讓AI擁抱學習

劉黨生

我們與眾多教育人一樣都注意到了，國務院最近印發了《新一代人工智能發展規劃》（以下簡稱《規劃》）。作為以深度學習為己任的教育機構，對這項《規劃》堅決擁護，絕對看好，但對第一波社會反響，特別是教育業內的一些呼聲，卻有話要說。

論教育，不可忽略《規劃》背景

《規劃》明確：“人工智能的迅速發展將深刻改變人類社會生活、改變世界。為搶抓人工智能發展的重大戰略機遇，構筑我國人工智能發展的先發優勢，加快建設創新型國家和世界科技強國，按照黨中央、國務院部署要求，制訂本規劃。”

定位如此之高，讓我們聯想到了十年前，美國政府頒布的“大力發展STEM戰略”。這個國家戰略定位既揭示了STEM的重要性，也決定了通盤規劃、整體實施的頂層設計意圖。這次，《規劃》從六個方面加以全面部署，用了兩萬字的篇幅進行詳盡闡述。指導思想非常明確：“……深入實施創新驅動發展戰略，以加快人工智能與經濟、社會、國防深度融合為主線，以提升新一代人工智能科技創新能力為主攻方向，發展智能經濟，建設智能社會，維護國家安全，構筑知識群、技術群、產業群互動融合和人才、制度、文化相互支撐的生態系統，前瞻應對風險挑戰，推動以人類可持續發展為中心的智能化，全面提升社會生產力、綜合國力和國家競爭力……”而這一切，是基于“戰略態勢”的研判而做出的：有感于經歷了60多年演進的人工智能領域，在今天進入到發展新階段，呈現出深度學習、跨界融合、人機協同、群智開放、自主操控等新特征。在這里，人工智能是引領未來的戰略性技術，《規劃》特別提及了“大數據驅動知識學習、跨媒體協同處理、人機協同增強智能、群體集成智能、自主智能系統成為人工智能的發展重點，受腦科學研究成果啟發的類腦智能蓄勢待發，芯片化硬件化平臺化趨勢更加明顯”。

顯然，新一代人工智能呈現出的是一種整體推進的態勢。除了對政治、經濟有著顯而易見的重大影響之外，人工智能還帶來社會建設的新機遇，也帶來了新挑戰。它是影響面廣的顛覆性技術，可能帶來改變就業結構、沖擊法律與社會倫理、侵犯個人隱私、挑戰國際關系準則等問題。所以在大力發展人工智能的同時，必須高度重視可能帶來的安全風險挑戰，加強前瞻預防與約束引導，最大限度降低風險，確保人工智能安全、可靠、可控發展。

事實上，僅從教育技術的視角尋找切入口，可能早已遠遠落伍于人工智能技術可以支撐的教育變革，甚至在一些理念的沖突中，還會曲解甚至是誤會人工智能對教育的滲透影響力。畢竟，長期以來，我們遵循的一直是上世紀50年代教育裝備、裝備后勤的指導思想，即便在幾年前實現“教育裝備研究與發展中心”的轉型之后，革命式的自我突破還是非常謹慎，教育技術與教育實踐始終處于兩層皮的狀態，從屬關系依舊，主次關系分明，人們所期待的那種教育技術變身為教育資源的有機組成部分，為新技術介入教育領域而用客觀、理性和全新視角判讀的情景，至少在今天，還有差距。

目前，自適應自主學習、生物特征識別、直覺感知、腦科學、行為科學、混合智能和群體智能等跨越發展的應用正大踏步地向我們走來，包括BYOD、可穿戴技術、大數據、云計算、語音識別、視覺識別技術、中文信息處理、智能監控、核心算法等的最新成果有可能在將來的某個時刻促成具有顛覆意義的生態圈和新業態形成。那我們能不能面對新形勢新需求，主動求變應變，牢牢把握人工智能發展的重大歷史機遇，緊扣發展、研判大勢、主動謀劃、把握方向、搶占先機，引領新時代教育變革，帶動國家教育領域的整體躍升和跨越式發展呢？

重實操，全面解讀《規劃》目標

細讀《規劃》，我們應該同步鎖定以下內容：既要開發基于大數據智能的在線學習教育平臺，也要完善人工智能領域學科布局等。《規劃》要求，利用智能技術加快推動人才培養模式、教學方法改革，構建包含智能學習、交互式學習的新型教育體系；開展智能校園建設，推動人工智能在教學、管理、資源建設等全流程應用；開發立體綜合教學場、基于大數據智能的在線學習教育平臺；開發智能教育助理，建立智能、快速、全面的教育分析系統；建立以學習者為中心的教育環境，提供精準推送的教育服務，實現日常教育和終身教育定制化。

在人才培養上，《規劃》提出，支持和培養具有發展潛力的人工智能領軍人才，加強人工智能基礎研究、應用研究、運行維護等方面專業技術人才培養。同時，加大高端人工智能人才引進力度，重點引進神經認知、機器學習、自動駕駛、智能機器人等國際頂尖科學家和高水平創新團隊。《規劃》除了明確提出要建設人工智能學科，還鼓勵高校在原有基礎上拓寬人工智能專業教育內容，形成“人工智能+X”復合專業培養新模式，重視人工智能與數學、計算機科學、物理學、生物學、心理學、社會學、法學等學科專業教育的交叉融合。加強產學研合作，鼓勵高校、科研院所與企業等機構合作開展人工智能學科建設。

