人工智能能否變革高等教育？ *

托尼·貝茨 /文 王文勝 戚亞娟 / 譯

一、人工智能和高等教育：期望與現(xiàn)實的鴻溝

在發(fā)展?jié)摿Ψ矫妫鳛橐粋€新興專業(yè)領(lǐng)域，教育人工智能有可能改變我們的教學(xué)實踐和學(xué)習(xí)過程。如奧姆·馬利克（Om Malik）所言，隨著高端技術(shù)、穩(wěn)健算法的發(fā)展，不僅讓人更具想象力，還給人帶來新的預(yù)期，例如，近乎零成本地保持有效互動的可能性。當(dāng)提及人工智能或任何應(yīng)用于教育的技術(shù)時，其應(yīng)用層次都各有不同。在高等教育階段，對于技術(shù)應(yīng)用的建議至少指向兩個層次：用于制定策略或制度，或用于直接教學(xué)。

第一，制定策略或制度層次。從技術(shù)上來說，人工智能的應(yīng)用涉及大數(shù)據(jù)、統(tǒng)計學(xué)和機器學(xué)習(xí)；從教育的角度來看，大多數(shù)此類應(yīng)用解決的是學(xué)生選拔、輟學(xué)和群體行為傾向的問題，通過分析數(shù)據(jù)，能夠進(jìn)行預(yù)測并據(jù)此重新制定教學(xué)策略。有許多研究該應(yīng)用領(lǐng)域的論文，但大多數(shù)研究都由計算機科學(xué)家完成（使用的是從教育事業(yè)單位獲得的真實數(shù)據(jù)），且并未完全在教育事業(yè)單位內(nèi)進(jìn)行。未來幾十年里，一旦教育事業(yè)單位提升其數(shù)據(jù)收集能力，并制定政策指導(dǎo)數(shù)據(jù)的使用，則在高等教育中這一應(yīng)用領(lǐng)域很可能越來越重要。不過，該應(yīng)用領(lǐng)域并非本期關(guān)注的焦點。

第二，教學(xué)應(yīng)用層次。這一層次與教學(xué)過程直接相關(guān)。人工智能可以在多大程度上輔助甚至控制教學(xué)過程本身呢？到目前為止，這一應(yīng)用領(lǐng)域主要包括人工智能助手，如聊天機器人或者為了適應(yīng)群體或個人的特征與需求而開發(fā)的用于個性化學(xué)習(xí)和適應(yīng)性學(xué)習(xí)的技術(shù)，以及任何使用了人工智能技術(shù)來直接幫助學(xué)習(xí)的教育軟件。這是本期的關(guān)注焦點所在。而作為本期編輯，我們不得不說對征稿結(jié)果感到失望。盡管接受的這4篇論文質(zhì)量較高，仍與我們的預(yù)期相差甚遠(yuǎn)，本以為就人工智能對高等教育教學(xué)的影響這一主題提交的論文數(shù)量會更多，質(zhì)量更高。

