作者简介：李培根，中国工程院院士，华中科技大学原校长、教授。原文发表于《高等工程教育研究》2023年第五期。

摘  要：人工智能技术的发展，正以前所未有的速度改变世界。人类在很多方面或许正面临拐点，如人类的存在形式、科学发现和技术创新的方式、人才需求、教师工作形态等。如何培养应对拐点到来的人才，这就需要教育率先做好转型变革的准备。文中指出，工程中的易变性、不确定性、复杂性和模糊性等问题足以让我们全面地审视现在的专业教育，而依稀可见的拐点，更需要从理念到方式的变革，而非修补式的改革。本文提出若干迥异于传统工程教育的模式或方式，如从知识导向转向问题导向、学习空间和学习方式的转变等。文中还有关于工程教育的大胆预测，如培养学生具备引导AI、驾驭AI的意识流，利用虚拟现实/混合现实以及元宇宙等技术构建跨域的实践学习环境等。

关键词：人工智能  AI大模型  工程教育  工程教育变革  VUCA  意识流  思维流  问题导向

曾经，科技的发展，推动了工业革命。当今科技的发展，尤其是人工智能技术的发展，正以前所未有的速度改变世界。我们正在面临的第四次工业革命，其核心理念是CPS（Cyber Physics System，数字-物理系统），其特征是比特世界与原子世界的深度融合。多年前，第四次工业革命的概念问世后，学界、工业界、政界中无数人士对之期待无比。

当我们还来不及感受第四次工业革命的成果时，ChatGPT横空出世。也许有人认为类似于ChatGPT的大模型是第四次工业革命深度发展的必然结果，或许还有人认为，第四次工业革命只是倏忽一现的过渡时代。无需探究何种说法更为严格，很多人已经注意到，AI（人工智能）大模型的出现已经带给智者们更多的惊喜和忧虑，因为它直接挑战了人类的智慧。前几次工业革命都给世界带来巨大的变化，但有一点不曾变化的是：人-机关系中，人是“主”，机（包括机器和数字、信息工具）是“从”或者工具。大模型的出现不禁让人怀疑人-机关系的骤变。

2023年5月1日《纽约时报》报道显示，“深度学习三巨头”之一、2018年图灵奖得主Geoffrey Hinton透露他已经离职谷歌。5月3日，在麻省理工技术评论（MIT Technology Review）一场接近一小时的半公开分享会上，Hinton比较完整地讲述了他对AI的所有恐惧和担忧：一旦AI在人类灌输的目的中生成了自我动机，那以它的成长速度，人类只会沦为硅基智慧演化的一个过渡阶段。MIT实验室的精英们对Hinton的表态无言以对，不知所措（“The MIT Lab was speechless and bewildered”）。

人类或许正面临一个拐点，面对这个拐点，逃避是没有意义的。恰恰相反，应该以正确的方式去面对和迎接这一拐点。当然，这需要科学家、工程师、政治家、教育工作者乃至全社会的共同努力。由于真正面对拐点的是未来的精英们，如何培养应对拐点到来的人才，这就需要教育率先做好转型变革的准备。

一、透视VUCA

VUCA一词由美国军方于20世纪90年代提出，是Volatility（易变性）、Uncertainty（不确定性）、Complexity（复杂性）、Ambiguity（模糊性）的缩写，概括了后互联网时代商业世界的特征^[1]。进入智能时代，也许还有其它的特性，但VUCA将依然是需要关注的特性和需要处理的问题。

1.易变性

易变性表现在很多方面。技术手段的变化已经让我们眼花缭乱，而人工智能技术的出现又将大大加速科学发现和技术创新。如，AlphaFold能以前所未有的准确率预测蛋白质结构，给出的答案与蛋白质的真实结构之间，大约只差一个原子的宽度。要知道，根据氨基酸的排列顺序，折叠出三维结构——这可是困扰了科学家50年的问题。^[2]

