论人工智能时代教师职业的持存性

倪嘉敏

(陇东学院教育学院，甘肃庆阳，745000)

早在1956年召开的达特茅斯国际研讨会中，人工智能首次作为专业术语被提及，其定义为“人工智能是拥有模拟能够被精确描述的学习特征或智能特征能力的机器”[1]。其后，人工智能在发展中主要依循两种思维模式，即本质主义思维模式与功能主义思维模式。本质主义旨在模拟人类大脑的结构，但由于人类大脑高度复杂，至今存在许多难以破解的黑箱式谜团，使之在研发中困难重重；功能主义旨在模拟人类大脑的部分或全部功能，即设计与制造出像人一样思考，像人一样行动，合理地思考，合理地行动的智能机器。[2]功能主义的人工智能思维模式取得了一定成效，著名的“图灵测试”是很好的例证。而今，历经六十余年的跌宕沉浮，人工智能技术已经发展成为以大数据、云计算、深度学习、传感等技术为支撑的集感知、记忆、判断、推理、决策、行动为一体的智能综合体。其中，深度学习为其核心技术。“深度学习”是多层的神经网络，又被称为深度神经网络，其本质是通过多处理层组成的计算机模型来表征数据。[3]换言之，深度学习并非对人脑神经网络的简单模拟，而是通过对海量大数据相关关系的探求以预测事物发展规律及趋势的先进算法。因而，那些数据积淀丰厚、易于被设定规则、易于被识别规律的工作易于被智能机器取代。

可以预见的是，在不久的未来，人工智能必将引发一场雪崩式的风暴，席卷社会各个职业领域，甚至像律师、金融分析师、会计等白领职业也不能幸免。按照《未来简史》作者尤瓦尔·赫拉利的观点：“人工智能时代，人类将会分化成两个极端阶层，即小部分高效掌握与应用人工智能技术的人类将跃升为有用阶层，大多数普通人将会被人工智能技术所裹挟，最终沦为无用阶层。”[4]失业的风险及阶层的分化逼促我们思考这样的现实问题：人工智能时代的教师究竟能否被智能机器所取代？本文旨在从教师职业的性质与工作内容的特点、人工智能的技术限度两个方面入手，探讨人工智能时代教师职业的持存性问题。

一、从教师职业的性质与工作内容的特点分析

奥特尔(Autor)等人曾将职业分为非重复性人力型职业、重复性人力型职业、重复性认知型职业、非重复性认知型职业。这意味着除了非重复认知型职业，如管理者、艺术创作者、创意设计师等职业以外，其余三类职业均面临被人工智能取代的风险。[5]奥特尔划分职业的主要依据为工作性质及工作内容两个维度。从工作性质的维度而言，职业可以区分为认知型的工作与人力型的工作。认知型的工作属脑力劳动，对劳动者的受教育程度提出了较高要求，不易被智能机器所取代；人力型的工作属体力劳动，对劳动者的受教育程度并没有很高的要求，易于被智能机器所取代。从工作内容的维度而言，其又可以区分为重复性的工作与非重复性的工作。重复性的工作有着标准的工作范式与固定的程序，极易被人工智能机器识别规律并取代；非重复性的工作内容具有不确定性，需要借助情境中的人际交往方可完成，不易被人工智能机器识别规律并取代。显然，教师作为脑力工作者，属于认知型的工作，但其工作内容既具重复性，亦具非重复性。如：传授知识、批改作业、阅卷等常规教学工作具有极强的重复性，培养学生的价值观、陶冶学生的情操、涵育学生的人格等工作则具有较强的非重复性。因而，在人工智能时代，随着智能导学系统、智适应学习系统、智能学情引擎系统、教育机器人等系统在学校的广泛应用，那些重复性较强的常规性教学工作将由智能机器完成，意味着人工智能与教育融合后，教师将从传统的知识传授的窠臼中解放出来，更多地关注对学生价值观的引导及精神世界。唯此，技术的物性才能服膺于人性，人才能够最终成其所是，具备丰盈的人性，实现教育培养自由且全面发展的人的价值旨归。

二、从人工技能技术的限度分析

(一)智能机器缺乏创造力

按照康德、马克思等哲学家的观点，人之所以成为创造主体得益于人的自由意志，而人的自由意志又显现于人的自由行为之中。据此，衡量人工智能创造力的关键指征在于其是否拥有同人一样的自由行动能力。表面上看，人工智能机器有着独立的决策能力与行动能力，但其受到了人类预设算法的限定。如：深度学习是一种模拟人类大脑神经突触连接结构表征数据的先进算法，在自然语义理解、机器翻译、语音识别等方面应用广泛。与传统人工神经网络相比，其结构更为复杂，由多层甚至百层的人工神经网络层架构而成。神经网络的层级主要取决于解决任务的复杂程度，任务越复杂，层级就越多，且每一层神经网络都服务于具体任务。其整体结构可分为输入层、隐含层、输出层三层，训练数据经由最底层的输入层传入，在隐含层内逐层自动提取数据特征并自动进行参数记忆，最终，学习结果通过输出层传出。这是一种无需程序员手动标注数据的无监督型机器学习模型，使机器自动学习有用的数据特征，从而赋予机器自主学习的意义。但海量同分布训练数据的提供、权重的调整、参数的设定都有赖于程序员的操作。以此观之，智能机器终究体现了人的行动意志，但其并不具备人类所拥有的创造力。

