回歸與重構：智能時代的新知識觀

[摘? ?要] 近年來，關于新知識觀的討論日趨熱烈。陳麗教授等提出的“回歸論知識觀”深刻揭示了網絡時代知識的回歸現象，具有重大的理論和實踐意義，但也存在某些值得商榷的問題與局限。人工智能聊天機器人ChatGPT的誕生，對人類的知識和學習帶來多方面的影響。為探討智能時代知識觀發生的變化，文章將回歸論知識觀與重構主義知識觀進行了比較分析，指出回歸與重構是智能時代知識變化的雙向趨勢。認為硬知識的重要性進一步下降，軟知識的重要性進一步上升；事實性知識和程序性知識的重要性下降，原理性知識的重要性上升；與個人關系不大的知識重要性下降，與個人關系密切的知識重要性上升；外語類知識的重要性下降，本土語言知識的重要性上升；聯通在學習中的意義下降，零存整取式學習的價值提升。未來人類將以與生成式AI組成“復合腦”的方式進行人機合作式學習。

[關鍵詞] 新知識觀； 回歸論知識觀； 重構主義； ChatGPT； 人機合作學習； 復合腦

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 王竹立（1963—），男，湖南衡陽人。教授，碩士，主要從事網絡和智能時代學習理論研究和創新教育研究。E-mail：WZL63@163.com。

一、引? ?言

自筆者于2017年發表《面向智能時代的知識觀與學習觀新論》一文，被何克抗教授命名為以軟、硬知識劃分為特征的新知識觀以來，圍繞新知識觀的文章和討論開始增多[1-4]。北京師范大學陳麗教授及其團隊于2019年正式提出了“回歸論知識觀”[5]。筆者認為，回歸論知識觀雖然對新知識的內涵和外延均有所拓展與豐富，但對知識的解讀過于抽象寬泛，因而對教育教學實踐指導意義有限[6]。陳麗教授等于2023年再發表多篇論文，對回歸論知識觀作了進一步闡釋，強調聯通是教育的新本質，教育是不斷建立網絡之間的連接并保證信息暢通流動的聯通過程。回歸論知識觀認為，網絡時代的知識不僅是表征出來的事實，還可以是通過“涌現”實現對認知客體的整體識別，知識已從精加工的符號化信息回歸到人類的全部智慧[7-8]。這些新穎的觀點給人以耳目一新之感。然而再三拜讀之余，仍覺得有值得商榷之處，筆者認為，應與重構主義知識觀互為補充，共同構建智能時代的新知識觀。

二、 回歸論知識觀中若干值得商榷的問題

回歸論知識觀雖然站位較高、視野較開闊，但也存在某種模糊含混、實施不易等局限。導致這種現象的根源，筆者認為有以下三點：

（一）未對個體知識與社會知識進行區分

網絡時代，由于信息與知識爆炸性增長，任何領域的知識都難以被全部存儲在任何人類個體的大腦之中，而只能散在分布于不同的個體乃至非人類的機器內部。由此產生出個體知識與社會知識的分野。個體知識指存在于個體大腦內部的知識，它包括一些知識的具體內容，以及另一些知識的連接線索。個體知識既有可以用語言文字、圖形符號表達的顯性知識，也有難以用語言文字、圖形符號表達的隱性知識。而社會知識則指那些在個體與個體之間、個體與機器之間“流動”的知識，即可用于交流、交換的知識。為了交流的便利，這些知識一般需要經過符號化處理，屬于顯現知識的范疇。但也有少量無需經過語言文字、圖形符號表達，可以通過視頻直接觀察傳遞的隱性知識。即使是通過視頻，其中也包含大量的需要借助語言文字傳遞的顯性知識。既無文字也無聲音的視頻能夠傳遞的信息是較少的，也是不容易確定的。視頻圖像的作用，主要是輔助語言文字傳遞更直觀具體詳實的信息，而非取而代之。

回歸論知識觀源自聯通主義理論。聯通主義在討論知識時，沒有對個體知識與社會知識進行區分，甚至不愿對知識進行明確定義。回歸論知識觀則索性將知識定義為“人類的全部智慧”，網絡化知識則是信息的某種組織方式，是神經元以某種結構建立的網絡，類似于傳統教育理論中所說的能力，是在網絡的群智匯聚中“涌現”出來的。網絡化知識與傳統知識是素養與素質的關系。因此，它不能單純以符號化形式來呈現[7-9]，這些說法給人留下含混、模糊，乃至矛盾的印象。這種網絡化知識到底是一種什么形態，它存在于個體的大腦之中，還是群體的網絡之中。如果是一種能力，應該存在于個體的大腦之中；如果是群智匯聚的結果，又似乎應該與群體或網絡有關。顯然，人類的全部智慧不可能被任何一個個體所擁有，只能屬于全部人類。正是由于對知識定義過于模糊與寬泛，導致該理論在指導個體學習和具體學習時顯得無能為力。而個體學習是社會化學習的前提與基礎，離開了個體的學習，社會化學習無由發生[6]。

