人工智能教育应用的应然分析：教学自动化的必然与可能.docx

人工智能教育应用的应然分析：教学自动化的必然与可能人工智能教育应用的应然分析：教学自动化的必然与可能 【摘 要】“智能化领跑教育信息化2.0”正逐渐成为教育信息化研究者与政策制定者的共识。但目前学校教育的自动化程度还比较低，学校是手工“工场”，而非机器生产的“工厂”，多数教育工作者并未感受到人工智能的冲击。为应对未来教育发展的需求，教育工作者需明确人工智能的基本原理与技术限度，需从宏观与微观层面把握人工智能与教育的关系。本文提出并系统阐述了人工智能与教育的三层次相互作用模型：潜在作用层次，源于人类的知识和知识实践的纽带作用，改变知识实践方式的人工智能必然会影响主要是知识传播实践的教育活动;直接作用层次，人工智能帮助教育实现教学自动化（人工智能教育应用）、提供课程内容，教育为人工智能培养人才、提供实践场域;间接作用层次，人工智能更活跃，通过对个体、社会的影响提出新的人才培养需求，倒逼教育变革。在人工智能与教育相互作用的“推拉”效应、大规模教学个性化需求、教育机构降低成本分工细化等因素作用下，教学自动化具有逻辑必然性，而教育发展与教育信息化的需求、公众人工智能意识提升、前期教育信息化奠定了良好的基础、有利的宏观政策等因素，使教学自动化具有现实可能性。我国人工智能教育应用研究尚难支撑大规模教育智能化实践。人工智能教育应用研究亟待超越技术、产品开发与应用设想研究，亟待开展有关人机分工教学法的机制与效果及其对教育机构的全面影响的系统化理论研究与高生态效度的实证研究。 【关键词】 人工智能教育应用;教学自动化;人工智能;知识;知识实践;知识传播;知识应用;教育改革 【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009-458x（20XX）1-0025-11 近年来，人工智能技术的突破引发全球范围内产业结构与就业市场巨变的预期。人工智能成为大企业和国家发展战略的核心（国务院， 20XX; 吴飞， 等， 20XX）。科技、经济、社会的变化必然曲折影响到教育的目的、内容与方法。作为直指人类智能的通用技术，人工智能不但会通过劳动力市场的结构性变化倒逼教育变革，而且会直接作用于教育教学活动。20XX年4月全国教育信息化工作会议提出“智能化领跑教育信息化2.0”（王珠珠， 20XX）。近期，已有研究者关注这一主题（如： 潘云鹤， 20XX; 贾积有， 20XX; 刘德建， 等， 20XX），但目前我国人工智能教育应用研究总体上处于起步阶段，尚难以支撑大规模实践。从教育教学立场出发的系统的理论分析工作亟待开展。人工智能本身抽象、复杂，相当多的教育研究者与实践者对人工智能的理解不准确，缺少对其技术限度的客观认识，这不利于人工智能在大范围内变革教育实践。 一、人工智能与知识实践自动化 （一）人工智能祛魅：内涵与误解分析 人工智能研究发轫于信息化浪潮席卷全球的前夜。1956年，美国东部的达特茅斯学院会议标志着人工智能作为独立研究领域的确立。这一标志性事件的背后是几方面力量的长期相互作用：一是控制论、信息论等学科的形成与发展丰富了人类对于机械系统与有机体行为的认识;二是刚问世不久的电子数字计算机惊人的数值计算和自动控制能力以及第二次世界大战期间现代科技展现出的令人瞠目结舌的军事力量刺激人们为计算机这一新工具寻求新的应用领域;三是才华横溢、志存高远的科学家对于人类智能行为的奥秘上下求索;四是掌握了充沛研究资金的外太空探索机构和军事机构对于以智能机器代替或者辅助人类个体在极端条件下进行工作存在着热切的盼望。现实的需求、巨大的期望、领域开创者的乐观等因素使人工智能甫一呱呱落地便扶摇直上。随后60多年间，人工智能领域经历了几番大起大落。近年来，人工智能在历史上首次成为国家之间和大企业之间竞争的焦点，备受瞩目。 没有哪个学科像人工智能这样广受关注，同时又被普遍误解。“人造的智能”似乎威胁到每个人类个体，除了智能机器会抢走工作、破坏就业，能感知、会思考的智能机器威胁到“智人”的认知尊严与优越感。科幻文学与影视作品塑造出智能机器的种种社会形象，通常是阴暗的、反乌托邦的形象。因此，人们在谈到人工智能时难免会带上浓厚的感情色彩，但人工智能不是魔幻，也不是科幻，而是科學、工程和数学（Russell， et al.， 20XX， p. 28）。 首先，对于人工智能的误解源于研究问题的复杂多样性。人工智能研究包含许多子领域，从通用领域（如学习和感知）到专门领域（如下棋、数学定理证明、语言翻译、自动驾驶和疾病诊断）。Stuart J. Russell等（20XX， pp. 3-4）将人工智能的定义分为四类，分别是以数学和工程方法建造“像人一样思考”、“像人一样行动”、能够“合理地思考”以及能够“合理地行动”的智能体（agent）。即人工智能专家希望对智能做出建构性阐释，也就是通过制作智能机器来理解智能的机制。与此相对却又相辅相成的是脑科学、认知神经科学研究者，他们通过分析性方法探索人类智能（松尾丰， 20XX， p. 26）。周志华（20XX）对人工智能研究与实践层次的划分（表1）反映了本领域的综合性与复杂多样性，凸显了其工程与数学本质。 其次，对于人工智能的误解也源于人类语言在描述机器智能方面的局限，这导致“语义学”问题（斯加鲁菲， 20XX， pp. 108-109）。“人工智能”以及“学习”“推理”“记忆”等人格化术语并不准确，还会造成不切实际的遐想。例如人和计算机都能“记忆”，但两者存在本质差异：人的记忆是建构性、整体性的，记忆与理解、情境、情感密不可分，既有显性水平，也有隐性水平，而且总是存在选择性扭曲、模糊、遗忘与强化;计算机的记忆只是在显性水平上对于给定数据进行原样存储。Jerry Kaplan（20XX， p. 417）认为，1956年达特茅斯学院会议最引人瞩目的成果是选择“人工智能”作为领域名称。如果当时选择了更常规、不会对人类认知造成威胁的术语，例如符号处理（symbolic processing）或分析性计算（analytical computing），则这一领域的发展可能会更接近其实际情况自动化或者自动控制的持续推进。当然，人格化术语的使用也是无奈之举，成熟如物理学，其术语也与日常语言保持着千丝万缕的联系（陈嘉映， 20XX， pp. 193），只是专业人员需要对语言保持敏感，以准确地表达所要表达的含义。 3