人工智能與教育變革

[摘" "要] 生成式人工智能快速迭代引發(fā)關(guān)注，教育領(lǐng)域似乎是受其影響最為直接和深遠(yuǎn)的領(lǐng)域之一。對于人工智能的影響，當(dāng)前存在高估短期效果、低估長遠(yuǎn)效果的傾向。研究從唯物史觀視角，分階段概括梳理人工智能發(fā)展情況，客觀分析其發(fā)展水平和技術(shù)限度，判斷其與人類智慧仍有本質(zhì)差別，特別是在高階認(rèn)知和社會情感方面。研究基于理性質(zhì)疑的態(tài)度，發(fā)現(xiàn)教育與人工智能技術(shù)原理在結(jié)構(gòu)對比、邏輯對比、符號編碼、內(nèi)容分析、交互機(jī)理和培養(yǎng)模式六個(gè)主要方面存在同構(gòu)性邏輯，并對二者之間的內(nèi)在關(guān)聯(lián)和作用機(jī)制提供了清晰的認(rèn)知和判斷。研究建議從學(xué)生高階思維培養(yǎng)、新型師生關(guān)系構(gòu)建和教學(xué)模式創(chuàng)新三個(gè)直接且關(guān)鍵的問題切入，以人工智能撬動教育變革。

[關(guān)鍵詞] 生成式人工智能； 同構(gòu)性邏輯； 教育變革； 技術(shù)限度； 教育應(yīng)對

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

[作者簡介] 王學(xué)男（1984—），女，北京人。副研究員，博士，主要從事教育學(xué)原理、教育政策研究。E-mail：wangxun@cnaes.edu.cn。李永智為通信作者，E-mail：liyz@cnaes.edu.cn。

一、引" "言

自2022年11月30日ChatGPT正式發(fā)布以來，生成式人工智能在短短不到兩年的時(shí)間內(nèi)，實(shí)現(xiàn)了從開放式文字對話交互到文生圖、文生視頻，再到多模態(tài)交互的人機(jī)互動技術(shù)的飛速突破，其發(fā)展速度遠(yuǎn)超人類對其的思考與應(yīng)對速度。這種強(qiáng)烈的不確定性和未知性，促使人類愈發(fā)重視人工智能的迭代及其引發(fā)的社會變革。教育，這個(gè)歷來被視為慢變量且最為穩(wěn)定的領(lǐng)域，如今卻被廣泛認(rèn)為是最直接、最快速受到人工智能影響乃至沖擊的領(lǐng)域之一。因此，秉持理性開放、客觀嚴(yán)謹(jǐn)?shù)膽B(tài)度，結(jié)合唯物史觀視角，審視和分析人工智能與教育變革的真實(shí)發(fā)展水平，以及二者之間的內(nèi)在關(guān)聯(lián)和作用機(jī)制，將為人工智能賦能教育高質(zhì)量發(fā)展提供基礎(chǔ)性的觀點(diǎn)和視角。

二、理性看待當(dāng)前生成式人工智能發(fā)展的水平

以ChatGPT為代表的生成式人工智能憑借其強(qiáng)大的自然語言處理能力，通過開放式對話的方式完成信息檢索、問題解答、內(nèi)容創(chuàng)作、代碼生成等復(fù)雜任務(wù)，其能力越發(fā)接近人類智能，甚至是對人類智能的擴(kuò)展和部分替代。目前的“智能涌現(xiàn)”得益于數(shù)據(jù)的豐富、算力的提升、開源環(huán)境的活躍和多模態(tài)大模型的優(yōu)化等的共同推動。但究其本質(zhì)，它并不是一個(gè)新技術(shù)，仍然是人工智能發(fā)展過程中的階段性產(chǎn)物，尚未在技術(shù)層面上發(fā)生突破性的質(zhì)變。人工智能發(fā)展的歷史雖然不長，但如果要客觀評估當(dāng)前人工智能發(fā)展的真實(shí)水平和未來趨勢，需要將當(dāng)前技術(shù)爆發(fā)的奇點(diǎn)置于人工智能發(fā)展歷史和科技革命的脈絡(luò)中去思考，才能勘破人工智能對教育的影響與挑戰(zhàn)。

（一）人工智能發(fā)展的三個(gè)階段

1950年，著名的圖靈測試標(biāo)志著人工智能的伊始。1956年，達(dá)特茅斯會議正式提出了“人工智能”這個(gè)概念，標(biāo)志著人工智能學(xué)科的誕生。歷經(jīng)近70年的發(fā)展歷程，人工智能學(xué)科內(nèi)部的研究領(lǐng)域經(jīng)歷了多次分化與融合。在歷經(jīng)了因應(yīng)用不充分、算力受限以及資助匱乏所導(dǎo)致的兩次著名的“人工智能寒冬”之后，如今，該學(xué)科再次迎來了突飛猛進(jìn)的發(fā)展階段。

按照智能程度來劃分，可將人工智能分為計(jì)算智能、感知智能和認(rèn)知智能三大階段[1-2]。第一個(gè)階段是計(jì)算智能（Computational Intelligence）階段（1950年—2000年），即機(jī)器對信息進(jìn)行存儲和計(jì)算。第二個(gè)階段是感知智能（Perceptual Intelligence）階段（2000年—2021年），即機(jī)器通過傳感器捕獲到物理世界的信號，理解一些直觀的物理世界，高效地完成“看”和“聽”的相關(guān)工作。第三階段是認(rèn)知智能（Cognitive Intelligence）階段（2022年至今），即機(jī)器具備了像人類一樣的思考和學(xué)習(xí)能力，并且能夠自主做出決策并采取行動。這一階段主要是以ChatGPT的發(fā)布為標(biāo)志。但科學(xué)界普遍認(rèn)為，人工智能尚未到達(dá)到這一階段，目前仍處于探索初期。

（二）人工智能發(fā)展的三個(gè)趨勢

在人工智能發(fā)展的歷程中，主要存在兩條路徑：一條是通過符號推理，以模型學(xué)習(xí)驅(qū)動的數(shù)據(jù)智能，稱為“符號主義”（Symbolicism），主張人工智能應(yīng)該模仿人類的邏輯方式獲取知識。另一條是通過神經(jīng)網(wǎng)絡(luò)，以認(rèn)知仿生驅(qū)動的類腦智能，稱為“連接主義”（Connectionism），奉行基于大數(shù)據(jù)和訓(xùn)練學(xué)習(xí)知識，主張模仿人類的神經(jīng)元，用神經(jīng)網(wǎng)絡(luò)的連接機(jī)制實(shí)現(xiàn)人工智能。在人工智能發(fā)展的歷程中，符號主義與連接主義兩大流派經(jīng)歷了興衰交替的過程，每次的興盛都是不同的技術(shù)路線和發(fā)展模式發(fā)揮了重要的推動作用，不僅塑造了人工智能的理論基礎(chǔ)和技術(shù)實(shí)現(xiàn)方式，也反映著科學(xué)家們在理解和模擬人類智能方面的不懈努力。隨著人們對人工智能認(rèn)知的成熟度越來越高，“連接主義”的發(fā)展路徑進(jìn)步速度將會越來越平緩，而“符號主義”將會再次興盛。即便是連接主義的代表人物楊立昆、李飛飛、Geoffrey Hinton等人也都表達(dá)過當(dāng)前的技術(shù)路線無法制造有感知能力的AI的觀點(diǎn)[3]?；诖耍疚某醪脚袛嗳斯ぶ悄芪磥戆l(fā)展有以下三大趨勢：

