何去何從?通用人工智能視域下未來的教師與教師的未來

劉 凱 隆 舟 劉備備 王偉軍 王 培

(1.華中師范大學(xué) 心理學(xué)院，湖北 武漢 430079；2.渤海大學(xué) 教育與體育學(xué)院，遼寧 錦州 121000；3.天普大學(xué) 計(jì)算機(jī)與信息科學(xué)系，賓夕法尼亞州 費(fèi)城 19122 美國(guó))

與法律、金融、醫(yī)療、物流等行業(yè)一樣，教育如今也處于人工智能的變革潮頭。政府支持政策相繼出臺(tái)，技術(shù)圈厲兵秣馬加大研發(fā)投入，企業(yè)也爭(zhēng)相推出智能化產(chǎn)品。一時(shí)間，人工智能成為社會(huì)關(guān)注的焦點(diǎn)話題。教育界一方面對(duì)人工智能抱持極大期許，希望借助技術(shù)進(jìn)一步突破教育改革的堅(jiān)冰，在更大程度上促進(jìn)教育公平、提高教育質(zhì)量[1]，同時(shí)找準(zhǔn)人工智能教育的落腳點(diǎn)，滿足未來社會(huì)對(duì)技術(shù)人才的需求[2]；另一方面，也對(duì)人工智能教育應(yīng)用的未來存在疑慮：一旦人工智能可以完成教師的工作，教師將何去何從[3]？

在已有討論中，人工智能對(duì)教育的影響更多是圍繞學(xué)習(xí)者展開，對(duì)教師的專論雖不多見，但從角色[4]、教學(xué)模型[5]、師生關(guān)系[6]等方面進(jìn)行了有價(jià)值的初步探索。不過，教育界對(duì)人工智能影響下的教師未來預(yù)期可以區(qū)分出兩種截然相反的觀點(diǎn)：第一種是“悲觀派”，認(rèn)為人工智能的能力將全面超越人類，人類的大部分工作都將被人工智能所取代，教育領(lǐng)域不僅在所難免甚至可能首當(dāng)其沖[7]；第二種是“樂觀派”，認(rèn)為人工智能只是一種技術(shù)，并不具有真正意義上的智能，所以不會(huì)對(duì)人類教育工作者的職業(yè)產(chǎn)生實(shí)質(zhì)影響[8]。

從字面意義來看，“悲觀派”和“樂觀派”貌似“水火不容”：“悲觀派”本質(zhì)上抵制人工智能的教育應(yīng)用，“樂觀派”則積極吸納人工智能技術(shù)的應(yīng)用。但實(shí)際上，二者皆以“奇點(diǎn)”論為話題預(yù)設(shè)，在推論時(shí)亦如此，因此二者本質(zhì)上卻是殊途同歸。因此，人工智能對(duì)教師影響之討論，看似是一個(gè)較為具體的小問題，實(shí)際卻隱藏著一個(gè)以“奇點(diǎn)”為核心的較為復(fù)雜的背景。本文從問題的背景切入，采用一明一暗兩條線索展開分析：其一，遵從“先破后立”的邏輯框架。首先，對(duì)相關(guān)概念進(jìn)行界定和解釋，然后指出“悲觀派”和“樂觀派”在“奇點(diǎn)”支持下的基本邏輯并分析其問題之所在，是為“破”；繼而，對(duì)“奇點(diǎn)”引申出的四類重要的教育問題進(jìn)行深層反思；最后，回歸問題本身，基于通用人工智能理論，對(duì)教師及教師的未來予以回應(yīng)，是為“立”。其二，以人工智能技術(shù)的教育滲透為契機(jī)，期望能夠在教育的本質(zhì)層面，對(duì)當(dāng)前存在的主要問題進(jìn)行深入的思索。

一、人工智能與“奇點(diǎn)”論

核心概念的清晰和明確是科學(xué)討論的前提。在“悲觀派”和“樂觀派”的討論中，人工智能和“奇點(diǎn)”兩個(gè)概念處于中心地位。然而，人工智能包含三種不同所指且容易混淆的分類，“奇點(diǎn)”背后則蘊(yùn)含了一系列前提。因此，澄清并正確理解概念，才能為后續(xù)深入分析提供堅(jiān)實(shí)的支撐。

(一)人工智能

由于對(duì)人工智能(Artificial Intelligence，簡(jiǎn)稱AI)討論的前提不同，導(dǎo)致對(duì)人工智能的認(rèn)識(shí)各異。近期，在教育類學(xué)術(shù)刊物中，關(guān)于人工智能存在以下三種理解：第一種，認(rèn)為人工智能包括計(jì)算智能、感知智能和認(rèn)知智能[9]；第二種，認(rèn)為人工智能分為弱人工智能和強(qiáng)人工智能[10]，而強(qiáng)人工智能也正是通用人工智能；第三種，認(rèn)為人工智能分為專用人工智能和通用人工智能[11]。

第一種分類常見于行業(yè)演講和報(bào)告中，既缺乏理論依據(jù)，又具有誤導(dǎo)性：邏輯上貌似完整無缺，又與“奇點(diǎn)”不謀而合。其中，計(jì)算智能(又稱運(yùn)算智能)指的是快速計(jì)算和記憶存儲(chǔ)能力，感知智能指的是視覺、聽覺、觸覺等感知能力，認(rèn)知智能則是指抽象理解能力。對(duì)于計(jì)算系統(tǒng)而言，計(jì)算智能對(duì)應(yīng)于計(jì)算水平，感知智能對(duì)應(yīng)于感知水平，認(rèn)知智能則對(duì)應(yīng)于認(rèn)知水平，三者由低至高逐級(jí)更加“智能”?，F(xiàn)在計(jì)算智能和感知智能業(yè)已成熟，那么隨著技術(shù)的發(fā)展，在給定這一框架的前提下，認(rèn)知智能也應(yīng)該可以實(shí)現(xiàn)，畢竟前兩者已經(jīng)實(shí)現(xiàn)了。然而，無關(guān)乎最后的認(rèn)知智能是否最終必然實(shí)現(xiàn)，關(guān)鍵在于框架的前提存在問題。事實(shí)上，計(jì)算能力和感知能力只是實(shí)現(xiàn)智能的必要條件，而不是智能本身，所以將計(jì)算智能和感知智能也劃入智能的分解不過是一個(gè)玩弄邏輯概念的把戲，在不能真正解決任何實(shí)質(zhì)性問題的同時(shí)卻極大地提升了“認(rèn)知智能必定能夠?qū)崿F(xiàn)”的信念和預(yù)期。因此，如果不能詳實(shí)檢視這個(gè)前提，那么由此得到的后續(xù)結(jié)論便經(jīng)不起推敲。

第二種分類多見于哲學(xué)論述中，最早由約翰·賽爾(Searle J)提出[12]。他認(rèn)為，弱人工智能的計(jì)算機(jī)其價(jià)值主要是為心智探索提供有效的工具，而強(qiáng)人工智能則意味著某種程序化系統(tǒng)的運(yùn)行本身就處于心智狀態(tài)中，能夠真正理解事物并具有自己的認(rèn)知狀態(tài)[13]。對(duì)此，徐英瑾專門撰文寫道：大眾理解的“強(qiáng)—弱”之分在于智能的寬與窄之分，而約翰·賽爾心中“強(qiáng)—弱”之分卻是真假之分。然而，這種區(qū)分并不是沒有意義的，起碼說明了“人工智能在各個(gè)領(lǐng)域內(nèi)的量的積累，未必會(huì)導(dǎo)致真正意義上的智能的涌現(xiàn)”[14]。于是，在賽爾看來，即使一個(gè)計(jì)算機(jī)系統(tǒng)的外在表現(xiàn)完全像人，那也只是個(gè)“弱人工智能”，而“強(qiáng)人工智能”必須真正擁有自我意識(shí)。這是很多通用人工智能研究者不認(rèn)可的，因?yàn)樵诖朔诸愊氯斯ぶ悄芟到y(tǒng)的“強(qiáng)弱”之別就沒有任何外部標(biāo)準(zhǔn)來衡量了[15]?？梢钥闯?，“強(qiáng)人工智能”并不是智力能夠全面接近乃至超越人類智能的機(jī)器智能，而“弱人工智能”也不是指對(duì)人類智能的某些方面的模仿。所以，從原始學(xué)科向?qū)W科的概念“轉(zhuǎn)移”中，其內(nèi)涵和外延已經(jīng)發(fā)生了變化，正如“奇點(diǎn)”一樣。

