论人工智能的教育尺度

孙田琳子 沈书生

摘要：人工智能的迅猛发展掀起了新一轮的教育变革浪潮，这促使教育工作者需要开始思考人工智能技术在教育应用中的边界与尺度。文章首先揭示了当下人工智能与教育结合发生的失衡现象，再通过剖析德雷福斯对人工智能技术本身极限的现象学反思，得出人工智能的发展局限在于人类智能的不可代替性，进而对教育中人工智能的运用尺度进行理性展望，从人机关系、学习体验、知识培养、评价机制、教育本质等维度探讨了人工智能与教育融合的发展图景，以期为未来的智能教育发展提供参考借鉴。

关键词：人工智能;教育;边界;德雷福斯;现象学

中图分类号：G434

文献标识码：A

当互联网时代还方兴未已，人工智能时代已悄然来临。近年来，人工智能（简称AI）的运用掀起了新一轮的科技革命，颠覆了社会生活结构，推动了全球经济飞跃，改变了人们的思维方式和文化观念，甚至有人认为人工智能将引领人类走向第四次工业革命。人工智能对社会发展的卓越贡献有目共睹，引起了众多领域的重大革新，人工智能对教育领域的影响也举足轻重。2017年7月，国务院颁布了《新一代人工智能发展计划》，提出要构建开放协同的人工智能科技创新体系，明确了我国人工智能发展的战略目标[1]。2018年4月，教育部印发的《教育信息化2.0行动计划》提出“智能化”将成为教育信息化体系建设五大方向之一，号召教育领域应从数字化、网络化的信息化1.0时代跨越升级为大数据、智能化领跑的信息化2.0时代[2]。2019年5月，联合国教科文组织发布的《教育中的人工智能：可持续发展的挑战与机遇》对运用人工智能促进教育变革等问题达成共识。可见，人工智能与教育的深度融合已成为当今教育领域发展的必然趋势。然而，作为教育者，不仅要与时俱进、积极响应技术变革教育的时代号召，更要在这股人工智能热潮之余做理性的冷思考。例如，处于初步融合阶段的我们应如何把握技术与教育的关系及尺度？人工智能运用于教育领域的边界与极限在哪里？教师在教学活动中运用人工智能技术时应注意哪些问题？这些都是需要我们直面与深思的新问题，唯有从理论根源上明晰二者之间的辩证关系，在教育过程中合理应用新兴技术，才能使教育真正走向智能化，为社会培养出创新型、智慧型人才。

一、异化与批判：人工智能与教育结合的失衡现象

人工智能开启了教育领域的新格局，智能教学系统、机器人创客教育、大数据学习分析等智能技术也日益得到普及应用，为教育生态发展带来前所未有的动力引擎。然而，教育行业在一边欢欣鼓舞、极力迎合新技术的冲击时，一边仍需反思人工智能技术在教育中的运用是否存在尺度。教育有其自身坚守的使命与责任，融合发展并不意味着无条件顺从，只有合理把握智能技术与教育结合过程中的平衡与张力，明晰技术理性与价值理性的统一关系，才能将技术对教育的积极作用达到最优化。不得不承认的是，在实然的人工智能教育现状中，仍时常出现一些技术异化教育的失衡现象。

（一）智能技术依赖导致主体意识缺失

虽然智能技术为教育提供了诸多便利和无限可能性，很多师生对智能技术的教学应用推崇备至，但技术终究是人的劳动产物，它或许能替代部分简易工作，但不能让技术绑架了我们的大脑，失去了主体判断能力。马克思的实践哲学认为人是一种主体性存在，强调彰显自由个性的主体性思想，社会发展规律要与人的主体地位相统一。教育是实践，是人的行动，是人的事情或事件。人文之事的事理是理念，是对事情本原的价值规定，处理教育的事情就必须按照教育内在的目的所要求的价值原则、方式去发展教育事业，教育的价值才能彰显[3]。教育的主体是人，我们应立足“主体人”的本质去探讨解决之道。然而，追溯计算机学科的认识论背景大多以笛卡尔的身心二元论为理论来源，把认知当作人大脑里的私有财产，并且认为心智优先于身体，抛弃了社会情境对人的心灵的作用。学习科学研究领域早有学者提出对传统认知心理学的批判：“认知心理学的核心假设是人脑类似于计算机，思维就是计算，认知过程有如计算机的表征和运算过程，这种符号加工模式无法反映认知过程的灵活性”[4]。假如我们将这种统一认知模式的人工智能技术应用到教育的各个环节当中，不免会把复杂多元的“主体人”当作固化统一的“机器人”。学生或老师对智能技术的过分依赖很有可能会造成使用者趋易避难、迷失自我，久而久之将丢弃了人本身的复杂性和丰富性，违背了教育的初衷与本质。正所谓，造出像人一样的机器并不可怕，可怕的是培养出像机器一样的人。

