1、    人工智能教育應用的應然分析教學自動化的必然與可能    其次，對于人工智能的誤解也源于人類語言在描述機器智能方面的局限，這導致“語義學”問題（斯加魯菲，2018，pp.108-109）。“人工智能”以及“學習”“推理”“記憶”等人格化術語并不準確，還會造成不切實際的遐想。例如人和計算機都能“記憶”，但兩者存在本質差異：人的記憶是建構性、整體性的，記憶與理解、情境、情感密不可分，既有顯性水平，也有隱性水平，而且總是存在選擇性扭曲、模糊、遺忘與強化；計算機的記憶只是在顯性水平上對于給定數據進行原樣存儲。jerry kaplan（2016，p.417）

2、認為，1956年達特茅斯學院會議最引人矚目的成果是選擇“人工智能”作為領域名稱。如果當時選擇了更常規、不會對人類認知造成威脅的術語，例如符號處理（symbolic processing）或分析性計算（analytical computing），則這一領域的發展可能會更接近其實際情況自動化或者自動控制的持續推進。當然，人格化術語的使用也是無奈之舉，成熟如物理學，其術語也與日常語言保持著千絲萬縷的聯系（陳嘉映，2018，pp.193），只是專業人員需要對語言保持敏感，以準確地表達所要表達的含義。最后，對于人工智能的誤解還和過分樂觀的預言以及廣告宣傳式的表達方式有關。例如，圖靈獎與諾貝爾獎得主、人工

3、智能與認知科學學科創始人赫伯特·西蒙（herbert simon，又名司馬賀），在1965年預言“20年內，機器將能夠勝任人類承擔的所有工作”（斯加魯菲，2017，p.38）。50多年后，這一預言的實現似乎還遙遙無期。有關人工智能產品與技術的公開報道常常會有意無意省略技術的實現細節與智能設備的工作環境，而這些信息對于準確理解和評估人工智能技術的實際能力至關重要。有公司宣稱其人工智能產品能為新聞稿件生成極具創意的標題，卻不透露其工作細節。實際上，計算機掃描稿件內容后可能產生了幾十個標題，其中合理、新穎的并不多，人類編輯挑選甚至潤色修改后才能使用。另外，多數機器運作都需要人類為其創設適宜

4、的環境（如同火車需要鋪設鐵軌），“長出了手腳的計算機”發現這個世界并不友好：許多在實驗室中展現出神奇智能的設備，一旦離開特設的結構化環境，進入雜亂繁復、無結構的現實世界，馬上變得莽撞笨拙，做出常人看來匪夷所思的行為（斯加魯菲，2017，pp.120-127），如已經進入尋常家庭的掃地機器人。環境的結構化程度與智能設備的表現密切相關，但這一點通常在各種公開報道中很少提及。類似宣傳報道累加起來，使公眾心目中的人工智能的形象嚴重失真。（二）知識實踐與知識實踐自動化人類實踐的目的性、技術性、制度性、歷史性、文化性等特性決定了人類的實踐要以知識為基礎（石中英，2001，p.5）。知識作為人類認識活動的結

5、果，其外延寬泛，形態多樣，既有高度形式化、普遍的理論知識，又有難以言說、情境化、個體化的實踐知識。從不同角度可將知識分為不同類別，以下四種分類有助于理解人工智能的工作機制與限度：第一，常識（common-sense knowledge）與專門知識（domain-specific knowledge，或稱“領域知識”）。常識指其他人能夠理解并認為是顯而易見的事情（明斯基，2016，p.172），專門知識指僅與某一特定問題相關的知識。對于構建智能系統而言，專門知識相對更易獲取，更易形式化，而常識則難以獲取和表征（危輝，等，1999）。缺乏常識是當前智能系統無法提高其智能水平的重要原因，使得看似簡易

