生成式人工智能浪潮下知識觀的再審視*——兼論兩個經典知識之問的當代回應

杜 華 孫艷超

生成式人工智能浪潮下知識觀的再審視*——兼論兩個經典知識之問的當代回應

杜 華 孫艷超[通訊作者]

（浙江師范大學 浙江省智能教育技術與應用重點實驗室，浙江金華 321004）

以ChatGPT為代表的生成式人工智能浪潮席卷而來，產生了廣泛的社會影響。基于先進算法、強大算力和海量數據，生成式人工智能重新定義知識、重塑知識傳播方式，促使知識生產模式進階到以人機協同為特征的“知識生產模式IV”，開啟了一場知識生產力革命。在此背景下，需以當代視角回應“誰的知識最有價值”“什么知識最有價值”兩個經典知識之問。考慮到“最有價值”隱含絕對主義價值判斷，故“誰的知識更有價值”“什么知識更有價值”表述更為妥當。對于“誰的知識更有價值”，不能僅將目光凝聚于抽象人類群體，而應關注更廣泛的社會節(jié)點，闡釋智能時代人類與機器之間的知識與權力關系，人機協同共創(chuàng)的知識更有價值。而對于“什么知識更有價值”，應考慮知識的未來適應性，應對不確定性和社會風險的意識、不易被人工智能取代的高階思維、不易被人工智能取代的綜合能力、構建正向可信“人機共善”圖景所需的倫理道德更有價值。文章可為分析、研判并主動應對生成式人工智能對教育領域帶來的挑戰(zhàn)奠定基礎，并為構建智能時代的知識觀圖景提供重要視角。

ChatGPT；生成式人工智能；知識觀；創(chuàng)造性破壞；經典之問

引言

當下，人類社會正經歷“六千年從未有過之大變局”，“智能之光”照亮整個沉睡的宇宙[1]——這束光正是來自以ChatGPT（Chat Generative Pre-trained Transformer）為代表的生成式人工智能。ChatGPT是由美國人工智能研究實驗室OpenAI開發(fā)的人工智能聊天機器人程序，目前已升級至第四代GPT-4，未來仍會不斷迭代升級。ChatGPT的技術機理，是以先進的算法、強大的算力和海量的數據為支撐，構筑在“巨無霸”式大語言模型（Large Language Models，LLMs）之上，采用“預訓練+人類反饋強化學習”技術，依托Azuer AI超算平臺，具有突出的自然語言處理能力、持續(xù)的人機對話互動能力和驚人的原創(chuàng)多模態(tài)內容生成能力。ChatGPT的橫空出世產生了廣泛的社會影響，引導著世界人工智能產業(yè)進入生成式人工智能的新賽道，被認為是“繼計算機圖形操作界面以來最偉大的發(fā)明”[2]、“AI領域發(fā)展進程中具有里程碑意義的事件”[3]，甚至是“AI時代的二次復興”、人類告別弱人工智能時代邁向強智能時代的重要拐點[4]。

“任何技術都傾向于創(chuàng)造一個新的人類環(huán)境”[5]。以ChatGPT為代表的生成式人工智能代表著一種新型生產力工具[6]，“將重新定義人類知識，加速我們現實構造的變化，并重組政治和社會”[7]。生成式人工智能以非人類要素“身份”與人類平起平坐地介入知識生產過程，使知識生產進一步走向智能化、自主化、高質化、仿真化、個性化，并重構時代的知識秩序，觸發(fā)知識社會轉型，一場靜悄悄的知識生產力革命正在發(fā)生。在此背景下，本研究嘗試分析以ChatGPT為代表的生成式人工智能作用于知識觀嬗變的創(chuàng)造性破壞表征，在此基礎上以當代視角回應“誰的知識更有價值”“什么知識更有價值”這兩個經典知識之問。

一 生成式人工智能作用于知識觀嬗變的創(chuàng)造性破壞表征

“創(chuàng)造性破壞”最初是一個生物學概念，被美籍奧地利學者Schumpeter[8]進一步定義并發(fā)展為理論，之后廣泛流行于社會科學領域。創(chuàng)造性破壞是人類進步的常態(tài)，而技術是創(chuàng)造性破壞的風暴，突破性技術往往會引發(fā)系統(tǒng)性生產關系變革。知識觀屬于知識的思想觀念形態(tài)，知識觀轉變不是獨立于其他因素的單一思想轉變，而是知識范式或知識形態(tài)的轉變或顛覆；同樣，知識觀變革不是一個自然的過程，而是需要具備社會推動力的一個歷史的、社會的過程。當前，以ChatGPT為代表的生成式人工智能作為一種突破性技術[9]，猶如一場創(chuàng)造性破壞風暴，蘊含著廣泛的影響力乃至實質性的破壞力，帶來了巨大的創(chuàng)造性破壞效應——這種創(chuàng)造性破壞不是真的破壞，其更多地表征為對舊有體系進行吸納和改造形成更高效率的新體系，或者打破舊有格局建立新格局。因此，這種“破壞”最終帶來的不是真的破壞，而是一個全新的景象。

