机器人可以教知识无法培育价值观吗

陈思宇 黄甫全 曾文婕 董娜 伍晓琪 唐玉溪

摘要：随着人工智能时代的到来，面对尖锐的问题“机器人可以教知识无法培育价值观吗？”我们的回答是，机器人不仅能够教知识而且可以培育知识里的价值观。首先，情绪导向任务、脚本编写和远程控制以及LIDA认知结构模型使机器人可以培育道德知识所含道德价值观，实证知识所含特殊价值观以及超学科知识所含多元价值观。其次，自治型道德智能体、价值系统以及智能系统分别是机器人主动培育价值观的外部前提、内在机理以及动力机制。最后，德育神经科学研究成果、机器学习体系建构以及类脑智能系统进阶开发，创生价值创造型的德性AI教师，使机器人有效培育价值观成为可能。总之，机器人既可以教知识也能培育价值观，为解放教师创新教育展现了美好前景。

关键词：机器人;智能体;德性AI教师;知识;价值观

中图分类号：G434 文献标识码：A

目前，机器人作为教师（Robot as Teacher）已进入学校课堂，并且得到持续改进。党的十九大报告和全国教育大会重申，立德树人是学校教育的根本任务。教师“立德”是“树人”的前提。因此，不仅人类教师（Human Teacher）必须以德施教，類人教师（Humanoid Teacher）也须具备德性并能培育价值观。但是，近期有种说道“机器人可以教知识无法培育价值观”不胫而走。真是如此吗？其实不然。这种日常观点将知识与价值观断然割裂，“教知识”是“格物”“为学”，而“培育价值观”是“明德”“为道”。然而，根据文化整体主义，知识的习得与价值观的涵养具有同一性。价值观的确立不能离开知识的学习而自存。计算机、机器人、电信以及其他类型的尖端技术几乎在所有工业领域迅速取代着人工。教育领域亦是面临巨大挑战。计算机科学和认知神经科学等的发展，使教育信息技术进化为人工智能系统，再进阶为类脑智能系统，从作为教学媒介进化为类人教师或学伴（Humanoid Teacher or Peer）。与人类教师相似，机器人教师能教知识，也能培育知识里的价值观。具有价值体系的智能体能培育价值观，德性AI教师更能有效地培育价值观。

一、机器人：培育价值观何以可能

知识承载一定价值。因此，机器人可教知识，故可培育知识里的价值观。知识分为“道德知识”（Moral Knowledge）和“实证知识”（EmpiricalKnowledge），负载着两类价值观，机器人可教这两类知识，必然可以培育蕴含其中的两类价值观，即可以培育所有价值观。

（一）机器人可以培育道德知识里的道德价值观

经验论道德观认为，道德知识即实践性知识（Practical Knowledge），即关于如何行动的知识，也是付诸实践的知识。从道德起源来看，人类在社会生活中形成了各不相同的社会关系，其中就包含着人与人、社会和自然的各种伦理关系。与人类社会相伴而生的道德知识，是随着人类道德实践而不断发展的。亚里士多德指出：“德性分为伦理的和理智的。伦理德性由风俗习惯沿袭而来。理智德性大多由教导而生成、培养起来，它需要经验和实践”。道德知识的实质是道德价值观。道德知识内在于人类生命实践活动的展开，外显为对世界的精神把握方式。道德知识源于人们对道德的精神把握和对客观伦理关系的主观认识，是指表征或承载主体人际价值关系的符号。道德知识是人类在道德实践中进行道德认知的结果，因此，人们的道德观念系统和道德行为方式内蕴其中。苏格拉底有千古流芳的命题“美德即知识”。知识可教，故美德可育。机器人可教道德知识，故机器人可以培育道德知识里的道德价值观。

