關(guān)于深度學(xué)習(xí)的誤解與澄清

李小濤 陳 川 吳新全 王海文

[摘? ?要] 人工智能研究方興未艾，但其核心之一的深度學(xué)習(xí)卻被教育領(lǐng)域誤解、誤用。為解決人工智能時(shí)代深度學(xué)習(xí)混淆視聽的現(xiàn)狀，努力從計(jì)算機(jī)科學(xué)、教育學(xué)、心理學(xué)、認(rèn)識(shí)論哲學(xué)、邏輯學(xué)五個(gè)維度探討深度學(xué)習(xí)，從深度學(xué)習(xí)的主體、世界權(quán)威期刊的討論、淺層學(xué)習(xí)、算法概念、認(rèn)識(shí)論哲學(xué)、認(rèn)知心理學(xué)、邏輯學(xué)等方面澄清對深度學(xué)習(xí)的誤解與誤用。教育領(lǐng)域亟須認(rèn)清這一現(xiàn)實(shí)：無論出于何種目的，計(jì)算機(jī)研究領(lǐng)域的深度學(xué)習(xí)絕不能混淆于教育領(lǐng)域的深度學(xué)習(xí)，當(dāng)前對深度學(xué)習(xí)的誤解，把計(jì)算機(jī)研究領(lǐng)域“算法對未知輸出作出的預(yù)測”（機(jī)器領(lǐng)域的學(xué)習(xí)）誤解為“人類的心理及行為的變化”（人類學(xué)習(xí)）來進(jìn)行研究，嚴(yán)重違背科學(xué)求真求實(shí)的基本精神。為杜絕望文生義、混淆視聽，教育領(lǐng)域應(yīng)以深度認(rèn)知（思維結(jié)果）來區(qū)別于計(jì)算機(jī)領(lǐng)域的深度學(xué)習(xí)（算法結(jié)果）。在人工智能時(shí)代，對深度學(xué)習(xí)及時(shí)進(jìn)行澄清，有助于夯實(shí)理論基礎(chǔ)，更好地服務(wù)于未來人工智能教育應(yīng)用研究。

[關(guān)鍵詞] 深度學(xué)習(xí); 人工智能; 認(rèn)識(shí)論; 深度認(rèn)知

[中圖分類號] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

一、問題的提出

隨著人工智能研究的再次興起，與人工智能（Artificial Intelligence，簡稱AI）技術(shù)相關(guān)的理論、技術(shù)、方法的研究也備受矚目，其中，深度學(xué)習(xí)（Deep Learning，簡稱DL）作為機(jī)器學(xué)習(xí)中的一種學(xué)習(xí)模型[1]，是人工智能技術(shù)中新興的多層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法[2]，用于計(jì)算機(jī)研究領(lǐng)域?qū)?shù)據(jù)進(jìn)行表征。然而，深度學(xué)習(xí)又是教育研究領(lǐng)域的一種概念，并且該概念在計(jì)算機(jī)研究領(lǐng)域和教育研究領(lǐng)域存在認(rèn)識(shí)上的巨大分野，但在教育研究領(lǐng)域的深度學(xué)習(xí)至少具有22種不同的表述，存在“主觀認(rèn)同”的問題，更不具備說服力。為何關(guān)于深度學(xué)習(xí)的概念會(huì)在不同領(lǐng)域出現(xiàn)。而作為概念本身而言，是對事物本質(zhì)屬性的表征，為何深度學(xué)習(xí)概念表征著不同的屬性。關(guān)于計(jì)算機(jī)研究領(lǐng)域和教育研究領(lǐng)域的深度學(xué)習(xí)概念，是盲目引入的“望文生義”所致，還是概念間的混同與歧義[3]。在當(dāng)前教育研究領(lǐng)域中，如何避免這種誤解、誤用。細(xì)數(shù)各種疑問，對深度學(xué)習(xí)的誤解、誤用與澄清事實(shí)則成為關(guān)鍵。

二、深度學(xué)習(xí)何以誤解誤用

從深度學(xué)習(xí)的萌芽與背景、國際權(quán)威期刊《科學(xué)》上深度學(xué)習(xí)的概念、淺層學(xué)習(xí)的含義、計(jì)算機(jī)領(lǐng)域的深度學(xué)習(xí)（算法概念）、教育領(lǐng)域的深度學(xué)習(xí)概念、國內(nèi)外對深度學(xué)習(xí)的認(rèn)識(shí)等多方面討論深度學(xué)習(xí)。

（一）深度學(xué)習(xí)的主體是機(jī)器學(xué)習(xí)，即研究關(guān)于機(jī)器學(xué)習(xí)中的深度學(xué)習(xí)，并非人的深度學(xué)習(xí)

