倪嘉敏
(隴東學(xué)院教育學(xué)院,甘肅慶陽,745000)
早在1956年召開的達(dá)特茅斯國際研討會(huì)中,人工智能首次作為專業(yè)術(shù)語被提及,其定義為“人工智能是擁有模擬能夠被精確描述的學(xué)習(xí)特征或智能特征能力的機(jī)器”[1]。其后,人工智能在發(fā)展中主要依循兩種思維模式,即本質(zhì)主義思維模式與功能主義思維模式。本質(zhì)主義旨在模擬人類大腦的結(jié)構(gòu),但由于人類大腦高度復(fù)雜,至今存在許多難以破解的黑箱式謎團(tuán),使之在研發(fā)中困難重重;功能主義旨在模擬人類大腦的部分或全部功能,即設(shè)計(jì)與制造出像人一樣思考,像人一樣行動(dòng),合理地思考,合理地行動(dòng)的智能機(jī)器。[2]功能主義的人工智能思維模式取得了一定成效,著名的“圖靈測(cè)試”是很好的例證。而今,歷經(jīng)六十余年的跌宕沉浮,人工智能技術(shù)已經(jīng)發(fā)展成為以大數(shù)據(jù)、云計(jì)算、深度學(xué)習(xí)、傳感等技術(shù)為支撐的集感知、記憶、判斷、推理、決策、行動(dòng)為一體的智能綜合體。其中,深度學(xué)習(xí)為其核心技術(shù)。“深度學(xué)習(xí)”是多層的神經(jīng)網(wǎng)絡(luò),又被稱為深度神經(jīng)網(wǎng)絡(luò),其本質(zhì)是通過多處理層組成的計(jì)算機(jī)模型來表征數(shù)據(jù)。[3]換言之,深度學(xué)習(xí)并非對(duì)人腦神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)單模擬,而是通過對(duì)海量大數(shù)據(jù)相關(guān)關(guān)系的探求以預(yù)測(cè)事物發(fā)展規(guī)律及趨勢(shì)的先進(jìn)算法。因而,那些數(shù)據(jù)積淀豐厚、易于被設(shè)定規(guī)則、易于被識(shí)別規(guī)律的工作易于被智能機(jī)器取代。
可以預(yù)見的是,在不久的未來,人工智能必將引發(fā)一場(chǎng)雪崩式的風(fēng)暴,席卷社會(huì)各個(gè)職業(yè)領(lǐng)域,甚至像律師、金融分析師、會(huì)計(jì)等白領(lǐng)職業(yè)也不能幸免。按照《未來簡(jiǎn)史》作者尤瓦爾·赫拉利的觀點(diǎn):“人工智能時(shí)代,人類將會(huì)分化成兩個(gè)極端階層,即小部分高效掌握與應(yīng)用人工智能技術(shù)的人類將躍升為有用階層,大多數(shù)普通人將會(huì)被人工智能技術(shù)所裹挾,最終淪為無用階層。”[4]失業(yè)的風(fēng)險(xiǎn)及階層的分化逼促我們思考這樣的現(xiàn)實(shí)問題:人工智能時(shí)代的教師究竟能否被智能機(jī)器所取代?本文旨在從教師職業(yè)的性質(zhì)與工作內(nèi)容的特點(diǎn)、人工智能的技術(shù)限度兩個(gè)方面入手,探討人工智能時(shí)代教師職業(yè)的持存性問題。
奧特爾(Autor)等人曾將職業(yè)分為非重復(fù)性人力型職業(yè)、重復(fù)性人力型職業(yè)、重復(fù)性認(rèn)知型職業(yè)、非重復(fù)性認(rèn)知型職業(yè)。這意味著除了非重復(fù)認(rèn)知型職業(yè),如管理者、藝術(shù)創(chuàng)作者、創(chuàng)意設(shè)計(jì)師等職業(yè)以外,其余三類職業(yè)均面臨被人工智能取代的風(fēng)險(xiǎn)。[5]奧特爾劃分職業(yè)的主要依據(jù)為工作性質(zhì)及工作內(nèi)容兩個(gè)維度。從工作性質(zhì)的維度而言,職業(yè)可以區(qū)分為認(rèn)知型的工作與人力型的工作。認(rèn)知型的工作屬腦力勞動(dòng),對(duì)勞動(dòng)者的受教育程度提出了較高要求,不易被智能機(jī)器所取代;人力型的工作屬體力勞動(dòng),對(duì)勞動(dòng)者的受教育程度并沒有很高的要求,易于被智能機(jī)器所取代。從工作內(nèi)容的維度而言,其又可以區(qū)分為重復(fù)性的工作與非重復(fù)性的工作。重復(fù)性的工作有著標(biāo)準(zhǔn)的工作范式與固定的程序,極易被人工智能機(jī)器識(shí)別規(guī)律并取代;非重復(fù)性的工作內(nèi)容具有不確定性,需要借助情境中的人際交往方可完成,不易被人工智能機(jī)器識(shí)別規(guī)律并取代。