人工智能正廣泛應(yīng)用于社會的諸多領(lǐng)域。從扎瓦基-里希特（Zawacki-Richter）等人的文獻(xiàn)綜述和本期征稿所得數(shù)據(jù)來看，盡管人工智能看起來能對教學(xué)產(chǎn)生很多直接影響，迄今為止卻成效甚微。其原因在于：泰格馬克（Tegmark）1Tegmark, M.Life 3.0: Being human in the age of artificial intelligence.London: Penguin Group.2017.認(rèn)為目前我們還未達(dá)到通用人工智能（Artificial General Intelligence）的水平，即機器的處理能力未能與人類的認(rèn)知能力相匹配。而博斯特羅姆（Bostrum）2Bostrum, N.Superintelligence: Paths, Dangers, Strategies.Oxford: Oxford University Press.2017.則認(rèn)為，我們經(jīng)歷了一個“人工智能寒冬”，人工智能的支持者失去了人們的信任。雖然近年來，機器智能、深度學(xué)習(xí)和認(rèn)知架構(gòu)的發(fā)展有復(fù)蘇之勢，有人繼續(xù)預(yù)測，人工智能將在社會各行各業(yè)中大有可為。3Kaku, M.Physics of the future: The inventions that will transform our lives.London: Penguin Group.2011.4Kelly, K.The inevitable: Understanding the 12 technological forces that will shape our future.London: Penguin Group.2017.這些進(jìn)展有時被描述為“現(xiàn)代”人工智能，以區(qū)別于早期基于學(xué)習(xí)的計算機應(yīng)用，或許先前人們將計算機應(yīng)用誤稱為人工智能。然而，從本期接收到的論文來看，除了學(xué)習(xí)分析，目前幾乎沒有實例能證明“現(xiàn)代”人工智能在高等教育教學(xué)上的應(yīng)用有重大突破。正如吉爾伯特·基思·切斯特頓（G.K.Chesterton）對基督教的理想的描寫，“基督教的理想，并不是經(jīng)過試驗后發(fā)現(xiàn)行不通，而是因為難于實現(xiàn)而無人嘗試?！标P(guān)于這一點，我們必須說明，有可能確實有學(xué)者在這一領(lǐng)域做了有效研究，只不過我們的征稿沒有引起他們的注意。然而值得關(guān)注的是，在我們接收的論文中，很少有論文與征稿啟事中提到的大多數(shù)教育問題相關(guān)。

二、為什么人工智能在高等教育中的應(yīng)用落后于其他領(lǐng)域？

正如“云”“大數(shù)據(jù)”和“機器學(xué)習(xí)”一樣，“人工智能”一詞早已被營銷人員和廣告文案人攫取。很多所謂的“人工智能”實際上是數(shù)據(jù)分析——換句話說，換湯不換藥。重點其實在于加強，通過加強功能，智能軟件幫助人們與其所處的愈加電子化的世界及其產(chǎn)出的海量數(shù)據(jù)進(jìn)行交互。在審閱提交至本期的論文時，我們發(fā)現(xiàn)這一點同樣適用于高等教育。

人工智能目前對高等教育教學(xué)影響如此之小的另一個原因是，當(dāng)涉及新技術(shù)時，教育似乎通常都有所落后。不愿冒險或采用新技術(shù)、缺乏用于支持非傳統(tǒng)教學(xué)方法的資金等，這些都阻礙了新技術(shù)在教育、培訓(xùn)中使用。1Wheeler, S.Digital learning in organizations.London: Kogan Page.2019.從本期倫茨（Renz）和希爾畢西（Hilbig）的論文中能夠清楚看到，由于很多教育工作者們還不相信新想法能夠豐富或擴大學(xué)習(xí)成果和經(jīng)歷，教育部門對新技術(shù)仍持高度保守態(tài)度。

如今，大多數(shù)所謂的人工智能在教學(xué)中的應(yīng)用都十分專注于內(nèi)容呈現(xiàn)和理解測試。扎瓦基-里希特等人指出，大多數(shù)應(yīng)用于教學(xué)的人工智能，或至少是研究論文，都出自計算機科學(xué)家之手，而非教育工作者。由于人工智能往往由計算機科學(xué)家開發(fā)，他們基于計算機或計算機網(wǎng)絡(luò)的工作原理開發(fā)學(xué)習(xí)模型（因為運行人工智能算法的顯然只能是計算機）。因此，此類人工智能應(yīng)用通常采取非常行為主義的學(xué)習(xí)模式：呈現(xiàn)/測試/反饋。林奇（Lynch）認(rèn)為：“如果人工智能想推動教育發(fā)展，需要加強人工智能研發(fā)人員與學(xué)習(xí)科學(xué)專家間的聯(lián)系。否則，人工智能將只會‘發(fā)現(xiàn)’質(zhì)量不佳的新教學(xué)方法，并使教學(xué)的錯誤觀念永久化。理解領(lǐng)悟能力才是重要的基本技能，但目前人工智能還無法幫助學(xué)習(xí)者提升批判性思維、解決問題的能力、創(chuàng)造力和知識管理等高級技能?！?/p>