普遍認(rèn)為，最早的人工智能研究始于1956年[4]，圖靈測試亦旨在證明計(jì)算機(jī)能夠具有智能[5]，在此背景下，塞繆爾（Samuel）于1959年設(shè)計(jì)了象棋程序，該程序經(jīng)過改進(jìn)后實(shí)現(xiàn)具備學(xué)習(xí)的能力（實(shí)質(zhì)上是程序的數(shù)理邏輯映射），機(jī)器學(xué)習(xí)的萌芽就此產(chǎn)生，其中，機(jī)器學(xué)習(xí)（Machine Learning，簡稱ML）是指根據(jù)給定的訓(xùn)練樣本要求，對某系統(tǒng)輸入、輸出之間依賴關(guān)系的估計(jì)，使它能夠?qū)ξ粗敵鲎鞒霰M可能準(zhǔn)確的預(yù)測[6]，但早期人工智能基于對程序設(shè)計(jì)的執(zhí)行，機(jī)器學(xué)習(xí)究竟結(jié)果（數(shù)理邏輯映射結(jié)果）如何？即計(jì)算機(jī)對輸入信息的訓(xùn)練結(jié)果如何，這一思維是深度學(xué)習(xí)產(chǎn)生的重要來源。20世紀(jì)80 年代，隨著計(jì)算機(jī)技術(shù)、程序設(shè)計(jì)的發(fā)展，受腦科學(xué)研究的啟發(fā)，誕生了人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，簡稱ANN），用于模擬人腦對事物的思考方式[7]，ANN的每一網(wǎng)絡(luò)節(jié)點(diǎn)都具備特定的函數(shù)Sigmoid，其功能是成為神經(jīng)元的激活函數(shù)，神經(jīng)網(wǎng)絡(luò)能在大量訓(xùn)練樣本中發(fā)現(xiàn)（學(xué)習(xí)）一定的統(tǒng)計(jì)規(guī)律，這一功能表明機(jī)器是可以“學(xué)習(xí)”的，對“學(xué)習(xí)結(jié)果”反饋的算法表征，被稱為人工神經(jīng)網(wǎng)絡(luò)反向傳播算法（Back Propagation，簡稱BP算法），但BP神經(jīng)網(wǎng)絡(luò)的實(shí)際使用中，收斂速度較慢、且易陷入局部收斂[8]，收斂速度慢和局部收斂本質(zhì)上是受限于算法技術(shù)和網(wǎng)絡(luò)隱含層級的緣故，受到影響的“學(xué)習(xí)”（訓(xùn)練結(jié)果）被稱為淺層學(xué)習(xí)（Shallow learning），后期經(jīng)過發(fā)展后的多隱藏層的人工神經(jīng)網(wǎng)絡(luò)所表現(xiàn)的結(jié)果，則是深度學(xué)習(xí)。由此，深度學(xué)習(xí)是指“機(jī)器學(xué)習(xí)”（計(jì)算機(jī)研究領(lǐng)域）中關(guān)于“機(jī)器的深度學(xué)習(xí)”，且此時(shí)深度學(xué)習(xí)作為算法概念存在于計(jì)算機(jī)研究領(lǐng)域。

（二）國際權(quán)威期刊《科學(xué)》關(guān)于深度學(xué)習(xí)的文章，探討計(jì)算機(jī)領(lǐng)域的深度學(xué)習(xí)

2006年，《科學(xué)》刊發(fā)Reducing the dimensionality of data with neural networks（利用神經(jīng)網(wǎng)絡(luò)降低數(shù)據(jù)維度）一文，討論了淺層學(xué)習(xí)達(dá)到深度學(xué)習(xí)的方法，即利用多層初始化的方法，對數(shù)據(jù)難度進(jìn)行降維處理[9]。該研究提出了包含多個(gè)隱藏層人工神經(jīng)網(wǎng)絡(luò)和逐層初始化的辦法來進(jìn)行數(shù)據(jù)降維的處理方式。權(quán)威期刊探討深度學(xué)習(xí)的理論與實(shí)踐，具有主流性和代表性，其并非指教育領(lǐng)域的深度學(xué)習(xí)，而在主流期刊正名，深度學(xué)習(xí)是計(jì)算機(jī)領(lǐng)域的概念。

（三）區(qū)別于深度學(xué)習(xí)的淺層學(xué)習(xí)（Shallow Learning）是針對訓(xùn)練結(jié)果的描述，教育領(lǐng)域的淺層學(xué)習(xí)（Surface Learning）值得質(zhì)疑

由于早期ANN對大量（通常為千億級）樣本的訓(xùn)練出現(xiàn)困難，相較于深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network，簡稱DNN）所表現(xiàn)的結(jié)果，研究人員將支持向量機(jī)（Support Vector Machine，簡稱SVM）、最大熵方法（Maximum-Entropy Method，簡稱MEM）等訓(xùn)練的結(jié)果，視為機(jī)器學(xué)習(xí)的淺層學(xué)習(xí)。《科學(xué)》雜志對深度學(xué)習(xí)的討論，是為解決ANN難以達(dá)到深層次訓(xùn)練的弊病，利用DNN訓(xùn)練，采用層級式訓(xùn)練（Layer Wise Pre-Training，簡稱LWPT）方式來降低難度，進(jìn)而達(dá)到深度學(xué)習(xí)，而淺層學(xué)習(xí)就是ANN訓(xùn)練結(jié)果的描述。從歷史范疇下，淺層學(xué)習(xí)、深度學(xué)習(xí)提出的年限來看，計(jì)算機(jī)研究領(lǐng)域的深度學(xué)習(xí)更容易得到認(rèn)可，深度學(xué)習(xí)技術(shù)發(fā)展時(shí)序如圖1所示。

