今年，全国高考报考人数创历史新高，达到了1193万。对千万学子来说，出分后的这段时间里，填报志愿是他们的头等大事。

然而不可否认的是，无论填报志愿的指导手册介绍有多详细，有多少前人的经验分享，有多少报考专家的一对一指导，每年还是有很多人认为自己“选错了专业”。

日前，我们采访了这样一群人，纯文科背景的他们行至半路才发现自己真正的兴趣所在。他们中，有人拿到了麻省理工学院的认知科学博士学位；有人一年补上了别人三年要学的课程，进入理工强校却发现自己还是“地板水平”；也有人艰难适应，差点放弃……

每个人的转型之路都不平坦，但他们的经历也证明了，人生不是非要在既定的赛道上奔跑。

从中文系本科生到认知科学博士

十年前，当一位中文系教授向黄萱菁推荐本系一名学生，说他立志考人工智能方向的研究生时，这位复旦大学计算机科学技术学院教授以为自己听错了。

虽然黄萱菁研究的领域自然语言处理与中文不无关系，但一个纯文科背景的学生想要转到计算机科学技术学院深造并非易事，况且，十年前人工智能在国内尚且算不上一个热门学科。究竟是什么让他这样选择？黄萱菁很想知道答案。

几天后，这个名叫钱鹏的学生坐进了黄萱菁的办公室。从传统意义上看，他是个典型的“学霸”，从小成绩优异，高中选读理科，却始终对文史哲兴趣浓厚。高三时，他报名参加了复旦大学“博雅杯”人文学科体验营。钱鹏从全国各地的考生中脱颖而出，顺利进入复旦大学中文系就读。

钱鹏告诉黄萱菁，大一、大二的通识教育让他有机会涉猎本专业以外的诸多学科，启发了他用跨学科的新视角来看待传统问题，尤其是通过计算的方法了解语言的本质、信息的处理，激发了他对人工智能领域的兴趣。

这次谈话让黄萱菁印象深刻，她赞赏钱鹏的勇气，也立刻感受到“这是一个非常有灵气的学生”。但是，在她的实验室里，跨专业来的学生几乎都是理工科背景，纯文科背景的考生“前无古人”。黄萱菁不敢贸然应允，而是默默开始了对钱鹏的考察。这一考察，就是两年。

她先给钱鹏提出了一些专业上的建议，比如哪些基础知识需要补足。钱鹏就按图索骥，找到国外的网课视频，自修学完了高等数学和计算机相关课程。

大三时，钱鹏赴香港中文大学交换学习，接触到了神经语言学。“我就像走进了一个全新的世界。”钱鹏转考人工智能方向研究生的决心更加坚定，“未来，学科交叉一定是一个非常重要的趋势。”

钱鹏回到复旦后，黄萱菁开始尝试给他布置一些实验室的工作，从最基础的标注到更加进阶的内容，钱鹏的完成度总会超出她的预期。

他的勤奋也让人印象深刻，甚至在钱鹏毕业多年后，黄萱菁和同事交谈时提起他，隔壁办公室的老师还记得“他就是你们实验室每天早上7点到，晚上10点走的那个学生”……

“他的每一步都走得非常扎实。”黄萱菁说。2015年，本科毕业的钱鹏通过考核，顺利进入黄萱菁的自然语言处理实验室攻读硕士研究生。2017年，他又以优异的成绩进入美国麻省理工学院继续深造。今年，钱鹏终于取得认知科学博士学位，攀到了这一领域的金字塔顶端。

黄萱菁没有想到，从十年前办公室里的那次见面开始，这个中文系出身的学生一路成长，竟然成了她实验室最优秀的学生之一。她甚至这样评价：“钱鹏是我们自然语言处理实验室十年来最优秀的学生之一，绝对可以排进前三。”

“文艺呆”“技术宅”真是对立的？

在黄萱菁看来，招入和培养钱鹏起到了“前人栽树”的效果，在钱鹏之后，她开始有意识地考察和招收一些跨院校、跨专业前来投考的学生，“科研需要多样性，不同的学术背景、思维方式，确实能给实验室带来很多活力。”