第三種分類出自人工智能技術(shù)領(lǐng)域，即認(rèn)為人工智能包括專用人工智能(Special-purpose Artificial Intelligence，簡(jiǎn)稱SAI)和通用人工智能(Artificial General Intelligence，簡(jiǎn)稱AGI)兩個(gè)不同的子領(lǐng)域。對(duì)于“智能”理解的根本差異，使人工智能分化為專用和通用兩個(gè)不同分支。專用人工智能采取先做后思的路徑，即一開始并不深究智能也不對(duì)智能進(jìn)行清晰的定義，而是通過技術(shù)迭代漸進(jìn)式地提升智能化的程度。通用人工智能認(rèn)為智能的存在代表著可以被認(rèn)知的理性原則，采取的是先思后做的路徑[16]。與人工智能早期工作時(shí)所使用“AI”非常相似，“AGI”的表述在2005年前后被核心研究群體認(rèn)可和采用，希望將他們的目標(biāo)與當(dāng)前“AI”(即SAI)區(qū)分開來。隨后，AGI學(xué)會(huì)的年會(huì)及其學(xué)報(bào)于2008年及2009年相繼啟動(dòng)。由于AGI項(xiàng)目的做法往往與主流AI社區(qū)有重大差別，所以盡管近年來“AGI”一詞大熱，但相關(guān)研究成果卻鮮為人知。

因此，上述三種分類既有關(guān)聯(lián)又有不同：“計(jì)算智能+感知智能”既不能簡(jiǎn)單等同于“弱人工智能”，也不能簡(jiǎn)單等同于“專用人工智能”。同樣地，“認(rèn)知智能”既不能簡(jiǎn)單等同于“強(qiáng)人工智能”，也不能簡(jiǎn)單等同于“通用人工智能”。事實(shí)上，只有第三種分類適用于當(dāng)前語境下的學(xué)術(shù)討論，因此本文也將以第三種分類──“專用人工智能”和“通用人工智能”為討論前提。

(二)“奇點(diǎn)”論

“奇點(diǎn)”(Singularity)，也被稱為“技術(shù)奇點(diǎn)”，是從數(shù)學(xué)和物理學(xué)科中泊來的一個(gè)概念。盡管常見于影視文學(xué)作品而為公眾所熟知，但它卻并不是一個(gè)真正意義上的計(jì)算機(jī)科學(xué)或技術(shù)術(shù)語。歷史上，1982年美國(guó)人工智能協(xié)會(huì)年會(huì)上弗諾·文奇(Vernor Vinge)首次提出“技術(shù)奇點(diǎn)”，并于1993年再次論述了這個(gè)觀點(diǎn)，并認(rèn)為技術(shù)奇點(diǎn)有可能在未來50年左右就會(huì)出現(xiàn)[17]。2005年，在雷·庫茲韋爾(Ray Kurzweil)《奇點(diǎn)臨近》(TheSingularityisNear:WhenHumansTranscendBiology)一書的推動(dòng)下，“奇點(diǎn)”的翻版——“庫茲韋爾定理”(Kurzweil’s Law of Accelerated Return)被廣泛宣傳。該定理指出，人類出現(xiàn)以來所有技術(shù)發(fā)展之初都是緩步前行的，但隨后以指數(shù)的形式快速增長(zhǎng)，并最終以指數(shù)的指數(shù)形式增長(zhǎng)。因此，“超級(jí)智能”(Super Intelligence)必將出現(xiàn)并威脅人類自身[18]。

針對(duì)人工智能，“奇點(diǎn)”論基于如下前提：

Ⅰ 系統(tǒng)的智能水平可以表征為一個(gè)數(shù)值；

Ⅱ 經(jīng)由學(xué)習(xí)或迭代改進(jìn)，人工智能主體能夠不斷提升自己的智能水平；

Ⅲ 當(dāng)人工智能超越人類智能水平之時(shí)，它的整個(gè)未來將被視作一個(gè)單點(diǎn)，因?yàn)槟且院蟮陌l(fā)展已經(jīng)超出了人們的理解力。

第一句話看似有理，畢竟一個(gè)“智能”或“智慧”的系統(tǒng)應(yīng)該可以解決許多問題，而人們也總是利用各種測(cè)驗(yàn)和檢測(cè)來評(píng)估效果，比如人類自己便使用“智商”(IQ)來衡量智力水平。然而，智商的準(zhǔn)確性和科學(xué)性一直存在相當(dāng)大的爭(zhēng)議[19]。即便存在，它也無法體現(xiàn)智能的變化因素。通常情況下，提及智能一般與“后天習(xí)得的解決問題能力”相關(guān)，而非“先天預(yù)置的問題解決能力”。于是，在某一給定時(shí)刻t，系統(tǒng)的智能應(yīng)該用該時(shí)刻能力的增速來衡量，即可用S(t)表示“問題解決的能力”，而用其導(dǎo)數(shù)S′(t)表示“學(xué)習(xí)的能力”。

如圖1所示，依據(jù)系統(tǒng)所能解決問題的數(shù)量S與時(shí)間t的關(guān)系大致可區(qū)分出四類不同系統(tǒng)[20]：①藍(lán)線對(duì)應(yīng)于一個(gè)完全沒有學(xué)習(xí)能力的系統(tǒng)。系統(tǒng)技能全部由先天給定，即S′(t)=0。所有傳統(tǒng)的計(jì)算系統(tǒng)都屬于此類，其中一些被視為“AI”；②紫線對(duì)應(yīng)于一個(gè)學(xué)習(xí)能力有限的系統(tǒng)，絕大多數(shù)的機(jī)器學(xué)習(xí)算法都屬于該類。盡管S′(t)>0，但最終將收斂到0；③綠線對(duì)應(yīng)于一個(gè)學(xué)習(xí)能力基本固定的系統(tǒng)，許多AGI項(xiàng)目都屬于這種類型。此時(shí)，S′(t)是一個(gè)正常數(shù)；④紅線對(duì)應(yīng)于一個(gè)學(xué)習(xí)能力本身無限增長(zhǎng)的系統(tǒng)，其S(t)和S′(t)均呈指數(shù)遞增。雖然我們認(rèn)為這樣的系統(tǒng)并不可能真實(shí)存在，但為了討論方便而將其作為一種可能概念列出。

圖1 時(shí)間t與總分S的四種不同關(guān)系

取決于諸函數(shù)中所包含的常量和測(cè)量的時(shí)刻，在某時(shí)刻這四種類型中的任意一種都可能成為當(dāng)時(shí)問題解決能力的最強(qiáng)者。但它們的學(xué)習(xí)能力卻各不相同，由弱至強(qiáng)可排序?yàn)椋核{(lán)線族<紫線族<綠線族<紅線族。所以，“能夠解決多少問題”與“能夠?qū)W到多少東西”其實(shí)并不一般相關(guān)。

盡管學(xué)習(xí)往往與問題解決被置于同一層面，但“學(xué)習(xí)是智能核心”的見解卻早已有之。我們也認(rèn)為，各類問題的具體解決能力處于對(duì)象層次，而學(xué)習(xí)能力則是處于元層次。對(duì)“綠線族”或“紅線族”而言，S(t)雖能夠提升至任意層次，甚至“比人類聰明”，但受傳感器、動(dòng)作器及經(jīng)驗(yàn)所限，并不意味著每個(gè)問題都能比人解決得更好。在這一問題上，“綠線族”和“紅線族”之間存在根本差別：由于“綠線族”內(nèi)部的元層次知識(shí)由其設(shè)計(jì)者指定，所以即使S(t)值遠(yuǎn)高于人類水平，但人們?nèi)匀荒軌蚶斫馑倪\(yùn)行原理及基本工作過程。而相反，若真的存在某個(gè)“紅線族”，它將在某個(gè)節(jié)點(diǎn)之后讓人連它是如何工作都變得無法理解。

雖然“奇點(diǎn)”的支持者經(jīng)常用“指數(shù)增長(zhǎng)”現(xiàn)象進(jìn)行佐證，但指數(shù)增長(zhǎng)根本不會(huì)在某個(gè)自我改進(jìn)的孤立系統(tǒng)中持續(xù)進(jìn)行下去，而通常體現(xiàn)在種群之中?？v然“智能”只是一個(gè)程度的問題，但沒有證據(jù)表明“智能水平”在“人類水平”之上依舊可以無限提升。對(duì)應(yīng)于“低于人類水平的智能”，“超級(jí)智能”作為一種邏輯類推，卻包含對(duì)象層次及元層次的雙重提高之意。S(t)值顯然可以通過知識(shí)、技能或計(jì)算資源任意一點(diǎn)或多點(diǎn)的增長(zhǎng)而提高，但“超級(jí)智能”和S(t)值并不相同。在元層次上，“超過人類”的智能將是一種徹底不同的“上帝”思維機(jī)制，不論在何種情況下都能找到全局最優(yōu)解。當(dāng)然，盡管不否認(rèn)這種可能性，但至今并沒有其存在的任何確鑿的支撐證據(jù)。

二、“悲觀派”與“樂觀派”的邏輯及錯(cuò)誤

在理清人工智能“奇點(diǎn)”論的基礎(chǔ)上，需要進(jìn)一步剖析“悲觀論”和“樂觀論”產(chǎn)生的基本邏輯，并從前提、支撐理論和證據(jù)選擇等方面說明該邏輯的紕謬及原因。

