正反反方:当谈起人工智能时,教育者在担心什么?

   没有任何一种技术像人工智能一样,让技术倡导者与多数有经验的教育者如此分裂和纠结,一方面人工智能给未来产业以及人才要求带来巨大的想象教育并不能有效供给,各种科技大咖不断发生要从教育方式与培养内容上颠覆教育,另一方面多数教育者尤其是有几十年一线教育经验的教育者甚至是教授人工智能与计算机的教育者对教育方式是保守的、教育内容是谨慎的、对运用技术所带来的教育变化甚至是悲观的,那么,他们在何处撕裂?有为什么有如此不同呢?

   作为一位教授人工智能的大学老师,我的朋友圈一面是人工智能从业者、一面是教育界的朋友,以下是常见的撕裂,抛去非理性争论,列下面5条:

   1.正方,人工智能能够更加便捷地获取学生的行为数据和比教师更加准确地判断学生的状态,因此智慧课堂与大数据大大提高教育质量;反方,用技术替代教师本来就是反教育的大班化悖论,课堂的价值是人与人的价值,学校与家庭一样是全人培养的人类进化环节,所谓的教学质量只是全人培养的一个结果,不能把他们工具化当成目标;

  2.正方,应该大力加强人工智能教育紧跟时代步伐,人工智能时代产业面临巨变,我们不能用过去的思维、培养现在的人、面对未来的世界;反方,从美国加州中小学大幅度减少大数据的课程增加数学的课程和难度看,人工智能只是科技发展的结果,而基础科学、数学教育才是基石,你们见过哪一个大数据专家是大数据专业的,哪一个人工智能大专家是人工智能专业的?

  3.正方,技术让师生释放巨大的潜力集中在创新领域,近些年来科技精英通过技术手段带来的自学极大地冲击传统的教育,人工智能时代一定要抓住人工智能手段促进教育创新;反方,技术的进步确实让原本有自学能力的学生得到机会施展,然而如果我们回顾历史会发现这些孩子不是问题的关键,历史上最优秀的孩子往往并不是教育培养的,而教育培养的反而是大众和普适性,这些年教育技术到人工智能技术的使用,与少数精英得到的关注不同,多数学生的学业质量由于技术的使用反而浮躁,多数人需要慢教育来进行基础的教育培养在技术的帮助下不但没有进步反而在退步;

  4.正方,人工智能时代需要加强人工智能相关的数学、科学、工程、电子类的课程的比重,减少文科、艺术的比重,以适应未来的继续教育与工作;反方,人工智能时代更需要视野宽阔和具有创新潜质的学生,而多学科的全人培养中学生自然找到自己的定位才能产生真正原生的精英人才和原创的科技创意,就拿美国卡耐基梅隆大学人工智能专业来说,1/3以上是艺术人文和认知科学的课程,技术可以自学,而人文需要熏陶,教育变成培训恶果会非常严重;

  5.正方,借助工智能手段可以大大提高学校效率和达到效率目标的时间,例如学生寻找答案、找到解题路径、背诵单词效率、全世界寻找最优质的资源等等;反方,这些年我当老师的经验,凡是不用电脑和手机自己寻求答案慢的孩子、凡是不用花里胡哨技术工具甚至不用PPT而严肃授课的教师、凡是一笔一画把纸质卷子做好的学生,基础都极为扎实,潜力也大.学习本身的长期效果往往取决于学生的自我激励,而自我激励需要传统的课堂的仪式中学生在教师的指导下克服困难的喜悦,这些都是技术无法实现的;

  面对以上争论,我并没有明确的结论,可能争论还会继续,也许永远会继续,下面我用教育目标来谈谈人工智能教育,用人工智能原理来谈谈教育人工智能的看法.

2023年5月,辛顿感知到人工智能对人类的威胁从谷歌离职,今天的教育者也同样感知到人工智能对教育的威胁而不仅仅是机会

  教育的目标在杜威之前一直是学以致用论,也就是教育的目标是培养未来需要的人,杜威开始提出教育的目标是为了教育继续下去(教育即生长),关于教育目标的争论一直比较多,但总体上从事教师这个职业的受杜威的影响比较大,因此更多地从人本身的内生动力和持续性来考虑,而产业界人士不进行教育研究更多的是学以致用的朴素情怀,因此教育界与科技界对人工智能教育的看法有很大区别实属正常.

