知識圖譜及教育賦能的“能”與“不能”

霍春雷

知識圖譜是近年來人工智能領(lǐng)域的熱門技術(shù)之一，通過知識圖譜可以將大量的數(shù)據(jù)和知識整合成結(jié)構(gòu)化的圖譜。隨著大模型、ChatGPT、生成式人工智能的爆發(fā)式發(fā)展，知識圖譜及教育賦能開展正在助力教育變革創(chuàng)新。據(jù)悉，清華大學(xué)在2024年將建設(shè)100門人工智能賦能教學(xué)試點課程，利用人工智能輔助或深度介入課程，打造人工智能助教、人工智能教師，持續(xù)創(chuàng)新教學(xué)場景，提升教與學(xué)的效率與質(zhì)量。為了貫徹、落實國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》、教育部出臺的《高等學(xué)校人工智能創(chuàng)新行動計劃》，很多高校、科研單位、公司都在緊鑼密鼓地建設(shè)知識圖譜及教育賦能系統(tǒng)。雖然人工智能對于高等教育教學(xué)、科研的顛覆性變化還沒有顯現(xiàn)，但“人工智能+”特色的高等教育生態(tài)正在重塑。

在此背景下，知識圖譜應(yīng)該扮演什么樣的角色？我們應(yīng)該怎樣利用知識圖譜下好“人工智能賦能教育”這盤棋？為了探討這個問題，我們要揭開知識圖譜的神秘面紗，理清知識圖譜的工作原理、分析知識圖譜的“能”與“不能”，然后才能用科學(xué)的態(tài)度和方法構(gòu)建知識圖譜及教育賦能系統(tǒng)。

知識圖譜能消除“孤島”，為教育賦能

知識圖譜是人工智能技術(shù)的一個專業(yè)術(shù)語，是由谷歌（Google）公司在2012年提出的一個新概念。知識圖譜由節(jié)點和邊組成，節(jié)點表示實體，邊表示實體與實體之間的關(guān)系。這樣一個簡單的概念，對計算機(jī)及人工智能會有什么影響呢？使用過“百度”等搜索引擎的人都知道，我們在搜索欄里輸入關(guān)鍵詞，哪怕輸入的關(guān)鍵詞是不同的語言、不同的形式或格式，搜索引擎也會快速、可靠地把相關(guān)答案返回。搜索引擎是如何完成這一任務(wù)的呢？它背后的關(guān)鍵技術(shù)就是知識圖譜。為了讓計算機(jī)像人一樣理解我們?nèi)祟惖闹R，知識圖譜會將輸入的關(guān)鍵詞轉(zhuǎn)換成計算機(jī)能夠理解的知識表示，然后“按圖索驥”地找到知識庫中相應(yīng)的節(jié)點，把相應(yīng)節(jié)點對應(yīng)的知識轉(zhuǎn)換成人類可以理解的形式返回給我們。由此看來，知識圖譜就像化學(xué)里的“元素周期表”，能夠?qū)?fù)雜、凌亂的人類知識整合成結(jié)構(gòu)化的、緊密關(guān)聯(lián)的計算機(jī)表示。換句話講，計算機(jī)依靠知識圖譜才能將零碎、孤立的知識形成“由此及彼、由表及里”的語義網(wǎng)絡(luò)；知識圖譜是實現(xiàn)知識表示、知識關(guān)聯(lián)、知識推理的基礎(chǔ)。

從上面的分析可以看出，知識圖譜的“能”在于其強(qiáng)大的知識關(guān)聯(lián)能力，能夠揭露海量知識之間的內(nèi)在關(guān)聯(lián)。這個“能”就是我們構(gòu)建知識圖譜及教育賦能系統(tǒng)的“棋理”。知識圖譜及教育賦能系統(tǒng)的構(gòu)建并沒有固定的思路和框架：只要符合“棋理”，教育變革創(chuàng)新賦能的途徑可以非常靈活；就如同下棋高手一旦精通了“棋理”，面對殘局他也能“起死回生”。下面僅從四個方面談一談知識圖譜及教育賦能的作用及途徑。

消除知識孤島，為教育變革創(chuàng)新賦能。教育要面向現(xiàn)代化、面向世界、面向未來。知識孤島是教育變革創(chuàng)新的巨大阻力。一方面，教師缺乏合適的工具和抓手，難以確保教育革新的方向、內(nèi)容符合未來教育和教育未來的需求；另一方面，主觀的教育變革創(chuàng)新可能會加重學(xué)生的負(fù)擔(dān)，甚至“適得其反”。我們?nèi)ツ吧牡胤铰眯袝r都需要一張地圖，知識圖譜及教育賦能系統(tǒng)就如同教育變革創(chuàng)新的“地圖”。如果沒有地圖或地圖殘缺不全，我們在教育變革創(chuàng)新的道路上可能會迷路，甚至掉進(jìn)陷阱。有了知識圖譜及教育賦能系統(tǒng)，教育變革就如同擁有了“高清電子地圖”甚至“自動導(dǎo)航系統(tǒng)”。

消除學(xué)科孤島，為學(xué)科融合與復(fù)合型人才培養(yǎng)賦能。目前，理科、工科、農(nóng)科、醫(yī)科與AI的交融如火如荼。但是，學(xué)科之間的孤島與鴻溝，嚴(yán)重制約了學(xué)科交叉融合及復(fù)合型創(chuàng)新人才培養(yǎng)。那么，在學(xué)科交叉融合與復(fù)合型創(chuàng)新人才培養(yǎng)過程中，知識圖譜與人工智能應(yīng)扮演什么角色呢？大家還記得在東京奧運(yùn)會上自行車公路賽的金牌得主安娜·基森霍夫 （Anna Kiesenhofer）嗎？她用程序自動分析身體機(jī)能數(shù)據(jù)并據(jù)此調(diào)整自己的訓(xùn)練計劃與競技策略。憑借由此建立的身體機(jī)能與競技成績的正確關(guān)聯(lián)，她這個業(yè)余選手打敗了由頂尖教練指導(dǎo)的、已經(jīng)拿過3次世界冠軍的荷蘭選手范·費(fèi)羅騰（Van Vleuten）。如果說人工智能是“催化劑”，能夠加快學(xué)科融合的話，知識圖譜就是控制催化劑的種類、數(shù)量、時機(jī)的“菜單”。

消除理論孤島，為“產(chǎn)學(xué)研”深度融合賦能?！皩W(xué)以致用、理論聯(lián)系實際、產(chǎn)學(xué)研結(jié)合”一直是教育改革的目標(biāo)和重點。但是，由于產(chǎn)界、學(xué)界、研界的壁壘以及精準(zhǔn)知識圖譜的缺失，產(chǎn)學(xué)研的深度融合一直困難重重。用傳統(tǒng)方法研究產(chǎn)學(xué)研就如同手工繪制地圖，不僅費(fèi)時費(fèi)力，精度也無法保證；相比之下，用知識圖譜、大數(shù)據(jù)、深度學(xué)習(xí)等人工智能技術(shù)構(gòu)建“產(chǎn)學(xué)研知識圖譜”，精準(zhǔn)而且精致，可以達(dá)到“一覽眾山小”和“身臨其境”的感覺。產(chǎn)學(xué)研知識圖譜能夠?qū)a(chǎn)界的痛點、研界的難點、學(xué)界的熱點結(jié)合起來，每個人都可以在起點與終點之間找到合適的關(guān)聯(lián)與路線；知識圖譜的知識推理功能甚至還會為我們找到可能的解決思路與方案。

消除創(chuàng)新孤島，為科技強(qiáng)國賦能。什么是創(chuàng)新？創(chuàng)新就是在起點與終點之間建立新的關(guān)聯(lián)，或者改進(jìn)已有的關(guān)聯(lián)?？萍紕?chuàng)新的難點就在于科學(xué)問題的起點與終點之間存在壁壘、缺少關(guān)聯(lián)。所謂的“靈感”，實質(zhì)上就是連接起點與終點的一個關(guān)聯(lián)。哲學(xué)可以為科技創(chuàng)新提供思維工具和宏觀指導(dǎo)；而知識圖譜可以幫助我們建立知識之間的復(fù)雜關(guān)聯(lián)、提供可視化的創(chuàng)新路線，人工智能的自動化工具甚至可以幫助我們實現(xiàn)創(chuàng)新方案。著名數(shù)學(xué)家、菲爾茲獎獲得者陶哲軒（Terence Chi-Shen Tao）在人工智能輔助證明幫助下僅用三周就完成了多項式Freiman-Ruzsa猜想的形式化證明。雖然這項任務(wù)由多項人工智能技術(shù)完成，但知識表示、知識關(guān)聯(lián)的巨大優(yōu)越性和無窮潛力得到了充分證明。試想，如果無法數(shù)字化地表示各步驟、各知識點，或無法自動獲取各步驟、各知識點的關(guān)聯(lián)，計算機(jī)如何能完成從條件到結(jié)論的復(fù)雜推理？陶哲軒為此呼吁研究人員一定要學(xué)會正確利用人工智能工具。這個創(chuàng)新案例深刻地告訴我們，知識圖譜及教育賦能可以幫助我們消除創(chuàng)新孤島，在“原始創(chuàng)新”“重大創(chuàng)新”方面更是大有作為。

