近日，浙江某高校教師在網(wǎng)絡(luò)上曝光，由于其教授的3門課程學(xué)生不及格率高于30%，學(xué)校要求該老師作出說明并提供整改方案。回復(fù)中，該教師列舉了一道他出過的填空題以評(píng)價(jià)試卷難度：“《孔雀東南飛》的主人公分別是誰和誰？”據(jù)稱，該題錯(cuò)誤率在50%以上。

無獨(dú)有偶，近日，谷歌前首席執(zhí)行官（CEO） 埃里克·施密特在美國斯坦福大學(xué)課堂上所進(jìn)行的一場(chǎng)訪談中也被學(xué)生問及，在人工智能幾乎可以取代程序員的當(dāng)下，還有必要學(xué)習(xí)C++語言嗎？

這使得我們不得不思考，人工智能時(shí)代，大學(xué)老師應(yīng)教學(xué)生什么，又該考學(xué)生什么？如何定位課程和考試的意義與價(jià)值？考試的理念應(yīng)做怎樣的調(diào)整，形式又應(yīng)如何變革？

近日，浙江某高校教師負(fù)責(zé)的3門課的卷面不及格率在30%以上。面對(duì)質(zhì)疑，他在有關(guān)回應(yīng)文章中列舉了一道曾出過的試題，以此評(píng)價(jià)試卷的難度：“《孔雀東南飛》的主人公分別是誰和誰？”他說這道題的錯(cuò)誤率在50%以上。

該事件引發(fā)了社會(huì)的廣泛熱議。其熱議的核心在于在人工智能時(shí)代，對(duì)于那些可以快速檢索到的知識(shí)，我們是否還需要像傳統(tǒng)模式那樣讓學(xué)生背誦和記憶？換言之，現(xiàn)在的考試應(yīng)該考什么？

理解才是力量

即便在人工智能賦能各行業(yè)已成潮流的當(dāng)下，教育從本質(zhì)、結(jié)構(gòu)到機(jī)制也并未發(fā)生根本性改變，人工智能只是作為學(xué)習(xí)的輔助工具在起作用，完全不能替代個(gè)體的主動(dòng)學(xué)習(xí)。為此，我們不妨把教育的結(jié)構(gòu)拆解開，看看人工智能到底能在哪個(gè)環(huán)節(jié)起作用，以及能起多大作用。

教育的結(jié)構(gòu)通常分為三部分，即篩選、培養(yǎng)與輸出。在這一鏈條上，教育的主要功能是培養(yǎng)學(xué)生的能力，把能力再分解為——通過教育的規(guī)訓(xùn)作用使學(xué)生形成特定的認(rèn)知模式、習(xí)性/行為模式并完成初步世界觀框架的搭建，同時(shí)在固定時(shí)間內(nèi)對(duì)既定的培養(yǎng)目標(biāo)進(jìn)行測(cè)評(píng)，這個(gè)環(huán)節(jié)就是種類繁多的各種考試。

至此，我們大體了解了教育的完整流程。那么，在這幾個(gè)環(huán)節(jié)中，人工智能是在哪個(gè)環(huán)節(jié)發(fā)揮作用的呢？

顯然，人工智能的最大功用只是方便了知識(shí)的獲取，還可以延伸到培養(yǎng)的末端，即知識(shí)測(cè)評(píng)。在其他環(huán)節(jié)，人工智能的作用有限。從這個(gè)意義上說，至少在當(dāng)下，人工智能還沒有顛覆傳統(tǒng)教育范式。

回到那位老師的問題，這樣的考題今天還有意義嗎？在筆者看來，當(dāng)下我們還是要辛苦記下《孔雀東南飛》的主角是誰，雖然人工智能/網(wǎng)絡(luò)里可以輕易找到這些知識(shí)，但這并不意味著你的頭腦中就有。

更何況，學(xué)習(xí)的過程是一個(gè)人塑造個(gè)體認(rèn)知圖式的過程，如果沒有點(diǎn)滴知識(shí)的緩慢學(xué)習(xí)，個(gè)體認(rèn)知圖式的形成過程將失去根基，因?yàn)槲覀儞碛械闹T多人生經(jīng)驗(yàn)都是通過親力親為獲得的。由此，各種判斷以及同理心才會(huì)被塑造并激活，就如同你即便看過無數(shù)愛情故事，也無法與真實(shí)的愛情相比一樣。如果知識(shí)不能內(nèi)化并嵌入到我們的認(rèn)知圖式中，我們?nèi)绾巫鞒龈鞣N價(jià)值判斷呢？

澳大利亞哲學(xué)家杰克遜曾提出一個(gè)著名的思想實(shí)驗(yàn)“瑪麗屋”。該實(shí)驗(yàn)說明，即便瑪麗知道了無數(shù)關(guān)于紅色的光學(xué)知識(shí)與生理學(xué)知識(shí)，對(duì)于紅色的理解也無法與看到一個(gè)真實(shí)的西紅柿相比，這在哲學(xué)上被稱作“解釋鴻溝”，其實(shí)質(zhì)就是她缺乏對(duì)于紅色的感受性。從這個(gè)意義上說，從“知道”到“理解”存在遙遠(yuǎn)的距離。