（二）理性主义盲崇致使单向度教育观

智能技术对教育领域的过分干预不仅引起主体意识的缺失，还愈发固化人们的理性主义盲目崇拜。学习成绩的数据分析、学习行为的实时监控等智能化手段无不对学生造成一定程度的促逼和限定，即强迫学生进入某种非自然状态，忽视他们的天然特征。如若教师一味凭借量化的智能技术考察学生的学习水平，终将会导致单一化的教学活动和单向度的教育理念。究其根本，人工智能的理论基础扎根于实证主义研究方法，实证主义惯用将理论概念化作变量来处理，对概念进行操作性定义，并用可重复的实验方法来验证假设。教学中的实证研究方法由来已久，早期的科学家们只坚信单一方法带来的客观性和科学逻辑推演下的真理，狭隘地认为只有规范的实证科学以及量化的认知方式才能保证研究的正确性，因而，他们把人们的生活经验、思想文明、社会文化等精神物质转变为可以测量的物理实体。然而，单一片面的观察视角无法看到世界的真实全貌，实证主义惯于描述个人层面的“行为”和“认知”，却看不到解释主义中的“关系”和“生活世界”[5]。比如，很多时候教师若想知道一个学生是否理解了这个知識点，最简单的方法莫过于用智能技术测试其答题分数，但经过量化的分数就能完全代表他的理解水平吗？显然，人的行为是不确定的、未知的、充满复杂性的，我们不应陷落工具理性的困境，漠视人的情感和精神价值，在教学过程中运用人工智能技术时应建立在合理量规的基础上，不因过度沉迷于“求知求真”而忽视了“求善求美”。教育中的人不是单向度的人，教育要促进个体的差异化发展，正如马克思所说的那样：每一个类主体要能全面地占有多种多样的人的本质力量。

三、尺度与重构：人工智能与教育融合的发展图景

从德雷福斯的现象学反思可以看出，目前人工智能的发展局限仍归结于意识生成问题以及无法摆脱对表征的依赖。因此，人工智能与教育融合最根本的界限在于人的特殊性是无法取代的，即使人工智能在一些可表征的智力活动中已经逐步超越了人类，但人类真正的智能活动是不可形式化、表征化的，是人类独有的认知领域。教育的尺度终究是人，人工智能在教育领域中的深入运用也不能凌驾于人的原初本质、跨过人性的藩篱，若用千篇一律的教育方式去对待每一个学生，那无异于主动放弃了人自身的特殊性与主体地位。基于此，我们有必要立足于人的本质明晰人工智能在教育中运用的边界，重构人工智能与教育融合的发展图景。

（一）平衡互补的应然人机关系

如今的信息时代，人工智能技术为提升学生的学习效率做出了不可否认的突出贡献，为教师的课堂教学节省了诸多宝贵的时间成本。技术哲学家贝尔纳·斯蒂格勒（Bernard Stiegler）认为人必须通过不断发明创造来弥补先天的缺陷，因此，技术在人的“存在”中充当了“代具”的角色，人们为了完善自身性能需要不断寻求新技术的存在，最终形成了融为一體的“人一技术”结构[14]。身为血肉之躯的教师，大脑的生理局限导致了他们只能承担有限的认知负荷，一旦接收的信息量超出了人脑的限定范围就会扰乱正常的思维运转，因此，在知识的获取和传递环节中教师处于劣势位置。然而，具备强大数据库和精准计算能力的智能技术无疑在这一方面占有绝对优势，它们可以捕捉到很多人眼无法察觉的数据信息、准确记录人们难以记忆的海量知识。因此，在一些传递、复制已有知识的可重复性工作中，人工智能可以起到高效便捷的替代作用，比如生成背景性知识拓展、习题库资源管理、学习行为分析等大量数据处理工作，帮助教师减轻负担。然而，即便智能技术拥有高超的性能优势，人的主体地位依然难以动摇，人工神经网络专家弗兰克·罗森布莱特（Frank Rosenblatt）曾指出只有人和计算机结合在一起才能完成那些无法单独完成的事。换言之，没有人参与的人工智能活动是不完整的，人的某些特殊领域与认知能力是人工智能无法代替的。譬如在教学中，学生的创新创造、问题意识、批判思维、情感表达、道德品行、价值判断等方面的培养都离不开教师的亲自引导。不仅如此.不同的学生有着个性化的学习需求，因材施教也是教师教学艺术的重要体现之一。诸如此类人性化、非表征的教育工作，正是因为人们主体意识的独特性而不能被代替，这不仅是教育工作者的职责与义务所在，更是智能时代教师保持自身先进性的重要依据之一。