（二）未區分學習的內部過程與外部過程

由于知識在網絡（包括物理網絡和虛擬網絡）中的散在分布，學習也區分為內部過程（發生在個體大腦內）與外部過程（發生在個體大腦與其他個體大腦或外部節點之間）。聯通主義主要是從社會層面和網絡層面，也就是學習的外部過程來給學習提出建議。因此，它強調節點之間的聯通，盡管這種聯通也可能發生在個體大腦內部，但更多的還是側重人與人、人與資源之間的交流互動。陳麗教授等認為，聯通是教育的新本質，希望通過創設有利于個體與外界交流互動的情境（如cMOOC），來促進個體大腦內部知識節點之間的聯通[8]。而對于如何促進學習的內部過程（即大腦內部的聯通），則缺乏具體的、可操作的建議。即使由西蒙斯等首創，陳麗教授及其團隊大力推崇和親自實踐的社區型在線課程（如cMOOC），似乎也很難在現實中普及與推廣。筆者認為，單純強調連通容易導致淺層學習，要進行深度學習，仍必須進行深度建構，而要進行深度建構，離不開個體的自主學習與探索。這種自主學習，有時固然需要群體的互動與協助，但更多時候還是獨立的、乃至孤獨的探索。

（三）將知識的回歸現象片面化、絕對化

網絡時代知識存在回歸現象是客觀事實，即人類的認識與經驗不一定需要通過專家學者抽象概括和加工整理（即陳麗教授等所說的“提純”），就可以通過網絡進行傳播與應用。有些知識甚至無需用語言文字圖形等來表征（即符號化處理），僅僅通過視頻圖像的直接觀察就可以交流與傳播。知識的傳播與存儲方式從以前的一維（語言文字）和二維（圖形圖像），向三維（視頻動畫）和多維（虛擬現實、增強現實和混合現實等）轉變。但也正因為如此，與知識的回歸或還原相反方向的知識的概括與抽象（即“提純”）不是變得不重要了，而是變得更重要更可貴了。因為知識只有經過符號化的“提純”，才有利于進行邏輯分析與推理，才能進行深度思考；也只有經過“提純”的知識，才是可遷移的知識、更有價值的知識。那種高度依賴情境的知識，在解決某個具體問題時固然非常有效，但難以遷移到另一種情境，因而不具有普遍意義。只有經過一定程度抽象概括的知識，才是具有指導性價值和普遍意義的知識。以我們正在討論的新知識觀為例，這種知識是經過高度概括與抽象的知識，其意義比某種具體的情境化知識（如如何做一碗紅燒肉）要有價值得多。

筆者認為：知識與能力不宜混為一談。知識是經過一定程度的“提純”，可以分享、傳播、交流的那一部分信息、認識與經驗。即使是隱性知識，也有可能通過觀察和“挖掘”而被顯性化。而能力是無法分享、交流與傳播的，只能靠個體在學習與實踐的基礎上自己去培養。知識是能力的基礎，有助于加快能力的提升。

三、 重構主義知識觀可彌補回歸論

知識觀的不足

（一）重構主義知識觀的主要內容

重構主義是筆者在2011年提出的新建構主義理論基礎上，經過重新梳理、命名和完善的網絡時代學習與創新理論，是新建構主義的2.0版。它包括新知識觀、新學習觀、新教學觀和包容性思維四大組成部分[10]。重構主義知識觀主要包含三方面內容：

1. 將個體知識劃分為三級結構

重構主義知識觀將知識分為個體知識與社會知識兩大知識形態，用榕樹比喻個體知識，用河流比喻社會知識。知識在個體大腦內是以樹狀形態呈現的，而在社會網絡中傳播時則以知識流的形態呈現。個體知識樹與社會知識流緊密相連、互相影響。知識樹從知識流中攝取養分，同時也向知識流貢獻自己的果實。個體知識分為一級結構（樹根）、二級結構（樹干）和三級結構（樹冠），分別對應感性知識、理性知識和聯想知識。感性知識根植于實踐（土壤），是感官從實踐中獲取的初步認識；理性知識是借助語言文字等對感性知識進行抽象概括后上升的符號化知識；聯想知識是在感性知識和理性知識基礎上生成的個性化知識[11]。將聯想納入知識的三級結構中是重構主義理論的首創。聯想是指由于某人或某種事物而想起其他相關的人或事物，由某一概念而引起其他相關的概念。我們在認識一個人和事物（名稱、實體、性狀等）時，不可能只停留在該事物本身，而會自然而然地產生相關聯想，這是人類思維的特點。聯想構成了我們對人和事物認知的不可分割的有機組成部分。對于同一事物產生的聯想不同，代表我們對這個事物的認識不同。聯想是個體知識中最活躍、最具個性的部分，也是與知識創新關系最密切的部分[12]。