多年前，筆者曾把英國哲學(xué)家培根的名言“知識(shí)就是力量”改為“理解才是力量”，這一點(diǎn)在人工智能時(shí)代越發(fā)重要。在我們獲得知識(shí)的工具與渠道愈加便捷與多樣化的當(dāng)下，也并未見有多少大師與重大成果橫空出世。我們?cè)煜さ膫鹘y(tǒng)學(xué)習(xí)模式被世人認(rèn)為落伍了，其實(shí)不然，這種認(rèn)知偏差反而導(dǎo)致我們離真正理解知識(shí)越來越遙遠(yuǎn)，甚至對(duì)那些常識(shí)知識(shí)不屑一顧。

更有甚者，有人認(rèn)為傳統(tǒng)教育會(huì)扼殺人的創(chuàng)造性。事實(shí)上，科學(xué)史上的無數(shù)事例都會(huì)駁倒這些偏見，因?yàn)橐l(fā)科學(xué)革命的大師們都是傳統(tǒng)教育的產(chǎn)物，反而是新式教育的當(dāng)下很少出現(xiàn)大師。

教育的數(shù)字化轉(zhuǎn)型仍有邊界

在此時(shí)代背景下，我們會(huì)對(duì)人工智能系統(tǒng)產(chǎn)生依賴并上癮，久而久之，形成群體的認(rèn)知路徑依賴。這種依賴不可避免地導(dǎo)致群體的認(rèn)知退化，因?yàn)槲覀兒苋菀捉邮苋斯ぶ悄芴峁┑拇鸢福辉敢庥H自思考與探索。

照此趨勢(shì)，人類行為所積累的數(shù)據(jù)信息會(huì)出現(xiàn)質(zhì)量快速下滑的趨勢(shì)。由于得不到高質(zhì)量數(shù)據(jù)的大量訓(xùn)練，在低質(zhì)量數(shù)據(jù)環(huán)境中運(yùn)行的人工智能將出現(xiàn)功能退化，這種退化對(duì)依賴者產(chǎn)生反噬作用，從而在人類與人工智能之間形成一種雙重?zé)o限退化的循環(huán)。

這個(gè)現(xiàn)象很好理解。眾所周知，以大語言模型為代表的生成式人工智能本著“大力出奇跡”的原則，圍繞數(shù)據(jù)、算法與算力這三個(gè)維度開啟技術(shù)迭代的進(jìn)化之旅。如果數(shù)據(jù)質(zhì)量持續(xù)走低，即便有優(yōu)秀的算法及強(qiáng)大的算力加持，也不會(huì)使人工智能有明顯的進(jìn)步。

2023年3月，美國語言學(xué)家喬姆斯基在《紐約時(shí)報(bào)》上發(fā)文指出，人工智能和人類在思考方式、學(xué)習(xí)語言與生成解釋方面的能力，以及道德思考方面有著極大差異。他提醒說，如果ChatGPT式機(jī)器學(xué)習(xí)程序繼續(xù)主導(dǎo)人工智能領(lǐng)域，人類的科學(xué)水平以及道德標(biāo)準(zhǔn)都可能因此降低。

我們并不是要否認(rèn)人工智能對(duì)整個(gè)社會(huì)產(chǎn)生的潛在深遠(yuǎn)影響，只是想指出，目前人工智能的作用被嚴(yán)重夸大了。這對(duì)于整個(gè)社會(huì)的有序運(yùn)行與健康發(fā)展是不利的。

人類已經(jīng)歷過三次工業(yè)革命，每次都給人類社會(huì)的面貌帶來了巨大改變，但那些改變僅限于物理層面。按照德國技術(shù)社會(huì)學(xué)家阿諾德·蓋倫的說法，技術(shù)變革經(jīng)歷三個(gè)階段——首先是工具階段，其次是機(jī)器階段，最后是自動(dòng)機(jī)階段，在這一階段，主體的智力投入成為不必要的了。而我們目前正經(jīng)歷的人工智能革命，則要使人的思考能力也成為不必要的。這才是人們對(duì)這次技術(shù)革命喜憂參半的關(guān)鍵原因所在。

近日，有專家表示，傳統(tǒng)概念中的大學(xué)可能將不復(fù)存在，越來越多的人會(huì)選擇通過網(wǎng)絡(luò)大學(xué)獲得知識(shí)。在筆者看來，這種技術(shù)樂觀主義有些過于自負(fù)了。未來充其量只有少數(shù)較成熟的理工科課程可以采用此種模式，而大多數(shù)人文社科的課程都不適合，即便強(qiáng)行推進(jìn)，效果也不一定樂觀。

試想，一門課程如果由全世界水平最高的人在網(wǎng)上講授，那么人類思考的多樣性與差異性也就會(huì)隨之消失，這對(duì)于人類的未來到底是福還是禍？

筆者不否認(rèn)人工智能會(huì)給當(dāng)下的教育行業(yè)帶來很多變化，但如果教育的基本功能結(jié)構(gòu)沒有發(fā)生改變，那么教育的數(shù)字化轉(zhuǎn)型就是有邊界的。畢竟人工智能只是手段而非目的，教育的一項(xiàng)重要功能就是培養(yǎng)學(xué)生的健全人格與世界觀，而這一點(diǎn)人工智能是做不到的。

來源：《中國科學(xué)報(bào)》