一是從認(rèn)知大模型向多模態(tài)大模型演進(jìn)。傳統(tǒng)的AI模型專注于處理來自單一模態(tài)的信息，主要側(cè)重于理解和生成自然語言。而多模態(tài)大模型可以處理文本、圖像、音頻、視頻和代碼等多種數(shù)據(jù)類型，以促進(jìn)內(nèi)容合成任務(wù)的完成并整合多種信息源。人類智能和學(xué)習(xí)進(jìn)化是天然多模態(tài)的，人擁有眼、耳、口、鼻、舌、肢體，人工智能的學(xué)習(xí)也可以更加還原人類學(xué)習(xí)多感官觸發(fā)的真實(shí)情境[4]。

二是從通用大模型向“大小聯(lián)動”深化應(yīng)用。AI模型的算力增長、算法效率優(yōu)化呈現(xiàn)新“摩爾定律”，模型性能隨著模型規(guī)模、數(shù)據(jù)規(guī)模和算力規(guī)模等因素的增大而提升，呈現(xiàn)出冪律分布的特征，已成為大模型走向行業(yè)深度應(yīng)用、創(chuàng)造價(jià)值的實(shí)際阻礙。小模型可以通過知識蒸餾從大模型中學(xué)習(xí)。同時(shí)，小模型又可以反哺大模型，提升大模型的訓(xùn)練精度。因此，大小模型協(xié)同聯(lián)動，才是降低訓(xùn)練成本和應(yīng)用成本，提升靈活性、適用性和效率的有效方法。

三是從語言智能到具身智能（Embodied AI）實(shí)體轉(zhuǎn)向。在現(xiàn)有的大模型應(yīng)用中，多是在原有流程中嵌入AI工具，使其效率提高，并沒有在底層邏輯和原生層面上產(chǎn)生具有創(chuàng)新價(jià)值的應(yīng)用。脫虛向?qū)嵉霓D(zhuǎn)向，為開發(fā)和應(yīng)用擁有自主性和自適應(yīng)性的人工智能體（AI Agent）提供了機(jī)會。要想創(chuàng)建一個(gè)能夠在真實(shí)世界中工作的人工智能體，僅在文字環(huán)境中訓(xùn)練是不夠的，必須具備對真實(shí)世界物理屬性的感知能力[4]。以GPT-4o為代表的生成式人工智能技術(shù)，不僅可以實(shí)現(xiàn)數(shù)字空間和物理空間的人機(jī)交互，而且還能提供情緒價(jià)值，這也表明情感計(jì)算是人工智能未來研究的重點(diǎn)方向之一。

（三）人工智能發(fā)展的現(xiàn)實(shí)水平：通用人工智能與人類智慧仍有質(zhì)的差別

當(dāng)前，人們對人工智能可以提供情緒價(jià)值、認(rèn)知機(jī)制、協(xié)同價(jià)值的交互水平的驚嘆，主要源于人們對它初始的預(yù)期較低，仍停留在固定、機(jī)械的機(jī)器人對話或Alpha Go人機(jī)圍棋大戰(zhàn)階段。事實(shí)上，現(xiàn)階段人工智能的真實(shí)發(fā)展水平距離通用人工智能還很遠(yuǎn)，仍與人類有很大差距，有質(zhì)的差別，特別是在高階認(rèn)知和社會情感方面。

朱松純院長在2024年全國兩會“委員通道”接受采訪時(shí)指出，“通用人工智能的‘通用’，在學(xué)術(shù)上有特定的含義。一般來說，在日常的物理和社會場景中，人工智能要滿足三個(gè)基本條件：第一，它必須能夠完成無限的任務(wù)，而不是像過去那樣只能完成人定義的有限幾個(gè)任務(wù)；第二，要在場景中主動地、自主地發(fā)現(xiàn)任務(wù)，做到‘眼里有活’；第三，它要有自主的價(jià)值來驅(qū)動，而不是被動地被數(shù)據(jù)所驅(qū)動”[5]。當(dāng)前，盡管ChatGPT、Claude-3、文心一言、訊飛星火等生成式人工智能應(yīng)用在國內(nèi)外被公認(rèn)為較為成功，但它們?nèi)晕赐耆_(dá)到通用人工智能的標(biāo)準(zhǔn)，也不具備與人類等值的能力。它在數(shù)據(jù)處理、記憶、基于組合的創(chuàng)造力、速度和精確度等基礎(chǔ)認(rèn)知方面遠(yuǎn)超人類，但缺乏人類的情感理性、價(jià)值體系、認(rèn)知和推理能力以及從0到1的創(chuàng)新創(chuàng)造力。大模型在模擬真實(shí)世界方面，不管是通過外部信息編碼，還是依靠內(nèi)在的第一性原理（即尺度定律，Scaling Laws），都有顯著的不足，表現(xiàn)在強(qiáng)烈依賴數(shù)據(jù)、模型不可解釋、缺乏常識理解等方面[6]，如果能在未來幾年內(nèi)解決這些問題，那么大模型的智能水平有望進(jìn)一步提升，從而更好地融入社會應(yīng)用。

三、生成式人工智能在教育變革中的技術(shù)限度

目前，生成式人工智能雖然仍屬于弱人工智能，但是它的迭代速度和表現(xiàn)水平已經(jīng)遠(yuǎn)遠(yuǎn)超出我們原來的預(yù)期。從教育的視角出發(fā)，分析生成式人工智能的技術(shù)限度，將打破以往技術(shù)發(fā)展與教育變革研究的宏大敘事或微觀論證的局限性，以復(fù)雜性思維來科學(xué)分析、理性質(zhì)疑人工智能影響教育的當(dāng)下與未來。發(fā)展人工智能、訓(xùn)練大模型與教育孩子具有同構(gòu)性。本文將著重以教育的要素和環(huán)節(jié)為邏輯脈絡(luò)，從結(jié)構(gòu)對比、邏輯對比、符號編碼、內(nèi)容分析、交互機(jī)理、培養(yǎng)模式六個(gè)方面展開論述。

（一）結(jié)構(gòu)對比：大模型與大腦

所謂人工智能，實(shí)質(zhì)上是對人腦組織結(jié)構(gòu)與思維運(yùn)行機(jī)制的模仿，是人類智能的物化。讓人類的心智在計(jì)算系統(tǒng)中重現(xiàn)，對大腦的模擬是其中的關(guān)鍵[7]。GPT-3的大語言模型已經(jīng)具有1750億個(gè)參數(shù)，GPT-4則達(dá)到1.8萬億個(gè)參數(shù)，一次的訓(xùn)練成本為6300萬美元[8]。在語言智能的發(fā)展過程中，模型功能越來越強(qiáng)，泛化能力越來越好，任務(wù)解決能力也就越強(qiáng)。大模型試圖通過不斷增加參數(shù)的數(shù)量，來實(shí)現(xiàn)最大可能地模擬人類大腦的神經(jīng)元，以此實(shí)現(xiàn)接近人類智慧的復(fù)現(xiàn)。但人類大腦中有數(shù)以億計(jì)的神經(jīng)元，神經(jīng)元之間還有連接的突觸，人腦大概有800～1000億個(gè)神經(jīng)元，它們之間的連接突觸數(shù)目在100萬億[9]。神經(jīng)元通過電信號相互通信，組成了復(fù)雜的網(wǎng)絡(luò)，直至今天，人類也未完全了解其運(yùn)行原理。馮·諾意曼早在《計(jì)算機(jī)與人腦》中就提出，“同樣容積的神經(jīng)元比人造元件能完成更多的運(yùn)算，能同時(shí)處理更多的信息，記憶容量也大得多，每個(gè)神經(jīng)元的準(zhǔn)確度較低，但其綜合后的可靠性比較高”[10]。也就是說，如果人腦是有機(jī)聯(lián)結(jié)的，那么人工智能就是機(jī)械聯(lián)結(jié)的，其內(nèi)在的豐富性和復(fù)雜度不可同日而語。按照計(jì)算機(jī)學(xué)科的發(fā)展趨勢，再過幾年，大模型的參數(shù)就有可能達(dá)到人腦百萬億級的規(guī)模。根據(jù)冪律定律可知，合理地分配模型參數(shù)和訓(xùn)練數(shù)據(jù)大小，可以在有限的預(yù)算內(nèi)或者預(yù)期的計(jì)算速度內(nèi)，盡可能獲得效果優(yōu)良的模型。但模型參數(shù)與模型智能程度不是簡單的線性關(guān)系，大模型和人腦的感知、認(rèn)知、推理、創(chuàng)新的機(jī)理并不一樣。因此，一味地追求模型參數(shù)并不能實(shí)現(xiàn)完全模擬人類智慧的性能，也未必是大模型未來的發(fā)展趨勢。

（二）邏輯對比：概率推理與概念推理

概率推理和決策理論為人工智能系統(tǒng)提供了重要的思維方式和決策依據(jù)。通過建立貝葉斯網(wǎng)絡(luò)和使用強(qiáng)化學(xué)習(xí)等技術(shù)，人工智能系統(tǒng)能夠利用過去的經(jīng)驗(yàn)和觀察結(jié)果進(jìn)行決策，提高決策的準(zhǔn)確性和效率。因此，目前基于概率推理的人工智能存在先天的技術(shù)局限。

一方面，人工智能基于概率推理，人類智慧基于概念推理，二者之間有質(zhì)的區(qū)別。概率推理是基于已有的信息和數(shù)據(jù)進(jìn)行計(jì)算，由此獲得最大的可能性。概念推理，屬于形式邏輯，是基于概念——這一人類思維活動的抽象符號化產(chǎn)物，通過語言表示對某些實(shí)體或現(xiàn)象的理解、歸納或分類，反映人們對于事物的認(rèn)知和理解的高階思維形式。在計(jì)算機(jī)語言沒有突破馮·諾意曼結(jié)構(gòu)和二進(jìn)制邏輯時(shí)，它把所有的運(yùn)算存儲最后都變成一種加減的關(guān)系，仍然是在低階維度上的無限展開。生成式人工智能尚未突破概率推理的計(jì)算模式，只不過是在大數(shù)據(jù)、大算力、大模型的支撐下，加之人類反饋強(qiáng)化學(xué)習(xí)（Reinforcement Learning from Human Feedback，RLHF）使得機(jī)器根據(jù)不確定的信息做出決定時(shí)，進(jìn)行的推理實(shí)現(xiàn)了最大概率的可能性和最接近人類思考的結(jié)果。大模型無法運(yùn)用一套算法解決各種問題，人工智能只能應(yīng)對確定性指令。但人腦可以面對不同問題場景，可以同時(shí)執(zhí)行不同任務(wù)，任意切換，從而應(yīng)對不確定性。由此可見，人工智能目前停留在邏輯推理、概率推理、因果推理的低階思維階段，尚無法展現(xiàn)高維的人類智慧。

另一方面，生成式人工智能很難突破線性的、片段的因果邏輯鏈，也無法根據(jù)多樣性的社會文化與倫理，實(shí)時(shí)生成真實(shí)、具體的實(shí)踐內(nèi)容。但這并不代表它生成的內(nèi)容不具有創(chuàng)造力，恰恰是由于缺乏邏輯體系、倫理規(guī)范的約束和實(shí)踐檢驗(yàn)而“太富創(chuàng)造力”，經(jīng)常導(dǎo)致“知識幻想”的情況發(fā)生。從工程實(shí)踐的角度來看，生成式人工智能完全可能會產(chǎn)生我們意想不到的智慧。但從知識生成的實(shí)效性來看，生成式人工智能的知識創(chuàng)造是通過對過去的大數(shù)據(jù)進(jìn)行訓(xùn)練實(shí)現(xiàn)概率推理，仿佛是“用后視鏡在開車”。麥克盧漢曾將“后視鏡效應(yīng)”生動地解釋為“借助固有的經(jīng)驗(yàn)解決問題的方法，透過后視鏡看現(xiàn)在，我們倒退著步入未來”[11]。這與人類真實(shí)的教育場景還有著本質(zhì)差別。孩子的教育、人類的學(xué)習(xí)，都是在真實(shí)的師生互動或?qū)嵺`勞動的情境中，邊行動、邊建構(gòu)中培養(yǎng)素養(yǎng)，是對人類智慧結(jié)晶的科學(xué)知識體系和當(dāng)下現(xiàn)實(shí)生活中不斷產(chǎn)生的新經(jīng)驗(yàn)的結(jié)合。

（三）符號編碼：語言編碼與隱性知識

語言是人類特有的一種符號系統(tǒng)，是以語音為物質(zhì)外殼，以語義為意義內(nèi)容的詞匯材料和語法組織規(guī)律的體系[12]。語言本身就是一種編碼。因此，教育的內(nèi)容能否被編碼和解碼，成為“可說”與“不可說”的關(guān)鍵區(qū)分。1958年，邁克爾·波蘭尼在《人的研究》一書中最早提出，人類的知識分為顯性知識和隱性知識（也稱緘默知識）兩種，通常被描述為知識的，即以書面文字、圖表或數(shù)字公式加以表述的，只是一種類型的知識；還有一種知識是不能系統(tǒng)表述的，像我們在做某事的行動中所擁有的知識[13]。他指出，與顯性知識相比，隱性知識的重要特征在于：第一，就是能通過語言、文字或符號進(jìn)行邏輯的說明；第二，就是不能通過學(xué)校教育、大眾傳媒等進(jìn)行傳遞；第三，不能加以“批判性反思”[13]。

由此可見，以自然語言理解與處理、機(jī)器學(xué)習(xí)為核心的人工智能的發(fā)展，其核心在于可編碼、可建構(gòu)邏輯的語料及其數(shù)據(jù)信息。大語言模型的智能正是基于語言文字可以被記錄、編碼、傳播的顯性知識，但作為另一種類型存在的隱性知識卻被忽略了。因?yàn)楦鞣N類型的編碼在內(nèi)涵表達(dá)和意義建構(gòu)上都具有一定的局限性，文本表達(dá)的有限性限制著多模態(tài)大模型的智能程度的發(fā)展，由于多次編碼及其轉(zhuǎn)化會使信息多重過濾和衰減。正如維特根斯坦所言，“語言給思想穿上了衣服，從這件衣服的外表形式人們不能推斷出它所遮蓋的思想的形式”[14]。語言是人類思維和交流的工具，但語言的表達(dá)能力是有限的，無法完全捕捉和描述現(xiàn)實(shí)世界的復(fù)雜性。語言既是思維的腳手架，也是思維的桎梏。而在人類的學(xué)習(xí)和進(jìn)化發(fā)展中，往往是隱性知識所占比例更大，意義更為重要，也更具挑戰(zhàn)性，如分辨光譜上的顏色、用手感覺材料的顆粒度等非語言類的知識與技能。

人工智能面對原理類知識、程序類方法、價(jià)值類知識的力不從心；面對生成性教學(xué)、情感性教學(xué)、實(shí)踐性教學(xué)的無能為力[15]。這類知識和教學(xué)不易“言傳”，更適合“身教”，只有在做中學(xué)，在豐富、復(fù)雜、精密的多感官互動中學(xué)，才能在身、心、腦、體之間建立真正的聯(lián)結(jié)。另外，即使把經(jīng)驗(yàn)用語言文字表達(dá)出來，但對于接受者來說，它也失去了大部分情境信息和背景信息。當(dāng)接受者以自己的角度來理解時(shí)，它已經(jīng)喪失了所有的精微之處（相對于表達(dá)者而言）。因此，以大語言模型為底層核心技術(shù)的人工智能，其實(shí)只是注入了人類可以用語言文字或者其他符號編碼、計(jì)算的顯性知識，其基于自監(jiān)督的語言模型無法獲得關(guān)于真實(shí)世界的知識，其本質(zhì)是“壓縮”。

（四）內(nèi)容分析：海量數(shù)據(jù)與高質(zhì)量數(shù)據(jù)