需要特別說明的是，1973年，人工智能研究第一次進(jìn)入研究瓶頸期，1976年，F(xiàn)erence Marton和Roger Saljo首次提出教育領(lǐng)域的深度學(xué)習(xí)，并提出淺層學(xué)習(xí)（Surface Learning）[10]，但Ference Marton（中文名馬飛龍）和Roger Saljo均為教育心理學(xué)家，從文章來看，F(xiàn)erence Marton、Roger Saljo僅從教育視域界定深度學(xué)習(xí)，因而不排除其提出深度學(xué)習(xí)時(shí)對計(jì)算機(jī)領(lǐng)域研究的忽視，基于何種理論，采用何種標(biāo)準(zhǔn)，教育領(lǐng)域淺層學(xué)習(xí)的判斷值得質(zhì)疑。

（四）作為教育領(lǐng)域的深度學(xué)習(xí)，多主體對客體主觀認(rèn)識(shí)的不確定性，形成對客體本身不確定性的誤解，有違于唯物主義認(rèn)識(shí)論基本哲學(xué)觀深度學(xué)習(xí)這一概念被引入教育領(lǐng)域后，其含義發(fā)生了翻天覆地的變化，但教育領(lǐng)域的深度學(xué)習(xí)和計(jì)算機(jī)領(lǐng)域的深度學(xué)習(xí)相比，其說明性作用不大。筆者以中國知網(wǎng)作為基礎(chǔ)數(shù)據(jù)庫，以深度學(xué)習(xí)為關(guān)鍵詞進(jìn)行檢索，并將其中屬于教育學(xué)、教育技術(shù)學(xué)等領(lǐng)域的深度學(xué)習(xí)的概念列入下表，為使觀點(diǎn)具備代表性的原則，筆者羅列了2019年4月21日之前的CSSCI、北大核心、JST等數(shù)據(jù)庫收錄期刊所發(fā)表的具有代表性的期刊文章，國外期刊包含了SSCI期刊和高被引期刊，這些文章基本代表教育領(lǐng)域?qū)ι疃葘W(xué)習(xí)的基本觀點(diǎn)，見表1、表2。

從中外教育領(lǐng)域?qū)ι疃葘W(xué)習(xí)的概念界定來看，存在認(rèn)識(shí)不一、模棱兩可的現(xiàn)象，國內(nèi)教育界認(rèn)為深度學(xué)習(xí)是學(xué)習(xí)方式、方法、過程、狀態(tài)、發(fā)展高階思維、培養(yǎng)創(chuàng)新能力等，國外教育界認(rèn)為其為學(xué)習(xí)過程、方法、結(jié)果。中外教育領(lǐng)域?qū)ι疃葘W(xué)習(xí)沒有較為統(tǒng)一的界定，存在“主觀認(rèn)同”的唯心主義問題，其有違于唯物主義認(rèn)識(shí)論的基本哲學(xué)觀。認(rèn)識(shí)論哲學(xué)的基本觀點(diǎn)是認(rèn)識(shí)具備主體性和客觀性[21]，而認(rèn)識(shí)的主體是從事實(shí)踐活動(dòng)的人，認(rèn)識(shí)的對象（內(nèi)容）是客觀的，研究者把主體的主觀（就個(gè)體而言為個(gè)體對象的不確定性）混淆為客體的不確定性，而針對客體而言，例如：教室的“桌子”，不會(huì)因主體的改變而發(fā)生認(rèn)識(shí)上的改變。認(rèn)識(shí)論哲學(xué)有助于我們從基本哲學(xué)角度討論深度學(xué)習(xí)概念的問題，主體對客體主觀認(rèn)識(shí)的不確定性形成對客體本身不確定性的誤解。

（五）教育領(lǐng)域深度學(xué)習(xí)自身問題：過程難以實(shí)施、結(jié)果難以測量、結(jié)論難以支持

教育本身對深度學(xué)習(xí)界定的學(xué)理基礎(chǔ)（Why）、概念內(nèi)涵（What）、操作規(guī)程（How）等問題存在多方面的分歧，導(dǎo)致深度學(xué)習(xí)過程難以實(shí)施、結(jié)果難以測量、結(jié)論難以支持。對研究者而言，基于何種定義、實(shí)施何種實(shí)驗(yàn)、采用何種標(biāo)準(zhǔn)仍是一項(xiàng)挑戰(zhàn)，且由于“深度”體現(xiàn)在內(nèi)在思維、內(nèi)在認(rèn)知的深度上，并無特定外顯行為能夠證明其為深度學(xué)習(xí)所致，因而教育領(lǐng)域的定義不具備深度學(xué)習(xí)的支持性。

