生成式人工智能何以、以何生成教育

[摘 要] 面對ChatGPT等生成式人工智能技術給教育帶來的機遇與挑戰，現有研究存在不同的理解，甚至相互抵牾，根源在于對應然與實然關系的混淆。從應然角度而言，基于人技共生的內在邏輯，認為生成式人工智能具有“生成”新教育的可能性。從實然角度而言，存在三大矛盾觀點：生成式人工智能為何“生成”教育——“提質增效”抑或“全人發展”？生成式人工智能何時“生成”教育——“進行時”還是“將來時”？生成式人工智能如何“生成”教育——“教育要素”或是“工具手段”？以此為切入點，剖析其內在邏輯，有助于構建具有時代特色和本土意蘊的中國教育學自主知識體系。

[關鍵詞] 生成式人工智能； 應然與實然； 工具理性與價值理性； 歷時性變革與即時性變革； 道德主體

[中圖分類號] G434 [文獻標志碼] A

[作者簡介] 鐘柏昌（1978—），男，江西宜豐人。教授，博士，主要從事跨學科教育、創客教育、人工智能教育研究。E-mail：zhongbc@163.com。

一、研究緣起：生成式人工智能發展的應然與實然關系

2022年11月，生成式人工智能系統ChatGPT正式發布后，迅速成為全世界關注的焦點。得益于強大的文本生成功能，這些生成式人工智能系統在自動答題、論文撰寫、代碼編寫等方面表現出強勁優勢，由此引發了學界對未來教育變革的討論。然而，由于理論視角與研究背景存在差異，不同學者觀點意見相左，甚至相互抵牾，亟須做進一步梳理和澄清。

對事物的正確認知需要統籌把握事物的應然與實然，既不可純粹混同，也不可完全割裂，生成式人工智能亦是如此。當前，學界觀點分歧的根本原因在于應然與實然關系的混淆：如果用理想狀態的應然暢想未來，就會過于“神化”生成式人工智能的功能屬性，賦予人工智能諸多理想化的智能教育光環，甚至在缺少實踐與實證的基礎上開展宏大的“子虛烏有”式的教育倫理批判。相反，如果用實然否定應然，就會局限于傳統技術認知，忽視新技術背后的運行邏輯與原理，放大當前的技術缺陷而否認未來的發展潛力。對于生成式人工智能而言，它的應然之勢就是生成式人工智能技術發展的終極樣態，其具備強人工智能的所有特征，具有高度成熟的文本生成以及自然語言交互能力，能夠像人類一樣思考；它的實然之態是指生成式人工智能技術發展的當前樣態，其在文本生成與自然語言交互方面表現出一定優勢，雖然具有部分強人工智能特征，但是也存在諸多局限，包括有限的理解、訓練數據存在偏差、創造力不足、產生和傳播錯誤信息與泄露隱私等問題，并且它目前只能回答問題，不具備質疑和提出問題的能力。事實上，事物的理想狀態使得實然狀態的改善成為必要與可能，生成式人工智能正處于快速迭代的過程之中，甚至呈現出摩爾定律之態，GPT-4o的發布更是體現了生成式人工智能技術的飛躍式提升。基于此，本文首先從應然角度梳理了人技共生的內在邏輯，確立了生成式人工智能何以可能“生成”教育；其次，本文從實然角度分析了現有研究的觀點，依次探討了生成式人工智能為何、何時以及如何“生成”教育的路徑爭議，總結生成式人工智能“生成”教育的價值、進度與角色，以期為我國教育領域有效應對生成式人工智能的機遇與挑戰提供重要依據。

二、人技共生：生成式人工智能何以可能“生成”教育

作為生成式人工智能的關鍵技術，大語言模型具有復雜的算法結構和龐大的數據參量，在文本、圖像、視頻生成等方面一度逼近人類智能的表現。在此背景下，有必要分析和比較人類認識和技術涌現的“發生”過程，把握人技共生的內在邏輯，確立生成式人工智能“生成”教育的應然之勢。