通常，許多將人工智能運用于高等教育教學(xué)中的人，特別是那些具有計算機科學(xué)背景的人，還未意識到或還未接受這一觀點，即學(xué)習(xí)是發(fā)展性、建構(gòu)性的活動。與之相反，他們的做法是運用一種基于行為主義和客觀主義認(rèn)識論的特定教學(xué)方法，這并不能很好地體現(xiàn)高等教育學(xué)習(xí)的復(fù)雜性。就連行為心理學(xué)家也認(rèn)為，知識包括復(fù)雜認(rèn)知模式的發(fā)展或概念的構(gòu)建。

因此，對通過記憶和理解獲取的知識進(jìn)行測試并不能很好地支持個性化教學(xué)、智能輔導(dǎo)和學(xué)生測評。高級心智技能如批判性思維、創(chuàng)造力和解決問題的能力，和情感技能如共情能力，是數(shù)字時代非常需要的技能。大部分教育工作者都認(rèn)為要發(fā)展這些能力需要開發(fā)一種以學(xué)習(xí)者為中心的建構(gòu)主義方法。

值得注意的是，雖然目前大多數(shù)人工智能在教學(xué)上的應(yīng)用更多聚焦于學(xué)習(xí)的“基礎(chǔ)”層面，如記憶和理解測試等，其他諸如模擬、基于游戲的學(xué)習(xí)方法和虛擬現(xiàn)實等技術(shù)已在培養(yǎng)解決問題的能力、批判性思維和創(chuàng)造力等方面取得了更多的成功經(jīng)驗。

三、如何在高等教育教學(xué)中更好地應(yīng)用人工智能？

目前學(xué)習(xí)分析與人工智能在繼續(xù)教育領(lǐng)域的應(yīng)用還處于初級階段，主要是因教育院校的需求不足。當(dāng)面臨可能有益于高等教育的潛在顛覆性變革時，不僅要從人工智能的特殊性去看待，還要對教學(xué)現(xiàn)象有更全面和多樣化的認(rèn)識，并從新的認(rèn)識角度來看待這些變革，這一點至關(guān)重要。多元視角仍是面對未來挑戰(zhàn)與機遇的最有力策略之一。

（一）亟待跨學(xué)科研究

大多數(shù)情況下，高等教育領(lǐng)域內(nèi)的專家所做的研究不一定是跨學(xué)科研究。盡管在過去30年里，跨學(xué)科研究中心不斷增多，但這并不代表20世紀(jì)及之前的高等教育領(lǐng)域的傳統(tǒng)研究。本期觀察到的情況也絕非例外。

有意思的是，探究人工智能如何滲透高等教育壁壘的似乎主要是計算機科學(xué)家、數(shù)據(jù)專家、信息學(xué)和理工專業(yè)的專家，而非其他學(xué)科。扎瓦基-里希特等人尖銳地指出：教育工作者去哪里了？似乎計算機科學(xué)家完成了大多數(shù)人工智能在高等教育領(lǐng)域的研究，也難怪他們的研究焦點在于工具、算法及其可信度和應(yīng)用，而非人工智能對教學(xué)成果的影響。他們對教學(xué)成果感興趣的研究點，也主要在于驗證算法的有效性。因此，他們對教學(xué)成果的關(guān)注往往較為淺顯。其關(guān)注點都集中在易于測量的領(lǐng)域，如短期記憶測試或?qū)W生輟學(xué)率。

我們?nèi)孕枥^續(xù)努力促進(jìn)教育工作者與其他相關(guān)領(lǐng)域的專家開展合作，如社會信息學(xué)、社會學(xué)、心理學(xué)、法學(xué)、人類學(xué)和有關(guān)人文與社會科學(xué)的其他知識領(lǐng)域等。

