何去何从?通用人工智能视域下未来的教师与教师的未来

作者简介:
刘凯,华中师范大学心理学院讲师,博士后,主要从事机器教育、通用人工智能研究;隆舟,华中师范大学心理学院。武汉 430079;刘备备,渤海大学教育与体育学院。锦州 121000;王伟军,华中师范大学心理学院。武汉 430079;王培,天普大学计算机与信息科学系。宾夕法尼亚州 费城 19122 美国

原文出处:
武汉科技大学学报:社会科学版

内容提要:

人工智能时代,教育领域的发展必然与时俱进。当教师拥抱技术的同时,技术又将对教师产生哪些深刻的影响,是否会因机器替代人类教师而令这项神圣的职业走向消亡?时下,受“奇点”论的影响,该问题出现逻辑相同但结论截然相反的两种观点:“悲观派”认为,人工智能的能力将全面超越人类,教师亦将被人工智能所取代;“乐观派”则认为,人工智能不外乎是一种技术,不会对教师职业产生实质影响。本文指出二者相关讨论的背后存有两大根本局限:其一,对人工智能和“奇点”的认识不够深刻;其二,分析逻辑存在严重漏洞,讨论的前提、支撑理论和证据选择皆有问题。在此基础上,进一步对“奇点”引申出的四类重要的教育问题进行深层反思,并依据通用人工智能理论针对“悲观派”与“乐观派”关于教师及其未来予以回应。我们认为:“悲观派”和“乐观派”都是片面和偏激的。在未来,人类教师将面对机器教师的职业挑战,人类教师与机器教师将共同构成教师的两大主体,绝不是机器教师只以辅助教学的角色存在。教育作为一种“元职业”非但不会萎缩和消亡,反而会更加兴盛和蓬勃。学校教育的主要目标将从知识传承转向经验生长的引导,专用人工智能将教师从繁冗的事务性教学工作中抽离出来,通用人工智能则需要教师专注于学生个体化的经验建构从而回归教育本源。不同于机械或算法,经验空间的建构无法剥离环境而自动完成,因此,不论主体是人类还是类人机器,教师都永远不会缺席或“被”缺席。


期刊代号:G1
分类名称:教育学
复印期号:2019 年 01 期

字号:

       中图分类号:G434 文献标志码:A

      

      与法律、金融、医疗、物流等行业一样,教育如今也处于人工智能的变革潮头。政府支持政策相继出台,技术圈厉兵秣马加大研发投入,企业也争相推出智能化产品。一时间,人工智能成为社会关注的焦点话题。教育界一方面对人工智能抱持极大期许,希望借助技术进一步突破教育改革的坚冰,在更大程度上促进教育公平、提高教育质量[1],同时找准人工智能教育的落脚点,满足未来社会对技术人才的需求[2];另一方面,也对人工智能教育应用的未来存在疑虑:一旦人工智能可以完成教师的工作,教师将何去何从[3]?

       在已有讨论中,人工智能对教育的影响更多是围绕学习者展开,对教师的专论虽不多见,但从角色[4]、教学模型[5]、师生关系[6]等方面进行了有价值的初步探索。不过,教育界对人工智能影响下的教师未来预期可以区分出两种截然相反的观点:第一种是“悲观派”,认为人工智能的能力将全面超越人类,人类的大部分工作都将被人工智能所取代,教育领域不仅在所难免甚至可能首当其冲[7];第二种是“乐观派”,认为人工智能只是一种技术,并不具有真正意义上的智能,所以不会对人类教育工作者的职业产生实质影响[8]。

