人工智能能否變革高等教育？ *

托尼·貝茨 /文 王文勝 戚亞娟 / 譯

一、人工智能和高等教育：期望與現實的鴻溝

在發展潛力方面，作為一個新興專業領域，教育人工智能有可能改變我們的教學實踐和學習過程。如奧姆·馬利克（Om Malik）所言，隨著高端技術、穩健算法的發展，不僅讓人更具想象力，還給人帶來新的預期，例如，近乎零成本地保持有效互動的可能性。當提及人工智能或任何應用于教育的技術時，其應用層次都各有不同。在高等教育階段，對于技術應用的建議至少指向兩個層次：用于制定策略或制度，或用于直接教學。

第一，制定策略或制度層次。從技術上來說，人工智能的應用涉及大數據、統計學和機器學習；從教育的角度來看，大多數此類應用解決的是學生選拔、輟學和群體行為傾向的問題，通過分析數據，能夠進行預測并據此重新制定教學策略。有許多研究該應用領域的論文，但大多數研究都由計算機科學家完成（使用的是從教育事業單位獲得的真實數據），且并未完全在教育事業單位內進行。未來幾十年里，一旦教育事業單位提升其數據收集能力，并制定政策指導數據的使用，則在高等教育中這一應用領域很可能越來越重要。不過，該應用領域并非本期關注的焦點。

第二，教學應用層次。這一層次與教學過程直接相關。人工智能可以在多大程度上輔助甚至控制教學過程本身呢？到目前為止，這一應用領域主要包括人工智能助手，如聊天機器人或者為了適應群體或個人的特征與需求而開發的用于個性化學習和適應性學習的技術，以及任何使用了人工智能技術來直接幫助學習的教育軟件。這是本期的關注焦點所在。而作為本期編輯，我們不得不說對征稿結果感到失望。盡管接受的這4篇論文質量較高，仍與我們的預期相差甚遠，本以為就人工智能對高等教育教學的影響這一主題提交的論文數量會更多，質量更高。

人工智能正廣泛應用于社會的諸多領域。從扎瓦基-里希特（Zawacki-Richter）等人的文獻綜述和本期征稿所得數據來看，盡管人工智能看起來能對教學產生很多直接影響，迄今為止卻成效甚微。其原因在于：泰格馬克（Tegmark）1Tegmark, M.Life 3.0: Being human in the age of artificial intelligence.London: Penguin Group.2017.認為目前我們還未達到通用人工智能（Artificial General Intelligence）的水平，即機器的處理能力未能與人類的認知能力相匹配。而博斯特羅姆（Bostrum）2Bostrum, N.Superintelligence: Paths, Dangers, Strategies.Oxford: Oxford University Press.2017.則認為，我們經歷了一個“人工智能寒冬”，人工智能的支持者失去了人們的信任。雖然近年來，機器智能、深度學習和認知架構的發展有復蘇之勢，有人繼續預測，人工智能將在社會各行各業中大有可為。3Kaku, M.Physics of the future: The inventions that will transform our lives.London: Penguin Group.2011.4Kelly, K.The inevitable: Understanding the 12 technological forces that will shape our future.London: Penguin Group.2017.這些進展有時被描述為“現代”人工智能，以區別于早期基于學習的計算機應用，或許先前人們將計算機應用誤稱為人工智能。然而，從本期接收到的論文來看，除了學習分析，目前幾乎沒有實例能證明“現代”人工智能在高等教育教學上的應用有重大突破。正如吉爾伯特·基思·切斯特頓（G.K.Chesterton）對基督教的理想的描寫，“基督教的理想，并不是經過試驗后發現行不通，而是因為難于實現而無人嘗試?！标P于這一點，我們必須說明，有可能確實有學者在這一領域做了有效研究，只不過我們的征稿沒有引起他們的注意。然而值得關注的是，在我們接收的論文中，很少有論文與征稿啟事中提到的大多數教育問題相關。