《規劃》還倡導開源共享理念，促進產學研用各創新主體共創共享，形成全要素、多領域、高效益的深度融合發展新格局。積極參與人工智能全球研發和治理，在全球范圍內優化配置創新資源。

盡管，有關部委的配套執行文件還沒有出臺，但我們有理由相信，教育領域在落實《規劃》中的角色不僅相輔相成、砥礪前行，更意味著開啟了一個新紀元。

首先，在技術消化方面，會形成三大突破：

1.技術地位的突破。要容許教育技術超越教學行為，寬容最新技術對傳統教育的挑戰，不設前提和障礙地輔佐技術滲透進教育行為的方方面面。甚或是樂見技術與數據引領教育前行。

2.技術手段的突破。這里所說的技術，已不再是一種工具的存在，而更多地凸顯出它對教育模式在系統工程層面的著力與建樹，它必將彌補傳統經驗教學模式、總結性知識固化模式、單一記憶考查模式等的不足。

3.技術應用的突破。數字化應用是得到公認的一個方面，另一方面，將在便攜、精準、可度量，乃至于知識植入、個體規劃設計等方面顯現出獨到的優勢。

其次，在智能導引模式上，有可能達成三點重構：

1.混合作戰模式。可以預期，目前有關教學、教研、電教、裝備等各自為政的局面將被打破；教育獨立（滯后）于先進技術發展的狀況有望成為歷史；教育社區和教育社會化的倡導將幫助實現在先進技術應用方面的社會同步。

2.融合創新模式。美國斯坦福大學人工智能研究中心尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關于知識的學科——怎樣表示知識以及怎樣獲得知識并使用知識的科學。”它反映了人工智能是研究人類智能活動的規律，構造具有一定智能的人工系統的基本理論、方法和技術。

3.多元支撐模式。研究用計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科；從思維觀點看，人工智能不只限于邏輯思維，還要考慮形象思維、靈感思維，這樣才能促進人工智能的突破性發展。

再次，在課程形態解構方面，有望走出傳統：

1.學科設置不再糾結于多少，而更注重滲透；人工智能的定義可劃分為四類，即機器“像人一樣思考”“像人一樣行動”“理性地思考”和“理性地行動”。一旦“行動”的交織突破了人為對學科壁壘的局限，那注定是教育的一次飛躍。

2.校園不再被圍墻所禁錮，互聯（物聯）手段全面開花；來自谷歌、百度等一系列應用開發，已經讓人不再對此懷疑。

3.個性診斷技術支撐下的學能設計。發明家庫茲韋爾認為，人類思維中的非生物因素將占據主導地位。

最后，新學習診斷元素的強勢介入：

1.深度學習。人工智能的哲學基礎似乎正在變得更加豐富。行為智能、進化計算、群智能、量子計算、DNA計算等激動人心的新進展不僅拓寬了人們實現人工智能的視野，還充分證實了人工智能是目前人類科學大廈中最為活躍、最富有魅力的組成部分之一。

2.職業生涯體驗。這方面，尤其有必要與國家規劃節點目標保持高度一致：2020年、2025年、2030年“三步走”戰略，幾乎涵蓋了目前在學的所有學生的基礎教育階段、本科教育階段的學習生涯，亟待幫助學生在認知上對其了解、在職業導向上與之同步。

3.新“行知學”迭代提升。正是由于世界各國在人工智能領域都在你追我趕，所以幾乎不存在誰先發現、變相引領的情況，更有可能的是基于對技術突破之后的彼此文化底蘊支撐而形成流派，東方的“行知學”思想極有可能與STEM同臺論劍。

須警惕，魚龍混雜《規劃》贗品

出于對雙刃劍效應的警惕，教育在吸收、引進新技術手段的過程甄別方面，始終出手謹慎。最典型的例子是對教育游戲類產品的防守。

同理可證，在同步人工智能技術的同時，一方面，我們有必要在基礎理論體系方面，尋求與新一代人工智能相交相通的結合點。兼顧當前需求與長遠發展，超前布局可能引發人工智能范式變革的基礎研究，促進學科交叉融合，為人工智能持續發展與深度應用提供強大的教育科學儲備。要加強大數據智能、跨媒體感知計算、人機混合智能、群體智能、自主協同與決策等基礎理論研究。重點突破無監督學習、綜合深度推理等難點問題，建立數據驅動、以自然語言理解為核心的認知計算模型，形成從大數據到知識、從知識到決策的能力。