警惕知識圖譜及教育賦能系統(tǒng)的“不能”

值得注意的是，傳統(tǒng)的知識圖譜只是對已有知識的表示、關(guān)聯(lián)及推理，并沒有創(chuàng)造新的知識。生成式人工智能等新技術(shù)的出現(xiàn)讓知識圖譜“如虎添翼”，為知識圖譜及教育賦能系統(tǒng)注入了新的活力，甚至產(chǎn)生了“新”的知識。但是，不容忽視的是，恰恰是這些新興起的技術(shù)，給知識圖譜及教育賦能帶來了很大的隱患。例如，與GPT-3醫(yī)用聊天機(jī)器人聊天時，機(jī)器人甚至?xí)o出“自殺”的建議，這樣的引導(dǎo)是非?？膳碌摹Ｓ秩?，利用先進(jìn)的人工智能技術(shù)對圖像目標(biāo)的關(guān)系進(jìn)行推理時，除ChatGPT、Gemini等少數(shù)大模型外，很多大模型給出的答案正確率只有25%左右，與胡亂猜想差不多。上述這些問題的根源在于知識關(guān)聯(lián)和推理出現(xiàn)了錯誤，這些錯誤對于知識圖譜及教育賦能系統(tǒng)是致命的。從這個意義上講，運(yùn)用得當(dāng)，知識圖譜賦的就是“能”；運(yùn)用不當(dāng)，知識圖譜賦的就是“毒”。

因此，我們在推進(jìn)知識圖譜及教育賦能建設(shè)時，要時刻警惕知識圖譜及教育賦能系統(tǒng)的“不能”。筆者認(rèn)為，我們在構(gòu)造知識圖譜及教育賦能系統(tǒng)時應(yīng)該注意以下問題：

用矛盾的觀點看待知識圖譜及教育賦能系統(tǒng)，時刻牢記初心。我們在利用人工智能技術(shù)構(gòu)建知識圖譜及教育賦能系統(tǒng)時要牢牢抓住主要矛盾和矛盾的主要方面。主要矛盾就是發(fā)揮知識圖譜及人工智能技術(shù)的“能”、避開知識圖譜及人工智能技術(shù)的“不能”，矛盾的主要方面就是一定要結(jié)合專業(yè)的特點和學(xué)生的實際情況。因此，一定要牢記知識圖譜及教育賦能的初心，知識圖譜及教育賦能建設(shè)要重“量”，更要重“質(zhì)”；不能為了建設(shè)而建設(shè)，不能生硬照搬別的學(xué)科、別的學(xué)校的模式。

用系統(tǒng)的觀點建設(shè)知識圖譜及教育賦能系統(tǒng)，提升綜合效能。知識圖譜是教育賦能系統(tǒng)的重要組成部分，但不是教育賦能系統(tǒng)的全部。知識圖譜必須與大數(shù)據(jù)、大模型、人機(jī)交互等多種人工智能技術(shù)結(jié)合才能發(fā)揮教育賦能系統(tǒng)的綜合效能，才能達(dá)到“1+1+1>3”的效果。因此，在構(gòu)建教育賦能系統(tǒng)時，要從實際需求出發(fā)，系統(tǒng)需要什么技術(shù)就選擇什么技術(shù)，而不能有什么技術(shù)就構(gòu)建什么系統(tǒng)。

用實踐的觀點檢驗知識圖譜及教育賦能系統(tǒng)，避免急功近利。一個好的知識圖譜及教育賦能系統(tǒng)應(yīng)該經(jīng)得起時間和實踐的檢驗。好的知識圖譜及教育賦能系統(tǒng)并不是指技術(shù)手段如何先進(jìn)、學(xué)生能提高多少分?jǐn)?shù)，而是通過實踐全面、系統(tǒng)、客觀地檢驗和評價：看系統(tǒng)是否提高了學(xué)生的學(xué)習(xí)能力、創(chuàng)新能力，是否踐行了未來教育及教育未來的使命。