  从学以致用论来说,一个极端是超级高考中学的筛选优胜教育,一种是教育均衡的全民普惠论,也就是个人目标为上还是全民目标为上.从个人目标来讲,尽早进入人工智能学习,在人才筛选体系中得到分子的地位,确实有效;从全民普惠来讲,人工智能岗位不可能成为全民岗位,过早全民进入这个学习领域反而有可能被优先淘汰,想一想过去网络时代最热的电子商务、信息管理、网络工程、教育技术等专业,今天是不是反而比传统的机械制造更难就业呢?人工智能也许适合顶尖的学生尽早学习,但对于大多数学生来讲,即使从教育目标论的角度来看,也未必是普通孩子最优的选择.从国家教育规划来讲,错位自然生态才能保证一旦产业转型有人才的对冲基础,因此全民人工智能教育即使方式正确,也极其危险;

  从杜威的教育生长理论来说,人工智能教育并不适合从小进行,也不适合所有甚至多数孩子.杜威认为什么是好的教育呢?打个比方,好的教育就是你四年级又有某种特殊情况中断了教育,没有了学校反而自己能够拿起5年级的书继续下去,这样来看前4年的教育就是成功的.从杜威的教育看中国40年的应试趋势,很多方面其实是失败的,我们的学历大服务提高的同时,人均读书量大幅度下滑,更加依赖教育外生力量的学费、培训费不堪重负,自学能力反而在下降.具体到人工智能教育,基础是数学(尤其是离散数学)、认知心里、科学等等,人工智能在学科上并没有自身的能够让教育继续下去的自成体系的基础,反而容易成为花架子和空中楼阁.

    人工智能真正的起源是皮茨与麦克洛克的M-P模型,当年语言学、生物学、数学、工匠集一身的皮茨碰到了芝加哥大学的神经科学家麦克洛克,几个月的长谈成就了开创的模型,后来演化成为今天的深度学习和大语言模型,而他们提出这个模型的原始动力是反对有点魔幻的弗洛伊德的心理学.后来皮茨在著名控制论专家维诺的指导下攻读博士学位,却因为发现青蛙的神经计算并不是把全部信号传递到大脑而对自己和导师的方向产生绝望而英年早逝.这牵涉到一个后来神经学家才发现的秘密:也就是人类的低级信息并不完全送进大脑集中计算,反而是通过神经元直接处理部分并联信号,完全传入大脑的往往是高度凝练的串行信号.将串行的高度凝练的信号送进CPU计算,将并行的多媒体信号在靠近输入端的显示卡(GPU)、声卡中计算,是后来计算机也采用的常见方法.直到辛顿将皮茨和另外一位深受皮茨影响的麦卡锡的模型深入,才开创了今天的人工智能时代.通过以上,我们可以看出,人类容易感知到的视频、图片、甚至文字,和人类具备的更高级的数学、算法等,共同构造了人类的感性和理性,而人工智能计算能力的大幅度提高,反而不是理性的进步,是并联信号的耗能的进步,其基础是背后的理性的算法在支配.

   最近《自然》杂志刊登了一篇人类记忆原理的文章,进一步印证了人类的理性的学习与人工智能本身是完全相似的逻辑结构.即使上述串联的高度凝缩的信号进入大脑,要想成为记忆,是要在神经电信号的刺激下将海马体内的记忆蛋白的DNA损坏并修复,也就有了记忆,所谓烧脑是有科学依据的.那么,我们今天人工智能的进步是用CPU模拟大脑、用GPU模拟眼耳口鼻五官四肢的感官计算,在硅基的强大能力下,远远超过人的能力是必然的,然而我们培养学生,无论如何不能避免“烧脑”这个过程的,也就是任何人工智能教育如果是走捷径,那就不是培养人,而是让人变傻.

   作为一位运用人工智能的科技企业的负责人,和作为一位20年教龄的人工智能相关的教师,我充分理解正方和反方的担忧,然而回顾过去的教育技术的冲突走过的路,不随便下定义、回到教育的场景和人本身,平心静气地慢思考,甚至采用谨慎的、甚至保守的策略,并不会造成灾难性教育后果,反而过度跟随时代,是教育无法适应的和没有能力适应的.

   我们可以慢一点,谨慎一些,把基础打扎实,然后还可以追上去,但经不起时间的考验的浮躁会毁掉一代试验品,这才是教育者真正担心的事情.

  本文为《中国信息技术教育》专栏，转载请注明出处。