LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University

在现代世界中，人工智能已从科幻小说走向日常工具，重塑了人们在办公室、教室和家庭中解决问题的方式。然而，社会在如何使用这些工具的学习方式上仍存在显著差距。大多数教育努力要么属于一类：即解释什么是人工智能但并不教授如何使用的广泛理论性研讨会；要么属于另一类：即为计算机科学专家设计的进阶技术课程，从而将其他人拒之门外。这种分歧让一大群学习者——那些需要构建网站、自动化电子表格或组织工作流，却缺乏编程技能的人——陷入了困境。他们面临着两种选择：要么完全手动操作，要么将工作完全交给机器，而往往并不理解其中的过程。当今教育工作者面临的问题不仅是如何教人们编程，而是如何帮助不同群体的人与人工智能协作，以构建符合其特定需求的真实、有效的解决方案。

在蒙茅斯大学（Monmouth University），一个由研究人员和教育工作者组成的团队测试了一种新的方法来弥补这一差距，创建了一个名为 LearnAI 的项目。该项目并没有强迫学生先学习复杂的编程语言，而是建立了一个能够满足人们现有水平的服务，提供针对现实任务的即时帮助。该项目分为两个层面运行。第一层是在十八门不同的大学课程中撒下的广阔网络，涵盖了从护理学、商业到计算机科学的各个领域。在这些课程中，本科生导师进行了十五分钟的短讲，展示了人工智能如何解决即时问题，例如创建学习指南或设计作品集网站。这些环节旨在激发兴趣并消除技术神秘感，邀请任何感兴趣的人报名寻求更深入的帮助。

对于那些采取下一步行动的人来说，项目的第二层开始了：一系列由受过训练的学生导师进行的一对一环节，客户直接与导师合作。这些会议不是讲座，而是工作坊，客户带着特定的目标而来，例如构建部门简报或实现数据录入任务的自动化。导师们遵循一套结构化的五步指南，帮助客户将目标转化为成品。首先，他们帮助客户清晰地定义问题，从模糊的想法（如“我想要一个网站”）转向具体的需求（如“我需要一个教师可以登录并发布更新的网站”）。接着，他们将合适的工具与任务相匹配，根据客户已有的知识以及他们面临的限制（如有限的电脑访问权限）在不同的 AI 平台之间做出选择。

这一过程的核心是客户与导师共同编写给 AI 的指令，研究人员称之为“将提示词作为规范”（prompting as a specification）。客户不再仅仅要求 AI “去做”，而是学习编写详细的请求，使其充当蓝图。导师会演示如何编写这些指令，然后逐渐退后，让客户主导，同时提供指导。一旦 AI 生成了结果，双方就会进入最关键的阶段：验证。他们测试输出结果，以确保其确实有效，检查是否存在错误或 AI 凭空捏造出的不存在的功能。最后，他们讨论伦理影响，决定如何使用该工具、它可以处理哪些数据，以及如何归功于创作背后的真人努力。

在两个学期中，该模型支持了三十五位客户，包括学生、教职员工和行政人员。其成果是切实的且多样化的。该小组共同创建了三十六个作品集网站和二十多个部署的 Web 应用程序。这些并非练习题，而是现实生活中使用的功能性工具。一位护理学教授构建了一个用于追踪学生出勤的安全系统，该系统被五十多名学生使用。一位没有编程背景的教育系学生创建了一个个人网站和一个邮件优化工具，随后她利用该工具准备了专业会议的材料。一名在受限电脑上的行政人员学会了利用其锁定桌面上的可用工具，来自动化重复的数据清洗任务。

然而，最重要的发现不仅是构建了多少个网站，而是客户看待技术方式的转变。在参加项目之前，许多参与者将 AI 视为一个“神谕”——一个只需提问就会提供答案的被动机器。在经历这一过程后，他们的观点发生了变化。他们开始将 AI 视为“过程伙伴”（process partner），一种需要人类指导、监督和验证的协作工具。一位计算机科学教授指出，AI 开始向她提问，使她思考一些她未曾考虑到的角度，从而将交互从简单的查询转变为真正的协作。另一位最初被技术步骤搞得不知所措的员工，学会了分解任务，并最终向她的同事传授了同样的方法。

研究人员观察到，这种转变并非自动发生的；它需要导师的人文因素来引导客户度过学习中的挫折感。导师们虽然都是计算机科学专业的学生，但他们发现自己最重要的技能并非技术专长，而是沟通能力以及调整教学风格以适应客户舒适程度的能力。他们学会了为那些对工具数量感到不知所措的人放慢速度，并为那些已经熟悉技术的人加快进度。该项目还揭示了一些界限。有些客户觉得通过提示词引导 AI 所需的精力超过了其带来的收益，还有一些人选择在某些类型的工作（如学术写作）中完全拒绝使用 AI，以保持个人的完全控制权。这些反应并未被视为失败，而是被视为有效的选择，凸显了让个人决定何时以及如何使用这些工具的重要性。

尽管该项目显示出了令人期待的结果，但研究人员也谨慎地指出了其研究的局限性。由于数据来自一小部分自愿参加项目的志愿者，因此不能假设每位学生或教师都会有相同的体验。对学习效果的衡量是初步的，且基于较少的参与者人数，这表明需要进一步的研究来确认长期影响。然而，现实世界的产出物（即运作中的网站和应用程序）的收集，为这种方法提供了具体的证据。该项目证明，只要有适当的支持，来自各种背景的人都可以从技术的被动消费者转变为主动的创造者，利用 AI 来解决自己的问题。LearnAI 框架提供了一个实用的模型，供希望将人工智能整合进教育体系的机构参考，将其不作为一门独立的学科，而是作为一种编织进日常工作与学习纹理中的工具。