当教育插上人工智能的翅膀
人工智能赋能教育，优势在哪里？
面向未来的人机协同教育，教育将发生什么变化？这需要我们从不同维度去深刻思考，并采取行动。
就人工智能的发展而言，我们需要思考什么是人类智力所独有的特征，要做到像人类一样拥有智能行为，计算机需要哪些能力？
所有高级形式的人类认知——概念、推理、问题求解、创造力、记忆和知觉，都跟智力相关。在人工智能与人类之间，智力的度量是智能程度，例如，人类可以使用较少的数据，在广泛的问题上表现出智能行为。
这也是当前人工智能研究非常重要的方向——少样本或零样本学习和持续学习等。这些研究方向试图让机器像人类一样去思考和学习，使用较少数据，就可以求解广泛问题。
人类智能的本质和边界是什么？
人类智能的本质可以归纳为五个方面：
一、适应性。人类总是与环境在适应的过程中不断交互、学习，具身智能就是从此角度思考。
二、学习能力。
三、抽象思维。人类智能可以进行抽象思维，对概念、原则进行归纳、推理和批判。
四、创造力。人类智能有创造力，能够涌现出新的想法和概念
五、情感和意识。这点也是当前有所争议之处——有学者认为机器会有情感，而有学者坚持认为机器终究是机器，精神和灵魂始终属于人类。
人类智能的边界在哪？
在以下四个方面：
一、生物学限制。
二、知识和经验的局限
三、认知偏见。
四、环境和文化制约。
对比人类智能的本质和边界与人工智能的特点可以发现，人工智能可以赋能教育的知识生产。在数据挖掘与分析、模式识别与预测、知识自动化、智能化协作、知识的可视化与表达、个性化的知识推荐6个方面，人工智能与教育是密切关联的。
由于一些大语言模型可以获取和组织起全世界的所有知识，学习者不再需要浪费时间学习“事实”，而是可以专注高阶思维技能，如创造性思维和批判性思维。然而，人类的“批判性”和“创造性”思维往往是通过有限的信息量，依赖内化知识的潜意识过程发生的。AI赋能教育需要激发这一过程，让学生更加聪明地学习，产生更好的思维。
想象力、创造力，人类比人工智能更聪明
我们用考试来测试人工智能在知识生产及知识学习过程中的能力。以《数字信号处理》这门课程为例，将这门课的考题给某个人工智能模型“考试”，得到了94分，在学生中属于前5%的优秀成绩。由此可以看到，人工智能不仅能够回答日常的问题，在工程数学、自然科学等领域的问题求解中，也表现出超越一般学生水平的能力。
但是，它的答卷，对大部分复杂题目都采用简单粗暴的方式求解，没有使用解题技巧。这是因为大模型依赖“喂”给它的大量数据，只是在统计意义上进行模式匹配。
这说明大模型人工智能程序不具有人类的数学直觉能力，主要原因在于其工作方式与人类大脑的工作方式截然不同。具体表现为：
一、人工智能为算法而非直觉驱动。人类有数学直觉，而人工智能没有。
二、缺乏感知和体验。人类的数学直觉不仅是计算能力，还包括通过实际的体验和感官的感知获得对数字、空间和形状的直观理解
三、学习和思考方式的差异。人类学习数学通过错误和成功建立起对概念深层的理解和直觉判断，大模型人工智能程序通过大量例子来学习，缺乏自我反思能力，无法像人类那样从根本上理解或领会概念。
四、缺乏创造性和灵活性。人类的数学直觉涉及创造性思维，例如通过不同方法解决问题，或在缺少数据的情况下做出假设，而人工智能主要依赖已有的信息，应对新奇情况的能力有限。
因此，我们认为，大模型人工智能程序可以快速准确地进行复杂的数学计算和数据分析，但无法真正拥有人类的数学直觉，这种直觉建立在深层次理解、多感官体验和创造性思维基础上。
这带来一些启发——就想象力和创造性而言，人类比人工智能更智能。
创造力跟想象相关联，创造力的背后隐含着丰富的想象，而想象又与人的情感、与人对环境的感官体验密切关联。以文学举例，以宋代诗人陈与义《春寒》一诗中“海棠不惜胭脂色，独立蒙蒙细雨中”为题，让大模型人工智能程序在图像库中找出与其语意表达一致的图片。人工智能给的是蒙蒙细雨中盛开着海棠；但人类在思考时，大脑中的想象可能是在一条幽静小道上，亭亭玉立的少女行走在雾雨中——人类可能会将这位少女看作海棠，这就是想象。
想象是介于感性与理性之间的中介性能力，是先天纯粹的，是创作与创造力的基础。人类拥有内心世界的心理体验，并由此产生情感和想象，这使得人工智能无法替代人类的灵感和独创性。