顯然,教師作為腦力工作者,屬于認(rèn)知型的工作,但其工作內(nèi)容既具重復(fù)性,亦具非重復(fù)性。如:傳授知識(shí)、批改作業(yè)、閱卷等常規(guī)教學(xué)工作具有極強(qiáng)的重復(fù)性,培養(yǎng)學(xué)生的價(jià)值觀、陶冶學(xué)生的情操、涵育學(xué)生的人格等工作則具有較強(qiáng)的非重復(fù)性。因而,在人工智能時(shí)代,隨著智能導(dǎo)學(xué)系統(tǒng)、智適應(yīng)學(xué)習(xí)系統(tǒng)、智能學(xué)情引擎系統(tǒng)、教育機(jī)器人等系統(tǒng)在學(xué)校的廣泛應(yīng)用,那些重復(fù)性較強(qiáng)的常規(guī)性教學(xué)工作將由智能機(jī)器完成,意味著人工智能與教育融合后,教師將從傳統(tǒng)的知識(shí)傳授的窠臼中解放出來,更多地關(guān)注對(duì)學(xué)生價(jià)值觀的引導(dǎo)及精神世界。唯此,技術(shù)的物性才能服膺于人性,人才能夠最終成其所是,具備豐盈的人性,實(shí)現(xiàn)教育培養(yǎng)自由且全面發(fā)展的人的價(jià)值旨?xì)w。
按照康德、馬克思等哲學(xué)家的觀點(diǎn),人之所以成為創(chuàng)造主體得益于人的自由意志,而人的自由意志又顯現(xiàn)于人的自由行為之中。據(jù)此,衡量人工智能創(chuàng)造力的關(guān)鍵指征在于其是否擁有同人一樣的自由行動(dòng)能力。表面上看,人工智能機(jī)器有著獨(dú)立的決策能力與行動(dòng)能力,但其受到了人類預(yù)設(shè)算法的限定。如:深度學(xué)習(xí)是一種模擬人類大腦神經(jīng)突觸連接結(jié)構(gòu)表征數(shù)據(jù)的先進(jìn)算法,在自然語義理解、機(jī)器翻譯、語音識(shí)別等方面應(yīng)用廣泛。與傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)相比,其結(jié)構(gòu)更為復(fù)雜,由多層甚至百層的人工神經(jīng)網(wǎng)絡(luò)層架構(gòu)而成。神經(jīng)網(wǎng)絡(luò)的層級(jí)主要取決于解決任務(wù)的復(fù)雜程度,任務(wù)越復(fù)雜,層級(jí)就越多,且每一層神經(jīng)網(wǎng)絡(luò)都服務(wù)于具體任務(wù)。其整體結(jié)構(gòu)可分為輸入層、隱含層、輸出層三層,訓(xùn)練數(shù)據(jù)經(jīng)由最底層的輸入層傳入,在隱含層內(nèi)逐層自動(dòng)提取數(shù)據(jù)特征并自動(dòng)進(jìn)行參數(shù)記憶,最終,學(xué)習(xí)結(jié)果通過輸出層傳出。這是一種無需程序員手動(dòng)標(biāo)注數(shù)據(jù)的無監(jiān)督型機(jī)器學(xué)習(xí)模型,使機(jī)器自動(dòng)學(xué)習(xí)有用的數(shù)據(jù)特征,從而賦予機(jī)器自主學(xué)習(xí)的意義。但海量同分布訓(xùn)練數(shù)據(jù)的提供、權(quán)重的調(diào)整、參數(shù)的設(shè)定都有賴于程序員的操作。以此觀之,智能機(jī)器終究體現(xiàn)了人的行動(dòng)意志,但其并不具備人類所擁有的創(chuàng)造力。
智能機(jī)器在自然語義理解方面存在困難,這主要受制于智能機(jī)器缺乏常識(shí)及符號(hào)難以接地的影響。常識(shí)是指人類在與環(huán)境的相互作用中所形成的日?;R(shí),是機(jī)器在自然語言理解和推理中所必須涉及的知識(shí)。從語用學(xué)的層面理解,人類的語言涵蓋了句法、語義、語用等三個(gè)層面的知識(shí)體系。其中,語義知識(shí)為自然語言的理解奠定了基礎(chǔ),對(duì)語義的理解有賴于具體的語言使用環(huán)境,即語境。而語境涉及的知識(shí)十分豐富,既涵蓋了文本的句法、語句的上下文聯(lián)系等短期知識(shí),又涵蓋了語言使用的領(lǐng)域知識(shí)、常識(shí)知識(shí)等關(guān)涉社會(huì)文化背景的長(zhǎng)期知識(shí)。將常識(shí)知識(shí)轉(zhuǎn)化為智能機(jī)器能夠識(shí)別并表示的語言,實(shí)現(xiàn)自然語境與機(jī)器語言的完美對(duì)接,促使人機(jī)之間的有效溝通,曾一度成為技術(shù)研究人員的主攻目標(biāo)。