依此可见， “人类智能”与人工智能的互补性造就了动态平衡、角色互补的应然人机关系。我们应充分借助人工智能的技术优势和教师天然的人性优势，在教育教学过程中合理结合二者长处，物尽其用，从而使教学效率达到最优化。同时还需注意，无论是教师还是学生，应杜绝对技术的盲目跟风与过度依赖，正确把握人与技术的依存关系，明确自身的职责与使命，在良性的“人一技术”关系中促进教育事业的健康发展。

（二）身心合一的具身学习体验

望远镜延伸了人的视觉功能，收音机扩宽了人的听觉功能，汽车扩展了人的行走功能。一方面，技术使人们能体验到生理局限之外的世界，另一方面，人工智能的发展瓶颈仍需向人类智能的生理构造寻求突破路径。德雷福斯从海德格尔的此在哲学到梅洛一庞蒂的具身哲学中凝聚灵感，开拓出人工智能的具身进路，强调身体结构对塑造智能活动的重要性，身体的结构决定了我们认识世界的方式。现代AI专家为实现更强大的认知智能，将身体的相关特征纳入计算机的算法中，同时以人脑的神经系统为原型建构错综复杂的人工神经网络，朝着模仿并超越人类智能的方向推进。

不仅人工智能自身的技术突破需要借助身体理念，教育中的人在应用先进的智能技术时也存在从离身认知向具身学习的形态转变。哲学家唐·伊德（Don Ihde）曾言明“具身关系”是人与技术之间的四种关系之一，他将这种关系描述为“（人一技术）一世界”，即是说人可以通过使用技术来与世界打交道，同时在使用中人们几乎感觉不到技术工具的存在， “透明化”地发挥着技术的作用[15]。教育场域中，当师生可以得心应手地使用AI技术，并成为他们身体构造的一部分时，这也就是技术在教育中的理想状态，暂且可以将它们之间的关系表示为“（教育中的人一技术）一世界”。如今，虚拟现实技术、可穿戴技术、增强现实等智能技术已逐步进入教学领域并发挥作用，通过激发人的身体感官提升学习场景的在场感和真实感，让学习者沉浸在各式各样的虚拟情境中，延伸他们的身体功能，扩展他们的阅历体验。人工智能与教育结合的最佳形态在于“人一技术”融为一体、形成一个自然完整的有机系统。当教师与学生使用技术达到一种纯熟的状态时，即已意识不到技术工具的存在，那么这就达到了海德格尔所说的“上手”状态，教学活动中的人与技术形成了难以割舍的统一整体，自然学习的效果效率和过程体验都会随之渐入佳境。人与技术的交互性、使用感、体验感等因素都会影响大脑的认知活动，进而影响技术干预下的学习效果。因此，弱化人工智能在教学使用过程中的存在感，提升智能技术和产品的仿真性能和易操作性，积极调动整合学习者的多感官体验，是人工智能在教育领域中发挥效用的优化路径。让学生和教师能够自在随心地使用人工智能，把AI技术当作教学活动中不可分割的一部分，而不再只是他们获取知识的中介工具，是人工智能与教育融合下持续的改进目标。

（三）潜移默化的默会知识培养

如前所述，表征主义运行模式是传统人工智能难以突破的瓶颈所在，在应用人工智能展开教学活动时我们更应避免仅仅停留在表征层面的知识传递。波兰尼认为知识不能仅限于语言、命题或明述等表达范畴，一切明述知识都有其默会的根源[16]。对于不可明确表征的知识我们称之为“默会知识”.它是一种只可意会、不可言传的隐性知识形态，因此又称为“行动中的知识”。明确知识与默会知识之间是相互依存的，甚至可以说默会知识是培育明确知识的土壤，忽视默会知识培养的教育就如同无根之木、无源之水，再牢固的知识体系也会顷刻崩塌。