（一）人類認識的發生邏輯：知識與思維的相互作用

思維活動貫穿于人類學習活動的始終，思維能力是人類學習能力的核心[1]。鑒于學習發生本身就是認識發生的過程，哲學認識論能為思維活動的發生機制提供內在的學理依據。根據皮亞杰的發生認識論，知識與思維具有內在一致性，“邏輯數學范疇”和“物理范疇”的協同運作可以為知識發生或思維過程提供具體的哲學解釋[2]。前者是主體作用于客體的動作經抽象而產生并存在于頭腦中的用以轉換、解釋知識的邏輯（內化的邏輯結構），后者則是主體把自身的邏輯數學范疇應用于客體的結果（外化的知識），由此構成了“內化—外化”雙向建構的認知發生過程[3]。以此為關照，在認識發生的過程中，運行的思維以各種邏輯范疇的形式展現，在思維發生的那個當下所顯現出來的邏輯結構就是思維結構，而在知識發生的當下的邏輯數學運演導致了知識結構的變化[4]。由此，作為認識發生的先行條件，主體的思維過程（結構）對于人的認識發生至關重要。

在學習活動中，思維會表現出不同的層次。澳大利亞教育心理學家彼格斯提出的SOLO模型（Structure of the Observed Learning Outcome），從結構層面對思維進行低階和高階的區分，由簡到繁分別為（1）前結構：學習者思維混亂，不明白問題就直接解答；（2）單一結構：學習者只能聯系單個素材解決問題，解答缺乏一致性；（3）多點結構：學習者能聯系多個有限且孤立的素材解決問題，但是解答不完整；（4）關聯結構：對應多點對單點的結構，學習者可利用問題線索以及素材之間的相互關系解決問題，但是受限于具體經驗和特定情境；（5）抽象擴展結構：對應多點對多點的思維結構，學習者可利用問題線索以及素材之間的相互關系對知識進行概括并發生學習遷移[5]。在上述五種思維結構中，從前結構到多點結構主要反映學生思維水平的量變，從多點結構到關聯結構主要反映學生思維水平的質變，從關聯結構到拓展抽象結構預示著思維水平即將進入更高層次的功能水平[6]。關聯結構和抽象擴展結構往往被視為高階思維和深度學習的標志，意味著學習者可以將所學內容與已有認識世界、外部的真實世界等建立關聯，實現有限認知與無限解決問題之間的邏輯關聯。

（二）大語言模型涌現的發生邏輯：語料數據與算法模型的相互作用

作為機器學習的重要分支，以深度學習為名的深度神經網絡試圖通過訓練大量數據來自動學習數據的內在規律和表示層。尤其是以生成式人工智能為代表的信息技術，能夠通過類人神經的網絡連接方式開展網狀擴散式學習，實現對自然語言表達和圖文生成等人類交流現象的表征。概括性模型和實例性模型是科學研究的兩種主要建模思路，前者是由普遍規律構成的模型，后者則是由大量實例堆積而成的模型[7]。生成式人工智能一改以往人工智能以“概括性模型”為基礎的推理演繹路徑，轉向以“實例性模型”為基礎的歸納總結之路。如此，大語言模型可以直接從人類語言、圖像、影音等不斷提取實例性模型，獲得人在觀察歸納中總結的物體概念及其關系的總和。海量訓練數據所形成的大規模語料庫使其具備遠超專家學者的知識儲備，快速達到相當于“多點結構”的人類思維水平，奠定了生成式人工智能的經驗知識基礎（即“機器物理范疇”）。

無論是人類使用的自然語言，還是其他類型的語言，通常會以各種文本形式留下語素痕跡[7]。語元是語言意義的基本要素，語料庫中語素痕跡的顯與隱、豐與儉等特征將會形成不同的語元關聯度。大語言模型通過多層Transformer編碼器和解碼器，利用注意力機制、前饋神經網絡等深度學習算法（即“機器邏輯數學范疇”），從輸入的對話文本序列中不斷提取新的語素痕跡，繼而組合具有語義關聯的語言因素，自動生成提問所需的新語元，達到近乎“關聯結構”的人類思維水平。此外，不同于傳統機器學習借助人類預先輸入的邏輯規則（先驗知識）進行機械式地推理演繹，生成式人工智能所采用的非線性人工神經網絡具備歸納和演繹的雙螺旋創新能力[8]。演繹模式需要完美的先驗知識，但不需要訓練大量數據，歸納模式需要大量訓練數據而不需要或很少需要先驗知識。歸納提煉的知識可以轉變為演繹推理的邏輯規則，而演繹成功的經驗也可以為歸納學習提供有益啟示，形成“經驗—歸納—知識—推理—創新”的機器學習閉環。由此，深度學習算法所賦予機器的內在“邏輯數學范疇”不斷轉化、抽象與解釋作為“物理范疇”角色的語料庫經驗數據，語料數據與算法模型的相互作用成就了大語言模型的涌現能力。由此來看，大語言模型涌現與人類認識的發生機制遵循共同的邏輯。