然而，并非所有类型的机器人可以培育道德知识里的道德价值观。换言之，机器人的类型和任务的设计影响机器人德育能力的形成。一方面，根据不同的分类标准，可将机器人分为若干种类。按照功能效用来分，机器人分为服务型机器人（如玩具机器人、医疗机器人、护理机器人、保姆机器人、教育机器人）和致命型机器人。其中，教育机器人可细分为儿童娱乐教育同伴、安全教育机器人、特殊教育机器人、复建教学机器人、课堂助教机器人以及机器人教师等。按照自主水平来分，机器人分为远程操作型机器人（Teleoperated Robot）或远程呈现型机器人（TelepresenceRobot）和自治型机器人（Autonomous Robot）。远程操作型机器人使人类操作员能够远程感知和机械地操纵物体，即远程操作型机器人由连接到机器人的人类操作员进行控制，替代操作员执行任务。远程呈现型机器人是具有实时双向视频或音频通信的移动视频会议系统，它显示通讯双方的存在。对机器人类型的划分可知，有些机器人不但不能传递道德价值观，其应用本身就可能引发一些道德问题，比如“杀手机器人”。另一方面，任务承载着道德知识及其蕴含的道德价值观，其性质影响着机器人德育能力。任务的属性由人类的能力决定。人类具有经验（Experience）和代理（Agency）两类基本能力。前者即感受和情感的能力，后者即思维和意图的能力。“经验”和情感与主观性有关，而主观性是指受个人意见影响的陈述或态度。“代理”和认知与客观性有关，而客观性是指基于事实的信息或决策。相应地，人类赋予机器人的任务也分为两种：情绪导向任务（Emotion-oriented Task）和认知导向任务（Cognition-oriented Task）。前者与关联情感的感觉有关，后者与关联认知的思维有关。道德知识是一种实践性知识，因此，机器人培育道德知识里的道德价值观，需要被指派并执行情绪导向任务。在人类教师的陪伴和引导下，社交机器人Milo通过目光对视、表情变化、降低语速、手势交流和口头对话等方式，在教授自闭症儿童人际交往知识和技能的同时，培育了儿童关爱他人、包容变化等道德价值观（如图1和图2所示）。

（二）机器人可以培育实证知识里的特殊价值观

除了情绪导向任务，机器人还可执行认知导向任务，即机器人可以培育实证知识里的特殊价值观。实证知识作为一种人类知识，包括自然科学知识、社会科学知识以及艺术学科知识等，蕴含着人的特殊价值观。实证知识以其清晰的公式、定理，易于交流的人造语言（女Ⅱ数学和编程），以及可证可感的实验与逻辑方法，将杂乱无章的感觉表象整合为一个更加合理的系统。这其中的事物各有其位置、种属、功能与运动形式，因此似乎远离了人类的心灵，成为“客观”的知识。事实上，这不过是部分哲学家过分强调“自在之物”的偏见。故而，我们进一步明确实证知识的内涵取向：实证知识亦含括着特殊价值观。自然科学知识（如数学、物理学、天文学、生物学以及化学等）揭示了世界的真相，是建立科学世界观不可缺少的基础，其内涵着的真理观，即是一种普世价值观。具有人学特点的社会科学知识里内涵着的民主观，也是一种普世价值观。艺术学科知识里内涵着的自由观，亦是一种普世价值观。因此，机器人能教实证知识，就必然能够培育实证知识蕴涵的特殊价值观。

现有的机器人尚未能够独自教授实证知识，需要人类教师的协助。在人机双师课堂中，人类教师交替使用两种控制方式实现机器人教授实证知识和培育特殊价值观的教育目标。一是通过编程，使机器人自动运行脚本，自主完成部分教学任务。目前，机器人已能教外语和小学数学等科目，还能解释新的科学概念。韩国白色卵形远程呈现机器人EngKey（如下页图3所示），日本人形机器人Saya（如下页图4所示）以及以色列人形机器人RoboThespian（如下页图5所示）等已经“学会”向学生阐释概念、讲解案例、布置作业以及公布答案等。二是通过特殊用户界面对机器人进行远程操作，即人类教师命令机器人做出简单的动作，比如转动身体、变化手势以及现场互动;同时，启动小型“应答库”使机器人回答学生的一些提问。对照组实验研究结果表明，在课堂表现和学习效果上，实验组得分明显高于对照组。为使机器人更好地教授实证知识和培育特殊价值观，在设计人机双师课堂时，须分析机器人性能与其行为的匹配度，自主运行与远程控制的结合，课堂组织与管理，学习活动设计以及学习结果评估等。脚本編写和远程控制汇集着人类教师和专家的思想和价值观。机器人教师输出实证知识，也在培育学生的价值观。

（三）机器人可以培育超学科知识里的多元价值观

知识本是多元整合的。人类社会拥有多种知识。各种知识之间相互作用，持续影响着人类。只是人们在研究时、在实践中、在表述上，需要把各种知识分析清楚之后再进行整合。古希腊至今，人类知识历经了—个持续分化而后走向整合的发展过程。伴随着知识经济时代的到来，以大学和学科为基础的知识生产模式正逐步让位于超学科研究模式。超学科知识是由科学界和实践界联合创造的，旨在解决生活世界问题和维护社会稳健并可转化为科学实践和社会实践的知识”踟。超学科知识关涉不同知识领域之间和学科之间的互动整合。因此，机器人教师也必然沿着程序化由单一到整合、由易到难的道路渐次教授超学科知识和培育内蕴其中的多元价值观。