二、為什么人工智能在高等教育中的應用落后于其他領域？

正如“云”“大數據”和“機器學習”一樣，“人工智能”一詞早已被營銷人員和廣告文案人攫取。很多所謂的“人工智能”實際上是數據分析——換句話說，換湯不換藥。重點其實在于加強，通過加強功能，智能軟件幫助人們與其所處的愈加電子化的世界及其產出的海量數據進行交互。在審閱提交至本期的論文時，我們發現這一點同樣適用于高等教育。

人工智能目前對高等教育教學影響如此之小的另一個原因是，當涉及新技術時，教育似乎通常都有所落后。不愿冒險或采用新技術、缺乏用于支持非傳統教學方法的資金等，這些都阻礙了新技術在教育、培訓中使用。1Wheeler, S.Digital learning in organizations.London: Kogan Page.2019.從本期倫茨（Renz）和希爾畢西（Hilbig）的論文中能夠清楚看到，由于很多教育工作者們還不相信新想法能夠豐富或擴大學習成果和經歷，教育部門對新技術仍持高度保守態度。

如今，大多數所謂的人工智能在教學中的應用都十分專注于內容呈現和理解測試。扎瓦基-里希特等人指出，大多數應用于教學的人工智能，或至少是研究論文，都出自計算機科學家之手，而非教育工作者。由于人工智能往往由計算機科學家開發，他們基于計算機或計算機網絡的工作原理開發學習模型（因為運行人工智能算法的顯然只能是計算機）。因此，此類人工智能應用通常采取非常行為主義的學習模式：呈現/測試/反饋。林奇（Lynch）認為：“如果人工智能想推動教育發展，需要加強人工智能研發人員與學習科學專家間的聯系。否則，人工智能將只會‘發現’質量不佳的新教學方法，并使教學的錯誤觀念永久化。理解領悟能力才是重要的基本技能，但目前人工智能還無法幫助學習者提升批判性思維、解決問題的能力、創造力和知識管理等高級技能?！?/p>

通常，許多將人工智能運用于高等教育教學中的人，特別是那些具有計算機科學背景的人，還未意識到或還未接受這一觀點，即學習是發展性、建構性的活動。與之相反，他們的做法是運用一種基于行為主義和客觀主義認識論的特定教學方法，這并不能很好地體現高等教育學習的復雜性。就連行為心理學家也認為，知識包括復雜認知模式的發展或概念的構建。

因此，對通過記憶和理解獲取的知識進行測試并不能很好地支持個性化教學、智能輔導和學生測評。高級心智技能如批判性思維、創造力和解決問題的能力，和情感技能如共情能力，是數字時代非常需要的技能。大部分教育工作者都認為要發展這些能力需要開發一種以學習者為中心的建構主義方法。

值得注意的是，雖然目前大多數人工智能在教學上的應用更多聚焦于學習的“基礎”層面，如記憶和理解測試等，其他諸如模擬、基于游戲的學習方法和虛擬現實等技術已在培養解決問題的能力、批判性思維和創造力等方面取得了更多的成功經驗。

三、如何在高等教育教學中更好地應用人工智能？

目前學習分析與人工智能在繼續教育領域的應用還處于初級階段，主要是因教育院校的需求不足。當面臨可能有益于高等教育的潛在顛覆性變革時，不僅要從人工智能的特殊性去看待，還要對教學現象有更全面和多樣化的認識，并從新的認識角度來看待這些變革，這一點至關重要。多元視角仍是面對未來挑戰與機遇的最有力策略之一。

（一）亟待跨學科研究

大多數情況下，高等教育領域內的專家所做的研究不一定是跨學科研究。盡管在過去30年里，跨學科研究中心不斷增多，但這并不代表20世紀及之前的高等教育領域的傳統研究。本期觀察到的情況也絕非例外。

