人工智能教育應用的邏輯起點與邊界

宋靈青　許林

摘要：人工智能的快速發展，極大地改變了教育生態。人工智能功能強大，其在教育領域的應用前景無疑十分廣闊，然而有些學者過分擴大了人工智能的功能和應用邊界，從知識的學習、能力的培養到情感、價值觀的培育，認為人工智能在教育應用中無所不能，尤其是在知識學習方面。濫用“人工智能”并不利于教育發展。基于此，該文首先分析了人工智能與人類智能的關系，探討了人工智能在教育運用中的邊界，并以知識學習為例，從知識本質、知識的類型、知識學習的過程等方面具體探討了人工智能教育應用的邊界，希望對教育人工智能化的思想傾向與做法有一定的警醒。

關鍵詞：人工智能;教育應用;邏輯起點;邊界;知識學習

中圖分類號：G434 文獻標識碼：A

一、問題提出

AlphaGo戰勝世界頂級圍棋高手，寫稿機器人正式上崗，微軟“小冰”出版詩集，人工智能播音員正在代替人類……近年來，人工智能發展迅猛。未來，人工智能將極大拓展人類的智能，提升人類智力所能創造的價值，美國、歐盟、日本等世界組織和國家紛紛把發展人工智能作為重大戰略，努力在新一輪國際科技競爭中掌握主導權。我國同樣高度重視人工智能發展，印發了《新一代人工智能發展規劃》等文件;習近平總書記強調：“加強領導做好規劃明確任務夯實基礎推動我國新一代人工智能健康發展”。

人工智能“有可能成為新的革命的起點，這一特征極大地改變著教育生態”。智能分析學習過程、智能推送學習資源、精準個性化教學、智能導師、終生學習伴侶……人工智能在教育領域帶來了諸多變革，其作用不容忽視。然而有些學者過分擴大了人工智能的功能，從知識的學習、能力的培養到情感、價值觀的培育，認為人工智能在教育應用中無所不能，尤其是在知識學習方面。濫用“人工智能”并不利于教育發展。因此，有必要明確人工智能的教育運用邊界，人工智能在何種范圍和領域替代人？在邊界之內的，才是教育應該著力的方向。

二、人工智能與人類智能

理清人工智能在教育的效用與邊界，首先需要弄清楚人工智能與人類智能的關系，這其實就是最早的機器與人的關系。如果認為人工智能具備與人一樣的智能，則人工智能就是“全知全能”，人類能做的事情，人工智能能做且做的更好，人類不能做的事情，人工智能也能做。目前關于人工智能是否能發展出人類智能存在以下兩種截然相反的觀點。

（一）人工智能可以發展出“人類智力”的觀點

有科學家預測在未來的強人工智能中，機器也將具有一定的心智，具有自我意識和自由意志。還有些研究者認為隨著技術的發展，到了21世紀中期，人工智能的發展會到達一個“奇點”（Singularity），達到“通用型人工智能”，到那時人工智能會具有和人類同樣的思維能力，而在學習能力、檢索能力等方面又會遠超人類。持有這種觀點的學者主要是基于以下幾個方面的考量：

1.從唯物主義的觀點來看，意識是人腦對大腦內外表象的覺察，思維、意識、自我、情感等這些智能特征是人類獨有的，都是大腦這種物質的具體功能。事實上，腦科學的研究成果也鼎力支持意識是大腦的一種功能：“腦神經生理學在實驗中發現與自我意識相關聯的人類大腦新皮層的模塊化結構，連接兩個腦半球的胼胝體投射纖維在模塊間雙向交互投射信息，椎體細胞在人腦兩個半球內部以及相互間的信息傳遞功能，大腦兩個半球關于直接計算功能與幾何認識功能的分工等”。另外，從進化論的觀點看，人類的意識和情感，也是無中生有，逐漸發展起來的。既然意識是人腦這種物質的衍生功能，是無中生有逐漸發展起來的，是大自然進化的產物，那么，可以推論“人工制造的人工智能或者其他物質也有可能產生意識”。

2.有學者認為“世界的本質是能量與信號，現實世界與虛擬世界的差異只是量上的差異，而無質的不同”。這意味著，當人工智能感知和反饋越來越多的、各種各樣的信號時，人工智能有可能產生自主意識。