机器人可教超学科知识和培育多元价值观，在于未来机器人可以成为人工道德智能体（Artificial Moral Agents，AMAs），它具有道德判断和行为能力。机器人伦理是可设计的，而且可从计算机科学、认知科学以及价值敏感视角进行实践探索。其中，认知科学进路是指通过计算的方式进行道德认知建模，进而研制道德机器人的新方式。研究者提出了若干人类认知模型，比如LIDA、SOAR、ACT-R以及Clarion等。其中，LIDA（Learning Intelligent Distribution Agent）是唯一把感觉和感情融入认知过程的综合性认知模型。与其他认知结构相比，LIDA模型优势非常突出。首先，它拥有更强的学习能力。LIDA模型具备四种学习机制，即感知式学习（Perceptual Learning）、情景式学习（Episodic Learning）、程序化学习（Procedural Learning）以及注意型学习（Attentional Learning）。同时，它拥有更合理的认知循环结构（如图6所示）。LIDA模型认知周期的内部结构复杂。在每个认知周期（感知一理解一行动），LIDA代理着人首先通过更新其对世界外部和内部特征的表示，来尽可能地了解当前情况。通过竞争过程，LIDA代理着人然后决定哪个部分最需要注意，并进行“广播”，使其成为意识的内容。最后，LIDA选择并执行合适的行动。

除了全局工作空间理论（Global Workspace Theory），LIDA模型运用并丰富了许多心理学和神经心理学理论，包括情境认知（Situated Cognition）、感知符号系统（Perceptual Symbol Systems）、工作记忆（Working Memory）、可供性记忆（Memory by Affordances）、长时工作记忆（Long-term Working Memory）、事件分割理论（EventSegrnentation Theory）以及H-CogAff等。因此说，LIDA模型是一个综合的、概念的和计算的人类认知模型。通过建构人工通用智能系统（Artificial

General

Intelligence），机器人将能进行复杂的道德决策和培育多元价值观。

机器人已经参与人类道德生活。即使关于机器人能否成为道德智能体的问题有所争论，但不得不承认，机器人在人类生活中发挥着重要的道德作用。依托现代科学技术，机器人将越来越聪明，自主性也越来越高。虽然认知科学进路使机器人教师的表现越来越接近人类教师，但是机器人学习能力在提升上受到多方制约，发展进程将会是比较漫长的。

二、人工道德智能体：主动培育价值观何以可行

人工道德智能体的概念与开发，已经勃然兴起。已有研究者采取专题文献综述的方法阐明，机器伦理学家已经提供了七个支持和/或促进道德机器发展的理由。它们分别为：（1）必然性。具有道德决策能力的机器人将成为一种技术必需品，人工道德代理人既是必要的也是不可避免的。（2）防止对人类的伤害。道德机器的发展是为了防止机器人伤害人类。减少人类伤害的唯一方法，就是建造具有道德能力的机器人，能够像人类一样检测和解决道德问题。（3）复杂性。随着自动机器系统变得越来越复杂，它们在不同环境中自主运行的能力也在不断扩展。机器人需要具备道德能力，以便在不可避免的、不可预测和无结构的人类环境中管理其不可预测的行为。（4）公众的信任。制造人工智能，需要公众增强我们在创建代表人类行事的自主代理方面的信任和信心。如果机器人被赋予道德能力，那么这将使公众放心而加以接受。（5）防止不道德的使用。开发人工智能，必须防止人类滥用，或者不恰当的使用。机器人发展成为—个道德机器，才能够防止对自身本身的滥用。（6）道德诉求——更好地使用道德机器。人非圣贤孰能无过，但是机器人可以。机器人在道德决策方面可能比人类做得更好，因为它每次做出决策时都是公正、冷静、一致和理性的。更重要的是，机器人永远不会感到疲劳，而会精力旺盛地在决策中保持一致，在道德行动中坚持到底。（7）更好地理解道德。开发具有道德推理能力的机器人，最终将有助于更好地认识把握人类的道德。当人类建立人工伦理推理系统时，人类将学习如何更合乎道德地行事。