（六）不排除在引證國外概念時(shí)存在批判性態(tài)度的缺失，盲目求新、盲目崇外的功利主義影響

教育研究領(lǐng)域近年來存在很多學(xué)術(shù)熱點(diǎn)，如“微課熱”“慕課熱”“翻轉(zhuǎn)課堂熱”“創(chuàng)客教育熱”“STEAM熱”“智慧教育熱”“人工智能熱”等，在盲目求新、盲目崇外理念的誘導(dǎo)下，功利主義驅(qū)使論文數(shù)量逐年呈爆發(fā)式增長，以中國知網(wǎng)作為基礎(chǔ)數(shù)據(jù)庫，以社會(huì)科學(xué)Ⅱ輯（該輯包含所有教育領(lǐng)域，但不包含計(jì)算機(jī)研究領(lǐng)域文獻(xiàn)）為基礎(chǔ)，以深度學(xué)習(xí)為主題進(jìn)行2014年—2018年五年的檢索，2014年，教育領(lǐng)域的深度學(xué)習(xí)文獻(xiàn)量僅為88篇，這一數(shù)據(jù)在2018年增長至952篇，近五年這一數(shù)據(jù)相較上一年的增長比例為0%（2014年）、154.5%（2015年）、260.2%（2016年）、201.1%（2017年）、133.7%（2018年），且在檢索的2245篇期刊文獻(xiàn)中發(fā)現(xiàn)，嚴(yán)格討論深度學(xué)習(xí)，被知名數(shù)據(jù)庫收錄的文章總數(shù)僅為599篇，占比為26.68%，這一數(shù)據(jù)表明，超過70%的文章功利意味較濃，為發(fā)文而發(fā)文、為熱點(diǎn)而發(fā)文的現(xiàn)象普遍存在。

功利主義是制約學(xué)術(shù)發(fā)展的重要瓶頸，受功利主義影響，學(xué)術(shù)研究缺乏批判性態(tài)度，在研究過程中，借助“人工智能熱”，盲目求新、崇洋媚外，把教育領(lǐng)域和計(jì)算機(jī)領(lǐng)域的概念相混淆，或?qū)Ω拍钊鄙僬J(rèn)知與批判，望文生義。對深度學(xué)習(xí)的研究，絕對不能囿于批判性精神缺失、盲目求新、崇洋媚外、功利主義的弊病中去。

三、深度認(rèn)知——作為教育領(lǐng)域達(dá)成

“深度的學(xué)習(xí)”描述性維度的概念

（一）深度認(rèn)知的概念

依據(jù)審稿專家意見，為避免當(dāng)前及未來深度學(xué)習(xí)混淆視聽的現(xiàn)狀，特別在人工智能時(shí)代，在機(jī)器學(xué)習(xí)等概念越來越被跨學(xué)科科研人員熟知以后，教育領(lǐng)域必須與計(jì)算機(jī)研究領(lǐng)域區(qū)分開。其目的：一方面，杜絕學(xué)術(shù)概念的混淆;另一方面，杜絕教育領(lǐng)域?qū)ι疃葘W(xué)習(xí)的惡意炒作。對于教育領(lǐng)域“深度的學(xué)習(xí)”，要從學(xué)習(xí)的本質(zhì)上來討論，學(xué)習(xí)是指個(gè)體或群體的認(rèn)知活動(dòng)[22]，而達(dá)到“深度的學(xué)習(xí)”，就要求學(xué)習(xí)者本身的認(rèn)知思維上達(dá)到了“深度的認(rèn)知”。目前，國內(nèi)也鮮有研究人員提出深度認(rèn)知的概念，其中，吳忭等人撰寫的會(huì)議綜述認(rèn)為，深度認(rèn)知是對教育大數(shù)據(jù)的深度認(rèn)知[23]，即對教育大數(shù)據(jù)更好地認(rèn)識(shí)，其與本研究所指的深度認(rèn)知有著本質(zhì)上的不同。

筆者認(rèn)為，教育領(lǐng)域在達(dá)成“深度的學(xué)習(xí)”描述性維度上，深度認(rèn)知用于表達(dá)這種模糊的、不可外顯化的結(jié)果時(shí)，比深度學(xué)習(xí)更接近教育本身的描述性維度，其中，深度認(rèn)知指學(xué)習(xí)者本身內(nèi)在的認(rèn)知思維品質(zhì)的提升，外在表現(xiàn)為對學(xué)習(xí)過程與結(jié)果的歸納、總結(jié)、批判、反思等外顯行為。

（二）深度認(rèn)知與深度學(xué)習(xí)的區(qū)別與聯(lián)系

關(guān)于深度認(rèn)知和深度學(xué)習(xí)的區(qū)別與聯(lián)系，見表3。

需要澄清這一事實(shí)：作為計(jì)算機(jī)研究領(lǐng)域的概念，深度學(xué)習(xí)是從算法結(jié)果上來看待此概念的，教育領(lǐng)域則是思維結(jié)果。有專家指出，深度學(xué)習(xí)是不同學(xué)科領(lǐng)域的研究者從該領(lǐng)域出發(fā)展開理解與應(yīng)用，教育領(lǐng)域從學(xué)習(xí)科學(xué)視角展開對認(rèn)知發(fā)展的理解，而計(jì)算機(jī)領(lǐng)域從機(jī)器學(xué)習(xí)視角展開理解。二者在本質(zhì)上的區(qū)別是對“學(xué)習(xí)”的理解不一致，換句話說，當(dāng)前對深度學(xué)習(xí)的誤解是把計(jì)算機(jī)研究領(lǐng)域“機(jī)器對算法的預(yù)測”誤解為“人類的心理及行為的變化”。在實(shí)際應(yīng)用中，由于“人工智能研究熱”等因素，更容易使這種誤解下的理解持續(xù)地加深應(yīng)用，這是值得注意的。

（三）何以定義為深度認(rèn)知

在區(qū)別于深度學(xué)習(xí)的前提條件下，用于描述學(xué)習(xí)者心理的持續(xù)性變化過程中，“深度認(rèn)知”“深度理解”“深度建構(gòu)”等詞語都可能用于描述新的概念，可以從兩方面分析其含義的地位與作用：一是從詞性以及詞語本身的語義上而言，“認(rèn)知、建構(gòu)”偏向于過程，“理解”偏向于結(jié)果，而從“認(rèn)知”和“建構(gòu)”而言，“認(rèn)知”與“學(xué)習(xí)”屬性相當(dāng)，均包含作為名詞的代表性屬性和作為動(dòng)詞的過程性屬性;二是從新概念與深度學(xué)習(xí)的地位來看，深度認(rèn)知更好一點(diǎn)，原因在于“認(rèn)知”本身也作為心理學(xué)術(shù)語，用于表征人們獲得知識(shí)或應(yīng)用知識(shí)的過程，或信息加工的過程[28]（實(shí)際上就是學(xué)習(xí)），深度認(rèn)知可以替代深度學(xué)習(xí)作為教育領(lǐng)域達(dá)成“深度的學(xué)習(xí)”的概念。因此，為避免混淆和誤解，特提出深度認(rèn)知的概念。

四、重大理論分野背后的反思：

現(xiàn)實(shí)矛盾抑或?qū)W科研究的規(guī)避

（一）教育領(lǐng)域“深度學(xué)習(xí)”研究的三重矛盾詮釋

1. 人工智能時(shí)代對計(jì)算機(jī)研究領(lǐng)域深度學(xué)習(xí)的欲拒還迎

教育技術(shù)學(xué)作為一門交叉性的學(xué)科，兼顧著教育學(xué)和信息技術(shù)學(xué)的一些學(xué)科特性[29]，教育技術(shù)學(xué)領(lǐng)域的代表性期刊《中國電化教育》《電化教育研究》新近發(fā)表的關(guān)于深度學(xué)習(xí)的文章，是典型的教育領(lǐng)域的深度學(xué)習(xí)。例如：認(rèn)為深度學(xué)習(xí)是與淺層學(xué)習(xí)相對的概念，是從認(rèn)知層次界定的概念，強(qiáng)調(diào)學(xué)習(xí)者在學(xué)習(xí)活動(dòng)中高級認(rèn)知目標(biāo)的達(dá)成，包括問題解決能力、批判性思維、創(chuàng)新能力等學(xué)習(xí)目標(biāo)的達(dá)成[30];智慧教室中的教學(xué)交互促進(jìn)大學(xué)生深度學(xué)習(xí)研究[31]等。但是迫于信息技術(shù)和人工智能時(shí)代的到來，加之學(xué)科屬性的要求，教育技術(shù)學(xué)領(lǐng)域的期刊如《中國電化教育》《電化教育研究》適時(shí)而變，又刊發(fā)計(jì)算機(jī)領(lǐng)域關(guān)于深度學(xué)習(xí)的文章，論文的結(jié)果往往是通過計(jì)算機(jī)研究領(lǐng)域的深度學(xué)習(xí)的作用，達(dá)到了某種效果。例如：基于深度學(xué)習(xí)的學(xué)習(xí)者情感識(shí)別與應(yīng)用[32]等。

這種事實(shí)極易引起的誤解是：同一期刊對深度學(xué)習(xí)存在兩種大相徑庭的認(rèn)同，對學(xué)習(xí)者及入門者而言，極易引起概念上的混淆和誤解：究竟教育技術(shù)討論的深度學(xué)習(xí)是哪一領(lǐng)域？而《中國電化教育》《電化教育研究》作為透視學(xué)科發(fā)展的窗戶，在一定程度上反映教育技術(shù)學(xué)科對該概念的態(tài)度：表現(xiàn)為圈內(nèi)人士對學(xué)術(shù)術(shù)語的含混不清、混淆視聽卻又置若罔聞，探討教育領(lǐng)域的深度學(xué)習(xí)，卻熱衷于打人工智能深度學(xué)習(xí)的擦邊球，在研究心理上表現(xiàn)為對計(jì)算機(jī)領(lǐng)域深度學(xué)習(xí)的有利可圖和欲拒還迎。

