教育的AI

今年，各省教育廳密集出臺一系列與A相關的政策和指導文件，江蘇、四川、河南、浙江、山東等省相繼推出本省人工智能教育行動計劃或實施方案，彰顯出對人工智能教育的高度重視。有些地方已在秋季開學前編寫好了各教育階段的人工智能通識教材。

這些政策文件為人工智能教育的發展繪制了一幅宏偉藍圖，預示著人工智能將深度融入教育的各個環節，為培養適應未來智能化社會需求的人才奠定基礎。然而從一線教師的實際感受來看，他們卻越來越迷茫，不知道A教育究竟會走向何方。

一方面，教師不是專業的A人員，很難把握A的技術全貌；另一方面，A教育在學校中還缺乏實踐過程，學習內容仍有很大爭議。A的學習，是學工具應用，還是算法原理？是做A認知啟蒙，還是計算思維培養？是體驗模型訓練，還是上手場景適配？是了解神經網絡，還是接觸機器學習？在工具理性與創造本源之間，這個平衡點很難把握，它考驗的是教師的技術積累和專業認知。

高校的人工智能專業屬于專業領域的學習，不能作為通識性的A教育來討論。但是中小學的A教育，或者說教育領域中的A，應該由什么樣的教師來完成？需要教師具備什么樣的素養？如果嚴肅地來討論，可能很多教師都會覺得自己無法勝任，畢竟絕大多數教師自已都不曾接受過A教育，最多是一些碎片化的培訓和自我學習。能夠自告奮勇的，可能就是信息技術教師了。不管怎么說，這A還是跟計算機相關的。

現實中，在某重點中學的A選修課上，學生們能熟練調用API完成圖像分類項目，卻無法解釋卷積神經網絡的工作原理，這個結果可能培養的是“A操作工”。但是如果把愿景拔高到“智能架構師”的程度，好像又太過為難通識教育了，畢竟那也不是它的培養目標和能力范圍。

再看中職學校的A實訓室，學生日均完成5個預置模型調用項目，卻從未接觸過損失函數修改。這種碎片化訓練塑造出的AP依賴癥，削弱了學生解決非結構化問題的能力。

高校的情況也不樂觀，A課程內容相對于技術發展普遍滯后3～5年，多數高校仍以傳統機器學習算法為核心課程，而產業界早已進入大模型微調時代。這種時滯導致教育場域出現學非所用的認知裂縫，有人比喻這是用蒸汽機原理來培養航天工程師。

德國雙元制教育數據顯示，接受應用導向培養的AI人才，入職適應期縮短 60‰ 產業需求會形成強大的教育勢能，這種實用主義路徑在短期內確實能緩解人才的短缺，但是基礎創新能力卻決定著技術的天花板。在OpenAI團隊中，具有算法創新背景的成員貢獻了 72% 的核心突破。應用層的現實引力和設計層的源頭價值，有時就是魚和熊掌。

若A教育打破應用與設計的二元對立，每個學習者既懂得調用AP實現價值，又保持著對技術本源的探索熱情，那就邁向了A教育的終極目標：培養出既能駕馭現有工具，又能發明新范式的“雙棲人才”。而深度學習的先驅辛頓則指出：“最好的A教育，是讓人類學會與自己的創造物共同進化。”

在這場波瀾壯闊的認知革命中，教育不僅是技術傳播的渠道，更是文明躍升的階梯。但是別忘了，當我們在大談特談A教育時，還有些地區的學生尚不知道A為何物。這種數字鴻溝正在制造新的教育不平等，科技在迅猛發展的同時，也在擴大文明的痛點。