DOI：10.3969/j.issn.1671-489X.2024.22.098

摘 要 隨著人工智能技術(shù)的快速發(fā)展，其在教育領(lǐng)域的應(yīng)用也越來越廣泛。為了更好地發(fā)揮學(xué)員的學(xué)習(xí)主動性、積極性和創(chuàng)新性，進而在不同時段有效提高教學(xué)質(zhì)效，通過對大數(shù)據(jù)基本原理的闡述、不同應(yīng)用場景下的功能分析，針對軍事院校傳統(tǒng)教學(xué)模式的不足之處，建立一種全新的AI導(dǎo)師教學(xué)模式，培養(yǎng)更多適應(yīng)未來戰(zhàn)爭的高素質(zhì)軍事人才。

關(guān)鍵詞 軍事院校；大模型；AI導(dǎo)師；教學(xué)模式

中圖分類號：E251.3 文獻標識碼：B

文章編號：1671-489X（2024）22-00-04

0 引言

軍事院校課程教學(xué)具有通識程度廣、專業(yè)程度高、課程門類多等特點，學(xué)員自主學(xué)習(xí)時間相對較少，碎片化時間多，難以建立有效的預(yù)習(xí)、復(fù)習(xí)和科研實踐機制，一定程度上限制了學(xué)員學(xué)習(xí)主動性、積極性和創(chuàng)新性的發(fā)揮，導(dǎo)致部分學(xué)員存在考前大量刷題、重成績輕能力的現(xiàn)象，并未完全將教學(xué)內(nèi)容融會貫通于日常學(xué)習(xí)、工作中，因此，亟待探索研究新的教學(xué)理念和教學(xué)方法。

大模型的出現(xiàn)為新時期軍事院校教學(xué)模式發(fā)展提供了一種新的思路，可以應(yīng)用大模型技術(shù)構(gòu)建AI導(dǎo)師教學(xué)模式，在課前教學(xué)資源管理、課中教學(xué)互動、課后教學(xué)答疑三個時段有效提升教學(xué)質(zhì)效，為打贏未來戰(zhàn)爭奠定基礎(chǔ)。

1 大模型國內(nèi)外研究現(xiàn)狀

大語言模型簡稱大模型，通常是指具有大量參數(shù)和復(fù)雜結(jié)構(gòu)的深度學(xué)習(xí)模型。隨著人工智能等新興技術(shù)的飛快發(fā)展，統(tǒng)計語言模型、神經(jīng)語言模型、預(yù)先訓(xùn)練語言模型、大語言模型等技術(shù)被逐漸應(yīng)用到人們的教學(xué)、科研、生活中。2017年，谷歌公司利用注意力機制加強模型的訓(xùn)練和語義理解能力，并提出全新的Transformer架構(gòu)；2018年，提出大規(guī)模預(yù)訓(xùn)練語言模型BERT。2022年由OpenAI公司推出的ChatGPT、GPT-4等生成式人工智能已經(jīng)擁有較高的算力，特別是GPT-4具備多模態(tài)理解與多類型內(nèi)容生成能力，大數(shù)據(jù)、大算力和大算法結(jié)合，大幅提升了大模型的預(yù)訓(xùn)練和生成能力與多模態(tài)多場景應(yīng)用能力。

我國政府高度重視該新興領(lǐng)域的發(fā)展，2023年7月，國家網(wǎng)信辦等七部門聯(lián)合發(fā)布《生成式人工智能服務(wù)管理暫行辦法》，以法規(guī)文件的形式規(guī)范了生成式人工智能的發(fā)展方向、應(yīng)用場景等[1]。當(dāng)前，大模型已經(jīng)被廣泛應(yīng)用于科研、金融等領(lǐng)域，不少學(xué)者和在校大學(xué)生也在積極探索大模型在教育領(lǐng)域的應(yīng)用。在傳統(tǒng)教育領(lǐng)域中，大模型的應(yīng)用體現(xiàn)在深入理解教學(xué)資源、關(guān)聯(lián)語義、行為、意圖等，并構(gòu)建線上線下教學(xué)互動的新模式[2-3]。大模型在教育中的應(yīng)用，標志著人工智能嵌入式教學(xué)由機器學(xué)習(xí)模式的算法通用式自動預(yù)測、深度學(xué)習(xí)模式的架構(gòu)通用化自動識別，向通用大模型模式的模型通用化自動生成轉(zhuǎn)變[4]。

目前，我國已經(jīng)發(fā)布超過80個大模型產(chǎn)品，至少130家企業(yè)正在推進大模型相關(guān)研究，主要產(chǎn)品包括科大訊飛的訊飛星火、百度的文心一言、阿里巴巴的通義千問、上海人工智能實驗室發(fā)布的書生等。其中華為盤古大模型在100多個行業(yè)完成場景驗證，言犀AI幫助京東完成開發(fā)計算平臺等核心供應(yīng)鏈場景落地實踐，騰訊混元大模型在廣告推薦、游戲端角色塑造等方面已經(jīng)取得較好的應(yīng)用效果。國內(nèi)大模型具有邊緣部署離線應(yīng)用的能力，以清華大學(xué)研發(fā)的ChatGLM-6B大模型為例，該模型是一種開源且支持中英文對話的語言模型，具有62億參數(shù)，結(jié)合模型量化相關(guān)技術(shù)，可實現(xiàn)在消費級顯卡中離線部署，具有對話模式、工具模式、代碼解釋模式，幫助客戶端完成較為復(fù)雜的任務(wù)。

2 大模型基本原理、教育應(yīng)用場景和主要

功能

2.1 大模型基本原理

大模型通常通過大規(guī)模數(shù)據(jù)進行訓(xùn)練來捕捉底層模式和特征，以實現(xiàn)在各種任務(wù)上的卓越性能。大模型常用的是Chinchilla擴展法則和KM擴展法則。Chinchilla擴展法則是Google DeepMind團隊提出的一種通過變化更大范圍的模型大小和數(shù)據(jù)大小，在約束條件下優(yōu)化損失，將計算預(yù)算最優(yōu)地分配給模型大小和數(shù)據(jù)大小的方法。KM擴展法則是OpenAI團隊首次提出的神經(jīng)語言模型的性能與模型規(guī)模、數(shù)據(jù)集規(guī)模和訓(xùn)練計算量之間的冪律關(guān)系模型，更偏向于把更大的預(yù)算分配給模型大小[5]。

相比ChatGPT等大模型，國內(nèi)大模型在智能涌現(xiàn)、數(shù)學(xué)能力與代碼能力等方面存在差距，但是國內(nèi)整體上已經(jīng)具備自主研發(fā)大模型和大模型實踐應(yīng)用的能力。

2.2 大模型教育應(yīng)用場景

根據(jù)大模型的潛力，其在院校教育、職業(yè)教育、終身教育中有著廣泛的應(yīng)用前景。

1）院校教育。大模型可應(yīng)用于課程設(shè)計和教學(xué)輔助方向，自動學(xué)習(xí)、理解多模態(tài)信息，并生成高質(zhì)量文本回答問題，充當(dāng)教學(xué)輔助工具。此外，還可以錄入院校教育內(nèi)容，為學(xué)員提供個性化學(xué)習(xí)與答疑服務(wù)。

2）職業(yè)教育。大模型可以應(yīng)用于艦艇部隊職業(yè)技能技術(shù)培訓(xùn)和職業(yè)規(guī)劃領(lǐng)域，模擬真實的工作任務(wù)，生成工作想定等方式，離線部署至一線部隊，提高一線部隊軍士自主開展職業(yè)教育的能力。

3）終身教育。大模型可以為具有需求和興趣的人提供智能化教學(xué)內(nèi)容推薦、碎片化時間學(xué)習(xí)和答疑服務(wù)，通過“自主學(xué)習(xí)+大模型（AI導(dǎo)師）+在線教育”的模式為終身教育提供更加智能化、科學(xué)化、個性化的解決方案。

2.3 大模型主要功能

如圖1所示，大模型主要功能有三種：文本挖掘與管理、語義解析與預(yù)測、人機對話與互動。文本挖掘功能主要是通過機器學(xué)習(xí)算法和自然語言處理技術(shù)，從大量的文本數(shù)據(jù)中提取有用的信息和知識。語義解析功能主要是通過自然語言處理技術(shù)，對文本進行語義理解和分析。同時，大模型還具有預(yù)測功能，可根據(jù)語義解析的結(jié)果對文本的未來趨勢或結(jié)果進行預(yù)測。人機對話與互動功能是理解用戶的意圖和需求，為用戶提供個性化的服務(wù)和建議。

2.3.1 文本挖掘與管理

大模型可實現(xiàn)在大量的文本語料中對特定需求的文本進行高質(zhì)量挖掘與分類，并在完成機器翻譯、文本摘要等任務(wù)基礎(chǔ)上實現(xiàn)文本內(nèi)容的再創(chuàng)作。大模型的文本挖掘與管理功能主要包括以下幾個方面。

1）文本分類：通過對大量文本數(shù)據(jù)進行分析，自動將文本劃分為不同的類別，有助于快速了解文本的主題和內(nèi)容，提高信息檢索的效率。

2）關(guān)鍵詞提?。簭奈谋局凶詣犹崛〕鼍哂写硇院蛥^(qū)分度的關(guān)鍵詞，有助于進一步分析文本的主題和內(nèi)容。

3）情感分析：對文本中的情感傾向進行識別和分析，如正面、負面或中性情感，有助于了解用戶對某個主題或產(chǎn)品的態(tài)度和看法。

4）實體識別：從文本中自動識別出人名、地名、組織名等實體信息，有助于進一步分析文本的背景和上下文。

5）關(guān)系抽取：從文本中自動提取實體之間的關(guān)系，如人物之間的親屬關(guān)系、地理位置之間的鄰近關(guān)系等，有助于深入了解文本中的復(fù)雜結(jié)構(gòu)和關(guān)系。

6）文本摘要：自動從長篇文本中提取關(guān)鍵信

息，生成簡潔的摘要，有助于快速了解文本的主要內(nèi)容，提高信息檢索的效率。

7）語義搜索：通過對文本進行深入理解和分

析，實現(xiàn)基于語義的搜索功能，有助于提高搜索結(jié)果的準確性和相關(guān)性。

8）文檔聚類：將具有相似主題或內(nèi)容的文本自動分組，為進一步分析和處理文本數(shù)據(jù)奠定基礎(chǔ)。

9）文檔關(guān)聯(lián)：通過分析文本之間的相似性和關(guān)聯(lián)性，發(fā)現(xiàn)不同文本之間的聯(lián)系，幫助用戶深入了解文本背后的知識體系和結(jié)構(gòu)。