3.從技術層面來看，人腦既然是大自然進化的產物，就未必擁有很復雜的規律，本質上并不具有不可突破的特殊性。有關科學家解析：“人腦正是運用860億個巨量神經元構成的‘硬件系統與更加海量的1000萬億個‘軟鏈接，來進行信息的存儲與處理的。這部機器的1000萬億個‘軟鏈接雖然是個極其復雜的系統，但整部機器的原理卻是‘簡單的，與計算機存儲、處理信息的理路差不多”。這預示了人工智能無限的發展潛力。“如今，人工智能的快速發展，已經在人腦的運行機理與人工智能運行機理之間建立了某種聯系”，將來在大數據支持下的人工智能將可能把億萬人的生活經驗和對生命的感知力集于一身！另外，許多研究者（例如，施一公、潘建偉、Henry Stapp、Roger、Penrose等）認為人類智能的底層機理就是量子效應。有人預測到在21世紀末，量子計算機的計算能力可能是當代計算機的10的36次方倍，到那時，人工智能將有可能向人類大腦發起“挑戰”。

（二）人工智不能發展出意識的觀點

持有這種觀點的學者主要是基于以下幾個方面的考量：

1.人腦與人工智能存在本質不同

人工智能感知外界信息甚至具備一定程度的“認知”已不是問題，但與人類相比，兩者在思維、意識、情感階段會產生分化。人工智能是機械的物理過程，而人是生物層面或者生命科學層面的。著名機器人設計師塞繆爾曾經指出：“機器不能輸出任何未經輸入的東西”。人工智能只是輸入程序和數據后的邏輯結果，不過是人腦的再現，是人類認識客觀世界的產物，不具備“真切的情感體驗和對人世意義的建構”。人對世界是經驗與情感的體驗和意義的建構，有思想、自我意識、道德感、信仰等特有的東西，這些造成了我們與人工智能有了質的不同。人工智能即使發展到超人工智能階段，它的體驗也不同于人類的體驗。

另一方面，人工智能沒有像人那樣的社會屬性和社會關系，機器的自主性是技術性的，沒有道德自主性。馬克思的實踐論強調人的實踐在社會中的本體意義。人類的智能、思維、情感不僅是人腦的生理機能，還是社會的產物。即使人工智能通過模擬人的生物神經網絡可以表現出與人類大腦相似的思維活動，但其實質是人類預先制定的一系列運算程序，其思維結構是人類賦予的，不能變成一種自發的行為，不構成與人類社會的互動，不能轉化為社會化行為，更何況目前人類思維、情感、意識的復雜程度還無法全部轉化為計算機代碼。從這個層面上來說，人工智能還只是實現人類部分智能的工具。

2.人工智能技術發展存在一些瓶頸

首先，人工智先天地被設置了一個邏輯起點，在算法上仍然不能脫離人為設計和輸入，仍然無法自動生成算法，不能像“人類意識那樣具有多向度、多維度并且與周遭環境密切關聯”。谷歌AlphaGo之所以引起了全球范圍內的關注，在于其技術本身的突破。谷歌AlphaGo模仿人類大腦神經模式，有12層神經網絡，有超過百萬的類人類神經元一樣的連接，融入了自學習，超越了傳統計算機計算能力這一邊界，讓程序不再局限于固定的程序，多了可變化的可能。AlphaGo Zero更是自己通過強化學習（Reinforcement Learning），完全從零開始，不需要參考人類任何的先驗知識而無師自通。即使如此，也不能認為機器可以自己產生認知，因為圍棋規則和判定棋局輸贏也是一種監督信號，如果設計者事先不告訴它規則，它就什么都不會做。因此，人們不能以機器可以模擬人腦的部分思維，就認為人腦將會失去其卓越的地位。

其次，就研究方法而言，人工智能基本是按模擬人腦進行的。人工智能在形態功能上完全仿生，做的和人類一模一樣，才有可能具備人類智慧，這同樣存在一些瓶頸：盡管當前科技正在以指數級發展，但短期內我們仍無法完全弄清人腦機制和人腦思維是什么。在沒有完全研究透人腦之前，人工智能想模仿也沒有明確的途徑和完全解構的樣本。

總之，沒進入量子力學之前，在沒有徹底研究透人腦之前，所有的人造機器，必然只是在某些方面具備高于人類的能力，但它沒有人類的主觀能動性，不會產生情感、意志、審美等意識。“機器沒有思想意識，也沒有任何證據表明他們將會有”，人與人工智能有質的區別，人工智能不會突破臨界點。

三、人工智能在教育中的應用及邊界

（一）人工智能的教育應用優勢

人工智能極大地改變著教育生態，在教育領域的應用前景廣闊，是克服傳統教育不足的有效途徑，有助于變革教育模式與教育形式、為學生提供個性化服務、為教師提供精準化教學、為學校提供科學化管理。

