当谈起人工智能时,教育者在担心什么？

魏忠

上海海事大学/庚商教育智能科技

wising@sina.com

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，但教育并不能有效供给，因此各种科技大咖不断发声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、对教育内容是谨慎的、对运用技术所带来的教育变化甚至是悲观的。那么，两者在何处撕裂？又为什么有如此不同呢？

作为一位教授人工智能的大学老师，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。

教育的目标在杜威之前一直是学以致用论，杜威开始提出教育的目标是让教育继续下去（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人受杜威的影响比较大，他们更多的是从人本身的内生动力和持续性来考虑，而产业界人士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。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，未必是最优的选择。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。

人工智能真正的起源是皮茨与麦克洛克的M-P模型，后来演化成为今天的深度学习和大语言模型后来，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。这牵涉到后来神经学家才发现的一个秘密，即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。通过以上内容可以看出，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。

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，采用谨慎的甚至保守的策略，并不会造成灾难性教育后果，反而是过度跟随时代，是教育无法适应和没有能力适应的。

因此，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。