1 重新定義知識

知識問題一直是哲學、邏輯學、語言學、社會學、美學、文化學、心理學、教育學等多學科的經典問題[10]。從蘇格拉底的“知識即美德”命題，到柏拉圖的“知識是證實的真信念”論斷，到培根的“知識就是力量”名言，再到Young[11]的“把知識帶回來”口號，都展現了人們對于知識問題的關注。“知識本身與創(chuàng)造及再生產知識的文化、社會、環(huán)境和體制背景密不可分”[12]。生成式人工智能浪潮來襲，需要重新審視知識，以更好地適應當下及未來的社會環(huán)境，并更準確地描述智能時代的知識實踐、更快地適應智能時代的語境。

知識是一個蘊含多層涵義的復雜概念[13]，其內涵撲朔迷離。“關于知識的文獻提供了各種對知識的不同理解——有明確的定義，有含蓄的暗指，都隱藏在字里行間。但沒有一個統(tǒng)一的知識定義，尤其在數千年來對知識的哲學思考之后，居然沒有一個普遍認可的知識定義”[14]。例如，有研究者認為知識是客觀的、自主的、獨立于人的存在，是“加工過的信息”[15]，是“人類在改造世界的實踐中所產生的認識和經驗的總和”[16]；也有研究者認為知識是主觀的，存在于人的心智中，是附屬于個體的東西，是發(fā)生在個體層面上的認知現象等[17]。這些關于知識的看法雖有不同，但關涉范圍都限于人類。

知識不是脫離情境且亙古不變的邏輯體系或“真理”表征體系，而是根植于社會情境之中，有其適用的特定時空場域或條件。以ChatGPT為代表的生成式人工智能使用生成對抗網絡（GAN）、變分自編碼器（VAE）、轉換器（Transformer）等算法，創(chuàng)建或生成全新的原創(chuàng)內容，可以“寫故事，給予生活建議，寫詩和編寫計算機程序”[18]、撰寫文獻綜述[19]、輔助完成問卷編碼[20]、完成醫(yī)學報告[21]，已達到無法與人類生成內容相區(qū)分的水平。也就是說，生成式人工智能使機器憑借自我學習能力感知外部刺激信息、模擬人的知識處理行為、實現自主性推理與決策、完成知識生產與創(chuàng)造的閉環(huán)。由于機器的參與，知識僅關涉人類范圍的這一重要界限被改變：人類的知識不再只是人在實踐中認識世界和認識自我的成果，還包括機器學習與數據分析的結果，以及人借助技術從數據中獲取的認知成果[22]。生成式人工智能在改變知識生產方式的同時，也改寫了知識的定義，延伸了知識概念的外延。所謂外延，在邏輯學上指一個概念所指向的對象的范圍，如“人”這一概念的外延是古今中外所有的人。知識的外延應該關涉一切知識，當然也包括機器知識和人機協同產生的知識，因此知識將被重新定義。聯合國教科文組織在發(fā)布的《反思教育：向“全球共同利益”的理念轉變？》報告中指出，可以將知識“廣泛地理解為通過學習獲得的信息、理解、技能、價值觀和態(tài)度”[23]。在此基礎上，本研究認為人、機器或者人與機器協同，通過學習獲得的信息、理解、技能、價值觀、態(tài)度等均是知識。

2 重塑知識傳播方式

知識傳播是知識通過載體進行擴散并被知識需求者所獲得的過程。人類在遠古時代通過口耳相傳，傳播關于采集、狩獵、種植、工具等方面的經驗性知識。在之后漫長的發(fā)展過程中，語言和文字成為知識傳播方式的重要里程碑，人類藉由語言和文字進行知識的交流與傳播；接著，紙張和印刷術為人類知識承載提供了絕佳的物質載體，使知識得以大范圍地保存和傳播；后來，媒體技術的蓬勃發(fā)展，形成了更為豐富的資源與環(huán)境，人類借助媒體技術提供的聲、色、形等多途徑進行知識傳播；再后來，計算機技術、互聯網技術的廣泛應用，使知識以數字形式存儲于網絡空間，且可以被無限復制、隨時隨地獲取。上述知識儲存與傳播方式的巨大改變，促使知識傳播由歷時性轉為共時性、由地域性演變成全球性，知識可以于瞬息間到達世界的各個角落。當前，以ChatGPT為代表的生成式人工智能正在進行一場知識傳播方式的再升級，這將從根本上顛覆知識先生產后傳播的流水模式，代之以生產與傳播同步的人機交互模式。

①高密度知識生成拓展了知識傳播的廣度和深度。ChatGPT使用基于GPT-4的大型語言模型，應用人類反饋強化學習、指令微調（Instruction Tuning）等技術實現對人類認知機制的深度模擬，其功能以聊天和文本創(chuàng)作為主。由于有大量的人類偏好知識注入，ChatGPT能夠有效學習人類認知與表達的慣習。此外，ChatGPT能夠實現連續(xù)性人機協同，即可與人類進行長時間的連續(xù)對話，并基于給定的主題或在多輪對話過程中識別的上下文信息，高密度生成符合邏輯的、富有啟發(fā)和創(chuàng)意的連貫性回復，因此其可以稱作是“全年無休、無所不知的巨無霸信息檢索和答案生成大師”[24]。這些生成的連貫性內容不僅可以成為人類的創(chuàng)作素材，還可以在思維廣度上給人類以啟發(fā)，從而拓展了知識傳播的廣度和深度。

②對話式知識生成提升了知識傳播的實時性和個性化。ChatGPT是“革命性的人工智能聊天機器人，可以為復雜問題提供長篇回答。它經過訓練，可以理解人類提出問題的意圖，所生成的內容在很大程度上取決于人類的提示（Prompt）”[25]。人類用自然語言對話的方式向ChatGPT提出問題，所給的問題提示不同，得到的答案也會不同。這主要是因為ChatGPT在與人類對話的過程中，會不斷對人類的個性化要素進行識別、學習和整合，并對輸出要素進行結構化處理，最終以貼近人類的方式進行個性化呈現，完成對人類對話方式的深度模擬。因此，知識傳播能滿足人類直接的、個性化的知識需求，具有實時互動性。在人機對話過程中，知識并非單向傳播，而是具有雙向交流的特點，可以實現人機雙向賦智。

③類人式知識生成增強了知識傳播的情感體驗。ChatGPT可以基于人類的提問，生成順暢、自然的語言表達，在處理語言交互任務時更加準確，還能根據人類的反饋來調整自己的回答，故提升了用戶的使用體驗。同時，ChatGPT在語言感知力、認知力等方面已取得突破性發(fā)展，其精準的理解、流暢的應答、清晰的邏輯、禮貌的拒絕等類人特性，使人們在接受知識傳播的過程中有了更豐富、更真實的體驗，甚至可以在某種程度上實現情感交流。

3 升級知識生產模式

1994年，英國學者、科學哲學家Gibbons等[26]提出“知識生產模式”（Knowledge Production Mode）的概念，用來指知識產生和創(chuàng)造出來的方式，這既是一種解釋知識形成和發(fā)展的模式，也是人類在知識生產實踐過程中形成的對于知識生產及其變化的認知。

人類之所以能在漫長的進化過程中站到文明金字塔的頂端，一個重要原因是人類通過不斷生產、積累、迭代大量知識來認識和改造世界。從某種意義上來說，人類文明就是人類對世界和自己的認知不斷深入的過程。在此過程中，知識生產模式也相應發(fā)生了變遷，如表1所示。

表1 知識生產模式的變遷

具體來說，在農業(yè)社會，人類主要通過個體感知、思考、創(chuàng)造等方式產生知識，這種知識生產模式可稱為“模式0”。進入工業(yè)時代，人類認識到個體知識生產往往受個體經驗、能力等諸多因素的制約，于是個體趨向融合，逐漸產生依托于國家的專業(yè)社會組織。自此，知識生產成為一種專門活動，主要由某一學科領域的少數精英學者或學術共同體開展，且大多分布在大學與科研院所，傾向于開展認識論層面的“形而上”探究，具有權威性、集中化的特征，這種知識生產模式被Gibbons稱為“模式I”[27]。20世紀中葉，大學、政府、產業(yè)組成知識生產共同體，“知識生產模式II”應運而生[28]——這是一種相對大眾化、具有普及性的知識生產方式，擴展了科學研究、知識創(chuàng)新的參與主體和空間邊界。此時，大學不再是唯一的知識生產機構，政府、產業(yè)也成為知識生產建構和發(fā)展的參與者，大大提升了知識的系統(tǒng)化和應用性。20世紀末至21世紀初，隨著計算機技術、互聯網技術、移動終端的普遍應用和Web 2.0的廣泛傳播，出現了用戶群體智慧匯聚生成新知識的方式，被Carayannis等稱為“知識生產模式III”[29]。此時，知識生產的主體進一步拓展，不僅包含大學、政府、產業(yè)，甚至還涉及整個公民社會；知識生產和知識進化都在分布式協作網絡中完成，協作關系成為知識創(chuàng)新的動力。

當前，以ChatGPT為代表的生成式人工智能帶來了知識生產環(huán)境的迅速變化，開啟了知識生產的新模式——智能知識生產模式，亦可稱為“知識生產模式IV”。知識生產原是人類所獨有的智慧，而生成式人工智能打破了這種局面，重塑了人類知識生產的方式，使算法驅動的智能主體開始嵌入知識生產框架中，帶來了突破性AI技術賦能知識生產主體與方式的結構性變革。此時，知識是在人機動態(tài)交互過程中聯合創(chuàng)生的，人機協同的新形態(tài)顛覆了人類知識生產所依據的先決條件，知識生產主體、工作模式等都發(fā)生了很大改變。同時，人類和ChatGPT以彼此可以理解的方式進行互動和合作，重塑了知識生產的底層邏輯。生成式人工智能原本是“人類的創(chuàng)造物”，但現已成為人類的協作者，這打破了人類的知識生產壟斷性地位，而呈現出人機二元智能體協同進行知識生產的新圖景。

綜上可知，隨著以ChatGPT為代表的生成式人工智能的快速發(fā)展，知識生產模式已迭代升級至智能知識生產模式，且這種模式的社會影響正越來越廣泛，重構了時代的知識秩序，倒逼人們不得不思考：教育者究竟該教什么？學習者究竟該學什么？這些問題既是教育的邏輯起點，也是教育教學中基礎性、關鍵性的問題，需要站在全局以前瞻性的視角進行思考。這就需要重新審視并解答“誰的知識最有價值”“什么知識最有價值”等振聾發(fā)聵的問題，這既是人工智能變革教育的起點和關鍵，也是數字化轉型極為特別且重要的學術議題。

二 “誰的知識更有價值”：人與機器協同共生

“誰的知識最有價值”這一振聾發(fā)聵的問題，由美國威斯康星大學教授阿普爾[30]于1976年提出，他將知識放置于廣闊的社會歷史空間與政治文化語境加以考量。這一問題包含知識與權力、意識形態(tài)之間相互勾連的內在關系，為知識價值提供了“人的尺度”[31]，彰顯了知識主體對于知識價值的意義，肯定了人的理性主體地位。人們在肯定此問題之價值的同時，也發(fā)現其有一定的局限性：①“最”在漢語中有“終極的”“絕對的”“無比的”“第一的”等含義，故“最有價值”隱含絕對主義價值判斷。絕對主義是一種唯心主義、形而上學的觀點，認為一切事物都是從來如此且永遠如此，只承認其絕對性，而否認其相對性。照此絕對主義邏輯做出絕對性判斷或得出絕對性結論，終究逃不過被批判的命運。因此，“誰的知識更有價值”表述更為妥當。②過于肯定人的主體性，在學理上暗含著以人為中心的本體論界限，未能擺脫主體與結構、意識與物質、主觀與客觀的二元對立，使知識價值成為某種客觀結構或主體的賦予之物。③存在“泛意識形態(tài)”“泛政治化”趨向[32]，僅揭示知識背后隱藏著“歸屬”于人類某些群體的權力，反映的是一種相對宏觀的權力關系。實際上，權力作為一種力量，并不總是被握在統(tǒng)治階級、利益群體手上，而是彌散地存在于社會每個節(jié)點之中并制約著個體的行動。我們從理論上強調權力時，其實是在論述整個社會的運作方式。

嘗試以當代視角回應“誰的知識更有價值”，既有挑戰(zhàn)又具現實意義。在哲學層面，價值是事物因為生命需要而產生，能滿足生命存在、延續(xù)或發(fā)展進化等其中某一種需要的屬性。在此話語邏輯下探討“誰的知識更有價值”，實則是回答“誰的知識更能滿足人類生命存在、延續(xù)或發(fā)展進化的需要”這一問題。隨著知識范圍延展到機器，關于知識價值的討論不再局限于人類范圍——知識價值不僅限于促進人類個體與群體發(fā)展，機器及其發(fā)展也成為人與社會發(fā)展的一部分[33]。Kurzweil[34]在《奇點臨近》一書中預測：下一階段智能發(fā)展將是人類與機器的聯合，即嵌入人類大腦中的智慧將與容量更大、運算更快的機器智能相結合，在不同層次給社會生產制造帶來范式增長，人類與機器成為同事正在變?yōu)楝F實，人機協同共生將成為常態(tài)。人類賦予機器智能、智能機器反哺人類，將推動人類智能進一步發(fā)展。人類智能在感知、推理、歸納、學習等方面具有機器智能所無法比擬的優(yōu)勢，而機器智能在搜索、計算、存儲、優(yōu)化等方面領先于人類智能，可見這兩種智能具有很強的互補性。人類智能與機器智能互相取長補短，將形成一種新的“1+1＞2”增強型智能——融合智能。因此，機器智能與人類智能將有可能演變成為一對相生相克的統(tǒng)一體，從而開啟一個全新的時代——人機融合智能時代。

生成式人工智能浪潮下以當代視角重新審視“誰的知識更有價值”，不能僅將目光聚焦于人類群體，而應跳出人類中心主義，關注到更廣泛的社會節(jié)點，闡釋智能時代人類與機器相互敞開、彼此包含的知識與權力關系。以ChatGPT為代表的生成式人工智能掀起了一場智能化新浪潮，需深度匹配“分布式社會”所帶來的權力彌散與更迭。在生成式人工智能的加持下，人與機器在內容創(chuàng)新、知識生產中擁有了更多的平等機會和權利，這將促成知識生態(tài)的深刻變革。因此，“誰的知識更有價值”中的“誰”，既不是一個邊界分明的群體，也不一定是一個完全具有自主能力的“誰”，而是人與機器協同共生。

三 “什么知識更有價值”：為未來而學

“什么知識最有價值”是1859年英國哲學家、教育學家斯賓塞[35]提出的振聾發(fā)聵的問題，他給出了“科學知識最有價值”的回答。這一觀點贏得了人們的廣泛贊譽，引領歐美乃至世界各國將課程改革的價值指向“科學”，表達了對科學知識“客觀性”的強烈認同。而以ChatGPT為代表的生成式人工智能的出現，可能會導致傳統(tǒng)知識體系的坍塌，“課程”這一傳統(tǒng)的知識體系外顯形式，在人工智能時代是否仍然有存在的必要和可能，也值得進一步討論[36]。我們需要重新思考、判斷知識價值的標準：到底什么知識是真正有價值的知識？我們的學生在學校里究竟該學習什么？什么才是對他們未來成長和發(fā)展真正有幫助、有價值的東西？顯然，“科學知識最有價值”的回答已不適合當今的情境。斯賓塞的理論基點是客觀主義知識觀：在他所處的時代，受技術理性和科學主義范式的影響，知識普遍被認為是客觀的、價值中立的，具有客觀規(guī)律性——而發(fā)展到今天，知識觀已然發(fā)生了翻天覆地的變化；同時，他過于強調科學知識的重要性，忽視了人文知識的價值——而科學技術與人文科學分離的結果，使現代人要么成為只懂技術但靈魂蒼白的“機器人”，要么成為高談人文但技術文盲的“邊緣人”。