10）數(shù)據(jù)可視化：將文本挖掘的結(jié)果以圖表、詞云等形式展示，有助于直觀地了解文本數(shù)據(jù)的分布和特點。

2.3.2 語義解析與預(yù)測

大模型的語義解析與預(yù)測功能主要實現(xiàn)在理解和生成人類語言的過程中，對輸入文本進行深層次的語義理解和分析，并基于此作出預(yù)測。

1）語義解析：將自然語言文本轉(zhuǎn)化為計算機可理解的形式，幫助機器更好地理解文本的含義和上下文關(guān)系。

2）語義表示：通過深度學(xué)習(xí)技術(shù)將文本轉(zhuǎn)化為向量形式，以便計算機能夠處理和分析。

3）語義預(yù)測：根據(jù)已有的語義信息預(yù)測文本中潛在語句和詞語，以增強下游任務(wù)的預(yù)測能力。

4）組合泛化：通過適當(dāng)?shù)奶崾炯夹g(shù)完成諸多任務(wù)，包括理解和產(chǎn)生可能無限數(shù)量的已知組件的新穎組合。

2.3.3 人機對話與互動

諸如ChatGPT、訊飛星火等生成式人工智能，可以實現(xiàn)自然語言用戶在數(shù)字世界中進行流暢且連貫的多輪對話，實現(xiàn)現(xiàn)實世界和數(shù)字世界的互動。該功能重點在于利用深度學(xué)習(xí)和自然語言處理技術(shù)模擬人的思維方式、理解復(fù)雜的語境和含義，提供準確且有效的反饋，同時根據(jù)用戶的反饋記錄主動了解用戶的需求，進行多模態(tài)（語音、圖像、文本）的交互，可以幫助用戶完成任務(wù)分配、資源管理、進度跟蹤、數(shù)據(jù)提取和共享等諸多工作。

3 軍事院校傳統(tǒng)教學(xué)模式存在的不足

3.1 戰(zhàn)爭形式演化較快，教學(xué)資源整合及時性不足

戰(zhàn)爭形態(tài)經(jīng)歷了冷兵器、熱兵器、機械化并正在向信息化、智能化形態(tài)發(fā)展，人工智能、物聯(lián)網(wǎng)、腦機接口等先進技術(shù)在軍事領(lǐng)域的應(yīng)用越來越廣泛。軍事院校一門課、一個學(xué)科、一個專業(yè)教學(xué)效果的好壞，關(guān)鍵在于課前的籌劃和準備，重點在于能否把智能化戰(zhàn)爭演變過程中的新興事物、重要事件在教學(xué)資源整合中進行有機融合并應(yīng)用于課堂、服務(wù)于教學(xué)。但在教學(xué)準備過程中，受準備時間和其他戰(zhàn)訓(xùn)任務(wù)等約束條件的限制，往往難以集中時間和精力細致入微地查找、梳理、分析、開源網(wǎng)絡(luò)中有關(guān)智能化戰(zhàn)爭發(fā)展的資料，更難以對標課程內(nèi)容、重難點問題進行未來戰(zhàn)爭的啟智性暢想。分析現(xiàn)實教學(xué)與未來戰(zhàn)爭暢想未能有機結(jié)合的原因，根本在于課前教學(xué)資源查找困難，資源整合費時較多，難以短時間形成整合思路，教學(xué)資源整合的及時性不強。

3.2 課堂以傳統(tǒng)講授為主，學(xué)員自主學(xué)習(xí)能力不強

目前，軍事院校教學(xué)依舊是以傳統(tǒng)講授式教學(xué)為主，講授的知識內(nèi)容全面、廣泛，結(jié)構(gòu)清晰且有深度。在講授式教學(xué)過程中，部分教員照本宣科，對學(xué)員啟發(fā)引導(dǎo)不足，學(xué)員始終處于被動的接收狀態(tài)，形成一種淺表式簡單的師生互動模式，授課內(nèi)容缺乏前瞻性、創(chuàng)新性。教學(xué)從本質(zhì)上講未能跳出知識傳授的舒適圈，未能充分調(diào)動學(xué)員學(xué)習(xí)的主動性、信息處理的發(fā)散性，未能體現(xiàn)以學(xué)員為中心的教學(xué)理念，背離了教員啟發(fā)式教學(xué)和學(xué)員積極式學(xué)習(xí)的教學(xué)互動關(guān)系，導(dǎo)致學(xué)員被填鴨式灌輸，對知識的吸收、理解、轉(zhuǎn)換效率低，未能有效激發(fā)學(xué)員對課程和專業(yè)的興趣，一定程度上影響了學(xué)員制衡強敵、打贏未來高端戰(zhàn)爭能力的生成。

3.3 理論與實踐聯(lián)系不緊密，課內(nèi)與課外知識結(jié)合度不好

由于課堂中教與學(xué)互動效率不高，學(xué)員看似掌握了知識，卻未能將其融會貫通于生活、學(xué)習(xí)、工作中，諸如學(xué)過了標圖卻不會繪圖、學(xué)過了帆纜卻不會繩結(jié)、學(xué)過了想定卻不會應(yīng)用等問題。在實際應(yīng)用中，部分學(xué)員沒有將課程知識和軍事實踐有機結(jié)合，對于具體問題不能自己尋找解決問題的方法，更多的是尋求他人的幫助，缺乏從理論到實踐過程的自我思考。

