教育人工智能支持人類學(xué)習(xí)機(jī)制的兩種效應(yīng)*

劉欣 李懷龍

摘? ?要：隨著人工智能技術(shù)的快速發(fā)展，教育人工智能（EAI）逐漸走入教育研究者的視野。EAI是一個(gè)將人工智能技術(shù)與學(xué)習(xí)科學(xué)相結(jié)合的新興領(lǐng)域，是人工智能技術(shù)對(duì)教育領(lǐng)域引發(fā)影響的深刻表現(xiàn)。然而作為EAI的邏輯起點(diǎn)問(wèn)題——EAI緣何能夠促進(jìn)人類學(xué)習(xí)，以及在對(duì)人類學(xué)習(xí)機(jī)制的支持時(shí)，又發(fā)揮了何種效應(yīng)，這一課題尚未有定論。探討該課題對(duì)EAI的理論研究和應(yīng)用研究均具有重大意義，只有將其弄清理順，才能真正推動(dòng)EAI在教育理論上的完善與教育實(shí)踐中的運(yùn)用。文章論證了EAI支持人類學(xué)習(xí)機(jī)制的兩種效應(yīng)，先比較了基于邏輯結(jié)構(gòu)和基于物理結(jié)構(gòu)的學(xué)習(xí)機(jī)制（均從人類學(xué)習(xí)機(jī)制和機(jī)器學(xué)習(xí)機(jī)制兩個(gè)層面上給出探討）的不同，進(jìn)而闡明人類和機(jī)器在學(xué)習(xí)機(jī)制上的聯(lián)系，重點(diǎn)論述EAI對(duì)信息心理加工過(guò)程的延展效應(yīng)、EAI對(duì)大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的強(qiáng)化效應(yīng)。

關(guān)鍵詞：教育人工智能;人類學(xué)習(xí)機(jī)制;機(jī)器學(xué)習(xí)機(jī)制;延展效應(yīng);強(qiáng)化效應(yīng)

中圖分類號(hào)：G434 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-8454（2020）17-0001-05

一、引言

2016年，美國(guó)發(fā)布了《為人工智能的未來(lái)做好準(zhǔn)備》和《國(guó)家人工智能研發(fā)戰(zhàn)略規(guī)劃》，旨在進(jìn)一步引領(lǐng)人工智能的應(yīng)用與研發(fā)。[1]2017年，我國(guó)正式印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，這是我國(guó)針對(duì)人工智能領(lǐng)域的第一個(gè)系統(tǒng)部署的文件，要求把握全球人工智能發(fā)展態(tài)勢(shì)，找準(zhǔn)突破口和主攻方向，全面增強(qiáng)科技創(chuàng)新基礎(chǔ)能力。[2]可見(jiàn)，人工智能對(duì)人類社會(huì)的影響越發(fā)廣泛。教育，無(wú)疑也是在當(dāng)前人工智能的時(shí)代背景下，受到影響的領(lǐng)域之一。教育人工智能（EAI），既是教育在人工智能領(lǐng)域的上層應(yīng)用，又是人工智能在教育領(lǐng)域的技術(shù)基礎(chǔ)。時(shí)下，通常將EAI定義為“一個(gè)人工智能與學(xué)習(xí)科學(xué)相結(jié)合的新興領(lǐng)域”。[1]其中，EAI包含的兩個(gè)基本概念——人工智能和學(xué)習(xí)科學(xué)，皆具有跨學(xué)科性質(zhì)。人工智能是以模擬人類智力行為和能力為研究目標(biāo)的交叉學(xué)科，又同時(shí)涵蓋了計(jì)算機(jī)科學(xué)、工程學(xué)、數(shù)學(xué)等人工科學(xué)，以及認(rèn)知科學(xué)、神經(jīng)科學(xué)、腦科學(xué)等智能科學(xué)。[3]學(xué)習(xí)科學(xué)則是以學(xué)習(xí)的發(fā)生、運(yùn)作和促進(jìn)為研究目標(biāo)的跨界學(xué)科，涉及教育學(xué)、心理學(xué)、語(yǔ)言學(xué)等諸多學(xué)科。普遍而言，EAI的研究目標(biāo)為：通過(guò)人工智能技術(shù)，更深入、更微觀地窺視、理解學(xué)習(xí)是如何發(fā)生的，是如何受到外界各種因素（如社會(huì)經(jīng)濟(jì)、物質(zhì)環(huán)境、科學(xué)技術(shù)等）影響的，進(jìn)而為學(xué)習(xí)者高效地進(jìn)行學(xué)習(xí)創(chuàng)造條件。[1]EAI主要有知識(shí)的表示方法、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)、自然語(yǔ)言處理、智能代理、情感計(jì)算等關(guān)鍵技術(shù)，其應(yīng)用集中在智能導(dǎo)師、智能助手、智能測(cè)評(píng)、學(xué)習(xí)伙伴、數(shù)據(jù)挖掘與學(xué)習(xí)分析等領(lǐng)域。[1]作為教育研究者，必須以前瞻性的視野看待人工智能技術(shù)帶來(lái)的深遠(yuǎn)變化，這同樣是時(shí)代賦予教育工作者的責(zé)任和使命。