在知識三級結構基礎上，重構主義進一步提出教育教學是一種知識“嫁接”的思想。教育教學的本質就是把他人的知識（認識、經驗、技能、情感、態度和價值觀等）嫁接到學習者頭腦中知識樹上的過程。教育教學說到底是對人有目的的培養與改造，就像人類對植物的培育與改造一樣。傳統學校教育是一種自上而下的間接經驗的學習，而從實踐中獲取直接經驗的學習是一種自下而上的學習。只有將這兩種學習有機結合起來，才是一種最有效的學習[11]。

2. 將社會知識劃分為軟、硬知識

重構主義理論從聯通主義中汲取靈感，將社會知識劃分為軟知識與硬知識。社會知識就像一條河流，河流的上層是流速快、變化快的軟知識，河流下層是流速慢、變化慢的硬知識[1]。硬知識是指那些經過專家學者符號化處理，已經結構化、系統化，被寫進專著和教科書，被大眾廣泛接受的知識；軟知識則是那些還沒有被充分符號化、結構化、系統化的知識，是正在形成過程中的知識，是硬知識的前身[3]。在網絡時代，這些尚未被充分符號化、結構化、系統化的軟知識，也可以通過網絡交流，借助視頻、虛擬現實、增強現實和混合現實等先進技術進行傳遞，以“草根服務草根”的形式開展協作，解決某個具體情境中的具體問題。但也需要經過有心人在眾多網友的幫助下，不斷地進行“提純”而最終上升為更有價值、更具普遍意義的知識。兩者相輔相成、缺一不可。

為了實現從軟知識到相對較硬的知識的提升，重構主義提出了自己的核心主張與策略，即零存整取、碎片重構。零存整取式學習策略包含積件式寫作、個性化改寫和創造性重構三個循序漸進又循環往復的環節。寫作是個體知識的顯性化和外部化過程，通過不斷改寫文章以實現知識的充分符號化、結構化、系統化目標。為了避免信息超載，重構主義又提出以個人為中心的選擇原則，即以個人的興趣愛好為中心、以個人工作學習生活的需要為中心，對信息與知識進行篩選。將以個人為中心的選擇原則，與零存整取式學習相結合，構成重構主義所推崇的個人導向的系統學習[4]。由此可見，重構主義理論將個體知識與社會知識、學習的內部過程與外部過程、聯通與建構有機整合起來。

3. 智能時代人機共同生產知識

針對人工智能日益發展的現狀及對未來的評估，重構主義認為知識生產方式也將發生改變。從過去單純由人類生產知識，向人機共同生產知識方向發展[13]。知識生產方式的變化，也將導致學習方式的變化。人類學習不僅包含個體學習、社會化學習，還將包括人機合作式學習。其中，個體學習仍將是社會化學習和人機合作式學習的前提和基礎。

前文已經指出，在知識回歸的大背景下，仍然需要對知識進行一定程度的“提純”，需要對知識進行符號化處理，使之變成可被人類和機器識別、可遷移應用、具有一定普遍性意義的知識。換句話說，被回歸論知識觀還原為“人類全部智慧”的網絡化知識，仍需向部分符號化、結構化、系統化的軟知識和已充分實現符號化、結構化、系統化的硬知識方向轉變。這一過程可視為知識“純化”的過程，包含由情境化程度較高到去情境化；由多維呈現方式向二維、一維呈現方式轉變；由數量龐大需占據大量網絡和大腦空間的原初信息，向只占據較小空間、有利于推理、演繹、歸納的精加工信息轉變。隨著知識純化程度的提高，知識的價值也隨之提高。當這些經過純化的知識變成硬知識，并被智能機器所掌握和使用之后，其價值又開始急劇下降，人類不再需要進行更多的學習，而應將時間和精力放在更多的知識提純，即軟知識的建構上。

必須指出的是，為了讓智能機器人能夠識別和學習人類的硬知識，需對這些知識進行另一種符號化改造，即數字化改造。這時的符號不僅僅指人類的自然語言、文字和圖形，還包括程序、代碼等。一些圖形圖像甚至無需變成語言文字，就可以直接實現代碼化。將原初的信息進行代碼化改造的過程，也是知識提純的一部分，其中仍然需要人類語言文字符號的參與或幫助。未來的人們不僅需要掌握日常的語言文字，還需掌握與智能機器打交道的計算機程序語言。