（三）人技共生的發生過程：物理范疇與邏輯數學范疇的相互作用

盡管“歸納”開辟了機器自我學習、自我歸納、自我創新的自組織發展之路，使得大語言模型初步具備“智慧”的生成和涌現基礎，但是人工智能與人類在實現“抽象拓展結構”的思維基礎方面仍存在質差，這也是現階段ChatGPT屢屢生成錯誤或虛假信息的根本原因。事實上，“歸納”有“完全歸納”和“非完全歸納”之分，前者旨在應用歸納、演繹等理性思維，從有限數據找到有限規律；后者除理性思維外，還需依靠聯想、直覺、猜想等非理性思維實現從有限到無限的躍遷。人類是一個歷史與邏輯、意識與身體、心理與生理的結合體，而機器是一個數理和物理的聚合體，這一差異不僅決定了機器自身難以實現基于有限數據的歸納躍遷，也凸顯了人類智慧與機器智能之間深度融合（即人技關系增強）的必要性。

根據技術哲學家唐·伊德的觀點，人技關系至少包括具身關系、詮釋關系、它者關系和背景關系。其中，具身關系正是人類智慧與機器智能融合的理想指向，意味著技術真正成為教育者身體的延伸，更是教育者與技術得以雙向建構與進化生成的重要推動力量[9]。需要注意的是，機器智能必定是人造的，是人的意向對象的現實產物。機器智能與人類智慧之間形式化與意向性、邏輯與非邏輯的結合方式不是一種簡單的疊加，而是一種復雜的糾纏[7]。這種糾纏形式具體表現為人類知識與人類思維、語料數據與算法模型、人類知識與算法模型、語料數據與人類思維四種“發生”過程的相互碰撞、交織、融合與建構（如圖1所示），繼而使人機融合成為一種異于人類智能與人工智能的全新智能。

（四）信息技術變革教育：從技術輔助到技術賦能再到人技共生

假若以生成式人工智能為代表的現代信息技術能夠實現人技共生，那么現代信息技術與教育的融合發展，就可以概括為一個從單向度的技術輔助到交互式的人技共生的演進過程（如圖2所示），不斷逼近人類智慧與機器智能深度融合的具身狀態。

在20世紀90年代，在計算機、多媒體等技術輔助的信息化教育系統中，計算機輔助教學、網絡教育等成為教學活動開展的主要形式，電腦作為可以被數據指令掌控的替代性身體來呈現行為，使教育資源能夠跨越空間得以分享。但是這一時期信息技術在教育領域的應用只是浮于形式與表層，課程教學依舊拘泥于傳統教學模式，而且由于計算機終端設備及互聯網技術的限制，數字教育的應用范圍非常狹窄[10]。到了21世紀前20年，在物聯網、大數據、云計算等技術賦能的智能教育系統中，人與人、機器與人、機器與機器之間通過數據聯通起來，高度銜接教學、評價、管理等要素系統，催生了在線學習、混合學習等新型教育服務與學習形式。然而，這一時期信息技術與教育的融合大多聚焦在教學層面，缺乏全面系統的融合，導致“線上教學”和“線下教學”呈現出兩張皮的狀態[10]。如今，生成式人工智能技術能夠通過類人神經的網絡連接方式，強調人類智慧與機器智能的深度融合與優勢互補，進而強化人腦對教學內容、經驗世界等的感知、理解和構建。因此，生成式人工智能產品作為人類賦予機器智能的特殊技術人工物，具備“身體圖式整合”和“屬我”的具身條件。由此，生成式人工智能技術才能從顯性的客體成為學習者的一部分，成為表面具身實則隱身的技術。在這種具身技術構建的教學環境中，生成式人工智能與學習者的關系不是單向孤立的，而是協同演變、雙向增益、共生發展的。師生的行為方式也必然與傳統的課堂環境有顯著不同，教育要素及其之間的各種結構關系也因之改變，從而創新教育活動的目標定位、教學模式、資源組成等，使教育整體邁向人技共生的智慧教育系統。由此，生成式人工智能將顛覆以人為中心的主客二分的教育場域結構，成為教學活動中繼教師與學生之后的第三類主體[11]。如是，生成式人工智能方能在本真的意義上“生成”新教育。