盡管科學(xué)研究領(lǐng)域和市場行業(yè)人員對于人工智能領(lǐng)域的諸多問題尚未達(dá)成明確的共識，但對數(shù)據(jù)質(zhì)量是下一階段大模型能力涌現(xiàn)的關(guān)鍵似有共識。在大模型的生產(chǎn)關(guān)系中，數(shù)據(jù)是生產(chǎn)資料，算力是生產(chǎn)力，算法是生產(chǎn)工具。

以ChatGPT為代表的生成式人工智能是勞動密集型、技術(shù)密集型和資本密集型技術(shù)與產(chǎn)業(yè)的結(jié)合。原因就在于絕大部分的算力都用在預(yù)訓(xùn)練上，主要用于數(shù)據(jù)收集與清洗；除此之外，細(xì)顆粒度、高質(zhì)量的數(shù)據(jù)標(biāo)注也是人力集中的重要工作，而大量的基礎(chǔ)工作都是為了高質(zhì)量數(shù)據(jù)的獲取。

關(guān)于數(shù)據(jù)量（Training Tokens）和模型參數(shù)量（Parameters）對于模型的影響，OpenAI于2020年曾通過擴(kuò)大模型參數(shù)的方式，提升了大模型的智能水平[16]。但最終被DeepMind得出的結(jié)論改變，即在有限算力資源的情況下，更多、更好的訓(xùn)練數(shù)據(jù)比一味提升模型參數(shù)規(guī)模更重要[17]。

在我們的傳統(tǒng)認(rèn)知里，普遍認(rèn)為我國在人工智能發(fā)展的新浪潮中具有海量數(shù)據(jù)的比較優(yōu)勢。但現(xiàn)實(shí)并非如此，特別是在教育領(lǐng)域里，高質(zhì)量的可用數(shù)據(jù)問題更為突出。雖然我們有著全世界最大規(guī)模的教師和學(xué)生數(shù)量，并且他們還會在日常的教育教學(xué)管理中源源不斷地產(chǎn)生新的數(shù)據(jù)，但實(shí)際上目前可用的高質(zhì)量數(shù)據(jù)主要來自書籍、新聞、科學(xué)論文等靜態(tài)沉淀的專業(yè)文本。這些數(shù)據(jù)對于大模型的優(yōu)化和深化應(yīng)用，如從大模型走向行業(yè)垂類模型，是遠(yuǎn)遠(yuǎn)不夠的。因?yàn)榛ヂ?lián)網(wǎng)可獲取的免費(fèi)公開數(shù)據(jù)缺乏深度和精度，無法滿足專業(yè)性強(qiáng)、精準(zhǔn)度高的教育垂類模型。雖然我國已經(jīng)擁有了海量的教育大數(shù)據(jù)，包括多模態(tài)的教學(xué)數(shù)據(jù)，但其中高質(zhì)量、結(jié)構(gòu)化、可計(jì)算的有效數(shù)據(jù)并不多。主要問題在于，數(shù)據(jù)標(biāo)準(zhǔn)不全面和不統(tǒng)一、數(shù)據(jù)采集覆蓋面窄、模型構(gòu)建專業(yè)性不足、應(yīng)用服務(wù)單一機(jī)械（主要聚焦于適應(yīng)性教學(xué)、題庫類）、開放共享尚未形成和隱私保護(hù)有待完善等。特別是教學(xué)環(huán)境、教學(xué)過程中的標(biāo)準(zhǔn)和數(shù)據(jù)，這些標(biāo)準(zhǔn)的缺失都極大地限制著教育大數(shù)據(jù)的發(fā)展和積累。因此，挖掘已有數(shù)據(jù)背后的價(jià)值，加強(qiáng)未來數(shù)據(jù)管理，明確行業(yè)標(biāo)準(zhǔn)，建立數(shù)據(jù)使用規(guī)則，確保大模型訓(xùn)練有充足、準(zhǔn)確的專業(yè)數(shù)據(jù)，才是生成式人工智能賦能教育的基本前提。

（五）交互機(jī)理：強(qiáng)化反饋與教學(xué)互動

在信息處理上，基于人類反饋是大模型“智慧”提升的關(guān)鍵所在。人類反饋強(qiáng)化學(xué)習(xí)是生成式人工智能領(lǐng)域的新訓(xùn)練范式，它通過人類反饋來指導(dǎo)智能系統(tǒng)的行為。過去幾年，各種大語言模型（Large Language Model，LLM）根據(jù)人類輸入提示（Prompt）生成多樣化文本，主要是依賴上下文的邏輯和概率推理，因此，存在一定的偏誤性。但通過RLHF，在一般文本數(shù)據(jù)語料庫上訓(xùn)練的語言模型能和復(fù)雜的人類價(jià)值觀對齊，讓生成式人工智能更具“人性化”。正是人類智慧的反饋與調(diào)優(yōu)，使得人工智能更接近人類智慧。

課堂教學(xué)也是一個(gè)有目的、有方向的、完整有序的復(fù)雜信息傳遞系統(tǒng)，教學(xué)反饋?zhàn)鳛樨灤┙虒W(xué)過程的必要環(huán)節(jié)，教師可通過時(shí)時(shí)反饋以調(diào)整優(yōu)化教學(xué)策略，從而適應(yīng)學(xué)生的學(xué)習(xí)行為。對于教學(xué)反饋而言，準(zhǔn)確性、針對性、指導(dǎo)性、激勵性、適時(shí)性、多樣性、交互性是其核心特征[18]。由此可見，教學(xué)反饋與RLHF具有同樣的執(zhí)行機(jī)理。

（六）培養(yǎng)模式：多模態(tài)輸入與全面發(fā)展

在信息輸入上，多模態(tài)的信息類型是輸入有效性和豐富性的前提條件。通過結(jié)合不同類型的數(shù)據(jù)，大模型可以更好地理解和預(yù)測復(fù)雜的現(xiàn)實(shí)世界問題。目前，大多數(shù)模型都是通過訓(xùn)練單獨(dú)的模塊，將不同模態(tài)轉(zhuǎn)化為語言文本，然后將它們拼接在一起以達(dá)到近似多模態(tài)，不足之處在于沒辦法在多模態(tài)空間進(jìn)行深層復(fù)雜推理。而原生多模態(tài)則在技術(shù)上更進(jìn)一步，具有處理不同形式數(shù)據(jù)（語言+聽力+視覺）的能力，一開始就在不同模態(tài)上進(jìn)行預(yù)訓(xùn)練，利用額外的多模態(tài)數(shù)據(jù)進(jìn)行微調(diào)以提升有效性。

正如教育領(lǐng)域中的具身學(xué)習(xí)理論，基于視覺、聽覺、感覺、觸覺等多感官的信息輸入和學(xué)習(xí)者、技術(shù)、環(huán)境三者之間多模態(tài)交互的學(xué)習(xí)環(huán)境，實(shí)現(xiàn)大腦多區(qū)域的激活，通過深度學(xué)習(xí)的發(fā)生以達(dá)到最佳的學(xué)習(xí)效果[19]。對于大模型的訓(xùn)練亦如培養(yǎng)模式的價(jià)值取向，即選擇素質(zhì)教育還是應(yīng)試教育的問題。如果選擇單一維度、單一模態(tài)的“刷題”強(qiáng)化訓(xùn)練，大模型在某些方面的智能會在短期內(nèi)快速提升，但很快到達(dá)瓶頸。如果選擇全面發(fā)展、多模態(tài)的素質(zhì)教育，那么大模型的迭代速度較之前者會慢一些，但是智能程度的上限則會更高。因?yàn)橥ㄗR是專識的基礎(chǔ)，恰恰先發(fā)展通用認(rèn)知能力，才有可能發(fā)展專業(yè)認(rèn)知能力，大模型也是如此。教育領(lǐng)域更要謹(jǐn)防高分低能的“書呆子”大模型進(jìn)入應(yīng)用市場。

四、以人工智能撬動教育變革

人工智能不僅是科學(xué)問題，也是教育問題，更是社會問題。如果人類文明想要傳承發(fā)展，那么主動面對人工智能是我們必須走出的一步。但總體而言，人們對于人工智能的影響，存在高估短期效果、低估長遠(yuǎn)效果的傾向。因此，必須從當(dāng)前采取措施，客觀理性地看待人工智能的發(fā)展并作出研判。當(dāng)下，第三波人工智能的興起不是來自學(xué)術(shù)界，而是來自企業(yè)界的催促和市場化的倒逼。從本質(zhì)來看，這并不是人工智能領(lǐng)域發(fā)生了新的技術(shù)突破，而是隨著教育數(shù)字化的普及和轉(zhuǎn)型，時(shí)代發(fā)展的必然趨勢和旺盛需求所催生的結(jié)果。

（一）人工智能對教育的影響

從長遠(yuǎn)來看，人工智能對教育發(fā)展的影響，應(yīng)優(yōu)先重點(diǎn)考慮以下三個(gè)方面：

一是價(jià)值理性。今天的教育者或許無法精準(zhǔn)預(yù)測未來復(fù)雜交織的影響因素，特別是人工智能這個(gè)正在巨變的因素，促使群體智慧、人工智能、社交網(wǎng)絡(luò)對人們決策的影響更為深度地融入了我們的生活。人工智能的能力主要來自人工智能學(xué)習(xí)的人類大規(guī)模數(shù)據(jù)，數(shù)據(jù)中有能幫助我們解決問題的關(guān)鍵線索和事實(shí)，也有人類社會中的偏見、歧視、敵對和仇恨。人工智能在沒有倫理安全、道德框架約束時(shí)，學(xué)習(xí)人類數(shù)據(jù)的同時(shí)也學(xué)習(xí)了人性的弱點(diǎn)，人工智能向人類提供服務(wù)時(shí)，也潛移默化地隱含了偏見等[20]。因此，有意識地培養(yǎng)受教育者形成適應(yīng)未來社會的價(jià)值觀和是非判斷能力，使其無論面臨多么復(fù)雜難測的境遇，都能用堅(jiān)定的價(jià)值理性作出獨(dú)立判斷，并妥善地加以應(yīng)對[21]。

二是倫理道德。要重視建構(gòu)機(jī)器智能高度發(fā)展后的社會倫理道德體系。目前，人工智能大模型在未來扮演的角色主要是三種：工具、伙伴或者敵人，不同的社會文化對它的定位也不盡相同。日本的“人工智能原則”強(qiáng)調(diào)，未來人工智能可能扮演社會的準(zhǔn)成員，甚至是人類伙伴的角色；并規(guī)定，如果未來AI發(fā)展到準(zhǔn)成員或人類伙伴階段，它們需要遵守人類社會的倫理道德規(guī)范以及為人工智能制定的倫理道德規(guī)范[22]。而在西方科幻電影和小說中，人工智能扮演了很多反派角色，是人類的敵人。人工智能大模型在未來究竟扮演何種角色，如何與人類和自然和諧共處，更好地輔助人類，都應(yīng)率先思考。碳基生命的奧秘解密和在此原理基礎(chǔ)上建立的人造智能體（硅基生命）是否會演化成為具有自主價(jià)值和生命成長性的機(jī)器體，也應(yīng)該成為未來人工智能關(guān)注的方向。我們應(yīng)該持有開放的態(tài)度，堅(jiān)守人工智能為人類社會發(fā)展服務(wù)的初心，將其建立在人類倫理道德規(guī)約之下。同時(shí)，人類倫理道德體系也須隨著文明形態(tài)的變化而實(shí)現(xiàn)相應(yīng)的進(jìn)步。教育的首要責(zé)任就是通過培養(yǎng)未來社會的合格公民，為建設(shè)面向智能社會的倫理道德體系發(fā)揮重要作用。

三是人才培養(yǎng)。在未來的智能社會中，人工智能體與人類、自然、社會是否能夠和諧共生，不是取決于人工智能，而是取決于人類對待人工智能的認(rèn)知與態(tài)度是否能夠加速演化。因此，教育要轉(zhuǎn)向?qū)κ芙逃邉?chuàng)新思維等高階能力的培養(yǎng)。未來社會需要大量具備人機(jī)協(xié)同能力的高水平人才，創(chuàng)新思維、計(jì)算思維和情感能力等高階能力將成為人類的關(guān)鍵競爭力。為了應(yīng)對人工智能時(shí)代新的挑戰(zhàn)，各國應(yīng)重新審視學(xué)校教育體系的價(jià)值，反思應(yīng)“培養(yǎng)什么人”以及“如何培養(yǎng)”的問題。人們認(rèn)識到，與以往任何歷史時(shí)期相比，當(dāng)下都更需要凸顯人的價(jià)值和凝聚人的力量，以抵御不安和恐懼，區(qū)分人與機(jī)器、人與人工智能的差別[23]。面對充滿不確定性的后真相世界，教育不應(yīng)只關(guān)注教會學(xué)生什么，而應(yīng)幫助他們擺脫“工具人”，塑造“完整人”，激發(fā)他們的主體性和內(nèi)驅(qū)力，培養(yǎng)他們獨(dú)立思考和可持續(xù)發(fā)展的自主學(xué)習(xí)力?！拔逵辈⑴e，全面發(fā)展，都與人的情感緊密相關(guān)[24]。因此，培育機(jī)器智能無法具備的社會情感等是未來教育的關(guān)鍵內(nèi)容和目標(biāo)。

從中短期來看，人工智能給教育帶來了六個(gè)方面的影響。一是影響培養(yǎng)目標(biāo)。為應(yīng)對人工智能帶來的長遠(yuǎn)挑戰(zhàn)，教育要根據(jù)未來社會需要調(diào)整人才培養(yǎng)目標(biāo)，以發(fā)展學(xué)生的核心素養(yǎng)為導(dǎo)向，培育學(xué)生終身發(fā)展和適應(yīng)社會發(fā)展所需的正確價(jià)值觀、必備品格和關(guān)鍵能力。二是影響學(xué)習(xí)方式。人工智能可以助力實(shí)現(xiàn)個(gè)性化的學(xué)習(xí)路徑，提供智能化助學(xué)輔導(dǎo)，還可以通過虛擬現(xiàn)實(shí)技術(shù)和增強(qiáng)現(xiàn)實(shí)技術(shù)為學(xué)習(xí)者營造更逼真的學(xué)習(xí)情境，模擬那些無法在真實(shí)世界呈現(xiàn)的科學(xué)實(shí)驗(yàn)，等等。三是影響教學(xué)方式。通過人工智能，人類可以消解大規(guī)模教學(xué)和因材施教在實(shí)踐中的兩難困境，兼顧促進(jìn)教育公平和提升教育質(zhì)量，促進(jìn)實(shí)現(xiàn)更好的教與學(xué)。四是影響師生關(guān)系。以前教師是課堂上的學(xué)術(shù)權(quán)威，而現(xiàn)在的學(xué)生使用ChatGPT、Sora等工具，即時(shí)獲取的知識可能比教師能提供的還多。當(dāng)師生關(guān)系不再單純圍繞知識傳授而構(gòu)建時(shí)，如何更好地發(fā)揮引導(dǎo)、激勵和示范作用，如何重新詮釋言傳身教、保持師道尊嚴(yán)，對教師來說是一種挑戰(zhàn)。五是影響教育內(nèi)容。教材中的機(jī)械記憶內(nèi)容將大幅度減少，給深度學(xué)習(xí)、認(rèn)知創(chuàng)新和實(shí)踐性學(xué)習(xí)留出了空間。另外，要注意防范通用人工智能潛在的意識形態(tài)風(fēng)險(xiǎn)。預(yù)訓(xùn)練數(shù)據(jù)蘊(yùn)含的意識形態(tài)偏向?qū)撘颇赜绊懯芙逃?。六是影響教育管理。教育管理中的人工智能?yīng)用已相對成熟，技術(shù)促進(jìn)了教育管理高效化、精細(xì)化、科學(xué)化，在我國各地已形成諸多優(yōu)秀案例，積累了豐富經(jīng)驗(yàn)。同時(shí)，還需要繼續(xù)探索教育管理數(shù)據(jù)的集成應(yīng)用，提升數(shù)據(jù)治理水平，并加強(qiáng)數(shù)據(jù)安全監(jiān)管[21]。

（二） 教育如何積極應(yīng)對人工智能的挑戰(zhàn)

當(dāng)下，生成式人工智能的誕生，已經(jīng)將技術(shù)作用的對象從人的體力向人的腦力轉(zhuǎn)移，從人的身體向人的智慧、意識延伸。人類作為主體性存在的獨(dú)有特征——思維方式都將受到挑戰(zhàn)。我們必須重新思考教育，使其向促進(jìn)人類意識的覺醒和技能的提升轉(zhuǎn)型，以此維護(hù)人類的價(jià)值與自由。當(dāng)前，生成式人工智能依靠數(shù)據(jù)驅(qū)動的實(shí)現(xiàn)方法是不是最優(yōu)路徑，有待進(jìn)一步確認(rèn)。大模型基于概率推理的天然技術(shù)缺陷和資源損耗的制約，一味地追求參數(shù)的增多及模型變大是沒有價(jià)值的。當(dāng)數(shù)據(jù)驅(qū)動的紅利消耗殆盡時(shí)，是否存在第三條道路，是否會產(chǎn)生新的研究范式或技術(shù)路線。對此，我們應(yīng)該持有質(zhì)疑和理性的態(tài)度。

從大處著眼，從小處著手。在教育生態(tài)體系的復(fù)雜元素中，從以下三個(gè)問題入手最為緊要，也最具指導(dǎo)意義。第一，當(dāng)我國傳統(tǒng)教育優(yōu)勢將被人工智能大幅削弱時(shí)，更應(yīng)注重學(xué)生哪些素養(yǎng)與能力的培養(yǎng)？第二，隨著生成式人工智能技術(shù)的發(fā)展，如何處理新型的師生關(guān)系？第三，人工智能改變了知識生產(chǎn)和傳播的方式，在此背景下，教學(xué)模式與教育信息化時(shí)代有何質(zhì)的不同？

1. 注重學(xué)生的高階思維培養(yǎng)

人工智能時(shí)代，育人目標(biāo)和模式從知識本位、學(xué)科本位走向素養(yǎng)本位，即查即用類知識的習(xí)得將更多由人工智能輔助完成。學(xué)生接受的不僅僅是海量的確定性信息，更是真假難辨、良莠不齊的生成式內(nèi)容，這對提高學(xué)生的數(shù)字素養(yǎng)與技能這一未來必備的基本素養(yǎng)提出了要求。如果說信息化時(shí)代，我們要求學(xué)生要有發(fā)現(xiàn)問題和解決問題的能力，那么人工智能時(shí)代，我們則要求學(xué)生具有提出問題的能力，甚至要提出有質(zhì)量、有邏輯、開放性的問題。提出好的問題，才是人類與人工智能良好協(xié)作的開始。目前，生成式人工智能生成的內(nèi)容大概是人類常識的均值水平，如果想讓它接近或達(dá)到峰值水平，則需要良好的提示詞（Prompt）。這其中就蘊(yùn)含了比較、分析、應(yīng)用、遷移、綜合、評價(jià)等高階思維，而傳統(tǒng)的記憶、檢索、計(jì)算等初級思維則逐漸被人工智能替代。

科技將人的一部分功能強(qiáng)化、延伸，就會相應(yīng)地導(dǎo)致另一部分功能的弱化、萎縮，造成人類智慧懶惰（Intellectual Laziness）。腦神經(jīng)科學(xué)和相關(guān)實(shí)驗(yàn)多次證明，歷史上的技術(shù)和工具在不斷地塑造著人類的大腦，腦神經(jīng)元之間的突觸連接會根據(jù)我們的思維習(xí)慣重新組合，互聯(lián)網(wǎng)時(shí)代讓信息過剩、生成式人工智能讓知識不斷創(chuàng)造，但是人類的思考會變得淺薄?；ヂ?lián)網(wǎng)和多元刺激的富媒體可以讓大腦的前額葉區(qū)不斷興奮，但是負(fù)責(zé)深度思考的海馬體卻在此過程中未被激活[25]，這就會鼓勵人類個(gè)體的智慧懶惰，因?yàn)楹闷嫘暮吞剿鞯脑竿切枰膭詈酮勝p的，而“走捷徑”是人類與生俱來的本性，這可能會使人類經(jīng)歷集體降智。當(dāng)下，人工智能給我們帶來的巨大威脅并不是代替人類的工作，而是人類會陷入人工智能的強(qiáng)大功能“陷阱”，習(xí)慣于機(jī)器提供的解決方案，而放棄自主思考。人類一旦習(xí)慣了輕松獲得，不再進(jìn)行獨(dú)立思考，完全把思考交給機(jī)器，交給人工智能，那將是對人類最大的威脅所在。

因此，教師需要回歸教育初心，擅用互動啟發(fā)式教學(xué)法，更加注重師生之間、生生之間的問答互動，重點(diǎn)在于學(xué)生的思維發(fā)展、情感發(fā)展與道德發(fā)展，而不僅僅是課堂教學(xué)流程上的效率提高或者教學(xué)內(nèi)容的容量增大，避免其誤用導(dǎo)致教育內(nèi)卷的加劇。這就要求教師不斷提高數(shù)字素養(yǎng)與技能，了解生成式人工智能的內(nèi)容生成和輸出的基本原理，在教育教學(xué)中客觀理性地對待和適度應(yīng)用。

當(dāng)下，我們再談“互動啟發(fā)式教學(xué)法”，是智能時(shí)代對教學(xué)法的一種復(fù)歸。這是對中西方教育理念的一種創(chuàng)新性實(shí)踐。蘇格拉底提倡的“問答式”教學(xué)，是指他在教授某個(gè)知識點(diǎn)時(shí)，并不是直接告訴學(xué)生，而是先向?qū)W生提出問題，讓學(xué)生回答，如果學(xué)生回答錯(cuò)了，他也并不直接糾正，而是提出另外的問題引導(dǎo)學(xué)生思考，從而一步步地得出正確的結(jié)論。蘇格拉底將其稱之為“產(chǎn)婆術(shù)”，其教學(xué)法則是為思想接生，是引導(dǎo)人們產(chǎn)生正確的思想[26]?？鬃釉凇墩撜Z·述而》中的“不憤不啟，不悱不發(fā)。舉一隅不以三隅反，則不復(fù)也”，強(qiáng)調(diào)了其啟發(fā)式教學(xué)的思想和方法。朱熹在《論語集注》中對此解釋為“憤心求通而未得之意，悱者，口欲言而未能之貌。啟，謂開其意。發(fā)，謂達(dá)其辭?！痹谥祆淇磥?，憤悱之境是認(rèn)知水平，而啟發(fā)則是開意達(dá)辭的方法。簡言之，我國優(yōu)秀傳統(tǒng)文化中的啟發(fā)式教學(xué)，更注重在學(xué)生主動思考的基礎(chǔ)上進(jìn)行問答式的教學(xué)。