总的来说，人工智能对于显性知识的传递工作尤为擅长，但是它们却没有人类现实世界的丰富经验和体验，目前还难以突破对知识的理解、迁移和创新[17]。不仅如此，现阶段教育中的智能技术植根于对学习者个人数据的挖掘分析，根据计算出的行为数据推送给用户想要的资源信息，但这种机械的辅助功能缺乏基本的价值判断，只依据用户喜好而没有真正站在教育者的角度，对学习者的个人成长没有全面长远的规划理念。更何况人的情感、意识、行为与实际发生场景之间具有非常复杂的作用关系，个人的情感判断与行为选择都具有强烈的独特性和不确定性，单凭规格统一的计算模式无法预测人的情感价值判断，也无法做到内在能力和综合素养的长期培养。依此来看，时下人工智能的教育功效还不够健全，它们在明确知识的运算、存储、传递等重复性工作方面具有独到优势，但对于人的思维能力、情感价值、精神意识等个体默会知识方面还存在很大的提升空间。教学过程中过度使用人工智能会使学习者自身的两种知识体系产生脱节，从而造成学习者思想和行为上的冲突，最常见的莫过于出现“高分低能”的典型现象。授人以鱼不如授人以渔，身为教学者应明确自身的教化职责，运用技术工具提高教学效率的同时，更需要利用人工智能技术激发学生的创新精神和求知欲，让学习者们从被动的知识消费者转变为主动的知识创造者。教育者在教学中需倾注应有的人文关怀，通过营造学习情境、加强实践体验和组织沟通交流等多种方式促进学生默会知识的形成，并通过言传身教引导学生正确价值观的生成，让学生在润物无声般的教育环境中茁壮成长。

（四）立体多维的评价机制完善

仔细观察目前技术支持下的智能学习模式，不难发现学习者的学情分析报告中大多是以量化的评价方式为主，根据学习者的测验成绩、线上学习行为等数据给予它们一定的学习诊断。但实际上，这种单一维度的量化评价体系却不能完全代表学习者的能力水平，其原因在于多种评价方式背后的研究方法之间的本源差异。人工智能是建立在计算机科学实验的理论基础上，其评价方法主要以实证主义定量研究为基准，定量研究认为人的认知和行为是可预知的、可概括的，而定性研究认为人的行为是不确定的、动态变化的。曾有人做過这样的比喻：定量研究采用的是“窄角镜头”，只关注一段时间内一个或几个因果要素和关系，检验具体的假设;定性研究则用的是“广角镜头”，包含不同群体建构的不同现实视角，检验现象的广度和深度，获得更多了解[18]。解释主义方法论主张人的思想是对世界主动的建构与解释，而不是被动的接受与感知，实证主义则恰恰相反，究其根本是因为它们分别来源于唯心论和唯物论两种不同的思想根基。然而，不管是哪种研究范式都难以两全，盲目推崇实证主义的客观性就无法顾及更广阔的生活世界，遗失真实世界的体验认识;一味地追求解释主义的主观性难免会堕入唯心主义的不可知论，缺失评判真理的尺度标准。特别是面对教育问题时，要把握教育研究方法论的特殊性。教育的对象是人，教育是人的社会性活动，教育研究方法体系的综合性体现在哲学方法、科学方法和艺术方法的综合运用[19]。研究问题越复杂，就越需要系统的、综合的研究方法来把握教育事实的结构、相互作用和发展规律。

可见，人工智能的教育评价功能还有待进一步提升，融合多元开放的评价理念，建立多维完善的评价机制，从重视实证主义的客观数据到兼顾解释主义的主观思想，从关注学习者的学习结果转向关注生成性的学习过程，都是未来智能教育的潜在发展空间。因此，作为教育者应意识到人工智能的理论立场，把握多种评价方式之间的区别联系，在教学中注意形成性评价的反馈，避免陷入过度依赖的技术异化泥潭。在面对具体问题时灵活运用合适的评价方法，使问题本真得到尽可能地明朗，毕竟真正的教育“智能”在于教育者自身的教学智慧。

（五）以人为本的教育本质复归

斯蒂格勒说技术是人类的解药，也是人类的毒药。技术本来就是“人为”和“为人”的，技术展开了人的可能性空间，但每一种可能性空间又必然会遮蔽和遗忘了更多的可能性，技术的本质决定了它具有双重属性[20]。不仅如此，现阶段的人工智能技术仍未开发成熟，在推进人工智能教育应用的过程中还有很多问题值得我们探讨。比如算法模型需要开放教育大数据，将涉及个人隐私等信息安全问题;人工智能可能会造成数字鸿沟的加剧等应变挑战[21]。技术与人之间相生相融的过程中仍有许多需要磨合的地方，教育中的技术更应依托于教育场域，它必须合乎教育的价值和规律，才能在教育中持续发挥效用。

当人工智能能够替代教师的部分职能时，我们应当思考未来教师的工作重心将置于何处。诚然，人工智能在单纯的知识性工作方面占有优势地位，由此机器会承担类似内容展播、批改作业、学习诊断、解答疑问等大量机械性工作，从而帮助教师减轻教学负担。在此境遇下，教师需从原来的知识传授者转型为一名人才培养师，让教师的角色回归教育的本质，牢记育人使命，以人为本，以人为先，将学生的人生发展和人格成长为己任，建立全新的智能时代人才培养模式。智能教育形态下，教师的教学目标将从知识本位转移到育人本位，分别从社会责任、民族认同、文化熏陶、精神品质、思维方式、审美水平、社交能力、创新意识等人性维度人手，提升学生的内在竞争力，成为启迪学生的人生导师。人工智能与人类教师应各执其职，充分配合，在二者的协同作用下共同促进学生的健康成长与全面发展，发挥教育中技术的应有价值。依此来看，我们应该清醒地意识到人工智能是人类智能的延伸、而并非完全取代，冰冷的智能技术没有“人”的社会属性和社会关系，更没有道德、情感、精神等人类特性。只有“人”才是教育与技术的契合点，我们应保留教育的温度，怀着满腔的教育情怀，才能回归师生完璧的“生活世界”，才能实现人自由而全面的发展。

参考文献：

[1]国务院.《新一代人工智能发展规划>XEB/OL].http：//www。gov.cn/xinwen/2017-07/20/content_52 12064.htm.201 7-07-20.

[2]中國教育在线.教育部关于印发《教育信息化2.0行动计划》的通知[EB/OL].http：//chuzhong.eol.cn/news/201 804/t20180425_1597232.shtml，2018-04-13.

[3]金生鋐.教育研究的逻辑[M].北京：教育科学出版社，2015.

[4]叶浩生.认知心理学：困境与转向[Jl.华东师范大学学报（教育科学版），2010，（1）：42-47.

[5][英]凯西·卡麦兹.边国英译.建构扎根理论：质性研究实践指南[M].重庆：重庆大学出版社，2009.

[6]徐献军.德雷福斯对人工智能的批判仍然成立吗？[J]自然辩证法研究，2019，35（1）：15-20.

[7][美]休伯特·德雷福斯.宁春岩译.计算机不能做什么：人工智能的极限[M].北京：生活·读书·新知三联书店，1986.

[8]雷诺·巴尔巴拉，张尧均.梅洛庞蒂：意识与身体[J]同济大学学报（社会科学版），2009，20（1）：1-5.

[9] Hubert L.Dreyfus.What Computers Still Can't Do：A Critique ofArtificial Reason[M].Massachusetts：The MIT Press.1 986.

[10]倪梁康.在现象学一本体论与生态学一伦理学之间——约纳斯与胡塞尔、海德格尔的思想联系[J].学术研究，2018，（1）：8-14.

[11]张昌盛.人工理性批判：对德雷福斯的人工智能哲学的现象学反思[J].重庆理工大学学报（社会科学），2018，32（12）：9-20.

[12]刘晓力.人工智能的逻辑极限[A].2001年逻辑研究专辑[C].北京：中国逻辑学会，2001：22-25.

[13]王晓阳.人工智能能否超越人类智能[J]自然辩证法研究，2015，31（7）：104-110.

[14]杨绪辉，沈书生.教师与人工智能技术关系的新释——基于技术现象学“人性结构”的视角[J].电化教育研究，2019，40（5）：12-17.

[15][美]唐·伊德.韩连庆译.技术与生活世界：从伊甸园到尘世[M].北京：北京大学出版社，2012.

[16]徐金雷.技术的默会知识及其实践培育[J]华东师范大学学报（教育科学版），2018，36（6）：19-28.

[17]宋灵青，许林.人工智能教育应用的逻辑起点与边界——以知识学习为例[J].中国电化教育，2019，（6）：14-20.

[18][美]伯克·约翰逊，拉里·克里斯滕森.马健生等译.教育研究定量、定性和混合方法（第4版）[M].重庆：重庆大学出版社，2012.

[19]叶澜.教育研究方法论初探[M].上海：上海教育出版社，1999.

[20]单美贤.论教育场中的技术[M].北京：教育科学出版社，2011.

[21]梁迎丽，刘陈.人工智能教育应用的现状分析、典型特征与发展趋势[J].中国电化教育，2018，（3）：24-30.

作者简介：

孙田琳子：讲师，博士，研究方向为在线学习资源、信息化教学设计（stephanie_sun1218@163.com）。

沈书生：教授，博士，博士生导师，研究方向为信息化教学设计（ssshen_nj @163.com）。