1.變革傳統教育模式。人工智能逐步展現出某些出色的優勢之處，改變了傳統教育的運行規則，它打破了時空的限制，可以實現“無時不有、無處不在的學習”和“沒有教室的學習”。

2.為學生提供個性化學習服務。人工智能可有效記錄、反饋學生的反應，與學生互動，診斷學生學習困難，發現學生的薄弱環節，給學生“畫像”，智能推薦學習資源。屬于學生個人的人工智能，是學生最知根知底的朋友和最佳學習伴侶，可為其分析學習曲線，提供“一人一張課程表”，為其量身打造個性化學習計劃，因材施教，進行一對一的“專家輔導”，等等。

3.為教師提供精準化教學服務。目前，隨著教育改革的縱深推進，教學效率仍然是困擾教育的首要問題，而恰當運用人工智能可以提高教學效率。人工智能可以幫助教師備課、批改作業、掌握學生個體和班級整體的學習需求、優化工作任務、合理規劃教學流程、進行教學評價等等，這些都將使教師從巨量性、瑣碎化的事務性工作中解放出來。

（二）人工智能教育應用的邊界

由于人工智能與人類智能存在本質的差別，這就決定了人工智能應用于教育有其邊界與定位——在目前乃至未來的很長一段時期人工智能將處于一個輔助性的地位，無法取代教師，也無法完全滿足學生學習的需要。過度依賴于人工智能而忽視人的主導性地位，有本末倒置之嫌。

1.教育大數據難以保證

數據是人工智能運行的根本。近年來，機器學習技術在科學理論研究和工業應用方面均取得了引人注目的成就，但現階段人工智能所依托的教育大數據質量本身難以保證，造成人工智能直接應用于個性化學習和精準化教學常常難以達到理想的效果。原因主要在于：教育過程的復雜性和教育數據的非結構性，教師的教學過程和學生的學習過程數據并未得到完全記錄;有些教育數據十分關鍵，但仍然難以電子化;教育數據分別存儲在各地政府教育管理部門、學校及公司的服務器上，并無統一的標準與規范，且不能互聯互通，這為人工智能的教育應用造成了一定的障礙。

2.人工智能在學習上的局限性

人類學習特征主要表現在三個方面：社會性;以語言為中介;積極主動性。從AlphaGo Zero的強化學習，我們可以看到，人工智能能夠在極短時間內完成感知信息、處理信息、進行決策、指揮運動等任務，完成與環境的交互，不再局限于固定程序，具有一定的自我學習能力，在一定程度上具備了“主動性”，其習得知識的過程甚至不再受到人類知識的限制，讓自己變成了老師，在短短幾天內就積累起了人類幾千年才有的知識。隨著人工智能的指數式增長，其與人腦不斷接近，其學習能力將越來越強大，但這依然不能改變人工智能沒有社會性和積極性的局限，不具有完全的自學習能力，無法自主積極地作用于環境，不能在與人的交往中進行學習。例如，AlphaGo Zero如果到了一些數據無法窮舉的領域，如圖像識別、自動駕駛等，其算法很難遷移，也很難無師自通。

3.人工智能在教學上的局限性

（1）未來一定時期內人工智能依然局限在“機器學習”的框架內，模擬人的思維是人工智能的長項，但它并不會真正教學，它只是在模擬教師教學。具體地說，人工智能并沒有與人腦一樣的邏輯思維、判斷力、情感等要素。（2）教育系統的復雜性對人工智能提出了更高的要求，人工智能需要預設程序，不能合理地應對超出預測的變化，無法滿足學生、教師以及管理者的個性化需求。而“教師的工作往往是非預設、非邏輯、非線性的，教育過程中的各種偶發事件需要高度的創造性和藝術性”，這恰恰是教育生命力所在，而不僅僅是邏輯的運算與推導。（3）在教學任務中，“如果所有任務都符合完美的運算法則并可以細分，那么機器人就可以處理一切”，例如，AlphaGo Zero在信息透明，規則透明，結構明確，并且可用規則是可以窮舉的圍棋領域，可以無師自通。將來隨著教學內容和教學任務的更多部分可以自動化，人工智能將會扮演越來越重要的角色，它將更深入地改變人類學習和教學的過程，能夠更加“主動”地教。但人工智能無法超越既有設計的人機互動，無法自覺進行社會化的行為，不具備人類社會的社會屬性，而在教育領域，多數教學情景恰恰需要認知投入、情感交流、移情共鳴、價值判斷等，因此，教學任務所卷入的認知、情感和社會化因素越多，人工智能“教”的功能就會越低。例如，在傳遞知識方面，由于人工智能大量的知識儲備，其在顯性知識的傳遞方面優勢明顯;在動作技能領域，人工智能可以把教學任務逐步細分，并持續正確示范和反饋，有利于學生動作技能的掌握;在情感態度和價值觀領域，由于人工智能沒有感情，不會產生移情，沒有情感共鳴，這就造成了其在培養學生情感態度和價值觀的過程中作用有限。人工智能與教師在不同領域的教學功能比較示意圖如圖1所示。