綜上所述，重構主義知識觀明確劃分了知識的兩種不同形態，即個體知識形態和社會知識形態，用形象化的比喻，對兩種知識形態的特征及關系進行了描述；用“嫁接”一詞整合了多種學習理論的教與學主張，認為教與學僅僅依靠聯通是遠遠不夠的，還需要建構，有時還需要觀察、模仿和復制等。信息時代知識變得越來越碎片化，更需要采用零存整取式的學習策略。建構主義所主張的“意義建構”適用于個體知識樹的生長，主要描述了學習的內部機制；聯通主義所強調的“聯通”適合促進社會知識流的暢通，主要描述了學習的外部過程；重構主義所倡導的“零存整取、不斷重構”則是知識碎片化時代學習的最佳聯通與建構方式。

（二）回歸論知識觀與重構主義知識觀可以互為補充

回歸論知識觀與重構主義知識觀都屬于網絡與智能時代新知識觀的范疇，都強調知識的網絡屬性，但又各有側重。回歸論知識觀從知識本質屬性認識的高度，審視網絡時代知識發生的變化；重構主義知識觀則從應對網絡時代學習挑戰的視角出發，發現與知識碎片化密切相關的知識軟化現象。回歸論知識觀是一種自上而下的觀察，具有宏觀性、全局性。從某種意義上看，重構主義描述的知識軟化現象，也可視為知識回歸現象的一部分；重構主義知識觀是一種自下而上的探索，具有直接性、實用性。例如，對網絡時代知識碎片化的應對策略，具有實操性。兩者互為補充，殊途而同歸。回歸論知識觀與重構主義知識觀的比較見表1。

由表1可知，回歸論知識觀長于抽象概括，重構主義知識觀長于具體實操，兩種可以互相取長補短，合二為一。

四、 智能時代新知識觀的變化與展望

生成性人工智能聊天機器人ChatGPT（Chat Generative Pretrained Transformer）[14]的橫空出世，標志著人類社會向智能時代又邁進了一大步。它向我們提出了一系列尖銳的問題：如果未來智能機器人不僅能替代我們的體力，還能替代我們的腦力，人類還能干什么，知識還有什么用處，學習還有必要嗎，教育是否會消亡，智能時代的知識觀、學習觀是否需要重新構建。

對上述問題，筆者將從以下幾個方面進行分析：

（一）AI能做什么，不能做什么

1. AI只是應用知識，還不能創新知識

無論是ChatGPT，還是以前的AI技術，都是在學習人類已知的大量知識、經驗的基礎上，結合具體的問題，找出最優的解決方案。對于人類未知的問題，AI并不能給出突破人類現有認知水平的答案[15]。迄今為止，AI尚未獨立提出任何有價值的新觀點、新概念、新理論、新模式。

2. AI不能進行獨立的、多方式的思考，但可進行人類驅動的高效運算

ChatGPT是通過搜索已有的信息并根據算法來匹配出最佳的回答，而不是通過基于邏輯和因果關系推理來得出結論[16]。這一點與人類思維有很大的不同，人類的思考類型和方式比AI要更多、更復雜、更靈活。AI的思維可能在某種算法上做到極致，卻還沒有達到人類思維的靈活多樣。

此外，AI不是一個有機生命體，沒有主觀意識，不能進行獨立思考。它的所有活動都是由人類驅動的。一旦被驅動，它的思維效率可以遠遠高于人類。以ChatGPT為例，人類若不主動向它提問或發起對話，它不會有任何回答舉動。但一旦被人類問到，它能在極短的時間內作出比較完整、準確的回答。

3. AI已具有初級的創新思維能力，但還不具有高級的創新思維能力

AI是否已具有創造力，也是一個頗有爭議的問題，涉及對什么是創造力的理解。創造力的核心是創新思維。如果我們將創新創造定義為從無到有，AI目前還不能做到；如果將對事物的更新、改造、重構也歸入創新創造的范圍，AI在某種程度上則已經做到了。例如，筆者曾與AI（如6pen Art、盜夢師等）合作創作了大量的圖畫。其中，AI并不是簡單執行人類的指令，而是有自己的“想象”和“創造”，與人類能互相啟發[17-18]；筆者還曾讓ChatGPT創作故事、詩歌，它也能較好地完成，不亞于人類的一般創作水平。筆者還用測試人類創新思維能力的數種方法，對ChatGPT進行了多次測試，發現其水平略高于人類大學生平均水平，但還未達到人類最高水平[19-24]。說明AI已經具有了一定的創造力，但AI的創造力是建立在基于大量訓練數據的模型生成的基礎上，而不是像人類那樣具有獨立思考和主觀意識。AI的回答可能包含一些創新的元素，但都是基于之前的訓練數據和語言模式的組合，而不是像人類一樣，能從自己大腦的主觀思想中“頓悟”出來。從某種意義上看，AI不能原創，只能在移植、借鑒、組合基礎上仿造。這種仿造本身也是一種初級的創造力。如果沒有人類的深度參與，單靠AI尚不能實現真正意義上的創新與突破。