同樣，由于“最有價值”隱含絕對主義價值判斷，故“什么知識更有價值”表述更為妥當。而回答“什么知識更有價值”，需要審思教育的真正目的。對于教育目的的探討，Whitehead[37]表示教育應當讓學生體會到各種思想的力與美、能從整體上把握各類知識的結構，并能讓學生深入了解某類與未來生活息息相關的專業(yè)知識；Durkheim[38]從高度工具主義的思想出發(fā)，認為教育目的是特定歷史時期、歷史場合的社會需要；Dewey[39]主張教育目的源于教育活動本身；而Taylor[40]提出了“社會意象”，認為社會意象是一個社會中普通人共有的思維方式，是指導人們進行實踐活動的共同文化，教育目的便存在于社會意象中——對教育目的的分析，除了檢驗各種相應的政策與項目，還應當考查賦予該教育目的以意義與合法性的社會背景。這些觀點表明，為學習而學習的方式存在不足，教育不應服務于這樣的功利化目的——實際上，教育目的是工具性的，是為了發(fā)展人力資本和實現個人利益的最大化。因此，以當代視角回應“什么知識更有價值”這一經典之問，答案是：為未來而學、能夠適應未來的知識更有價值。

1 應對不確定性和社會風險的意識更有價值

每個人都不能回避生成式人工智能這一新興技術浪潮，必須認真思考如何更好地學會與之共存，并使其更好地為人類服務。由于生成式人工智能具有復雜性、擴展性、不可控性、不可預知性等特點，故這一新興技術浪潮可能會引發(fā)諸多不確定性和社會風險。對此，我們要做好風險預估和防范工作，以規(guī)范人工智能研發(fā)、生產和應用的秩序，所以應對不確定性和社會風險的意識更有價值。

實際上，掌握多少事實性知識和理論并不太重要，重要的是能理解世界的社會關系，站在全球視野、未來發(fā)展的高度，將復雜關聯的真實世界作為學生的“教科書”。以知識積累和傳遞為主旨的課程教學模式將無以為繼，未來社會發(fā)展需要教育打破既定的知識框架，通過切實的謀劃和行動回應社會轉型期更為廣泛的現實需求。面對生成式人工智能帶來的挑戰(zhàn)，人類要站在更高的意識維度思考和學習，提前布局，做到“升維思考，降維行動”，增強應對不確定性和社會風險的意識，具體包括對不可預見性的理解、對風險的預估和積極準備[41]、不確定狀態(tài)下采取行動的意識[42]、對失敗的接納和包容[43]、穩(wěn)定積極的心態(tài)等，以達到一種高意識的狀態(tài)。高意識是一種高度的認知與理解狀態(tài)[44]，在這種狀態(tài)下，人對現實的本質、自我和社會將會有更深刻的認知，故高意識有助于人類更好地理解世界、洞察世界并改造世界。人類需要在高意識層面強化自身的優(yōu)勢，統(tǒng)籌規(guī)劃并提前布局數字社會的文化建設，打造數字文明，來正確引領人工智能的發(fā)展方向，以實現人機共善并構建數字命運共同體。

2 不易被人工智能取代的高階思維更有價值

以ChatGPT為代表的生成式人工智能在思維層級的認知上呈現出與人類智能勢均力敵的態(tài)勢，但在批判性思維、創(chuàng)造性思維方面仍不及人類。從克服ChatGPT的弱點和回應未來社會的需求兩個角度來考慮，批判性思維、創(chuàng)造性思維等不易被人工智能取代的高階思維更有價值。

盡管ChatGPT使用高精度的自然語言處理技術，具有媲美人類創(chuàng)作水平的潛能，但其在內容深度、廣度、整體質量方面仍存在不足，甚至還有可能出現錯誤，或存在“幻覺”（Hallucination）、“事實編造”（Confabulation）等問題，或引發(fā)隱私和數據安全、算法偏見、歧視等問題。而思維作為人類認識世界的工具與方法，能夠幫助個體洞察事物底層規(guī)律，是成功執(zhí)行、解決復雜任務和問題的基礎[45]。其中，批判性思維能幫助人們有效分析信息、澄清謬誤、避免偏見，提升人們的理性判斷和自我反思能力，同時能有效彌補ChatGPT不能辨認信息真假、欠缺有效邏輯推理能力、難以理解人類語言背景信息等不足[46]。創(chuàng)造性思維則是打破思維定勢，從新角度來解決問題的思維能力。ChatGPT的語言概率算法機制使其容易出現重復性內容，這不僅會削弱ChatGPT的原創(chuàng)力，還會使其僅能提供建議而在內容細節(jié)展開方面后繼乏力，因此人類要將發(fā)展創(chuàng)造性思維作為核心任務。需要注意的是，人工智能雖能輔助人類決策，但不能代替人做決策并承擔相應的后果，所以人類需要具備在復雜環(huán)境中的決策思維，以能真正自主做出負責任的決定。因此，專業(yè)思維能力的重要性在人工智能時代不減反增，并成為了影響人工智能產品質量的關鍵因素。

