論智能時代的人—機合作式學習

[摘? ?要] 網(wǎng)絡和智能技術的飛速發(fā)展，導致人類社會方方面面都發(fā)生了翻天覆地的變化，教與學也不能例外。文章深入分析了知識與學習發(fā)生的變化，探討了人類學習與機器學習的異同，以及人—機合作學習的必然性和可能的方式，得出以下幾點結論：（1）網(wǎng)絡和智能時代，知識和學習發(fā)生了很大變化，出現(xiàn)了軟知識、人—機知識等新的知識類型，未來還有可能出現(xiàn)暗知識;（2）知識生產也逐漸由人類主體向人—機共同主體轉變;（3）人—機合作式學習將成為主流學習模式，現(xiàn)階段以人—網(wǎng)合作學習為主，未來將以人—智能機器合作學習為主，教育教學也將變?yōu)槿恕獧C合作式教學模式;（4）技術在人類學習中扮演的角色由單純的工具，向環(huán)境、伙伴角色轉變，并最終可能與人類連成一體。為此，今天教育教學亟需發(fā)生重大變革，以適應未來的需要。

[關鍵詞] 軟知識;人機知識;暗知識;人—機合作式學習;人—智能機器一體式學習

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 王竹立（1963—），男，湖南衡陽人。高級工程師，碩士，主要從事網(wǎng)絡時代學習、創(chuàng)新思維訓練方面的研究。E-mail：wzl63@163.com。

一、引? ?言

人類社會已開始步入智能時代，對這個正在快速到來的時代，我們還相當陌生，不知所措。智能時代的知識和學習會發(fā)生什么變化？智能時代的教育會是一個什么樣子？這是教育工作者最關心的問題之一。筆者想就此談談自己的看法，以就教于方家。

二、網(wǎng)絡和智能時代的知識巨變

網(wǎng)絡時代與智能時代，是既有聯(lián)系又有區(qū)別的兩個時代。智能時代是網(wǎng)絡時代的自然延續(xù)，是網(wǎng)絡時代的升級和飛躍。如果說網(wǎng)絡時代是信息（數(shù)字）時代的初級階段，那么，智能時代就是信息（數(shù)字）時代的高級階段。這兩個時代都是由于現(xiàn)代信息技術的快速進步而引發(fā)的社會形態(tài)變化，其本質是一致的。不同的是，智能時代由于人工智能技術（仍然屬于現(xiàn)代信息技術的大范疇）的全面普及，人類將越來越多地借助智能機器去認識世界、改造世界，而人類自身的使命和任務也將與此前有很大的不同，甚至有可能出現(xiàn)顛覆性的改變。目前我們對此的認識可能還處在初級階段，離全面了解還有相當長的距離。

（一）“軟知識”的出現(xiàn)

網(wǎng)絡誕生以來，知識已經發(fā)生了很多變化，其中最大變化是知識形態(tài)由“硬”變“軟”，一種新的知識形態(tài)——“軟知識”開始受到重視。軟知識、硬知識的劃分最初由加拿大學者G·西蒙斯提出，并經筆者發(fā)展成熟。軟知識是一種“正在形成”過程中的知識，軟知識在不斷建構過程中，其中的大部分被淘汰或更新迭代，只有極少一部分會變成硬知識。區(qū)別軟、硬知識的關鍵是知識在三個層面的穩(wěn)定性，即結構的穩(wěn)定性、內容的穩(wěn)定性和價值的穩(wěn)定性。隨著網(wǎng)絡和信息技術的快速發(fā)展，軟知識大量出現(xiàn)，并且越來越重要?，F(xiàn)在在網(wǎng)上和生活中，像雨后春筍一樣產生出來的新名詞、新概念、新理論、新技術、新模式、新事物，在還沒有被專家學者結構化、系統(tǒng)化，寫進專著和教科書之前，大都屬于軟知識。軟知識與硬知識之間沒有一個絕對的界限，而是一個連續(xù)的統(tǒng)一體。軟知識有一個逐漸“硬化”的過程，硬知識也可能隨著時間的推移發(fā)生價值改變而“軟化”[1-3]。

（二）“人—機知識”的出現(xiàn)

到了智能時代，知識將進一步發(fā)生變化。其中最大的變化將發(fā)生在知識生產主體上，即知識生產由人類生產變成了人機合作生產方式。

人工智能（AI）誕生之前，信息的加工、處理，知識的生產、應用，都是由人類自身完成的。技術及其產品可以代替人類完成許多體力勞動，能夠幫助人類獲取單靠感官無法獲取的信息，例如，顯微鏡和望遠鏡可以幫助人類看到肉眼無法看見的微觀世界或遙遠宇宙;計算機能夠幫助人類完成許多復雜的計算工作。但沒有一項技術可以代替人類思考，沒有一項技術能夠生產知識。即使某些看上去是技術在處理信息和知識，但實際上仍然是人類大腦工作的結果。例如，維基百科和百度百科網(wǎng)站上的詞條釋義，并非網(wǎng)絡技術的成果，而是億萬網(wǎng)民的思維成果。