但钱鹏和黄萱菁都有一个直观感受，“似乎在大家看来，理科转文科并没有什么特别，而文科转理科却会受到关注，甚至成为新闻。”

高等教育中的专业“鄙视链”由来已久。在美国斯坦福大学，主修人文科学或社会科学的学生被称为“文艺呆”，主修工程学或计算机科学的是“技术宅”，讲的也是一种以专业来区分人的“标签”。

“但文科和理科之间真的是对立的吗？我的个人感受是，社会的专门化凸显了文理之间的差异，却在某种程度上遮蔽了它们的共性。”钱鹏说。

相比于许多文转理的同学，钱鹏无疑是幸运的。多年以后，他仍然记得自己在自然语言处理实验室的第一次亮相，并且感念至今。

那天，刚好赶上邱锡鹏教授团队的例会，邱教授把他介绍给大家，“具体说了什么我已经记不清了，只记得当时感觉非常温暖，让所有人觉得中文系过来的我并不是一个‘异类’，认同感和归属感几乎就在那时立刻产生了。”

例会以后，实验室的同学拉着他一起去吃了午饭，融洽的气氛化解了钱鹏的拘谨和疑虑。下午，在完成一项简单的数据标注工作时，对编程软件还不熟悉的钱鹏刚起步就卡住了，邱教授就耐心地帮他操作，很快解决了这个在专业人士看来“简直就是小儿科”的问题。

“一点一滴都在向我传达一个信息，大家能够包容我的不足，甚至欣赏和鼓励我的不同，这是非常难得的，对我坚定自己的选择和今后的成长至关重要。”钱鹏回忆。

在研究生阶段，钱鹏的研究方向与人工智能传统主流的研究方向不同，文科背景让他有了新的视野。“相比于新模型的构建和改进，我更想从认知的角度研究模型的可解释性。这个方向在当时比较小众，是黄老师一直鼓励我，给了我很大的信心。对于跨专业背景的学生来说，这样一个宽容、开放的环境是非常重要的。”钱鹏说。

从文到理的转身，有的人像钱鹏一样幸运和顺利，多数人则需要更加努力地寻求机会。

一年前申请保研时，同样来自复旦大学中文系的本科生张向旭就明显感受到了压力。本科专业让他数度止步于投递简历的阶段，对于一个半路出家的中文系学生，人们更多抱的是怀疑态度：他会不会基础不牢？进来以后会不会跟不上节奏？直到一位面试官给了他机会，在面试时问他：“作为一名中文系背景的学生，如果从你的专业出发，你对人工智能有什么新的想法？”

张向旭侃侃而谈：“我希望利用已有的汉语方面积累的构式知识库，作为外部的知识增强模型……”在保研大门几乎快要关上时，这个问题让他最终拿到了录取名额。

最难的是打破跨专业“知识诅咒”

当钱鹏进入MIT攻读博士学位时，他的同系学妹、刚刚结束大二上学期课程的季雨秋也对自己的未来做出了一个重要决定：跨专业深造。

当年，季雨秋因为全国中学生作文竞赛得奖，通过自主招生进了复旦。可她进了大学才发现，“原来中文系并不培养作家，毕业后真正靠写作谋生的人更是少之又少”。她在学校写新闻稿、去杂志社实习、为学生组织做自媒体宣传……然而，每尝试一次，她就更加清醒地认识到，自己虽然擅长写作，却并不习惯按照范式要求写作，更不喜欢根据别人的意见修改自己的作品，这让她对写作的兴趣和热情丧失殆尽。

反倒是大一学生必修的编程课让她兴趣盎然——把自己的想法按照一定的逻辑，用代码串联起来去实现，她喜欢这样有快速反馈的学习和工作。

当时恰逢阿尔法狗和微软小冰大火，融合了自己专业和兴趣的计算语言学走进了季雨秋的视野，她很快就找到了自己热爱的方向，“这才应该是我的专业！”