當(dāng)生成式人工智能走進(jìn)教育現(xiàn)場時(shí)，融合中西文化精髓的“互動啟發(fā)式教學(xué)法”，更加注重“啟”和“互動”，即通過師生雙向有效提問的互動方式，啟發(fā)學(xué)生進(jìn)行深度學(xué)習(xí)，培養(yǎng)學(xué)生的高階思維。其特征是問題化、強(qiáng)交互、強(qiáng)反饋，只有真正觸發(fā)學(xué)生深度思考的問題并及時(shí)給予正向反饋，才能刺激大腦皮層，促進(jìn)大腦活躍。而當(dāng)學(xué)生完成某個(gè)預(yù)期目標(biāo)后，大腦會產(chǎn)生獎勵系統(tǒng)，同時(shí)分泌多巴胺、去甲腎上腺素、內(nèi)啡肽，讓學(xué)生從精神上感受到愉悅和快樂。學(xué)生自主學(xué)習(xí)的真正發(fā)生，是脫離物質(zhì)獎勵和功利目的的單純的學(xué)習(xí)專注，具體包括三個(gè)特點(diǎn)：第一，教師的啟發(fā)工作必須建立在學(xué)生積極思考的前提下，學(xué)生的思考可以通過學(xué)生提出問題的方式來體現(xiàn)；第二，從傳統(tǒng)課堂教學(xué)中的教師單向提問為主，轉(zhuǎn)變?yōu)槎嘀黧w交互、多輪次問答的師生、生生教學(xué)互動；第三，教師的教學(xué)設(shè)計(jì)目標(biāo)要合理，遵循“最近發(fā)展區(qū)”原理，并強(qiáng)調(diào)及時(shí)的正向反饋?；訂l(fā)式教學(xué)法并不是某一種具體的教學(xué)方法的代名詞，而是一種教學(xué)理念，一種教學(xué)的指導(dǎo)思想，它可以體現(xiàn)為一種教學(xué)方法，也可以是多種教學(xué)方法的整合。

2. 著力構(gòu)建新型師生關(guān)系

教師如何適應(yīng)新型教學(xué)關(guān)系中的角色，教師如何開展人機(jī)協(xié)作教學(xué)，以及如何關(guān)注師生的數(shù)字道德問題等，都是構(gòu)建新型師生關(guān)系的重要內(nèi)容。通過將優(yōu)秀教師的素質(zhì)結(jié)構(gòu)進(jìn)行解構(gòu)，并將這些素質(zhì)通過預(yù)訓(xùn)練模型賦能機(jī)器，力求打造與優(yōu)秀教師“同質(zhì)”的虛擬教師。傳統(tǒng)“以教為主、以師為主”的師生關(guān)系會被弱化甚至消失，同時(shí)“以學(xué)為主、以生為主”的新型師生關(guān)系會逐漸產(chǎn)生。單向傳輸?shù)亩黧w的師生關(guān)系，將轉(zhuǎn)變?yōu)槎嘞蚧拥摹皫煛獧C(jī)—生”三元主體關(guān)系，形成新的育人生態(tài)，將“機(jī)”視為新主體的原因就在于，其智能性、交互性的不斷發(fā)展迭代了傳統(tǒng)機(jī)器教學(xué)的機(jī)械化、程序化。

教師將從“知識的守門人”轉(zhuǎn)變?yōu)椤皩W(xué)習(xí)的編舞者”。首先，應(yīng)更加注重對學(xué)生情感、態(tài)度、價(jià)值觀的引導(dǎo)。未來新型的師生關(guān)系需要更具有情感性和互動性，未來的人類教師需要學(xué)會和機(jī)器共處，讓“機(jī)師”為我所用，需要更具有親和力和共情力，能夠走進(jìn)學(xué)生的心靈世界，需要將教育變成“藝術(shù)”。其次，逐漸成為知識生產(chǎn)者、學(xué)習(xí)促進(jìn)者和成長引導(dǎo)者。教師將越來越起到導(dǎo)師般的作用，引導(dǎo)學(xué)生尋找正確的學(xué)習(xí)目標(biāo)、科學(xué)的學(xué)習(xí)方法與高效的學(xué)習(xí)路徑，提醒或約束他們形成自律的學(xué)習(xí)習(xí)慣，為學(xué)生的綜合實(shí)踐與社會體驗(yàn)提供情感支持。讓人師與“機(jī)師”的協(xié)作在各自優(yōu)勢發(fā)揮的基礎(chǔ)上充分展開。人師的優(yōu)勢主要包括對學(xué)生社會情感能力的支持，教師自身的世界觀、人生觀與價(jià)值觀對學(xué)生的影響與塑造，對不同領(lǐng)域的知識進(jìn)行跨學(xué)科交叉融合的能力等。智能技術(shù)相比以往信息技術(shù)所特有的智能優(yōu)勢，可以解決學(xué)習(xí)者學(xué)習(xí)需求差異化的識別困境、認(rèn)知障礙內(nèi)隱性的輔助困境和學(xué)習(xí)路徑多樣化的適配困境，使得精準(zhǔn)教學(xué)的實(shí)現(xiàn)成為可能[27]。因此，“機(jī)師”的優(yōu)勢在目前主要集中于知識的大量儲備、近乎無限量的計(jì)算和對解決問題范式的記憶，并且在交互過程中永遠(yuǎn)“耐心”且個(gè)性化地對待每個(gè)學(xué)生[28]。

3. 創(chuàng)新探索智能時(shí)代教學(xué)模式的變革

如何科學(xué)認(rèn)識當(dāng)前人工智能技術(shù)的發(fā)展及其對教育的影響，需要教育界進(jìn)行深入研究。目前的技術(shù)還沒有成熟到可以系統(tǒng)、全面、準(zhǔn)確地應(yīng)用于教學(xué)當(dāng)中，過度強(qiáng)調(diào)人工智能技術(shù)在教育教學(xué)微觀環(huán)境中的應(yīng)用，恐怕還為時(shí)尚早。教師首先要認(rèn)識到當(dāng)前技術(shù)的局限性。相對于人類智慧而言，生成式人工智能目前并沒有關(guān)于“能力界限”的判斷，對于無法回答的問題，它會依據(jù)概率給出答案，這其中可能往往包含著錯(cuò)誤信息。師生都需要安全、有效和恰當(dāng)?shù)厥褂萌斯ぶ悄埽逃龖?yīng)幫助每個(gè)學(xué)生為用好生成式人工智能技術(shù)或未來其他技術(shù)做好準(zhǔn)備。在這種情況下，教師應(yīng)該注重引導(dǎo)學(xué)生加強(qiáng)對生成式人工智能技術(shù)的本質(zhì)認(rèn)知與初步應(yīng)用，強(qiáng)調(diào)在理性判斷的前提下與新技術(shù)“接觸”。

再者，人工智能教育較之教育信息化教學(xué)，有著質(zhì)的差別。在教學(xué)中，師生與生成式人工智能的思維鏈?zhǔn)綄υ捠桥c過去的計(jì)算機(jī)輔助教學(xué)和使用數(shù)字化教育資源平臺等完全不一樣的體驗(yàn)[29]。它在教育主體、資源供給、內(nèi)容生產(chǎn)、交互方式上都有質(zhì)的不同，但并不是在教育教學(xué)流程中某個(gè)環(huán)節(jié)的效率提高、某個(gè)資源的供給豐富，而是在教育信息化基礎(chǔ)上的一次邁向教育數(shù)字化、智能化的系統(tǒng)性躍遷，是驅(qū)動教育在底層邏輯上的創(chuàng)新和對教育本質(zhì)的更好實(shí)現(xiàn)。例如，教師在教學(xué)過程中，可以通過生成式人工智能技術(shù)產(chǎn)生一些必要的圖文故事或視頻等內(nèi)容開展探究活動，提升其教學(xué)設(shè)計(jì)能力與教學(xué)組織能力，增強(qiáng)課堂互動性，但并不是把新技術(shù)作為一種主要教學(xué)手段。人工智能技術(shù)是深化教育數(shù)字化轉(zhuǎn)型中的過程性路徑和重要的驅(qū)動力，因此，要加快數(shù)字時(shí)代的教育新形態(tài)“五新”體系的轉(zhuǎn)型與應(yīng)用[30]，它蘊(yùn)含公平、包容、可持續(xù)、終身化的教育理念，塑造“人人皆學(xué)、處處能學(xué)、時(shí)時(shí)可學(xué)”的高質(zhì)量個(gè)性化終身學(xué)習(xí)體系；構(gòu)建以數(shù)據(jù)驅(qū)動大規(guī)模因材施教為核心的教學(xué)模式；創(chuàng)新素養(yǎng)導(dǎo)向、能力為重的教育內(nèi)容；推進(jìn)管理精細(xì)化、服務(wù)精準(zhǔn)化、決策科學(xué)化的教育治理[31]。通過智能技術(shù)突破現(xiàn)有路徑依賴，真正系統(tǒng)性地賦能教育變革，實(shí)現(xiàn)教育高質(zhì)量發(fā)展。

[參考文獻(xiàn)]

[1] 尼克.人工智能簡史[M].2版.北京：人民郵電出版社，2021：7-57.