（二）教育工作者需廣泛參與

倫茨和希爾畢西1Renz, A., Hilbig, R.Prerequisites for artificial intelligence in further education: identification of drivers, barriers, and business models of educational technology companies.International Journal of Educational Technology in Higher Education.17(1), 2020, 1-21.指出：“對教育科技公司的采訪表明，使用數(shù)字教育服務(wù)的公司和/或機構(gòu)都不愿意或不能夠充分挖掘潛在的學(xué)習(xí)數(shù)據(jù)?！?/p>

這表明教育工作者本身不那么重視人工智能的潛力。相反，他們往往關(guān)注于人工智能的負(fù)面影響，如倫理問題和機器替代教師的可能性。這或許能解釋為什么本期或扎瓦基-里希特等人的文獻(xiàn)綜述中缺乏來自教育工作者的論文。但是，也暗示了人工智能的優(yōu)勢與危害之間過于尖銳的區(qū)分。為了發(fā)現(xiàn)人工智能的優(yōu)勢與不足，需要教育工作者更多地參與人工智能的潛在應(yīng)用中去。

迄今為止，從本期的論文和由扎瓦基-里希特等人做出的系統(tǒng)文獻(xiàn)綜述來看，教育研究者站在了旁觀者的角度批評人工智能，而并未參與其中。他們需要與計算機科學(xué)家合作，關(guān)注教學(xué)潛在提升空間的研究，在這一領(lǐng)域人工智能或許能做出貢獻(xiàn)。鑒于人工智能在教育領(lǐng)域的應(yīng)用仍處于萌芽狀態(tài)，我們預(yù)測，隨著它的發(fā)展，將涌現(xiàn)出更多探究教育新興趨勢與實踐的論文。

（三）當(dāng)前的人工智能應(yīng)用與現(xiàn)代教育理論間缺乏“契合度”

關(guān)于教學(xué)，我們首先想到的是，距離實現(xiàn)人工智能的潛在用途還有多大差距。適合金融或醫(yī)學(xué)的智能技術(shù)不一定能應(yīng)用于教學(xué)領(lǐng)域。

盡管總體來說，人的行為是可預(yù)測的，并且在一定程度上是可控的。但每個學(xué)生都是單獨的個體，在相同環(huán)境下的反應(yīng)和其他人有輕微差別。學(xué)習(xí)容易受到強烈的情感或情緒的影響，當(dāng)他們感受到教師的關(guān)心時，通常會學(xué)得更好。而且，學(xué)生希望自己被視作個體，他們有對興趣、學(xué)習(xí)方法和學(xué)習(xí)過程的掌控感。

由于這些學(xué)習(xí)中的情感和個人因素，學(xué)生需要通過某種方式與其教師有所聯(lián)系。從某個角度來說，學(xué)習(xí)可以被視為一種復(fù)雜的活動，其中僅相對較小的一部分過程能有效實現(xiàn)自動化。而從個體來看，學(xué)習(xí)是一種人的活動，受益于人際關(guān)系和社交活動。

相關(guān)研究（Garrison，2007）強有力地證明了，無論是在線還是面對面，都可以同等處理好這種學(xué)習(xí)的相關(guān)因素，但是需要計算來支持通信、傳遞和測試內(nèi)容采集。聊天機器人能夠做到這一點；機器學(xué)習(xí)和可視化技術(shù)在該方面也大有可為。

（四）教師威脅論

人工智能的支持者經(jīng)常說他們并非企圖替代教師，而是想讓教師的生活更加輕松高效。這一說法需謹(jǐn)慎看待。人工智能應(yīng)用的關(guān)鍵驅(qū)動力在于縮減成本，意味著減少教師數(shù)量，因為教師便是教育中主要成本所在。

