是传统教育形态在科技冲击早期的惯常应对方式。
伴随技术能力的攀升及其在教育情境的普遍运用，越来越多院校意识到，单纯的禁令既不易执行，也逆时代潮流，因而逐步转为有限度接纳的治理姿态。高校治理的关注点由“严令禁用”移向“如何规范运用”，常通过颁布详尽的生成式人工智能操作守则，确立基本使用准则。诸如，英国牛津大学2024年出台的指引区分了准许与禁用的情境，支持学生在增进学术技能与辅助课业研习中运用智能工具，同时指明AI无法取代人类的批判性思辨，也不能替代以实证为根基的学术论述与学科知识架构。此种以规范引导为特点的治理模式，在恪守学术红线的前提下，为技术运用留下了审慎尝试的空间。
在此根基上，部分院校更进一步超越危机应对的治理思路，转向以教学增益为指向的积极立场，将生成式人工智能视作驱动教育形态蜕变的战略利器。经由制度规划与资源投放，这些院校主动推进生成式人工智能与授课、探究、管理的深度交融。2024年，美国亚利桑那州立大学成为全球率先与OpenAI达成深度协作的院校，在课堂授课、科研辅助及行政运营中引进智能工具，探寻人机协同的新型教育形态。这一转变映照出高校治理逻辑的深层变革，即从“让技术迁就教育”迈向“教育因技术而演进”。当生成式人工智能被纳入体制化轨道并与教育宗旨协同演进时，其意义不单表现在效率提升，更表现在对教育形态的革新。
规范构筑：多层准则体系界定AI应用行为界限
在“有限度接纳”与“教学增益”两种治理取向下，负责任的技术运用是共同基石，需经由具体行为准则加以贯彻。总体而言，各国高校围绕生成式人工智能的应用，逐步在学术诚信、信息防护与责任归属等核心范畴构建系统规章，将空泛的治理理念转换为师生可践行、可追责的具体准则，从而为技术运用划定明晰界限。
学术诚信是院校在生成式人工智能治理中最关切的议题。生成式人工智能辅助的成果产出在独创性上存有争议。为此，国际高校普遍从三个维度对学术诚信准则进行调适：其一，更新对学术失范的界定，将“未获许可的AI运用”归入作弊或抄袭的范畴；其二，在具体教学场景中细化运用界限，区分准许与禁用的环节，例如在资料搜集等辅助性环节准许运用，在核心内容创作等关键环节则严格禁止；其三，强制披露AI运用状况，要求学生在提交成果时阐明运用的工具名称、具体环节及生成内容的比重，将过程透明作为合规的前提。值得留意的是，在学术诚信的查验手段上，国际高校表现出审慎的姿态。当前AI查验工具存在较高误判概率，对非母语者文本常有偏颇，且可能引发数据隐私风险。因此，包括麻省理工学院在内的众多院校并不主张将技术查验结果作为裁定的唯一凭据，而要结合人工判断进行综合评析。
信息防护是院校在生成式人工智能治理中具有刚性约束的领域。用户输入生成式人工智能的信息可能被用于模型训练，这对学子隐私与高校敏感资料构成威胁。因此，国际高校大多构建了明晰的信息防护行为准则，禁止将个人隐私、敏感资料、本校所属数据上传至未经授权的人工智能平台，鼓励师生优先选用学校认证的安全工具。在此类风险防控实践中，数据分级管控是一种行之有效的做法。以哈佛大学为例，该校将数据划分为可公开到高度敏感五个层级，明确禁止将被标为机密的资料输入到公共智能工具中。同时，为了平衡安全与效能，杜克大学等高校积极推动校园人工智能大模型的构建，引导师生使用经过学校授权的企业版或私有化部署工具。这种堵疏并举的策略表明，信息防护治理并非单纯的限制，而是通过体制化安排为技术运用划定安全界限。
此外，基于生成式人工智能的人机共创，使得内容产出的责任归属问题复杂化，这要求院校在制度层面明晰责任归属原则。关于这一问题，各国高校存在以下共识：第一，明确生成式人工智能输出的内容可能存在偏见、差错，要求运用者展开核实，对成果负全部责任；第二，禁止将人工智能工具列为作者，保证人类在学术活动中的主体地位。这一规则设计的底层逻辑在于，生成式人工智能可以作为辅助工具提升效能，但不能替代人类判断，更不能转移应由人承担的学术与伦理责任。
能力建设：增益生成式人工智能有效运用
仅依赖规则约束与事后追责，难以有效应对生成式人工智能持续演进带来的复杂挑战。各国高校逐步认识到，治理重心应从设定行为准则拓展至深层的能力建设。通过素养培育与资源支持，使师生真正具备理解、驾驭人工智能的能力，才能实现技术对教育的增益。2019年，联合国教科文组织发布《北京共识——人工智能与教育》，提出应“采取体制化的行动，提升社会各个层面所需的基本人工智能素养”。
生成式人工智能素养不等于单纯的技术操作技能。国际研究普遍将AI素养划分为递进的多个层次，从基础的技术认知与功能理解，到熟练的工具运用与任务整合，再到对生成内容的批判性评估与创造性应用，直至能够在复杂情境中进行伦理判断与责任决策。这种素养观的核心在于使技术“为我所用”而非被其牵引。在这一框架下，生成式人工智能时代高校人才培养的重点，不再局限于知识与技能传授，而更加重视基于人工智能的批判性思维能力、学术研究能力的培育，以适应知识生产方式和职业实践的变化。
在学生赋能方面，《北京共识》建议运用人工智能“促进学习和学习评价”。围绕这一目标，国内外高校从课程体系重构与学习方式转型两方面展开探索。在课程建设上，一类路径是将生成式人工智能嵌入专业学习之中。例如，新加坡国立大学将AI编程工具引入计算机专业课，在夯实学科基础的同时，帮助学生积累人机协同开发的经验，从而更好地适应人工智能重塑下的产业环境。另一类路径是开设人工智能通识课程。例如，南京大学推出了面向本科生的人工智能通识课程体系，将技术原理、伦理规范与行业前沿应用有机整合，搭建适应时代发展的知识结构。此外，一些高校还探索将人工智能融入学习评价环节，通过过程性评价与个性化反馈，提升学生的自主学习效果。
在教师赋能方面，《北京共识》强调运用人工智能“赋能教学和教师”。围绕这一目标，国内外高校逐步构建起系统化支持体系：其一，提供培训项目或资源，帮助教师掌握智能工具在教学中的应用方法，例如墨尔本大学推出的“AI for Teaching and Education”系列资源，为教师提供适应时代需求的教学支持；其二，开发轻量化自助工具与平台，降低技术使用门槛，如斯坦福大学、复旦大学的人工智能共创平台，都为教师提供了简便的探索空间；其三，设立专项基金与研究计划，激励教师开展基于人工智能的教学与科研探索，例如卡内基梅隆大学的“生成式人工智能教学研究计划”以及中国人民大学“AI赋能科研创新应用”资助项目。这些举措从素养提升、工具支持与制度激励等多个维度协同推进，有效提升了教师在智能环境下开展教学创新的能力与意愿。
各国高校对生成式人工智能的治理逐渐超越单纯的技术风险防控，迈向关于价值、规则与能力的系统性重构。面向未来，应继续坚持以人为本，推动人工智能与高等教育深度融合，在技术发展的浪潮中把握教育变革的主动权，方能培养适应时代发展的高素质人才。
摘自：光明日报郭玮琪 《高校生成式人工智能治理的国际经验》