机器人既能教知识，也能培育知识里的价值观，是科学技术发展到高级阶段的必然趋势。自治型道德智能体的创生，价值体系的建构以及人工智能系统的完善，均为机器人能够主动地培育价值观提供了强有力的技术支持。

（一）外部前提：自治型道德智能体

机器人教师主动地培育价值观，首先要求机器人教师必须是自治型道德智能体（Autonomous Moral Agents）。自治型道德智能体是能够进行自主选择和决策的道德智能体。机器人成为德育教师，需要具备与学生进行交互的能力。教学和学习是一个共情的过程。只有当师生主体自觉地尝试理解对方并产生共同观点时，才能缩短师生之间的初始距离，有效教学教育才能发生。教师自主的道德行为，将直接或间接地影响学生的道德学习效果。因此，机器人教师必须是有道德的和自治的。

知识能使机器人成为自治型道德智能体。机器人是知识发展的智能衍生物。一方面，计算机处理能力的增长、全球数字网络的出现、分布式计算的进步和大数据的发展，使社交机器人、无人驾驶汽车和软件“代理人”等自组织和自治智能系统的应用越来越普遍。另一方面，人类一切认知成果均表现为知识，道德也不例外。在机器人走向智能体的进程中，人类有意识或无意识地使之进行着道德成长与价值开发，把知识本身内涵的价值观也外化到智能体当中，使机器人成为自治的道德智能体。机器人处理知识和信息，必须内置自主养成道德态度和支配道德行为的智能系统。

（二）内在机理：价值系统

人工智能的道德判断一直是学界关心的问题。无人驾驶汽车、杀人无人机、战争机器人等更是将人工智能的道德判断问题推到了舆论的风口浪尖。现代科技的发展使德性人工智能不再是空想。当前，人工智能已能自主做出许多决策，例如火星探险者机器人（Pathfmder Robot）。“枪不会杀人，只有使用枪的人才会杀人”的价值理念已被彻底颠覆。因此，学者们纷纷提出，机器已经可以自主运行，机器人应该成为有道德的智能体。正如帕多瓦大学计算机科学家罗西（Rossi，F）所言，“此前一直在强调让机器更快、更精确地达到人类所设立的具体目标。今后，我们的目标应该是设计能够根据人类的价值观系统做出自己正确决策的智能机器”。而机器人要想成为道德智能体，持续地发挥社会价值和使用价值，必须获得更多的道德指导。从计算科学的视角来看，即构建内在的价值系统。设计道德智能体，构建机器人的价值系统，需要综合考虑机器人进行伦理决策所需的信息和算法。

到目前为止，机器人价值系统陆续得到开发。研究者已探讨出“强制执行道德原则或理论”的“自上而下的方法”，包括康德式义务论（Kantian Deontology）、阿西莫夫三定律（Asimov's Laws）等价值体系，“基于智能体与环境交互”的“自下而上方法”，例如模拟生命进化、发展和学习的人工生命（Alife）实验，以及融合了“自上而下”和“自下而上”两种模式的学习型智能体LIDA模型。专家指出，拥有价值系统的智能行动者将在十年内面世。

（三）动力机制：智能系统

自1956年“人工智能”概念提出至今，从注重逻辑推理的机器翻译，到依托知识积累建构模型的专家系统，再到以大数据、深度学习和神经网络为基础的“类脑智能”和“类人智能”，机器人模仿人类思维和行为的能力在不断发展。随着智能系统的发展，人工智能变得更加自主。人工智能从由程序员所支配的隐性道德智能体，转变为通过计算便能自主地把道德原则应用于多种复杂情况的显性道德智能体。

人工智能系统（Systems of Artificial Intelligence，SAI）是机器人实现自主运行的动力机制。SAI通常被定义为与快速发展的技术相关的人工开发的智能，这也意味着计算机或机器人等智能代理能够以人类的方式智能地操作。与其他常规计算机算法相比，SAI优势明显。SAI能够独立学习，积累经验并根据各种情况进行分析，而不是依赖于开发人员或程序员的意愿。SAI能够自主运行而不是自动运行，它的发展为机器人主动地培育价值观提供了动力。得益于SAI的发展，现有的教育人工智能已经能够利用模糊逻辑、贝叶斯网络以及案例推理等技术检测学生隐藏的价值观学习特点和偏好，实时跟踪、记录和分析学习者的价值学习过程和结果，了解学生的学习偏好，并依据这一特点为学习者主动地推送合适的价值学习材料，制定个性化的教学方案。更有研究者倡导加强教学机器伦理（Teaching Machine Ethics）的研究，使教学机器在遇到困境时能够自主做出道德选择。不断发展的智能技术将铸造出有价值系统的、自主自治的、能够主动培育价值观的德性AI教师。