四、人工智能在知識學習領域的運用與邊界

知識是學生學習的最基本內容。目前，隨著人類知識的急劇增長，傳統教育已無法完全滿足學生的需求，人工智能在知識教學方面存在較大的優勢，未來教師首先面臨的就是人工智能在知識教學方面的挑戰。由于知識類型具有多樣性、學習過程具有復雜性，造成人工智能在促進知識學習方面有所能而又有所不能。下文將從知識的內涵、類型、過程等方面說明人工智能教育的運用及邊界。

（一）知識的內涵

知識本身總在不斷進化和更新，從本質上說，知識（Knowledge）“是人對事物屬性與聯系的能動反映，是通過人與客觀事物的相互作用而形成的”。數據、信息與知識的關系如圖2所示。

由于知識是主客觀相互作用形成的，是情景化、賦予主觀意義的信息，因此，知識學習離不開個體的主觀意識和個體經驗。而人工智能雖然具有強大的感知能力，即通過傳感器、爬蟲等軟、硬工具采集，積累各類大數據，善于收集數據，形成信息，但其“先天缺陷”——即基于程序運算而生，造成無法賦予信息意義，即可以傳遞信息、知識，但無法真正地理解知識的意義。

因此，人工智能憑借強大的信息處理能力、圖形和語音識別技術等，會代替部分知識教學的工作，知識取向的教學的方式將會發生改變，但并非所有的知識都是人工智能可以教的。

（二）知識的類型：顯性知識和隱性知識

我們的文化知識通過教育得以傳承，但是也有一些相對弱勢的知識卻難以得到人們的重視。1958年英國科學家、哲學家波蘭尼提出了“顯性知識”（Explicit Knowledge）和“隱性知識”（Implicit Knowledge）。“顯性知識是指用書面文字、圖表和數學表述的知識，隱性知識是尚未言明的或者難以言傳的知識”。顯性知識與隱性知識的存在是相對而言的，只是由于顯性知識的特點，人們更容易識別它，而大部分隱性知識沒有得到足夠的重視，尚處于“緘默”的狀態。從某種程度上說，對學習者而言，隱性知識比顯性知識更重要。教學同樣也是這樣一個儲存著大量隱性知識的專業，每一個教師的教學和教育經驗中都聚集著豐富的知識和才能。例如，教師的教學方法大同小異，但是專家與新手的教學效果卻大不相同;優秀的教師會依據經驗和具體的教學情況來判斷采用何種教學方式是合適的，這些恰恰是目前人工智能難以實現的。

隱形知識具有復雜性、多義性和變動性。人可以在不同情境下感知知識的多義性，能夠知覺到只可意會不可言傳的信息或概念，而人工智能對跨領域情境的隨機應變能力很弱，對彼此矛盾或含糊不清的信息不能有效反應，顯性化隱性知識、傳遞“隱形知識”非常困難，總有部分有價值的隱l生知識難以實現轉化。總之，人工智能在傳遞顯性知識上面更為擅長，它傳遞的知識更加準確、知識儲備更多，而對于隱形知識的傳遞則作用有限。

（三）知識學習的過程

1.知識的傳授

知識的傳遞與分享一直是人類習得技能、獲取生存機會的重要途徑。人類將知識進行編碼，然后以顯性化的形式實現知識的傳承。當前，人工智能對用戶接收必要的知識并有效地重新利用知識具有重要的影響。

（1）人工智能傳授知識的效率較高

“傳統的教育方式多為知識傳授型，教師作為知識的權威主要的角色就是充當知識的傳授者。”人工智能時代，信息和知識的獲取、傳播和創新方式將發生變化。“人工智能的自我學習能力正在改變知識客體的被動狀態”，加上其存儲、運算、搜索等能力遠超人類，它在提高知識傳授效率等方面無疑是勝過人類的，學習者可以利用人工智能更早和更快地獲得更全面和更優質的知識資源，教師以往作為知識權威的地位受到了挑戰，教師傳授知識的職能，在人工智能時代將被弱化。目前，有些課堂已經實現了機器人代替教師進行傳授知識。