人工智能誕生之后，情況就有很大的不同。智能機器在很多方面開始取代人類的大腦，對信息和數(shù)據(jù)進行分析、加工與處理，從而產生出某種意義上的“知識”。例如，人工智能可以根據(jù)DNA序列猜出蛋白質的三級結構，從而大大降低人類通過其他方法發(fā)現(xiàn)蛋白質三級結構的成本。這類知識可以被人類了解并使用，但并不知道機器推導的具體過程。又比如，一臺學會自動駕駛的汽車，可以瞬間“教會”100萬臺自動駕駛汽車，只要把自己的參數(shù)集復制到其他汽車上即可，機器之間的協(xié)同行動因而也變得非常容易。由于這類“知識”是以參數(shù)集的形式存在的，對于人類來說無法表述，因而很難在人類之間傳播，但在機器之間傳播卻非常容易。這些知識的產生需要人類工程師與智能機器的分工合作才能完成。人類工程師負責設計算法、制作智能機器、用大數(shù)據(jù)對智能機器人進行訓練，在關鍵節(jié)點上進行決策;智能機器人則通過對海量數(shù)據(jù)的深度學習，獲取大量關于事物之間相關性的知識，彌補人類腦力的不足，常常能有人類意想不到的新發(fā)現(xiàn)。如果我們將人類通過自己的感官和腦力直接獲取的知識稱為“人類知識”（Human Knowledge），那么，這種借助人工智能間接獲取的知識可稱為“人—機知識”（Human-computer Knowledge）。

（三）未來可能出現(xiàn)“暗知識”

王維嘉在《暗知識：機器認知如何顛覆商業(yè)和社會》一書中，將目前人機合作產生的知識，稱為暗知識。他認為人類有史以來出現(xiàn)了明知識（即顯性知識）和默知識（即隱性知識），前者是人類可以通過語言、文字和符號表達出來的知識;后者是人類可以感受卻難以表達的知識。今天，人工智能突然從海量數(shù)據(jù)中挖掘出大量人類既不能感受、又無法表達的知識，故稱之為暗知識[4]。

筆者認為，知識是認知主體對認知客體（對象）的感覺與經驗的總和，如果沒有認知主體，知識無從產生。構成認知主體的核心要素是有自我意識且能接收、處理外界的信息。迄今為止，智能機器人能夠接收、處理外界的信息，但尚無自我意識，不構成認知主體，也就不可能產生真正意義上的知識。目前人工智能從大數(shù)據(jù)中，通過發(fā)現(xiàn)事物之間相關性而產生的知識，是智能機器人按照人類的指令、根據(jù)人類工程師設計的算法或作出的決策、經過人類工程師對它的訓練獲取的知識。機器本身對此一無所知，也不理解其價值和意義，只有人類工程師能夠理解。其中有些知識能被人類掌握并表達出來，有些以參數(shù)集的形式存在于智能機器人的內部，不能被人類表達，但人類是知道其存在并能利用它為人類服務的。這些知識還不是真正意義上的暗知識，而是筆者所說的“人—機知識”。如果我們一定要按照某個統(tǒng)一的命名來進行分類，不妨把“人—機知識”稱為“灰知識”。

真正的暗知識是在智能機器人有了自我意識之后，自己獨立發(fā)現(xiàn)并自主應用，且不為人類所知曉和利用的知識，是“機知人不知”的知識。這種知識必須等到超級人工智能到來之際才能出現(xiàn)。至于超級人工智能有沒有可能誕生，不同領域的學者有不同的看法，筆者對此持開放態(tài)度。不同類型的知識分類比較見表1。

表1? ? ? ? ? ? ? 不同類型的知識分類比較

三、人類學習與機器學習的異同

（一）人類是如何學習的？

關于人類學習的研究可謂汗牛充棟、不可盡數(shù)。腦科學研究為闡釋人類學習的大腦機制提供了豐富的實驗依據(jù)，但離徹底打開這一“黑箱”還有相當長的距離[5]。大腦是由數(shù)以億萬計的神經元相互連接而成的神經網(wǎng)絡，神經元與神經元之間通過突觸相互連接。突觸是一個只有20納米左右的狹窄縫隙，神經沖動（傳遞信息的電信號）通過突觸時需要借助一種稱為神經遞質的化學物質。神經遞質的釋放、彌散、與突觸后膜受體結合，再轉變?yōu)殡娦盘栃枰欢螘r間，這段時間稱為突觸延擱。每一個神經元接受一到多個上一級神經元傳遞的信號，這些信號經過神經元胞體整合之后才形成傳出信息輸出到下一級神經元。神經沖動在大腦神經元網(wǎng)絡中傳遞、整合的過程就是信息加工的過程，加工過的信息以突觸后電位的持續(xù)增強、新的突觸連接的形成和記憶蛋白等形式保存下來，構成學習與記憶的物質基礎。外界的信息通過視覺、聽覺、觸壓覺、嗅覺和味覺感受器輸入后，經過神經中樞的加工處理產生感知，最終形成語言表達或引發(fā)肢體運動。

語言和文字是人類發(fā)明的一整套概念系統(tǒng)，人類發(fā)明了語言文字，就是為了方便存儲、編輯、加工、傳播信息與知識。以概念方式將信息與知識存儲在大腦內部，能有效節(jié)省存儲空間，同時，方便分析與推理。例如，人類從感官所獲得的關于太陽的各種信息，包括形狀、顏色、溫度、動態(tài)等多種信息，容量巨大，將導致腦內廣泛區(qū)域的神經元產生興奮。通過“太陽”這個概念的形成，將所有相關的信息“打包”之后存儲在某個局部區(qū)域的神經元之中，所占大腦空間就大大減少。今后思考過程中涉及太陽時，多數(shù)情況下只需從局部區(qū)域神經元中調用這個概念，就可以進一步分析推理了。只有在需要的時候，才會通過回憶將與這個詞有關的原始感覺信息重新調出來。將腦內的概念體系用文字寫下來，記錄在身外的物體上，如石頭、龜背、甲骨、青銅、紙張、網(wǎng)絡等，進一步釋放了人類大腦的有效空間，有利于信息與知識的長期保存。對人類的學習和知識傳承起到極大的促進作用。這也就是人類的學習離不開語言文字的原因。

