![]()
教育系统作为社会巨系统的一个关键子系统，在人工智能技术的驱动下，教育现象变得日益错综复杂，教育动因更加难以解析，教育风险也愈发难以预见。为了有效应对人工智能技术对教育系统的挑战与机遇，必须进行跨学科、跨圈层和跨领域的深入对话。
为此，北京大学教育学院汪琼教授团队与腾讯研究院杨健、孙怡、吴朋阳等合作，产学研共创AI教育课题组，开展AI+教育思想系列沙龙，旨在推动各方对话，为智能时代的教育提供有价值的思路借鉴和参考。
第3期于2024年11月上旬举行，聚焦“AI时代的人机协同”，本期围绕人机协同在教育中的深远影响，邀请国内外知名学者探讨人工智能与教育的互动与融合。以下是内容选编，推荐阅读。
1.人工智能不仅是工具，更逐渐成为教育生态的一部分。正如PowerPoint自然融入课堂，AI正悄然改变教与学的方式，无论我们是否察觉其存在。2.过去，技术是单纯的工具，依赖用户手动操作；而如今的AI（如GPT），已经从工具转变为“助手”，能够接收指令自动完成任务并反馈结果。教育技术从过去的“信息表述”、“信息传输”，到现在的“信息智能（生成）”，为教育打开了全新的维度。3.生成式人工智能应被视为“智能增强”的工具，它与人类创造力和判断力相结合，能够创造出“1+1>2”的效果，而不是取代人类教师。4.生成式AI能够促进学生同更大的知识背景对话，从而激发集体智慧，帮助学生在解决问题中形成更广阔的视野。5.将创新和效率相结合的教学方法能有效提升学生的知识迁移能力。通过让学生先参与探索和创新，再进行系统化学习，有助于深化学生对知识的理解和应用。6.教育不仅由人类需求驱动，技术本身也在教育过程中发挥着不容忽视的作用。技术不仅是工具，更在塑造教育模式和文化对话中起着重要的作用。7.学习不仅是获取知识，还是培养创新和深思熟虑能力的过程。生成式人工智能可能会压缩学习过程，但真正的教育应关注学生在学习之旅中所经历的思考和创意，帮助学生实现认知的内化，而非仅仅关注学习成果。8.生成式人工智能在教育的应用，可能造成人类元认知副作用，包括加工流畅性效应、真理错觉效应、意义建构悖论等。这会造成人类“元认知懒惰”，学习者更倾向于依赖快速直觉的思维，而忽视批判性、深思熟虑的思维方式。9.尽管生成式人工智能带来了诸多可能性，但我们需要认识到，技术未来发展时间表的预测往往不准确，最重要的是关注其可能带来的影响和方向。本期嘉宾
Rupert Wegerif 剑桥大学教育学院教授Christopher Dede 哈佛大学教育学院教授Daniel Schwartz 斯坦福大学教育学院院长，教授Dragan Gasevic 澳大利亚莫纳什大学学习分析中心主任，教授
胡祥恩教授认为，人工智能不仅仅是一个工具，而是正在逐步融入教育生态系统的一部分，这与当年PowerPoint进入课堂的情景类似。他指出，没有人会特别征求学生的同意再决定是否在课堂中使用PowerPoint，它自然而然地成为了学习环境的一部分。人工智能正沿着相似的路径前进。胡教授进一步指出，我们已经生活在一个被人工智能包围的世界中。他以在成都乘坐配备机器人助理的电梯为例，强调这种技术的存在并未经过个体的许可或适应性选择——它就在那里。同样地，无论人们是否有意识地接受，人工智能现已成为教育生活中的一部分。
