人工智能正在改變科學的運作方式

編譯/高地雪

科學教育必須反映這種變化。

人們對于在科學教育中使用人工智能（AI）的興趣正在日益增長。有關人工智能在科學教育中的作用，人們主要針對科學學習的目標提出了許多問題。它們涉及人工智能生成教學工具、學習工具和評估工具的能力，以及使用這些工具的優缺點。但是，在有關科學教育的討論中，另一個重要問題是人工智能如何改變科學本質（NOS），以及這種改變對于幼兒教育的意義，而這個問題還遠未得到足夠的關注。對教育而言，關鍵在于究明以人工智能為基礎的科學本質是什么，它對學習者提出了怎樣的技能要求，以及學校如何才能實現這些要求。

關于人工智能在教學、學習和評估方面的優勢，對模擬技術的使用（包括沉浸式學習體驗）已被認為是一項重要的優勢。同樣，教育工作者注意到，人工智能提供了一種強有力的手段，通過以往幾乎難以實現的方式量身定制內容和體驗，從而達成個性化教育。例如，它可以密切監控學生對某個任務的參與，并在最需要反饋的地方，以特定的方式提供恰當的反饋。至于人工智能在教學中的潛在劣勢，人們提出了以下問題：如果學生能夠使用人工智能工具輕松完成家庭作業所要求的文本，那么學習會變成什么樣？老師要如何衡量學生的理解能力，才能確保衡量的是學習本身，而非技術的殘留？

在談及人工智能對學習的影響時，其中某些擔憂是基于對人類學習的過時觀念產生的。傳統的科學教育倡導將事實的傳遞和信息的回憶作為衡量學習的指標。例如，傳統上，學生可能會被要求記住光合作用的化學方程式，或者背下歐姆定律。在這種對學習的描述中，借助人工智能可以輕松地檢索到相關信息，從而使學生的學習成果變得模糊不清。相比之下，更當代的學習觀提倡將批判性思維等技能視作學習的重要成果，這些技能可能在一定程度上被復制，但難以通過人工智能模仿。諸如情景思維、系統思維、管理不確定性和復雜性等未來導向的技能，所需要的不僅僅是對大數據集的記憶乃至掌握。它們意味著相當程度的創造力和創新。一些認知心理學家認為，雖然人工智能可以幫助總結和概括現有的信息，但它的設計本身難以滿足更復雜的、需要創新的人類技能，比如構建理論。然而，新興的人工智能研究和開發正在挑戰這種觀點——例如，研究者們正在探索人工智能系統找出科學假設中的盲點并協助生成新問題的潛能。

在科學教育和科學本質方面，有證據表明，參與制定教育政策的利益相關者認識到了科學本質的重要性，并借鑒了關于有效教學和學習科學本質的研究成果。然而，人工智能與科學本質之間的關系還需要進一步闡明，以便教育研究與實踐的相應改變以及政策的相應制定。當代對于科學教育研究中科學本質的反思尚未涉及人工智能及其對科學事業變革帶來的影響。專業科學和學校科學之間的傳統鴻溝或許已然很寬，但如今，它似乎在以更快的速度擴大。

人工智能已經開始影響科學研究的操作方式。科學家正在利用人工智能生成假設、設計實驗、收集和解釋數據，并獲得僅使用傳統科學方法幾乎無法得到的見解。在推理和認知方面，科學家經常從數據中構建模型來解釋和預測現象。隨著人工智能的發展，數據集可以幫助科學家理解海量的信息。但是，如果人工智能系統訓練和操作所依據的數據存在偏見或不可靠，它也可能會報告誤導性信息。眾所周知，數據集的豐富性和質量往往存在偏差，這通常是無意識的。例如，在健康數據中，基于人工智能的皮膚病學算法在診斷黑人的皮膚病變和皮疹時的準確性已被證明低于白人，因為訓練這些模型的數據主要是從白人群體中收集的。