尼克·博斯特羅姆說道，“我認(rèn)為當(dāng)前可能有夸大人工智能對勞動市場影響的趨勢?，F(xiàn)在還遠(yuǎn)遠(yuǎn)達(dá)不到大規(guī)模推出智能系統(tǒng)以產(chǎn)生巨大影響的水平。不過，隨著時間的推移，我的確認(rèn)為機器學(xué)習(xí)的進(jìn)步將對人類勞動市場產(chǎn)生越來越大的影響。若你成功將人工智能開發(fā)到極致，那么，事實就是人工智能基本上可以做任何事。在某些領(lǐng)域，最終目標(biāo)是完全替代人工。我們發(fā)展技術(shù)，研究自動化，就是為了用更少的精力去實現(xiàn)一個給定的結(jié)果。你可以做到事半功倍，這才是技術(shù)?！?Ford, M.Architects of intelligence: The truth about AI from the people building it.Packt Publishing Ltd.2018.

但是，迪曼蒂斯（Diamandis）和科特勒（Kotler）3Diamandis, P.H., Kotler, S.The Future Is Faster Than You Think: How Converging Technologies Are Transforming Business, Industries, and Our Lives.Simon & Schuster.2020.卻提醒我們，“生產(chǎn)力是公司想要實現(xiàn)勞動力自動化的主要原因。然而，事實一次又一次證明，能讓生產(chǎn)力突飛猛進(jìn)的并非是用機器取代人類，而是由人類增強機器的作用?！贝送?，克魯卡(（Klutka）等人4Klutka, J., et al.Artificial Intelligence in Higher Education: Current Uses and Future Applications.Louisville: Learning house.2018.聲稱人工智能可以應(yīng)對許多目前由教師和管理者負(fù)責(zé)的日常工作，將他們從中解放出來就可以解決更復(fù)雜的問題，并和學(xué)生建立更深層次的聯(lián)系。

這一觀點也強調(diào)了，教師的角色需要從內(nèi)容呈現(xiàn)、內(nèi)容管理和內(nèi)容理解測試——所有這些可以被計算機應(yīng)用完成的任務(wù)——轉(zhuǎn)變到技能培養(yǎng)上。

好消息是，通過這種方式使用人工智能，將幫助教師而非替代教師。不過，許多教師需要改變教學(xué)方法，否則將面臨淘汰。顯然，人工智能的發(fā)展給我們上的關(guān)鍵一課就是，在一個高度智能化的社會里，我們需要更加關(guān)注生活的情感與情緒，教師將因此變得更加重要。

四、未來的挑戰(zhàn)與問題

本期提出了很多問題：在增強人類潛力方面，人工智能是否有別于先前的技術(shù)創(chuàng)新？是否有可能縮小人工智能對教育的預(yù)期貢獻(xiàn)和現(xiàn)實之間的差距？當(dāng)人工智能用于支持和增強人類能力時，主要受哪些約束？人工智能的應(yīng)用能否幫助提升數(shù)字時代所需的技能與知識？

以上五個問題至關(guān)重要，需要在未來研究人工智能，及其與不同的教育背景結(jié)合時加以考慮。這些問題并非只是說說而已，而是突出了研究人員、教育管理者和政策制定者在人工智能的開發(fā)上面對的主要挑戰(zhàn)。

（一）人工智能服務(wù)于高等教育還是高等院校為人工智能發(fā)展服務(wù)？

顯然，這不是一個先有雞還是先有蛋的問題。我們目前探究了人工智能的新進(jìn)展能在何種程度上有益于教育。也許機器學(xué)習(xí)、深度學(xué)習(xí)和數(shù)據(jù)的密集使用最終會用以支持和改進(jìn)高等教育的教育教學(xué)，但現(xiàn)實卻往不同的方向發(fā)展。盡管全世界的高等教育事業(yè)單位正廣泛促進(jìn)各種數(shù)字科技平臺的安裝和密集使用，教育教學(xué)活動并沒有發(fā)生明顯變化。谷歌（Google）、臉書（Facebook）、亞馬遜云計算服務(wù)（Amazon AWS）、油管（Youtube）等正在“免費”提供服務(wù)以“服務(wù)”和“賦能”學(xué)生和職工，但是許多活動只是為訓(xùn)練這些大的技術(shù)提供商的算法做了貢獻(xiàn)。