三、路徑之爭：生成式人工智能以何方式“生成”教育

應然與實然的矛盾導致已有研究對生成式人工智能“生成”教育的具體方式存在觀點分歧，正是這些爭議觀點有可能引發學界新的研究與思考。為此，本部分將著重探討現有研究存在抵牾的三大觀點，并進一步分析其原因，總結生成式人工智能“生成”教育的價值、進度與角色。

（一）生成式人工智能為何“生成”教育：“提質增效”抑或“全人發展”？

這一爭議涉及生成式人工智能技術的教育價值取向問題。例如，部分研究從生成式人工智能為教育提質增效（工具理性）的角度，認為“生成式人工智能的合理應用能夠成為師生的智能助手，協助提升教育教學的質量和效率”[12]，“生成式人工智能能夠更加準確地理解連續的自然語言對話背后的需求，在此基礎上為我們迅速生成更‘有效’的答案”[11]。同時，也有研究凸顯生成式人工智能對“人的發展”（價值理性）的積極影響，認為“生成式人工智能對教育的影響最終指向的是人的發展”[13]，“生成式人工智能可以橫向突破人類的知識壁壘，向下兼容人類的基礎與不同，以期實現人類智慧的向前迭代”[14]。

任何理性的技術使用行為，都可以區分為工具理性和價值理性支配的行為。因此，不妨從工具理性和價值理性的角度分析上述不同觀點。從工具理性的角度看，行動者純粹從效果或效率最大化的視角考慮技術的使用；從價值理性的角度看，行動者以人的情感和價值追求為中心來考慮技術的使用[15]。如同其他技術的發展一樣，教育技術發展的出發點總體來說是價值理性的，即通過教育技術的開發與應用，實現教育的提質增效，推動人的自由全面發展。然而，教育技術的具體運作邏輯往往走向工具理性，背離了價值理性，即通過技術的不斷更新與應用，部分學校實現了精準教學和教育效率的提升，卻忽略了為什么應用技術的價值初衷[16]。顯然，工具理性傾向從客觀效用角度來評價技術行為，而弱化了技術行為的主觀終極價值；相反，價值理性則過于強調技術行為的主觀終極價值，而忽視了技術行為的客觀效用及其對終極價值的影響。

工具理性的濫觴容易引發技術工具論思潮的盛行，即認為技術只是一種提高教育效率和質量的手段和工具，本身不負載人類價值，也無善惡之分，只是在技術的使用者手里才成為“致福”或“致禍”的力量。從此意義上說，技術是中性的，技術和它的目的之間只存在或然相關性。以生成式人工智能為例，如果它并不必然指向教育威脅，而是可以起到教育輔助的功能，那么它和教育威脅就沒有必然的聯系，而只有偶然的聯系，此時可以說生成式人工智能是中性的，正如某些研究所言“有效運用（生成式人工智能）將會助力人們更快更好地解決問題，過度依賴（生成式人工智能）將會弱化人的獨立思考能力和創造力”[12]。這種觀點實際上割裂了技術的設計者與使用者的關系，認為技術的效能主要取決于使用這些手段和工具的用戶，那么，只要持續提升教育用戶的數字素養與技能就能規避其風險。如此，技術工具論所隱含的中性價值理念，實際上是為“樂觀論”提供了貌似公允卻更為隱晦的表達方式，極有可能會助長技術樂觀主義思潮的蔓延[15]。同時，如果只看到了生成式人工智能的價值背離，那么必然導致悲觀論。例如，有學者強調生成式人工智能對“人的發展”的消極影響，認為“學生從人工智能所獲得的知識技能只能是‘二手的非經驗’，從而造成學生與生活世界的‘短路’，直接面臨著‘去道德化’的風險，對教育中‘人的發展’將帶來破壞性影響”[17]。悲觀論來源于技術自主論，認為技術具有內在的發展邏輯，它以不依人類意志為轉移的方式來自我繁殖[18]。例如，在悲觀主義者看來，生成式人工智能的升級與進化是技術本身的內在要求，人類工程師只不過是技術實現目標的工具而已，表面上看是人類在做技術創新，實際是技術本身在奴役人類做這個事情。因此，工具理性和價值理性的絕對割裂會使技術使用價值再次陷入樂觀論和悲觀論的二元困境。

