論人工智能的教育尺度

孫田琳子 沈書生

摘要：人工智能的迅猛發展掀起了新一輪的教育變革浪潮，這促使教育工作者需要開始思考人工智能技術在教育應用中的邊界與尺度。文章首先揭示了當下人工智能與教育結合發生的失衡現象，再通過剖析德雷福斯對人工智能技術本身極限的現象學反思，得出人工智能的發展局限在于人類智能的不可代替性，進而對教育中人工智能的運用尺度進行理性展望，從人機關系、學習體驗、知識培養、評價機制、教育本質等維度探討了人工智能與教育融合的發展圖景，以期為未來的智能教育發展提供參考借鑒。

關鍵詞：人工智能;教育;邊界;德雷福斯;現象學

中圖分類號：G434

文獻標識碼：A

當互聯網時代還方興未已，人工智能時代已悄然來臨。近年來，人工智能（簡稱AI）的運用掀起了新一輪的科技革命，顛覆了社會生活結構，推動了全球經濟飛躍，改變了人們的思維方式和文化觀念，甚至有人認為人工智能將引領人類走向第四次工業革命。人工智能對社會發展的卓越貢獻有目共睹，引起了眾多領域的重大革新，人工智能對教育領域的影響也舉足輕重。2017年7月，國務院頒布了《新一代人工智能發展計劃》，提出要構建開放協同的人工智能科技創新體系，明確了我國人工智能發展的戰略目標[1]。2018年4月，教育部印發的《教育信息化2.0行動計劃》提出“智能化”將成為教育信息化體系建設五大方向之一，號召教育領域應從數字化、網絡化的信息化1.0時代跨越升級為大數據、智能化領跑的信息化2.0時代[2]。2019年5月，聯合國教科文組織發布的《教育中的人工智能：可持續發展的挑戰與機遇》對運用人工智能促進教育變革等問題達成共識。可見，人工智能與教育的深度融合已成為當今教育領域發展的必然趨勢。然而，作為教育者，不僅要與時俱進、積極響應技術變革教育的時代號召，更要在這股人工智能熱潮之余做理性的冷思考。例如，處于初步融合階段的我們應如何把握技術與教育的關系及尺度？人工智能運用于教育領域的邊界與極限在哪里？教師在教學活動中運用人工智能技術時應注意哪些問題？這些都是需要我們直面與深思的新問題，唯有從理論根源上明晰二者之間的辯證關系，在教育過程中合理應用新興技術，才能使教育真正走向智能化，為社會培養出創新型、智慧型人才。

一、異化與批判：人工智能與教育結合的失衡現象

人工智能開啟了教育領域的新格局，智能教學系統、機器人創客教育、大數據學習分析等智能技術也日益得到普及應用，為教育生態發展帶來前所未有的動力引擎。然而，教育行業在一邊歡欣鼓舞、極力迎合新技術的沖擊時，一邊仍需反思人工智能技術在教育中的運用是否存在尺度。教育有其自身堅守的使命與責任，融合發展并不意味著無條件順從，只有合理把握智能技術與教育結合過程中的平衡與張力，明晰技術理性與價值理性的統一關系，才能將技術對教育的積極作用達到最優化。不得不承認的是，在實然的人工智能教育現狀中，仍時常出現一些技術異化教育的失衡現象。