想象力和独创性对自然科学也非常重要。爱因斯坦说过：“想象力比知识更重要，因为知识仅限于我们现在知道和理解的一切，而想象力涵盖了整个世界，以及未来所知道和了解的一切。”想象力带来充满无限可能的空间，让我们跳出已知，向未知进发。从这个角度而言，人工智能还无法替代人类。
有长有短，AI赋能教育如何扬长避短
AI赋能教育有所长有所短。那么，从技术的角度，人工智能赋能教育是什么样的架构？
人工智能赋能教育，本质上是一种人在回路上的混合增强智能。从框架层来看，系统输入学生行为数据、学习内容数据、评估数据等，通过机器学习的方法形成结构化的数据或形成知识、经验，与系统的知识库实现交互学习。知识库不仅是教学内容的知识图谱，更重要的是把教育学、心理学融入知识图谱，通过机器学习方法生成预测，然后再进行置信度的判断——如果置信度高，就可以给出教学导向或者教学策略的调整，以及个性化学习路径的推荐；如果置信度低，就反馈给人类，即教师、学生、家长等，人类反馈的数据又形成人工标注的数据，从而对机器学习算法进行训练，构成AI赋能教育的人在回路的混合增强智能系统。人在回路的混合增强，本身就是持续学习的框架，这样的框架针对实际的教育、学习会变得越来越“聪明”。
人工智能赋能教育也存在着风险。例如，数据隐私和安全、教育资源不平等、过度依赖AI、人际交往能力减弱、缺乏情感支持、内容质量和准确性、人工智能偏见问题等。例如，如果回答是错误的，可能造成“谎言重复一千遍就变成真理”的情况。要避免这种现象，建议人们从多个来源获取信息。为了降低这些风险，需要在技术、政策、教育等多个层面探索解决之道，或进行规避。
将人工智能与教育融合，需要批判性地使用大模型人工智能技术，对其提供的信息进行独立验证，并在处理敏感或重要问题时谨慎行事，还需要在伦理、责任、隐私和安全、风险评估等方面妥善管控和治理，对社会大众进行教育也愈发重要。
特别要注意的是，人工智能缺乏情感支持。年轻人的社会交往如果过度依赖人工智能，将对其人际交往和社交能力带来消极影响。人际交往是人类社会的基本活动之一，可以使人类社会更加和谐，使团队能够形成非常紧密的、具有凝聚力的氛围。过多依赖人工智能科技，可能会产生社交隔离、产生孤独感，不仅会影响到个人的心理健康，也会带来社会结构的不稳定性。例如，过度使用聊天机器人，可能让使用者的情感变得迟钝、催生社交孤立、加剧社交隔离感——聊天机器人如果成为人类主要的伙伴，“真人”就可能成了“备胎”。
这一点在人工智能赋能教育时要尤为注意——推进人工智能赋能教育，仍然需要努力保持培养师生面对面交流的机会，这就意味着在设计智能教育系统工作环境和社交活动时，需要有意识地融入更多的师生面对面互动。
人类教师与学生培养共情关系是教育工作中不可或缺的丰富内涵，具有强烈共鸣的师生关系对学生的学习有着十分重要的影响。如果在教育中缺乏同理心，学生会成为被动的信息接收者，很难有动力去克服学习过程中固有的困难。因此，在AI赋能教育的时代，不能忽视教育中同理心环境的构建。
教育是一个缓慢、优雅而美妙的过程，它应该是随风潜入夜，润物细无声。教育不是注满一桶水，而是点燃一把火、打开一扇门。教师的师德师风在学生的情感、态度、价值观的塑造方面影响尤为突出，无论何时何地，教师的言谈举止都会直接或间接地影响学生的成长和品德。即使在未来，师生面对面的交流在教育活动中依然不可替代。人们在求学过程中所遇到的优秀老师，是终身记得不会忘记的，这就是师生面对面交流给予学生心灵情感的成长。因此，人工智能赋能教育无论发展到何等地步，师生之间面对面的启迪、交流，心灵的碰撞永远替代不了。
人工智能赋能教育，还有很多问题亟待从不同维度进行深刻思考：如果智能机器成为史上无所不知的“最强大脑”，那么，人类究竟需要学什么，怎样学习，学习的目标、内容、方法如何变革，才能够适应人机协同的智能教育？当可以无限量地生产、使用各类智能机器人来满足人类的知识生产和各种需求，作为延续物种生命、传承人类自身文明和知识再生产活动的教育，它的价值和意义又如何体现？
控制论的创始人诺伯特·维纳曾说，要避免人工智能对人类造成伤害，唯一解决的方案还是要将人工智能诉诸人类的价值体系。
把人类的诉求、生命的意义、文化与信息的需求和人工智能技术发展结合起来，使人类有能力去创造那些智能机器无法替代的工作，培养学生成为能够轻松使用和驾驭人工智能的创新人才，这是应对智能时代必须有的教育观。
文章来源：光明日报