（二）機器是如何學習的？

智能機器主要通過兩種方式進行學習，一種是人工學習，即將人類專家的顯性知識以專家系統(tǒng)形式提供給機器人，讓機器人學會人類的顯性知識;一種是機器學習，就是讓機器自己學習。機器學習中有一種方式稱為人工神經元網(wǎng)絡，即構建一個類似于人類神經元網(wǎng)絡的電子線路，讓智能機器人基于這種多層網(wǎng)狀的電子線路進行深度學習。有了這種人工神經元網(wǎng)絡，智能機器人就可以通過對數(shù)據(jù)的深度學習，發(fā)現(xiàn)事物之間隱秘的關系[4]。

這種人工神經元網(wǎng)絡與人類神經元網(wǎng)絡相比，既有優(yōu)勢也有劣勢。優(yōu)勢是電子線路信號傳輸速度比人類神經元網(wǎng)絡要快得多，而且不易受外界因素干擾。人類神經纖維傳遞生物電信號受生物特性限制有其上限，最快也只有120米/秒左右，而且極易受到低溫、麻醉等外界因素干擾。尤其是在神經突觸部分還有突觸延擱，大大限制了人類處理信息的速度和可靠性。電子線路信號傳輸速度比人類神經元網(wǎng)絡要快好幾萬倍，且非常穩(wěn)定和可靠。神經元是以1/103秒的速度工作，而硅基芯片則以1/1010秒的速度在工作，它們的差別是100萬倍。因此，智能機器人的信息處理速度比人類大腦要快得多，存儲、記憶、處理的信息量要大得多。劣勢是智能機器人處理信息依賴人類為其設定的算法，不能自己靈活轉換算法。智能機器人采用的算法是人腦“理性思維”設計出來的，這些方法即使巧妙，也往往擺脫不了“蠻力計算”的形象，使得大量的計算資源都消耗在這些低效的計算方法上。而人類神經元網(wǎng)絡的“算法”是先天形成的，人類自己并不完全了解，人類在思維方式（相當于算法）的靈活性、智能化上要比智能機器人強得多。智能機器人的算法都是基于邏輯和概率的，人類除了邏輯和概率之外，還有其他直覺、想象、靈感、頓悟等非邏輯“算法”，可能遠比我們目前所知的或想象的要復雜得多。這也是人類比智能機器人更容易舉一反三、觸類旁通、創(chuàng)新創(chuàng)造的根本原因。

至少到目前為止，人工神經元網(wǎng)絡與人類神經元網(wǎng)絡相比，還有很大的差距。（1）神經元數(shù)量的差距。早期人工神經元網(wǎng)絡僅有數(shù)十或者數(shù)百神經元，人腦則有860億個;（2）反饋連接的差距。人腦神經元網(wǎng)絡中存在著復雜的反饋連接，反饋連接是前饋連接數(shù)量的數(shù)倍至數(shù)十倍，這一點僅在部分人工神經元網(wǎng)絡中有所體現(xiàn);（3）人腦智能的飛躍和新皮層的出現(xiàn)關系密切，新皮層使人類具有了語言、邏輯、抽象思維等智能行為，而人工神經元網(wǎng)絡并沒有針對性地對新皮層進行模擬;（4）可能是最重要的一點，人工神經元網(wǎng)絡被設計用來處理靜態(tài)信息，如圖像處理等，而人腦處理的五種感覺信息基本上都是隨時間變化的信息，加入了時間維度，動態(tài)信息處理顯然和靜態(tài)信息處理的機制存在顯著區(qū)別，所以從功能角度來看，兩種網(wǎng)絡也是有顯著區(qū)別的[6]。

機器不采用人類的語言和文字，而是有一套自己的“語言”。人類為它們發(fā)明了0和1兩個符號，這兩個數(shù)字的無數(shù)排列組合構成了一套完整的表達體系。這個體系使得計算機不僅能夠表達人類的語言文字，還能表達復雜得多的圖形圖像、音頻視頻，乃至虛擬現(xiàn)實、增強現(xiàn)實等，因此，計算機需要比人類大腦強大得多的計算能力，才能處理這些容量巨大的信息。但人腦可以擺脫實體進行概念層面的學習記憶和邏輯思維，并且能夠以現(xiàn)有知識作為素材通過邏輯思維獲得新知。這種“抽象思維”能力使得人類的學習“永無止境”。而人工神經元網(wǎng)絡和類腦計算技術還不具備“抽象思維”能力。而且，無論是人工神經元網(wǎng)絡還是類腦計算芯片，信息處理都必須是外部輸入發(fā)起的，它們無法像人腦一樣進行“內源性”思維。

四、人—機合作式學習

1997年，卡斯帕羅夫與名為“深藍”的計算機對弈之后，提出了“人加機器”的概念，即在比賽中用人工智能增強國際象棋選手水平，而不是讓雙方互相對抗。在比賽中，選手既可以聽取人工智能提出的走棋建議，也可以否決它們，類似我們開車時使用GPS智能導航[7]。事實上，從網(wǎng)絡誕生之日起，人類的學習已逐漸從單純的人類自身學習，走向人—機合作式學習。網(wǎng)絡時代，人—機合作學習主要是人—網(wǎng)合作學習，智能時代則更多地演變成人—智能機器合作學習，最后有可能發(fā)展為人—智能機器一體式學習。