2. 折中主義并非深度學(xué)習(xí)難題的正解

2017年7月20日，我國發(fā)布《新一代人工智能發(fā)展規(guī)劃》，從國家戰(zhàn)略層面為人工智能制定了規(guī)劃，深度學(xué)習(xí)作為人工智能中使計(jì)算機(jī)具備“智能”的核心算法，也受到相應(yīng)的重視[33]。隨著教育研究的持續(xù)開展，為避免深度學(xué)習(xí)帶來的誤解，華東師范大學(xué)祝智庭教授撰文認(rèn)為，深度學(xué)習(xí)存在于技術(shù)領(lǐng)域和教育領(lǐng)域[34]。祝教授的觀點(diǎn)實(shí)質(zhì)上是一種折中主義立場的觀點(diǎn)，認(rèn)為存在兩類不同的深度學(xué)習(xí)概念，但若將深度學(xué)習(xí)應(yīng)用于實(shí)際的教育教學(xué)中，特別是在人工智能教育中討論深度學(xué)習(xí)，則又產(chǎn)生概念混淆、難以厘清的問題，折中主義并非破解深度學(xué)習(xí)難題的正解。筆者認(rèn)為有必要對重大基礎(chǔ)概念做科學(xué)、清晰的認(rèn)識(shí)討論。

3. 深度學(xué)習(xí)的概念：事實(shí)與功利的矛盾

本文寫作過程曾一度受價(jià)值困擾之苦，對學(xué)術(shù)論文而言，若單純討論某一概念的是非問題，對《電化教育研究》而言，其學(xué)術(shù)意義不大，但若問題持續(xù)混淆視聽，卻又有違于科學(xué)研究之求真求實(shí)精神，因而在大眾普遍“蹭熱點(diǎn)”的情況下，討論真實(shí)的、亟須解決的、影響群體認(rèn)知方向的問題，反而似乎有潑冷水之嫌疑，究其原因：一方面，對于舶來品，研究人員缺乏識(shí)辨之耐心與意識(shí);另一方面，炒熱點(diǎn)、追潮流正成為學(xué)科研究的風(fēng)氣，事實(shí)與功利之間的矛盾，正是當(dāng)前教育自身難以回避的問題，教育技術(shù)發(fā)展史上曾多次飽受稱謂之苦，例如：電化教育與教育技術(shù)、教學(xué)設(shè)計(jì)與教學(xué)論，并非概念自身孰優(yōu)孰劣，而是其作為基礎(chǔ)概念深刻影響著整體學(xué)科體系，這才是關(guān)鍵。至于人工智能時(shí)代，教育技術(shù)能否走向智能教育（Intelligent Education，簡稱IE）或繼續(xù)在人工智能外圍打擦邊球，對重大理論問題的嚴(yán)格區(qū)分和厘清，是必須的，亦是必要的。

（二）交叉跨界：突破學(xué)科領(lǐng)域和研究心理規(guī)避的雙重性反思

教育領(lǐng)域討論深度學(xué)習(xí)多以主觀的、純教育的視角去挖掘其性質(zhì)，從布迪厄場域理論來看，主觀的、純教育的視角形成教育研究的特定封閉場域，但該場域苦于無具備極強(qiáng)說服力的概念來界定深度學(xué)習(xí)概念，因而產(chǎn)生多主體“主觀認(rèn)同”的唯心認(rèn)識(shí)論，受人工智能的迅速發(fā)展和對教育的沖擊的影響，教育技術(shù)對其研究態(tài)度的回應(yīng)上明顯不足。

教育部于2019年3月25日發(fā)文，新增了人工智能、機(jī)器人工程、大數(shù)據(jù)管理與應(yīng)用、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、智能科學(xué)與技術(shù)等專業(yè)[35]，而前期則撤銷了部分院校的“教育技術(shù)學(xué)”專業(yè)，這種結(jié)果對學(xué)科發(fā)展的影響值得反思。

另外，教育研究領(lǐng)域?qū)τ?jì)算機(jī)研究領(lǐng)域的深度學(xué)習(xí)作了為數(shù)不多的探討，更有一些純教育理論研究人員對“人工智能與教育研究”做了純理論性的探討[36]，這種脫離技術(shù)維度、認(rèn)同機(jī)器學(xué)習(xí)領(lǐng)域“搶注”了深度學(xué)習(xí)[37]，集中體現(xiàn)了（教育領(lǐng)域）研究人員的學(xué)科規(guī)避心理，這一理念與人工智能時(shí)代教育學(xué)科的具體發(fā)展實(shí)踐相違背，也與教育技術(shù)學(xué)科奠基人南國農(nóng)先生所說的“教育技術(shù)是雜家”的理念相違背。因此，突破學(xué)科領(lǐng)域的布迪厄場域理論，觀照現(xiàn)實(shí)發(fā)展，不在教育學(xué)科內(nèi)自說自話，在研究上主動(dòng)“適變”[38]，進(jìn)行兩方面的反思，方為人工智能教育研究的大道。