顯然，高等教育界從全球技術(shù)供應(yīng)商（如大數(shù)據(jù)或模式認(rèn)知研究）提供的人工智能服務(wù)中獲益匪淺。但忽視教育事業(yè)單位（有意識或者無意識地）作為數(shù)據(jù)供應(yīng)者的角色將是個嚴(yán)重的錯誤。這些科技巨頭每天從大學(xué)獲得海量的個人數(shù)據(jù)用來訓(xùn)練算法，大大提高了他們的利潤空間1Zuboff, S.The age of surveillance capitalism: The fight for a human future at the new frontier of power.Profile Books.2019.。“目前，人工智能研究是開放的，但只有少數(shù)公司在開發(fā)研究，這就造成了權(quán)力的集中。”2Ford, M.Architects of intelligence: The truth about AI from the people building it.Packt Publishing Ltd.2018.私營公司對這些不易察覺的交換了然于心，特別是當(dāng)其考慮到數(shù)據(jù)和人工智能服務(wù)能為“大型科技”公司帶來多大利潤的時候。在這個數(shù)據(jù)密集的時代，高等教育事業(yè)單位是否處于重新定義其權(quán)利關(guān)系的有利地位？

（二）學(xué)習(xí)不僅僅是在對的時間獲得對的信息。還需要考慮什么？

人工智能不是唯一的黑匣子。人腦及其學(xué)習(xí)過程也是一個黑匣子。沒有特別或特定的神奇公式可以不受時間地點限制地將知識教授給每個人。四十多年的研究表明，只有許多復(fù)雜的干預(yù)條件共同作用時，學(xué)習(xí)才會發(fā)生。這些因素包括相關(guān)背景、適當(dāng)動機、必要的時間和機會，個人技能和其他可能超出我們認(rèn)知能力的社會與情緒因素。

這就是教學(xué)發(fā)揮重要作用的地方。諸如技術(shù)和信息如何展現(xiàn)，面向哪個群體，具備什么層次的技能和多樣化的動力（內(nèi)在的和外在的）等關(guān)鍵因素都需要我們考慮。教育和技術(shù)研究群體知道早先的方案未能按照所計劃的那樣發(fā)揮作用，是因為這些關(guān)鍵因素未得到妥當(dāng)處理（清單過長，在此省略）。橫跨人工智能、學(xué)習(xí)和高等教育三個領(lǐng)域的研究者們需要考慮這些經(jīng)驗教訓(xùn)。

不可避免的是，在當(dāng)今這個人工智能與勞動市場聯(lián)系越來越緊密的世界，對于個人技能的要求絕不可能與Windows 95系統(tǒng)從辦公室走向千家萬戶時的要求相同。我們的思維模式也需要做出改變。人類正前所未有地接近和自動化系統(tǒng)協(xié)同工作的場景。新的教育挑戰(zhàn)越來越多，正不斷被列入高等教育事業(yè)單位積攢的清單里。在人工智能深入影響勞動市場之前，是否有足夠的時間、能力和機會對勞動力進(jìn)行再培訓(xùn)？

（三）教育界需要接受再教育，以在“新常態(tài)”下工作

在高等教育界，技術(shù)支持者們積極推動、保護(hù)和慶祝新技術(shù)的廣泛應(yīng)用，而技術(shù)抵制者們不愿推動技術(shù)變革，可能只是單純地對其持懷疑態(tài)度，也可能擔(dān)心其帶來的后果。