在教育技術產品的研發與應用過程中，價值理性為工具理性提供精神動力，工具理性為價值理性提供現實支撐，保持二者的平衡與張力至關重要。對于生成式人工智能技術而言，在開發過程中既要引導技術發揮其工具效用，也要遵循“有道德、可解釋的教育人工智能”開發原則，把符合價值理性的道德規范嵌入教育人工智能技術的設計標準和設計環節中；在應用過程中既要利用技術改變現有的教育手段、方式方法以及教育環境，以提高教育效率和效果，也要關注教育主體的內在尺度和精神存在，將有道德、可解釋的人工智能落實到個體的全面而有個性的發展之中。

（二）生成式人工智能何時“生成”教育：“進行時”還是“將來時”？

無論是政策指向、學術研究還是教育實踐，信息技術對教育具有革命性影響已經成為一個基本共識，筆者也認為生成式人工智能技術對教育領域有極大的變革潛能。談及信息技術對教育的革命性影響是否真正到來時，有研究認為“信息技術對教育的革命性影響是一個漸進的過程，不可能通過一項技術的突破或產品的創新就能夠標志革命性的結果……，這是一個量變到質變的過程”[19]，“技術發展永遠都在路上，革命性影響永遠都在過程之中”[20]。然而，也有研究認為“生成式人工智能引發的教育重塑已經開始，有關的教育變革會逐漸展開”[21]，“生成式人工智能與教育的融合創新對教育生態系統的迭代升級產生了革命性影響”[22]。

此類分歧的產生可能源于不同學者對“革命性影響”的理解偏差：“漸進論”強調如同歷次教育革命那樣，生成式人工智能對教育系統也具有根本性變革影響，本文稱之為“歷時性變革”；而“激進論”指向現代信息技術對當下的學習、工作與生活具有重大影響作用，可稱為“即時性變革”。與前述造紙術、印刷術等技術不同，信息技術改變了人類的生存方式和思維方式，并以不同的方式正在影響和改變著人類的教育實踐活動。一般認為，新技術對教育的影響相對滯后于社會其他領域，但是自生成式人工智能推出以來，其對教育的影響與對生產生活的影響幾乎是同步的[23]。這是上一代人工智能所不具備的，根本原因主要在于生成式人工智能直接指向知識的再生產，而且是以人機互動的方式進行知識的雙向建構，這直擊現代教育的本質；其技術原理在于生成式人工智能所用的神經網絡算法具備了人類信息加工的基本特征，且在參數量和數據訓練量上遠超人類神經元的數量和加工速度，能夠進行人機交互式知識生產；此外，生成式人工智能已經呈現生態化發展趨勢，它不再是一個單一的聊天機器人，還可以與操作系統、瀏覽器、各種應用軟件緊密融合，而GPT-4o的多模態實時交互能力使其具備了新的教育潛能。幾乎可以說，它比任何技術都無限接近于與教育的無縫銜接，甚至可以預言，未來教師對生成式人工智能的使用頻率可以超越PPT和搜索引擎。就此而言，生成式人工智能對教育的“即時性變革”正在快速生效。但是不可否認，相對于其他領域而言，生成式人工智能對教育的影響仍然要慢一些、小一些。

教育是個特殊的行業，相比物質資料的生產與消費，教育是一個極其復雜且漫長的過程。語音輸入法在20世紀就被一些學者引入課堂，但迄今依然沒有改變人們的書寫和輸入習慣。其根本原因在于，與人類改造外部世界的活動相比，教育是人類自身的再生產和再創造。教育的對象不僅涉及身體層面，更觸及精神和認知層面，教育的目標是預設的，更是生成的，教育的過程可以設定路徑但往往是非線性的，教育的結果有顯性的，更有隱性的。在人類改造外部世界的過程中，信息技術的應用往往是替代性的，即技術成為人的代具，替代人去完成各種行為和工作，如各種服務機器人替代了部分服務員的工作或崗位，各種通信技術延展了人的功能，破解了時空限制對人類交往的阻礙。信息技術也試圖替代教師的許多工作，例如自動化批改作業，又如在線教育實現了遠距離教學。然而，這些“替代”目前仍處于“初級工具化”的應用層次，因為教師立德樹人的本質功能是目前所有技術都無法替代的。立德樹人的核心是對學生精神和認知層面的塑造，但人類目前還不能設計出具有人類情感與獨立意識的智能機器。人腦的意識不僅能反映，還能感想、反思、想象、決定和共情，盡管能進行信息處理、加工乃至深度學習和情感計算的人工智能也有“意識”，也能反映、感想、反思和決定，但唯獨不能想象和共情，并且它的感想、反映、反思和決定也不如人類的這些意識功能[16]。這些都是未來相當一段時間內人工智能的意識與人的意識的質差，是人工智能無法替代教師的根本原因，也是技術對教育的影響要慢一些、小一些的內在邏輯。