（二）什么知識變得重要，什么知識變得不重要

1. 硬知識的重要性進一步下降，軟知識的重要性進一步上升

權威著作和教科書中有大量的硬知識，這些知識以前大都依賴人腦去記憶和掌握，以便在有需要時可以隨時調用，但以后越來越不需要了，因為只要向ChatGPT類的聊天機器人提出問題，它就能夠快速給出答案，而且這個答案是在對現有知識的快速檢索之后綜合出來的，比大多數人類個體的答案要更加準確與全面。而軟知識大都屬于尚在建構中的新知識，AI還來不及掌握，軟知識中還包含有人類的隱性知識與個體經驗，AI也無從知曉。而這正是人類可以發揮最大作用之處。

導致硬知識重要性下降的另一個原因是知識更新迭代的速度進一步加快。這就好比河流的流速加快時，無論上層還是下層水的流速都會加快，不穩定性增加。未來硬知識會越來越少，而軟知識會越來越多。

2. 事實性知識和程序性知識的重要性下降，原理性知識的重要性上升

事實性知識指“是什么”的知識，如歷史、事件、人物、數據等；原理性知識指“為什么”的知識，如血液為什么能循環流動、智能機器人是如何工作的等；程序性知識指“怎么做”的知識，如程序、規范、方法、操作、公式、步驟等。這些知識都很容易被AI所掌握。其中，程序性知識一旦被AI所掌握并使用，人類就完全沒有學習的必要了。事實性知識有些還是重要的，如一般性的社會科學與自然科學常識，是形成共識和主流價值觀的基礎，還是需要教給大眾的。而除此之外更多的事實性知識，則可以在用到的時候才進行即時學習，或向AI請教。原理性知識人類仍須掌握，否則無法理解事物運動變化的規律，無法理解和評判AI的行為，也無法設計、改進AI的程序。

3. 與個人關系不大的知識的重要性下降，與個人關系大的知識的重要性上升

智能時代，那些大規模、標準化、專門化的工作都將逐漸被AI取代。人類只剩下新的、快速變化的工作領域和任務可以從事。此時，培養具有跨領域知識和創新創造能力的新型人才成為必需。在一個日益多元且快速變化的社會環境中，每個人面對的問題和需求是不同的，除了一些大家都需要的人文社會和自然科學常識之外，沒必要提前學習那些跟自己關系不大的知識，因為那些知識可在有需要的時候隨時隨地學習。傳統學校中的學科導向的系統學習將不再重要，代之以重構主義所主張的個人導向的系統學習。學習者將從繁重的各科課業學習中解放出來，把時間和精力用在自己感興趣或有需要的事情上，建立個性化的知識體系；學習與受教育也不再局限在校內，終身學習、社會化學習將取代學校教育成為主流學習模式。

4. 外語類知識的重要性下降，本土語言知識的重要性上升

ChatGPT能識別具體的情境和上下文關系，能洞悉不同文化、地域的語言風格，作出更符合當下實際的語言生成。未來這一技術將可以用在移動終端上，還可以直接從事圖文和語音翻譯。對于大多數非外語專業的人們來說，學習外國語言已非必須；而對于外語專業人士來說，要求則會更高，否則就會被AI取代。但語言文字是人們進行表達、交流、思考的必備技能和工具，對本土語言文字的學習和掌握仍然必須，且在AI替代了很多人類思維的情況下變得更加重要。人類要想進行深度思考，離不開語言和文字。

（三）聯通在學習中的意義下降，零存整取式學習的價值提升

聯通主義理論主張學習是建立知識網絡的過程，聯通比建構更重要。知道誰、知道在哪里，比知道什么、知道怎樣更重要。陳麗教授等把聯通上升為教育的新本質。如今AI能迅速收集網絡中各個節點上的相關信息和知識，還能幫助人類快速整合相關信息與知識，從而大大增強個體聯通相關知識節點的能力與效率。盡管聯通和整理網絡上的知識和信息還不能等同于聯通主義所主張的聯通，例如，人和人之間直接的聯系仍無法替代，網絡中各種信息、思想、觀念的交流碰撞仍必不可少，但已經能幫助我們大大減輕聯通所需的時間和工作量。同時，我們必須清醒地意識到，用AI寫出的文章，不代表個體真正擁有的知識；從AI獲得的答案，不意味著我們真正懂得為什么。正如我們用AI畫出的畫，不代表我們真正擁有的繪畫水平一樣。要想讓知識和能力成為自己真正擁有，仍然必須親自動筆動腦和動手實踐。個人從實踐中獲得的認識和經驗，也必須經過符號化的加工整理才能更好地交流與傳播。零存整取式學習的最大意義，不是讓我們記住和理解已有的知識，而是培養我們整合已有知識碎片，進行創新創造的能力。在意義建構和創新創造方面，AI可以充當我們的助手乃至平等的伙伴，但最核心、最關鍵的部分仍然需要我們自己來完成。而且，對未知事物的認知從來不是一蹴而就的，要經過不斷地更新迭代才能逐漸走向全面與深刻。例如，筆者對ChatGPT的認知過程，就是通過一次又一次的反復測試與學習，采取零存整取、碎片重構的方式逐步深化的。從這個意義上看，重構主義所主張的零存整取式學習，是最適合智能時代探索新知的學習方式。