然而，EAI為什么能夠促進(jìn)人類的學(xué)習(xí)，又是對(duì)人類學(xué)習(xí)機(jī)制有著怎樣的支持性效應(yīng)，這個(gè)EAI面臨的首要問(wèn)題至今仍未有定論，該課題正是文章的研究主題。對(duì)該問(wèn)題的正面回答，具有十分重要的價(jià)值。理論層面上，是對(duì)已有EAI有關(guān)理論研究的補(bǔ)充和完善;實(shí)踐層面上，可以在一定程度上指導(dǎo)EAI的教育教學(xué)實(shí)際應(yīng)用，并為后續(xù)類似研究提供參考。

二、 EAI支持人類學(xué)習(xí)機(jī)制

1.人類學(xué)習(xí)機(jī)制

（1）信息加工理論視角下的人類學(xué)習(xí)機(jī)制

以信息加工理論的視角來(lái)看，人類學(xué)習(xí)機(jī)制是建立在學(xué)生元認(rèn)知水平基礎(chǔ)上的認(rèn)知學(xué)習(xí)過(guò)程，是指?jìng)€(gè)體的學(xué)習(xí)發(fā)生、進(jìn)行、結(jié)束的整個(gè)發(fā)展過(guò)程。學(xué)習(xí)是一個(gè)信息內(nèi)部心理加工的過(guò)程，主要包括信息輸入、信息處理、信息輸出與信息反饋這四個(gè)環(huán)節(jié)。該理論認(rèn)為學(xué)習(xí)在于內(nèi)部認(rèn)知結(jié)構(gòu)的變化。邁耶的《多媒體學(xué)習(xí)》一書(shū)中提及，這種心智認(rèn)知結(jié)構(gòu)歸屬于典型的邏輯結(jié)構(gòu)（解釋、比較、概括、列舉、分類）。[4]學(xué)習(xí)者不斷接受各種刺激，經(jīng)過(guò)內(nèi)心積極的組織，將其形成和發(fā)展成認(rèn)知結(jié)構(gòu)。

具有代表性的觀點(diǎn)有加涅的信息加工學(xué)習(xí)模式，以及邁耶的多媒體學(xué)習(xí)認(rèn)知模式。如圖1所示，加涅的信息加工學(xué)習(xí)模式較為完整地描述了人類學(xué)習(xí)的信息加工過(guò)程，可分為以下幾個(gè)階段：①信息輸入階段。外界刺激被注意，刺激通過(guò)感受器到達(dá)感覺(jué)登記器。②信息處理階段。工作記憶的信息經(jīng)加工和轉(zhuǎn)換被編碼，信息編碼有助于對(duì)信息的理解和存儲(chǔ)，該階段會(huì)借助長(zhǎng)時(shí)記憶的信息去幫助理解，編碼后的信息也會(huì)儲(chǔ)存進(jìn)長(zhǎng)時(shí)記憶。③信息輸出階段。當(dāng)信息需要使用時(shí)，通過(guò)檢索、提取，有的信息會(huì)直接進(jìn)入反應(yīng)生成器和效應(yīng)器，有的信息則會(huì)經(jīng)過(guò)工作記憶的核實(shí)，確認(rèn)后再通向反應(yīng)生成器和效應(yīng)器。④信息反饋階段。信息被提取出后，在即將錄入反應(yīng)生成器和效應(yīng)器時(shí)，會(huì)分別由“預(yù)期”和“執(zhí)行監(jiān)控”兩個(gè)環(huán)節(jié)，發(fā)揮激活和調(diào)節(jié)信息流程的功能。

如圖2所示，邁耶的多媒體學(xué)習(xí)認(rèn)知模式是對(duì)加涅的信息加工學(xué)習(xí)模式的一個(gè)更加詳盡的補(bǔ)充。信息由兩個(gè)通道在感覺(jué)記憶中被登記，經(jīng)由心向選擇進(jìn)入工作記憶，工作記憶里的信息被加工組織為言語(yǔ)模型及圖像模型，再把長(zhǎng)時(shí)記憶中的先驗(yàn)知識(shí)整合進(jìn)來(lái)，一起用作信息處理后的輸出內(nèi)容。基于上述分析，信息加工理論視角下的人類學(xué)習(xí)機(jī)制強(qiáng)調(diào)從內(nèi)部心理結(jié)構(gòu)的變化來(lái)解釋整個(gè)學(xué)習(xí)發(fā)生過(guò)程。