“现在看来，当时自己有点无知无畏了，转换跑道单凭着一腔热血，没想那么复杂，其实我根本不知道背后竟然有这么多东西要学。”季雨秋回忆。

她给自己规划了三条路径：保研、考研、出国留学。其中，保研是最早进行的。

要怎样达到跨专业保研的目标呢？首先要保证中文系课程的成绩名列前茅，才能拿到保研资格，这在高手云集的复旦中文系并不容易。更困难的是，她要在决定跨专业深造和保研考试到来之间的一年里，补上计算机专业学生三年要学的课程。光是这两点，就足以击退大部分萌生过跨专业深造想法的人了。

季雨秋给自己设定了学习计划——抓大放小。比如，对于计算机和数学相关的基础课程，她并不给自己设定过高的目标，只要达到计算机专业学生的平均水平即可。她转而把更多的精力放在深度学习和自然语言处理上，因为这才是能够让她脱颖而出的优势所在。

在选修相关课程和查阅资料时，季雨秋又发现，大多数课程设计和问题答疑对跨专业学习的学生并不友好，就像被“知识诅咒”了一样。因为这些课程往往默认接受知识的人有非常扎实的专业基础，并不适合像她这样的“小白”。她就去找适合初学者的学习资源QS200名校留学，从零开始，反复啃、反复练，确保自己能够吃准吃透。

几乎每一个从纯文科转考理工科的人都经历过这样痛苦的过程。

比季雨秋低一年级的张向旭，因为备考时向季雨秋“取过经”，少走了不少弯路。“比如，大家都叫它‘胶水语言’。有了它，要调用其他语言非常便利，刚开始时会让你有种‘人工智能原来这么简单’的错觉。但雨秋告诉我，一定要学习数学，理解背后的理论，避免走进浅显的思维逻辑。”张向旭说。

可即便过来人的经验帮了他很多忙，文转理的挑战和艰辛也只有他自己才能体会。如果不是此前两年服兵役的经历让他坚韧了许多，他可能真会放弃。“影响最大的是心态上的一种改变，开始是懵懵懂懂的，后来每多克服一个困难，往深处多走一步，目标就会越来越清晰。”

最终，季雨秋和张向旭分别被哈尔滨工业大学社会计算与信息检索研究中心和中国人民大学高瓴人工智能学院录取，两人都拿到了文转理的入场券。

真正的挑战“上岸”之后才开始

历经千难万险，付出数倍努力后，凤毛麟角的跨专业学子终于“上岸”。可当这些文科背景的学生真正成为一名理工科专业的研究生时，或许真正的挑战才刚刚开始。

刚进大学时，季雨秋就很快认清并接受了“自己在复旦只是一个凡人”的定位，对她来讲几乎不存在心理落差。可进入哈工大社会计算与信息检索研究中心这样国内一流的实验室继续深造，还来不及享受升学的快乐，迎面而来的压力就让她喘不过气来。

难度进阶的课程让她经常担心自己会有挂科的风险，有段时间她甚至会焦虑到失眠。在这样高手如云的工科强校，她觉得自己最多只能算是“地板水平”。刚进项目组时，她甚至还需要师弟的帮助。

一次，季雨秋苦思冥想、废寝忘食，终于做出了一个模型的雏形，她非常兴奋，甚至感觉到了前所未有的成就感。可师弟却开玩笑地告诉她：“师姐，你就像一个专业运动员，其实才刚刚学会捡球而已。”这句话就像往她头上狠狠浇下的一盆凉水，“不，不仅是凉，还有冰块。”

往后的日子里，季雨秋总会想起这个“捡球”的比喻。“现在想来，其实是一种身份上的复杂性让我没有安全感，放大了实力上的差距，倒逼我必须更加努力取得成果，才能获得认同。”

那时正逢2020年春天新冠疫情暴发，季雨秋常常改代码改到深夜，每天只睡四五个小时。睡醒了就继续修改代码、参加评测，几乎每天24小时连轴转。她知道自己必须做出一些成绩，才能在即将到来的秋招中谋得一份心仪的工作。

