生成式人工智能自2022年普及以来，已改变了高等教育的学习方式。学生可以在数秒内完成摘要，改写段落，甚至模拟复杂的问答情境。在这样的背景下，药剂学教育自然无法置身事外。
药剂学是一门高度依赖专业判断，伦理意识与病人安全的学科。药剂师不仅需要掌握药物知识，更必须在复杂临床情境中作出审慎决定。因此，生成式人工智能的引入，既可能成为学习的助力，也可能在缺乏引导的情况下，侵蚀药剂学教育最核心的价值。
本地学者发现，生成式人工智能在药剂学生之间的使用已相当普遍。学生常将这类工具用于撰写作业、整理资料、总结内容与解题。调查也显示，大马学生对人工智能的接受度相对较高，使用意愿主要来自于“好用”与“方便”，而非长期学习策略或价值因素。
研究发现，在高度使用人工智能的同时，不到一成的药剂学生将法律与伦理训练视为优先事项，更有超过五分之一的学生承认，对人工智能产生过度依赖。这意味著，人工智能在学习中扮演的角色，已从“辅助工具”逐渐滑向“替代思考”。若这一趋势持续，而却缺乏清楚的制度规范与教学引导，未来走入医疗体系的药剂师，可能在专业判断与责任意识上出现结构性的弱化。
这里必须强调，真正的风险并不是来自人工智能“犯错”，而是来自人类对其输出的无条件信任。生成式人工智能本身并不理解医学伦理，也无法为病人安全承担责任。它可能产生偏差、遗漏甚至看似合理却不准确的内容。若学生未被训练去质疑、验证与修正这些输出，久而久之，独立思考能力将被削弱。对于药剂师而言，这样的能力退化，最终影响的不是考试成绩，而是真实世界中的用药安全。
研究指出，药剂学教育所需要的，是一种更完整的人工智能素养框架，其中至少包含三项核心能力：第一，自主判断，即药剂师能在有或没有人工智能协助的情况下，作出可靠的专业决定；第二，对人工智能的理解，清楚人工智能的能力边界、偏差来源与适用情境；第三，人本导向，将同理心、沟通能力与专业伦理置于人工智能技术之上。
笔者认为，生成式人工智能若要被稳妥地纳入药剂学课程，至少必须具备以下四个核心重点。
AI与数据素养
首先，是AI与数据素养。药剂学教育必须让学生理解大型语言模型的能力边界与内在局限，包括算法偏差，资料不完整，以及生成内容可能出现的错误与幻觉。同时，用药资讯与病人资料涉及高度敏感的隐私责任，学生必须清楚认识人工智能在资料处理与保密方面的风险。
其次，是学生评估方式的改革。当人工智能可以轻易协助完成书面作业，若评估制度仍停留在文本产出，等同于鼓励学生外包思考。药剂学教育应更强调推理过程与专业责任，例如对AI辅助作业进行口试答辩、强化口头考试，或在临床情境评估中要求学生说明其判断逻辑。
第三，是教师能力与角色的强化。学生适应人工智能的速度，往往快于教师。若讲师缺乏对人工智能的基本理解与教学策略，课堂引导能力将被削弱，甚至被人工智能取代。大学有必要定期为讲师提供人工智能教学法培训，包括 AI 教学应用、伦理案例讨论，以及与药剂学实践相结合的跨学科交流。
第四，是药剂学领域专属的专业指引。生成式人工智能的规范，不能完全交由个别院校自行决定。药剂师专业团体与监管机构，应与大学合作，制定符合药剂学实践特性的人工智能使用原则，并与国家层级的AI治理框架相互衔接。
从制度条件来看，大马并非毫无准备。政府在2024年已推出《国家人工智能治理和道德准则》，在发展规划中强调数码化与技术应用，部分大学更率先将人工智能纳入药剂学与数码健康课程。然而，这些努力仍多停留在原则与个案层级。若缺乏全国性的协调框架，不同院校之间的资源差距与准备程度差异，可能进一步扩大。
生成式人工智能已成为药剂学教育的一部分，这是无法回避的事实。真正值得追问的，是我们希望培养怎样的药剂师：能够善用人工智能，却依然具备独立判断与伦理意识的医疗专业者；还是高度依赖系统，却难以为决策后果负责的技术使用者？答案，取决于今天我们是否愿意正视这场结构性转变，并在药剂学制度、课程与专业规范层面，做出合理的回应。
本文改写自作者联合曾志涛，谭政宗等撰写的学术论文。
本文观点，不代表《东方日报》立场。