（2）認(rèn)知神經(jīng)科學(xué)視角下的人類學(xué)習(xí)機(jī)制

以認(rèn)知神經(jīng)科學(xué)視角來(lái)看，人類學(xué)習(xí)機(jī)制是大腦神經(jīng)系統(tǒng)進(jìn)行信息加工的過(guò)程，是腦對(duì)刺激產(chǎn)生的反應(yīng)，它包括腦對(duì)信息的感知、處理和整合。Koizumi指出：學(xué)習(xí)是根據(jù)外界刺激建立神經(jīng)聯(lián)結(jié)的過(guò)程;而教育則是控制或添加刺激，或激發(fā)學(xué)習(xí)意向的過(guò)程。[5]認(rèn)知神經(jīng)科學(xué)的研究證明，個(gè)體的心智是一個(gè)大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)系統(tǒng)。[6]個(gè)體在出生之前，大腦內(nèi)的神經(jīng)元已經(jīng)建立了聯(lián)系，組成了原始的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)體系，從而形成了對(duì)外界環(huán)境的先天應(yīng)答機(jī)制，為人類的學(xué)習(xí)做好了準(zhǔn)備。隨著學(xué)習(xí)者與外界互動(dòng)的加強(qiáng)，積累的經(jīng)驗(yàn)不斷豐富，大腦會(huì)動(dòng)態(tài)地?cái)U(kuò)展、重塑、調(diào)整網(wǎng)絡(luò)，以反映新的環(huán)境和新的信息。學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的形成，知識(shí)以網(wǎng)絡(luò)的形式儲(chǔ)存在大腦中。在整個(gè)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的形成過(guò)程中，新的、經(jīng)常使用的知識(shí)將在網(wǎng)絡(luò)中不斷地被激活，那些舊的、很少使用的知識(shí)將逐漸在網(wǎng)絡(luò)中被遺忘。利用這種方式，大腦不斷提升適應(yīng)性能力，進(jìn)而發(fā)展出適合的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)系統(tǒng)。換言之，大腦的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)系統(tǒng)為學(xué)習(xí)提供了一個(gè)核心的生理基礎(chǔ)，在對(duì)一些內(nèi)部或外部的因素產(chǎn)生作用的同時(shí)，也會(huì)受到這些因素的改變。學(xué)習(xí)就是發(fā)生在腦和外界雙向互動(dòng)過(guò)程的一種活動(dòng)。

基于上述分析，該理論認(rèn)為心智認(rèn)知結(jié)構(gòu)屬于典型的物理結(jié)構(gòu)，即大腦的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，若將其比喻為物理電路，知識(shí)就是電路里蘊(yùn)涵的電流、電壓。因此，在認(rèn)知神經(jīng)科學(xué)視角下，人類學(xué)習(xí)機(jī)制強(qiáng)調(diào)從大腦的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的變化來(lái)解釋學(xué)習(xí)機(jī)制的運(yùn)作，影響學(xué)習(xí)的各種因素都由大腦神經(jīng)系統(tǒng)的網(wǎng)絡(luò)化發(fā)展來(lái)表現(xiàn)，大腦是整個(gè)學(xué)習(xí)機(jī)制的中心。學(xué)習(xí)過(guò)程中，一切變化都通過(guò)大腦來(lái)調(diào)節(jié)，學(xué)習(xí)機(jī)制也正是圍繞大腦這個(gè)核心要素而整體運(yùn)行的。此機(jī)制不單有內(nèi)部因素（大腦、心理）的作用，還包括外部因素（身體、社會(huì)）的作用，只是機(jī)制強(qiáng)調(diào)學(xué)習(xí)是發(fā)生在腦與外界之間的一種雙向活動(dòng)，外部因素的影響也需要通過(guò)大腦神經(jīng)系統(tǒng)的調(diào)控來(lái)實(shí)現(xiàn)。

2.機(jī)器學(xué)習(xí)機(jī)制

（1）符號(hào)主義學(xué)派的機(jī)器學(xué)習(xí)機(jī)制

正如紐厄爾和司馬賀所表述，“符號(hào)是一切智能活動(dòng)的源頭，它是人工智能里不容置疑的核心”。[7]符號(hào)主義學(xué)派提倡直接從功能的角度來(lái)理解智能，利用“符號(hào)”抽象地表示現(xiàn)實(shí)世界，利用邏輯推理和搜索來(lái)替代人類大腦的思考、認(rèn)知過(guò)程，而不去關(guān)注大腦的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并默認(rèn)了一個(gè)圖靈一直堅(jiān)持的觀點(diǎn)作為基本前提，即“智能是一個(gè)形式化系統(tǒng)（或符號(hào)系統(tǒng)），認(rèn)知過(guò)程的本質(zhì)就是處理符號(hào)的過(guò)程，大腦的所有思考都是通過(guò)邏輯運(yùn)算完成的”。