（2）教師在教會學生批判性思維、學會質疑方面的作用不可替代

教學不僅是把知識告訴學生，更需要教會學生批判性思維、學會質疑。從長遠來看，過度依賴人工智能，學習者自我反省、自我意識和批判性思維的能力將不斷弱化。人類把穩定、明確性的知識尤其是教育系統中接近共識的內容、較為可靠的經驗輸入人工智能（AlphaGo Zero甚至不再需要人類的經驗知識，無需人類的案例和指導），人工智能就會不知疲憊、不犯錯誤、持續不斷地教給學生“最正確”的知識。但隨著社會和科學的發展，有些知識并不是千真萬確、不可質疑的定論。當學生已經習慣屈服于了人工智能“不可超越、無可挑剔”的“權威”，其就不可能具有自主性和創造性的空間。批判性思維要求能多角度、辯證地分析問題，做出選擇和決定等，但人工智能的“權威的聲音”卻在根本上消除了人們對“差異性”和“不同的聲音”的信仰。實際上，教育需要尊重“異質思維”“教師可以適當地教會學生質疑知識，把知識當成是一種看法，一種解釋，讓學生去理解，去分析，去鑒別”。

（3）教師立德樹人的作用不可替代

教育不僅是學生知識的增加，還是在傳遞知識的過程中師生的情感交互和學生良好人格的形成，使之成為“人”，使之從“自然人”成為“社會人”，這是教師工作的基本任務和責任之一。技術和數據會淡化非理性的情感，技術越進步，越要重視對人的價值引領。盡管人工智能在傳遞知識的過程中，能夠采集的學習過程數據包含了與受教育者的感覺、知覺和情緒等相關的因素，但“教師的一言一行具有很強的引導性、示范性”，人工智能并不能完全代替教師作為學生心理與情感的溝通者角色，教師在“培養學生的理想、信念、情操、愛心等精神世界方面的作用不可替代”。

2.知識的理解

人工智能憑借高速的搜索、再檢索能力和自我學習能力，對語義進行理解、分析、判斷，能夠和人類實現交流正成為現實，在一些特別依賴于計算和記憶的智力活動領域，在單一任務場景的處理中顯示出超人的能力，它能比你更能理解知識的內容。但人工智能卻始終不能理解這些內容背后的意義所在——它只是一步步地計算，對整個活動沒有意識，也沒有感情。人類從出生到衰老都伴隨著鮮活的生存體驗，“人類不但能感受和體驗這些知識的意義，并且能夠主動構建意義”。世界是人參與其中的世界，是人主動建構意義和價值的世界。有時候，境隨心轉;有時候，心隨境轉。人工智能即便有無窮多的訓練，也難以對語義邊界模糊的語言給出恰當的理解和回復，很難做到對場景的整體理解，不能真正理解知識。

3.知識的遷移

當前求知的意義已經從能夠記憶和復述信息轉向能夠發現和靈活使用信息，這就涉及到學習的遷移。遷移是指一種學習對另一種學習的影響。建構主義認為，學習遷移實質上就是在新情境對知識的應用。遷移在學校教育中具有普遍性和創造性，尤其與培養學生問題解決能力和創造力密切相關。“遷移的可能性取決于學習者在記憶搜尋過程中遇到相關信息或技能的可能性”，而人工智能擅長模式識別，在給學生呈現最大范圍的實例和這些知識的應用情景方面存在先天優勢，可快速幫助學生提取相關學習材料，但人工智能缺乏人類的常識，不能自發地識別連接并將知識轉移到新的環境，在幫助學生建立抽象的知識結構和認知圖式，把知識從單一場景遷移到多場景方面的作用有限。