（一）智能技術依賴導致主體意識缺失

雖然智能技術為教育提供了諸多便利和無限可能性，很多師生對智能技術的教學應用推崇備至，但技術終究是人的勞動產物，它或許能替代部分簡易工作，但不能讓技術綁架了我們的大腦，失去了主體判斷能力。馬克思的實踐哲學認為人是一種主體性存在，強調彰顯自由個性的主體性思想，社會發展規律要與人的主體地位相統一。教育是實踐，是人的行動，是人的事情或事件。人文之事的事理是理念，是對事情本原的價值規定，處理教育的事情就必須按照教育內在的目的所要求的價值原則、方式去發展教育事業，教育的價值才能彰顯[3]。教育的主體是人，我們應立足“主體人”的本質去探討解決之道。然而，追溯計算機學科的認識論背景大多以笛卡爾的身心二元論為理論來源，把認知當作人大腦里的私有財產，并且認為心智優先于身體，拋棄了社會情境對人的心靈的作用。學習科學研究領域早有學者提出對傳統認知心理學的批判：“認知心理學的核心假設是人腦類似于計算機，思維就是計算，認知過程有如計算機的表征和運算過程，這種符號加工模式無法反映認知過程的靈活性”[4]。假如我們將這種統一認知模式的人工智能技術應用到教育的各個環節當中，不免會把復雜多元的“主體人”當作固化統一的“機器人”。學生或老師對智能技術的過分依賴很有可能會造成使用者趨易避難、迷失自我，久而久之將丟棄了人本身的復雜性和豐富性，違背了教育的初衷與本質。正所謂，造出像人一樣的機器并不可怕，可怕的是培養出像機器一樣的人。

（二）理性主義盲崇致使單向度教育觀

智能技術對教育領域的過分干預不僅引起主體意識的缺失，還愈發固化人們的理性主義盲目崇拜。學習成績的數據分析、學習行為的實時監控等智能化手段無不對學生造成一定程度的促逼和限定，即強迫學生進入某種非自然狀態，忽視他們的天然特征。如若教師一味憑借量化的智能技術考察學生的學習水平，終將會導致單一化的教學活動和單向度的教育理念。究其根本，人工智能的理論基礎扎根于實證主義研究方法，實證主義慣用將理論概念化作變量來處理，對概念進行操作性定義，并用可重復的實驗方法來驗證假設。教學中的實證研究方法由來已久，早期的科學家們只堅信單一方法帶來的客觀性和科學邏輯推演下的真理，狹隘地認為只有規范的實證科學以及量化的認知方式才能保證研究的正確性，因而，他們把人們的生活經驗、思想文明、社會文化等精神物質轉變為可以測量的物理實體。然而，單一片面的觀察視角無法看到世界的真實全貌，實證主義慣于描述個人層面的“行為”和“認知”，卻看不到解釋主義中的“關系”和“生活世界”[5]。比如，很多時候教師若想知道一個學生是否理解了這個知識點，最簡單的方法莫過于用智能技術測試其答題分數，但經過量化的分數就能完全代表他的理解水平嗎？顯然，人的行為是不確定的、未知的、充滿復雜性的，我們不應陷落工具理性的困境，漠視人的情感和精神價值，在教學過程中運用人工智能技術時應建立在合理量規的基礎上，不因過度沉迷于“求知求真”而忽視了“求善求美”。教育中的人不是單向度的人，教育要促進個體的差異化發展，正如馬克思所說的那樣：每一個類主體要能全面地占有多種多樣的人的本質力量。

三、尺度與重構：人工智能與教育融合的發展圖景

從德雷福斯的現象學反思可以看出，目前人工智能的發展局限仍歸結于意識生成問題以及無法擺脫對表征的依賴。因此，人工智能與教育融合最根本的界限在于人的特殊性是無法取代的，即使人工智能在一些可表征的智力活動中已經逐步超越了人類，但人類真正的智能活動是不可形式化、表征化的，是人類獨有的認知領域。教育的尺度終究是人，人工智能在教育領域中的深入運用也不能凌駕于人的原初本質、跨過人性的藩籬，若用千篇一律的教育方式去對待每一個學生，那無異于主動放棄了人自身的特殊性與主體地位?；诖?，我們有必要立足于人的本質明晰人工智能在教育中運用的邊界，重構人工智能與教育融合的發展圖景。

（一）平衡互補的應然人機關系

如今的信息時代，人工智能技術為提升學生的學習效率做出了不可否認的突出貢獻，為教師的課堂教學節省了諸多寶貴的時間成本。技術哲學家貝爾納·斯蒂格勒（Bernard Stiegler）認為人必須通過不斷發明創造來彌補先天的缺陷，因此，技術在人的“存在”中充當了“代具”的角色，人們為了完善自身性能需要不斷尋求新技術的存在，最終形成了融為一體的“人一技術”結構[14]。身為血肉之軀的教師，大腦的生理局限導致了他們只能承擔有限的認知負荷，一旦接收的信息量超出了人腦的限定范圍就會擾亂正常的思維運轉，因此，在知識的獲取和傳遞環節中教師處于劣勢位置。然而，具備強大數據庫和精準計算能力的智能技術無疑在這一方面占有絕對優勢，它們可以捕捉到很多人眼無法察覺的數據信息、準確記錄人們難以記憶的海量知識。因此，在一些傳遞、復制已有知識的可重復性工作中，人工智能可以起到高效便捷的替代作用，比如生成背景性知識拓展、習題庫資源管理、學習行為分析等大量數據處理工作，幫助教師減輕負擔。然而，即便智能技術擁有高超的性能優勢，人的主體地位依然難以動搖，人工神經網絡專家弗蘭克·羅森布萊特（Frank Rosenblatt）曾指出只有人和計算機結合在一起才能完成那些無法單獨完成的事。換言之，沒有人參與的人工智能活動是不完整的，人的某些特殊領域與認知能力是人工智能無法代替的。譬如在教學中，學生的創新創造、問題意識、批判思維、情感表達、道德品行、價值判斷等方面的培養都離不開教師的親自引導。不僅如此.不同的學生有著個性化的學習需求，因材施教也是教師教學藝術的重要體現之一。諸如此類人性化、非表征的教育工作，正是因為人們主體意識的獨特性而不能被代替，這不僅是教育工作者的職責與義務所在，更是智能時代教師保持自身先進性的重要依據之一。

依此可見， “人類智能”與人工智能的互補性造就了動態平衡、角色互補的應然人機關系。我們應充分借助人工智能的技術優勢和教師天然的人性優勢，在教育教學過程中合理結合二者長處，物盡其用，從而使教學效率達到最優化。同時還需注意，無論是教師還是學生，應杜絕對技術的盲目跟風與過度依賴，正確把握人與技術的依存關系，明確自身的職責與使命，在良性的“人一技術”關系中促進教育事業的健康發展。

（二）身心合一的具身學習體驗

望遠鏡延伸了人的視覺功能，收音機擴寬了人的聽覺功能，汽車擴展了人的行走功能。一方面，技術使人們能體驗到生理局限之外的世界，另一方面，人工智能的發展瓶頸仍需向人類智能的生理構造尋求突破路徑。德雷福斯從海德格爾的此在哲學到梅洛一龐蒂的具身哲學中凝聚靈感，開拓出人工智能的具身進路，強調身體結構對塑造智能活動的重要性，身體的結構決定了我們認識世界的方式。現代AI專家為實現更強大的認知智能，將身體的相關特征納入計算機的算法中，同時以人腦的神經系統為原型建構錯綜復雜的人工神經網絡，朝著模仿并超越人類智能的方向推進。

不僅人工智能自身的技術突破需要借助身體理念，教育中的人在應用先進的智能技術時也存在從離身認知向具身學習的形態轉變。哲學家唐·伊德（Don Ihde）曾言明“具身關系”是人與技術之間的四種關系之一，他將這種關系描述為“（人一技術）一世界”，即是說人可以通過使用技術來與世界打交道，同時在使用中人們幾乎感覺不到技術工具的存在， “透明化”地發揮著技術的作用[15]。教育場域中，當師生可以得心應手地使用AI技術，并成為他們身體構造的一部分時，這也就是技術在教育中的理想狀態，暫且可以將它們之間的關系表示為“（教育中的人一技術）一世界”。如今，虛擬現實技術、可穿戴技術、增強現實等智能技術已逐步進入教學領域并發揮作用，通過激發人的身體感官提升學習場景的在場感和真實感，讓學習者沉浸在各式各樣的虛擬情境中，延伸他們的身體功能，擴展他們的閱歷體驗。人工智能與教育結合的最佳形態在于“人一技術”融為一體、形成一個自然完整的有機系統。當教師與學生使用技術達到一種純熟的狀態時，即已意識不到技術工具的存在，那么這就達到了海德格爾所說的“上手”狀態，教學活動中的人與技術形成了難以割舍的統一整體，自然學習的效果效率和過程體驗都會隨之漸入佳境。人與技術的交互性、使用感、體驗感等因素都會影響大腦的認知活動，進而影響技術干預下的學習效果。因此，弱化人工智能在教學使用過程中的存在感，提升智能技術和產品的仿真性能和易操作性，積極調動整合學習者的多感官體驗，是人工智能在教育領域中發揮效用的優化路徑。讓學生和教師能夠自在隨心地使用人工智能，把AI技術當作教學活動中不可分割的一部分，而不再只是他們獲取知識的中介工具，是人工智能與教育融合下持續的改進目標。

（三）潛移默化的默會知識培養

如前所述，表征主義運行模式是傳統人工智能難以突破的瓶頸所在，在應用人工智能展開教學活動時我們更應避免僅僅停留在表征層面的知識傳遞。波蘭尼認為知識不能僅限于語言、命題或明述等表達范疇，一切明述知識都有其默會的根源[16]。對于不可明確表征的知識我們稱之為“默會知識”.它是一種只可意會、不可言傳的隱性知識形態，因此又稱為“行動中的知識”。明確知識與默會知識之間是相互依存的，甚至可以說默會知識是培育明確知識的土壤，忽視默會知識培養的教育就如同無根之木、無源之水，再牢固的知識體系也會頃刻崩塌。

總的來說，人工智能對于顯性知識的傳遞工作尤為擅長，但是它們卻沒有人類現實世界的豐富經驗和體驗，目前還難以突破對知識的理解、遷移和創新[17]。不僅如此，現階段教育中的智能技術植根于對學習者個人數據的挖掘分析，根據計算出的行為數據推送給用戶想要的資源信息，但這種機械的輔助功能缺乏基本的價值判斷，只依據用戶喜好而沒有真正站在教育者的角度，對學習者的個人成長沒有全面長遠的規劃理念。更何況人的情感、意識、行為與實際發生場景之間具有非常復雜的作用關系，個人的情感判斷與行為選擇都具有強烈的獨特性和不確定性，單憑規格統一的計算模式無法預測人的情感價值判斷，也無法做到內在能力和綜合素養的長期培養。依此來看，時下人工智能的教育功效還不夠健全，它們在明確知識的運算、存儲、傳遞等重復性工作方面具有獨到優勢，但對于人的思維能力、情感價值、精神意識等個體默會知識方面還存在很大的提升空間。教學過程中過度使用人工智能會使學習者自身的兩種知識體系產生脫節，從而造成學習者思想和行為上的沖突，最常見的莫過于出現“高分低能”的典型現象。授人以魚不如授人以漁，身為教學者應明確自身的教化職責，運用技術工具提高教學效率的同時，更需要利用人工智能技術激發學生的創新精神和求知欲，讓學習者們從被動的知識消費者轉變為主動的知識創造者。教育者在教學中需傾注應有的人文關懷，通過營造學習情境、加強實踐體驗和組織溝通交流等多種方式促進學生默會知識的形成，并通過言傳身教引導學生正確價值觀的生成，讓學生在潤物無聲般的教育環境中茁壯成長。