五、對未來的討論

本研究討論了作為人工智能中的核心概念之一的深度學(xué)習(xí)，并依據(jù)相關(guān)“證據(jù)”，把人工智能時(shí)代的深度學(xué)習(xí)的“歸屬權(quán)”問題劃歸為計(jì)算機(jī)領(lǐng)域所有，而教育領(lǐng)域應(yīng)以深度認(rèn)知（思維結(jié)果）來區(qū)別計(jì)算機(jī)領(lǐng)域的深度學(xué)習(xí)（算法結(jié)果）。但基于研究人員，特別是教育研究人員的研究視域和認(rèn)識(shí)（依據(jù)布迪厄場域理論，某一行業(yè)中會(huì)形成特定的意識(shí)和認(rèn)識(shí)）的影響，不會(huì)輕易被其他概念所同化，甚至被拒絕。因此，也歡迎教育各界同仁長輩不吝賜教。作家黎汝清在《萬山紅遍》中曾寫道：“真理越辯越明，道理越講越清?！笨v觀教育技術(shù)學(xué)科發(fā)展史，20世紀(jì)80年代中期，中國教育技術(shù)學(xué)科奠基人南國農(nóng)先生組織過電化教育“姓電還是姓教”的學(xué)科屬性問題的討論，90年代又有“電化教育”和“教育技術(shù)”的“中國化與國際化”的討論。不言自明的是，每一次學(xué)科問題的討論都促進(jìn)教育技術(shù)學(xué)科的發(fā)展。今天，在新時(shí)代，厘清長期以來含糊不清的基礎(chǔ)概念問題，加緊學(xué)科間的溝通與討論，對教育技術(shù)學(xué)科發(fā)展而言，也不失為一件好事情。

[參考文獻(xiàn)]

[1] GILLANI N，EYNON R. Communication patterns in massively open online courses[J].The internet and higher education，2014，23（4）：18-26.

[2] SIEWERT S B. Big data in the cloud：data velocity，volume，variety，veracity[EB/OL].（2013-07-09）[2019-05-23].https：//www.ibm.com/developerworks/library/bd-bigdatacloud/index.html.

[3] MCAULEY A，STEWART B，SIEMENS G，et al. The MOOC model for digital practice[EB/OL].（2010-12-20）[2019-05-23].davecormier.com/edblog/wp-content/uploads/MOOC_Final.pdf.

[4] ZHANG J，SKRYABIN M，SONG X.Understanding the dynamics of MOOC discussion forums with simulation investigation for empirical network analysis （SIENA）[J]. Distance education，2016，37（3）：270-286.

[5] SIE R L，ULLMANN T D，RAJAGOPAL K，et al. Social network analysis for technology-enhanced learning： review and future directions[J]. International journal of technology enhanced learning，2012，4（3/4）：172-190.

[6] CELA K L，SICILIA M，SALVADOR S. Social network analysis in e-learning environments：a preliminary systematic review[J]. Educational psychology review，2015，27（1）：219-246.

[7] ADITOMO A，REIMANN P.Learning from virtual interaction：a review of research on online synchronous groups[C]//Proceedings of the 7th International Conference on Computer Supported Collaborative Learning.NJ：Lawrence Erlbaum Associates，2007.

[8] SKRYPNYK? O，JOKSIMOVIC S，KOVANOVIC V，et al.Roles of course facilitators，learners，and technology in the flow of information of a cMOOC[J].The international review of research in open and distributed learning，2014，16（3）：188-217.

[9] ZHU M，BERGNER Y，ZHANG Y，et al.Longitudinal engagement， performance，and social connectivity：a MOOC case study using exponential random graph models[C]//Proceedings of the Sixth International Conference on Learning Analytics & Knowledge.NY： ACM，2016：223-230.

[10] TAWFIK A A，REEVES T D，STICH A E，et al.The nature and level of learner-learner interaction in a chemistry massive open online course （MOOC）[J]. Journal of computing in higher education，2017，29（3）：411-431.

[11] ERGUN E，USLUEL Y K. An analysis of density and degree-centrality according to the social networking structure formed in an online learning environment[J]. Journal of educational technology & society，2016，19（4）：34-46.

[12] LAAT M D，LALLY V，LIPPONEN L，et al. Investigating patterns of interaction in networked learning and computer-supported collaborative learning：a role for social network analysis[J]. International journal of computer-supported collaborative learning，2007，2（1）：87-103.

[13] DAWSON S.A study of the relationship between student social networks and sense of community[J]. Journal of educational technology & society，2008，11（3）：224-238.

[14] MANCA S，DELFINO M，MAZZONI E. Coding procedures to analyse interaction patterns in educational web forums[J]. Journal of computer assisted learning，2009，25（2）：189-200.

[15] DAWSON S.Seeing' the learning community：an exploration of the development of a resource for monitoring online student networking[J]. British journal of educational technology，2010，41（5）：736-752.

[16] THORMANN J，GABLE S，F(xiàn)IDALGO P，et al. Interaction，critical thinking，and social network analysis（SNA） in online courses[J]. The international review of research in open and distributed learning，2013，14（3）：294-318.

[17] LIN X，HU X，HU Q，et al. A social network analysis of teaching and research collaboration in a teachers' virtual learning community[J]. British journal of educational technology，2014，47（2）：302-319.