簡言之，就工具的有用性而言，生成式人工智能對其他教育技術的替代具備了“即時性變革”效應，但是就技術賦能教育變革而言，以漸進式變革思路取代顛覆性變革思路更符合歷史與邏輯的統一，即我們主張：通過技術自身的不斷進化與教育方案的持續迭代，逐漸實現教育新生態的建設。從這個意義上說，生成式人工智能技術可能昭示著技術對教育變革性影響的突變點正在以前所未有的速度逼近，但并不代表教育變革點的真正到來。

（三）生成式人工智能如何“生成”教育：“教育要素”還是“工具手段”？

已有研究對生成式人工智能技術與人類關系的審視，存在不同的技術觀取向。例如，部分研究從工具論角度認為“生成式人工智能在本質上是一種人類創造的工具，是實現人類特定目的和滿足特定需求的產物”[14]，“生成式人工智能只具有工具價值，不可能替代人的本體地位”[24]。也有研究從本體論角度認為“生成式人工智能將因其前所未有的知識生產能力而作為一種新型的教育要素參與到人的再生產流程之中”[25]，“人不再是教育唯一的出發點和目的，生成式人工智能成為教學活動中繼教師與學生之后的第三類主體”[26]。此種矛盾觀點的產生可能源于不同學者對人工智能主體地位的多元設定。技術工具論觀點割裂了技術的設計者與使用者的關系，將技術僅僅視為人類主體性的外在顯現和人類意志的物化形式，容易造成教育信息化建設重硬輕軟的弊端。實際上，技術工具通常包含了設計者的價值取向、目的和意圖，并非價值中立的。為此，技術建構論認為工具屬性是技術得以產生和發展的基礎，而社會文化屬性則是技術的重要方面。因此，技術好不好用以及能不能用好，不是技術設計者或技術使用者單方面的問題。在技術本體論視域下，人技雙向建構的結果就是技術“屬我”特性的增強，技術主客二分得以消融。

顯然，人工智能是否具有主體地位是問題的關鍵。人工智能的進化與發展將經歷弱人工智能、強人工智能和超人工智能三個基本階段。就目前而言，強人工智能還只是一種發展遠景。然而，如果我們從價值負荷的角度對道德主體進行分類，就可能有不同的認識。例如，哲學家摩爾將其分為四類：道德影響主體（具有道德影響力的智能機器）、隱性道德主體（通過限制機器以避免不道德的結果）、顯性道德主體（具有道德行為算法的機器）和完全道德主體（具有自由意志的智能機器）[27]。根據這個分類，目前的人工智能無疑具有部分道德主體功能，并且隨著人工智能的持續發展，這種道德主體性將會愈加明顯。

人工智能主體地位的提升可能帶來更為深遠的影響。胡塞爾xOrUsiqErwyKC4hiCKTX/Q==以音樂為例，認為主體在現場聽到的音樂是主體經驗中的第一持存；當主體在腦海中回響起現場的音樂時，它已經不是即刻的體驗了，而是我們對過去記憶的喚醒與激活，即第二持存。貝爾納·斯蒂格勒在此基礎上提出了外在于人體的第三持存，即技術的痕跡（Trace）——為了彌補人的先天不足而產生的外在于人的物性記憶載體[28]。例如，留聲機和唱片作為第三持存就產生了無限重復聆聽音樂的可能性。盡管在這個“無限重復聆聽”的過程中，唱片的音樂沒有變化，但是第二持存（記憶）會隨著聽覺主體心境和環境的變化而被激活，使其體驗到時間的流逝。然而，我們回望生成式人工智能時，會發現其人機交互生成的體驗與認知雖然也是外在于人體的持存物（Bestand），但不再是一成不變的記憶體，而是變動不居的“解蔽”方式；它彌補的不僅僅是人的記憶能力的不足，更是人的創造缺陷——比記憶更為復雜的信息加工能力；它不再是過往作為人的預定之物，而是人與技術雙向建構的產物。顯然，這種持存既不是第一持存、第二持存，也異于第三持存，本文姑且稱之為“第四持存”。