另一方面，我們必須清醒地認識到，高新技術并不完全等同于高精尖，尤其是對教育的借鑒而言，跨媒體感知計算理論重點突破的是低成本、低能耗智能感知、復雜場景主動感知、自然環境聽覺與言語感知、多媒體自主學習等理論方法，實現超人感知和高動態、高維度、多模式分布式大場景感知。而混合增強智能理論重點突破人機協同共融的情境理解與決策學習、直覺推理與因果模型、記憶與知識演化等理論，實現學習與思考接近或超過人類智能水平的混合增強智能。群體智能理論重點突破群體智能的組織、涌現、學習的理論與方法，建立可表達、可計算的群智激勵算法和模型，形成基于互聯網的群體智能理論體系。

相比較技術領域的導入，我們亦需要高度關注對于教育領域而言，一些非常陌生卻非常有可能形成突破的陌生環境，如高級機器學習、類腦智能計算、量子智能計算等跨領域研究，重點期待在類腦的信息編碼、處理、記憶、學習與推理理論基礎上，形成類腦復雜系統及類腦控制等理論與方法，建立大規模類腦智能計算的新模型和腦啟發的認知計算模型。

開展跨學科探索性研究也將是挑戰教育人的一大難點。要推動人工智能與神經科學、認知科學、量子科學、心理學、數學、經濟學、社會學等相關基礎學科的交叉融合，加強引領人工智能算法、模型發展的數學基礎理論研究，重視人工智能法律倫理的基礎理論問題研究等。這里，盡管教育的大眾屬性較之尖端的人工智能范疇，相對容易被大家理解，但這也恰恰形成了教育經驗邏輯與教育縝密邏輯之間、教育行為屬性的定性與定量之間似曾相識卻不甚了了的夾生生態；我們有必要科學理性地做好可行性論證工作，兼收并蓄地有序展開研究，堅持理論考證前提下的小樣本驗證，乃至逐級放大的過程性診斷和修正，特別是在診斷、定性等領域更要謹慎。

朱永新教授認為，傳統的學校正在走向消亡，替代它的將是“未來學習中心”。未來學習中心將有十個基本特征：從學習中心的內在本質來說，它會走向個性化；從學習中心的外在形式來說，它會走向豐富化；從學習中心的時間來說，它會走向彈性化；從學習中心的內容來說，它會走向定制化；從學習中心的方式來說，它會走向混合化；從學習中心的教師來說，它會走向多元化；從學習中心的費用來說，它會走向雙軌化；從學習中心的評價來說，它會走向過程化；從學習中心的機構來說，它會走向開放化；從學習中心的目標來說，它會走向幸福化。

待眾籌，深度重構《規劃》遠景

《規劃》指出，發展人工智能是一項事關全局的復雜系統工程。華東師范大學計算機科學與軟件工程學院教授、副院長蒲戈光曾坦言：在人工智能現有技術支撐下，要想同時取得對知識的執行、創造和破壞的突破，談何容易。因此，人工智能環境下的未來教育是要培養學生創造知識和破壞知識的能力。為了論證這個命題，我們應從未來行業的進化、未來社會關系的進化、未來知識工作者的進化三個方面展開討論。

其實，把握人工智能技術屬性和社會屬性高度融合的特征，既要加大人工智能研發和應用力度，最大程度發揮人工智能潛力，又要預判人工智能的挑戰，協調教育政策，最大限度防范風險。

1.有必要事先鎖定以算法為核心，以數據和硬件為基礎，以提升感知識別、知識計算、認知推理、運動執行、人機交互能力為重點的人工智能關鍵共性技術體系。

2.在知識計算引擎與知識服務領域，重點凸顯知識加工、深度搜索和可視交互核心技術，實現對知識持續增量的自動獲取，具備概念識別、實體發現、屬性預測、知識演化建模和關系挖掘能力，形成涵蓋數十億實體規模的多源、多學科和多數據類型的跨媒體知識圖譜。

3.跨媒體分析推理技術。重點突破跨媒體統一表征、關聯理解與知識挖掘、知識演化與推理、智能描述與生成等技術，實現跨媒體知識表征、分析、挖掘、推理、演化和利用，構建分析推理引擎。

4.群體智能關鍵技術。重點突破基于互聯網的大眾化協同、大規模協作的知識資源管理與開放式共享等技術，建立群智知識表示框架，實現基于群智感知的知識獲取和開放動態環境下的群智融合與增強，支撐覆蓋全國的千萬級規模群體感知、協同與演化。

5.混合增強智能新架構與新技術。重點突破人機協同的感知與執行一體化模型、智能計算前移的新型傳感器件、通用混合計算架構等核心技術，構建自主適應環境的混合增強智能系統、人機群組混合增強智能系統及支撐環境。

6.虛擬現實智能建模技術。重點突破虛擬對象智能行為建模技術，提升虛擬現實中智能對象行為的社會性、多樣性和交互逼真性，實現虛擬現實、增強現實等技術與人工智能的有機結合和高效互動。

7.自然語言處理技術。重點突破自然語言的語法邏輯、字符概念表征和深度語義分析的核心技術，推進人類與機器的有效溝通和自由交互，實現多風格多語言多領域的自然語言智能理解和自動生成。

在新教改的推進中，各種利好消息、資源支撐、技術突破，都在呼喚著順應時代的全新教育樣式迭代而起；把握時機，抓住窗口，彎道超車，將揭開教育嶄新的一頁。