技术的快速发展必然导致市场需求的快速变化。一方面，新技术一定催生新需求；另一方面，技术的飞速发展又能大大加快某一新技术的市场化速度。当前，市场中已经展现各种个性化需求，未来产品的个性化体现势必更甚。如，随着技术对人体的认识越来越清楚，个体对药物适应和需求的差异将越来越受到关注；而技术的发展也使药物的生产更容易适应个性化需求。

对职业素养要求的变化也会越来越快，其缘由依然是智能技术的快速发展。某些职业岗位即使不会消失，其工作形态将发生很大变化，就像教师未来的工作形态要发生很大变化一样。

易变性的表现还有很多，有很多变化甚至是颠覆性的。剧烈的变化必然导致对相应的专业人员素养要求的变化。既然如此，专业教育也应该随之变化。

2.不确定性

不确定性存在于工业的各种过程和活动中。工业过程本身充满着不确定性：加工中各种随机因素的影响；环境随机因素的影响；人（工程师、工人等）的活动虽有一定的规律，但也存在不确定性；市场变化的不确定性……永远不可能完全消除不确定性，但减小不确定性的影响却是企业持续改善的关键。

3.复杂性

复杂性广泛显现在工程领域。哪怕传统专业领域中最普通的过程，如机械制造中的金属切削过程，也呈现复杂性。或许有人认为这种并不对应于战略型新兴产业的传统问题太简单，但恰恰是因为问题太复杂，人们不得不忽略其复杂性而简单化处理。至于一个复杂装备，一定存在多领域物理问题，力、电、热、流体……多领域物理问题是如何耦合关联的？人们知道的只是那些显性的、线性的、低阶的关联，而对于那些高阶的、隐性的关联，学者和专家们也束手无策。如果考虑一个系统（如企业）的整体联系，其复杂度可想而知。如一个企业的成本问题，其影响因素非常多，通常考虑的措施只是针对那些显性的、基于因果的关联，而大量隐性的、并非基于因果的复杂关联，人们可能根本没意识到。

因为手段的局限，工程中大量的不确定性、复杂性问题被忽略或简单化。数字-智能技术发展到今天，使人们有了洞察并深刻认识不确定性、复杂性等问题的手段，未来人们有理由从大量的不确定性、复杂性中去寻求进一步的改善。工程教育当然应该直面那些曾经被忽略的问题。

4.模糊性

也许就在最近几年，人们蓦地发现某些事物或现象的模糊性，与此相关的是人们对模糊性的认识也是模糊的。有很多事物本身就是模糊的，但是人类却忽略事物本身的模糊性而试图以清晰、简单化的方式去处理。学科、专业界限越来越模糊。一些研究者从事的研究或关注的问题可能远超其所在专业的传统界限，如机械专业的研究者可能研究医学或生命科学相关的问题。可是，很多学校对学科界限模糊性的认识却很模糊，盲目以新增专业而应之。

人的某些生理指标（如血压）与疾病的对应关系是因人而异的，总体上是模糊的。但医学上却简单地设定一个正常的指标阈值。显然，这种“正常”消除了个体差异。还有，某种疾病对应的用药，一日几次，一次几颗，同样未考虑个体差异。对某种病的所有患者，都依据一个指标，用同样的药、和一种用药剂量，最终对个体病人的疗效却是模糊的。

人工智能与人类智能的界限在哪里？通用大模型的发展似乎使界限变得更模糊。

自从扎克伯格把Facebook更名为Meta之后，元宇宙开始真正进入人们的视野（诞生于1992年的科幻小说《雪崩》中提到的“Metaverse”[元宇宙]此前仅为少数人知晓），且一度大热。学界和业界中对元宇宙的看法存在分歧，不乏著名人士（如埃隆·马斯克）对元宇宙概念存疑。尽管元宇宙的热潮已消退不少，但不得不承认元宇宙还是未来发展的重要关注点。即便不言元宇宙，哪怕虚拟现实（VR）、增强现实（AR）乃至扩展现实（XR），也向人们展示了虚拟世界和现实世界的融合，或者说其界限开始变得模糊。

长期以来，人类心目中的人-机关系，人是“主”，机器是“从”。现在已经出现的一些技术，似乎在模糊既有的关系。如，基于AR的智能装配系统，可以指导工人如何一步一步地操作。这种情形中的“主-从”关系显然已经模糊了。过去，工程师应用CAD（计算机辅助设计）系统进行设计，这种人-机系统中，人还是“主”，机器是“从”。可是“生成式设计”（Generative design）之类的设计系统，正在逐步改变这种关系。未来，肯定会转向HAD（Human-Aided Design，人辅助设计）。HAD中，机是“主”，人是“从”。

互联网、虚拟现实、人工智能等技术使学习的空间界域变得模糊。过去，学生的学习空间是很局限的，教室、家中、实验室、图书馆，如此而已。未来在虚拟空间的学习时间占比肯定会大大增加，而且教师应该启发、引导学生如何使虚拟空间中的“自学习”更有成效。

可以预计的是，知识-智慧、成绩-能力之间的关系都会变得更模糊，尤其在智能时代。教育界习惯地认为，知识越多越智慧，成绩越好创新能力越强。事实上，它们之间的关系至少不是线性的，其关联在智能时代将更加模糊。有些学校成立一些提高班，试图通过给成绩好的学生灌输更多的知识，以提高他们的创新能力，实际上是进入了教育的误区。

教育必须面对林林种种的模糊性。

以细分或新增专业去应对学科、专业界限的模糊性，似乎无济于事。学校（教师）应该更多地让学生在问题中去学习跨学科的知识，去体验跨学科知识关联，包括一些模糊的关联。

传统的循证医学以模糊的总体（消除了个体差异）替代个体，又以简单化、精确的方式处理，最终带给病人的是模糊的效应。正确的方式应该是基于对个体差异的认识，从而以精确的手段处理问题，带给病人的是更准确的疗效——基因和数字-智能技术使之成为可能。

当生命主体进入数字世界，并与数字虚体进行双向连接和打通时，将构建一体化的“数字身份”，打破阻碍数实融合发展的信息、时间和空间壁垒，推动新一轮创新变革^[3]。未来的工业世界中，工业的元宇宙中，每一位员工（尤其是技术和管理人员）都可能有自己专属的数字化身。工科教师应该思考，员工多重身份如何更好地融合在物理与数字空间？

尽管技术的发展已经能够部分地颠覆人和机器的主-从关系，但人类显然不能从属于智能机器。人类将不断尝试开发出更多的在人-机关系中似乎扮演“主”作用的智能系统，同时又利用智能系统这种工具，形成超越人类自身智慧的超能力。兼顾这两面，应该是未来工程教育的责任。如何让未来的工程师不至于沦为智能系统的工具？在智能时代，不能指望人在解决具体工程问题（如设计）上超越智能系统的能力，但可以期望卓越工程师在针对某一工程问题时具备某种“意识流”、“思维流”，而智能系统恰恰随着人的“意识流”或“思维流”工作。——在这种情形下，人依然是“主”，智能系统是“从”。不难想象，一个具有宽广问题视野和发散思维的人，其“意识流”或“思维流”所引导的智能系统一定能够设计出更好的创新方案。问题是，工程教育该如何培养学生具备引导AI、驾驭AI的“意识流”或“思维流”？涉及工程和技术创新的意识流、思维流较之威廉·詹姆斯之心理学中的对应概念应该有更多的内涵，笔者拟另文讨论。

既然知识-智慧、成绩-能力之间的关系会变得更模糊，教育者当思考，未来的工程教育如何让成绩普通的学生也具有良好的创新能力？如何使知识不至于淹没智慧？

未来的工程师既要能够利用模糊性，也要善于消除模糊性。某些情景下的模糊性意味着融合，如数字孪生（digital twin）、元宇宙等，这种虚实空间的模糊却是未来工程师需要构建的。有些情景下的模糊意味着不精准，如循证医学以消除了个体差异的总体模糊施加于个体之上，表现在个体病人疗效上的模糊性显然是应该消除的。

各个工程专业的教师都应该透视VUCA，全面审视当前专业教育中存在的、严重滞后于科学与技术发展现状与趋势的问题。解决相应的问题恐怕都需要借助数字-智能技术。换言之，需要在数字空间透视VUCA，需要在数字空间改造工程专业。

二、迎接拐点

我们可以从若干方面感受到拐点的来临。

2023年2月27日，Sam Altman（2015年与埃隆·马斯克共同创立了OpenAI）在社交媒体称，一个新版的摩尔定律可能很快会出现，即宇宙中的智能数量每18个月翻一番。有人惊呼，奇点将至。在物理学界，奇点被认为是大爆炸之前宇宙存在的一种形式，奇点抑或存在于黑洞中央。于一般人而言，奇点是颇为神秘的概念。因为ChatGPT的出现，说奇点将至，恐怕言过其实。如果说拐点将至，恐不言过。

目前AI在部分领域的表现已经达到甚至超越人类标准。施一公言，AlphaFold蛋白结构预测是本世纪最重要的科学突破之一。人类蛋白质组里能够被预测的以单个蛋白为单位的空间三维结构，已基本被 AlphaFold 预测。这也是 21 世纪截止目前人类在科学技术领域上的****突破之一，也应该是人类有史以来在科学和技术领域最重要的突破之一。这是一个典型的量变引起巨大的质变，而这一量变是在过去短短一年之内发生的，这是不可思议的革命^[4]。在蛋白结构预测方向上，AlphaFold的能力超越了人类。而且这一变化是革命性的，是质变。

谷歌和三星这两家领先的科技公司最近转向AI来规划其部分芯片的布局。谷歌得出的结论是，人工智能设计的芯片“对于所有关键指标，包括功耗、性能和芯片面积，都优于或可与人类生产的芯片相媲美”。更进一步，该公司使用AI来设计其下一代AI加速器（TPU，张量处理器）^[5]。

设想如果人工智能系统可以把大量领域里的所有基础内容全部掌握，然后去跟人对话交流，助人做各种验证、论证和计算，并且启发人。人自然就可以有更多时间做最有创造力的突破性工作。如果这种范式一旦成立，会形成一种人工智能跟知识发现的新飞轮。即人工智能做得越强，它的知识、理解、推理等组合能力越强，就越能帮助人类发现更多更好的突破性的科学进展和新知识，包括新药的发现、癌症的治疗、人脑的研究等。^[6]

从上面的例子和分析可以预期：

AI大模型的不断进化，将使科学发现、技术创新越来越容易，科学发现和技术创新的工作形态可能迎来拐点。

通常人们解决工程问题无非依赖建模、实验或经验。然而，这些手段在处理工程中深层次物理问题或复杂工程问题时常常显得乏力。数字-智能技术的进展（如大数据、物联网、数字孪生、AI等）使我们意识到，只有在数字空间方有可能更深刻地认识和解决复杂工程问题。如，数字孪生等技术的运用，能够超越人对制造工艺物理过程的认识局限；超越人对装备运行物理过程的认识局限；超越人对企业各种资产、活动、过程之间复杂关联的认识局限；超越人对城市复杂活动的认识局限……人类创造的工业世界中，除了我们感知的物理空间，似乎还要有一个平行的空间——数字孪生空间。