人工智能是否能成功催生新的學(xué)習(xí)模式和提升學(xué)習(xí)成效，現(xiàn)在判定還為時尚早。從本期文章可以看出，迄今為止所得證據(jù)不容樂觀。不過，人工智能可以在減少處理行政事務(wù)的時間和精力方面發(fā)揮重要作用，這一點越來越凸顯。在招聘、聊天機器人、音像識別、預(yù)測信息搜索、模式識別和自動篩選與推薦系統(tǒng)等領(lǐng)域都已可以看到這種例子。

對教育院校來說，忘掉舊知識和再學(xué)習(xí)至關(guān)重要，這也許聽起來比較奇怪。1Wheeler, S.Digital learning in organizations.London: Kogan Page.2019.這里的再學(xué)習(xí)是指避免極端的觀點和立場，超越激進(jìn)的或者還原論者二元論中的“愛與恨”，以駕馭這些新場景的復(fù)雜性。在新場景下，高等教育越來越多的信息交換將通過人工智能實現(xiàn)。

（四）理解學(xué)習(xí)數(shù)據(jù)化的后果至關(guān)重要

在高等教育中，大數(shù)據(jù)的廣泛應(yīng)用提高了效率，并在可能的情況下優(yōu)化了流程，降低了成本（代替工作人員）或量化產(chǎn)出內(nèi)容。但與其他領(lǐng)域一樣，這并不是高等教育內(nèi)部的必然創(chuàng)新，主要是外部的開發(fā)商和供應(yīng)商推動的結(jié)果。正如先前所述，需要教育院校研究開發(fā)人工智能才能更好地推動人工智能在教育領(lǐng)域的應(yīng)用。

高等教育事業(yè)單位將在未來幾十年成為大型數(shù)據(jù)倉儲機構(gòu)（如果他們現(xiàn)在還不是的話）。高等教育工作者和管理者需要練就使用新的數(shù)據(jù)密集型技術(shù)的能力，或者在必要之時外包給他人做。顯然，數(shù)字技術(shù)的迅猛發(fā)展遠(yuǎn)遠(yuǎn)超過人類培養(yǎng)出能夠適應(yīng)大數(shù)據(jù)時代的數(shù)字素養(yǎng)的速度。僅僅會使用或能夠與這些新系統(tǒng)進(jìn)行交互是不夠的。我們只有培養(yǎng)批判性思維，才能夠理解、評估并預(yù)測學(xué)習(xí)數(shù)據(jù)化產(chǎn)生的意外后果。目前，大多數(shù)組織仍缺乏該能力，高等教育群體也是一樣。

盡管在過去二十年里，我們一直在齊心協(xié)力培養(yǎng)、提升和不斷更新教職工、研究人員和管理者的數(shù)字技能，如今面臨的挑戰(zhàn)似乎更加復(fù)雜。過去幾年內(nèi)，人工智能演進(jìn)過程中一個有趣的變化在于交互界面的多樣性。即它們遠(yuǎn)不止鼠標(biāo)和鍵盤；這意味著用戶（特別是非專家用戶）可以簡單地通過語音或圖像識別與人工智能產(chǎn)生交互。這不僅使得人類與高級系統(tǒng)的互動更加透明，也為那些技能水平較低的人帶來了受益的可能性。

期望每個人都應(yīng)像計算機科學(xué)家一樣思考和行動并不現(xiàn)實。我們面臨的挑戰(zhàn)似乎是，在不損害高等教育的核心原則與價值觀的前提下，使得高等教育充分融入人工智能的世界：

·培養(yǎng)摒棄偏見，尊重差異的能力；

·保護(hù)隱私；

·制定透明的數(shù)據(jù)政策；

·結(jié)合對所采用系統(tǒng)的常規(guī)倫理數(shù)據(jù)影響評估；

·將個人數(shù)據(jù)視為基本權(quán)利（至少允許三項基本權(quán)利，包括使用權(quán)、處分權(quán)、孳息）。1Douilhet, Emile, and Argyro P.Karanasiou.Legal Responses to the Commodification of Personal Data in the Era of Big Data: The Paradigm Shift from Data Protection towards Data Ownership.Web Services: Concepts, Methodologies, Tools, and Applications.IGI Global, 2019, pp.2076-2085.