然而从夏天开始准备的秋招却让她屡屡受挫，她险些要放弃。事情在2021年4月才出现转机，某大型互联网公司需要补录一批软件开发岗位的应届生，季雨秋背水一战，终于实现了多年来的理想美国人工智能研究生，成了一名算法工程师。

“这段经历就像我人生的一个支点。”季雨秋说，“以后如果再遇到什么困难，我就会想，当初一道道难关都闯过来了，还有什么迈不过去的呢？对我来说不仅是身份上的认同，这种心态的转变更是我一生的宝藏。”

这条路即使孤单也要一直坚持下去

6月13日，麦可思研究院发布的《2022年中国大学生就业报告》显示，2021届毕业生月收入较高的前10名专业几乎都与计算机技术相关。此外，根据中国民航大学教学质量管理科助理研究员梁志星等人的统计，2017年后，中国高校人工智能、智能制造工程、数据科学与大数据技术等新工科专业的增设速度，已经超越了传统专业。

确实，对于“文转理”，外部环境的宽容度正在一点点打开——

比如高校低年级的通识教育，为学生们打开了更广阔的视野，不同的专业不再只是高考志愿书上一个个抽象的名词，而是通过学习变得具体可感。

再如更加灵活通畅的跨专业渠道，为进入大学后才发现自己真正兴趣所在的学生提供了及时修正的机会美国人工智能研究生，当文科生遇上人工智能，让他们能在更早的时候转换跑道。复旦大学日前公布，除特定专业外，给予每个本科生至多两次转专业的机会。

另外，文理融合和交叉学科早已成为一种不可阻挡的趋势。心理学、语言学、神经科学和计算机科学，共同打造了认知科学；社会学和土木工程纳入了城市政策专业；计算和设计在数据可视化中相得益彰……越来越多的人相信，跨越人文和技术、艺术与科学等学科，才是创新的关键。

即便在技术崇拜至上的硅谷，许多科技公司的领袖也都受益于文科教育。文转理成功“上岸”的考生都同意一点：从来没有哪个专业比别的专业更高贵。人类文明能够走到现在，靠的就是各个学科的紧密结合。

最近几年，面对日益增多的考生，黄萱菁也有自己的困惑。以前，人工智能尚未被大众所知晓，像钱鹏这样前来投考的学生是抱着极大的学术热情来的。可近年来，人工智能大热，黄萱菁越来越难辨别，前来投考的学生对人工智能究竟是不是“真爱”。而这，恰恰是黄萱菁最看重的考量因素。真正身处其中的人都深知，跨专业深造，尤其是从纯文科背景转投人工智能领域，要面临多少挑战和困难。若仅凭短视功利的一时兴起，而没有强烈的热爱、坚定的信念、清晰的目标和超强的学习能力，转型成功几无可能。黄萱菁将其称之为因为热爱而衍生出的“强大的自驱力”。

“你要做的只是相信自己，相信自己的选择，相信自己的潜力。这条路即使孤单，但只要是自己感兴趣的，就要一直坚持下去。”季雨秋说，“无论什么时候改变其实都不晚，一次改变并不能真正左右你的人生，最重要的是不要畏惧作出选择和努力。”

记者：雷册渊

美国人工智能研究生，全美人工智能专业最好的大学（1.0）

1.卡内基梅隆大学

卡内基梅隆大学是美国著名的私立研究型大学，拥有全美顶级计算机学院。

卡内基梅隆大学拥有世界领先的机器人技术。该校在1979年成立了 （机器人学院），专门在机器人科技领域进行实践和研究，这个学院还是全世界第一个推出机器人PHD项目的大学。在该学院下面还设有 （NREC），与政府及商业机构合作，进行高端项目研究。该校在人工智能方向设有本科学位，硕士学位，及博士学位。

2.斯坦福大学

斯坦福大学位于旧金山南部约30英里处的加利福尼亚湾区，学校有一半以上的学生进行研究生阶段学习，90％以上的本科生要住校。斯坦福大学保证新研究生的第一年住房，超过60％的研究生住在校园。