4.知識的創新

知識的創新是創新的一個重要方面。目前，人工智能逐漸展現出知識創新的能力，可以獨立編程、創作詩歌、生成音樂或美術作品等。例如，“微軟小冰”可以根據用戶上傳的圖片快速寫出一首現代詩歌，并創作詩集;隨著訓練的深入，AlphaGo Zero還獨立發現了游戲規則，并走出了新策略，為圍棋帶來了新的見解。通過人工智能創新知識的多個案例可以發現，人工智能的創新具有如下幾個特點：（1）具有一定的創新性。雖然其創作還有賴于人的前期輸入和大量的訓練（AlphaGo Zero甚至可以在零人類經驗的基礎上產生創新），還缺乏靈性，但其產生的結果或結論卻具有創新性，其“創作過程也與人類創作的過程非常相似”。（2）提高了創新的效率。人工智能具有嚴密的邏輯，能夠為實現目標選擇最佳路徑，在那些任務目標明確且相關數據豐富的領域，人工智能可以“在短時間內提出超過人類現有的學習能力和知識體系，給出創新式的問題解決方案”，人類知識創造的效率與結果將越來越依賴于智能技術。（3）可提供工具支持。野中郁次郎（Ikujiro Nonaka）提出了顯性知識和隱性知識相互轉換的SECI過程，知識通過群化、外化、融合、內化這種循環轉化而形成了一個螺旋形上升的知識創新過程。在此過程中，“人工智能可提供社交媒體進行內容聚合和分發，對創新知識產生一定的作用”。（4）改變了知識創新的傳統路徑。人工智能可部分參與人的創新過程，一定程度弱化了人在創新中的主體地位，“人類主體地位從傳統的‘全程式參與進化為‘環節式或‘節點式參與，深刻地改變了知識創新的傳統路徑”。

但過于夸大人工智能的創造性也不恰當，首先，人對世界的認識來自人的理性，即通過知識認知和理解世界，人工智能以基于運算的方式理解世界，無法自行完成知識的更新和轉化，它們有時的確可以做到“人機莫辨”，也許還能根據人的選擇和評判不斷地改進自己，但它永遠不知道自己在做什么，它自己也無法選擇。這樣方式生產出來的知識更多的是一種“形式化的內容”，無法形成自己真正的思想觀點。

其次，基于規則條件及概率統計的創新方式與基于情感感動及頓悟冥想的創新機理存在本質不同。“人過去通過幾百萬年作為一個生物物種的演化，帶來了一些非常理性的成分”，人工智能可能比較容易模仿這些理性部分，但“人腦不像計算機一樣遵循物質的基本規則，會為意識和直覺留出空間”。在人類歷史和科學發展史上，一些看似完全無關的偶然事件所引發的靈感或者聯想創造了許多重要的發明。人工智能在模擬人的非理性還存在很大挑戰，且現在人類對于自身智慧的本質、直覺、創造力等能力尚且沒有完全理解，更不要說人工智能模仿了。

第三，創新的本質是人的實踐活動，是對未知領域的逐步認知，并在此基礎上進行的再創造。人工智能發展的起點是解決問題、提高效率，人類智能的起點是社會化，這是二者區別的根本。人工智能可以替代曾經由人主導的實驗過程，但是，程式化的技術難于突破問題意識的局限。

第四，“對于人類社會來說，知識創新依靠的不僅是對知識點的重新組合，更多的是對于既有知識的批判式反思”。因此，人的思維和主觀能動性在知識創新的過程中至關重要。由于人工智能本身是程序運算，不具有批判性和反思性，其創造性的工作和作品一定是高度客觀性的，創新程度還非常有限。

（四）總結

人工智能通過各種軟、硬工具采集、積累各類大數據，形成信息，通過機器學習算法，給出各種預測結果的概率，根據推測的結果，進行最優決策，并以人能理解的文字、言語、行為進行反饋，這為其在結構良好的知識領域發揮作用奠定了基礎。人工智能對于顯性知識方面（基本事實和過程）的傳遞尤其擅長，正在逐步向知識的理解、遷移、創新知識領域擴展，這對于學生的學習和教師的教學來說，是有利無弊的。學生不用花費過多課堂時間去死記硬背一些信息，教師可以用更多時間關注教育的更深層次目標，即遷移和創新。但人工智能難以對開放世界作出充分表征，沒有人類現實世界的豐富經驗和體驗，不具備“以特定方式思考”的能力。因此，讓人工智能做大部分的知識傳遞的工作，讓人類來做創造性的工作，才是當前和今后一段時期的教育之道。人工智能與人類在知識學習中的作用邊界如圖3所示。

五、結語

人工智能是實現個性化、精準化教育的根本途徑。隨著人工智能的發展，人工智能在教與學的過程中將發揮越來越重要的作用，將不斷地改變師生的教學和學習方式。同時，我們也應該對教育人工智能化的思想傾向與做法保持足夠清醒，辯證地對待，認清人工智能的作用邊界。人工智能重要，但不能無限重要！