（一）人—網(wǎng)合作學習

人—網(wǎng)合作學習是指人類主動利用網(wǎng)絡獲取信息與知識、進行社會化交流協(xié)作的學習方式。在這種學習中，網(wǎng)絡與信息技術作為學習的工具和環(huán)境發(fā)揮重要的作用。作為工具，互聯(lián)網(wǎng)上提供了很多學習和交流用的軟件、手機的APP等;作為環(huán)境，移動互聯(lián)網(wǎng)幾乎覆蓋到地球上任意一個角落，人類的學習都是在這樣一個網(wǎng)絡環(huán)境中進行的。網(wǎng)絡中有海量的學習資源，可以隨時隨地獲取;還有眾多的學習伙伴，可以進行同步或異步交流合作。由于移動互聯(lián)網(wǎng)將每一個網(wǎng)民連接起來，理論上任何人都可以通過網(wǎng)絡進行信息與知識的交換，因此，網(wǎng)絡與以往的物理環(huán)境不同，它不再是靜態(tài)的虛擬倉庫，只是被動地儲存信息與資源;而是動態(tài)的生態(tài)系統(tǒng)，是信息與知識加工、處理、流動、整合的平臺，隨時都在發(fā)生著變化，不斷生成新的信息與知識;還可以有針對性地向學習者推送信息，并且為學與教雙方提供雙向溝通交流的渠道。

有鑒于此，網(wǎng)絡不再僅僅是一個物化的工具和手段，而變成一個知識建構的有意義的參與者與合作者。舉個例子，今天，我們要閱讀一份外文文獻，或者要撰寫一份外文摘要，可以不必全靠自己，而可以通過網(wǎng)絡上的翻譯軟件或在線平臺，快速獲取一份初始的譯文，只需稍作加工即可，必要時還可以通過網(wǎng)絡尋求人工服務;一些文字編輯軟件還可以自動提供關于文章格式、語法、拼寫等方面的錯誤提示;我們要獲取某個信息或知識，很多時候不必再跑到圖書館或書店，去一本本、一頁頁查找，而可以通過網(wǎng)絡檢索快速獲取;在網(wǎng)上我們可以找到很多問題的現(xiàn)成答案，例如通過知乎等問答式網(wǎng)站，獲取相關領域的專業(yè)意見;網(wǎng)絡還可以為我們提供許多信息與數(shù)據(jù)統(tǒng)計、加工、處理的工具軟件……總之，網(wǎng)絡正日益成為人類工作、學習、生活的沉默的助手和伙伴。從某種意義上說，互聯(lián)網(wǎng)已經開始具備初始的智能。

筆者曾提出網(wǎng)絡時代零存整取式學習策略，這個策略的核心思想是，將網(wǎng)絡視為信息與知識的“銀行”，通過人腦內部的神經網(wǎng)絡與互聯(lián)網(wǎng)的連接，高效地完成自主性學習任務，加快知識創(chuàng)新的速度。如果將網(wǎng)絡銀行中的信息與知識視為資金，學習者在網(wǎng)絡上的操作與活動視為資金運作，那么學習的成果就好比資金運作的利潤與收益。通過有效的策略，學習者可以獲得豐厚的回報[8-9]。

零存整取式學習包含積件式寫作、個性化改寫和創(chuàng)造性重構三個環(huán)節(jié)，其中最核心的手段就是對文章進行不斷的改寫。筆者認為，寫作即思考，文章即結構;碎片要整合，離不開寫作。寫作是將碎片化知識整合為系統(tǒng)性知識的關鍵，也是將個人隱性知識顯性化的關鍵。一個人是否形成了個性化知識體系，要看他是否能將自己的所知所識寫成完整的文章和書稿。文章的知識結構就是其知識體系的結構。寫作的過程，就是個體知識結構外化的過程。今天，網(wǎng)絡和信息技術為寫作帶來了極大的便利，我們可以對文字進行任意的輸入、刪除、剪切、粘貼、復制、發(fā)送，這是以前任何時代都難以做到的，從而為信息時代知識的加工、生產和傳播創(chuàng)造了前所未有的技術條件，這也是網(wǎng)絡時代知識更新速度比以往任何時代都大大加速的原因。除了文字之外，廣義的寫作還包括繪圖、編程、計算等形式，同樣可以采用零存整取的原則。

（二）人—智能機器合作學習

當人工智能全面到來之際，人與智能機器的合作學習就變得越來越重要。人—智能機器合作學習在人—網(wǎng)合作學習的優(yōu)勢之上，更增加了大量“智能”的成分。智能機器不像網(wǎng)絡一樣，主要提供學習的工具、環(huán)境、平臺、資源等，而是“獨立”地參與信息與知識的加工處理，甚至可以與人類合作生產“知識”。因此，到了智能時代，有可能出現(xiàn)多種形式的合作學習，如人與人的合作，人與機器的合作，機器與機器的合作，人—機—人合作。未來的合作學習小組，既有人的參與，也有智能機器的參與，人與機器共同組成合作學習小組，將極大地提高學習的速度、廣度與深度。

人與智能機器的合作學習一般可分為兩個階段。

1. 師生階段

師生關系一般存在于對已知知識的學習中。其中又分為兩種情況，一是人類作為智能機器人的教師，例如，人類專家與工程師利用算法和大數(shù)據(jù)對智能機器人進行訓練，讓智能機器人掌握人類的知識，為后續(xù)的進一步合作做好準備;二是智能機器人作為人類的教師，教人類學習各種已知的基礎知識。