[18] KELLOGG S，BOOTH S，OLIVER K.A social network perspective on peer supported learning in MOOCs for educators[J]. International review of research in open & distance learning，2014，15（5）：263-289.

[19] GILLANI N，YASSERI T，EYNON R，et al. Structural limitations of learning in a crowd：communication vulnerability and information diffusion in MOOCs[J]. Scientific reports，2014，4：6447.

[20] DOWELL N M M，OLEKSANDRA S，SRECKO J，et al. Modeling learners' social centrality and performance through language and discourse[C]// Proceedings of the 8th International Conference on Educational Data Mining.Massachusetts：IEDMS，2015.

[21] TIRADO R，HERNANDO á，AGUADED J I.The effect of centralization and cohesion on the social construction of knowledge in discussion forums[J]. Interactive learning environments，2015，23（3）：293-316.

[22] HERNANDEZ-GARCIA A，GONZALEZ-GONZALEZ I，JIMENEZ-ZARCO A I，et al.Applying social learning analytics to message boards in online distance learning：a case study[J]. Computers in human behavior，2015，47（6）：68-80.

[23] CARCELLER C，DAWSON S，LOCKYER L.Social capital from online discussion forums：differences between online and blended modes of delivery[J]. Australasian journal of educational technology，2015，31（2）：150-163.

[24] REHM M，MULDER R H，GIJSELAERS W，SEGERS M.The impact of hierarchical positions on the type of communication within online communities of learning[J].Computers in human behavior，2016，58（6）：158-170.

[25] JO I，PARK Y，LEE H. Three interaction patterns on asynchronous online discussion behaviours：a methodological comparison[J]. Journal of computer assisted learning，2017，33（2）：106-122.

[26] TIRADO-MORUETA R，MARAVER L P，HERNANDO G. Patterns of participation and social connections in online discussion forums[J]. Small group research，2017，48（6）：639-664.

[27] PHAM M C，DERNTL M，CAO Y，et al.Learning analytics for learning blogospheres[C]// International Conference on Web-Based Learning，Advances in Web-Based Learning-ICWL 2012.Berlin，Heidelberg：Springer，258-267.

[28] BORGATTI S P. Centrality and network flow[J]. Social networks，2005，27（1）：55-71.

[29] BRINTON C G，CHIANG M，JAIN S，et al. Learning about social learning in MOOCs：from statistical analysis to generative model[J]. IEEE transactions on learning technologies，2014，7（4）：346-359.

[30] WISE A F，CUI Y，VYTASEK J. Bringing order to chaos in MOOC discussion forums with content-related thread identification[C]//Proceedings of the Sixth International Conference on Learning Analytics & Knowledge.New York：ACM，2016：188-197.

[31] JIANG Z，ZHANG Y，LIU C，et al.Influence analysis by heterogeneous network in MOOC forums：what can we discover？[C]// Proceedings of the 8th International Conference on Educational Data Mining.Massachusetts：IEDMS，2015.

[32] RODRIGUEZ D，SICILIA M A，SANCHEZ-ALONSO S，et al. Exploring affiliation network models as a collaborative filtering mechanism in e-learning[J]. Interactive learning environments，2011，19（4）：317-331.

[33] WISE A F，CUI Y，JIN W Q，et al. Mining for gold：identifying content-related MOOC discussion threads across domains through linguistic modeling[J]. The internet and higher education，2017，32（1）：11-28.

[34] GUNAWARDENA C N，LOWE C A，ANDERSON T.Analysis of a global online debate and the development of an interaction analysis model for examining social construction of knowledge in computer conferencing[J]. Journal of educational computing research，1997，17（4）：397-431.

[35] RIVERA M T，SODERSTROM S B，UZZI B. Dynamics of dyads in social networks：assortative，relational，and proximity mechanisms[J]. Annual review of sociology，2010，36（1）：91-115.

[36] BURGESS S，SSANDERSON E，UMANA-APONTE M. School ties：an analysis of homophily in an adolescent friendship network[EB/OL]. （2011-08-01）[2019-05-23].http：//www.bristol.ac.uk/cmpo/publications/papers/2011/wp267.pdf.

[37] SOLLER A.Supporting social interaction in an intelligent collaborative learning system[J].International journal of artificial intelligence in education，2001，12（12）：40-62.

[38] ANDERSON L W. Taxonomy for learning， teaching， and assessing[J]. European legacy，2001，114（458）：1013-1014.

[39] LAVE J，WENGER E. Situated learning：legitimate peripheral participation[M]. New York：Cambridge University Press，1991.

[40] HAYTHORNTHWAITE C，DE LAAT M. Social networks and learning networks：using social network perspectives to understand social learning[C]//Proceedings of the 7th International Conference on Networked Learning. Aalborg，Denmark：Lancaster University，2010： 183-190.

[41] DE LAAT M. Networked learning[D]. England：University of Southampton，2006.

[42] SIEMENS G. Connectivism：learning as network-creation[EB/OL].[2019-05-23].http：//www.elearnspace.org/Articles/networks.htm.