人类认识和处理工程深层次物理问题的空间迎来拐点——在孪生空间（物理空间+数字空间）。

我们能够理解和告诉别人的世界的复杂度，最高不会超过语言所能描述的范围。维特根斯坦在他的《逻辑哲学论》中曾说过：“我的语言的界限意味着我的世界的界限。”人类认识世界和处理各种问题，本质上都是信息的处理过程。不同的信息处理有不同的复杂度，复杂度有三个方面，一是输入信息的复杂度，二是信息处理本身的计算复杂度，三是输出信息的复杂度^[7]。显然，计算机在某些问题的处理上大大超越人类所能处理的复杂度。

以前，人们对工程问题的认识和处理，除了自然语言之外，还有模型、工程图等。可以认为，在工程领域的很多问题上，AI在某些方面超越了人的语言界限，也就是说它在某些方面所认识和处理复杂问题的能力超越了人。

数字及AI技术描述物理世界的语言能力以及处理工程问题的复杂性迎来拐点；如果把数字及AI技术的能力视为人类能力的延伸，则人类描述物理世界的语言能力以及处理复杂工程问题的能力迎来拐点。

几年前，就有人预感人工智能的影响。2017年11月底，麦肯锡对46个国家，400-800个职业进行研究，认为到2030年，全球将有20%的工作岗位（约8亿）受到AI影响。美国有3900-7300万个岗位被AI取代。至少4亿工人将会在未来12年内重新找工作。大多数办公室行政人员、建筑设备操作人员，会计师以及一些后台技术人员，都有可能被取代。很多职业即使不会消失，也将成为AI重塑的对象——职业岗位的工作形态会发生骤变。上面的估计可能略嫌保守，2030年，全球肯定不止20%的工作岗位受到AI影响。

其实，教育者最应该关注的是，AI系统掌握的知识无比丰富，把知识传授作为基本任务的学校教育将受到何种影响？可汗学院已宣布将使用GPT-4为其人工智能助手“Khanmigo”提供技术支撑，Khanmigo既可以作为学生的虚拟导师，也可以作为教师的课堂助手。Khanmigo会成为人工智能助教，帮助老师们制定课程计划、批改作业，并且通过对话的方式为孩子提供一对一的辅导^[8]。中国的教育体系看重传授知识，不看重兴趣和创造力的培养。殊不知，人工智能对知识的掌握要比人强很多。

传统以传授知识为主的教育模式受到挑战，将来教师最重要的工作不再是传授知识，教师工作形态可能迎来拐点。

近年来，元宇宙概念引发了很多人的关注。至目前为止，元宇宙还没有统一的定义。有一种说法：“我们试图不那么严格地定义元宇宙，以至于它限制了创作者的想象力。”^[9]——不无道理！通俗的理解，元宇宙融合现实世界，也超越现实世界。

技术本来就是人类存在的一种方式。把虚构性想象转化为现实——恐怕是人类文明的底层冲动。元宇宙可进一步实现人类的存在性满足：在虚拟世界中实现第二生命的重启，存在唯一性被打破^[10]。本文仅专注于工业元宇宙的影响。

元宇宙等技术的发展意味着人类存在形式迎来拐点，人类不仅存在于现实世界，也存在于虚拟世界。工程管理和技术人员的存在形式也将迎来拐点。

工程教育需要关注的是，人类存在环境和形式的改变对工业世界有何影响？对工程师有何影响？对客户有何影响？

埃森哲率先提出“多元宇宙”^[11]，强调“几乎所有企业都将在多元宇宙的融合环境下开展新一轮转型。”元宇宙技术在工业中的应用，有可能打造新兴消费者体验模式、新兴业务应用和商业模式，推动企业重构与变革。

企业开发产品，如何通过元宇宙技术给用户更好的体验？企业如何通过元宇宙技术使员工之间的协同合作更加便捷？管理者如何通过元宇宙技术与员工更好地沟通交流？

象征着拐点来临的，可不止上述几点。本文不求全面论及。

因应拐点来临，工程教育该如何响应？

三、转型变革

每一次工业革命都会带来教育形态的变革。AI突破性进展引发的剧烈变化将甚于以往任何一次工业革命。

教育的改革似乎从来没停止过，但学校习惯于修修补补。

当拐点已现端倪的时候，教育需要更为彻底的转型与变革。当然，彻底的转型变革谈何容易，岂能一朝一夕？如若一个学校马上全面动员，迅速推进，完成全面变革恐怕也不止十年。但真正的改革者永远不会以此作为彷徨犹疑的借口。至少现在就应该开始谋划、推动、准备。