6、的任務也無法完全交給機器人去做（斯加魯菲，2017，p.134）。第二，顯性知識與隱性知識（或稱“緘默知識”）。對于隱性知識的研究始于波蘭尼，他指出“人所知的要多于其所能言說的”（polanyi，1957，p.12）。顯性知識指能夠明確表達，尤其是易于形式化的知識，如mycin專家系統中以“if. then. ”形式存儲的血液感染知識（松尾豐，2015，p.63）。隱性知識更多與復雜決策、動作技能或者情境感知相關聯，是難以言說的直覺知識。利用機器學習方法從樣例數據中學習到的模型有用，但難以解釋，功能上與隱性知識十分契合。第三，陳述性知識與程序性知識。約翰·安德森（john ander

7、son）對于認知技能中陳述性知識與程序性知識的區分對于智能輔導系統的研發乃至認知心理學、教育心理學都有相當大的影響（索爾斯，等，2008，pp.234-235）。陳述性知識相當于語義知識，程序性知識是有關如何操作的過程知識（anderson，et al.，1995）。第四，george maccia提出智能系統應有三類智能：定量智能、定性智能和表現智能，分別以“知道那些（knowing that）”“知道那個（knowing that one）”“知道如何（knowing how）”為基礎（frick，1997）。theodore w. frick認為當時（1997）的智能教學系統僅具備一定的

8、表現智能，而完全不具備定性智能，因此缺乏常識，在教育中的作用有限，只能作為增強師生活動的媒體資源。20多年后，盡管技術有所突破，但人工智能系統仍不具備定性智能。彼得·伯克（2016，p.11）從知識社會學角度將人類的知識實踐分為采集、分析、傳播、應用四類。采集指用于萃取知識的“生的”原材料（數據資料）的收集與存儲。電子信息技術廣泛采用之前，采集活動通常是由探險家、博物學家親入現場，帶回實物標本、測量數據以及觀察和訪談記錄。分析通常在“書房”中完成，學者整理資料，通過對比、分類和概括發現模式、提煉規律。傳播指知識在人類個體間、群體間的傳遞擴散。應用指將知識用于實踐，指導行動，解決問題。

9、應用并不僅僅是知識“消費”，在應用過程中行動者可能會產生對于問題、情境與知識的新理解，并可能將新知識回饋到社會的公共知識。當然，正如伯克所言（2016，p.11）這四類實踐并不是截然分開的，知識采集、分析、傳播本身就是知識應用。知識的采集與分析就是知識生產（創新），是科學研究的主要目標。作為問題解決核心的知識，比信息更“黏”，更難在人際傳播，其應用效果更具有情境性和主體性（布朗，等，2003，p.116）。知識實踐有賴于信息技術的發展。廣義的信息技術包括語言文字（包括數字）等編碼技術（格雷克，2013，pp.29-39）以及印刷技術、媒體技術（電影、錄音、廣播、電視等）、計算機網絡技術（常規的

10、數字信息處理與傳輸技術）、人工智能技術（知識處理技術）。語言文字使人類知識經驗能夠“類”化、概念化，可以脫離個體，在個體間、群體間、代際傳播（葉瀾，2006，p.7）。印刷技術是大規模教學活動開展的技術基礎。媒體技術能夠全面、真實地再現活動與場景，豐富了采集、傳播知識的手段，擴大了知識傳播面。但即使是電話、電影這樣突破性的技術人類歷史上首次能夠捕捉、存儲、再現、傳輸聲音和活動影像，也并未改變人在知識實踐中的主體地位。計算機和通信技術具有交互性，能夠表現出適應情境和任務的靈活性，能夠實現知識實踐的淺層次自動化；與媒體技術不同，它不是實現了人類無法完成的任務（如活動影像再現、遠程實時通話），而是做