Christopher Dede教授指出，他更倾向于将生成式人工智能视为一种“智能增强”（Intelligence Augmentation）的工具，强调人类与人工智能的协同合作，双方各自发挥最擅长的能力。他认为，人类的创造力与机器的计算能力结合，能够产生“1+1>2”的效果。然而，他也指出，生成式人工智能的影响并不仅限于教学方式的改变，还可能深刻影响教育目标，甚至重塑需要教给学生的内容。此外，他提到，生成式人工智能对劳动分工产生了重大冲击。历史上，从原始社会转向农业社会，再到工业社会，每一次技术进步都伴随着劳动分工的变化，而生成式人工智能，特别是自然语言处理技术，可能会对许多依赖语言处理的职业产生深远影响。例如，有咨询公司预测，这种技术可能重塑大量相关工作。然而，Dede教授提醒，对人工智能影响的具体预测往往缺乏准确性。基于以往经验，他将这些预测视为引发讨论的一种方式，而非确凿结论。因此，他强调，更需要关注的是人工智能可能带来的影响方向，而非具体的时间表。
李晓明教授认为，计算机或信息技术的变革可以通过从工具到助手的转变来理解。他指出，工具和助手的区别在于：工具需要手动操作才能完成任务，而助手则是在接收指令后自动完成任务并反馈结果。例如，他提到，使用Google搜索引擎时，用户需要自行筛选最合适的信息，这体现了工具的性质。而当前的GPT，尽管仍需一定调整和完善，已基本从工具转变为助手。
李教授进一步指出，过去助力教育的信息技术主要集中在“信息表示”和“信息传播”上。“信息表示”是指各种编码形式，如文字、声音、图像、动画和视频，例如PPT；“信息传播”则通过广播、电视、网络等媒介进行，例如网课。然而，人工智能技术如今不仅仅强调信息表示或传播，而是更注重“信息智能”。他解释，“信息智能”是指对信息的理解能力，能够根据需求有针对性地生成新信息。此外，他还提到，以往计算机在处理格式化信息（如按照固定格式输入到程序中）方面表现出色，而现在，计算机已能够理解以自然方式呈现的信息（如图片和文字），并基于这些信息生成针对性内容。他总结道，这种能力为教育的信息技术引入了全新的维度。
Rupert Wegerif教授指出，早在几千年前，苏美尔人（Sumerian）已经建立了学校，这些学校的形式与今天的学校在许多方面极为相似。在当时，人们按照固定的课程安排坐成一排，先学习如何书写字母，再逐步学习如何构建更大的故事。他描述，这些学校被称为“书吏学校”（scribe school），其产生与城市化进程密切相关。随着人们聚集在城市中生活，社会群体规模扩大，契约的需求变得尤为重要，而书写作为一种记录方式成为不可或缺的技术。这种教育形式依赖于特定的技术手段——使用工具在泥板上留下痕迹，从而塑造了当时的教育实践。
Wegerif教授进一步强调，尽管口述文化或没有文字的文化阶段同样存在教育，但人们通常理解的教育——通过学校教授读写和算术——实际上是一种为服务技术而诞生的技术。他认为，教育本身是为了满足技术的需求而存在，而非单纯服务于人类的需求。书写技术的操作需要训练，而这种训练就是教育的本质。他指出，大众识字率的提高通常被视为值得庆祝的成就，因为识字能力是参与现代文化和科学集体对话的必要条件。然而，从另一个角度看，识字的需求实际上来源于技术本身，因为只有当人们学会使用技术时，技术才能发挥作用。他还提到，从发展速度来看，技术的进化远快于生物学的进化，这也解释了为什么需要正式的教育来帮助人类跟上技术的发展步伐。他认为这一点颇具启发意义，并引发了对教育本质的进一步思考。
述评：从专家观点中可以看出，人工智能对教育的影响已不再是一个短期趋势，而是一种深刻的、持续的转型力量。各位学者的论述强调了AI在教育中扮演的多重角色，从外在工具到生态系统的有机组成，从客观工具到主体智能的助手，人会因此而成为“超智人”。如果教育诞生的根本原因之一是为技术传承，那么人工智能与教育的共生共进就有了更深层的渊源。