在学界围绕机器人能否成为道德智能体和建构机器人教师的必要性与可能性进行理论探讨的同时，一些学者就如何创造德性AI教师从脑机理认知、类脑计算模型和算法以及深度学习等层面进行了探索。

三、德性AI教师：有效培育价值观何以可成

国无德不兴，人无德不立。当具备系统科学知识和价值知识的人工智能以教師的身份进入课堂，德陛AI教师基于高效的数据处理能力进行有效的科学知识和价值知识的教育便不再是天方夜谭。AI教师，是一种特殊的类脑智能型的类人机器人，具有卓越教学专业能力，会带来—个智能教育化的新时代。

（一）德育神经科学涵养德性AI教师

教师的道德水平是教师开展教育教学活动的基石。教师的职业道德不仅是个人意义上的道德问题，更是对整个社会都具有深刻意义的社会性问题。机器人教师进入学校课堂后，同样面临师德考验。如何涵养机器人教师的德性也就成为人工智能领域的一大难题。

“机器的自由度越高，就越需要道德标准”。想要机器人教师具有高尚师德，就需要为其配置“道德系统”。与科学知识可以通过搜索进行问题求解不同，道德问题常常是带有具体隋境的现实问题，涉及多个动作系列。因此，如果继续采用基于大数据的问题搜索设计，将要耗费大量的计算空间。为了能够让人工智能像人一样高效思考，“类脑智能”应运而生。“类脑智能”受脑结构与机制、认知行为机制启发，以计算建模为手段，使系统在信息处理机制上“类脑”，在认知行为和智能水平上“类人”。

“类脑”的关键在于捕捉人类道德活动时大脑的基本特征。有赖于脑成像技术的发展，神经科学与计算机科学交叉合作探寻人类认知的综合模型成为可能。基于人脑认知综合模型的“道德程序”中，受到较多关注的是LIDA模型。该模型模拟了人类在进行道德活动中的自上而下和自下而上两个系统模式，但对具体的道德信息处理过程中的神经活动的认识不足。因而，随着脑成像技术的不断发展，道德神经科学致力于道德活动神经激活与环路的研究，将有望揭示道德活动的内在神经机制。而致力于道德发展神经激活与环路的道德教育与学习的神经科学研究则进一步揭示出道德发展在神经层面的变化与发展。厘清了道德活动和发展的神经机制后，结合数学建模和计算机程序开发出德性神经环路，用以植入到机器人教师的基本系统中，将孕育出遵守道德法则的德性AI教师。

（二）机器学习创造机器人教师

人工智能的研究领域包括智能代理、专家系统、机器学习、模式识别、人工神经网络和知识表示方法等。人工智能进入教育领域，二者融合发展，促进实现教育智能化。例如，智能代理技术奠定了个性化和适应性教学的技术基础，而机器学习则试图使计算机或机器人具有在不被编程的条件下学习的能力。

机器人教师的知识和能力结构指机器人教师从事教学活动所须具备的相关教学内容知识和能力体系，是机器人教师开展教育教学活动的重要前提和必要条件。长期引领教师专业发展的学科教学知识（Pedagogical Content Knowledge，PCK），是著名学者舒尔曼（Shulman，L.）睿智地提出的。根据其中的生成性“二因素结构模型”，机器人教师需要至少具备两种知识—一“课目内容知识”和“教育学知识”。运用机器学习的机械式学习和指导式学习策略，机器人教师就能拥有课目内容知识和教育学知识。凭借课目内容知识，当学生产生问题时，机器人教师能够通过学生问题中的关键词进行检索求解，为学生提供科学知识，辅助学生学习。而教育学知识，将有效提高机器人教师的教学能力，从辅助学生学习，逐步走向教会学生学习，乃至带领学生学习。

当机器人教师拥有一门课程的系统课目内容知识和包括环境创设、资源选择、学情分析、学法选择以及学习评估等高级教育学知识后，其高超的数据处理能力将使得其在教育教学活动中表现更加出色。具备机器学习功能的机器人教师在完成教育教学任务的同时，进行自主学习，在人类提供的现有知识和大量历史数据中学习规律和规则，从而获得新的知识和提高对新情况的分析力、预测力和决策力等。精准的学情分析、最优的资源选择与配置以及个性化的评估方式将得以实现。因而，机器人教师能够有效地进行教育教学活动毋庸置疑。