有意思的是，探究人工智能如何滲透高等教育壁壘的似乎主要是計算機科學家、數據專家、信息學和理工專業的專家，而非其他學科。扎瓦基-里希特等人尖銳地指出：教育工作者去哪里了？似乎計算機科學家完成了大多數人工智能在高等教育領域的研究，也難怪他們的研究焦點在于工具、算法及其可信度和應用，而非人工智能對教學成果的影響。他們對教學成果感興趣的研究點，也主要在于驗證算法的有效性。因此，他們對教學成果的關注往往較為淺顯。其關注點都集中在易于測量的領域，如短期記憶測試或學生輟學率。

我們仍需繼續努力促進教育工作者與其他相關領域的專家開展合作，如社會信息學、社會學、心理學、法學、人類學和有關人文與社會科學的其他知識領域等。

（二）教育工作者需廣泛參與

倫茨和希爾畢西1Renz, A., Hilbig, R.Prerequisites for artificial intelligence in further education: identification of drivers, barriers, and business models of educational technology companies.International Journal of Educational Technology in Higher Education.17(1), 2020, 1-21.指出：“對教育科技公司的采訪表明，使用數字教育服務的公司和/或機構都不愿意或不能夠充分挖掘潛在的學習數據?！?/p>

這表明教育工作者本身不那么重視人工智能的潛力。相反，他們往往關注于人工智能的負面影響，如倫理問題和機器替代教師的可能性。這或許能解釋為什么本期或扎瓦基-里希特等人的文獻綜述中缺乏來自教育工作者的論文。但是，也暗示了人工智能的優勢與危害之間過于尖銳的區分。為了發現人工智能的優勢與不足，需要教育工作者更多地參與人工智能的潛在應用中去。

迄今為止，從本期的論文和由扎瓦基-里希特等人做出的系統文獻綜述來看，教育研究者站在了旁觀者的角度批評人工智能，而并未參與其中。他們需要與計算機科學家合作，關注教學潛在提升空間的研究，在這一領域人工智能或許能做出貢獻。鑒于人工智能在教育領域的應用仍處于萌芽狀態，我們預測，隨著它的發展，將涌現出更多探究教育新興趨勢與實踐的論文。

（三）當前的人工智能應用與現代教育理論間缺乏“契合度”

關于教學，我們首先想到的是，距離實現人工智能的潛在用途還有多大差距。適合金融或醫學的智能技術不一定能應用于教學領域。

盡管總體來說，人的行為是可預測的，并且在一定程度上是可控的。但每個學生都是單獨的個體，在相同環境下的反應和其他人有輕微差別。學習容易受到強烈的情感或情緒的影響，當他們感受到教師的關心時，通常會學得更好。而且，學生希望自己被視作個體，他們有對興趣、學習方法和學習過程的掌控感。

由于這些學習中的情感和個人因素，學生需要通過某種方式與其教師有所聯系。從某個角度來說，學習可以被視為一種復雜的活動，其中僅相對較小的一部分過程能有效實現自動化。而從個體來看，學習是一種人的活動，受益于人際關系和社交活動。

相關研究（Garrison，2007）強有力地證明了，無論是在線還是面對面，都可以同等處理好這種學習的相關因素，但是需要計算來支持通信、傳遞和測試內容采集。聊天機器人能夠做到這一點；機器學習和可視化技術在該方面也大有可為。

（四）教師威脅論

人工智能的支持者經常說他們并非企圖替代教師，而是想讓教師的生活更加輕松高效。這一說法需謹慎看待。人工智能應用的關鍵驅動力在于縮減成本，意味著減少教師數量，因為教師便是教育中主要成本所在。

尼克·博斯特羅姆說道，“我認為當前可能有夸大人工智能對勞動市場影響的趨勢?，F在還遠遠達不到大規模推出智能系統以產生巨大影響的水平。不過，隨著時間的推移，我的確認為機器學習的進步將對人類勞動市場產生越來越大的影響。若你成功將人工智能開發到極致，那么，事實就是人工智能基本上可以做任何事。在某些領域，最終目標是完全替代人工。我們發展技術，研究自動化，就是為了用更少的精力去實現一個給定的結果。你可以做到事半功倍，這才是技術。”2Ford, M.Architects of intelligence: The truth about AI from the people building it.Packt Publishing Ltd.2018.