       从字面意义来看,“悲观派”和“乐观派”貌似“水火不容”:“悲观派”本质上抵制人工智能的教育应用,“乐观派”则积极吸纳人工智能技术的应用。但实际上,二者皆以“奇点”论为话题预设,在推论时亦如此,因此二者本质上却是殊途同归。因此,人工智能对教师影响之讨论,看似是一个较为具体的小问题,实际却隐藏着一个以“奇点”为核心的较为复杂的背景。本文从问题的背景切入,采用一明一暗两条线索展开分析:其一,遵从“先破后立”的逻辑框架。首先,对相关概念进行界定和解释,然后指出“悲观派”和“乐观派”在“奇点”支持下的基本逻辑并分析其问题之所在,是为“破”;继而,对“奇点”引申出的四类重要的教育问题进行深层反思;最后,回归问题本身,基于通用人工智能理论,对教师及教师的未来予以回应,是为“立”。其二,以人工智能技术的教育渗透为契机,期望能够在教育的本质层面,对当前存在的主要问题进行深入的思索。

       一、人工智能与“奇点”论

       核心概念的清晰和明确是科学讨论的前提。在“悲观派”和“乐观派”的讨论中,人工智能和“奇点”两个概念处于中心地位。然而,人工智能包含三种不同所指且容易混淆的分类,“奇点”背后则蕴含了一系列前提。因此,澄清并正确理解概念,才能为后续深入分析提供坚实的支撑。

       (一)人工智能

       由于对人工智能(Artificial Intelligence,简称AI)讨论的前提不同,导致对人工智能的认识各异。近期,在教育类学术刊物中,关于人工智能存在以下三种理解:第一种,认为人工智能包括计算智能、感知智能和认知智能[9];第二种,认为人工智能分为弱人工智能和强人工智能[10],而强人工智能也正是通用人工智能;第三种,认为人工智能分为专用人工智能和通用人工智能[11]。

       第一种分类常见于行业演讲和报告中,既缺乏理论依据,又具有误导性:逻辑上貌似完整无缺,又与“奇点”不谋而合。其中,计算智能(又称运算智能)指的是快速计算和记忆存储能力,感知智能指的是视觉、听觉、触觉等感知能力,认知智能则是指抽象理解能力。对于计算系统而言,计算智能对应于计算水平,感知智能对应于感知水平,认知智能则对应于认知水平,三者由低至高逐级更加“智能”。现在计算智能和感知智能业已成熟,那么随着技术的发展,在给定这一框架的前提下,认知智能也应该可以实现,毕竟前两者已经实现了。然而,无关乎最后的认知智能是否最终必然实现,关键在于框架的前提存在问题。事实上,计算能力和感知能力只是实现智能的必要条件,而不是智能本身,所以将计算智能和感知智能也划入智能的分解不过是一个玩弄逻辑概念的把戏,在不能真正解决任何实质性问题的同时却极大地提升了“认知智能必定能够实现”的信念和预期。因此,如果不能翔实检视这个前提,那么由此得到的后续结论便经不起推敲。

       第二种分类多见于哲学论述中,最早由约翰·赛尔(Searle J)提出[12]。他认为,弱人工智能的计算机其价值主要是为心智探索提供有效的工具,而强人工智能则意味着某种程序化系统的运行本身就处于心智状态中,能够真正理解事物并具有自己的认知状态[13]。对此,徐英瑾专门撰文写道:大众理解的“强—弱”之分在于智能的宽与窄之分,而约翰·赛尔心中“强—弱”之分却是真假之分。然而,这种区分并不是没有意义的,起码说明了“人工智能在各个领域内的量的积累,未必会导致真正意义上的智能的涌现”[14]。于是,在赛尔看来,即使一个计算机系统的外在表现完全像人,那也只是个“弱人工智能”,而“强人工智能”必须真正拥有自我意识。这是很多通用人工智能研究者不认可的,因为在此分类下人工智能系统的“强弱”之别就没有任何外部标准来衡量了[15]。可以看出,“强人工智能”并不是智力能够全面接近乃至超越人类智能的机器智能,而“弱人工智能”也不是指对人类智能的某些方面的模仿。所以,从原始学科向学科的概念“转移”中,其内涵和外延已经发生了变化,正如“奇点”一样。

相关文章: