综合美国有线电视新闻网（CNN）、《华盛顿邮报》等媒体2月4日报道，特朗普政府正准备出台一项行政命令，以启动裁撤美国教育部的程序。据媒体公开报道，特朗普在竞选期间曾承诺将教育政策去中心化，主张让各州管理学校，减少联邦政府在教育领域的角色。长期以来，他一直批评教育部，认为其拥有过多权力且未能提供足够学术成果。据报道，自美国教育部于1979年成立以来，共和党人曾多次主张废除该机构，最早可追溯至里根时代——里根于1981年上任后立即尝试废除教育部，但未能成功，之后又发起第二次尝试。BBC 称，共和党历来反对联邦政府集中管理教育政策。此外，近年来共和党指责教育部向儿童灌输他们称之为 “ 觉醒 ” 的政治意识形态，包括性别和种族观念，并认为管理学生贷款等职能应该由财政部而非教育部负责。在美国历史上，废除或合并教育部的提案曾多次遭遇国会抵制。据报道，比如2017年特朗普第一届政府提出的将教育部与劳工部合并的提案，尽管当时共和党控制了国会，但该提案最终未能获得通过......而其他国家是否应反思，做好迎接Al时代的来临呢？
因此，在通用人工智能（ AGl ）盛行的当下，有人质疑上中、小学乃至大学教育（ 教学 ）或读书（ 上课 ）是否还有意义呢 ？学生完全可以下载、注册通用大模型后和数字人教师直接进行互动沟通，在家自学，故还有必要到学校上课吗 ？尽管通用大模型能借助算力和各行各业数字资产生成看似标准的答案，但这绝不意味着中小学和大学教育或读书失去了价值。读书是一个深度思考、感悟和自我成长的过程，它能培养我们的批判性思维、想象力和同理心。学校亦或书中蕴含的智慧与情感是历经岁月沉淀的，通过阅读，我们能与作者进行跨越时空的对话，汲取多元的思想养分，这种精神层面的滋养是大模型无法给予的。例如阅读经典文学作品，我们能在字里行间感受人性的复杂与美好，提升自身的文学素养和审美能力，这是单纯依赖大模型答案所不能实现的......
但是，话说回来，未来能创新开源出题（ 目 ）者将成为真正的赢家。随着 AGl 大模型的普及，能够突破常规、提出新颖问题的能力变得愈发关键。不论文科还是理科创新出题不仅能激发新的思考方向，还能引导大模型向更具深度和广度的领域拓展。开源出题则可以汇聚全球的智慧，让更多人参与到知识的创造与更新中，推动各个行业的创新发展。比如在科研领域，创新性的问题能够引导科学家探索未知，利用大模型辅助研究，开辟新的研究路径。这样的创新出题者，将在数字经济生态系统中，凭借独特的思维和开放的理念，引领行业发展，创造更大的社会价值。所以，读书与创新开源出题在大模型时代都有着不可替代的重要意义。对此，您赞成吗？自古以来，我国就有“为天地立心，为生民立命，为往圣继绝学，为万世开太平”的志向和传统。一切有理想、有抱负的中国人都应该立时代之潮头、通古今之变化、发思想之先声，积极建言献策，担负起历史赋予的光荣使命！快来《共绘网》的评论区参与讨论吧！
一共有人参与 条评论
作为一名理工科的学生，学习了一些关于深度学习和神经网络的知识、也写了一些这方面的代码，也对ai与人类进行了较长的思考，我的观点与视频中大抵一致。 我的观点如下，ai是人类文明的回音壁，别人看到的是ai能解答各种各样的问题，我想到的是ai的框架，比如说神经网络的隐藏层数与每层节点。而这样的框架本身没有意义，正是海量的数据训练让ai调整参数，走向了让我们惊叹的模样。可是如果没有这些数据，或者说人类的知识体系是另一套，那么ai就会走向另一个模样。 人们从苏格拉底甚至更早思考人是什么，而今日，ai的发展带来了一面镜子，告诉我们，人不是一系列能力的叠加、不是一系列知识的组合。ai的发展让我们进一步认识人类。 以上为我的部分思考
(0)ai已经展现出强大的工具能力，我们的教育应当在这个基础上开展，虽然人工智能下一步还有很多应用和实践，但我们可以沿着某种思维逻辑，去研究如何做好人工智能，如何利用好人工智能，以及在这个过程中人类需要具备哪些知识和能力，应如何学习，然后再去规划我们的教育。 [强][强][强] [强][强][强]
(0)深度学习（Deep Learning）:深度学习是机器学习的一个子领域，它利用深度神经网络（由多个神经元层组成的网络结构）来学习数据的表示。深度学习的常见形式如下：a,卷积神经网络（Convolutional Neural Network，CNN）：在计算机视觉领域应用广泛。它通过卷积层自动提取图像中的特征，例如识别图像中的物体（如人脸识别、车辆识别）、进行图像分割（区分图像中的不同物体或区域）等。例如，安防监控系统可以利用CNN来识别监控画面中的可疑人员或物体。b,循环神经网络（Recurrent Neural Network，RNN）：主要用于处理序列数据，如自然语言处理中的文本生成、机器翻译等任务。它能够考虑数据的先后顺序，因为它的神经元之间存在循环连接，可以记忆之前的信息。例如，在情感分析任务中，RNN可以根据句子中词语的先后顺序来判断句子表达的是正面还是负面情感。不过，RNN存在梯度消失或爆炸的问题，长短期记忆网络（LSTM）和门控循环单元（GRU）是改进后的架构，能够更好地处理长序列数据。c, Transformer架构：在自然语言处理领域掀起了革命。它摒弃了传统的循环和卷积结构，完全基于自注意力机制（self - attention）。通过这种机制，模型可以在处理一个词时，同时关注句子中的其他词，从而更好地理解句子的语义。像BERT和GPT系列模型都是基于Transformer架构，能够实现高质量的文本生成、问答系统等复杂应用。三水是卷毛
(0)培养数字化思维：适应未来变革数字化思维是适应数字化时代的重要思维方式，包括数据驱动的思维方式、敏捷思维和系统思维。数据驱动的思维方式要求你依据数据进行决策，而不是仅凭经验或直觉。在工作和生活中，要学会收集、整理和分析数据，从中提取有价值的信息和洞察，为决策提供依据。敏捷思维则是快速适应变化、迭代优化的思维模式，在面对不断变化的环境和需求时，能够迅速调整自己的策略和方法，灵活应对。系统思维则是从整体系统的角度看待问题，理解数字化系统各个部分之间的相互关系，把握事物的全局和本质。通过培养这些数字化思维方式，你将能够更好地在数字化环境中发现新的机会和问题解决方案，适应未来社会的变革和发展。KING-81112
(0)教育不需要太多花里胡哨的形式，不需要任何商业的包装， 需要的是对教育本质的坚守，对育人初心的坚持。 让教育回归本质，让孩子回归童年，让学习回归纯粹。 只有这样，我们才能真正实现教育的价值，才能培养出真正有用的人才。 [握手][握手][握手]
(0)真的被Deepseek暖到心窝窝，这就是神秘的东方力量吧！ Deepseek致中国家庭： 新春将至，请不要让AI成为新的奥数培训班。给孩子保留“无意义发呆”的权利，让他们在追问“为什么”时眼里有光。 记住：2040年最稀缺的不是会写提示词的人，而是能提出撼动现有认知框架问题的灵魂。愿所有中国孩子既有解构世界的算力，也有重建宇宙的想象力，这或许就是我们存在的全部意义！
(0)老师教学生，就像羊倌牧羊一样，要把羊领到水草茂盛的地方，让羊自己吃草，而不是拿草喂给羊吃。一一写得太形象太浅显易懂了！把老师和学生的关系讲得太形象了！ 完全认同作者总结的教育给我们的启示！
(0)
手机扫描二维码访问