符號(hào)主義學(xué)派的核心綱領(lǐng)為：人工智能來(lái)源于數(shù)理邏輯，需要使用符號(hào)、規(guī)則和邏輯來(lái)表征知識(shí)和進(jìn)行邏輯推理。簡(jiǎn)言之，符號(hào)主義學(xué)派倡導(dǎo)的機(jī)器智能立足于符號(hào)學(xué)和邏輯學(xué)，將邏輯推理作為工具，以模擬人的智能。因而，符號(hào)主義視界下的機(jī)器學(xué)習(xí)，其實(shí)現(xiàn)的關(guān)鍵就在于知識(shí)表征（如語(yǔ)義網(wǎng)絡(luò)）和推理算法（如啟發(fā)式算法），機(jī)器改進(jìn)自身（即機(jī)器學(xué)習(xí)）的表現(xiàn)為：產(chǎn)生式推導(dǎo)出更多的邏輯規(guī)則（以規(guī)則來(lái)描述現(xiàn)實(shí)事物的屬性），并盡可能完善自我的數(shù)據(jù)庫(kù)。[8]專家系統(tǒng)作為符號(hào)主義學(xué)派的代表性產(chǎn)物，正是如此。

值得討論的是，由于當(dāng)今業(yè)界過(guò)于追捧統(tǒng)計(jì)學(xué)習(xí)和深度學(xué)習(xí)，以至于很多學(xué)者對(duì)符號(hào)主義理論存在嚴(yán)重的偏見(jiàn)及誤區(qū)。有的學(xué)者認(rèn)為符號(hào)主義只有“推理期”，沒(méi)有“學(xué)習(xí)期”。實(shí)際上，決策樹(shù)學(xué)習(xí)不應(yīng)列為統(tǒng)計(jì)式機(jī)器學(xué)習(xí)的成果，它是基于符號(hào)的機(jī)器學(xué)習(xí)算法中最成功的案例。有足夠的理由說(shuō)明這一點(diǎn)，決策樹(shù)的本質(zhì)是樹(shù)結(jié)構(gòu)，每個(gè)非葉節(jié)點(diǎn)都是一個(gè)屬性上的邏輯判斷活動(dòng)，每個(gè)葉子節(jié)點(diǎn)則都存放著一個(gè)邏輯規(guī)則的分類結(jié)果，這種因結(jié)構(gòu)而產(chǎn)生的效果要遠(yuǎn)遠(yuǎn)高于算法后期加入的、統(tǒng)計(jì)式的特征系數(shù)或高維空間等所發(fā)揮的效用。同時(shí)，對(duì)符號(hào)主義的“推理期”和“學(xué)習(xí)期”的看法不能太過(guò)狹隘，基于符號(hào)的機(jī)器學(xué)習(xí)也是從樣本中獲得知識(shí)，如果希望從最基礎(chǔ)最本質(zhì)的知識(shí)推導(dǎo)出其他知識(shí)，對(duì)應(yīng)到人類認(rèn)知世界的兩個(gè)基本思路就是演繹和歸納，邏輯學(xué)學(xué)科內(nèi)更重視演繹，而人類更常用的是歸納，決策樹(shù)學(xué)習(xí)便是自然而然的歸納推理的選擇。由此可知，符號(hào)主義的機(jī)器學(xué)習(xí)的“推理期”是“演繹”，而“學(xué)習(xí)期”則是“歸納”。