(一)基本邏輯

一般情況下，人工智能對(duì)人類職業(yè)影響的程度如圖2所示，即“三線四層”框架：“四層”即Level-1～ Level-4，分別代表人工智能技術(shù)發(fā)展的不同程度，“三線”則是安全線、警戒線和危險(xiǎn)線。具體而言，Level-1與Level-2之間為安全線，安全線是“無風(fēng)險(xiǎn)、無危機(jī)”的界限，安全線之上既無風(fēng)險(xiǎn)也無危機(jī)，安全線之下雖無危機(jī)但風(fēng)險(xiǎn)開始顯現(xiàn)；Level-2與Level-3之間為警戒線，警戒線是“有風(fēng)險(xiǎn)、無危機(jī)”的界限，警戒線上下雖然都有風(fēng)險(xiǎn)，但風(fēng)險(xiǎn)程度不同；Level-3與Level-4之間為危險(xiǎn)線，危險(xiǎn)線是“有風(fēng)險(xiǎn)、有危機(jī)”的界限，危險(xiǎn)線上下皆有風(fēng)險(xiǎn)和危機(jī)，但危機(jī)卻由潛在上升為顯在。

出于人類中心主義的考慮，人工智能不比人類聰明是最理想的狀態(tài)(Level-1)，此時(shí)人工智能根本不會(huì)對(duì)人類教師產(chǎn)生絲毫威脅，這也是被人們樂于接受而不言自明的內(nèi)在期望。

圖2 人工智能對(duì)人類職業(yè)影響的內(nèi)在邏輯框架

然而，隨著近年來Wason、AlpahGo、Boston Dynamics、Siri、高考機(jī)器人等人工智能產(chǎn)品被媒體廣泛報(bào)道，人們意識(shí)到人工智能確實(shí)能夠在某些方面做得比人類好(Level-2)，特別是教育領(lǐng)域中遠(yuǎn)程教學(xué)、MOOC、電子白板、增強(qiáng)現(xiàn)實(shí)、AutoTutor等技術(shù)的應(yīng)用，教師在享受技術(shù)便利的同時(shí)，其傳統(tǒng)的工作內(nèi)容(如準(zhǔn)備教案、板書、點(diǎn)名、作業(yè)批改乃至教學(xué)過程等)部分地被技術(shù)替代。在這種情況下，雖然暫時(shí)不會(huì)出現(xiàn)機(jī)器教師(既可以是軟件系統(tǒng)也可以是實(shí)體機(jī)器人)取代人類教師，但風(fēng)險(xiǎn)卻已攀升。不過，技術(shù)發(fā)展的腳步不會(huì)停歇，即便人工智能并未全面超越人類，但其只要能夠在主要教學(xué)方面超越人類，那么人類教師便會(huì)在通訊和計(jì)算能力更為強(qiáng)大的未來與不知疲倦、不發(fā)脾氣、效率更高的機(jī)器教師進(jìn)行肉搏式的慘烈競(jìng)爭(zhēng)(Level-3)，教師的職業(yè)面臨前所未有的危機(jī)。不過，人類教師與機(jī)器教師如果可以相互理解和交流的話，那么二者還能取長(zhǎng)補(bǔ)短。然而，按照“奇點(diǎn)”論所言，機(jī)器教師不僅終將全面優(yōu)于人類教師，而且其為何教得好也已經(jīng)超出人類理解范圍了(Level-4)，人類教師就算向其求教也無法學(xué)會(huì)。

至此，總結(jié)一下基本邏輯過程：如果機(jī)器教師永遠(yuǎn)不如人類教師，從人類自身來看這是最好的情況，人類掌握絕對(duì)話語權(quán)和導(dǎo)向力。但實(shí)際上，人們發(fā)現(xiàn)機(jī)器教師現(xiàn)在已經(jīng)在某些方面做得比人類教師更好。那么隨著技術(shù)的發(fā)展，機(jī)器教師將會(huì)與人類教師戰(zhàn)成平手或相互幫助，此時(shí)人類還可以跟人工智能“商量著來”。然而，未來機(jī)器教師將人類教師遠(yuǎn)遠(yuǎn)甩在身后，人類已經(jīng)與之“商量不通”，此時(shí)人工智能完全掌握話語權(quán)和導(dǎo)向力，人類只得跟從機(jī)器做教育，人類教師職業(yè)被推上絕跡之崖。最可怕的是，我們承認(rèn)不如機(jī)器，但我們卻連向其溝通和學(xué)習(xí)的機(jī)會(huì)都沒有，因?yàn)楦緹o法理解！

說到底，人工智能對(duì)教師的影響本質(zhì)上是一個(gè)以“奇點(diǎn)”為理論預(yù)設(shè)、以人類中心主義為立場(chǎng)的控制權(quán)持有問題?！氨^派”和“樂觀派”并沒有實(shí)質(zhì)差異，二者都未能跳出“奇點(diǎn)”這一隱含的前提假設(shè)和基本邏輯框架，區(qū)別僅僅是具體層級(jí)信念的不同而已：“樂觀派”對(duì)Level-2信念的信心較高而對(duì)Level-3、Level-4信念的信心較低，“悲觀派”則對(duì)Level-2、Level-3以及Level-4信念的信心都較高。當(dāng)然，該問題的本質(zhì)特征也絕非教師職業(yè)獨(dú)有，律師、醫(yī)生、司機(jī)、公務(wù)員、技術(shù)工人等職業(yè)同樣如此。

(二)錯(cuò)誤解析

上文闡述了人工智能對(duì)人類職業(yè)影響的內(nèi)在邏輯框架，Level-1到Level-4看上去既通順又符合常理。然而，正是由于前提混淆、理論倒錯(cuò)和證據(jù)偏向等問題不易察覺，才使得“奇點(diǎn)”的邏輯錯(cuò)誤被巧妙地遮掩起來。

1.前提混淆

我們認(rèn)為，智能實(shí)際上是主體在知識(shí)和資源相對(duì)不足條件下的適應(yīng)能力。在不同的開放環(huán)境中，智能主體能夠逐漸通過學(xué)習(xí)獲得在該領(lǐng)域解決問題的能力[16]。也就是說，智能不是“解決具體問題的能力”，而是“獲得解決具體問題能力的能力”，是一種具有通用性的“元能力”(Meta-Ability)。

事實(shí)上，“能力”可以被分解成“技能”和“智能”兩個(gè)方面。“技能”指的是解決某類問題的能力，“智能”則是獲得和提高各種技能的能力。系統(tǒng)在某一時(shí)刻的技能等于其先天技能(“本能”)及習(xí)得技能(得自智能)之和。不過，人和計(jì)算機(jī)完全不同：人類個(gè)體之間本能差異微小，所以可以利用同齡人的技能差別近似反映智能差別，這也正是“智商”的依據(jù)。相反，計(jì)算機(jī)系統(tǒng)的技能既可以大部分來自本能，也可以來自智能。當(dāng)一個(gè)計(jì)算機(jī)系統(tǒng)完全靠人編寫的程序解決問題，而不根據(jù)自己的經(jīng)驗(yàn)對(duì)其行為進(jìn)行任何調(diào)整時(shí)，它仍可能擁有很高的技能，卻完全沒有智能，比如AlphaZero之類的棋類程序或領(lǐng)域性的專家系統(tǒng)；而另一方面，一個(gè)高智能系統(tǒng)如果不依賴于預(yù)先編好的應(yīng)用程序，開始運(yùn)行時(shí)并沒有多高的技能，卻可以在后天的教育過程中不斷地“成長(zhǎng)”，比如目前研發(fā)中的通用人工智能系統(tǒng)。

因此，一般意義下的智能水平與目前測(cè)量的智商并不等同，特別是在沒有考慮人機(jī)差異的前提下，將機(jī)器全面“擬人化”的理解和決斷必然不科學(xué)。Level-1到Level-4邏輯的前提出現(xiàn)了重大偏差，錯(cuò)用人類的智商對(duì)應(yīng)于機(jī)器的智能，從而產(chǎn)生“因?yàn)闄C(jī)器智商更高，所以機(jī)器教師必將超越人類教師”的悲觀傾向，或者“因?yàn)闄C(jī)器根本不可能具有智能，所以機(jī)器教師永遠(yuǎn)無法替代人類教師”的樂觀傾向。說到底，二者都是極端和片面的。

2.理論倒錯(cuò)

如前所述，“悲觀派”和“樂觀派”表面看上去觀點(diǎn)相反，但實(shí)際上二者背后存在共有的邏輯，即“奇點(diǎn)”論。上文已經(jīng)對(duì)“奇點(diǎn)”論進(jìn)行了批駁，但仍需指出：盡管“奇點(diǎn)”在人工智能領(lǐng)域中并不正確，但產(chǎn)生如此之大的影響卻在情理之中。一方面，公眾和學(xué)界視野內(nèi)缺少更合適的理論支持，亦沒有適當(dāng)?shù)膬?yōu)質(zhì)競(jìng)爭(zhēng)理論；另一方面，其所接觸到的人工智能證據(jù)來源更多是影視或文學(xué)作品[6]，而它們的前提也正是“奇點(diǎn)”。于是，從證據(jù)到理論、從理論再到證據(jù)選擇，兩者相互支撐形成了正向閉環(huán)。請(qǐng)注意，“奇點(diǎn)”影響下的影視文學(xué)作品的共同特點(diǎn)，都是以Level-3和Level-4的人工智能技術(shù)“能夠”實(shí)現(xiàn)作為前提條件，卻對(duì)“如何”從Level-2到Level-3取得實(shí)質(zhì)突破避而不談，或是用超級(jí)網(wǎng)絡(luò)或計(jì)算能力一筆略過。所以，人們當(dāng)前的感受都來自Level-1和Level-2的專用人工智能，而其擔(dān)憂卻來自Level-3和Level-4的通用人工智能，但二者理論基礎(chǔ)完全不一樣，甚至可以說是涇渭分明。于是，在人工智能對(duì)教師潛在影響的問題上，在概念混淆(專用人工智能與通用人工智能)、內(nèi)容框架混亂(智能與智商)之外，還存在理論倒錯(cuò)的情況。