“第四持存”盡管彌補了人的創造缺陷，為高階能力培養帶來了無限可能，但也可能造成主體的內在時間紊亂。胡塞爾的時間觀認為，內在時間意識是由原印象、滯留、前攝“三環節”組成的結構，人正是借助“三環節”整體運作而獲得了對過去、現在和未來的主觀而動態的時間意識[29]。但是，人機交互產生的生成式認知體驗將“三環節”壓縮為一個缺乏歷時性的扁平結構，原印象會隨著每一次的快速“生成”而“消失”，意識缺少滯留的“在場寬度”，也無從“預期”。體現在教育之中，就是學生沉思時間的顯著壓縮導致了沉思能力的極度消解，這不僅是對學生思維能力的桎梏，更是對“我思故我在”的主體性存在的消融。這種認知層面的“虛幻”意識，疊加生成式人工智能本身存在的“幻覺”問題，如果過度使用乃至形成技術依賴，就容易導致新的認知虛無主義或不可知論。盡管禍福相依，但是從“第四持存”及其對內在時間的影響來看，生成式人工智能所扮演的角色已然超越了傳統的“工具手段”，而成為影響教育福祉的內在要素之一。

四、結 束 語

以ChatGPT為代表的生成式人工智能技術與人類認識遵循共同的發生邏輯，對教育領域具有極大的變革潛能。在生成式人工智能實然之態與應然之勢間的漸進式變革過程中，不僅要保持工具理性與價值理性的平衡與張力，還要注重教育效率與主體精神的雙重提升，更要做好技術應用的風險防控。未來，中小學校、高校、教育管理部門以及技術研發部門等應持續加強合作，不僅要制定生成式人工智能的科學應用與防范措施，更要創構適應生成式人工智能時代的新型教育研究范式。中國教育學者必須樹立人類在教育研究中的主導地位，借助生成式人工智能在學科交叉、知識挖掘與數據處理等方面的優勢，增進對其他教育研究范式價值取向的理解與借鑒，構建可分析海量教育數據、預測教育發展趨勢及仿真未來教育情境的復雜教育研究方法，重構以“全人發展”為核心的知識生產邏輯，創生具有時代特色和本土意蘊的中國教育學自主知識體系。

[參考文獻]

[1] 畢華林. 學習能力的實質及其結構構建[J]. 教育研究，2000（7）：78-80.

[2] 陳羽潔，張義兵，李藝. 素養是什么？——基于皮亞杰發生認識論知識觀的演繹[J]. 電化教育研究，2021，42（1）：35-41.

[3] 熊哲宏. 皮亞杰理論與康德先天范疇體系研究[D]. 上海：華東師范大學，2002．

[4] 張沿沿，馮友梅，顧建軍，等. 從知識結構與思維結構看思維評價——基于皮亞杰發生認識論知識觀的演繹[J]. 電化教育研究，2020，41（6）：33-38.

[5] BIGGS J B， COLLIS K F. Evaluating the quality of learning—the SOLO taxonomy[M]. New York： Academic Press， 1982.

[6] 朱彩蘭，陳彤，李藝，等. 關聯思維的內涵與形成路徑研究[J]. 電化教育研究，2023（5）：29-35.

[7] 王策. 生成式人工智能“生成性”的哲學考辯——從馬克思“感性活動”觀點看[J]. 學術界，2024（3）：148-157.

[8] 黃欣榮. 從ChatGPT到Sora：生成邏輯、哲學本質及世界圖景[J]. 新疆師范大學學報（哲學社會科學版），2024，45（6）：72-80.

[9] 葉曉玲，李藝. 論教育中技術的生存歷程及其發展指向——基于人技關系的分析與刻畫[J]. 電化教育研究，2017，38（2）：19-25，52.

[10] 徐曄，黃堯. 智慧教育：人工智能教育的新生態[J]. 寧夏社會科學，2019，215（3）：139-145.