3 不易被人工智能取代的綜合能力更有價值

當下，具有不確定性、不穩(wěn)定性、復雜性和充滿價值沖突的時代環(huán)境，迫使教育培養(yǎng)能夠更好地創(chuàng)造性運用知識的人，具有靈活性、適應性且流動性強的人，具備全球意識、跨文化交際能力的人，以及懂得終身學習的人[47]。ChatGPT跳過學科、專業(yè)、領域等的限制，直接切入知識碎片本身，有可能打破現有的知識體系，形成更細小的知識單元，并以碎片化方式呈現各類知識，這既破除了學科壁壘，也加速了知識融合。因此，提出問題的能力、人機協同的能力等不易被人工智能取代的綜合能力更有價值。

在改造世界的過程中，解決問題是人類創(chuàng)造知識的途徑，但提出問題遠比解決問題更難、也更為重要。提出問題的能力依然是人類的智慧門檻，特別是如何向ChatGPT提問、給予其易理解的提示語和清晰明確的指令，這是一種人機溝通能力，體現的是人類確立任務目標、提煉整理信息、有效表達、判斷信息價值、生成創(chuàng)意等方面的綜合能力——擁有這種綜合能力的提示語工程師（Prompt Engineer），正成為炙手可熱、甚至年薪過百萬美元的新職業(yè)。而人機協同強調與聊天機器人、教育機器人之類的人工智能協同合作，將成為人類應具備的一項綜合能力。人類使用新技術的能力并不是與生俱來的，以往個人電腦、互聯網、手機等的發(fā)明和使用經歷告訴我們：人類需要學會如何與人工智能共存，才能更好地應對新技術帶來的社會變化。在這場人機協同演進的技術浪潮中，要讓每一位數字公民都能夠成功躍遷為生成式人工智能時代的數智公民[48]。

4 構建正向可信的“人機共善”圖景所需的倫理道德更有價值

以ChatGPT為代表的生成式人工智能在帶來利好的同時，也帶來了倫理道德問題。2023年 3月，因存在數據隱私和倫理風險，圖靈獎獲得者Bengio等[49]呼吁暫停訓練比GPT-4更強大的人工智能系統(tǒng)；4月，中國支付清算協會稱ChatGPT類智能化工具已暴露出跨境數據泄漏風險[50]。更嚴重的是，某些人工智能技術不僅不具備“傳道”的育人適用性，反而在價值觀誤導、學習過程反智等方面已顯現出反育人的威脅[51]。

對此，我們需要對生成式人工智能始終保持一種清醒、審慎的態(tài)度，呼喚一種面對技術理性甚囂塵上的理智上的誠實：一方面，要厘清新技術驅動社會結構改變的巨大潛力。技術本身被認為是中性的，但如何使用技術，避免智能算法的設計存在“心計”，需要通過對人工智能的“善治”來謀求人工智能造福于人類的“善智”，助力人類在應用技術的過程中最大限度地實現趨利避害。另一方面，要發(fā)揮人類的主觀能動性以盡力規(guī)避技術風險。在技術之強大變革力量的作用下，人類要始終堅持技術向善，保護人類的隱私和信息安全，確保AIGC生成內容的公正性、準確性并避免其價值異化、不良導向性，構建“人機共善”圖景，是人類在面對以ChatGPT為代表的生成式人工智能技術時應秉持的基本態(tài)度。所以，構建正向可信的“人機共善”圖景所需的倫理道德更有價值。任何新技術的應用，都存在社會與技術雙向適應的過程。在壓實法理紅線的前提下，應盡可能多地拓展生成式人工智能的成長空間，同時進行及時干預和調整，以確保生成式人工智能始終沿著可知、可控的狀態(tài)發(fā)展，實現技術驅動社會不斷進步。

四 結語

回顧人類社會文明的發(fā)展進程，歷史上的重大社會變遷往往都是由科技革命推動的。生成式人工智能掀起了一場智能化新浪潮，其帶來的“創(chuàng)造性破壞”才剛剛開始。在技術作為創(chuàng)造性破壞力量重塑教育生態(tài)的過程中，那些勝出者往往是創(chuàng)造了新的生態(tài)關系的開拓者。在生成式人工智能浪潮推動下，深入解構并分析其對知識觀嬗變造成的創(chuàng)造性破壞，才能深刻詮釋智能時代知識觀由混亂“破壞”走向有序“創(chuàng)造”的演變歷程，并全面勾勒生成式人工智能時代的知識觀圖景。以當代視角回應“誰的知識更有價值”，人類將與智能機器一起成為新的知識主體，為知識創(chuàng)造注入鮮活的生命力[52]，使人與機器協同共生的知識更有價值。而以當代視角回應“什么知識更有價值”，答案是為未來而學、能夠適應未來的知識更有價值——具體來說，應對不確定性和社會風險的意識、不易被人工智能取代的高階思維、不易被人工智能取代的綜合能力、構建正向可信的“人機共善”圖景所需的倫理道德更有價值。面對技術對人類社會的強勢再造，我們需要憑借敏銳的洞察力，看清未來的方向，采取及時、有效的應對策略，才能站得更高、走得更遠。教育改革只有進行時沒有完成時，隨著教育數字化轉型的持續(xù)推進，對新知識觀的研究與思考還沒有結束，也永遠不會結束。