斯坦福大学在计算机理论、硬件、软件、数据库和人工智能等各个领域都居于美国乃至世界领先地位。该大学人工智能方面的本科学位涵盖的课程非常全面，也非常前沿，包括计算生物学、语音识别、认知和机器学习等。

学校提供计算机科学理学学士学位，内置人工智能课程;提供计算机科学理学硕士学位，内置人工智能或人机交互课程。

斯坦福大学的人工智能实验室成立于1962年，一直致力于推动机器人教育。并且，该校在网上公开了许多他们有关机器人和深度学习的课程。

在全球知名的IT公司中美国人工智能研究生，全美人工智能专业最好的大学（1.0），由四位校友所创立的SUN公司名称实际上就是 的首字母缩写，而Yahoo公司的创始人杨致远也曾在大学就读。

另外，国内目前知名度非常高的吴恩达、李飞飞都是斯坦福大学教授。李飞飞参与建立了著名的计算机视觉识别数据库及挑战赛，其每年都会吸引各大公司的图像识别程序的参加，极大促进了图像识别领域的技术发展。

3.麻省理工学院

麻省理工学院，成立于1861年，是世界顶尖私立研究型大学。在世界高等学术殿堂中享有盛誉。有世界理工大学之最的美誉。

麻省理工学院素以世界顶尖的工程学和计算机科学而享誉世界，其计算机科学学科位列世界第一，与斯坦福大学、加州大学伯克利分校一同被称为工程科技界的学术领袖。

麻省理工有领先世界的一流的计算机科学及人工智能实验室CSAIL。

1959年，人工智能研究实验室成立；1963年，计算机科学实验室开发；2003年，两大实验室正式合并，成为全校最先进的实验室，现成员已超过1000人，40名博士后，350名研究生，50名本科生。

4.加利福尼亚大学伯克利分校

加利福尼亚大学伯克利分校是一所美国公立研究型大学。该校与斯坦福大学、麻省理工学院等一同被誉为美国工程科技界的学术领袖。

该校的机器人和智能机器实验室，致力于用机器人复制动物的行为。它的自动化科学和工程实验室从事更广泛的机器人功能的研究，如机器人辅助外科手术和自动化制造。还有计算机可视化小组，学生可以学到如何帮助机器人“看见”。

全校共有机器人学习，计算机视觉，医疗机器人，自动化科学与工程，等十个实验室。

5.哈佛大学

哈佛大学管理的研究中心和研究机构包括哈佛大学应用计算科学研究所，技术与创业中心以及Wyss生物启发工程研究所，涉及计算机科学，人工智能和计算语言学，机器学习，多代理系统和机器人学习等多个领域。2013年，国家科学基金会授予哈佛大学和麻省理工学院2500万美元，以建立机器人研究中心。2015年，哈佛大学肯尼迪学院的未来学会创建了人工智能项目QS100名校留学，该项目是另一个人工智能研究中心。该中心关注更多的研究成果，而这一举措更强调制定与AI有关的全球政策。这使得哈佛成为少数几家能够实际开发人工智能技术，并投入大量资源来理解人工智能技术的学校之一。

6.耶鲁大学

耶鲁大学是美国东北部老牌名校联盟“常青藤联盟（Ivy ）”的成员，也是八所常春藤盟校中最重视本科教育的大学之一。作为美国最具影响力的私立大学之一，耶鲁大学是美国历史上建立的第三所大学。

该校的计算机学院建立于1970年，主要分四个领域：计算理论，人工智能，数值分析和系统。学校成立了人工智能实验室和计算机视觉和控制中心。

7.康奈尔大学

康奈尔大学拥有美国历史最悠久的计算机科学学院，成立于1965年。现已发展到包括近40名全职教员，其中包括六名国家工程院院士，一名麦克阿瑟研究员，八名NSF总统青年调查员和两个图灵奖获得者，学生群体包括250多名毕业生和大约700名本科生。

