機器學習與人類智能：二十一世紀教育的未來

在教育中有這樣一種說法，即我們應當珍惜需要衡量的事物。通過在全球眾多學校當中得到廣泛普及的標準化測試方式，我們在教育孩子的過程中始終重視單一且相當狹隘的智力定義思路——解決工業時代單詞問題的能力，或者在源自第一次世界大戰時期的多項選擇題中選出正確答案。

問題在於，人類的智慧體系龐大而複雜，但如今卻難以衡量及估值方式處理。一旦人工智慧能夠完成智商測試並掌握基於課程的知識傳遞方式，那麼人類也許將徹底喪失脫離這一自造技術困境的能力。

擁有超過25年人工智慧與學習研究經驗的倫敦大學學院學習中心設計教授Rose Luckin指出，「我認為我們有可能令自身陷入困境。」這是因為我們以非常有限的方式衡量智力，「我們也只關注能夠產生這類智能行為的技術工具。」

Luckin的新書《機器學習與人類智能：二十一世紀教育的未來》認為，如果我們不希望自己的孩子及他們的老師變成機器人，那麼必須從根本上重新對智力做出重新定義。她主張利用人工智慧幫助我們以各種形式開發並衡量人類智能，從而更好地為需要不斷適應及學習的工作場景做好準備。

重新定義智力

Luckin確定了孩子未來茁壯成長所必需的七種智力因素。

首先是跨學科的學術智力，即能夠將各個科目聯繫在一起而非將其視為彼此割裂的孤島。（在這方面，芬蘭處於世界領先的地位，其放棄了主題教學的思維，這有利於學生們在「歐盟」等開放性主題之下建立數學、歷史、經濟學以及語言等學科間的聯繫。）

其次是社交智力，或者說建立起自身情緒的認知，以及我們該如何對群體中的個人進行管理。這是人類的專長，而機器人在這方面則表現不佳。

此外，Luckin還提到了以下四種元智力因素：

元認識，或者說我們與知識間的關係。Luckin設問道，「學生是否了解知識來自何處？他們將知識視為自己被硬性灌輸且必須學習的東西，還是他們意識到了這也是人類創造的產物並具有語境性？」具備這種智力因素的孩子能夠理解哪些論據質量更高，以及如何根據這些論據做出判斷。

元認知，或者說了解自己並調整自己的認知過程。（例如，如果意識到自己是拖延者且很清楚需要寫下學習內容，那麼我們不應在考試前一小時才重新整理學習筆記。）

元主觀智力, 或者說理解我們情緒及其與學習及幸福認知的關係。動機是其中的關鍵組成部分。 元語境智力，即了解學習過程發生的動態環境——除了課堂之外，還包括與人、事物以及位置間的關係。Luckin表示，「我們的智力不僅存在於大腦當中。有越來越多的證據表明，語境或者說背景也在其中發揮著巨大作用，在這方面人工智慧的表現同樣有所欠缺。」

準確的自我效能感知, 我們能夠評估自身效能的能力，這也許是最重要的智力因素。Luckin問道，「我們能否準確地預測我們是否有可能在某個方向上取得成功，以及我們的實際效能表現如何？」

眾所周知，人們在預測自我方面表現往往不佳。一般來講，行為心理學家與經濟學家已經反覆證明，我們傾向於過度自信或者存在其它形式的偏見。Luckin認為，在這方面人工智慧將擁有廣闊的發揮空間。

將人工智慧引入課堂

Luckin在《自然》雜誌中寫道，「人工智慧是打開「學習黑匣子」的一種有力工具，能夠提供對實際學習過程的發生時間與方式的深刻且細緻的理解。」她提到，人工智慧系統能夠幫助我們更好地開發出更具泛用性的智能——其中的部分原因在於，人工智慧有望衡量知識以外的重要因素，包括協作、堅持、信心與動力等。其還將協助我們改進用於評估學生學力水平的一次性測試手段。如此一來，學生將能夠通過連續測試，並配合計算機、手機或平板電腦等工具對自身的社交、跨學科以及多元智力表現進行追蹤。通過為孩子及老師提供能做什麼以及不能做什麼的更為準確的概況，學習者們將能夠更高效地改進具體方法。

Luckin表示，「我們經常看到一些論據，指出我們的行事方式將對當前目標帶來非常有益的推動作用。」這種方法能夠讓教師們專註於理解數據並處理各類常見於學生身上的問題，例如動機與毅力性障礙。雖然她承認人工智慧不可能全面衡量一切智力，但她相信「人工智慧將幫助我們在各個方面做得更好。」

Luckin還提供了一些人工智慧幫助改善學習效果的例子。在《計算機科學》雜誌上發表的一篇論文中，她研究了如何衡量人類以協作方式解決問題的能力——這種能力在現代職場當中廣受重視。然而，在課堂的小組活動當中，老師們卻不可能完全了解哪些學生在一起碰撞出了新的火花。

在一項實驗當中，她和她的同事用相機拍攝了孩子們手部動作與頭部方向，用以衡量他們在協作中的實際效率。而後檢測工具與人將對結果進行交叉檢查，以判斷這些分組是否真正進行了協同工作。Luckin指出，其目標在於建立起社交互動的證據，而這正是成功實現問題協作的重要因素。此類證據可被整理為一套儀錶板，從而為教師們標記出哪些團體需要關注，最終提高授課過程的效率水平。

