當談起人工智能時,教育者在擔心什么？

魏忠

上海海事大學/庚商教育智能科技

wising@sina.com

沒有任何一種技術像人工智能一樣，讓技術倡導者與多數有經驗的教育者如此分裂和糾結，一方面人工智能給未來產業以及人才要求帶來巨大的想象，但教育并不能有效供給，因此各種科技大咖不斷發聲要從教育方式與培養內容上顛覆教育；另一方面多數教育者甚至是教授人工智能與計算機的教育者對教育方式是保守的、對教育內容是謹慎的、對運用技術所帶來的教育變化甚至是悲觀的。那么，兩者在何處撕裂？又為什么有如此不同呢？

作為一位教授人工智能的大學老師，下面，我用教育目標來談談人工智能教育，用人工智能原理來談談教育人工智能的看法。

教育的目標在杜威之前一直是學以致用論，杜威開始提出教育的目標是讓教育繼續下去（教育即生長）。關于教育目標的爭論一直比較多，但總體上從事教師這個職業的人受杜威的影響比較大，他們更多的是從人本身的內生動力和持續性來考慮，而產業界人士更多的是學以致用的樸素情懷，因此教育界與科技界對人工智能教育的看法有很大區別實屬正常。

從學以致用論來說，一個極端是超級高考中學的篩選優勝教育，一種是教育均衡的全民普惠論，也就是個人目標為上還是全民目標為上。從個人目標來講，盡早進入人工智能學習，在人才篩選體系中得到分子的地位，確實有效；從全民普惠來講，人工智能崗位不可能成為全民崗位，過早全民進入這個學習領域反而有可能被優先淘汰。人工智能也許適合頂尖的學生盡早學習，但對于大多數學生來講，未必是最優的選擇。從國家教育規劃來講，錯位自然生態才能保證一旦產業轉型有人才的對沖基礎。

人工智能真正的起源是皮茨與麥克洛克的M-P模型，后來演化成為今天的深度學習和大語言模型后來，皮茨在著名控制論專家維諾的指導下攻讀博士學位，卻因為發現青蛙的神經計算并不是把全部信號傳遞到大腦而對自己和導師的方向產生絕望而英年早逝。這牽涉到后來神經學家才發現的一個秘密，即人類的低級信息并不完全送進大腦集中計算，反而是通過神經元直接處理部分并聯信號，完全傳入大腦的往往是高度凝練的串行信號。將串行的高度凝練的信號送進CPU計算，將并行的多媒體信號在靠近輸入端的顯示卡（GPU）、聲卡中計算，是后來計算機也采用的常見方法。直到辛頓將皮茨和另外一位深受皮茨影響的麥卡錫的模型深入，才開創了今天的人工智能時代。通過以上內容可以看出，人類容易感知到的視頻、圖片甚至文字，和人類具備的更高級的數學、算法等，共同構造了人類的感性和理性，而人工智能計算能力的大幅度提高，反而不是理性的進步，是并聯信號的耗能的進步，其基礎是背后的理性的算法在支配。

回顧過去的教育技術的沖突走過的路，不隨便下定義，回到教育的場景和人本身，平心靜氣地慢思考，采用謹慎的甚至保守的策略，并不會造成災難性教育后果，反而是過度跟隨時代，是教育無法適應和沒有能力適應的。

因此，我們可以慢一點，謹慎一些，把基礎打扎實，然后還可以追上去，但經不起時間考驗的浮躁會毀掉一代試驗品，這才是教育者真正擔心的事情。