目前,常識(shí)知識(shí)的表示方面主要有兩種研究綱領(lǐng):一是基于規(guī)則語言模型(也稱推理模型)的研究綱領(lǐng),二是統(tǒng)計(jì)語言模型(也稱概率模型或經(jīng)驗(yàn)?zāi)P?的研究綱領(lǐng)。[6]但由于常識(shí)知識(shí)的龐雜性、模糊性、相互嵌套性等因素,很難將其符號(hào)化與模型化,這是目前制約人機(jī)之間深度溝通的主要技術(shù)瓶頸。此外,智能機(jī)器亦存在符號(hào)難以接地的技術(shù)瓶頸。符號(hào)接地問題探討符號(hào)是如何獲得意義的,符號(hào)和它們的意義如何聯(lián)系起來,這里的符號(hào)指寫出的或說出的語言。[7]由于機(jī)器語言以抽象化及邏輯化的符號(hào)為載體,智能機(jī)器能否擁有理解符號(hào)所表征的意義的能力則成為研判“符號(hào)是否接地”的主要依據(jù)。哲學(xué)家賽爾設(shè)計(jì)的中文屋子實(shí)驗(yàn)對(duì)此進(jìn)行了很好的詮釋,實(shí)驗(yàn)流程大致如下:賽爾作為不懂中文只懂英文的人,呆在一間只有一個(gè)窗口的屋子里,屋子里放置了印有中文字符的卡片及用英文書寫的符號(hào)使用規(guī)則書,通過學(xué)習(xí)字符使用說明書,塞爾了解了中文字符的使用規(guī)則,外界的人將中文問題由窗口遞進(jìn),賽爾根據(jù)規(guī)則使用說明書的提示解答問題。盡管賽爾并不知道中文字符的內(nèi)涵及意義,但他仍然能準(zhǔn)確無誤地解答中文問題。這一實(shí)驗(yàn)向我們揭示了這樣一個(gè)頗具思考價(jià)值的事實(shí),即智能機(jī)器憑借算法設(shè)定的程序?qū)嵤┚浞ú僮?,其并沒有真正理解符號(hào)所代表語句的真實(shí)意義,上述因素致使智能機(jī)器在自然語義理解方面存在難以逾越的技術(shù)鴻溝。
情感作為人類智能的組成部分,是主體間性溝通的重要介質(zhì),亦是激發(fā)人的想象力、使人產(chǎn)生創(chuàng)造力的重要源泉,“人工情感”由此成為近年來人工智能研究領(lǐng)域的重要研究方向。目前,研究范圍集中在人工情感建模、自然情感機(jī)器識(shí)別與表達(dá)、人工情感機(jī)理四個(gè)方面,[8]依循兩種研究途徑:一種是經(jīng)驗(yàn)歸納式方法,如感情計(jì)算等,另一種是演繹式方法,即模擬情感的發(fā)生條件。[9]其實(shí)質(zhì)是將人類的情感數(shù)字化。但人類情感的形成機(jī)理十分復(fù)雜,是外部環(huán)境刺激、人的生化機(jī)制、心理變化、個(gè)性等多重因素相互耦合的結(jié)果,具有鮮明的復(fù)雜性及個(gè)性化特征。加之其與行為之間存在千絲萬縷的聯(lián)系,使之難以被證實(shí)和證偽,從而增加了人工模擬情感的難度。如何建立統(tǒng)一的人工情感模型?如何促使智能機(jī)器自動(dòng)生發(fā)情感?這些都是有待解答的技術(shù)難題。此外,缺乏動(dòng)機(jī)意識(shí)、價(jià)值觀、道德等因素亦是目前人工智能的技術(shù)限度,由于篇幅的有限性,在此不再贅述。
可見,受技術(shù)限度的影響,人工智能在情感的交流、價(jià)值觀的培育、心靈的涵育等方面遠(yuǎn)不及人類,無法與人進(jìn)行深度的溝通與交流。當(dāng)智能機(jī)器教學(xué)取代傳統(tǒng)人力教學(xué)時(shí),無疑虛空化了人與人之間真實(shí)的社會(huì)性交往空間,造成教學(xué)中人與人之間情感的疏離。進(jìn)一步分析,智能技術(shù)以大數(shù)據(jù)為支撐,如若單純地依賴數(shù)據(jù)做出教學(xué)決策或?qū)W習(xí)決策,虛擬的數(shù)據(jù)世界則會(huì)取代人真實(shí)的生活世界及行動(dòng)能力,從而反蝕人性的生成性與豐富性,人由此陷入馬爾庫塞所謂的單向度的漩渦之中。事實(shí)上,人之所以是其所是,不僅是因?yàn)槿耸怯幸庾R(shí)、會(huì)思維的理性主體,亦在于人是有情感、有道德、有價(jià)值觀、會(huì)創(chuàng)造的非理性主體。智能機(jī)器賴以生存的算法究其實(shí)質(zhì)依憑的是邏輯理性,其無法滋養(yǎng)人的非理性世界。因而,以人育人是教育永恒不變的本質(zhì),唯有人才能擔(dān)當(dāng)教育的主體,唯有人才能化育人的心靈,也唯有人才能促使人的靈魂得以轉(zhuǎn)向,人工智能時(shí)代教師職能的實(shí)現(xiàn)蘊(yùn)含于教師對(duì)學(xué)生的人文教化之中。