Christopher Dede教授指出，生成式人工智能基于现有数据的推算预测能力，可以一种补充的方式与人类的判断力结合，而非取代。这种互补关系与科幻小说中人类与人工智能伙伴关系的描绘颇为相似。例如，《星际迷航》中的皮卡德船长作为飞船的指挥官，与名为“Data”的人工智能角色紧密合作。Data虽有类似人类的外观，但本质上是一台机器人。他们的互动展示了人类与人工智能合作的潜力：Data能够快速处理和整合大量复杂信息，例如在飞船受到攻击时，他能在微秒内分析20艘不同飞船的行动模式，并提供最可能的预测结果。而皮卡德船长则利用这些预测，结合自身的政治智慧和人类判断力，做出最终决策。
Dede教授还提及一个国家研究所的案例，他曾担任研究副主任，研究主题包括如何扩展劳动力规模以及教师如何为成人提供教育。在该背景下，他描述了成人教育教师被人工智能工具包围的场景：教学助手、答疑助手、实验助手、图书助手、考核助手，甚至沟通助手。这些人工智能助手在大型在线课程中尤为实用，比如帮助教师为学生找到合适的学习伙伴。然而，面对这些人工智能助手的广泛应用，教师可能面临两种情境：要么技能被削弱（deskilling），因为人工智能接管了部分工作；要么技能得以提升（upskilling），通过利用这些工具，教师能够专注于人工智能助手无法完成的任务，例如深入了解每位学生的需求，理解他们的文化背景、家庭状况和国籍等，从而提供个性化的学习体验。他进一步强调，这种技能提升的过程可被视为“智能增强”。然而，他指出，智能增强并非自动发生，只有当人类自身能力得到提升，并且能够调整和优化工作方式时，这一过程才会真正实现。
李晓明教授指出，陶哲轩最近的一句话令人深有同感，他表示：“人工智能可以让我们重新定义什么是难题（redefine what is difficult）。”在问题解决过程中，学生与人工智能的协作程度至关重要。协同智能（co-intelligence）的核心在于，人与人工智能的相互理解深度决定了问题解决的深度。理解越深入，双方能够完成的任务就越复杂，克服的困难也就越大。反之，如果一方无法理解另一方，合作便无法进行。因此，最终的成果实际上取决于这种相互理解的函数关系，而非单方面的能力。
在人工智能时代，教师角色发生了重要变化，其中最关键的一点在于引导学生善用人工智能。李教授认为，人工智能融入教育的核心目标，不是提供更好的答案，也不是让教师显得更“能教”，而是推动更有效地学习。为实现这一目标，需要回归学习科学（learning sciences）的基本共识，比如内化与反思等原则。这些原则能否有效融入任务导向的系统，将直接决定人工智能对学习的支持力度。对此，南京大学的陈道蓄教授曾提出一个发人深省的观点：“如果人工智能将来只能成为老师教的助手，而不是学生学的助手，那将是一种悲哀。”目前，许多人工智能应用更多关注帮助教师提高教学效率，例如通过课堂监控判断学生是否打瞌睡。这种做法虽看似高效，但本质上并未真正成为学生学习的助手。类似的还有 PPT 的过度使用，容量过大的内容反而“砸”得学生喘不过气，背离了学习的初衷。因此，他强调，人工智能的真正价值不仅在于优化教师的教学流程，而在于成为学生学习的真正助手，从而实现教育的真正目标。