11、了以往專屬于人類的工作（如計算、文字搜索、推理）。人工智能技術可以在一定程度上代替知識實踐中人類個體的主體地位，能夠實現某些知識實踐的自動化（見表2）。表2 人類知識實踐及其支持技術知識實踐舉例媒體技術計算機通信技術人工智能技術采集探險、科學考察、問卷調查、參與觀察等活動；通過觀察、測量、記錄獲取資料，也涉及資料的存儲與運輸新的記錄、呈現、存儲形式，情境、活動的“高保真”歷時跨空間再現不同來源數據的數字化存儲、傳輸與處理；傳感器、伴隨式數據收集擴展資料類型；大數據采集過程中信息的智能預處理，如分類、選擇與過濾，例如對象識別、對象跟蹤、手寫識別、語音識別等分析描述、比較、分類、闡釋、評估、敘事、

12、理論化等活動以從資料中“萃取”知識資料呈現與記錄計算（統計）、檢索、交流合作工具等輔助分析，提高分析效率與準確性機器學習實現知識分析自動化：從數據集中發現模式，如人工神經網絡訓練傳播博物館、書籍、期刊、演講、談話、辯論、維基百科等場所與活動信息存儲、傳輸與呈現交互式、大規模多媒體信息呈現，可具有一定適應性特定領域的有限教學設計自動化，新聞稿自動寫作，機器翻譯，智能教學系統支持適應性知識傳播（教學）等應用檢索以及各領域利用知識解決實踐問題知識的有限應用，缺少靈活性某些知識的靈活應用，如商品推薦、廣告投放、智能教學輔導、下棋、人臉識別等二、人工智能與教育的三層次相互作用模型教育是有意識的以影響人的

13、身心發展為直接目標的社會活動，學校教育是近代以來教育活動中的核心部分（葉瀾，2006，pp.10-11）。教育與文化（廣義的文化，包含科技）之間不是決定和被決定的關系，而是互相部分包含、互相作用、互為目的與手段的交融關系（葉瀾，2006，p.167）。科技進步可促進教育發展，充實教育內容，改進教育手段，現代教育是繁榮和發展科技的重要手段和基本途徑（黃濟，等，2012，p.30）。在這一框架下，審視當前幾乎是最具活力與影響力的科技領域人工智能與教育系統的相互作用，可以發現它們存在多層次的相互作用，這種相互作用可分為潛在作用、直接作用和間接作用三個層次（見圖1）。圖1 人工智能與教育系統的三層次相

14、互作用模型（一）層次一：潛在作用人工智能與教育的潛在相互作用源自兩者均植根于人類的知識與知識實踐，即知識與知識實踐是兩者之間的紐帶。同時，兩者又都是知識領域的活躍要素，在復雜的相互作用過程中協同發展、演化，推動人類知識生產、傳播與應用的發展。知識是智能系統能夠展現智能行為的原因，是系統行為的核心（危輝，等，1999）。人工智能的子領域知識工程專門研究面向計算機的知識獲取、表示與利用（史忠植，等，1986；化柏林，2008）。吉仁澤（2006，p.56）在分析心理學領域形成“人腦是一部計算機”這一隱喻的過程時發現，經濟的變化（制造業和“計算部門”的大規模勞動分工）與啟蒙運動時期所形成的“計算為智

15、力的本質”這一觀念的衰落，使數學計算降級為單調重復的任務，人們也隨之將其從智力的概念中剝離了出去。觀念的變化使得查爾斯·巴貝奇（charles babbage）能夠設想用機械計算機來代替人類計算者這是電子計算機、人工智能研究的源頭。知識是教育的前提與基本內容。“知識與教育之間有著內在的關聯。一方面，教育是篩選、傳播、分配、積累和發展知識的重要途徑；另一方面，知識又是教育的重要內容與載體，離開了知識，教育就會成為無米之炊，各種各樣的教育目標也就無法達成。”（石中英，2001，p.1）知識的性質制約和影響教育活動的目的、課程知識的選擇、教學過程以及教育學者對教育理論的建構（石中英，200