符號(hào)主義具有良好的可解釋性，從知識(shí)層面而言，無(wú)論是中間知識(shí)，還是最終得到的知識(shí)，都有清晰的解釋。但不可否認(rèn)，符號(hào)主義目前遇到了極大的困境。筆者在這里有一些不同的見(jiàn)解，以為這并非一些學(xué)者說(shuō)的符號(hào)主義理論性失敗，而是符號(hào)主義學(xué)派對(duì)智能只關(guān)注到上層的功能性，而忽略了底層的本質(zhì)性，具體如下：①基礎(chǔ)前提的缺陷。作為符號(hào)主義學(xué)派的假設(shè)性前提，目前來(lái)看，圖靈所述的智能觀是有問(wèn)題的，他從最初就未能回答出香農(nóng)對(duì)唯邏輯主義的質(zhì)疑，智能系統(tǒng)很可能就不能完全視為“只是一切邏輯推理的引擎”。[9]這是符號(hào)主義的“邏輯派”無(wú)法解決的問(wèn)題。②組合爆炸問(wèn)題。這種NP完全問(wèn)題其實(shí)是一個(gè)表象問(wèn)題（邏輯規(guī)則和數(shù)據(jù)庫(kù)的無(wú)窮增加），根本問(wèn)題是：智能心理機(jī)制是無(wú)限的，無(wú)限不能用有限系統(tǒng)近似，圖靈機(jī)雖然滿足圖靈可計(jì)算性，但依然是有限機(jī)。近期已有數(shù)學(xué)研究證明，Connes的嵌入猜想理論——以有限簡(jiǎn)化無(wú)限的思想——是不合理的。[10]這是符號(hào)主義的“認(rèn)知派”無(wú)法解決的問(wèn)題。③機(jī)器進(jìn)步對(duì)其貢獻(xiàn)較小。與神經(jīng)網(wǎng)絡(luò)相比，基于符號(hào)主義的機(jī)器學(xué)習(xí)的效果增加受益于當(dāng)前架構(gòu)圖靈機(jī)提升的程度過(guò)小，換句話說(shuō)，目前機(jī)器在硬件資源和數(shù)據(jù)資源上的飛速發(fā)展對(duì)符號(hào)主義學(xué)習(xí)的效果幫助不大，很可能是，依托于馮諾依曼架構(gòu)的機(jī)器上的符號(hào)主義學(xué)習(xí)效果已接近極限。然而，因果邏輯作為人類智能獨(dú)特性的體現(xiàn)，是人工智能領(lǐng)域里，絕對(duì)不能被拋棄、回避的重要課題，既要“人工”，也要“智能”。

（2）連接主義學(xué)派的機(jī)器學(xué)習(xí)機(jī)制

連接主義學(xué)派最初主要來(lái)自對(duì)人類大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)系統(tǒng)的研究學(xué)者，主張從生物結(jié)構(gòu)角度出發(fā)，讓機(jī)器先去模擬人腦構(gòu)造，再?gòu)闹蝎@得智能。這條思路相比探究復(fù)雜、隱晦的“心智機(jī)制”，顯得更加有跡可循。[7]麥卡洛克深信，人類大腦就是一個(gè)天然能執(zhí)行某種思維語(yǔ)言的系統(tǒng)，一定存在著某種運(yùn)作機(jī)制，將人類大腦中大量神經(jīng)元機(jī)械性放電的過(guò)程組織起來(lái)，由此形成思維、知識(shí)和記憶。

連接主義學(xué)派的核心綱領(lǐng)是：人工智能源于腦的模仿，使用概率矩陣和加權(quán)神經(jīng)元來(lái)動(dòng)態(tài)地識(shí)別和歸納模式，代表性產(chǎn)物是神經(jīng)網(wǎng)絡(luò)。麥卡洛克-皮茨提出的“M-P神經(jīng)元模型”闡明了基于連接主義的機(jī)器學(xué)習(xí)的原理。如圖3所示，該模型中，一個(gè)神經(jīng)元會(huì)接受多個(gè)來(lái)自其他神經(jīng)元傳遞過(guò)來(lái)的輸入信號(hào)，不同的輸入信號(hào)的重要性各有差別，這種差別就通過(guò)連接上的“權(quán)重”大小來(lái)表示，神經(jīng)元要將接受到的輸入值進(jìn)行加權(quán)求和運(yùn)算，并將求和結(jié)果與該神經(jīng)元自身的“激活闕值”比較，以決定是否對(duì)外輸出信號(hào)。因此，連接主義視界下的機(jī)器學(xué)習(xí)，其實(shí)現(xiàn)的關(guān)鍵就在于神經(jīng)網(wǎng)絡(luò)的傳播（如前饋傳播）、權(quán)重優(yōu)化（如SGD優(yōu)化算法）和激活（如Relu激活函數(shù)）。機(jī)器改進(jìn)自身（即機(jī)器學(xué)習(xí)）的表現(xiàn)為：學(xué)習(xí)的內(nèi)容就是“權(quán)重”，通過(guò)訓(xùn)練使權(quán)重不斷更新，最終提取出多維度特征向量（以特征來(lái)描述現(xiàn)實(shí)事物的屬性）。