Rupert Wegerif 教授指出，如果回顾历史，可以发现苏格拉底生活在古希腊文盲逐渐减少的时期。苏格拉底作为一位口语文化的思想家，对书写过程的批评具有深刻的道理和趣味性。他指出，整个教育体系在很大程度上建立在书写技术之上，而这一点在他看来并不理想。苏格拉底认为，书写并不能真正帮助人们思考，它只是营造了一种思考的假象。他将书写比作一幅画：画虽然看起来很好，但无法回应问题，也不能回答任何提问。此外，苏格拉底还提到，借助书写媒介，例如一卷羊皮纸，人们可以做出精彩的演讲，让听众误以为讲者非常聪明。然而，当听众提出问题时，讲者便可能显得不那么聪明，因为他们的聪明只停留在表面。他强调，真正的智慧和洞察力来源于对话的过程，需要通过从不同角度探讨问题，而书写却在某种程度上剥夺了这一可能性。有趣的是，Wegerif 教授认为，像 ChatGPT 这样的生成式人工智能可能有助于帮助教育回归本质，避免因过度依赖某些特定技术而偏离方向。他认为，当人们使用 ChatGPT 这类工具时，尽管它可能存在偏见，其文本内容可能更多来自北美，但它也可能代表关于某一主题的所有观点，体现出一种“普遍他者”（generalized other）的特性，即人类智慧中的“死知识”。然而，用户在与 ChatGPT 互动时，能够使这些知识变得有意义并与当下情境相关。通过内化这一过程，原本刻板和陌生的知识变得更加活跃和具体。他进一步分析，当用户使用生成式人工智能回答作业问题，或通过工具提出问题并开发项目时，实际上是在形成一种“群智”（collective intelligence）。这种智慧通过技术媒介，将用户与更广阔的知识背景联系起来，同时帮助用户建立更深的自我认知。在解决当前问题的同时，用户也能将更广泛的知识背景纳入考量，从而展现出生成式人工智能作为媒介在教育中的独特作用。胡祥恩教授指出，过去教育技术领域谈论较多的是“软件即服务”（SaaS），包括提供服务的API等技术框架。而现如今，技术条件的发展终于使得学习能够真正成为一种服务——即随时、随地、跨语言、跨学科发生的“学习服务”（LAAS, Learning as a Service）。他坚信，LAAS 是教育的未来。在这种模式下，时间和地点将不再成为学习的障碍。胡教授进一步设想，是否可以在任何学科或主题上快速创造新的学习内容？这样的愿景正在逐步实现。然而，他也提醒，这种转变带来了一系列新的挑战，例如，当人工智能提供学习建议时，其可靠性是否能够得到保障？如果人工智能出现错误，将如何应对？这些问题需要深入思考。因此，胡教授特别强调一个重要理念：LAAS 并非仅仅是一种工具，而是一种全新的学习生态系统。在这一生态中，学习者能够获得高度个性化的支持，而系统则通过与人类的持续互动不断优化自身能力。胡教授认为，通过这种方式，可以最大化学习者与人工智能协同的潜力。尽管这一过程需要时间来完善，但他坚信，这是教育未来发展的重要方向。Daniel Schwartz教授提出，目前大多数教育领域的人工智能应用主要集中于提高效率，但他认为人工智能的潜力远不止于效率优化，在创造力领域同样表现出色。他指出，人们在自然使用生成式人工智能时，通常更倾向于利用它突破自身在创造力上的瓶颈。然而，他强调，仅仅依赖效率或创造力中的单一趋势显然是不够的。如果能够通过人工智能将这两者结合起来，就能更全面地为学生的未来做好准备。为实现这种结合，他建议教育实践应以创新体验为先导，随后再进行高效的教学。人工智能技术为突破传统教学模式提供了新的可能性。例如，他团队开发了一种名为“可教育智能体”的系统。在这一系统中，学生以教授的身份指导一个计算机角色，而角色的知识结构直接反映学生的教学成果。具体而言，学生可以设计智能体角色的外观、服饰及个性化特征，例如为角色添加太阳镜。随后，他们开始教授智能体基本概念，如阳光、热量和水蒸气等。在教学过程中，学生需要将不同的知识节点连接起来，描述其因果关系和影响机制。