重要的不是课程内容的增删，不是新增专业，不是新增“学院”！重要的是全面的转型与变革。

未来的转型变革与以前的教育改革的主要不同之处：

不同之处，或许不止这些。但从以上所列可以看出，其差异是显著性的，有些甚至是颠覆性改变。

关于变化，若从词义究之，可以从中国传统文化中“变”与“化”的含义去体会。“物生谓之化，物极谓之变”( 《素问·天元纪大论》) ；“其微也，为物之化；其甚也，为物之变 ”(王冰，《素问·六微旨大论》注) ；朱子曰：“变者，化之渐；化者，变之成。”

多年来，产业界中推行的信息化、数字化、智能化……那都是缓慢演化的过程。事物的发展逻辑就是，“化”逐步进展必然导致质的改变。人工智能大模型的出现是人们探究智能化的必然结果，到达这一拐点，势必引起社会很多领域的剧“变”。如果说，多年来数字化、智能化等产生的是量变、渐变和缓变，那么大模型引发的可能是质变和骤变。这里所言骤变，一指某些变化的颠覆性，二是从工程教育历史的长程看，十年、二十年中所发生的剧烈变化即可视为骤变。 

教育当然不可能置身其外！之所以判断是骤变和质变，根本原因在于传统教育及其教师的核心能力是知识传授。恰恰是知识传授这一核心能力能够基本为未来的智能系统所取代。

AI大模型出现后的智能时代，教师如何因应将要来临的骤变？未来的智能时代，尽管有很多职业会消失，而教师这一职业将依然存在。但可以肯定的是，教师的工作形态一定要改变。这就是为什么，直到现在学校教育改革基本上是少数人参与，而未来的教育变革却一定需要全员参与。不参与变革的教师则可能丢失其教师资格。

长期以来，中国的教师都习惯了一种教师为中心的模式：我教什么，你学什么；我讲什么，你听什么。其实，哪怕在当前，善于观察、颇为进取的教师已经感受到某种挑战和危机。因为老师讲课的同时，很多学生埋头、漫游在云上，或许学生已经明白了老师将要讲的内容，甚至有学生在窃笑老师讲授中的不足或者错误……往日学生聚精会神听讲的现象似乎越来越少了。莫怪教师不用心，只因时代真的变了。需要注意的是，这种现象还只是互联网及搜索技术所致。真到人工智能大模型在社会中广泛应用的那一天，又会出现何等异象？

工程教育需要从“知识导向”为主转向“问题导向”为主。如果片面强调知识的复杂性可能导致“让知识淹没智慧”。知识很多，创新能力却低下，这是我们不愿看到的。现代专业人员的视野主要不体现在知识多少上，而是体现在“问题”上。今后教师的主要任务将不再是课堂上的知识讲授，知识讲授可以由“数字教师”担任，学生可以通过 “自学习”而获得相当一部分知识。教师更应该专注，如何让学生具有宽广的问题视野？如何把专业知识中的问题节点拎出来，让学生很好地构建“问题空间”？如何使学生善于对工程“问题空间”中的节点进行相互关联？未来教育更需要师生互动的研讨式活动，在这种互动中启发和引导学生发现新问题的冲动和解决问题的想象力。传统的专业教育以讲授知识为主，实际上注重培养学生的收敛思维。而互动研讨式的教育活动显然不同于以往的模式，有利于培养学生的发散思维，而发散思维恰恰是创新非常需要的。“问题导向”的另一方面是培养学生提问的能力，尤其是向AI提问的能力。善于提问可能是利用AI提升人的创新能力的关键。关于“问题导向”，笔者拟另文专题论述。