研究领域包括：编程语言，机器人，科学计算和人工智能等12大研究领域。

人工智能研究小组正在以下领域开展研究：

计算可持续性

博弈与决策理论

机器学习

自然语言处理，计算语言学和信息检索

机器人

视觉

8.马里兰大学

马里兰大学计算机科学系于1973年正式成立，但该领域的研究可追溯到20世界40年代。今天，共有50多名终身教职人员与250名研究生。

隶属于该部门的研究涉及17个主要调查领域，其中包括编程语言，虚拟现实，人机交互，计算机视觉和人工智能。研究中心和研究所包括自动化研究中心，计算语言学和信息处理中心，人机交互实验室和高级计算机研究学院。据报道，巴尔的摩马里兰州癌症中心的研究人员使用人工智能计算机来“鉴别和诊断几种类型的结肠肿瘤”。

9.哥伦比亚大学

哥伦比亚大学是一所位于美国纽约曼哈顿的世界著名私立研究型大学，属于中大西洋地区，该地区学术氛围好且专业广，拥有一流的学术环境和声名卓著的学者。

纽约州在中国留学生最多的州中排名第二，其中，哥伦比亚大学是纽约州国际学生分布最多的学校之一，仅少于纽约大学。

哥伦比亚大学提供计算机科学理学学士学位，内置人工智能跟踪课程。

哥大的优势在于它提供了东海岸几乎最好的研究设施。比如机器人实验室、自然语言处理(NLP)实验室和计算机视觉实验室。在这些实验室里，你可以看到IBM的机械臂、3D工作台、可穿戴电脑的原型机等非常酷的东西。

10.德克萨斯大学

德克萨斯大学奥斯汀分校是德克萨斯州境内最顶尖的高等学府之一，坐落于德克萨斯州的首府奥斯汀市区，距离市内的州政府总部约一英里。除奥斯汀主校区外，研究校区（J.J.）位于奥斯汀北部。

在这所学校，有19％的学生可以住在大学经营或附属的住房，81％的学生住在校外。

2015年秋，德克萨斯大学奥斯汀分校教授Peter Stone，领导由人工智能学术界、公司实验室、产业界的专家与了解人工智能的法律、政治科学等方面的学者美国人工智能研究生，推出“人工智能百年研究”，每五年评估一次人工智能所处的状态。

2017年人工智能顶级会议AAAI-17上， （德克萨斯大学奥斯汀分校）的论文《从未标记视频中学习如何移动和看哪里》成为大会亮点。

德克萨斯奥斯汀计算机系内置人工智能、数据挖掘、机器学习与自然计算专业。

美国人工智能研究生，美国教育部发布：《利用人工智能进行教育设计》

2024年7月，美国教育部教育技术办公室发布《利用人工智能进行教育设计》指南，旨在通过教育技术创新，改善全美教育系统。该指南为产品负责人及其创新团队、设计师、开发人员、面向客户的员工和法律团队提供信息，帮助他们在创建用于教育领域的人工智能产品和服务时，努力确保安全、可靠和值得信赖。元战略编译该指南重点内容，为如何设计和开发利用人工智能改善教学的产品提供借鉴。

●一、政策背景 ●

2023年10月，拜登政府发布《关于安全、可靠地开发和使用人工智能的行政命令》，行政命令规定，为确保在教育部门负责任地开发和部署人工智能，教育部长应在本命令发布之日起365天内，制定有关人工智能的资源、政策和指南。这些资源应涉及在教育领域安全、负责和非歧视性地使用人工智能，包括人工智能系统对弱势和服务不足社区的影响，并应酌情与利益相关者协商开发。根据此命令，美国教育部教育技术办公室编写该指南，与学生、家长、教育工作者以及开发商、行业协会和非营利组织一起，举行了一系列广泛的公开听证会。与会人员分享了他们当前的安全和安保方法、用户所面临的风险、关于支持和资源的建议，以及对未来建立信任机会的看法。除此之外，该指南还借鉴了美国许多关于人工智能的出版物，如美国科技政策办公室的《人工智能权利法案蓝图》和美国国家标准与技术研究院的《人工智能风险管理框架》。