但是，迪曼蒂斯（Diamandis）和科特勒（Kotler）3Diamandis, P.H., Kotler, S.The Future Is Faster Than You Think: How Converging Technologies Are Transforming Business, Industries, and Our Lives.Simon & Schuster.2020.卻提醒我們，“生產力是公司想要實現勞動力自動化的主要原因。然而，事實一次又一次證明，能讓生產力突飛猛進的并非是用機器取代人類，而是由人類增強機器的作用?！贝送猓唆斂?（Klutka）等人4Klutka, J., et al.Artificial Intelligence in Higher Education: Current Uses and Future Applications.Louisville: Learning house.2018.聲稱人工智能可以應對許多目前由教師和管理者負責的日常工作，將他們從中解放出來就可以解決更復雜的問題，并和學生建立更深層次的聯系。

這一觀點也強調了，教師的角色需要從內容呈現、內容管理和內容理解測試——所有這些可以被計算機應用完成的任務——轉變到技能培養上。

好消息是，通過這種方式使用人工智能，將幫助教師而非替代教師。不過，許多教師需要改變教學方法，否則將面臨淘汰。顯然，人工智能的發展給我們上的關鍵一課就是，在一個高度智能化的社會里，我們需要更加關注生活的情感與情緒，教師將因此變得更加重要。

四、未來的挑戰與問題

本期提出了很多問題：在增強人類潛力方面，人工智能是否有別于先前的技術創新？是否有可能縮小人工智能對教育的預期貢獻和現實之間的差距？當人工智能用于支持和增強人類能力時，主要受哪些約束？人工智能的應用能否幫助提升數字時代所需的技能與知識？

以上五個問題至關重要，需要在未來研究人工智能，及其與不同的教育背景結合時加以考慮。這些問題并非只是說說而已，而是突出了研究人員、教育管理者和政策制定者在人工智能的開發上面對的主要挑戰。

（一）人工智能服務于高等教育還是高等院校為人工智能發展服務？

顯然，這不是一個先有雞還是先有蛋的問題。我們目前探究了人工智能的新進展能在何種程度上有益于教育。也許機器學習、深度學習和數據的密集使用最終會用以支持和改進高等教育的教育教學，但現實卻往不同的方向發展。盡管全世界的高等教育事業單位正廣泛促進各種數字科技平臺的安裝和密集使用，教育教學活動并沒有發生明顯變化。谷歌（Google）、臉書（Facebook）、亞馬遜云計算服務（Amazon AWS）、油管（Youtube）等正在“免費”提供服務以“服務”和“賦能”學生和職工，但是許多活動只是為訓練這些大的技術提供商的算法做了貢獻。

顯然，高等教育界從全球技術供應商（如大數據或模式認知研究）提供的人工智能服務中獲益匪淺。但忽視教育事業單位（有意識或者無意識地）作為數據供應者的角色將是個嚴重的錯誤。這些科技巨頭每天從大學獲得海量的個人數據用來訓練算法，大大提高了他們的利潤空間1Zuboff, S.The age of surveillance capitalism: The fight for a human future at the new frontier of power.Profile Books.2019.。“目前，人工智能研究是開放的，但只有少數公司在開發研究，這就造成了權力的集中。”2Ford, M.Architects of intelligence: The truth about AI from the people building it.Packt Publishing Ltd.2018.私營公司對這些不易察覺的交換了然于心，特別是當其考慮到數據和人工智能服務能為“大型科技”公司帶來多大利潤的時候。在這個數據密集的時代，高等教育事業單位是否處于重新定義其權利關系的有利地位？