專業團體正為如何在科學研究中負責任地使用人工智能提出建議。這些建議引發了對透明度、風險和參與性方法等問題的討論，這些問題對于人工智能指導科學如何發展具有重要意義。對透明度的關注要求對參與者、數據集、模型、偏差和不確定性進行明確的記錄。對風險的關注意味著要管理數據集和算法中的風險和偏差，以及它們對研究結果的可能影響（包括意外后果在內）。對參與性方法的關注，要求確保研究設計具有包容性、讓研究人員參與面臨風險的社群，并將領域專門知識納入研究。這些問題暗示了科學本質應如何適應如數據和流程透明度之類的文化規范、偏見評估等科學知識的評價標準、管理風險后果等社會價值觀，以及不僅納入專門知識，還納入社群知識的包容性方法。

有鑒于人工智能用于科學研究的新趨勢，一個問題應運而生：學校科學如何幫助未來的科學家理解人工智能時代的科學本質？由此，科學教育碰到了兩個問題。第一，人工智能指導的科學本質對學校科學意味著什么？第二，在中等教育階段，應優先考慮人工智能指導科學本質中的哪些方面？有些人可能會認為，在基礎科學研究中使用的人工智能過于復雜，與中等教育的目的無關，但另一些人可能認為，幼兒在認知層面無法理解如此先進的科學研究手段。這些潛在的立場可以通過對學校研究項目的實證調查來驗證，此類項目可以測試學生的發展能力，以及基于人工智能的干預對學生學習科學本質帶來的影響。

人工智能在科學研究中的某些范例（例如，科學方法、文化背景和專業建議）已經對學校科學產生了實質性的影響。雖然世界各地的科學課程都包含某些傳統的科學探究角度，例如實驗、數據收集和解釋，但在諸如建模等其他相關方面，盡管科學教育研究界倡導了許多年，卻仍然未能在課程中得到足夠的重視。同樣，盡管在一些教育系統中，數據的客觀性和準確性可能會被視作學習成果，但在這些話題上，幾乎不存在與人工智能的進步及其傳播偏見的潛在危險相關的討論。對專業指南進行某些教育層面的調整，將有助于教育未來的科學家理解人工智能在科學研究中的倫理問題，并教育他們對其負責。

人工智能對科學本質的影響對于科學教育來說是一項艱巨的任務。它要求對整個領域進行系統性的改革，對于重構科學課程、教與學、教師教育等方面都具有一定的意義。其中的首要任務是，科學課程的內容需要捕捉到人工智能指導的科學本質中的細微之處，包括人工智能在影響科學方法和假設方面的發展。諸如人工智能背景下的大數據集模型和建模等方面，也將與數據偏差和錯誤風險等主題一起納入中等教育。這些方面與當前部分課程標準中所稱的科學實踐有關，可以作為修訂的具體焦點。我們需要設計和測試新的教學工具和策略，以確定在課堂中捕捉科學那不斷變化的面貌的有效方法。許多中學教師和學生已經在使用ChatGPT等人工智能平臺。事實上，使用ChatGPT可以模擬科學家使用這類工具為學術手稿生成文獻背景的情況。可以考慮使用諸如提問等教學策略（例如，我們如何確定ChatGPT生成的這篇文本是準確的？）來實現學習融合人工智能的科學本質時的特定目的——例如，鼓勵學生生成并應用針對準確性的評估準則。然而，在采取這些方法的同時，還需要對教師進行培訓，不僅要教會他們使用人工智能工具和數據，還要讓他們理解科學在人工智能時代更廣泛、普遍的變化。

盡管在科學教育中加入教授融合人工智能的科學本質是一項艱巨的任務，但某些現有的教育干預措施可以為在教育生態系統內調整其目標提供指導，并清晰標明如何解決教育改革中的常規盲點。例如，可以建立開放式學校網絡，以培養涉及一系列利益相關者的學習社區，包括學生、教師、師范教育者、科學家和政策制定者。如果中等科學教育要培養未來的科學家，并幫助他們及時掌握相關的技能，那么中等科學教育就必須跟上人工智能指導的科學研究的最新進展。否則，專業科學和學校科學之間的差距很可能急速擴大，以至于等中學生進入大學時，他們對科學本質的理解已經變得過時。

資料來源 Science