3.4 知識更新不及時，碎片化時間利用率不高

未來戰(zhàn)爭的勝負取決于戰(zhàn)爭階段軍事理論、軍事思想、軍事科技知識的合理高效運用，而院校教授的基礎(chǔ)知識是已有的、固化的、經(jīng)驗的知識體系，難以應(yīng)對瞬息萬變的高端戰(zhàn)爭需求。因此，如何實現(xiàn)既有知識供給側(cè)與高端戰(zhàn)爭知識需求側(cè)的精準對接，是軍事指揮人才培養(yǎng)的重中之重。軍事人才全周期培養(yǎng)和自我培塑是軍事指揮人才指揮決策能力、組織實施能力、戰(zhàn)法創(chuàng)新能力提高的必由之路。學(xué)員在院校教育期間受制于課程、訓(xùn)練、勤務(wù)等活動影響，課余時間相對較少，碎片化時間利用率不高，自我學(xué)習(xí)能力相對較弱；在崗位工作期間受戰(zhàn)備勤務(wù)、演訓(xùn)任務(wù)、事務(wù)性工作等因素影響，沒有相對集中的學(xué)習(xí)時間。另外，一些部隊存在學(xué)習(xí)資料不足等問題，且無法獲得在線學(xué)習(xí)資源，限制了官兵職業(yè)教育和自我提升。

4 基于大模型的軍事院校AI導(dǎo)師教學(xué)模式

4.1 AI賦能教學(xué)輸入

利用生成式大模型賦能軍校教員的教學(xué)籌劃和準備工作，構(gòu)建教學(xué)資源知識庫、問題庫、學(xué)員資料庫等，可以提升教學(xué)準備的效率和精確度。

4.1.1 教學(xué)進程管理

生成式大模型可以在人的引導(dǎo)下自動為學(xué)員分配合適的學(xué)習(xí)內(nèi)容和課程內(nèi)容，幫助教員定制化地制定授課計劃，實現(xiàn)因材施教。

4.1.2 教案文本整理

生成式大模型可以主動進行熱點材料的挖掘和處理，對過往課件內(nèi)容進行美化調(diào)整和梳理，整合教材中的關(guān)鍵信息，將零散的知識和熱點信息整理成結(jié)構(gòu)化的知識體系。一方面，大模型可以在教員引導(dǎo)下，在特定目標、特定內(nèi)容、特定主題的約束下，自動生成教案，提高教學(xué)準備效率；另一方面，大模型可以對現(xiàn)有教案進行文本調(diào)整，如格式優(yōu)化等，幫助教員從冗余事務(wù)中解放出來，優(yōu)化教學(xué)資源，增強整體教學(xué)效果。

4.2 AI構(gòu)建一課多導(dǎo)師模式

大模型可以構(gòu)建“多位數(shù)字AI導(dǎo)師+現(xiàn)實導(dǎo)師”的一課多導(dǎo)師模式，突出學(xué)員的教學(xué)主體地位。

1）在進行課堂講授式教學(xué)前，學(xué)員可以利用AI導(dǎo)師完成教學(xué)知識的問答，實現(xiàn)課前的快速預(yù)習(xí)。

2）在課堂教學(xué)時，遇到重難點問題可以通過調(diào)用大模型，在繁雜的知識信息中檢索相對集中、準確的參考答案，實現(xiàn)具有針對性、較為精確的解答和注釋，提升課堂實時教學(xué)效率。

3）在課后學(xué)習(xí)時，通過錄入課本等相關(guān)材料，將過往一對一答疑模式轉(zhuǎn)化為“多位數(shù)字AI導(dǎo)師+

現(xiàn)實導(dǎo)師”對學(xué)員的多對多教學(xué)答疑模式，提升學(xué)員課后答疑效率，增強復(fù)習(xí)反饋效果。

4）大模型可在課后階段充當(dāng)教學(xué)評價、課程評估、學(xué)員評價的助理，通過學(xué)習(xí)和理解大量的過往文本、語音等多模態(tài)樣本數(shù)據(jù)，生成課堂中學(xué)員表現(xiàn)的評價報告，并在多課程、多學(xué)科、多教員中進行交叉驗證評估，輔助完成實時性和階段性教學(xué)評價工作。