（二）學習不僅僅是在對的時間獲得對的信息。還需要考慮什么？

人工智能不是唯一的黑匣子。人腦及其學習過程也是一個黑匣子。沒有特別或特定的神奇公式可以不受時間地點限制地將知識教授給每個人。四十多年的研究表明，只有許多復雜的干預條件共同作用時，學習才會發生。這些因素包括相關背景、適當動機、必要的時間和機會，個人技能和其他可能超出我們認知能力的社會與情緒因素。

這就是教學發揮重要作用的地方。諸如技術和信息如何展現，面向哪個群體，具備什么層次的技能和多樣化的動力（內在的和外在的）等關鍵因素都需要我們考慮。教育和技術研究群體知道早先的方案未能按照所計劃的那樣發揮作用，是因為這些關鍵因素未得到妥當處理（清單過長，在此省略）。橫跨人工智能、學習和高等教育三個領域的研究者們需要考慮這些經驗教訓。

不可避免的是，在當今這個人工智能與勞動市場聯系越來越緊密的世界，對于個人技能的要求絕不可能與Windows 95系統從辦公室走向千家萬戶時的要求相同。我們的思維模式也需要做出改變。人類正前所未有地接近和自動化系統協同工作的場景。新的教育挑戰越來越多，正不斷被列入高等教育事業單位積攢的清單里。在人工智能深入影響勞動市場之前，是否有足夠的時間、能力和機會對勞動力進行再培訓？

（三）教育界需要接受再教育，以在“新常態”下工作

在高等教育界，技術支持者們積極推動、保護和慶祝新技術的廣泛應用，而技術抵制者們不愿推動技術變革，可能只是單純地對其持懷疑態度，也可能擔心其帶來的后果。

人工智能是否能成功催生新的學習模式和提升學習成效，現在判定還為時尚早。從本期文章可以看出，迄今為止所得證據不容樂觀。不過，人工智能可以在減少處理行政事務的時間和精力方面發揮重要作用，這一點越來越凸顯。在招聘、聊天機器人、音像識別、預測信息搜索、模式識別和自動篩選與推薦系統等領域都已可以看到這種例子。

對教育院校來說，忘掉舊知識和再學習至關重要，這也許聽起來比較奇怪。1Wheeler, S.Digital learning in organizations.London: Kogan Page.2019.這里的再學習是指避免極端的觀點和立場，超越激進的或者還原論者二元論中的“愛與恨”，以駕馭這些新場景的復雜性。在新場景下，高等教育越來越多的信息交換將通過人工智能實現。

（四）理解學習數據化的后果至關重要

在高等教育中，大數據的廣泛應用提高了效率，并在可能的情況下優化了流程，降低了成本（代替工作人員）或量化產出內容。但與其他領域一樣，這并不是高等教育內部的必然創新，主要是外部的開發商和供應商推動的結果。正如先前所述，需要教育院校研究開發人工智能才能更好地推動人工智能在教育領域的應用。

高等教育事業單位將在未來幾十年成為大型數據倉儲機構（如果他們現在還不是的話）。高等教育工作者和管理者需要練就使用新的數據密集型技術的能力，或者在必要之時外包給他人做。顯然，數字技術的迅猛發展遠遠超過人類培養出能夠適應大數據時代的數字素養的速度。僅僅會使用或能夠與這些新系統進行交互是不夠的。我們只有培養批判性思維，才能夠理解、評估并預測學習數據化產生的意外后果。目前，大多數組織仍缺乏該能力，高等教育群體也是一樣。

盡管在過去二十年里，我們一直在齊心協力培養、提升和不斷更新教職工、研究人員和管理者的數字技能，如今面臨的挑戰似乎更加復雜。過去幾年內，人工智能演進過程中一個有趣的變化在于交互界面的多樣性。即它們遠不止鼠標和鍵盤；這意味著用戶（特別是非專家用戶）可以簡單地通過語音或圖像識別與人工智能產生交互。這不僅使得人類與高級系統的互動更加透明，也為那些技能水平較低的人帶來了受益的可能性。

