文科沙龙
2024年5月27日，清华大学文科沙龙第34期暨“清华教育沙龙”第1期“人工智能赋能高等教育教学”在清华大学教师发展中心举办。清华大学教育研究院教授李曼丽、清华大学化学工程系教授卢滇楠、清华大学人文学院哲学系教授刘奋荣、清华大学学堂在线负责人王帅国应邀参与讨论，沙龙由清华大学教育研究院副院长张羽副教授主持。本次活动采取线上线下相结合的形式，共有14万余名观众同步参与。
从文生文，到文生图，再到文生音频、视频乃至其他形式的内容，生成式人工智能在带来“创作”便利的同时，也将关于算法黑箱的讨论推向风口浪尖。刘奋荣以逻辑学视角破题，从推理与论证中探索AI赋能高等教育的抽象思维基础。
人工智能的历史
刘奋荣分享道，1956年，约翰·麦卡锡（John McCarthy）在达特茅斯会议（Dartmouth Conference）上第一次提出了“人工智能”的概念，以此来描述通过计算机模拟人类智能的研究领域。此后，麦卡锡开发了著名的LISP语言，该语言通过操作符号实现知识推理，奠定了传统人工智能的演绎推理逻辑。其核心思想是使用逻辑和规则来模仿人类的思维，通过逻辑推理和问题解决方法来模拟智能行为。比如，基于知识的专家系统便是一种典型应用，它通过符号化的规则构建医疗专家系统的推理引擎，通过逻辑推理来诊断患者的疾病。
20世纪90年代以来，随着计算能力的显著提升及数据量的增加，以统计学为基础的人工智能开始逐渐取代以逻辑学和数学为基础的符号主义人工智能的主导地位，并将归纳推理注入当代人工智能的运行。通过分析大量数据，人工智能系统可以进行模式识别和预测性分析，即归纳推理。例如机器学习、强化学习、深度学习以及大语言模型等技术手段，在图像识别、语音识别和自然语言交互等领域取得了显著突破。
刘奋荣进一步指出，演绎推理与归纳推理的关键区别在于：演绎推理得出的结论一定为真，而归纳推理的结论则可能有误。正因如此，传统人工智能与当代人工智能是两种理念不同的产物。当前人工智能的研究前沿正是希望找到逻辑推理与统计学习的融合点，旨在使现代人工智能模型在保有强大生成能力的同时，能够摆脱“算法黑箱”，并解决不可解释性与信息真实性的挑战。
图 | 沙龙现场（左二为刘奋荣）
人工智能赋能高等教育
刘奋荣提出，在探讨“AI赋能高等教育”这一议题时，我们首先需要回答两个核心问题——“什么样的AI？”和“赋什么样的能？”。对于前者，她认为，我们不仅要关注当前新兴的生成式人工智能的赋能潜力，还应充分发挥传统人工智能衍生品的教育效能（例如引进并推广技术成熟的国外学习软件等）。至于后者，她建议应在明确教学与科研之间的统一关系的基础上，让人工智能既促进教育教学，又为学术思考和科学研究带来新的课题。在此过程中，高等教育的目标不仅是传播知识，也包括培养学生的学习能力和创新研究能力。
她进而以正在开展的项目为例，展示了以逻辑学在破解算法黑箱、推动AI技术发展等方面的重要潜能。例如，刘奋荣在开设的研究生课程“人工智能中的逻辑”中，引入知识图谱（Knowledge Graph）、推荐系统（Recommender System)和大语言模型(LLMs)，关注了算法背后的推理过程，并探索相关研究领域面临的挑战。
图 | 刘奋荣在沙龙现场
刘奋荣指出，随着人工智能的进一步发展，其能力将逐渐增强。人工智能不仅可以协助人类完成资料搜集、文章润色等基础性工作，还能进行互动，并且能够基于推理和决策，作为代理去执行任务。在此背景下，“AI赋能高等教育”将成为一项长期的行动计划。作为高校老师，应以培养学生的学习能力和科研创新能力为目标来开展教学。而逻辑学将继续为人工智能的发展提供重要的理论支持。
供稿 | 马婷婷
“
点击下方名片 关注清华文科