[1]OpenDAI.開放協議“人工智能宣言”[OL].

[2]Gates B. The age of AI has begun[OL].

[3]沈書生.適應與變革:AIGC產品如何改變教育過程——人工智能帶來的機遇[J].教育研究與評論,2023,(3):15-21.

[4]王仕勇,張成琳.ChatGPT參與知識生產的技術路徑、應用與挑戰(zhàn)[J].教育傳媒研究,2023,(3):53-55.

[5](美)理查德·A·斯皮內洛著.劉鋼譯.世紀道德——信息技術的倫理方面[M].北京:中央編譯出版社,1999:1.

[6]王茂福,嚴雪雁.生成式人工智能賦能數字鄉(xiāng)村建設:應用價值、現實梗阻與路徑支持[J].深圳大學學報(人文社會科學版),2023,(4):87-96.

[7](美)亨利·基辛格,埃里克·施密特,丹尼爾·胡滕洛赫爾著.胡利平,風君譯.人工智能時代與人類未來[M].北京:中信出版集團,2023:256.

[8]Schumpeter J. Capitalism, socialism and democracy[M]. London: Routledge, 1976:34-35.

[9]Garnter. Your detailed guide to the 2023 Gartner top 10 strategic technology trends[OL].

[10]郭元祥.把知識帶入學生生命里[J].北京大學教育評論,2021,(4):28-43、184-185.

[11](英)邁克爾·揚著.朱旭東,文雯,許甜譯.把知識帶回來:教育社會學從社會建構主義到社會實在論的轉向[Ｍ].北京:教育科學出版社,2019:5.

[12][23]聯合國教科文組織編.聯合國教科文組織總部中文科譯.反思教育:向“全球共同利益”的理念轉變?[M].北京:教育科學出版社,2017:8.

[13]杜華,顧小清.人工智能時代的知識觀審思[J].中國遠程教育,2022,(10):1-9、76.

[14]Müller-Merbach H. Eysenck’s advice: Why and when to define knowledge[J]. Knowledge Management Research ＆Practice, 2006,(3):250-251.

[15]Dretske F. Knowledge and the flow of information[M]. Cambridge: MIT Press, 1981:21.

[16]彭漪漣.邏輯學大辭典[M].上海:上海辭書出版社,2004:781.

[17]Palanyi M. The tacit dimension[M]. London: Routledge and Kegan Paul, 1966:15.

[18]Scharth M. The ChatGPT chatbot is blowing people away with its writing skills[OL].

[19]Ayd N, Karaarslan E. OpenAI ChatGPT generated literature review: Digital twin in healthcare[OL].

[20]Mellon J, Bailey J, Scott R, et al. Does GPT-3 know what the most important issue is? Using large language models to code open-text social survey responses at scale[OL].

[21]Jeblick K, Schachtner B, Dexl J, et al. ChatGPT makes medicine easy to swallow: An exploratory case study on simplified radiology reports[OL].

[22]顧小清,胡藝齡,郝祥軍.AGI臨近了嗎:ChatGPT熱潮之下再看人工智能與未來教育發(fā)展[J].華東師范大學學報(教育科學版),2023,(7):117-130.

[24]顧小清.ChatGPT對教育生態(tài)的影響[J].探索與爭鳴,2023,(3):30-32.

[25]Liu P, Yuan W, Fu J, et al. Pre-train, prompt, and predict: A systematic survey of prompting methods in natural language processing[OL].

[26]Gibbons M, Limoges C, Scott P, et al. The new production of knowledge: The dynamics of science and research in contemporary societies[M]. London: Sage, 1994:36.

[27](英)邁克爾·吉本斯著.陳洪捷,沈文欽譯.知識生產的新模式:當代社會科學與研究的動力學[M].北京:北京大學出版社,2011:3-10.

[28]Etzkowitz H, Leydesdorff L. The dynamics of innovation: From National Systems and “Mode 2” to a Triple Helix of university-industry-government relations[J]. Research Policy, 2000,(2):109-123.

[29]Carayannis E G, Campbell D F J. Open innovation diplomacy and a 21st century fractal research, education and innovation (FREIE) ecosystem: Building on the quadruple and quintuple helix innovation concepts and the “mode3” knowledge production system[J]. Journal of the Knowledge Economy,2011,(3):327-372.

[30]Apple M W. Making curriculum problematic[J]. The Review of Education, 1976,(1):52-68.