（四）立體多維的評價機制完善

仔細觀察目前技術支持下的智能學習模式，不難發現學習者的學情分析報告中大多是以量化的評價方式為主，根據學習者的測驗成績、線上學習行為等數據給予它們一定的學習診斷。但實際上，這種單一維度的量化評價體系卻不能完全代表學習者的能力水平，其原因在于多種評價方式背后的研究方法之間的本源差異。人工智能是建立在計算機科學實驗的理論基礎上，其評價方法主要以實證主義定量研究為基準，定量研究認為人的認知和行為是可預知的、可概括的，而定性研究認為人的行為是不確定的、動態變化的。曾有人做過這樣的比喻：定量研究采用的是“窄角鏡頭”，只關注一段時間內一個或幾個因果要素和關系，檢驗具體的假設;定性研究則用的是“廣角鏡頭”，包含不同群體建構的不同現實視角，檢驗現象的廣度和深度，獲得更多了解[18]。解釋主義方法論主張人的思想是對世界主動的建構與解釋，而不是被動的接受與感知，實證主義則恰恰相反，究其根本是因為它們分別來源于唯心論和唯物論兩種不同的思想根基。然而，不管是哪種研究范式都難以兩全，盲目推崇實證主義的客觀性就無法顧及更廣闊的生活世界，遺失真實世界的體驗認識;一味地追求解釋主義的主觀性難免會墮入唯心主義的不可知論，缺失評判真理的尺度標準。特別是面對教育問題時，要把握教育研究方法論的特殊性。教育的對象是人，教育是人的社會性活動，教育研究方法體系的綜合性體現在哲學方法、科學方法和藝術方法的綜合運用[19]。研究問題越復雜，就越需要系統的、綜合的研究方法來把握教育事實的結構、相互作用和發展規律。

可見，人工智能的教育評價功能還有待進一步提升，融合多元開放的評價理念，建立多維完善的評價機制，從重視實證主義的客觀數據到兼顧解釋主義的主觀思想，從關注學習者的學習結果轉向關注生成性的學習過程，都是未來智能教育的潛在發展空間。因此，作為教育者應意識到人工智能的理論立場，把握多種評價方式之間的區別聯系，在教學中注意形成性評價的反饋，避免陷入過度依賴的技術異化泥潭。在面對具體問題時靈活運用合適的評價方法，使問題本真得到盡可能地明朗，畢竟真正的教育“智能”在于教育者自身的教學智慧。

（五）以人為本的教育本質復歸

斯蒂格勒說技術是人類的解藥，也是人類的毒藥。技術本來就是“人為”和“為人”的，技術展開了人的可能性空間，但每一種可能性空間又必然會遮蔽和遺忘了更多的可能性，技術的本質決定了它具有雙重屬性[20]。不僅如此，現階段的人工智能技術仍未開發成熟，在推進人工智能教育應用的過程中還有很多問題值得我們探討。比如算法模型需要開放教育大數據，將涉及個人隱私等信息安全問題;人工智能可能會造成數字鴻溝的加劇等應變挑戰[21]。技術與人之間相生相融的過程中仍有許多需要磨合的地方，教育中的技術更應依托于教育場域，它必須合乎教育的價值和規律，才能在教育中持續發揮效用。

當人工智能能夠替代教師的部分職能時，我們應當思考未來教師的工作重心將置于何處。誠然，人工智能在單純的知識性工作方面占有優勢地位，由此機器會承擔類似內容展播、批改作業、學習診斷、解答疑問等大量機械性工作，從而幫助教師減輕教學負擔。在此境遇下，教師需從原來的知識傳授者轉型為一名人才培養師，讓教師的角色回歸教育的本質，牢記育人使命，以人為本，以人為先，將學生的人生發展和人格成長為己任，建立全新的智能時代人才培養模式。智能教育形態下，教師的教學目標將從知識本位轉移到育人本位，分別從社會責任、民族認同、文化熏陶、精神品質、思維方式、審美水平、社交能力、創新意識等人性維度人手，提升學生的內在競爭力，成為啟迪學生的人生導師。人工智能與人類教師應各執其職，充分配合，在二者的協同作用下共同促進學生的健康成長與全面發展，發揮教育中技術的應有價值。依此來看，我們應該清醒地意識到人工智能是人類智能的延伸、而并非完全取代，冰冷的智能技術沒有“人”的社會屬性和社會關系，更沒有道德、情感、精神等人類特性。只有“人”才是教育與技術的契合點，我們應保留教育的溫度，懷著滿腔的教育情懷，才能回歸師生完璧的“生活世界”，才能實現人自由而全面的發展。