●二、建立信任的共同责任 ●

通过听证会，美国教育部了解到《2023年人工智能报告》中的一项关键建议“优先加强信任”引起了开发人员的共鸣，并呼吁他们采取行动。开发人员认识到“信任”在他们所参与的教育技术生态系统中的重要性。信任能优化开发人员和教育工作者之间的共同设计过程，从而共同创造和推广创新产品。因此，开发人员可以从了解如何与生态系统中的其他人合作以加强信任中获益匪浅。

（一）信任是共同的责任

关于人工智能的行政命令从标题开始就明确指出，联邦政府有责任促进“安全、可靠和值得信赖的发展”，并阐明了分担责任的立场。由于技术发展日新月异，开发人员可能会发现，除了关注和遵守当今的联邦准则和防护措施外，赢得信任也很有价值。一个重要的例子是软件与信息产业协会的《人工智能在教育领域的未来原则》，其中阐明了七项原则。美国人工智能教育研究非营利机构也制定了人工智能教育原则，作为其人工智能学校指导工具包的一部分，以指导人工智能在教学中的有效开发和应用。

教育技术生态系统的其他成员也在承担责任，为信任创造条件。各级教育领导者都在编写自己的指南，开发者可以从这些资源中了解教育工作者正在采取哪些措施来增进理解和提升能力；加强采购流程；保护隐私、安全和公平；以及管理其他形式的风险。此外，在即将根据人工智能行政命令开发的《教育领导者工具包》中，美国教育部将引导教育者之间的共同对话。许多非营利组织也在开发有用的工具包和资源。作为教育技术生态系统的主要参与者，美国教育部鼓励开发者负责任地与生态系统互动，以建立信任。

（二）积极管理人工智能的风险

通过与开发人员的交谈，美国教育部注意到，开发人员在如何与他人合作方面发生了重要转变。一些开发者公开分享了他们识别、优先排序和管理风险过程的细节。在开发者公开讨论风险管理时，美国教育部建议关注两类流程：（a）技术开发流程，以产生值得信赖的系统；（b）参与策略，在开发者和其他生态系统成员之间建立信任关系。在考虑风险时，必须注意到人工智能正在迅速发展。例如，正当教育工作者逐渐熟悉以文本为导向的聊天机器人时，行业正在发展并发布多模态功能，为潜在风险增加了新的层面。因此，本指南要求开发人员采用风险降低流程，以应对当前可预见的风险和新出现的风险。

风险不仅是技术固有的，在人与技术交互时也会出现风险。当人们使用人工智能时，可预见和不可预见的风险都会出现。在《2023年人工智能报告》中，美国教育部建议“让人类参与其中”，然而，要求教育工作者审查人工智能的每一次使用或每一次基于人工智能的产出既不现实，也不公平。无论是在开发过程中，还是在产品实际使用过程中，开发人员都有责任“参与其中”美国人工智能研究生，对人工智能的使用和产出进行审查。

（三）协调创新与责任

开发人员用“堆栈”这个形象的比喻来描述产品是如何由分层或连接的组件构建而成的。开发堆栈是协调复杂组织中众多创新者工作的一种有效方式，它协调了整体产品或服务的生产和市场交付方式。美国教育部大力鼓励开发组织现在通过协调的“责任”堆栈来定义平行优势。这种责任堆栈将确定复杂的教育技术开发组织中的人员如何共同努力，以赢得其产品的教育用户的信任。