2. 伙伴階段

當人類與智能機器人共同探索未知事物時，人類與智能機器人的關系就變成伙伴關系。這種伙伴關系可體現(xiàn)在三個層面：一是智能機器人作為人類的助手，幫助人類高效完成一些常規(guī)性工作。例如，目前最為人熟知的就是智能軟件幫助人類“語音轉換文字”“自動生成新聞報道”甚至“AI同聲傳譯”等。二是智能機器人作為人類的高級思維助手，幫助人類完成更加復雜的工作。例如智能機器人可以幫助人類收集、閱讀、理解某一領域的海量文獻，并總結已經提出過的研究問題，已經做過的實驗和結果，甚至根據(jù)文獻的邏輯自洽性對文章結果提出疑問，從而進一步提出新的研究問題建議;待人類作出選擇之后，再根據(jù)人類的實驗設計，協(xié)助人類完成實驗的準備、操作和數(shù)據(jù)整理分析工作。在對未知領域探究的過程中，智能機器人有可能充當人類的研究生和技術員角色，大大加快研究的進度和準確性，提高研究性學習的效率。三是智能機器人還可以完成單靠人類自身根本無法完成的任務。人類的長處是善于進行軟思維，而智能機器人則在硬思維上更具優(yōu)勢。所謂軟思維是指非邏輯、非程式化思維，包括形象思維、聯(lián)想思維、直覺思維、靈感與頓悟等;硬思維指的是邏輯思維、程序化思維、計算思維等。在硬思維上，人類無論是在過程的正確率，還是思維速度上，都遠不及智能機器人。因此，智能機器人可以通過對大數(shù)據(jù)的深度挖掘，發(fā)現(xiàn)萬事萬物之間不為人類所知的隱秘關系;人類則善于通過軟思維，舉一反三，觸類旁通，創(chuàng)造新的知識與事物。人類與智能機器人優(yōu)勢互補、緊密合作，可以產生出前所未有的成果。例如，人類專家與智能機器人共同規(guī)劃城市的智能交通系統(tǒng)，就是其中一例。

智能時代之前，人類將知識結構化、系統(tǒng)化成為硬知識之后，讓一代又一代人學習和傳承這些硬知識。隨著時間的推移，硬知識越積越多，作為個體的學習者已根本學不過來，唯有將知識越分越細，讓每個人掌握其中的一小部分知識。知識越來越散在分布在不同專業(yè)的人群之中，甚至網(wǎng)絡的各個結點之中，形成人與人之間、人與網(wǎng)絡之間的分布式認知格局。隨著個體知識在總體知識中的占比越來越小，今天已不再可能出現(xiàn)歷史上百科全書式的人物。為了完成復雜一點的工作，人類不得不尋求群體的分工與協(xié)作，因為單打獨斗在今天已變得越來越無能為力。

智能時代到來之后，人類會越來越多地將硬知識交給智能機器人去學習與傳承，人類則越來越多地將時間和精力放在軟知識的建構上。當建構某種軟知識需要用到某方面的硬知識時，人類可向智能機器人尋求幫助，讓它們幫我們搜集、學習、整理這些硬知識，甚至將這些硬知識再教會需要它的那部分人即可。人類學習將不再需要按照學科知識體系不加選擇循序漸進地學習，而可以針對個人興趣與需要高度選擇性地學習，即學即用式學習，從而更加高效，更少信息與知識的冗余。

人類與智能機器合作學習，離不開人機交互系統(tǒng)。在圖形用戶界面中，人類需要學習鼠標的使用、記憶各種圖標所代表的操作意義;在自然用戶界面中，人類只需要以最自然的交流方式（如眼動、語言、表情、手勢和肢體）在交互環(huán)境（移動、桌面、空間環(huán)境）中與機器進行互動[10]。

（三）人—智能機器一體式學習

近年來，科學家們在傳統(tǒng)人機交互的基礎上，結合蘊含豐富人體信息的神經生理信號，利用計算機的可認知性去學習、歸納和探求神經生理信號與計算機控制之間的關系，為老年人和殘障人士開發(fā)出更為人性、更加便捷的人機合作系統(tǒng)[11]。未來，隨著腦機接口研究的發(fā)展，人類與智能機器的結合有可能越來越緊密，最終出現(xiàn)人與智能機器連成一體的“超人”，人類的大腦可能通過無創(chuàng)或有創(chuàng)的方式與智能機器網(wǎng)絡實現(xiàn)物理對接，從而可以方便地與智能機器人進行信息的溝通與交流，人類可以通過大腦的意念指揮智能機器的行動，也可以直接獲取智能機器網(wǎng)絡中的信息與知識。這時的人類已經不單單是肉身，而是肉體與機器的結合體，是有機與無機物質的統(tǒng)一體。

五、人—機合作式教學

學與教是密不可分的兩個過程，學是教的前提和目的，教是學的導引和助力。因此，討論智能時代的學習，不能離開討論智能時代的教學。智能時代，不僅學習需要人—機合作，教學也需要人—機合作。余勝泉等探討了AI與人類教師的協(xié)作路徑，按協(xié)同過程中AI的智能性和自主性遞增特征，分為AI代理、AI助手、AI教師和AI伙伴[12]。筆者則根據(jù)AI以及相關技術的發(fā)展，將人—機合作式教學循序漸進地分為下列幾個階段：

