面向未来的人机协同教诲，教诲将发生什么变革？这须要我们从不同维度去深刻思考，并采纳行动。
就人工智能的发展而言，我们须要思考什么是人类智力所独占的特色，要做到像人类一样拥有智能行为，打算机须要哪些能力？
所有高等形式的人类认知——观点、推理、问题求解、创造力、影象和知觉，都跟智力干系。在人工智能与人类之间，智力的度量是智能程度，例如，人类可以利用较少的数据，在广泛的问题上表现出智能行为。
这也是当古人工智能研究非常主要的方向——少样本或零样本学习和持续学习等。这些研究方向试图让机器像人类一样去思考和学习，利用较少数据，就可以求解广泛问题。
人类智能的实质和边界是什么？
笔者认为，人类智能的实质可以归纳为五个方面：一、适应性。人类总是与环境在适应的过程中不断交互、学习，具身智能便是从此角度思考。二、学习能力。三、抽象思维。人类智能可以进行抽象思维，对观点、原则进行归纳、推理和批驳。四、创造力。人类智能有创造力，能够呈现出新的想法和观点。五、情绪和意识。这点也是当前有所争议之处——有学者认为机器会有情绪，而有学者坚持认为机器究竟是机器，精神和灵魂始终属于人类。
人类智能的边界在哪？笔者认为，在以下四个方面：一、生物学限定。二、知识和履历的局限。三、认知偏见。四、环境和文化制约。
比拟人类智能的实质和边界与人工智能的特点可以创造，人工智能可以赋能教诲的知识生产。在数据挖掘与剖析、模式识别与预测、知识自动化、智能化协作、知识的可视化与表达、个性化的知识推举6个方面，人工智能与教诲是密切关联的。
由于一些大措辞模型可以获取和组织起全天下的所有知识，学习者不再须要摧残浪费蹂躏韶光学习“事实”，而是可以专注高阶思维技能，如创造性思维和批驳性思维。然而，人类的“批驳性”和“创造性”思维每每是通过有限的信息量，依赖内化知识的潜意识过程发生的。AI赋能教诲须要引发这一过程，让学生更加聪明地学习，产生更好的思维。
想象力、创造力，人类比人工智能更聪明
我们用考试来测试人工智能在知识生产及知识学习过程中的能力。以《数字旗子暗记处理》这门课程为例，将这门课的考题给某个人工智能模型“考试”，得到了94分，在学生中属于前5%的精良成绩。由此可以看到，人工智能不仅能够回答日常的问题，在工程数学、自然科学等领域的问题求解中，也表现出超越一样平常学生水平的能力。
但是，它的答卷，对大部分繁芜题目都采取大略粗暴的办法求解，没有利用解题技巧。这是由于大模型依赖“喂”给它的大量数据，只是在统计意义上进行模式匹配。
这解释大模型人工智能程序不具有人类的数学直觉能力，紧张缘故原由在于其事情办法与人类大脑的事情办法截然不同。详细表现为：一、人工智能为算法而非直觉驱动。人类有数学直觉，而人工智能没有。二、缺少感知和体验。人类的数学直觉不仅是打算能力，还包括通过实际的体验和感官的感知得到对数字、空间和形状的直不雅观理解。三、学习和思考办法的差异。人类学习数学通过缺点和成功建立起对观点深层的理解和直觉判断，大模型人工智能程序通过大量例子来学习，缺少自我反思能力，无法像人类那样从根本上理解或领会观点。四、缺少创造性和灵巧性。人类的数学直觉涉及创造性思维，例如通过不同方法办理问题，或在短缺数据的情形下做出假设，而人工智能紧张依赖已有的信息，应对新奇情形的能力有限。
因此，我们认为，大模型人工智能程序可以快速准确地进行繁芜的数学打算和数据剖析，但无法真正拥有人类的数学直觉，这种直觉建立在深层次理解、多感官体验和创造性思维根本上。
这带来一些启示——就想象力和创造性而言，人类比人工智能更智能。
创造力跟想象干系联，创造力的背后隐含着丰富的想象，而想象又与人的情绪、与人对环境的感官体验密切关联。以文学举例，以宋代墨客陈与义《春寒》一诗中“海棠不惜胭脂色，独立蒙蒙小雨中”为题，让大模型人工智能程序在图像库中找出与其语意表达同等的图片。人工智能给的是蒙蒙小雨中盛开着海棠；但人类在思考时，大脑中的想象可能是在一条宁静小道上，亭亭玉立的少女行走在雾雨中——人类可能会将这位少女看作海棠，这便是想象。
想象是介于感性与理性之间的中介性能力，是先天纯粹的，是创作与创造力的根本。人类拥有内心天下的生理体验，并由此产生情绪和想象，这使得人工智能无法替代人类的灵感和独创性。
想象力和独创性对自然科学也非常主要。爱因斯坦说过：“想象力比知识更主要，由于知识仅限于我们现在知道和理解的统统，而想象力涵盖了全体天下，以及未来所知道和理解的统统。”想象力带来充满无限可能的空间，让我们跳出已知，向未知进发。从这个角度而言，人工智能还无法替代人类。
有长有短，AI赋能教诲如何扬长避短
AI赋能教诲有所长有所短。那么，从技能的角度，人工智能赋能教诲是什么样的架构？
人工智能赋能教诲，实质上是一种人在回路上的稠浊增强智能。从框架层来看，系统输入学生行为数据、学习内容数据、评估数据等，通过机器学习的方法形成构造化的数据或形成知识、履历，与系统的知识库实现交互学习。知识库不仅是传授教化内容的知识图谱，更主要的是把教诲学、生理学融入知识图谱，通过机器学习方法天生预测，然后再进行置信度的判断——如果置信度高，就可以给出传授教化导向或者传授教化策略的调度，以及个性化学习路径的推举；如果置信度低，就反馈给人类，即西席、学生、家长等，人类反馈的数据又形成人工标注的数据，从而对机器学习算法进行演习，构成AI赋能教诲的人在回路的稠浊增强智能系统。人在回路的稠浊增强，本身便是持续学习的框架，这样的框架针对实际的教诲、学习会变得越来越“聪明”。
人工智能赋能教诲也存在着风险。例如，数据隐私和安全、教诲资源不平等、过度依赖AI、人际交往能力减弱、缺少情绪支持、内容质量和准确性、人工智能偏见问题等。例如，如果回答是缺点的，可能造成“谎话重复一千遍就变成真理”的情形。要避免这种征象，建议人们从多个来源获取信息。为了降落这些风险，须要在技能、政策、教诲等多个层面探索办理之道，或进行规避。
将人工智能与教诲领悟，须要批驳性地利用大模型人工智能技能，对其供应的信息进行独立验证，并在处理敏感或主要问题时谨慎行事，还须要在伦理、任务、隐私和安全、风险评估等方面妥善管控和管理，对社会大众进行教诲也愈发主要。
特殊要把稳的是，人工智能缺少情绪支持。年轻人的社会交往如果过度依赖人工智能，将对其人际交往和社交能力带来悲观影响。人际交往是人类社会的基本活动之一，可以使人类社会更加和谐，使团队能够形成非常紧密的、具有凝聚力的氛围。过多依赖人工智能科技，可能会产生社交隔离、产生孤独感，不仅会影响到个人的生理康健，也会带来社会构造的不稳定性。例如，过度利用谈天机器人，可能让利用者的情绪变得迟缓、催生社交伶仃、加剧社交隔离感——谈天机器人如果成为人类紧张的伙伴，“真人”就可能成了“备胎”。
这一点在人工智能赋能教诲时要尤为把稳——推进人工智能赋能教诲，仍旧须要努力保持培养师生面对面互换的机会，这就意味着在设计智能教诲系统事情环境和社走运动时，须要故意识地融入更多的师生面对面互动。
人类西席与学生培养共情关系是教诲事情中不可或缺的丰富内涵，具有强烈共鸣的师生关系对学生的学习有着十分主要的影响。如果在教诲中缺少同理心，学生会成为被动的信息吸收者，很难有动力去战胜学习过程中固有的困难。因此，在AI赋能教诲的时期，不能忽略教诲中同理心境况的构建。
教诲是一个缓慢、优雅而美妙的过程，它该当是随风潜入夜，润物细无声。教诲不是注满一桶水，而是点燃一把火、打开一扇门。西席的师德师风在学生的情绪、态度、代价不雅观的塑造方面影响尤为突出，无论何时何地，西席的言谈举止都会直接或间接地影响学生的发展和风致。纵然在未来，师生面对面的互换在教诲活动中依然不可替代。人们在求学过程中所碰着的精良老师，是终生记得不会忘却的，这便是师生面对面互换给予学生心灵情绪的发展。因此，人工智能赋能教诲无论发展到何等地步，师生之间面对面的启迪、互换，心灵的碰撞永久替代不了。
人工智能赋能教诲，还有很多问题亟待从不同维度进行深刻思考：如果智能机器成为史上无所不知的“最强大脑”，那么，人类究竟须要学什么，若何学习，学习的目标、内容、方法如何变革，才能够适应人机协同的智能教诲？当可以无限量地生产、利用各种智能机器人来知足人类的知识生产和各种需求，作为延续物种生命、传承人类自身文明和知识再生产活动的教诲，它的代价和意义又如何表示？
掌握论的创始人诺伯特·维纳曾说，要避免人工智能对人类造成侵害，唯一办理的方案还是要将人工智能诉诸人类的代价体系。笔者认为，把人类的诉求、生命的意义、文化与信息的需求和人工智能技能发展结合起来，使人类有能力去创造那些智能机器无法替代的事情，培养学天生为能够轻松利用和驾驭人工智能的创新人才，这是应对智能时期必须有的教诲不雅观。
（作者：郑南宁，系中国工程院院士、中国自动化学会理事长、西安交通大学教授。詹媛整理）
来源： 光明网-《光明日报》