例如，他们可以建立“增强关系”，即当阳光强度增加时，光线也会增强。在完成教学后，学生可以向智能体提问，例如“如果甲烷含量增加，热辐射会发生什么变化？” 智能体根据所学知识结构推理并给出答案。Schwartz教授进一步指出，这种系统不仅能够回答问题，还可以模拟传统测验功能，为学生提供即时反馈。通过在智能体身上“测试”自己的教学效果，学生在学习过程中获得了更深层次的参与和理解，从而实现了效率与创造力的有机结合。述评：在AI时代，人机协同教育的核心不仅在于技术工具的直接产出，而且在于通过技术塑造更深层次的学习对话和过程。Wegerif的观点表明AI并非知识的终结点，而是多元文化语境的连接器。Dede的“智能增强”进一步扩展了这一逻辑，指出AI与人类判断力的互补可以开辟“以人为本”的教育实践范式。Schwartz与李晓明的观点强调了这一问题的现实性：当教育技术被设计为追求快速解题和答案获取的工具时，其真正支持深度学习的潜力可能被忽略。因为生成式人工智能对教育的意义超越了技术应用层面，其深远价值在于通过对话、协作与文化反思，重塑教育的伦理与实践。教育研究和实践应进一步探索人工智能与人类智能的协同关系，为构建未来智慧教育体系奠定理论与实践基础。
Christopher Dede教授指出，传统上我们通常通过学习成果来衡量学习成效。教师教学生一些内容，学生通过写文章、画画、做音乐分析或完成其他某种内容来展示学习成效。这些产出或产品——如文章或分析——往往被视为学习成效的代表。人们认为，如果学生写了一篇好文章，就意味着他们理解了相关的思想和写作技巧，因此才会获得高分。然而，Dede教授提出，学习还可以从另一种角度来理解，即将其视为一段旅程。在这种视角下，重要的不是最终产生的“成果”，而是在学习过程中所经历的学习体验，包括思考创意、如何表达这些想法、使其有吸引力并能影响他人等。最终，文章仅仅是这一学习旅程的一个标志。
Dede教授还提出，生成式人工智能在教育中的应用存在一个风险，即它可能缩短这一学习旅程，导致学生不再经历完整的学习过程。他强调，人工智能本质上像一面扭曲的镜子，就像在游乐园里看到的哈哈镜，它可能给出误导性的反射。许多人认为人工智能比人类更聪明，因为它是在整个万维网上进行训练的，但这种看法并不完全准确。人工智能并不是在真实的万维网上训练的，它并没有从所有真实事物中学习。实际上，它的训练数据中，很多真实的信息已经被去除。它仅仅是在一个失真、偏见和误解的网络环境中进行训练，因此，它的输出常常带有错误，甚至会“编造”内容。Dede教授进一步指出，人工智能并不像人们想象的那样比人类更聪明，反而比人类更愚蠢，因为它无法像人类一样进行创造性理解和推理。
李晓明教授认为，教学生如何正确运用人工智能是当前教师的重要责任，尽管教师们自己也未必完全知道如何正确应用这一技术。他指出，生活、工作中的运用与学习中的运用存在显著差异，目的是最大的不同。在生活和工作中，运用AI主要是为了提高效率，得到一个可以自己负责的结果，而在这一过程中，“效率”和“责任”是两个关键概念。李教授强调责任的重要性，例如，现在很多秘书负责为领导撰写发言稿，尤其是正式的致辞，原本需要几个小时才能完成的稿子，现在只需要20分钟就能搞定。然而，他提出一个问题，能把GPT生成的内容直接交给领导吗？显然没有人敢这么做，必须从头到尾检查至少一遍。因此，尽管AI可以提高效率，但最终的责任仍然需要由人类承担。李教授还指出，学生使用GPT进行工作，不仅仅限于学习，也涉及到实际工作层面的应用。