期望每個人都應像計算機科學家一樣思考和行動并不現實。我們面臨的挑戰似乎是，在不損害高等教育的核心原則與價值觀的前提下，使得高等教育充分融入人工智能的世界：

·培養摒棄偏見，尊重差異的能力；

·保護隱私；

·制定透明的數據政策；

·結合對所采用系統的常規倫理數據影響評估；

·將個人數據視為基本權利（至少允許三項基本權利，包括使用權、處分權、孳息）。1Douilhet, Emile, and Argyro P.Karanasiou.Legal Responses to the Commodification of Personal Data in the Era of Big Data: The Paradigm Shift from Data Protection towards Data Ownership.Web Services: Concepts, Methodologies, Tools, and Applications.IGI Global, 2019, pp.2076-2085.

在當下日益變化的環境中，高等院校要反應迅速，能夠及時采納新的做法和互動方式，這一點十分重要。

（五）需要研究（意外的）后果與機遇

“信任，但要核實。”這句話在羅納德·里根（Ronald Reagan）與米哈伊爾·戈爾巴喬夫（Mikhail Gorbachev）于1987年12月簽署中導條約的時候成了名言。盡管人工智能在高等教育領域的應用仍處于新興階段，我們不能忽視人工智能系統這個黑匣子可能引發的意外后果，正如在不同的政府機構和衛生部門發生過的那樣，及時采取行動變得越來越重要。

人們越是依賴人工智能系統去學習、提升技能或驗證已有的知識與技能，保持一種既開放又警惕的態度就越重要。正如前文所述，我們不僅需要多學科的專業知識去發展人工智能，還要做跨學科研究以便能更好地認識人工智能是如何幫助減少現存的和未來的不平等。正如尼爾·波茲曼（Neil Postman）在三十多年前所書，有幾個關鍵問題在今天仍有現實意義：

·這項技術解決的問題是什么？

·技術解決方案可能對哪些人或機構產生的傷害最大？

·解決這個問題后，新的問題可能會是什么？

·哪類人或機構可能因技術變革而獲得特殊的經濟和政治權利？

我們需要敏捷、機智、開放與創造力。正如迪曼蒂斯和科特勒所補充的“我們往往用線性思維去思考面臨的危險，試圖用昨天的工具解決明天的問題”1Diamandis, P.H., Kotler, S.The Future Is Faster Than You Think: How Converging Technologies Are Transforming Business, Industries, and Our Lives.Simon & Schuster.2020.。

五、結論

在教育領域，人工智能仍是一位沉睡的巨人。人工智能在教學上的“突破”性應用不太可能出現在主流高等教育領域。它們更有可能出現在正規的高等教育系統之外，如領英（LinkedIn）、在線教學網站lynda.com、亞馬遜（Amazon）或課程時代（Coursera）等組織機構，這些機構能夠使用大數據集，使得人工智能的應用可擴展化并具有盈利性。

然而，這將給公立中小學和高等教育院校構成生存威脅。那么，在數字化時代，誰最能得到保護并保持獨立：是跨國公司還是公共教育系統？

關鍵問題在于發展技術的目的是否是通過自動化取代教職工，抑或是否應該使用技術的同時賦能教師和學生。最重要的是，應該由誰控制教育領域的人工智能：教育工作者、學生、計算機科學家還是大型公司？如果人工智能真的能夠極大地降低教學成本，要思考這樣一個存在性問題：我們人類要付出什么樣的代價？幸運的是，人工智能目前還不足以產生這樣的威脅，但并非總是如此。人工智能的“海嘯”即將來臨。

注釋

1 Garrison, D.R.Online community of inquiry review: Social, cognitive, and teaching presence issues.Journal of Asynchronous Learning Networks,11(1),2007, pp.61-72.