需要討論的是，雖然正值深度學(xué)習(xí)的高潮時(shí)期，神經(jīng)網(wǎng)絡(luò)取得了驚人的成果，但連接主義學(xué)派依然存在著長(zhǎng)期難以攻克的問(wèn)題，具體如下：①可解釋性缺陷。神經(jīng)網(wǎng)絡(luò)的本質(zhì)是依靠經(jīng)驗(yàn)的曲線擬合，“黑箱”疑難始終存留，缺乏能夠說(shuō)明神經(jīng)網(wǎng)絡(luò)因果性的系統(tǒng)性理論，“因?yàn)槿?，所以然”式的解釋明顯不符合人類對(duì)科學(xué)以及智能的理解。②難以得到全局最優(yōu)解。事實(shí)證明，神經(jīng)網(wǎng)絡(luò)的最優(yōu)解往往都是局部最優(yōu)解，只能沿著全局最優(yōu)解的方向前進(jìn)，卻很難得到全局最優(yōu)解。這是NP完全問(wèn)題在神經(jīng)網(wǎng)絡(luò)中的體現(xiàn)。③人工神經(jīng)元比較“低能”。幾十年來(lái)，神經(jīng)網(wǎng)絡(luò)所采用的人工神經(jīng)元沒(méi)有太大改進(jìn)，基本上依然是“M-P神經(jīng)元模型”，而脈沖神經(jīng)網(wǎng)絡(luò)中LIF（Leaky Integrate and Fire）等神經(jīng)元模型，目前幾乎沒(méi)有實(shí)際運(yùn)用。然而，最新的研究表明，人類大腦的單個(gè)神經(jīng)元就能夠完成極其復(fù)雜的運(yùn)算，包括“異或”運(yùn)算（單個(gè)人工神經(jīng)元無(wú)法完成），生物神經(jīng)元的能力遠(yuǎn)超人類的想象。[11]除此之外，作為表現(xiàn)神經(jīng)元功能的激活函數(shù)，在近幾年雖出現(xiàn)得越來(lái)越多，效果不斷增強(qiáng)，如Gelu函數(shù)，但沒(méi)有任何一個(gè)激活函數(shù)可以與真實(shí)神經(jīng)元的情況相類似。

3.EAI對(duì)人類學(xué)習(xí)機(jī)制的兩種支持性效應(yīng)

（1）學(xué)習(xí)機(jī)制的一般性規(guī)律

依據(jù)以上對(duì)學(xué)習(xí)機(jī)制（包括人類學(xué)習(xí)機(jī)制和機(jī)器學(xué)習(xí)機(jī)制）的分析，無(wú)論是從基于邏輯結(jié)構(gòu)的學(xué)習(xí)機(jī)制（信息加工理論與符號(hào)主義理論）出發(fā)，還是從基于物理結(jié)構(gòu)的學(xué)習(xí)機(jī)制（認(rèn)知神經(jīng)科學(xué)理論與連接主義理論）思考，機(jī)器學(xué)習(xí)機(jī)制同人類學(xué)習(xí)機(jī)制之間都存在著顯著的共性，這就闡釋出“EAI能夠促進(jìn)人類學(xué)習(xí)”最重要、最本質(zhì)的原因。邏輯結(jié)構(gòu)層次上，所有的學(xué)習(xí)發(fā)生機(jī)制都是通過(guò)學(xué)習(xí)主體（人或機(jī)器）的一系列心理操作對(duì)外部知識(shí)信息進(jìn)行內(nèi)部加工（以符號(hào)形式）的過(guò)程。物理結(jié)構(gòu)層次上，所有的學(xué)習(xí)運(yùn)作機(jī)制都是學(xué)習(xí)主體（人或機(jī)器）的大腦根據(jù)外部知識(shí)信息，調(diào)整、建立神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，最終形成平衡的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)系統(tǒng)的過(guò)程。這就是學(xué)習(xí)機(jī)制的一般性規(guī)律。

（2）EAI對(duì)信息加工過(guò)程的延展效應(yīng)