例如，送学生去参加会议，回来后要求他们在组会上报告会议内容并做总结，这就属于工作范畴，在这种情况下，使用GPT没有问题。然而，在学习过程中，运用AI又有所不同。学习的目标是为了真正掌握和内化某个知识点，而不是仅仅为了完成一份漂亮的作业。李教授进一步解释，学懂和学会意味着形成一种能力，并实现认知的内化。学习的本质是通过体验和过程形成相对持久的行为，并产生影响。如果缺少必要的体验，行为就无法持久，也无法改变。最终，李教授强调，学习与工作是不同的，教师需要确保学生在学习过程中能够实现这种转化。Dragan Gasevic教授指出，生成式人工智能带来的元认知副作用中，有几个现象特别值得关注。首先是加工流畅性效应，生成式人工智能生成的内容通常语言流畅、逻辑清晰，因此容易让人误以为这些内容是准确的。其次是真理错觉效应，人们往往倾向于认为那些易于阅读或理解的内容更真实。这种现象可能导致学习者在面对生成式人工智能内容时，轻易接受其真实性，而不加深思或质疑。此外，当处理某些信息时未感受到难度，人们容易切换到“自动驾驶模式”（autopilot），忽略了“学习判断”（judgment of learning）的激活过程。这意味着学习者更倾向于依赖快速直觉的思维，而忽视更为批判性、深思熟虑的思维方式。此现象对如何在生成式人工智能时代培养学习者的批判性思维能力构成了严峻挑战。此外，生成式人工智能时代还面临信息问题解决的挑战（information problem-solving）。信息问题解决能力指的是学习者寻找、筛选、整合相关信息并生成书面成果的能力。已有大量研究表明，学习者在信息搜索策略上往往表现出低效甚至不可靠。例如，一项关于医学生的信息搜索研究表明，他们使用的搜索策略非常有限，效果也不尽如人意。教授回忆自己十年前在温哥华因过敏反应在急诊室观察医生们查找信息时的情形，发现医生们几乎总是依赖维基百科，甚至专业人士也难以完全避免使用不可靠的信息来源。另一个重要问题是意义建构悖论（sensemaking paradox），学习者被期望掌握某些内容时，却可能缺乏足够的先验知识和获取与整合相关信息的能力。即使具备一定的主动性或创新能力，这一挑战依然是许多学习者面临的巨大障碍。对于当前受到推崇的适应性教学系统（adaptive learning systems），他指出了两个关键风险。首先是人类技能发展的风险，许多“适应性学习系统”旨在通过卸载学习者的某些认知任务来优化学习进程，但这些系统忽视了元认知能力的培养。大多数系统倾向于直接告知学习者哪种策略更有效，甚至帮助评估学习效果，而学习者可能只能控制投入的努力程度。然而，真正需要培养的是适应性学习者，而非单纯依赖适应性系统。另一个风险是认知卸载的隐患，随着人工智能的发展，越来越多的认知任务被外包给技术工具。这一趋势可能导致“元认知懒惰”，即人们轻信生成式人工智能的内容，缺乏批判性审视能力。例如，“真理错觉效应”便是认知卸载的典型表现之一。他由此思考，在卸载了认知任务的同时，我们是否也在逐步卸载甚至弱化了元认知的能力。述评：生成式人工智能在提升学习效率、提供个性化教育方面展现出巨大潜力，但与此同时，也伴随着多种潜在风险。教授们谈及的这些隐忧需要在教学中有意识地重视，因为对AI的不当使用不仅影响学生的认知发展和批判性思维，还可能导致学习深度的丧失和真正创造力的匮乏。AI与教育的融合不仅是一个技术性问题，更是一个教育哲学的问题。如何引导人工智能成为教育的助力，如何在效率与思维深度之间找到平衡，都是未来教育发展中需要深思的关键问题。