16、1，pp.126-129）。從知識實踐的角度看，教育主要是系統、有組織、有計劃的知識傳播實踐。“教育在嚴格意義上說并不是一種知識生產的機構，在主要的方面，教育只是從一定的價值立場和價值需求出發，對人類已經獲得的知識進行篩選、傳播和分配，從而促進人類知識的積累和發展，促進青少年個體認識能力和實踐能力的提高。”（石中英，2001，p.8）教育與人工智能并不被動地被人類的知識與知識實踐所決定。教育以塑造知識生產者、知識工人的知識、能力、人格、價值觀等為基本途徑反作用于人類的知識實踐。作為當下最活躍的科研（知識生產）領域之一，人工智能以思想、算法、工程化方法與產品工具等多種成果改變著人類的知識與知識實

17、踐，逐步推動人類知識實踐自動化的深度與廣度，逐步使機器成為知識實踐的新型主體。（二）層次二：直接作用人工智能對教育系統的直接影響主要有兩方面：一是教學自動化，即采用人工智能技術的教學系統（智能教學系統）直接參與教育教學活動，由計算機完成部分教學任務，智能教學系統成為教育生態系統中的新型物種，直接改變教授、學習與管理的活動方式；二是直接成為課程內容，如我國普通高中信息技術課程標準（2017版）中的“人工智能初步”選擇性必修模塊（教育部，2018），又如本科和研究生層次的人工智能專業或方向人才培養的專業課程（周志華，2018）。教育系統對人工智能的直接影響也有兩方面：一是教育為人工智能發展與推廣培

18、養人才，除了直接相關的職業與高等教育階段，就培養學生的科學探究精神和數學、科學與工程技術素養而言，基礎教育階段舉足輕重；二是教育是人工智能重要的應用領域，為其提供了獨特的研究問題與廣闊的發展空間。人工智能的教育應用或者說教學自動化，即人工智能與教育之間的直接作用，也即層次二，是本文的關注點。正是因為兩者有密切的內在聯系，人工智能的教育應用才備受研究者與政策制定者關注。本文后半部分還將整合三個層次的相互作用，結合教育的需求與實踐現狀，更詳細地論述教學自動化的邏輯必然性與現實可能性。（三）層次三：間接作用“作為知識形態的潛在的生產力的科學和技術只有通過教育才能實現再生產。”（葉瀾，2006，p.1

19、35）人工智能也是如此。但是，在當前人工智能與教育的間接相互作用中，人工智能更為活躍，它對教育的間接作用更受社會與教育工作者關注。人工智能推動各行業生產方式自動化，改變勞動力市場結構與產業結構，進而影響到社會結構，在這一過程中會提出新的人才培養需求。因此，本部分主要探討人工智能如何借由對個體和社會產生影響，進而以變革人才培養目標為中介，間接作用于教育系統。1.人工智能對于個體的可能影響人工智能對于個體的影響將是多樣而深刻的。這里重點分析三個方面。第一，人工智能刺激個體思考人的本質與存在的意義。智能機器的制造不但能夠提供認識人類智能的新視角，而且“給人類帶來存在論級別的巨變”（趙汀陽，2018）。智能并非人類所獨有，這將刺激總是尋求自身獨特性的“智人”思考人的本質，這有望使人們重新關注“完整的生命的人”，而非僅關注“認知的人”；有望在新的層次上審視“人是目的”的意義與現實可能性。葉瀾在20世紀末呼吁課堂教學突破“特殊的認識活動”的教學觀，倡導“從生命的高度用動態生成的觀點看課堂教學”，以煥發師生生命活力（葉瀾，1997）。這似乎是人工智能時代的先聲，是教育理論研究者對于時代精神的敏銳體察。第二，人工智能放大個體差異。“人工智能賦能×××”是近期常見的話語方式，“×××”多指代某一行業產業，但賦能最終必須發