EAI改進(jìn)基于邏輯結(jié)構(gòu)的人類學(xué)習(xí)機(jī)制，著重表現(xiàn)為EAI對(duì)信息加工過(guò)程具有延展效應(yīng)。信息加工過(guò)程分為信息輸入、信息處理、信息輸出、信息反饋四個(gè)流程，以系統(tǒng)論的觀點(diǎn)來(lái)看，每個(gè)流程實(shí)際對(duì)應(yīng)了一個(gè)符號(hào)系統(tǒng)，分別為輸入系統(tǒng)、處理系統(tǒng)、輸出系統(tǒng)、反饋系統(tǒng)。所謂EAI的延展效應(yīng)，就是EAI能夠通過(guò)人工智能技術(shù)延展這四個(gè)信息加工系統(tǒng)，具體如下：①延展輸入系統(tǒng)。學(xué)習(xí)輸入環(huán)節(jié)開(kāi)始于感受器受到了外界環(huán)境的刺激，教學(xué)媒體理論觀點(diǎn)認(rèn)為，感受器官（如眼、耳、手）是接受外界信息的媒介。目前的學(xué)習(xí)輸入，主要是教師展示多媒體學(xué)習(xí)內(nèi)容，學(xué)生的視聽(tīng)感官接受刺激。近年來(lái)，已出現(xiàn)可以模擬人類各種感官的人工智能產(chǎn)品，通過(guò)該產(chǎn)品可使多種感官同時(shí)受到刺激，提高學(xué)習(xí)效率，從而延展了輸入系統(tǒng)。②延展處理系統(tǒng)。處理系統(tǒng)對(duì)外界信息進(jìn)行處理，得到有意義信息，然后在原有知識(shí)結(jié)構(gòu)的基礎(chǔ)上，利用這些外界的有意義信息，整理、優(yōu)化原有知識(shí)結(jié)構(gòu)，進(jìn)而產(chǎn)生新知識(shí)。人工智能技術(shù)通過(guò)機(jī)器的智能解析、智能決策等關(guān)鍵技術(shù)，替代或部分替代原有處理系統(tǒng)的一些工作，從而延展了處理系統(tǒng)。③延展輸出系統(tǒng)。目前，學(xué)生學(xué)習(xí)輸出的信息主要以交流、提問(wèn)、作業(yè)、考試等形式表現(xiàn)，這種獲得多是顯性學(xué)習(xí)結(jié)果，難以全方位判斷學(xué)生的認(rèn)知狀態(tài)、思維框架構(gòu)建、知識(shí)深層次理解等情況。人工智能技術(shù)通過(guò)智能識(shí)別、自然語(yǔ)言理解等關(guān)鍵技術(shù)，支持測(cè)量學(xué)生的隱性學(xué)習(xí)結(jié)果（如一些非結(jié)構(gòu)化的、復(fù)雜的、中間過(guò)程性的數(shù)據(jù)），從而延展了輸出系統(tǒng)。④延展反饋系統(tǒng)。人工智能技術(shù)通過(guò)智能診斷，鑒定出學(xué)生的學(xué)習(xí)基礎(chǔ)、學(xué)習(xí)風(fēng)格和特點(diǎn)、學(xué)習(xí)需求等，實(shí)時(shí)監(jiān)控和調(diào)整學(xué)習(xí)者的元認(rèn)知、理解過(guò)程等自我認(rèn)知發(fā)展，使學(xué)生與機(jī)器共同協(xié)商去解決問(wèn)題，促進(jìn)了學(xué)生更高水平的認(rèn)知出現(xiàn)，從而延展了反饋系統(tǒng)。

（3）EAI對(duì)大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的強(qiáng)化效應(yīng)

EAI改進(jìn)基于物理結(jié)構(gòu)的人類學(xué)習(xí)機(jī)制，著重表現(xiàn)為EAI對(duì)大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具有強(qiáng)化效應(yīng)。前文說(shuō)到，學(xué)習(xí)活動(dòng)之所以能順利運(yùn)作是建立在大腦與內(nèi)部因素（大腦、心理）和外部因素（身體、社會(huì)）的相互作用基礎(chǔ)上的，所有這些作用的發(fā)揮都離不開(kāi)大腦的調(diào)控，離不開(kāi)大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)系統(tǒng)的協(xié)調(diào)與統(tǒng)籌。從基于物理結(jié)構(gòu)的學(xué)習(xí)機(jī)制的視角來(lái)看，機(jī)器的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模仿了人的大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，學(xué)習(xí)是一個(gè)大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)不斷優(yōu)化的過(guò)程，最終形成能解決當(dāng)前問(wèn)題下不平衡狀態(tài)的大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)系統(tǒng)。所謂EAI的強(qiáng)化效應(yīng)，即EAI近似于大腦的運(yùn)作過(guò)程，分擔(dān)并幫助了大腦的神經(jīng)活動(dòng)，增強(qiáng)大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的組建能力。這種組建主要表現(xiàn)為學(xué)習(xí)者對(duì)大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的激發(fā)、構(gòu)建、重組，具體如下：①激發(fā)舊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。先前知識(shí)經(jīng)驗(yàn)存儲(chǔ)于舊的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，當(dāng)學(xué)生面對(duì)一個(gè)新的問(wèn)題情境時(shí)，會(huì)首先激發(fā)、回調(diào)相關(guān)聯(lián)的舊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，提取出存放的知識(shí)，將之與新信息對(duì)照。所以說(shuō)，學(xué)習(xí)機(jī)制的運(yùn)作是從已有神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的激發(fā)開(kāi)始的。②構(gòu)建新神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。學(xué)習(xí)時(shí)，學(xué)生會(huì)聯(lián)系已有關(guān)聯(lián)性知識(shí)去試圖領(lǐng)會(huì)新信息，之后往往生產(chǎn)出面對(duì)當(dāng)下問(wèn)題情境的新意義，這些新意義的產(chǎn)生就是一個(gè)個(gè)新神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的建立，并聯(lián)結(jié)到一起的結(jié)果。要注意的是，這種變化不是連續(xù)的，更不是一步到位的，而且若學(xué)生的知識(shí)框架被重塑，他的參照性舊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)也很大可能被重構(gòu)。③重組新舊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。新的神經(jīng)網(wǎng)絡(luò)形成后，它也必須時(shí)刻處在可調(diào)用的狀態(tài)。正因?yàn)榇竽X不斷整理它的“存貨”，才能達(dá)成實(shí)時(shí)、動(dòng)態(tài)的重組。這種新舊結(jié)構(gòu)之間的重組會(huì)提供應(yīng)對(duì)新的問(wèn)題情境的方式，從某些意義來(lái)說(shuō)這種重組是一種學(xué)習(xí)的完結(jié)，同時(shí)也是一種更新、更高層次的學(xué)習(xí)的起步。通過(guò)重組機(jī)制，腦就能不斷地適應(yīng)新環(huán)境，獲得新知識(shí)，就能發(fā)展出最佳的大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)系統(tǒng)。人工智能技術(shù)通過(guò)接近的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（如CNN卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)），使大腦整個(gè)運(yùn)作過(guò)程的效率得到提高，從而顯示出EAI對(duì)大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的強(qiáng)化效應(yīng)。