李晓明教授回顾了教育技术的演变历程。四十年前，教师在教授一门课程时，几年后可能只会留下几本教案；二十年前，教师上课时通常会留下自己的一套PPT；十年前，一门课程教授多年后，若有意愿，教师还可以留下一个MOOC（慕课）。而未来，教师可能在教授课程多年后，能够沉淀出一份数据资产。更为重要的是，这样的成果如果能够开源，将对教育产生更深远的影响。他指出，过去支持教育发展的信息技术，主要集中在“信息表示”和“信息传输”层面。随着“信息智能”技术的兴起，特别是人工智能的相变能力，教育领域呈现出一片广阔的蓝海，充满了令人振奋的机遇。然而，在这股喧嚣过后，我们需要冷静思考：什么样的教育应用形式能够真正沉淀下来，成为长期有价值的积累？他认为，这种情况在过去是少见的，未来也不会太多。现在热火朝天地推动的各种教育尝试，是否能够在未来成为教育的核心资产，仍然是一个值得深思的问题。Daniel Schwartz教授指出，在他观察到的教育领域运用AI的两种趋势中，一种是强调提升效率，另一种则注重增强创新和创造力。他认为，单单依赖其中一个趋势是不够的，只有将这两者结合起来，才能更好地为学生的未来做好充分准备。这要求建立一套强大且高效的知识体系，同时也需要具备提出新思路的能力。教授进一步探讨了如何帮助学生成为适应性专家的问题。他指出，适应性专家的特点是，他们对制约因素、目标和工具有清晰的认识，能够从新事物中汲取经验，选择性地放弃旧的做法，知道什么时候该放手，并能够提出既新颖又切实可行的解决方案。适应性专家也乐于尝试，敢于犯错。这些品质正是我们希望学生能够具备的：能够适应新环境，并从中学习。为了实现这一目标，他认为，首先应该让学生参与到创新的体验中，然后再通过高效的教学加以引导。Rupert Wegerif教授认为，人类在智慧方面有着独特的优势，特别是在比较不同事物并做出决策的能力上。目前我们看到的是一种力量和角色的分工，但这种分工本质上仍然是一种合作，总是存在协同智能（Co-Intelligence）。他指出，我们应该意识到，人类一直是在与技术共同构成一个更大的系统。没有文化和技术，就没有人类。因此，人类和技术共同进化，像一个更大的身体在协同运作。谈论这一问题时，他强调，尽管我们在提到“人类”时似乎在将其与技术区分开，但这实际上是一个误解，这就像把蜘蛛与它的网区分开一样。没有技术，就没有人类。人类实际上是这个更大系统的一部分，而在这个系统中，“人类”是指那些具备意识和决策能力的部分。Christopher Dede教授认为，生成式人工智能是一项重要的技术进步，但仍未达到我们期望的通用智能水平。他引用了一个古希腊的比喻来阐释这一观点：在古希腊和罗马神话中，智慧女神常常与猫头鹰相伴，而猫头鹰象征着智慧。从这个比喻来看，今天我们拥有一个智能增强的伴侣——人工智能，像猫头鹰一样，站在我们的肩膀上。如果我们足够聪明，人工智能可以帮助我们。但他强调，必须非常小心，明确了解人工智能的能力和限制。Dede教授还提到，某些预测声称“在五年内，人工智能将会是神，所有的决策都将由它来做”，他认为这些观点极端错误。他强调，我们必须确保教育人们保持判断力，而不是被人工智能的表面能力所迷惑。述评：总体而言，AI与教育的结合不仅是技术应用的转型，更是教育理念与价值的深刻变革。未来的教育需要培养学生不仅在技术驱动的环境中“高效”运作，还要能够在多变的社会环境中保持创新和批判的能力。在这一过程中，正确的人机协同教育观是促进人类智慧和教育模式共同进化的催化剂。![]()
腾讯研究院：《AI时代的教育之问I：教育焦虑》
腾讯研究院：《AI时代的教育之问II：教育变革》
👇 点个“在看”分享洞见