（三）类脑智能系统孕育价值创造型AI教师

脑与神经科学的研究为构建类脑智能系统提供了重要启发。基于深度学习的循环神经网络（Recurrent Neural Network，RNN）提高了现有人工智能模型与系统的智能水平。

课堂教学实践本质上是一种价值创造活动。基于认知综合模型建立的德性神经环路为类脑智能认识各种价值属性、进行价值判断、展开价值选择并完成价值行动提供了可能。深度学习是机器学习领域更高级、更智能的分支。深度学习基于“人脑有—个深度架构、认知具有一定深度”这一系列假设进行设计。深度架构中，除了输入与输出层，其间充满了丰富的隐含层次。基于RNN模型，开发多层非线性运算单元来架构深度学习，在输入、诸多隐含以及输出层之间，这一层的输出成为另一层的输入，多层结构导致了原始输入刺激的复杂非线性变换，就叠加出深度网络。这样的深度学习神经网络，可以学会大量输入数据的有效特征表征，学会高阶表征中包含输入数据的诸多结构化信息，成为一种从数据中提取表征的较好方式，具有能力解决分类、赋值、比较、判断和选择等特定问题。借助多模态深度学习的类脑智能，不仅具有系统的知识及其价值观的教育能力，能够有效地教知识和培育蕴含其中的价值观，更能够在不断的训练中加深对各类价值观的了解和建构，孕育出价值创造型机器人教师。

继误差反向传播算法（Error Back Proragation，BP）和卷积神经网络（Convolutional Neural NetWoIk，CNN）之后，功能强大的RNN算法应用十分广泛。机器人教师储存大量的道德知识和实证知识，并建立前后信息之间的联系，是实现价值创造的重要前提。然而，传统神经网络对此束手无策。一个神经网络包含输入层（Input Layer）、隐藏层（Hidden Layer）以及输出层（Output Layer）等多个神经元“层”。在传统神经网络中，完成神经网络模型的训练之后，在输入层给定X，通过网络，便可在输出层得到特定的Y。然而，它们只能单独处理每个输入，即前一个输入与后一个输入不存在联系。但是，某些任务需要前后输入具有关系，即能够处理序列信息。为解决这一问题，RNN应运而生。RNN具有循环结构，允许信息转化的持久化。形象地说，一个RNN是由多个子网络融合而成具有递归功能，每一子网络都向后邻子网络传递转化信息，直到所涉对象的求解完成。多层网络循环往复的信号传递为类脑智能模拟高级认知活动、实现机制类脑和行为类人的下一代机器人教师提供了支撑。当前，RNN在语音识别、图像识别和机器翻译等领域得到了大量推广。

认识论研究表明，知识包含价值观。价值与事实、真理是相互渗透和相互包含的。在人工智能技术迅速发展的今天，受脑结构与运行机制、认知行为机制的启发，以计算建模为手段，衍生出的“类脑智能”研究方向，致力于通过软硬件协同实现仿脑机器智能。旨在使机器发展起人脑的广义认知能力及其协同机制，最终达到或超越人类智能水平。这一整合人工智能、计算机科学、脑与神经科学、心理学等的全新研究领域，给各研究领域带来了面向下一代智能信息技术发展的跨学科共同挑战，也给不同学科间的深度实质性融合交叉以及相互借鉴与启发提供了宝贵机遇，正在翘首盼望教育学的加盟以创新教育学化的教育人工智能。此外，鉴于教育机器人技术与产业的迅速发展及其对人类道德生活可能产生的深远影响，未来研究与其抽象地讨论机器人能否成为教师等问题，还不如深入思考与开发机器人教师高尚师德的实现问题和人类教师角色转变和专业发展问题。

作者简介：

陈思宇：助理研究员，博士，研究方向为课程与教学论、行动研究方法论、德育神经科学与人工智能研发（siyu_chan@126.com）。

黄甫全：教授，博士，博士生导师，研究方向为课程与教学论、教育文化哲学、教师教育学和德育神经科学与人工智能研发（huangfq@scnu.edu.cn）。

曾文婕：教授，博士，博士生导师，研究方向为课程与教学论、学习哲学和德育神经科学与人工智能研发（wenjiezeng@qq.com）。

董娜：在讀博士，研究方向为课程与教学论和德育神经科学与人工智能研发（hey_dongna@163.com）。