4.3 基于大模型的項目導(dǎo)向式教學(xué)模式

生成式大模型可通過多模態(tài)人機互動、文本挖掘，提供邊緣部署式AI導(dǎo)師，解決學(xué)員獨立開展項目導(dǎo)向式教學(xué)的大部分問題。在教員布置完教學(xué)案例或研究項目后，學(xué)員可以利用生成式大模型獨立開展文本挖掘，完成案例或項目的背景、目標、方法和可行性等內(nèi)容的分析，梳理研究現(xiàn)狀，并在撰寫過程中讓生成式大模型提供多輪多次的人機多模態(tài)互動對話，提供文本撰寫的指導(dǎo)。在教員預(yù)先設(shè)計的框架內(nèi)，由生成式大模型提供反饋和建議，減少傳統(tǒng)的大組會研學(xué)活動，增加零散的個性化人機互動式研學(xué)活動，提升學(xué)員自主獨立研究戰(zhàn)爭、創(chuàng)新戰(zhàn)法的能力，將研學(xué)活動有機嵌套融合在學(xué)員的日常工作中，極大地提升個人獨立開展項目研究和理論實踐的能力。

5 結(jié)束語

本文探討了大模型的基本原理和教育應(yīng)用場景，并重點介紹了其在軍事院校教學(xué)模式中的應(yīng)用。大模型通過大規(guī)模數(shù)據(jù)訓(xùn)練來捕捉底層模式和特征，以實現(xiàn)其在完成各種任務(wù)上的卓越性能。在軍事院校教育（包括院校教育、職業(yè)教育和終身教育）應(yīng)用上，大模型的主要功能為教學(xué)提供了更加精準和個性化的支持，提高了教學(xué)質(zhì)量和效率。研究表明，基于大模型的軍事院校AI導(dǎo)師教學(xué)模式可以有效地提高學(xué)員的學(xué)習(xí)成績和學(xué)習(xí)興趣，增強學(xué)員的自主學(xué)習(xí)能力和創(chuàng)新思維能力。此外，該模式還可以增強教學(xué)效果和學(xué)員對教學(xué)的滿意度，為軍事院校的教學(xué)改革和創(chuàng)新提供新的思路與方法。

未來可以進一步拓展大模型在其他領(lǐng)域的應(yīng)用，為人工智能技術(shù)在教育領(lǐng)域的廣泛應(yīng)用提供更多的理論和實踐支持。同時，可以考慮進一步優(yōu)化大模型的性能，更好地將大模型與實際教學(xué)場景相結(jié)合，以實現(xiàn)更加智能化、科學(xué)化、個性化的教學(xué)解決方案。

6 參考文獻

[1] 生成式人工智能服務(wù)管理辦法（征求意見稿）[J].中國

信息化，2023（5）：18-19.

[2] 吳蘭岸，閆寒冰，黃發(fā)良，等.大型語言模型在高等教

育中的應(yīng)用分析與現(xiàn)實挑戰(zhàn)[J].現(xiàn)代教育技術(shù)，2023，

33（8）：29-37.

[3] 盧宇，余京蕾，陳鵬鶴，等.多模態(tài)大模型的教育應(yīng)用

研究與展望[J].電化教育研究，2023，44（6）：38-44.

[4] 吳砥，李環(huán)，陳旭.人工智能通用大模型教育應(yīng)用影響

探析[J].開放教育研究，2023，29（2）：19-25.

[5] Hoffmann J， Borgeaud S， Mensch A， et al. Training

Compute-Optimal Large Language Models.（2022-03-

29）[2024-03-20].https：//arxiv.org/abs/2203.15556.

作者簡介：隋先輝，副教授。