(二)智能机器在自然语义理解方面存在困难

智能机器在自然语义理解方面存在困难，这主要受制于智能机器缺乏常识及符号难以接地的影响。常识是指人类在与环境的相互作用中所形成的日常化知识，是机器在自然语言理解和推理中所必须涉及的知识。从语用学的层面理解，人类的语言涵盖了句法、语义、语用等三个层面的知识体系。其中，语义知识为自然语言的理解奠定了基础，对语义的理解有赖于具体的语言使用环境，即语境。而语境涉及的知识十分丰富，既涵盖了文本的句法、语句的上下文联系等短期知识，又涵盖了语言使用的领域知识、常识知识等关涉社会文化背景的长期知识。将常识知识转化为智能机器能够识别并表示的语言，实现自然语境与机器语言的完美对接，促使人机之间的有效沟通，曾一度成为技术研究人员的主攻目标。目前，常识知识的表示方面主要有两种研究纲领：一是基于规则语言模型(也称推理模型)的研究纲领，二是统计语言模型(也称概率模型或经验模型)的研究纲领。[6]但由于常识知识的庞杂性、模糊性、相互嵌套性等因素，很难将其符号化与模型化，这是目前制约人机之间深度沟通的主要技术瓶颈。此外，智能机器亦存在符号难以接地的技术瓶颈。符号接地问题探讨符号是如何获得意义的，符号和它们的意义如何联系起来，这里的符号指写出的或说出的语言。[7]由于机器语言以抽象化及逻辑化的符号为载体，智能机器能否拥有理解符号所表征的意义的能力则成为研判“符号是否接地”的主要依据。哲学家赛尔设计的中文屋子实验对此进行了很好的诠释，实验流程大致如下：赛尔作为不懂中文只懂英文的人，呆在一间只有一个窗口的屋子里，屋子里放置了印有中文字符的卡片及用英文书写的符号使用规则书，通过学习字符使用说明书，塞尔了解了中文字符的使用规则，外界的人将中文问题由窗口递进，赛尔根据规则使用说明书的提示解答问题。尽管赛尔并不知道中文字符的内涵及意义，但他仍然能准确无误地解答中文问题。这一实验向我们揭示了这样一个颇具思考价值的事实，即智能机器凭借算法设定的程序实施句法操作，其并没有真正理解符号所代表语句的真实意义，上述因素致使智能机器在自然语义理解方面存在难以逾越的技术鸿沟。

(三)智能机器缺乏情感

情感作为人类智能的组成部分，是主体间性沟通的重要介质，亦是激发人的想象力、使人产生创造力的重要源泉，“人工情感”由此成为近年来人工智能研究领域的重要研究方向。目前，研究范围集中在人工情感建模、自然情感机器识别与表达、人工情感机理四个方面，[8]依循两种研究途径：一种是经验归纳式方法，如感情计算等，另一种是演绎式方法，即模拟情感的发生条件。[9]其实质是将人类的情感数字化。但人类情感的形成机理十分复杂，是外部环境刺激、人的生化机制、心理变化、个性等多重因素相互耦合的结果，具有鲜明的复杂性及个性化特征。加之其与行为之间存在千丝万缕的联系，使之难以被证实和证伪，从而增加了人工模拟情感的难度。如何建立统一的人工情感模型？如何促使智能机器自动生发情感？这些都是有待解答的技术难题。此外，缺乏动机意识、价值观、道德等因素亦是目前人工智能的技术限度，由于篇幅的有限性，在此不再赘述。

三、结语

可见，受技术限度的影响，人工智能在情感的交流、价值观的培育、心灵的涵育等方面远不及人类，无法与人进行深度的沟通与交流。当智能机器教学取代传统人力教学时，无疑虚空化了人与人之间真实的社会性交往空间，造成教学中人与人之间情感的疏离。进一步分析，智能技术以大数据为支撑，如若单纯地依赖数据做出教学决策或学习决策，虚拟的数据世界则会取代人真实的生活世界及行动能力，从而反蚀人性的生成性与丰富性，人由此陷入马尔库塞所谓的单向度的漩涡之中。事实上，人之所以是其所是，不仅是因为人是有意识、会思维的理性主体，亦在于人是有情感、有道德、有价值观、会创造的非理性主体。智能机器赖以生存的算法究其实质依凭的是逻辑理性，其无法滋养人的非理性世界。因而，以人育人是教育永恒不变的本质，唯有人才能担当教育的主体，唯有人才能化育人的心灵，也唯有人才能促使人的灵魂得以转向，人工智能时代教师职能的实现蕴含于教师对学生的人文教化之中。