目前已知，AI有可能制造出更多虛假的信息與知識，如ChatGPT可能會出現創造不存在的知識，或者主觀猜測提問者的意圖等問題[14]，或出現明顯的張冠李戴式的錯誤[20]，會制訂與現實情況完全脫節的旅行計劃[25]，還可能存在意識形態偏見[26]。這些現象提示我們，單純的聯通越來越不足夠，對AI提供的信息與答案，還需要由人類自己來甄別與取舍。因此，更需要人類掌握批判性思維和包容性思維能力，建構真正屬于自己的知識體系。如果人類完全放棄自己的學習與思考，把所有問題的答案都交由AI來提供，人類的思維能力將極大地退化，將會被AI制造出來的虛假信息所誤導，后果不堪設想。

（四）回歸與重構是智能時代知識的雙向變化趨勢

對ChatGPT引發的全網討論的觀察，可以發現當今知識運動變化的一般規律。關于ChatGPT的知識是一類典型的新知識和軟知識。在還沒有被專家學者加工整理成硬知識之前，就以“草根服務草根”的方式，被大眾傳播與應用。一項調查顯示，截至2023年1月，美國已有高達89%的大學生使用ChatGPT完成作業[14]。對比互聯網還不太發達時期，那時一種新技術的出現，需要由專家先寫成各種紙質教程才能逐漸普及，說明現在知識回歸現象已經非常顯著。與此同時，ChatGPT也迅速引起業界、學界的關注。眾多專業人士和高校學者也開始對ChatGPT及其所帶來的影響進行探討，出現了經過不同程度“提純”的文章，碎片重構趨勢明顯且進展迅速。回歸與重構雙向運動是智能時代知識運動變化的普遍現象，回歸論知識觀和重構主義知識觀的出現恰好反映了這一趨勢。

（五）人機合作與協同將成為未來主流的學習方式

由于AI具有強大而高效的運算能力，人類會越來越多地利用它幫助自己思考，以彌補人類思維能力的局限和不足，同時AI也需要人類來驅動它、訓練它、引導它，才能發揮自己的能力。人機合作與協同成為必需。

智能時代學習生態將發生巨大的變化。人類將不再僅僅依靠自己的大腦進行學習與思考，還將與ChatGPT類生成式AI緊密合作，以“復合腦”的方式進行學習與思考。“復合腦”的概念最初由沈書生、祝智庭教授提出[27]，筆者作了進一步闡釋，如圖1所示。

圖1? ?智能時代的學習生態

筆者認為，智能時代人類不僅從實踐中獲取第一手信息與知識，還從互聯網中間接獲取他人的知識和經驗，并與智能機器共同處理這些知識和經驗。未來的智能機器也不僅限于ChatGPT類生成式AI，還可能出現更先進的AI，它不僅能從網絡數據中獲取人類已知的信息和知識，還可以直接參與部分實踐活動，直接從現實中獲取第一手的信息（如自動駕駛汽車利用各種傳感器直接獲取路面信息），并產生出新的知識。在人類大腦與智能機器共同構成的“復合腦”中，人類大腦處于啟動和主導的優勢地位，相當于復合腦中的“優勢半球”。但人類大腦這個“優勢半球”扮演的是類似人類右腦的角色，而智能機器扮演的是左腦的角色，即人類大腦更多的是發揮靈感、頓悟、想象等軟性思維作用，而智能機器則主要發揮分析、計算、綜合等硬性思維功能。未來新產生的知識主要是人機知識，未來的學習主要是人機合作乃至人機一體化學習。

運用復合腦開展人機合作學習的基本模式是：人類先設定主題，或提出問題，并給出初步的構想或設定；AI根據人類的意圖搜索匹配出答案、建議，或提出方案、完成作品；人類對AI的答案、建議、方案、作品進行甄別、評判、篩選、重組、修改、細化，直到滿足需要為止。這一過程也許不是一次完成的，需要經過反復多次的嘗試與探索。在這一過程中，人類始終處于啟動和主導地位，AI則扮演執行和反饋的角色。人類是一個領導者，AI則類似在人類領導下的強大的合作團隊。AI不僅僅作為人類的工具和手段，還可作為人類重要的合作伙伴。

[參考文獻]

[1] 王竹立.面向智能時代的知識觀與學習觀新論[J].遠程教育雜志，2017（3）：3-10.