智能时代的学习空间将大大改变。传统的学习空间是在现实空间，如教室、实验室、图书馆等。未来的学习除了在现实空间外，可能很多时间在虚拟空间。学生的“自学习”更多地发生在数字空间。即便是实践学习的多数环节也有可能在虚拟空间中进行。学校可与企业合作，利用虚拟现实/混合现实以及元宇宙等技术构建跨域的实践学习环境。

当前，工程教育强调培养学生处理复杂工程问题的能力及创新能力，未来的工程教育应该培养学生善用智能工具的能力，包括与智能系统的对话和互动，以及前述的引导AI、驾驭AI的“意识流”或“思维流”。而处理复杂工程问题的能力及创新能力则隐含在善用智能工具的能力之中。

不难想象，鉴于未来人才的能力表现、教与学的方式等都将发生骤变，学校中的考核方式也应该随之改变。传统的基于知识的、闭卷的考试方式应该让位于基于问题的、开卷的考核形式。

四、结语

AI的突破性进展迫使我们思考教育的未来，拐点的来临已经依稀可见。如何培养学生未来不至于成为AI的工具，反之能利用AI工具大大拓展自己的创新能力？未来工程教育的变革显然不同于以往修补式的改革，需要全方位的，从理念、方式到手段的剧变和骤变。虽然变革的进程可能持续很长时间，但学校能否及时跟进，将决定其教育是否一流；国家是否及时地谋划与推进，将决定我国未来能否真正培养出一流的、顶尖的、卓越的工程人才。

参考文献

[1]王晓红. 整合思维:VUCA时代必备的思考模式[EB/OL].[2023-04-10].https://www.hbrchina.org/2018-04-10/5964.html.

[2]Daisy.《Science》公布2021年度突破:一个困扰生物学家50年的难题，被AI解决了，并实现了一位诺奖者的梦想[EB/OL].[2022-12-20].https://baijiahao.baidu.com/s?id=1719645882150558140&wfr=spider&for=pc.

[3]埃森哲. 技术展望2023[EB/OL].[2023-05-04].https://baijiahao.baidu.com/s?id=1762474916521902471&wfr=spider&for=pc.

[4]施一公. AlphaFold蛋白结构预测是本世纪最重要的科学突破之一[EB/OL].[2021-07-24].https://baijiahao.baidu.com/s?id=1706141747251114858&wfr=spider&for=pc.

[5]BRYAN MCMAHON.AI正在引领一场新型科学革命[EB/OL].[2022-06-19].https://baijiahao.baidu.com/s?id=1736328766257228190&wfr=spider&for=pc.

[6]孔月昕. ChatGPT带来的巨大范式转移，意味着什么[EB/OL].[2023-03-04].https://baijiahao.baidu.com/s?id=1759445437251249087&wfr=spider&for=pc.

[7]祁晓亮. 人工智能的黎明:从信息动力学的角度看ChatGPT[EB/OL].[2023-04-24].https://baijiahao.baidu.com/s?id=1764136485194269167&wfr=spider&for=pc.

[8]罗博深，张天祁. ChatGPT对人类社会最为根本的改变，将发生在教育领域[EB/OL].[2023-03-27].https://baijiahao.baidu.com/s?id=1761577469957645257&wfr=spider&for=pc.

[9]麦肯锡. 虚拟世界中的价值创造-虚拟世界的真实业务[EB/OL].[2022-06-24].https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/value-creation-in-the-metaverse.

[10]尹健. 当下元宇宙的落地方法与展望[EB/OL].[2022-04-24].https://baijiahao.baidu.com/s?id=1729015457489454461&wfr=spider&for=pc.

[11]时青靖. 埃森哲:借力多元宇宙[EB/OL].[2022-07-13].https://www.hbrchina.org/2022-0713/9165.html.