（一）初級階段

人類教師擔任主講教師，智能機器人擔任人類教師的助教與幫手。例如，人類教師負責課程的設計、開發(fā)、主講，智能機器人則協(xié)作人類教師完成批改作業(yè)、答疑輔導、統(tǒng)計分析等瑣碎工作，以減輕人類教師負擔。這些工作只需弱人工智能即可完成。

（二）中級階段

人類教師與智能機器人教師分工合作，共同完成教育教學任務，兩者是平等的伙伴關系，沒有主次之分。例如，大量的知識傳授工作由智能機器人教師完成，對學生進行一對一的教學與指導。這些功能需要強人工智能才能完成。人類教師則負責總體的策劃與設計、溝通與協(xié)調、心理與情感、決策與倫理等方面的工作。

（三）高級階段

智能機器人全面介入人類的教育教學領域，包括目標的制定、課程的設計、教學的實施、成果的評估等。人類教師則退居次要的位置，只有少數(shù)精英教師參與其中，與智能機器人教師相互協(xié)作。這個階段只有當超級人工智能出現(xiàn)之后，才有可能到來。

（四）超級階段

科學家已經在嘗試將智能芯片植入人類的大腦，或者通過無創(chuàng)的方法，讓人類通過腦電波控制身外的機器。如果能夠突破這些技術，人類就可與智能機器融為一體，成為半人半機的超級存在。人類與智能機器以人—機一體的方式獲取信息與知識，傳統(tǒng)意義上的教育教學有可能不復存在，只有人—智能機器一體式學習方式存在。

六、技術與人類在學習過程中角色的轉變

從以上分析中可以發(fā)現(xiàn)，技術在人類學習過程中的角色，由網(wǎng)絡時代之前的學習工具，向網(wǎng)絡時代的學習環(huán)境，以及智能時代的學習伙伴轉變。當人類與智能機器結合成一體化的“超人”時，技術最終由“它者”，變成了“自身”，人與技術的邊界消失了。

（一）作為學習工具的技術

網(wǎng)絡誕生之前的漫長時期里，技術被作為教與學的工具使用，人類與技術的關系是支配與被支配、使用與被使用的關系。例如，人類發(fā)明了粉筆、黑板、投影膠片、計算機多媒體等技術產品，作為輔助教學的工具;發(fā)明了紙、筆、個人電腦、Pad、電子學具、電子書包等技術產品，作為輔助學習的工具。這些技術為人類的教與學提供了便利，但既不能改變教與學的方式，更不能改變教與學的本質。教與學始終以教師講、學生聽的傳遞—接受模式為主，技術始終處于次要位置。

（二）作為學習環(huán)境的技術

互聯(lián)網(wǎng)出現(xiàn)之后，技術的角色開始出現(xiàn)轉變。除了繼續(xù)作為教與學工具之外，網(wǎng)絡還參與了學習環(huán)境的構建。以往學習只能在現(xiàn)實環(huán)境中進行，網(wǎng)絡則為學習開辟了另一個虛擬的環(huán)境。這個虛擬的環(huán)境可以突破時空的限制，打造一個隨時隨地可學的非現(xiàn)實空間，給學習者一種全新的學習體驗。在這個虛擬環(huán)境里，有教與學所需要的多種要素：資源、工具、平臺、師生、課程、交互等，可以滿足絕大部分教與學活動的需要。

不僅如此，這個虛擬學習環(huán)境的存在，還對現(xiàn)實中的實體課堂構成挑戰(zhàn)。無論是教師還是學生都可以從這個虛擬環(huán)境中獲取信息與知識，師生之間的關系趨于平等，傳統(tǒng)課堂內的傳遞—接受式教學模式受到沖擊，線上線下混合式學習模式日益興起。今天人類的學習已難以離開網(wǎng)絡和信息技術參與構建的環(huán)境，人類與技術的關系發(fā)展為依賴與被依賴的關系。

（三）作為學習伙伴的技術

人工智能的出現(xiàn)，導致技術的角色發(fā)生本質上的改變。如果說，智能時代之前，人類是知識生產和使用的唯一主體，那么，當智能時代全面到來之際，人類和智能機器共同成為知識生產和使用的主體。智能機器不再像以往那樣被動地為人類所使用，而是能主動學習，通過對數(shù)據(jù)的挖掘，產生出新的知識。人類與技術的關系變成主體之間的平等關系，人類與智能機器共同組成學習伙伴，互教互學，共同完成知識生產任務。學習變成人與機器（網(wǎng)絡、人工智能）合作互助的過程。

（四）作為超級人類“自身”的技術

人—機一體化時代，人類與技術的關系就變成你中有我、我中有你、你我不分的關系了。這種關系其實不難想象，例如現(xiàn)在一部分人身體中就帶有心臟起搏器、假肢、機械手、人造器官等機器。未來人類大腦中藏有可聯(lián)網(wǎng)的智能芯片，人類通過意念控制外部機器進行學習并非不可能。此時，人類學習與機器學習已經密不可分，連成一體。到了那個時候，人類社會將變成人—機社會，一切制度、倫理、價值、觀念等上層建筑都將發(fā)生翻天覆地的變化。

七、今天人類應該做些什么

人類離智能時代的全面到來并不十分遙遠。大多數(shù)專家估計，少則二三十年，多則四五十年，人類就將全面進入智能時代。為了迎接智能時代可能出現(xiàn)的種種挑戰(zhàn)，今天我們應該做些什么？教育應該做出哪些改變？這是擺在我們面前刻不容緩的問題。這個問題涉及各個方面，非本文所能盡述。筆者僅根據(jù)個人理解，提出如下幾點意見和建議，供有關方面和人士參考：

（一）轉變知識觀、學習觀與教學觀

各級各類學校和教師應該認清網(wǎng)絡和智能時代知識和學習發(fā)生的變化，主動調整教學目標、教學內容，轉變教育教學模式。過去教育教學強調的是傳承前人的知識和技能，學校里重視的是那些寫進教科書和經典著作中的硬知識，考試也是以教材和書本里的內容為主;未來學習更重視的是培養(yǎng)高階思維和解決復雜問題的綜合能力，是對軟知識的社會化建構。培養(yǎng)思維和能力固然離不開知識的學習，建構軟知識也離不開相關硬知識的掌握，然而教學目標的轉變，必然會帶來教學內容、教學方式、教學行為、教學評價等方面的轉變。以思維和能力為目標的教學，不會過多強調具體知識的理解和記憶，而更重視了解知識生產的過程、知識獲取的線索和途徑、知識構成的邏輯和結構、知識發(fā)展的前沿與趨勢;不會過多強調學科知識的全面性、系統(tǒng)性、完整性，而更重視知識的時代性、實用性、即時性、綜合性;不會過多地將教學局限在課堂與教材之內，而更重視隨時隨地學習、生活化學習;不會過多強調標準化考試、總結性評價，而更重視多元化評價、差異化評價和形成性評價。

應該深刻認識到，今天的知識不再是過去知識的簡單累積與疊加，更多的是全新的建構與迭代式更新。過去那種從最基礎的內容學起、循序漸進式的學習，今天已經不太適用。讓學習者從最新的、與自己關系密切的知識學起，建立個性化知識網(wǎng)絡，成為教育教學的新理念、新思路。

（二）將移動互聯(lián)網(wǎng)引入學校與課堂

人—機合作式學習將取代個人學習，成為未來學習的主要模式。目前階段還是以人—網(wǎng)合作學習為主，隨著AI技術的發(fā)展，人—網(wǎng)合作學習將向更高階段的人—智能機器合作學習方向轉變。那種要求遠離互聯(lián)網(wǎng)、回歸傳統(tǒng)紙筆時代學習方式的主張是落后于時代的表現(xiàn)。未來，教育教學體系將從工業(yè)時代的體系轉變到智能時代的體系。從宏觀層面來看，教育教學將從單純的線下學習，逐漸過渡到線上線下混合式學習;從以線下學習為主、線上學習為輔的混合式學習，逐漸過渡到以線上學習為主、線下學習為輔的混合式學習。從微觀層面來看，課堂教學將從無手機課堂，進化到有手機課堂（手機進課堂）和手機課堂（“課堂”進手機）。如圖1所示。

圖1? ?教育教學變革路徑

筆者之所以特別強調應將智能手機引入學校和課堂教學之中，是因為這是實現(xiàn)人—網(wǎng)合作學習的關鍵。智能手機是人類與互聯(lián)網(wǎng)連接的最主要工具，是進入移動互聯(lián)網(wǎng)的“第一入口”。拒絕手機進課堂，實際上就是拒絕移動互聯(lián)網(wǎng)進課堂，拒絕傳統(tǒng)學習模式向人—網(wǎng)合作式學習方式轉變。未來，智能手機還會成為人類與智能機器交流互動的管道之一，手機里的人工智能可以隨時隨地幫助每一個學習者，開展人—智能機器合作學習。目前，在虛擬/增強現(xiàn)實和普適計算領域已開發(fā)出20余種不同的基于手持設備交互的原型系統(tǒng)[10]，說明手機即使到了智能時代也依然大有可為。

（三）將人工智能教育引入學校與課堂

要開展人—智能機器合作學習，首先要了解人工智能技術，學會與智能機器人交流合作的方式。人機交互是實現(xiàn)人與計算機之間信息交換的通路。目前，人機交互正從用戶界面交互向自然交互方向發(fā)展。智能機器可以通過“望聞問切”方式與人類進行交互。望：通過計算機視覺技術以非接觸的方式捕獲人類的運動、動作或表情，如手勢、姿勢、眼動;聞：利用麥克風陣列捕獲用戶的語音;問：系統(tǒng)向人類詢問其意圖;切：系統(tǒng)通過人類佩戴或觸碰不同類型的傳感器感知人類肢體的空間方向或位置、加速度、觸點、肌肉伸縮扭轉甚至腦神經區(qū)電信號的變化，如操作桿、觸控、數(shù)據(jù)手套、慣性跟蹤等[10]。這些技術的發(fā)展，將使人類與智能機器的交互更流暢、更自然。

未來有三類知識最為重要：一是與人工智能和機器人相關的知識，包括人工智能編程、機器人維護與管理、智能機器學習原理、如何與機器人交流互動等，這類知識更多地偏向為硬知識;二是人類不斷自主建構、更新迭代的各種軟知識，如新理念、新名詞、新理論、新技術、新模式等;三是人類與智能機器人合作生產的“人—機知識”。而一些傳統(tǒng)上認為很重要的知識，可能逐漸退居不重要的位置。越來越多的硬知識將交給智能機器人去學習與使用。

引入人工智能教育，不能簡單地做加法，而不做減法。今天中小學生學習負擔已經過重，學習的課程太多、太雜、太泛，應該進行全面的梳理。要站在網(wǎng)絡時代和智能時代的角度，思考哪些知識已經過時，不必要求孩子繼續(xù)學習;哪些知識現(xiàn)階段還有一定用處，仍需要掌握;哪些知識未來一定有用，需要提前了解。應該將知識的總量降到適當?shù)谋壤?，騰出更多的時間讓人類下一代學會交流、學會合作、學會選擇、學會判斷、學會創(chuàng)造。

（四）將創(chuàng)新思維培養(yǎng)與創(chuàng)新教育作為重中之重

智能時代，人類應該學會智能機器人不會做的事情，與智能機器分工合作，完成各種未知的任務，應對全新的挑戰(zhàn)。一般認為，情感領域和創(chuàng)新領域是智能機器人不太擅長的領域。但AI技術的進步，使得智能機器人能夠通過分析人類的語言、聲調，捕捉面部和肢體的微表情、微動作，結合人體大腦和身體的電信號，敏銳判斷人類的情感狀態(tài)，從而更有效地進行情感溝通。智能機器人可能比我們自己更了解我們的身體和心理狀態(tài)。從這個角度看，未來人類在情感領域也未必一定有優(yōu)勢。創(chuàng)新是人類唯一可以與智能機器人分庭抗禮、齊頭并進的領域。只要人類無法完全了解自己的大腦，人類就不可能制作出跟人類大腦一模一樣的人造大腦機器。因此，未來無論智能機器人的計算能力發(fā)展到何種程度，無論智能機器人在思維的單向度上超過人類多少倍，都必定與人類思維不盡相同。

創(chuàng)新思維具有流暢性、變通性和獨特性三大特征，妨礙創(chuàng)新最根本的原因是心智枷鎖和思維定式，激發(fā)創(chuàng)造力的關鍵就是要打開心智枷鎖、突破思維定式。人類思維在流暢性上也許比不過智能機器人，但在獨特性、變通性上則具有較大優(yōu)勢，這是人類創(chuàng)造力的主要來源。只有將這一優(yōu)勢發(fā)揮到極致，人類才具有與智能機器人的競爭力。因此，培養(yǎng)人類的創(chuàng)新意識、創(chuàng)新思維、創(chuàng)新能力是智能時代教育最核心的內容。今天我們的教育教學中還有許多不利于創(chuàng)新的因素，應該加以破除。在教育教學中應該去除對權威和書本的崇拜，鼓勵獨立思考;包容個性而不是壓抑個性;鼓勵學生尋找問題的多個答案，而不是死守唯一正確答案;采用多元化、差異化評價，而不是統(tǒng)一化、標準化評價;鼓勵一定程度的冒險，容忍失敗，而不是求全責備;開展適度的競爭，反對過度的競爭。這些有利于創(chuàng)新思維的教育教學原則，應該得到充分體現(xiàn)。

[參考文獻]

[1] SIEMENS G.網(wǎng)絡時代的知識和學習——走向連通[M].詹青龍，譯.上海：華東師范大學出版社，2009：19.

[2] 王竹立.面向智能時代的知識觀與學習觀新論[J]. 遠程教育雜志，2017（3）：3-10.

[3] 王竹立.再論面向智能時代的知識觀——與何克抗教授商榷[J]. 遠程教育雜志，2019（2）：45-54.

[4] 王維嘉.暗知識：機器認知如何顛覆商業(yè)和社會[M].北京：中信出版集團，2019.

[5] 胡衛(wèi)星，李玲，徐多.腦認知科學視野下學習研究的新進展[J].現(xiàn)代教育技術，2016，26（3）：19-25.

[6] 劉亞東，胡德文.腦科學視角下的高性能計算[J].計算機學報，2017（9）：2148-2166.

[7] 微型評論.人機合作迎來和睦未來[J].上海工運， 2016（4）：9.

[8] 王竹立.新建構主義：網(wǎng)絡時代的學習理論[J].遠程教育雜志，2011，29（2）：11-18.

[9] 王竹立.零存整?。壕W(wǎng)絡時代的學習策略[J].遠程教育雜志，2013，31（3）：37-43.

[10] 張鳳軍，戴國忠，彭曉蘭.虛擬現(xiàn)實的人機交互綜述[J].中國科學：信息科學，2016，（12）：1711-1736.

[11] 張秀.基于神經生理信號的人機合作系統(tǒng)研究[D].上海：華東理工大學，2010.

[12] 余勝泉，王琦.“AI+教師”的協(xié)作路徑發(fā)展分析[J].電化教育研究，2019（4）：14-22，29.

[Abstract] The rapid development of network and intelligent technology has led to earth-shaking changes in all aspects of human society， including teaching and learning. This paper deeply analyzes the changes of knowledge and learning， discusses the similarities and differences between human leaning and machine learning， as well as the necessity and possible ways of human-computer cooperative learning， and draws the following conclusions： （1） in the era of network and intelligence， great changes have taken place in knowledge and learning. New types of knowledge have emerged， such as soft knowledge， human-computer knowledge and possible future dark knowledge. （2） Knowledge production is gradually changing from human subject to human- machine common subject. （3） Human- computer cooperative learning will become the mainstream learning mode. At present， human-net cooperative learning is the main task， and in the future， human-intelligent machine cooperative learning will be the main task. Education and teaching will also become a human- computer cooperative teaching model. （4） The role of technology in human learning changes from simple tools to the environment and the partner， and may eventually become integrated with human beings. Therefore， there is an urgent need for major changes in education and teaching today to meet the needs of the future.

[Keywords] Soft Knowledge; Human-computer Knowledge; Dark Knowledge; Human-computer Cooperative Learning; Human-intelligent Machine Integrated Learning