[11] 王喆，夏清泉. 生成式人工智能對研究生師生角色的消解與重構[J]. 研究生教育研究，2023（5）：48-54.

[12] 李曉明. ChatGPT：我們的得失？[J]. 中國大學教學，2023（12）：22-26，45.

[13] 詹澤慧，季瑜，牛世婧，等. ChatGPT嵌入教育生態的內在機理、表征形態及風險化解[J]. 現代遠距離教育RPnm/iduUmmFb4Q5V0ZmNZ4zC6gCHP4qa3juA6vcOHg=，2023（4）：3-13.

[14] 吳南中，陳咸彰，馮永. 從“失序”到“有序”：生成式人工智能教育應用的轉向及其生成機制[J]. 遠程教育雜志，2023，41（6）：42-51.

[15] 黃純國，鐘柏昌. 中國教育技術學基礎理論問題研究——關于技術價值的評述[J]. 電化教育研究，2016，37（2）：18-22.

[16] 鐘柏昌，余清臣. 技術進步與教育發展怎樣和諧共振[N]. 中國教育報，2022-08-31（4）.

[17] 楊九詮. 想象的困境：生成式人工智能世代的價值教育[J]. 中國遠程教育，2024，44（2）：12-23.

[18] 吳國盛. 技術哲學講演錄[M]. 北京：中國人民大學出版社，2016：104-105.

[19] 張絨. 生成式人工智能技術對教育領域的影響——關于ChatGPT的專訪[J]. 電化教育研究，2023，44（2）：5-14.

[20] 楊宗凱，王俊，吳砥，等. ChatGPT/生成式人工智能對教育的影響探析及應對策略[J]. 華東師范大學學報（教育科學版），2023，41（7）：26-35.

[21] 張治. ChatGPT/生成式人工智能重塑教育的底層邏輯和可能路徑[J]. 華東師范大學學報（教育科學版），2023，41（7）：131-142.

[22] 肖君，白慶春，陳沫，等. 生成式人工智能賦能在線學習場景與實施路徑[J]. 電化教育研究，2023，44（9）：57-63，99.

[23] 鐘柏昌. 為生成式人工智能教育應用確立規范[N]. 中國教育報，2023-09-22（2）.

[24] 馮建軍. 我們如何看待ChatGPT對教育的挑戰[J]. 中國電化教育，2023（7）：1-6，13.

[25] 陳曉珊，戚萬學. 知識機器生產模式與教育新隱喻[J]. 教育研究，2023，44（10）：33-43.

[26] 余暉，朱俊華. 算法時代嵌入技術變革的教育權力關系重構[J]. 教育研究，2023，44（11）：29-41.

[27] 閆坤如. 人工智能“合乎倫理設計”的理論探源[J]. 自然辯證法通訊，2020，42（4）：14-18.

[28] 張一兵. 回到胡塞爾：第三持存所激活的深層意識支配——斯蒂格勒《技術與時間》的解讀[J]. 廣東社會科學，2017（3）：37-46，254.

[29] 倪梁康. 胡塞爾早期內時間意識分析的基本進路[J]. 中山大學學報（社會科學版），2008（1）：102-111，205.

Why and How Generative Artificial Intelligence Generates Education

ZHONG Baichang， LIU Xiaofan

（School of Information Technology in Education， South China Normal University，

Guangzhou Guangdong 510631）

[Abstract] Facing the opportunities and challenges brought to education by generative artificial intelligence（GAI） such as ChatGPT， existing research exhibits diverse interpretations and even contradictions， fundamentally due to the confusion between the ideal and the actual. From the perspective of the ideal， based on the inherent logic of human-technology symbiosis， it is believed that GAI has the potential to "generate" new forms of education. From the perspective of the actual， there are three major contradictions. Firstly， why does GAI "generate" education？ For "quality improvement and efficiency enhancement"？ Or for "whole-person development"？ Secondly， when does GAI "generate" education？ "At present" or "in the future"？ Thirdly， how does GAI "generate" education？ Is the anwer either "part of educational elements" or "as a tool"？ Taking this as a starting point to analyze the internal logic of GAI can help to build an independent knowledge system of Chinese pedagogy with contemporary characteristics and local meanings.

[Keywords] Generative Artificial Intelligence; Ideality and Actuality; Instrumental Rationality and Value Rationality; Diachronic Transformation and Synchronic Transformation; Moral Agent