三、總結(jié)

本文探索了EAI對(duì)人類學(xué)習(xí)機(jī)制的兩種支持性效應(yīng)，EAI同時(shí)具有對(duì)學(xué)習(xí)發(fā)生過(guò)程的延展效應(yīng)以及對(duì)學(xué)習(xí)運(yùn)作過(guò)程的強(qiáng)化效應(yīng)，前一個(gè)過(guò)程實(shí)質(zhì)是基于邏輯結(jié)構(gòu)的信息心理加工過(guò)程，后一個(gè)過(guò)程實(shí)質(zhì)是基于物理結(jié)構(gòu)的大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)改組過(guò)程。

參考文獻(xiàn)：

[1]閆志明，唐夏夏，秦旋，張飛，段元美.教育人工智能（EAI）的內(nèi)涵、關(guān)鍵技術(shù)與應(yīng)用趨勢(shì)——美國(guó)《為人工智能的未來(lái)做好準(zhǔn)備》和《國(guó)家人工智能研發(fā)戰(zhàn)略規(guī)劃》報(bào)告解析[J].遠(yuǎn)程教育雜志，2017（1）：26-35.

[2]國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[J].廣播電視信息，2017（8）：12-13.

[3]南京大學(xué)人工智能學(xué)院.南京大學(xué)人工智能本科專業(yè)教育培養(yǎng)體系[M].北京：機(jī)械工業(yè)出版社，2019：2.

[4] （美）理查德·E.邁耶.多媒體學(xué)習(xí)[M].北京：商務(wù)印書(shū)館，2006.1：66.

[5]經(jīng)濟(jì)合作與發(fā)展組織編，周加仙等譯.理解腦——新的學(xué)習(xí)科學(xué)的誕生[M].北京：教育科學(xué)出版社，2014.12：17.

[6]（美）M.S.Gazzaniga主編，沈政等譯.認(rèn)知神經(jīng)科學(xué)[M].上海：上海教育出版社，2009：6-9.

[7]周志明.智慧的疆界——從圖靈機(jī)到人工智能[M].北京：機(jī)械工業(yè)出版社，2018.10：66-113.

[8]林艷.人工智能的符號(hào)主義綱領(lǐng)及其困境[J].求索，2019（6）：186-193.

[9]劉欣.皮亞杰兒童智力發(fā)展理論述評(píng)——兼論基于建構(gòu)主義的人工智能[J].人工智能與機(jī)器人研究，2020（1）：1-7.

[10]Zhengfeng Ji.，et al.（2020）MIP*=RE.arXiv，1[DB/OL]. https：//arxiv.org/abs/2001.04383.

[11]Gidon Albert，Zolnik Timothy Adam，F(xiàn)idzinski Pawel，Bolduan Felix，Papoutsi Athanasia，Poirazi Panayiota，Holtkamp Martin，Vida Imre，Larkum Matthew Evan. Dendritic action potentials and computation in human layer 2/3 cortical neurons[J]. Science （New York， N.Y.），2020，367（6473）.

（編輯：王天鵬）