英國學習平台Century Tech則是人工智慧走入課堂的另一個實例。其利用人工智慧與大數據技術根據個別學生的優勢與短板定製教育內容及活動。教師可以實時獲取學生的進度更新結果，從而為學習者提供最有力的支持。

開發更多智能形式

也有一些方法能夠開發出超越人工智慧的其它智能形式。有一些希望建立元認知智力因素的教師正在使用一款名為「Betty』s Brain」的計算機程序。

在該程序中，科學專業的學生們將教授一個名為Betty的卡通人物，包括向其講述河流生態系統的組成——例如食物鏈、光合作用以及廢物循環等等。而後，他們將測試Betty，看看她學到了什麼並觀察其在學習中的角色測試結果。《范德比爾特》雜誌解釋稱，「在檢查過程中，學生們會意識到這實際上是在測試他們自己，並幫助他們了解到自我監控才是適用於一切學習環境的重要策略。」開發該程序的范德比爾特電氣工程與計算機科學教授Gautam Biswas指出，「因為要進行教學，他們必須首先完成學習。」

Luckin還提到，學生們可以通過研究人工智慧本身也開發自己的智力因素。她指出，探索具有龐大知識基礎的IBM沃森將幫助學生們建立起元認識基礎——即意識到知識不僅僅是我們所看到的信息，更是我們所構建的成果。沃森之所以能夠回答覆雜的問題，是因為其以編程方式獲得了觀察並建立論證體系、生成並評估假設、最終給出最佳答案的能力。換句話說，沃森掌握了很多學生應當具備的學習方式。Luckin表示，「我們可以以此為基礎，讓學習者們了解到知識的獲取過程。」

人工智慧監控的缺點

Luckin承認，以這種方式應用人工智慧技術也存在著一些明顯的阻礙。一方面，教育體制是各類機構當中最僵化、最抗拒改變的部分。另一方面，人工智慧對學生表現的追蹤也可能引發人們對數據隱私的重大擔憂。如果技術方案的功能在於不斷評估您孩子的智力水平，那麼必然需要持續收集與個體優勢及劣勢相關的數據。

另外，大家也很容易想像到這類方案可能被用於進行學生分類，或者否定其未來潛力。《金融時報》的一篇報道即提供了一個有啟發性的例子，講述了中國東部地區某所高中對學生行動進行追蹤：「這套由面部識別與人工智慧驅動的監控系統負責追蹤校內的1010名學生，告知老師有哪些學生遲到或者缺課。它還能夠根據點菜記錄保留包含信息，從而了解哪些學生的油脂攝入量過高。」根據報道，「由於在當地引發巨大爭議，學校最終停止了該項計劃，」但這樣的情形仍然令人不寒而慄。

Luckin承認，數據隱私是其中的核心矛盾所在，而她自己並不一定能拿出有效的解決方案。她表示，「這是一項必須進行全面討論的議題」，教師與政策制定者應該與已經高度這方面問題的人工智慧學者及工程師共同交換意見。

至於教育制度長久以來對變革潮流的抵制問題，Luckin並不是惟一一個對人工智慧進入課堂抱有樂觀態度的人。英國威爾斯大學助理教授Simon Balderson就組織了一場關於人工智慧與教育的國際會議，他在接受媒體採訪時表示：

「截至目前，我們仍然在以被動方式向學生灌輸知識並進行評估。但隨著人工智慧進入課堂，一切都將發生改變。人工智慧正在迅速發展，未來其將能夠通過學生們的微表情確定其正在努力理解某一概念、接受了該項概念並在解決問題時應用這個概念。」

與老師們一樣，人工智慧也會根據不同的學生調整具體傳授方法。但人工智慧的優勢在於，其會持續不斷地為每位學生提供這樣的個性化服務。「沒有哪位老師能夠為班上的全體學生提供針對性引導。相比之下，人工智慧還可以管理每位學生的數據，確保其課業量始終處於適當的水平。至少就目前而言，這樣的差異化教學還完全無法實現。」

測試的未來

看起來，學校似乎不太可能在短期內放棄風險高企的學術測試手段。然而，歐美地區的人們正越來越多地意識到考試製度的重大弊端：其獎勵學生反芻信息，而非真正從中汲取意義; 激勵外在性而非內在動機。Luckin認為，人工智慧有望取代某些測試性考核。她指出，「現在我們已經擁有了收集以及分析數據的方法，能夠幫助我們構建起非常準確的形成性、持續性評估流程。如果需要，這是一種完全能夠取代考試的新機制。」

她對於改變智力衡量方式，進而顛覆教育體系價值觀這一可能性感到無比興奮：「如果我們能夠接受現有評估體系需要改變這一結論，那麼這扇大門就已經被打開。換言之，我們將真正嚴肅地重新思考教育制度的意義所在。」

當然，目前我們還很難判斷Luckin的願景屬於烏托邦、反烏托邦抑或是老生常談。但最近英國上議院關於人工智慧的報告性結論中也引入了她的思路：

所有公民皆應有權接受教育，確保他們能夠在人工智慧的幫助下健康建立起自己的精神、情感與經濟認知。

這一思路也預示著學校的運作方式將發生改變。Luckin總結稱，「以此為起點，將帶來極為龐大的發展空間。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！