[31](美)邁克爾·阿普爾著.曲囡囡,劉清堂譯.教育與權力(第二版)[M].上海:華東師范大學出版社,2008:16.

[32]龔孟偉,陳曉端.試析阿普爾批判教育思想的價值追求與理論局限[J].教育研究,2008,(10):96-100.

[33]劉復興.論教育與機器的關系[J].教育研究,2019,(11):28-38.

[34](美)雷·庫茲韋爾著.李慶誠,董振華,田源譯.奇點臨近[M].北京:機械工業(yè)出版社,2011:50.

[35](英)赫·斯賓塞著.胡毅,王承緒譯.斯賓塞教育論著選[M].北京:人民教育出版社,2005:6.

[36]鐘秉林,尚俊杰,王建華,等.ChatGPT對教育的挑戰(zhàn)(筆談)[J].重慶高教研究,2023,(3):3-25.

[37]Whitehead A N. The aims of education and other essays[M]. New York: Free Press, 1929:10.

[38]Durkheim E. Selected writings[M]. Cambirdge: Cambridge University Press, 1972:54.

[39]Dewey J. Democracy and education[M]. London: Macmilan, 1916:69.

[40]Taylor C. Modern social imaginaries[M]. Durham: Duke University Press, 2004:21.

[41]Torgersen G. Teaching the unknown: How to prepare students for uncertainty[OL].

[42]Education Service Australia. Preparing today’s learners for uncertainty[OL].

[43]Hancock J, Rogers M, Pollard S. Improving uncertainty tolerance in medical students: A scoping review[J]. Medical Education, 2022,(12):1163-1173.

[44]祝智庭,戴嶺,胡姣.高意識生成式學習:AIGC技術賦能的學習范式創(chuàng)新[J].電化教育研究,2023,(6):5-14.

[45]祝智庭,戴嶺,趙曉偉.“近未來”人機協同教育發(fā)展新思路[J].開放教育研究,2023,(5):4-13.

[46](美)蓋瑞·馬庫斯,歐內斯特·戴維斯著.龍志勇譯.如何創(chuàng)造可信的AI[M].杭州:浙江教育出版社,2020:98-108.

[47]Perkins D. Smart schools: From training memories to educating minds[M]. New York: The Free Press, 1992:10.

[48]袁磊,徐濟遠,葉薇.AIGC時代的數智公民素養(yǎng):內涵剖析、培養(yǎng)框架與提升路徑[J].現代教育技術,2023,(9):5-15.

[49]Future of Life. Pause giant AI experiments: An open letter[OL].

[50]中國支付清算協會.關于支付行業(yè)從業(yè)人員謹慎使用ChatGPT等工具的倡議[OL].

[51]苗逢春.生成式人工智能技術原理及其教育適用性考證[J].現代教育技術,2023,(11):5-18.

[52]杜華,顧小清.智能時代的知識圖景:人工智能引發(fā)知識觀重塑[J].現代遠程教育研究,2022,(4):47-54.

The Re-examination of Knowledge View under the Wave of Generative Artificial Intelligence——Contemporary Response to the Two Classical Knowledge Problems

DU Hua SUN Yan-Chao[Corresponding Author]

The wave of generative artificial intelligence represented by ChatGPT has swept in and produced extensive social impacts. Based on advanced algorithms, powerful computing power and massive data, generative artificial intelligence redefines knowledge, reshapes knowledge communication modes, and promotes the knowledge production model to the “knowledge production model IV” characterized by human-machine collaboration, which started a revolution of knowledge productivity. Under this context, the two classical knowledge problems of “whose knowledge was the most valuable” and “what knowledge was the most valuable” were responded from a contemporary perspective. Considering that “most valuable” implied absolute value judgments, it is more appropriate to express “whose knowledge was more valuable” and “what knowledge was more valuable”. For the problem of “whose knowledge was more valuable”, attention should not be focused on the abstract human group and should be paid to the broader social nodes to explain the knowledge and power relationship between humans and machines in the intelligence era, and the knowledge co-created by human-machine collaboration was more valuable. For the question of “what knowledge was more valuable”, it was more valuable to consider the future adaptability of knowledge, the awareness of coping with uncertainty and social risk, the higher-order thinking not easy to be replaced by artificial intelligence, the comprehensive ability not easy to be replaced by artificial intelligence, and the ethics required to build a positive credible “human-machine co-goodness” prospect. This paper can lay a foundation for analyzing, evaluating and actively responding to the challenges brought by generative artificial intelligence to the education field, and provide an important perspective for the construction of knowledge view in the intelligent era.

ChatGPT; generative artificial intelligence; knowledge view; creative destruction; classical problem

G40-057

A

1009—8097（2024）01—0096—11

10.3969/j.issn.1009-8097.2024.01.010

本研究為國家社會科學基金教育學（全國教育科學規(guī)劃）2021年國家一般課題“人機協同時代鄉(xiāng)村教師智能素養(yǎng)結構與培養(yǎng)策略研究”（項目編號：BCA210091）的階段性研究成果。

杜華，副教授，博士，研究方向為教育技術理論研究、智能教育、學習科學與技術設計等，郵箱為jsjydh@zjnu.edu.cn。

2023年6月6日

編輯：小米