[2] 劉茜，陳建強(qiáng).新一代人工智能：從“感知智能”向“認(rèn)知智能”轉(zhuǎn)化[N].光明日報(bào)，2021-05-25（9）.

[3] LI F F， ETCHEMENDY J. No，today's AI isn't sentient. Here's how we know [EB/OL].（2024-05-22）[2024-06-22].https：//time.com/collection/time100-voices/6980134/ai-llm-not-sentient/.

[4] 劉陽，林倞.多模態(tài)大模型：新一代人工智能技術(shù)范式[M].北京：電子工業(yè)出版社：269-285.

[5] 呂巍.匯聚“星星之火” 激活發(fā)展動能——全國政協(xié)十四屆二次會議第三場“委員通道”集體采訪活動采訪實(shí)錄[N].人民政協(xié)報(bào)，2024-03-11（5）.

[6] 朱松純.智能學(xué)科的源起、演進(jìn)與趨勢——北京大學(xué)智能學(xué)科的探索與實(shí)踐[J].大學(xué)與學(xué)科，2022，3（4）：17-26.

[7] 曾毅，張倩，趙菲菲，等.從認(rèn)知腦的計(jì)算模擬到類腦人工智能[J].人工智能，2022，9（6）：28-40.

[8] PATEL D，WONG G.GPT-4 architecture， infrastructure， training dataset， costs， vision， moe[EB/OL].（2023-06-10）[2024-06-17].https：//www.semianalysis.com/p/gpt-4-architecture-infrastructure.

[9] 杰夫·霍金斯，桑德拉·布拉克斯莉.人工智能的未來[M].賀俊杰，李若子，楊倩，譯.西安：陜西科學(xué)技術(shù)出版社，2001：57-79.

[10] 約·馮·諾意曼.計(jì)算機(jī)與人腦[M].甘子玉，譯.北京：商務(wù)印書館，2011：2.

[11] 保羅·萊文森.數(shù)字麥克盧漢：信息化新紀(jì)元指南[M]何道寬，譯．北京：社會科學(xué)文獻(xiàn)出版社，2001：310.

[12] 葉蜚聲，徐通鏘.語言學(xué)綱要[M].3版．北京：北京大學(xué)出版社，1997：7-39.

[13] POLANYI M. The study of man[M].London：Routledge ＆ Kegan Paul，1957：12.

[14] 維特根斯坦.邏輯哲學(xué)論[M].韓林合，譯.北京：商務(wù)印書館，2013：30.

[15] 曹斯，羅祖兵.人工智能應(yīng)用于教學(xué)的困境、限度與理路[J].電化教育研究，2024，45（4）：88-95.

[16] KAPLAN J， MCCANDLISH S， HENIGHAN T， et al. Scaling laws for neural language models[EB/OL].（2020-01-23）[2024-06-28]. https：//doi.org/10.48550/arXiv.2001.08361.

[17] HOFFMANN J， BORGEAUD S， MENSCH A， et al. Training compute-optimal large language models[EB/OL].（2022-03-29）[2024-06-20]. https：//doi.org/10.48550/arXiv.2203.15556.

[18] 彭豪祥.有效教學(xué)反饋的主要特征[J].中國教育學(xué)刊，2009（4）：54-57.

[19] 陳醒，王國光.國際具身學(xué)習(xí)的研究歷程、理論發(fā)展與技術(shù)轉(zhuǎn)向[J].現(xiàn)代遠(yuǎn)程教育研究，2019，31（6）：78-88，111.

[20] 曾毅.人工智能高端人才應(yīng)有社會責(zé)任感和國際視野[N].中國科學(xué)報(bào)，2023-06-07（3）.

[21] 李永智.教育如何面對人工智能的挑戰(zhàn)[N].中國教育報(bào)，2024-03-25（4）.

[22] 內(nèi)閣府.AI戦略2022[EB/OL].（2022-04-20）[2024-07-02].https：//www8.cao.go.jp/cstp/tougosenryaku/11kai/siryo2_3.pdf.

[23] 安德烈亞斯·施萊歇爾.超越PISA：如何建構(gòu)21世紀(jì)學(xué)校體系[M].徐瑾劼，譯.上海：上海教育出版社，2018：18，25.

[24] 成尚榮.情感教育激發(fā)成長動力[N].人民日報(bào)，2021-08-22（5）.

[25] 尼古拉斯·卡爾.淺?。夯ヂ?lián)網(wǎng)如何毒化了我們的大腦[M].劉純毅，譯．北京：中信出版社，2010：157-159.

[26] LI Y Z. Professional community and \"invisible\" technology in service of learning[EB/OL].（2024-02-16）[2024-06-20].https：//adiscuola.it/pubblicazioni/li_yongzhi_professional_community_and_invisible_technology/.

[27] 郝建江，郭炯.智能技術(shù)賦能精準(zhǔn)教學(xué)的實(shí)現(xiàn)邏輯[J].電化教育研究，2022，43（6）：122-128.

[28] 喬東，王梓霖.開放而審慎，開啟教育與生成式人工智能融合的大門[J].教育家，2024（6）：27-29.

[29] 黎加厚.生成式人工智能對課程教材教法的影響[J].課程·教材·教法，2024，44（2）：14-21.

[30] 李永智.智慧教育是數(shù)字時(shí)代的教育新形態(tài)[J].中國高等教育，2023（Z3）：24-26.

[31] 李永智.構(gòu)建數(shù)字時(shí)代的教育新形態(tài)[N].中國教育報(bào)，2024-04-02（4）.

Artificial Intelligence and Educational Transformation

WANG Xuenan1，" LI Yongzhi2

（1.Research Institute of Digital Education，China National Academy of Educational Sciences， Beijing 100088; 2.China National Academy of Educational Sciences， Beijing 100088）

[Abstract] The rapid iteration of generative artificial intelligence has attracted attention， and the field of education seems to be one of the most directly and profoundly affected areas. For the impact of artificial intelligence， there is a tendency to overestimate the short-term effect and underestimate the long-term effect. From the perspective of historical materialism， this study summarizes the development of artificial intelligence in stages， objectively analyzes its level of development and technical limitations， and judges that it is still fundamentally different from human intelligence， especially in the aspects of higher-order cognition and social emotions. Based on the attitude of rational questioning， this study examines the isomorphic logic between education and artificial intelligence technology principles in six main aspects： structural comparison， logical comparison， symbolic coding， content analysis， interaction mechanism and training mode. The study provides a clear understanding and judgment of the intrinsic correlation and mechanism of action between the two. This study suggests to start from three direct and crucial issues of students' higher-order thinking cultivation， the construction of new teacher-student relationships and the innovation of teaching mode， so as to leverage educational reform by artificial intelligence.

[Keywords] Generative Artificial Intelligence; Isomorphic Logic; Educational Transformation； Technical Limitations; Educational Response