參考文獻：

[1]國務院.《新一代人工智能發展規劃>XEB/OL].http：//www。gov.cn/xinwen/2017-07/20/content_52 12064.htm.201 7-07-20.

[2]中國教育在線.教育部關于印發《教育信息化2.0行動計劃》的通知[EB/OL].http：//chuzhong.eol.cn/news/201 804/t20180425_1597232.shtml，2018-04-13.

[3]金生鋐.教育研究的邏輯[M].北京：教育科學出版社，2015.

[4]葉浩生.認知心理學：困境與轉向[Jl.華東師范大學學報（教育科學版），2010，（1）：42-47.

[5][英]凱西·卡麥茲.邊國英譯.建構扎根理論：質性研究實踐指南[M].重慶：重慶大學出版社，2009.

[6]徐獻軍.德雷福斯對人工智能的批判仍然成立嗎？[J]自然辯證法研究，2019，35（1）：15-20.

[7][美]休伯特·德雷福斯.寧春巖譯.計算機不能做什么：人工智能的極限[M].北京：生活·讀書·新知三聯書店，1986.

[8]雷諾·巴爾巴拉，張堯均.梅洛龐蒂：意識與身體[J]同濟大學學報（社會科學版），2009，20（1）：1-5.

[9] Hubert L.Dreyfus.What Computers Still Can't Do：A Critique ofArtificial Reason[M].Massachusetts：The MIT Press.1 986.

[10]倪梁康.在現象學一本體論與生態學一倫理學之間——約納斯與胡塞爾、海德格爾的思想聯系[J].學術研究，2018，（1）：8-14.

[11]張昌盛.人工理性批判：對德雷福斯的人工智能哲學的現象學反思[J].重慶理工大學學報（社會科學），2018，32（12）：9-20.

[12]劉曉力.人工智能的邏輯極限[A].2001年邏輯研究專輯[C].北京：中國邏輯學會，2001：22-25.

[13]王曉陽.人工智能能否超越人類智能[J]自然辯證法研究，2015，31（7）：104-110.

[14]楊緒輝，沈書生.教師與人工智能技術關系的新釋——基于技術現象學“人性結構”的視角[J].電化教育研究，2019，40（5）：12-17.

[15][美]唐·伊德.韓連慶譯.技術與生活世界：從伊甸園到塵世[M].北京：北京大學出版社，2012.

[16]徐金雷.技術的默會知識及其實踐培育[J]華東師范大學學報（教育科學版），2018，36（6）：19-28.

[17]宋靈青，許林.人工智能教育應用的邏輯起點與邊界——以知識學習為例[J].中國電化教育，2019，（6）：14-20.

[18][美]伯克·約翰遜，拉里·克里斯滕森.馬健生等譯.教育研究定量、定性和混合方法（第4版）[M].重慶：重慶大學出版社，2012.

[19]葉瀾.教育研究方法論初探[M].上海：上海教育出版社，1999.

[20]單美賢.論教育場中的技術[M].北京：教育科學出版社，2011.

[21]梁迎麗，劉陳.人工智能教育應用的現狀分析、典型特征與發展趨勢[J].中國電化教育，2018，（3）：24-30.

作者簡介：

孫田琳子：講師，博士，研究方向為在線學習資源、信息化教學設計（stephanie_sun1218@163.com）。

沈書生：教授，博士，博士生導師，研究方向為信息化教學設計（ssshen_nj @163.com）。