本文的部分理論依據(jù)來自通用人工智能理論中基于經(jīng)驗(yàn)的語義學(xué)(Experience-Grounded Semantics)[21]，并得到認(rèn)知哲學(xué)[22]和認(rèn)知計(jì)算研究的關(guān)注[23]以及認(rèn)知語言學(xué)研究的支持[24]。最簡(jiǎn)意義上，對(duì)一個(gè)語詞或符號(hào)而言，傳統(tǒng)而常用的方法是用指稱和定義來刻畫意義。前者將其視為語言之外事物的名稱，后者將其作為語言之內(nèi)的結(jié)構(gòu)的名稱，二者常被組合使用而構(gòu)成復(fù)雜語詞和語句。盡管這種確定意義的辦法直觀和自然，但它仍不能完全滿足人工智能和認(rèn)知科學(xué)的要求。

基于通用人工智能的非公理化推演系統(tǒng)(Non-AxiomaticReasoningSystem，簡(jiǎn)稱NARS)智能框架及其系統(tǒng)實(shí)現(xiàn)，其概念的意義或理解產(chǎn)生并形成于經(jīng)驗(yàn)中形成的概括關(guān)系[21]。其中，某一概念與概念的關(guān)系體現(xiàn)在外延(它所概括的那些項(xiàng))和內(nèi)涵(那些概括它的項(xiàng))之上，而其總和就構(gòu)成概念在此刻對(duì)主體的意義和理解。盡管不排除系統(tǒng)可具有“先天”植入的概念或信念，但概念的實(shí)質(zhì)性意義仍主要來源于經(jīng)驗(yàn)。舉例而言，如果一個(gè)系統(tǒng)對(duì)“壞人”毫無經(jīng)驗(yàn)，這個(gè)孤立概念就完全沒有意義。在得知“壞人會(huì)傷害自己”這類與已有概念建立聯(lián)結(jié)或得到“某些人總是搶奪自己東西”的經(jīng)驗(yàn)后，“壞人”這一概念才獲得真實(shí)的意義，因此，語義是通過直接經(jīng)驗(yàn)和間接經(jīng)驗(yàn)而內(nèi)生性建構(gòu)的。由于通用人工智能系統(tǒng)中智能本質(zhì)的適應(yīng)性限制，真正的智能系統(tǒng)總是工作在知識(shí)和資源相對(duì)不足的情況下，因此NARS運(yùn)用一個(gè)概念去解決當(dāng)前問題時(shí)，受時(shí)間和資源約束，通常不會(huì)使用概念的全部意義(除非概念本身極其簡(jiǎn)單)，而只能選擇小部分參與加工，這也正是某概念“當(dāng)前意義”和“一般意義”不同的原因(人腦可能也是如此進(jìn)行意義加工)。前者通常僅是后者的很小部分，而其內(nèi)容選擇受很多因素影響，包括有關(guān)信念確定程度、簡(jiǎn)單程度、有用程度、與情景相關(guān)度，等等。這些因素一直在不斷變化，不同時(shí)刻下同一個(gè)概念在系統(tǒng)中便有不同的即時(shí)意義。經(jīng)驗(yàn)豐富后，有些概念中會(huì)形成相對(duì)穩(wěn)定的“基本意義”或“本質(zhì)”，而在其他一些概念中可能就找不到這種“內(nèi)核”，以至于不能為系統(tǒng)提供太大效用。由此可見，不同的概念對(duì)系統(tǒng)的價(jià)值是不一樣的。

目前，許多學(xué)者依然將計(jì)算機(jī)視為一個(gè)“物理符號(hào)系統(tǒng)”，以為其中的符號(hào)只能通過指稱外部世界事物來獲得意義。NARS中的經(jīng)驗(yàn)也可以被叫作 “符號(hào)”，但它對(duì)系統(tǒng)的意義不依賴于某個(gè)外在的指稱或解釋，而是體現(xiàn)于它和其他符號(hào)在系統(tǒng)內(nèi)部的聯(lián)系，這種聯(lián)系是對(duì)系統(tǒng)經(jīng)驗(yàn)(包括但不限于感知運(yùn)動(dòng)經(jīng)驗(yàn))的選擇性總結(jié)。系統(tǒng)對(duì)這種符號(hào)的處理不僅是基于其形式的，同時(shí)也是基于其意義的。這樣的系統(tǒng)不僅可以理解符號(hào)的意義，而且可以改變和創(chuàng)造符號(hào)的意義。因此，通用人工智能系統(tǒng)也能夠具有創(chuàng)造性。

3.證據(jù)偏向

1)技術(shù)的“指數(shù)發(fā)展”與局限

人們自覺正處于一個(gè)快速發(fā)展的時(shí)代，并感受到“技術(shù)似乎呈現(xiàn)指數(shù)發(fā)展”，一個(gè)重要原因在于我們一般更加關(guān)注現(xiàn)實(shí)體驗(yàn)。特別是在中國(guó)，改革開放后的高速發(fā)展讓國(guó)人的生活和工作環(huán)境在極短的時(shí)間內(nèi)實(shí)現(xiàn)了從機(jī)械化到電氣化再到網(wǎng)絡(luò)化的大變革。盡管綜合科技水平還未超越先進(jìn)的發(fā)達(dá)國(guó)家，但技術(shù)的“指數(shù)發(fā)展”卻更符合個(gè)人體驗(yàn)，“奇點(diǎn)”論在中國(guó)更有市場(chǎng)。

“奇點(diǎn)”的指數(shù)發(fā)展基于代際之間的迭代進(jìn)化而實(shí)現(xiàn)，在物種進(jìn)化的尺度上，人類智能的確由低智能動(dòng)物發(fā)展而來，但這不意味著智能可以無限制發(fā)展下去。實(shí)際上，在任何領(lǐng)域中，按某個(gè)量已有增長(zhǎng)趨勢(shì)而推之未來的預(yù)測(cè)都不可靠。具體到人工智能領(lǐng)域，在硬件方面，“奇點(diǎn)”論認(rèn)為智能機(jī)器通過制造出比自身智能水平更高的機(jī)器而實(shí)現(xiàn)“奇點(diǎn)”，然而至今也沒有任何一臺(tái)機(jī)器可以獨(dú)立創(chuàng)造出另一臺(tái)機(jī)器，更別說具備一定智能水平；在軟件方面，人們期待人工智能通過“給自己編制程序”來進(jìn)化，此乃缺乏計(jì)算機(jī)知識(shí)所導(dǎo)致的誤解。不僅允許自我修改的程序設(shè)計(jì)語言早已存在多年(如Lisp和Prolog)，而且至今也未曾在計(jì)算機(jī)病毒程序中發(fā)現(xiàn)智能的產(chǎn)生跡象，盡管它們已經(jīng)自我復(fù)制并繁衍了多年。對(duì)計(jì)算機(jī)系統(tǒng)而言，“程序”和“數(shù)據(jù)”的區(qū)分具有相對(duì)性，只要這種修改是基于系統(tǒng)過去經(jīng)驗(yàn)的，那么這種“自我編程”和通過修改知識(shí)來改變系統(tǒng)行為并無本質(zhì)區(qū)別，而且未必是個(gè)更好的設(shè)計(jì)。

2)人類中心主義的種群偏見

智能是生物界普遍存在的現(xiàn)象，并非人類獨(dú)有。不僅高等動(dòng)物擁有較強(qiáng)的個(gè)體智能，個(gè)體智能較低的動(dòng)物也可以具有較高的群體智能。例如，黑猩猩、烏鴉等許多動(dòng)物都具有較高的個(gè)體智能，黑猩猩除了具有使用工具的能力外，也具有理解目標(biāo)及意圖的能力。它們不僅能夠?qū)θ苏谧龅氖掠兴磻?yīng)，還能參與其中，甚至知道人的感受與知識(shí)[25]。又如螞蟻一類的群體動(dòng)物，雖然個(gè)體智能根本無法與人類等高等動(dòng)物相提并論，但卻擁有非常卓越的群體智能，切葉蟻可以用樹葉作為肥料培育自己喜歡吃的真菌，有些螞蟻會(huì)把同伴的尸體集中埋葬以避免疾病傳播，還有其覓食時(shí)的高效分工協(xié)作以及建造精致巢穴，等等[26]，都印證了即使是低等動(dòng)物，也同樣具有令人驚嘆的群體智能。與此形成鮮明對(duì)比的是，個(gè)體智能極強(qiáng)的人類所組成群體卻時(shí)常表現(xiàn)出更低的整體智能及問題解決能力，所謂“烏合之眾”或“一盤散沙”便是如此。因此，并不是人類由于擁有智能而成為人類，智能是人類、動(dòng)物乃至通用人工智能系統(tǒng)等具有對(duì)開放環(huán)境適應(yīng)能力的主體皆具有的能力。人類本位主義的思考模式時(shí)常令我們的思考囿于“人”的范疇，而忽視更廣泛和更普遍的情況。