[2] 何克抗.也論“新知識觀”——到底是否存在“軟知識”與“硬知識”[J].中國教育科學，2018（2）：36-44，137.

[3] 王竹立.再論面向智能時代的新知識觀——與何克抗教授商榷[J].遠程教育雜志，2019（2）：45-54.

[4] 王竹立.新知識觀：重塑面向智能時代的教與學[J].華東師范大學學報（教育科學版），2019（5）：38-55.

[5] 陳麗，逯行，鄭勤華.“互聯網+教育”的知識觀：知識回歸與知識進化[J].中國遠程教育，2019（7）：10-18.

[6] 王竹立.新知識觀：從硬知識、軟知識到網絡化知識——與陳麗教授等商榷[J].電化教育研究，2022（7）：5-11，26.

[7] 陳麗，何歆怡，鄭勤華，等. 重構認識論基礎：成人終身學習的新知識觀[J].現代遠程教育研究，2023，35（1）：3-9，19.

[8] 陳麗，何歆怡，鄭勤華，等. 論終身學習的新哲學基礎[J]. 現代遠程教育研究， 2023，35（2）：3-10.

[9] 王懷波，陳麗.網絡化知識的內涵解析與表征模型構建[J].中國遠程教育，2020（5）：10-17，76.

[10] 王竹立，盧瑤. 網絡時代學習理論構建十年回顧、反思與展望——從新建構主義到重構主義[J].電化教育研究，2022（12）：61-69.

[11] 王竹立.知識嫁接學說：一種更具包容性的教學理論[J]. 現代遠程教育研究，2013（1）：33-39.

[12] 王竹立.論聯想與創新的關系[J].數字教育，2016（6）：1-9.

[13] 王竹立.論智能時代的人—機合作式學習[J].電化教育研究，2019（9）：18-25.

[14] 百度百科.ChatGPT[EB/OL].[2023-02-08]. https：//baike.baidu.com/item/ChatGPT/62446358？fr=aladdin.

[15] 王竹立.看我如何“刁難”ChatGPT[EB/OL]. [2023-02-11]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NTkzNA==&mid=2247489164&idx=1&sn=600f9a79849fec7404e3dbbbb90c2c68&chksm=ce9bf8fdf9ec71eba42e8a8a234550cc7cbc255200c75a3fc143 8155cbbe8f6ca98191b7bfe3&token=1216266521&lang=zh_CN#rd.

[16] 王竹立.ChatGPT沒有“思”只有“算”[EB/OL]. [2023-04-08]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NTkzNA==&mid=2247489471 &idx=1&sn=04e926cb7db866c5a6f18b76e0dfc9f8&chksm=ce9bf9cef9ec70d8beaab5dc82cb219ec76d53fbeb986d0e86b9d581210afa 2fafdaa43d2fa1&token=489280261&lang=zh_CN#rd.

[17] 王竹立.人+AI藝術創作規律初探[EB/OL].[2023-02-11]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NTkzNA==&mid=2247488 996&idx=1&sn=950e131cdbf4238acb8ab52c9444d3af&chksm=ce9bfb95f9ec7283f8a7874ab52d5c0100514e8c39ce3731f53e810c90 0752a3120023545901&token=1216266521&lang=zh_CN#rd.

[18] 王竹立.AI作畫不是畫，而是組裝[EB/OL].[2023-02-11]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NTkzNA==&mid=22474880 87&idx=1&sn=f11780856f849930181fb1c30c2841a5&chksm=ce9bfc26f9ec7530a372a5aedc06ef346692f9cdc23d3ff64f856f9cce7c07 ecedddb4d60e55&token=1216266521&lang=zh_CN#rd.

[19] 王竹立.對ChatGPT是否有創造力的測試[EB/OL].[2023-02-11]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NTkzNA ==&mid=2247489248&idx=1&sn=6acc673df7f129e5ca3788f153fae8b5&chksm=ce9bf891f9ec7187459cd86bc95d06109a202858c839b7b7d67 0293e0777835bd0d7ef553852&token=1768664084&lang=zh_CN#rd.

[20] 王竹立.三測ChatGPT：如同與一位“智者”對話[EB/OL].[2023-03-05]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NTkzNA==& mid=2247489289&idx=1&sn=1a93f1d663a0f56425fa38ab133a54db&chksm=ce9bf978f9ec706e0de74f936dfb212b6129167bec5240d 18a456d8d443b876bc2bc74927d44&token=880406002&lang=zh_CN#rd.