在當(dāng)下日益變化的環(huán)境中，高等院校要反應(yīng)迅速，能夠及時采納新的做法和互動方式，這一點十分重要。

（五）需要研究（意外的）后果與機遇

“信任，但要核實。”這句話在羅納德·里根（Ronald Reagan）與米哈伊爾·戈爾巴喬夫（Mikhail Gorbachev）于1987年12月簽署中導(dǎo)條約的時候成了名言。盡管人工智能在高等教育領(lǐng)域的應(yīng)用仍處于新興階段，我們不能忽視人工智能系統(tǒng)這個黑匣子可能引發(fā)的意外后果，正如在不同的政府機構(gòu)和衛(wèi)生部門發(fā)生過的那樣，及時采取行動變得越來越重要。

人們越是依賴人工智能系統(tǒng)去學(xué)習(xí)、提升技能或驗證已有的知識與技能，保持一種既開放又警惕的態(tài)度就越重要。正如前文所述，我們不僅需要多學(xué)科的專業(yè)知識去發(fā)展人工智能，還要做跨學(xué)科研究以便能更好地認(rèn)識人工智能是如何幫助減少現(xiàn)存的和未來的不平等。正如尼爾·波茲曼（Neil Postman）在三十多年前所書，有幾個關(guān)鍵問題在今天仍有現(xiàn)實意義：

·這項技術(shù)解決的問題是什么？

·技術(shù)解決方案可能對哪些人或機構(gòu)產(chǎn)生的傷害最大？

·解決這個問題后，新的問題可能會是什么？

·哪類人或機構(gòu)可能因技術(shù)變革而獲得特殊的經(jīng)濟和政治權(quán)利？

我們需要敏捷、機智、開放與創(chuàng)造力。正如迪曼蒂斯和科特勒所補充的“我們往往用線性思維去思考面臨的危險，試圖用昨天的工具解決明天的問題”1Diamandis, P.H., Kotler, S.The Future Is Faster Than You Think: How Converging Technologies Are Transforming Business, Industries, and Our Lives.Simon & Schuster.2020.。

五、結(jié)論

在教育領(lǐng)域，人工智能仍是一位沉睡的巨人。人工智能在教學(xué)上的“突破”性應(yīng)用不太可能出現(xiàn)在主流高等教育領(lǐng)域。它們更有可能出現(xiàn)在正規(guī)的高等教育系統(tǒng)之外，如領(lǐng)英（LinkedIn）、在線教學(xué)網(wǎng)站lynda.com、亞馬遜（Amazon）或課程時代（Coursera）等組織機構(gòu)，這些機構(gòu)能夠使用大數(shù)據(jù)集，使得人工智能的應(yīng)用可擴展化并具有盈利性。

然而，這將給公立中小學(xué)和高等教育院校構(gòu)成生存威脅。那么，在數(shù)字化時代，誰最能得到保護(hù)并保持獨立：是跨國公司還是公共教育系統(tǒng)？

關(guān)鍵問題在于發(fā)展技術(shù)的目的是否是通過自動化取代教職工，抑或是否應(yīng)該使用技術(shù)的同時賦能教師和學(xué)生。最重要的是，應(yīng)該由誰控制教育領(lǐng)域的人工智能：教育工作者、學(xué)生、計算機科學(xué)家還是大型公司？如果人工智能真的能夠極大地降低教學(xué)成本，要思考這樣一個存在性問題：我們?nèi)祟愐冻鍪裁礃拥拇鷥r？幸運的是，人工智能目前還不足以產(chǎn)生這樣的威脅，但并非總是如此。人工智能的“海嘯”即將來臨。

注釋

1 Garrison, D.R.Online community of inquiry review: Social, cognitive, and teaching presence issues.Journal of Asynchronous Learning Networks,11(1),2007, pp.61-72.