3)“明星”事件的選擇性報(bào)道

1997年，IBM超級(jí)計(jì)算機(jī)“深藍(lán)”擊敗了國(guó)際象棋冠軍卡斯帕羅夫，成為人工智能領(lǐng)域中機(jī)器戰(zhàn)勝人類的里程碑式事件而被廣為報(bào)道，這為人工智能“入侵”人類職業(yè)埋下了伏筆。然而，更多的細(xì)節(jié)卻很少被提及：“深藍(lán)”1996年就已經(jīng)與卡斯帕羅夫進(jìn)行了6局比賽并以2∶4告負(fù)[27]。之后工程師將“深藍(lán)”的運(yùn)算速度提高一倍，次年深藍(lán)再次挑戰(zhàn)卡斯帕羅夫。在前五局2.5∶2.5打平的情況下，卡斯帕羅夫決勝局?jǐn)〗o了深藍(lán)，最終“深藍(lán)”以3.5∶2.5獲勝。事實(shí)上，賽前“深藍(lán)”已備好針對(duì)卡斯帕羅夫行棋的大量信息，比賽過程中IBM工程師又不斷利用卡斯帕羅夫的下棋特點(diǎn)對(duì)“深藍(lán)”作啟發(fā)式調(diào)整。特別是復(fù)賽中，IBM程序員被組委會(huì)明令禁止在雙方比賽過程中人工修改機(jī)器參數(shù)。后來，“深藍(lán)”的更強(qiáng)版本Deep Frintz既沒能在2002年擊敗新晉冠軍克拉姆尼克，也未能在來年擊敗卡斯帕羅夫本人[28]。然而，其后卻沒有人對(duì)“機(jī)器已經(jīng)戰(zhàn)勝世界冠軍”產(chǎn)生一絲質(zhì)疑。當(dāng)然，這并不意味著AlphaGo和AlphaZero以及“絕藝”之類的人機(jī)對(duì)戰(zhàn)也都存在水分，只是借以說明受媒體偏向性報(bào)道影響，大眾對(duì)人工智能技術(shù)對(duì)人類影響的預(yù)期判斷總是大幅提前。因此，在掌握易得證據(jù)的基礎(chǔ)上，更要盡力了解事件背后那些鮮為人知的“真相”，避免以偏概全。

三、“奇點(diǎn)”論對(duì)教育的潛在影響

說明“悲觀論”和“樂觀論”的謬誤反映的僅是“奇點(diǎn)”論普遍性的負(fù)面影響。然而，教育領(lǐng)域有其特殊性，只有繼續(xù)順著“奇點(diǎn)”這條關(guān)鍵藤蔓，才能更為具體地發(fā)現(xiàn)并檢視“奇點(diǎn)”論對(duì)教育帶來的特殊影響。

(一)微觀層面：教育的經(jīng)驗(yàn)問題

在物理還原論傾向的支撐下，“奇點(diǎn)”論背后潛藏著一個(gè)對(duì)教育的破壞力極大的推論──數(shù)字永生，即：科技進(jìn)步使得有朝一日能夠?qū)⑷四X內(nèi)的神經(jīng)結(jié)構(gòu)及神經(jīng)活動(dòng)復(fù)刻到計(jì)算機(jī)系統(tǒng)中，或從計(jì)算機(jī)系統(tǒng)中將“資料”下載到人腦里。在這種情況下，人機(jī)的界限變得模糊，而知識(shí)和技能習(xí)得將變得極為容易，人們無需通過教師指導(dǎo)也可以脫離系統(tǒng)性學(xué)習(xí)，只需購(gòu)買特定的功能軟件包就能立刻學(xué)會(huì)并掌握相應(yīng)知識(shí)和技能。于是，人們不僅會(huì)變得更加聰明，也可以得到永恒的生命。

實(shí)際上，數(shù)字永生是“復(fù)制人”問題的一個(gè)新的變體：生理結(jié)構(gòu)完全一致的被復(fù)制的“我”是否也與原生的“我”具有相同的思維活動(dòng)？在通用人工智能理論視角下，數(shù)字永生就是一個(gè)被技術(shù)包裝的騙局。事實(shí)上，對(duì)經(jīng)驗(yàn)的解釋是一個(gè)人圍繞其人格長(zhǎng)期形成的，兩個(gè)完全相同的腦結(jié)構(gòu)并不能擁有相同的意識(shí)。即使這些經(jīng)驗(yàn)的神經(jīng)存儲(chǔ)進(jìn)行了復(fù)刻，在另一個(gè)復(fù)刻腦中依舊面臨兩個(gè)無法解決的根本性問題：① 意識(shí)啟動(dòng)。復(fù)刻技術(shù)只能保證備份大腦的生理一致，卻無法保證另一個(gè)大腦不會(huì)變成植物人的大腦。如何喚醒復(fù)制腦并令其在自我意識(shí)指導(dǎo)下進(jìn)行工作是第一個(gè)難題，而實(shí)際上這是無法實(shí)現(xiàn)的，因?yàn)橐庾R(shí)活動(dòng)本身的主體性正是個(gè)體經(jīng)驗(yàn)積累的動(dòng)態(tài)體現(xiàn)，而不是某種抽離于經(jīng)驗(yàn)的靜止存在。如果缺失動(dòng)態(tài)的建構(gòu)過程，便無法直接點(diǎn)燃“意識(shí)”之火，只剩一具“標(biāo)本”軀殼。② 經(jīng)驗(yàn)解釋。退一萬步講，即使成功實(shí)現(xiàn)意識(shí)啟動(dòng)，復(fù)制腦也未必能將當(dāng)前存儲(chǔ)的經(jīng)驗(yàn)依照本源的方式進(jìn)行解讀。智能主體(包括人腦和通用人工智能系統(tǒng))的特定經(jīng)驗(yàn)片段，既可以解讀成不同的字符，也可以是一幅圖片，或是一段音符等。于是，即使復(fù)制腦也有意識(shí)，復(fù)制的身體也一如本人，復(fù)制人對(duì)經(jīng)驗(yàn)的解讀也不會(huì)完全相同。主觀精神世界的本質(zhì)特征使得智能主體對(duì)自我經(jīng)驗(yàn)的解讀具有唯一性和排他性，因此經(jīng)驗(yàn)的解讀是私有和封閉的。不論復(fù)刻到另一個(gè)大腦，還是復(fù)刻到計(jì)算機(jī)系統(tǒng)中，另一個(gè)“我”也不再是我。人的死亡實(shí)際上并不意味著經(jīng)驗(yàn)存儲(chǔ)的必然喪失，而是對(duì)經(jīng)驗(yàn)的解讀方式不再延續(xù)。

于是，不論是人類還是智能機(jī)器，所有開放適應(yīng)性系統(tǒng)的成長(zhǎng)過程都是經(jīng)驗(yàn)的習(xí)得和塑造過程，絕不存在一勞永逸的可能，不學(xué)習(xí)、不接受教育就可以迅速成長(zhǎng)的所有念想都是不切實(shí)際的空想。

(二)中觀層面：教育的常識(shí)問題

2013年，斯坦福大學(xué)研究人員訓(xùn)練機(jī)器人乘坐電梯來完成到樓上買咖啡的任務(wù)。但奇怪的是，裝備了各種先進(jìn)傳感器的機(jī)器人每次打開電梯門后便停了下來，隨后反復(fù)打開電梯門卻就是不肯進(jìn)入，研究人員對(duì)此大惑不解。后來終于發(fā)現(xiàn)并非軟件漏洞，而是由于機(jī)器人把電梯墻面反射的“自己”當(dāng)成了“別人”，看到自己前行時(shí)對(duì)方也在前行，避障控制系統(tǒng)隨即啟動(dòng)，機(jī)器人在電梯門口停下來，然后又發(fā)現(xiàn)對(duì)方也停了下來，于是陷入行動(dòng)僵局的循環(huán)[28]。

當(dāng)人們驚嘆于人工智能技術(shù)取得的進(jìn)步之時(shí)，人工智能系統(tǒng)卻在“羨慕”人類所掌握的常識(shí)。經(jīng)過長(zhǎng)期的研究和討論，學(xué)界已達(dá)成共識(shí)：“人類之難恰是機(jī)器之易，人類之易卻是機(jī)器之難”[29]。與直覺相反，智能主體(人類或通用人工智能系統(tǒng))的高級(jí)推理并不需要多大的計(jì)算量，反倒是低級(jí)的感覺運(yùn)動(dòng)技能卻消耗著龐大的計(jì)算資源。不過，與常識(shí)問題比較，計(jì)算問題就是小巫見大巫了，因?yàn)槌ＷR(shí)問題至今依然無解。

目前，人類已經(jīng)建立了成熟的學(xué)科和知識(shí)體系，其規(guī)模之巨令人驚嘆。然而，由于沒有常識(shí)，盡管可以輕松地存儲(chǔ)和檢索從而“知道”這些內(nèi)容，計(jì)算機(jī)的理解能力卻與三歲兒童都相距甚遠(yuǎn)。“奇點(diǎn)”論的支持者天真地認(rèn)為，讓機(jī)器學(xué)習(xí)人類的嬰幼兒教材就可以得到常識(shí)。然而，在專用人工智能和通用人工智能系統(tǒng)中的相關(guān)嘗試皆表明，輸入嬰幼兒教材與輸入學(xué)科知識(shí)的效果并無二致。本團(tuán)隊(duì)也在NARS系統(tǒng)上用簡(jiǎn)單且極易理解的兒童寓言故事進(jìn)行了實(shí)證研究(具體內(nèi)容將在后續(xù)發(fā)表)，盡管在機(jī)器教育問題上取得了可喜進(jìn)展，卻依舊未能解決常識(shí)問題?；诋?dāng)前線索和已有證據(jù)，我們傾向于認(rèn)為世界上并不存在作為“常識(shí)”的最小公約知識(shí)子集，亦即常識(shí)在深度和廣度、數(shù)量和質(zhì)量上都不存在絕對(duì)性。因此，從某種程度上說，“常識(shí)”是個(gè)偽命題。當(dāng)然，也要看到借助某種途徑和手段，人類嬰兒或NARS系統(tǒng)確實(shí)可以獲得某些必要知識(shí)從而與環(huán)境雙向交互成長(zhǎng)。因此，有效的“常識(shí)”也許和具體經(jīng)驗(yàn)內(nèi)容無關(guān)，而與經(jīng)驗(yàn)動(dòng)態(tài)建構(gòu)的方式有關(guān)。在未來，動(dòng)態(tài)建構(gòu)學(xué)習(xí)者經(jīng)驗(yàn)的能力將成為教師的核心競(jìng)爭(zhēng)力之一。

(三)宏觀層面

1. 外向范疇：教育研究的導(dǎo)向問題

當(dāng)問及第二次世界大戰(zhàn)爆發(fā)的原因時(shí)，以下四個(gè)選項(xiàng)該如何選擇？

B. 瞬間形成高溫高壓氣體以極高功率對(duì)外界作功，使周圍介質(zhì)受到強(qiáng)烈的沖擊、壓縮而變形或碎裂;

C. 1939年9月1日德國(guó)對(duì)波蘭的“白色計(jì)劃”行動(dòng);

D. 經(jīng)濟(jì)危機(jī)激化兩大政治軍事集團(tuán)的矛盾。

上述四個(gè)選項(xiàng)中，A是火藥燃燒的化學(xué)反應(yīng)方程式，B為子彈射擊的物理原理，C是真實(shí)發(fā)生的入侵行為，D是形而上的戰(zhàn)爭(zhēng)背景分析。事實(shí)上，對(duì)于二戰(zhàn)的起因上述四者皆在一定程度上有所貢獻(xiàn)。然而，人們并不會(huì)將A和B考慮在內(nèi)，只是在C和D中尋找答案，并最終傾向于D，因?yàn)樗坪踔挥蠨才能“真正說明問題”。

教師既是教育活動(dòng)的引導(dǎo)者，也是教育研究的參與者。因此，教育研究的導(dǎo)向?qū)處熅哂兄匾绊憽Ｅc上述例子一樣，對(duì)教育和學(xué)習(xí)而言，神經(jīng)科學(xué)從基因、分子和激素水平出發(fā)尋求解釋，腦科學(xué)從大腦功能原理上進(jìn)行解析，心理學(xué)和專用人工智能從行為層面予以分析，而只有通用人工智能是在思維層面的經(jīng)驗(yàn)探索。正如不能認(rèn)為二戰(zhàn)爆發(fā)是因?yàn)榛鹚幇l(fā)生爆炸推動(dòng)子彈運(yùn)動(dòng)一樣，同樣不能認(rèn)為學(xué)生做對(duì)題目便是其神經(jīng)活動(dòng)符合了某種要求和標(biāo)準(zhǔn)，或“胸懷理想、報(bào)效祖國(guó)”就是某個(gè)特定規(guī)模的神經(jīng)聯(lián)結(jié)。人類行為向下還原的代價(jià)便是意義的喪失，教育行為的神經(jīng)和腦機(jī)制還原亦是如此。不同的學(xué)習(xí)者，相同的學(xué)習(xí)活動(dòng)可能對(duì)應(yīng)于不同的神經(jīng)活動(dòng)，而相同的神經(jīng)活動(dòng)，也可能對(duì)應(yīng)于不同的學(xué)習(xí)活動(dòng)；同一個(gè)學(xué)習(xí)者，前后兩次相同的學(xué)習(xí)活動(dòng)，可能對(duì)應(yīng)于不同的神經(jīng)活動(dòng)，而相同的神經(jīng)活動(dòng)，也可能對(duì)應(yīng)于不同的學(xué)習(xí)行為。正所謂，“人不能兩次踏進(jìn)同一條河流”。當(dāng)然，也不能走向另一個(gè)極端，認(rèn)為神經(jīng)科學(xué)、腦科學(xué)的研究成果對(duì)教育領(lǐng)域毫無借鑒。因此，教育界同仁們應(yīng)從學(xué)科崇拜中警醒過來，樹立屬于自身的學(xué)科自信，將教育研究的導(dǎo)向重新回到“經(jīng)驗(yàn)”這一傳統(tǒng)優(yōu)勢(shì)上來。

2. 內(nèi)向范疇：教育政策的取向問題

媒體鼓噪下的人工智能對(duì)當(dāng)前諸多行業(yè)的“侵蝕”而令人類勞力面臨失業(yè)潮，“奇點(diǎn)”論的支持者們深以為然，但事實(shí)并非如此。電氣化和自動(dòng)化對(duì)智能化的最大挑戰(zhàn)，不是技術(shù)而是環(huán)境。開發(fā)一個(gè)在發(fā)達(dá)國(guó)家駕駛公交車的機(jī)器人絕非難事，而開發(fā)一個(gè)在不發(fā)達(dá)國(guó)家乘坐公交車的機(jī)器人則難上加難。具體對(duì)于我國(guó)而言，高速鐵路的無人駕駛很容易實(shí)現(xiàn)，但普通公路的無人駕駛卻難以實(shí)現(xiàn)。環(huán)境的結(jié)構(gòu)化程度越高，制造在其中運(yùn)行的機(jī)器就越容易。因此，如今成功的專用人工智能案例背后的重要隱含條件不是技術(shù)水平，而是規(guī)則明晰的結(jié)構(gòu)化應(yīng)用環(huán)境。鍛造一輛在封閉道路上單向行駛到終點(diǎn)的“智能座駕”技術(shù)早已成熟，前提是路邊圍好了攔網(wǎng)，鋪裝路面都做好了標(biāo)記，既不會(huì)遇到穿越的行人和動(dòng)物，也不會(huì)碰見對(duì)向行駛而來的新手司機(jī)，更不會(huì)因?yàn)檎`認(rèn)了跌落的樹枝或樹葉被風(fēng)吹就的造型而沖出道路。但是，人們所處的真實(shí)環(huán)境都是開放的，我們永遠(yuǎn)無法窮盡路面的所有可能而研發(fā)出全時(shí)全路況毫無瑕疵的自動(dòng)駕駛車輛。

所以，在專用人工智能發(fā)展道路上，被“規(guī)則化”的不是技術(shù)而是我們自己。對(duì)專用人工智能系統(tǒng)而言，機(jī)器學(xué)習(xí)或大數(shù)據(jù)分析過程中，樣本的噪聲、干擾和異常對(duì)結(jié)果具有不良甚至致命的影響。而通用人工智能恰恰相反，認(rèn)為開放環(huán)境中的擾動(dòng)對(duì)于智能主體的適應(yīng)性成長(zhǎng)至關(guān)重要。在合適的條件下，噪聲、干擾乃至異常反而有助于系統(tǒng)更高層次能力的提升。于是，從某種意義上說，“無序意味著發(fā)展，秩序代表著停滯”。

人類正努力開發(fā)像人類一樣思考的機(jī)器，這并不可怕，真正讓人擔(dān)心的是，人類已經(jīng)被機(jī)器同化得像機(jī)器一樣思考。自從大工業(yè)時(shí)代之后，各國(guó)教育系統(tǒng)的培育體系正在變得越來越規(guī)范，評(píng)價(jià)標(biāo)準(zhǔn)變得越來越精確。在“標(biāo)準(zhǔn)”的教育政策引導(dǎo)下，所有教育活動(dòng)都在預(yù)先計(jì)劃好的時(shí)間和地點(diǎn)按照預(yù)先計(jì)劃好的方式按部就班地進(jìn)行，學(xué)生們接觸到的都是基本相同的經(jīng)驗(yàn)，從而同時(shí)使得教師之間、學(xué)習(xí)者之間的差異性越來越弱,育化和受育的多樣性變得越來越低。

四、未來的教師與教師的未來

教育的核心問題是經(jīng)驗(yàn)，經(jīng)驗(yàn)如同常識(shí)一樣，不在于特異性的知識(shí)，而在于如何被有意義及多樣化地塑造。在前述討論的基礎(chǔ)上，本節(jié)回歸到“未來的教師”和“教師的未來”的問題上來。實(shí)際上，前者本質(zhì)上是一個(gè)教育的職業(yè)問題，而后者則是教育的職業(yè)內(nèi)涵和價(jià)值取向問題。不同于專用人工智能對(duì)數(shù)據(jù)搜集和分析，通用人工智能強(qiáng)調(diào)對(duì)個(gè)體經(jīng)驗(yàn)的建構(gòu)。教師的職業(yè)內(nèi)容及其職業(yè)發(fā)展不僅離不開經(jīng)驗(yàn)，而且是緊緊圍繞著經(jīng)驗(yàn)而開展的。在這樣的背景下，“悲觀論”和“樂觀論”都是片面和偏激的，智能的發(fā)展離不開后天經(jīng)驗(yàn)的塑造，因此，教師將在未來社會(huì)中扮演舉足輕重的角色。

(一)未來的教師

在不同的理論視角下，未來教師將具有不同的主體形式。依據(jù)專用人工智能的相關(guān)理論，未來教師的主體由人類構(gòu)成，因?yàn)闄C(jī)器將永遠(yuǎn)無法產(chǎn)生真正的智能，既無情感也無價(jià)值觀。故而，盡管許多操作性和重復(fù)性的教學(xué)事務(wù)可由機(jī)器完成，但人工智能終究無法替代人類而只能扮演各種輔助性的教學(xué)助手的角色。或者更進(jìn)一步說，即便教學(xué)過程全面實(shí)現(xiàn)自動(dòng)化和網(wǎng)絡(luò)化，優(yōu)秀課程的開發(fā)與設(shè)計(jì)仍然依賴于人類教師的實(shí)踐經(jīng)驗(yàn)，人類教學(xué)經(jīng)驗(yàn)的傳承中有更多無法言之的內(nèi)隱知識(shí)屬于感受性的具身知識(shí)，而這些知識(shí)永遠(yuǎn)無法被機(jī)器理解。因此，該視角反映的是“樂觀派”對(duì)未來教師的預(yù)期。“悲觀派”則以“奇點(diǎn)”為依據(jù)，認(rèn)為未來的教師必定以機(jī)器為主體，因?yàn)槿祟愔悄苁窍喈?dāng)有限的，具有理性和邏輯思維的同時(shí)也表現(xiàn)出非理性和非邏輯的特點(diǎn)。但是，超級(jí)智能卻沒有這樣的憂慮，它能以人類所不能理解的方式深刻洞察自然界和人類社會(huì)，更別說人類的情感和意識(shí)了。擁有超級(jí)智能的機(jī)器教師具有極強(qiáng)的教學(xué)能力，直接向?qū)W生提供毫無冗余的個(gè)性化教育方案，使學(xué)生在學(xué)習(xí)道路上走最短的“捷徑”從而成效斐然。然而，不論教師、學(xué)生還是家長(zhǎng)，亦或是教育研究者或人工智能專家，卻沒有人知道超級(jí)智能為何能夠得到如此高效的教學(xué)效果，人們只是知道“相信并聽從，照做就是”。于是，在超級(jí)智能的機(jī)器教師碾壓下，人類教師毫無優(yōu)勢(shì)可言，教師這一職業(yè)也將不復(fù)存在——超級(jí)智能終將發(fā)現(xiàn)教授人類的必要性越來越小，與其讓經(jīng)常犯錯(cuò)的人類做事不如教授給超級(jí)智能體來做更有意義——人類最終淪落為機(jī)器的寵物，這也是2017年10月23日《紐約客》雜志封面的寓意。

實(shí)際上，以上兩種對(duì)未來教師主體的分析都是錯(cuò)誤的，不是囿于技術(shù)局限，就是脫離科學(xué)理論的遐想。在通用人工智能視角下，人類智能的背后存在著一般意義下的智能理論，而該理論也可以在諸如NARS這樣的計(jì)算機(jī)系統(tǒng)中實(shí)現(xiàn)。此類系統(tǒng)具有與人類智能相仿的認(rèn)知特征，卻沒有生物學(xué)特性。因此，這樣的智能系統(tǒng)(或智能機(jī)器人)既不是一個(gè)完美的復(fù)制品，也不是人類智能的廉價(jià)替代品，而是與人“平行的”另一種智能形態(tài)。另一方面，由于智能主體中經(jīng)驗(yàn)感受性的建構(gòu)特性，智能系統(tǒng)(或智能機(jī)器人)即便裝備了與人類功能相同的傳感器，也無法真正擁有與人類完全一致的感覺。反之，人類也無法體驗(yàn)到智能系統(tǒng)(或智能機(jī)器人)的所有感受細(xì)節(jié)。因此，即使面對(duì)相同的客觀物理環(huán)境，二者的經(jīng)驗(yàn)也不會(huì)相同，而且人類群體與人工智能群體的社會(huì)性經(jīng)驗(yàn)差異就更大了。然而，在差異背后也要注意到二者經(jīng)驗(yàn)的共同點(diǎn)：人與智能機(jī)器具有相同的智能原理和相似的認(rèn)知過程，決定了二者具有大致相同的經(jīng)驗(yàn)加工機(jī)制。與此同時(shí)，共同的物理世界和相近的社群內(nèi)生規(guī)約又構(gòu)成人類與智能機(jī)器經(jīng)驗(yàn)內(nèi)容中一致性的部分，故而，人與機(jī)器之間并非不能溝通，在絕大多數(shù)情況下，二者是可以相互交流和理解的。所以，未來教師的主體由人類教師和機(jī)器教師共同構(gòu)成，由于二者之間在功能上具有交集，因此存在一定程度上的競(jìng)爭(zhēng)關(guān)系。未來，人類教師可以教授人類學(xué)生，機(jī)器教師可以教授機(jī)器學(xué)生，人類學(xué)生也可以向機(jī)器教師求教(如圍棋界研究AlphaGo的新棋路)，機(jī)器學(xué)生也可以向人類教師求教。人類教師將與機(jī)器教師共同承擔(dān)教學(xué)任務(wù)，教師這個(gè)職業(yè)非但不會(huì)消亡還將變得“炙手可熱”。也就是說，優(yōu)秀的人才和“好用的”機(jī)器都是教出來的。

(二)教師的未來

除了技術(shù)手段日新月異以外，教師未來的工作內(nèi)容與當(dāng)前并無本質(zhì)差別。教師在未來所面臨的最大挑戰(zhàn)，不是經(jīng)驗(yàn)的傳授，而是經(jīng)驗(yàn)的建構(gòu)。

首先，經(jīng)驗(yàn)內(nèi)容的審視。人類的經(jīng)驗(yàn)世界不等同于生理組織，大腦內(nèi)部經(jīng)驗(yàn)活動(dòng)的內(nèi)容無法使用設(shè)備直接探測(cè)。因此，人類的行為數(shù)據(jù)在分析和洞察學(xué)習(xí)者方面依舊具有無可撼動(dòng)的地位。作為學(xué)習(xí)者經(jīng)驗(yàn)的重要載體，“大”數(shù)據(jù)仍舊備受歡迎，但是其重心卻與當(dāng)前“大數(shù)據(jù)”恰好相反。實(shí)際上，大數(shù)據(jù)之“大”有橫向和縱向兩個(gè)不同的維度。在學(xué)校教育范疇內(nèi)，橫向的大數(shù)據(jù)為接近全體學(xué)生樣本的數(shù)據(jù)集合，其覆蓋性突出地表現(xiàn)為對(duì)不同個(gè)體的涵蓋；縱向的大數(shù)據(jù)為特定學(xué)生樣本的數(shù)據(jù)集，其覆蓋性突出地表現(xiàn)為對(duì)該學(xué)生歷時(shí)性、情境性數(shù)據(jù)的涵蓋。也就是說，在實(shí)踐層面上，技術(shù)對(duì)教育的影響有且只有通過個(gè)體水平的改變才能表現(xiàn)為群體水平的提升，而不是相反。所以，“廣積糧”是當(dāng)前大數(shù)據(jù)的特點(diǎn)，不僅數(shù)據(jù)價(jià)值密度低，還面臨隱私侵犯的風(fēng)險(xiǎn)；“深挖洞”則是未來大數(shù)據(jù)的特點(diǎn)，表現(xiàn)為數(shù)據(jù)來源的選擇性和典型性以及數(shù)據(jù)維度的豐富性和追蹤的長(zhǎng)期性。由于學(xué)習(xí)者的經(jīng)驗(yàn)內(nèi)容彼此均不完全相同甚至差異極大，對(duì)未來的教師而言，對(duì)學(xué)習(xí)者的真正理解和有效教導(dǎo)將在個(gè)體層次上深入開展，朝向真正的“個(gè)性化”教育，也就是說，對(duì)個(gè)體學(xué)習(xí)者A經(jīng)驗(yàn)的考察，重點(diǎn)并非A與他人分?jǐn)?shù)、能力的比較，而是從A的經(jīng)驗(yàn)建構(gòu)過程進(jìn)行分析和解讀。換一個(gè)角度講，教師在未來比拼的不是學(xué)生的分?jǐn)?shù)，而是發(fā)現(xiàn)和了解學(xué)生的能力。與此同時(shí)，機(jī)器教師盡管可以完成某些常規(guī)教學(xué)活動(dòng)，但對(duì)人類學(xué)生的體察永遠(yuǎn)不能做到“感同身受”，所以對(duì)人類學(xué)生的關(guān)鍵指導(dǎo)只能由人類教師完成。然而，類似的是，人類教師對(duì)機(jī)器學(xué)生也存在同樣的局限性，所以機(jī)器教師與人類教師今后將相互配合但各有側(cè)重，盡管在某些例行性教學(xué)事務(wù)上人類教師面臨來自機(jī)器教師的競(jìng)爭(zhēng)和替代，但在各自擅長(zhǎng)的特定教學(xué)情境中卻能夠發(fā)揮自身優(yōu)勢(shì)而形成互補(bǔ)。

其次，經(jīng)驗(yàn)建構(gòu)的原理。在通用人工智能理論視角下，可以從微觀層面、中觀層面和宏觀層面來闡述。①在微觀層面，不論是人腦還是通用人工智能系統(tǒng)的記憶中，既不存在絕對(duì)保真的知識(shí)，也沒有一成不變的真理，有的只是在開放環(huán)境下隨時(shí)接受挑戰(zhàn)的經(jīng)驗(yàn)。事實(shí)上，智能主體經(jīng)驗(yàn)空間的可塑性，決定了主體接受教育的必然性和必要性。在細(xì)節(jié)上，經(jīng)驗(yàn)具有陳述和主觀判斷兩個(gè)維度。其中，知識(shí)描述可以成為經(jīng)驗(yàn)的陳述，主觀判斷(又稱真值)由證據(jù)累積的“正確率”和“可信度”共同表征。盡管可信度通常隨支撐該信念的正面證據(jù)的增加而提升(如對(duì)于某知識(shí)點(diǎn)，學(xué)生做過的題目越多，正確率越高其信心也越高)，但是也有對(duì)少數(shù)證據(jù)進(jìn)行泛化強(qiáng)化導(dǎo)致正確率不高但可信度極高的“似懂非懂”的情況(如學(xué)生聲稱“知識(shí)點(diǎn)已經(jīng)掌握”但“仍舊做不對(duì)題目”)。在微觀層面上，教師未來需要借助知識(shí)空間、內(nèi)隱測(cè)量、無意識(shí)測(cè)驗(yàn)等技術(shù)探查學(xué)生經(jīng)驗(yàn)背后的真實(shí)主觀判斷。②在中觀層面，主體經(jīng)驗(yàn)通過意義的相互聯(lián)結(jié)形成網(wǎng)狀結(jié)構(gòu)(即經(jīng)驗(yàn)空間)，不是一盤散沙而是有機(jī)交融。經(jīng)驗(yàn)空間并非分布均勻，而是密度各異。如果按照密度由緊密到稀疏的分布排序，可以將經(jīng)驗(yàn)空間由圖結(jié)構(gòu)轉(zhuǎn)化為樹結(jié)構(gòu)，成為經(jīng)驗(yàn)樹。越靠近葉節(jié)點(diǎn)，經(jīng)驗(yàn)的陳述越具體，陳述的證據(jù)總量越小，可信度越低。反之，越靠近根節(jié)點(diǎn)，經(jīng)驗(yàn)的陳述越抽象，陳述的證據(jù)總量越大，可信度越高。經(jīng)驗(yàn)系統(tǒng)具有層級(jí)結(jié)構(gòu)，樹根正是抽象自我，抽象自我的高可信度對(duì)應(yīng)于“自我存在的合理性和必要性”這種天然心理傾向的表達(dá)。樹根向枝葉延伸對(duì)應(yīng)于從人格、社會(huì)角色等高度抽象的心理概念到認(rèn)知風(fēng)格、語言、學(xué)科知識(shí)、生活經(jīng)驗(yàn)等更為具體的陳述。經(jīng)驗(yàn)系統(tǒng)層級(jí)結(jié)構(gòu)的重要特征是上層信念(元認(rèn)知)對(duì)下層信念具有更大的影響力：信念越抽象，正確率和可信度越高，對(duì)下層信念的影響力就越大。然而，葉節(jié)點(diǎn)并不必然與合適的上層信念相連接，也未必一定能夠形成更為適合或合理的新的抽象信念。所以，在中觀層面，教師未來工作的重點(diǎn)不是給學(xué)生布置海量的習(xí)題，而是通過精講精練有目的、有針對(duì)性地引入新經(jīng)驗(yàn)，同時(shí)注重上層經(jīng)驗(yàn)的生成與鞏固，讓學(xué)生掌握學(xué)會(huì)學(xué)習(xí)和正確對(duì)待自己及他人的能力。③宏觀層面，教育不只是經(jīng)驗(yàn)樹葉節(jié)點(diǎn)知識(shí)的生長(zhǎng)，而是對(duì)經(jīng)驗(yàn)樹整體的捏合、塑造甚至再生，是面向人性的有趣的教育、幸福的教育和生態(tài)的教育。然而，不論是高層的“社會(huì)主義核心價(jià)值觀”或“愛國(guó)主義”，還是中層的“核心素養(yǎng)”，社會(huì)抽象經(jīng)驗(yàn)(德行知識(shí))既非某種具體知識(shí)，也非諸如身體自我之類的內(nèi)在指向。社會(huì)抽象經(jīng)驗(yàn)不會(huì)簡(jiǎn)單地由于知道而被直接接受，而是在與所有相關(guān)經(jīng)驗(yàn)的互動(dòng)中被強(qiáng)化、被抽象和被建構(gòu)。因此，作為教育價(jià)值的根本性體現(xiàn)，對(duì)觀念的樹立不只是知識(shí)講解、課程設(shè)計(jì)、考核評(píng)價(jià)，而是依賴于學(xué)校內(nèi)外、家庭內(nèi)外、線上線下的全方位引導(dǎo)。在宏觀層面，教師未來工作的重大轉(zhuǎn)向正是把對(duì)學(xué)習(xí)者的關(guān)注從成績(jī)轉(zhuǎn)移到個(gè)性塑造上來，鼓勵(lì)學(xué)生獲得更多的生活體驗(yàn)、激勵(lì)學(xué)生探尋更多的發(fā)展?jié)撃?、啟發(fā)學(xué)生對(duì)高層經(jīng)驗(yàn)更多的深層加工。一言以蔽之，便是培養(yǎng)人格完善的“觀察員和思考者”，而非裝載知識(shí)的“移動(dòng)硬盤”，亦不是熟練操作的“技能機(jī)器”。

五、總結(jié)

人工智能技術(shù)必將對(duì)人類社會(huì)產(chǎn)生意義深遠(yuǎn)的影響。現(xiàn)如今，計(jì)算機(jī)的存儲(chǔ)量越來越大，但穩(wěn)定性卻越來越差，其計(jì)算能力越來越強(qiáng)，但價(jià)格越來越低廉。在這樣的背景下，專用人工智能依附“奇點(diǎn)”論，產(chǎn)生了“悲觀派”和“樂觀派”兩種極端思潮。通用人工智能為問題的探究開啟了另一扇窗：人類教師是否會(huì)被機(jī)器教師替代，并不存在簡(jiǎn)單的回答；人類教師如何與機(jī)器教師協(xié)同工作，也不存在簡(jiǎn)單的回答。認(rèn)為機(jī)器教師無法擁有情感所以不能取代人類教師的想法是錯(cuò)誤的，實(shí)際上，機(jī)器教師是可以替代人類教師的，特別是那些遵循固有模式“講教材”的人類教師會(huì)遭到機(jī)器教師的挑戰(zhàn)，使得會(huì)“教”而不會(huì)“育”的人類教師將被無情淘汰，畢竟機(jī)器教師在了解學(xué)生知識(shí)結(jié)構(gòu)方面具有更大的優(yōu)勢(shì)。實(shí)際上，警鐘已鳴響：未來對(duì)人類教師的要求非但不會(huì)降低，反而變得更高。

與其他職業(yè)不同，教育作為一種“元職業(yè)”，未來非但不會(huì)萎縮和消亡，反而會(huì)更加興盛和蓬勃。同時(shí)，教師也并不會(huì)由于人工智能技術(shù)的存在和滲透而數(shù)量銳減。恰恰相反，未來教師崗位需求增多的同時(shí)也對(duì)教師綜合能力的要求大幅提高。專用人工智能將教師從繁冗的事務(wù)性教學(xué)工作中抽離出來，通用人工智能則不僅要求教師回歸教育本源而專注于學(xué)生個(gè)體化的經(jīng)驗(yàn)建構(gòu)，還要掌握機(jī)器教育的基本理論和技能，學(xué)校教育的主要目標(biāo)必將從知識(shí)傳承轉(zhuǎn)向經(jīng)驗(yàn)生長(zhǎng)。因此，不論人類還是智能機(jī)器，教師作為靈魂的塑造者，永遠(yuǎn)不會(huì)缺席或“被”缺席。