[21] 王竹立.ChatGPT的創新思維測試不亞于大學生[EB/OL].[2023-03-09].https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5 NTkzNA==&m id=2247489348&idx=1&sn=4357ea2656456939ea4580cb9ede8580&chksm=ce9bf935f9ec7023d22ea062e027bded34b5652fa5e 75e9 337535ab9b65d93c431787b46e69e&token=894563190&lang=zh_CN#rd.

[22] 王竹立.ChatGPT的創造力略高于人類個體的平均水平[EB/OL].[2023-03-09]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NT kzNA==&mid=2247489358&idx=1&sn=ddb12f2cc322d2ec86eabfda592f5ebf&chksm=ce9bf93ff9ec70292ec40bbbd9735e28ecc2085e 1c3fe7e933ddd2ff93480d6a252940d3a7aa&token=894563190&lang=zh_CN#rd.

[23] 王竹立.ChatGPT能很好地完成創新思維游戲[EB/OL]. [2023-03-10]. https：//mp.weixin.qq.com/s？__biz=Mzg2O TU5NTkzNA==& mid=2247489359&idx=1&sn=226f88257f9d2fac7fdb05663ed51837&chksm=ce9bf93ef9ec7028a43cf1fce5bdb4f15beaa404cf96702f5 d89a6cc4f303fe8858549b5c97c&token=894563190&lang=zh_CN#rd.

[24] 王竹立.ChatGPT能很好地完成創新思維游戲（二）[EB/OL].[2023-03-11]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NT kzNA==&mid=2247489363&idx=1&sn=a21b271a41cfe86723bc677c7b514a3d&chksm=ce9bf922f9ec70345a16c016c7ebdcf2b21ff00 6b9207b790b2e4ab69094e504c5909079008f&token=894563190&lang=zh_CN#rd.

[25] 王竹立.ChatGPT（聊哥）做的攻略還不靠譜[EB/OL].[2023-03-09]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5N TkzNA==&mid=2247489339&idx=1&sn=9085835d0ea18921a04a27003684eda5&chksm=ce9bf94af9ec705c179588061d434c8012c3e9048f0a0a9a26 ef4b7e951db5def2c2dc5adbfc&token=894563190&lang=zh_CN#rd.

[26] 定風波里.ChatGPT非常危險，中國該禁了ChatGPT，否則全民將被洗腦？[EB/OL].[2023-02-11]. https：//www.toutiao.com/article/7198181645130711613/？app=news_article×tamp=1675995331&use_new_style=1&req_id=20230210101530C915556FDD75B A502BBD&group_id=7198181645130711613&wxshare_count=3&tt_from=weixin&utm_source=weixin&utm_medium=toutiao _androi d&utm_campaign=client_share&share_token=851f85ad-80e0-435b-9d47-74182aafa0d6&source=m_redirect&wid=1676123783531.

[27] 沈書生，祝智庭. ChatGPT類產品：內在機制及其對學習評價的影響[J]. 中國遠程教育，2023，43（4）：8-15.

Returning and Reconstructing： A New View of Knowledge in the Intelligent Age

—A Discussion with Professor Chen Li and Others

WANG Zhuli

（College of Educational Sciences， Shanxi Normal University， Taiyuan Shanxi 030031）

[Abstract] In recent years， the discussion about the new view of knowledge has become increasingly heated. The return theory of knowledge proposed by Professor Chen Li and others has profoundly revealed the phenomenon of knowledge regression in the network era， which has great theoretical and practical significance， but there are also some problems and limitations that are worth discussing. The birth of ChatGPT， an artificial intelligence chatbot， has brought about various impacts on human knowledge and learning. To explore the changes occurring in the view of knowledge in the intelligent era， this paper compares and analyzes the return theory of knowledge and the reconstructionist view of knowledge， pointing out that regression and reconstruction are two-way trends of knowledge changes in the intelligent era. It is believed that the importance of hard knowledge will further decline， while the importance of soft knowledge will further rise; the importance of factual and procedural knowledge will decline， and the importance of principled knowledge will rise; the importance of knowledge unrelated to personal relationships will decline， and the importance of knowledge related to personal relationships will rise; the importance of foreign language knowledge will decline， and the importance of native language knowledge will rise; the significance of connectivity in learning will decline， and the value of accumulating knowledge bit by bit will increase. In the future， humans will conduct human-machine cooperative learning by forming a "composite brain" with generative AI.

[Keywords] New View of Knowledge; Return Theory of Knowledge; Reconstructionism; ChatGPT; Human-machine Cooperative Learning; Composite Brain