事实上，开发人员以前可能会强调其组织中的一个特定风险管理办公室或角色，如数据隐私角色，但在人工智能时代，仅有一个人负责安全是不够的。虽然这些现有的风险管理角色应该继续存在，但还需要更多的角色来解决训练数据中的代表性问题、衡量和减轻算法偏差、纠正输出中的错误和误报，以及解决其他问题。特定的风险将出现在特定的组件（如大语言模型组件与计算机视觉组件）、组件之间的交互，以及构建和集成人工智能系统的不同阶段（如收集用于训练的数据集、根据数据构建人工智能模型，以及根据这些模型设计用户交互）。教育开发者可以检查其内部角色和流程的组织方式，以实现对负责任的人工智能的持续关注。美国教育部注意到，许多人工智能开发商正在制定自己的负责任人工智能原则，公众将受益于对责任的公开承诺和对这些承诺的问责。因此，美国教育部强烈敦促开发者解决如何将他们的“创新堆栈”（共同合作提供新能力的组件）与平行的“责任堆栈”（共同合作降低每个组件和开发阶段风险的角色）相结合的问题。

●三、从教育设计到赢得信任的途径 ●

通过听证会，美国教育部听取了开发人员和教育工作者对教育领域人工智能的关切，对这些问题进行分类，并围绕以下五个关键的共同责任领域编写了该指南：

（一）为教育而设计

开发者应从了解教育的具体价值开始。在许多例子中，美国教育部看到教育工作者站出来阐述价值观，如在循环中以人为中心，关注优先教育挑战，如阅读、科学、数学和计算机科学教育。此外，应将教育工作者和学生的反馈意见纳入产品开发、测试和改进的各个环节，以确保充分满足学生的需求。

（二）提供理由和影响的证据

这对于决定采用或采购哪些教育技术产品非常重要，尤其是在产品的目标是提高学生成绩的情况下。美国《1965年中小学教育法案》和教育决策者都要求开发者提供产品或服务能提高学生成绩的证据。例如，在采购方面，教育机构对所需的证据提出了明确的要求。

（三）促进公平和保护公民权利

这是美国教育部和政府的一项基本承诺，也是公众听证会上开发人员和教育工作者的核心关切。例如，开发人员应警惕数据集中的代表性和偏见问题、系统中的算法歧视问题英国G5院校留学，并确保残疾人的无障碍环境。

（四）确保安全、可靠

关于人工智能的行政命令和相关的行政指南都强调要确保安全、可靠。教育决策者正在清晰地阐述他们对数据隐私和安全的要求，并详细说明人工智能时代的其他要求，如公民自由。为了负责任地参与生态系统，开发者需要详细说明他们将采取哪些行动来确保人工智能用户的安全。

（五）提高透明度和赢得信任

这是一个重要的总体目标。要赢得信任，就必须重视上述所有价值观，此外，还有一个重要的沟通层面，即超越产出的沟通。例如，信任需要透明度和其他公开承诺，以便在技术供应商和用户之间建立互信。开发人员、教育工作者和其他相关人员共同参与定义和协作行动美国人工智能研究生，美国教育部发布：《利用人工智能进行教育设计》，也能建立信任。

●四、结论 ●

教育决策者对利用人工智能新功能的产品和服务持谨慎乐观的态度。正如该指南所述，教育工作者看到了大量利用人工智能实现其教育机构愿景的机会，但他们必须充分了解必须应对的风险。因此，教育决策者们强调，既要关注重要机遇，又要采取有力、明确的措施来应对风险，这具有双面性。这种双面性决定了当今教育开发商的市场机遇。

随着开发人员在教育领域推出新的人工智能应用，“赢得公众信任”至关重要。美国教育部设想建立一个健康的教育技术生态系统，强调提供者、评估或推荐者以及在教育环境中采购和使用技术者之间的相互信任。美国教育部发现，在该部的《2023年人工智能报告》中，电动自行车的比喻是整个生态系统讨论的良好起点：教师和学生在利用人工智能的能力加强教学和学习的过程中，应该掌握控制权。就像骑自行车的人可以控制方向和速度，但在电动自行车传动系统的帮助下可以节省体力一样，教育参与者也应保持控制力，在技术放大他们的选择和行动时，能够将节省下来的体力和时间用于进行最有影响力的互动和活动。开发人员在设计人工智能教育系统时也应采取预防措施，以确保安全，并赢得公众的信任，正如骑行者希望电动自行车的开发人员能够确保骑行者的安全和安保，并赢得公众的信任一样。