人工智能时代研究生培养目标的价值向度与实现路径

钟云华，黄小宾

(1.湖南师范大学 教育科学学院，湖南 长沙 410081;2.湖南省教育科学学位与研究生教育研究基地，湖南 长沙 410081)

一、问题的提出

人工智能(Artificial Intelligence)是利用计算机模拟人类所具备的智能行为，并创造出能够“理性决策和行动”的智能机器技术。近十年来，随着大数据、云计算等数字技术的快速发展，人工智能进入了快速发展的新高峰期，其基础理论、核心算法与关键技术日益成熟，并作为“第四次工业革命”的核心技术推动着社会生产力整体跃升和社会结构快速变迁，一定程度而言人类社会已进入了人工智能时代。目前人工智能已深度介入研究生教育领域，表现在人工智能时代所特有的逻辑、思维方式、技术支撑等对研究生教育产生了多维渗透和影响。这种多维渗透和影响既体现在研究生教育的本体论、认识论与方法论等宏观层面，也存在于研究生个体应具备的知识、方法、创新能力和研究规范等微观层面。作为社会系统有机组成部分和教育最高层次的研究生教育，从来就不是游离于社会组织之外的自由体，会对人工智能的各类渗透和影响做出更迅速更有力的回应[1]43。由于研究生培养目标是依据国家教育目的、学校性质及任务和经济社会发展需要所提出的研究生具体培养要求，它关系到研究生应当承担什么社会角色、应该具备哪些素质等根本性问题，因此研究生教育主动回应人工智能多维渗透和影响最为根本的方式，就是响应人工智能时代的独特人才素质要求，对研究生培养目标价值向度进行调整并借助人工智能技术赋能这些价值向度实现。

为了有效回应人工智能时代的独特人才素质要求，实际上我国已经加快了研究生培养目标价值向度的调整步伐。人工智能是新一轮科技革命和产业变革的重要驱动力量，研究生教育应瞄准科技前沿和关键领域，深入推进学科专业调整，完善人才培养体系。《关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见》提出人工智能时代要重新调整人才培养目标的知识结构、研究方法和创新能力等各个价值向度[2]。在上述政策驱动下，部分“双一流”建设高校相继成立人工智能学院或研究院，调整人才培养目标，培养出了一定数量的人工智能相关专业研究生。但客观地说，目前我国的研究生培养，不管从数量上还是质量上，都还不能有效满足人工智能时代的研究生人才需求[3]。

学界在“人工智能对研究生培养目标产生了深刻影响”方面已达成了部分共识，但在研究生培养目标如何回应人工智能诉求的探讨上一直存在分歧。有研究认为研究生培养目标应聚焦于宏观的学科方向调整或者专业方向改革，如设立交叉学科[4]或者调整人工智能专业[5]研究生培养目标，从而回应人工智能对人才培养素质的新诉求。也有研究认为研究生培养目标调整对人工智能的回应放眼于微观层面，课程体系改革[3、6]、学习方式调整[7]、研究项目支持[8、9]与教学方式更新[5]等具体变革，就能在较大程度上体现研究生培养目标改革对人工智能影响的积极回应。以上研究都有合理性，但也存在一些不足。一方面，人工智能对研究生培养目标的影响，既体现在交叉学科、人工智能等相关学科与专业诞生等直接方面，又体现在现有学科与专业研究生培养目标调整等间接方面，即便是那些看似与人工智能完全不相关的学科专业，其研究生培养目标也会因人工智能发展而需要不同程度的变革。因而，对人工智能与研究生培养目标关系的探讨理应置于更广阔的视野下，需要跳出学科专业视角回归到整体研究生培养目标层面。另一方面，以往研究更加关注人工智能对研究生培养目标的课程体系、教学方式等方面的具体影响，是对研究生培养目标中知识与方法变化的关注，而实际上人工智能对研究生培养目标的新诉求并不局限于这两个方面，还有创新能力提升和人工智能规范掌握等其他方面[10]。基于此，论文尝试在整个研究生培养目标层面分析以下问题：第一，人工智能时代对研究生培养目标价值向度提出了什么新诉求；第二，人工智能何以赋能研究生培养目标价值向度实现，这种赋能目前又会面临哪些障碍；第三，如何顺应人工智能时代趋势优化研究生培养路径，从而让人工智能更好赋能研究生培养目标价值向度实现。对这些问题的答案探寻，不仅有助于揭示人工智能对研究生教育的各类渗透和影响，而且也有助于探索人工智能时代研究生培养新路径。

二、人工智能时代对研究生培养目标价值向度的新诉求

研究生培养目标通常包含了知识、方法、发展和伦理四个价值向度[11]。其中，研究生培养目标的知识价值向度是研究生主体进行教育认知与科研活动的前提，方法价值向度是其进行教育实验与科学探究的条件，发展价值向度是其进行教育反思与科研创新的关键，伦理价值向度是其进行教育建构与科研规范的底线。实际上，自研究生教育诞生以来，其培养目标的知识、方法、发展和伦理四个价值向度就一直存在，但相较于传统的研究生培养目标，人工智能时代的研究生培养目标四个价值向度增添了新内容(表1)。

表1 研究生培养目标价值向度时代核心要求差异

从表1可知，相较于传统的研究生培养目标价值向度，人工智能时代研究生培养目标价值向度增添了新诉求，其核心是在传统培养目标价值向度之外，研究生在学习人工智能相关理论算法、关键技术与核心应用等知识的基础上，能正确认识人工智能对个体科学研究与社会发展的复杂作用，并在借助人工智能增强自身创新思维与科研能力的同时，遵循人工智能伦理规范，与人工智能形成一种适切的相互促进关系[10]，具体来说体现在以下四个方面。

(一)知识价值向度：学会知识

知识既是人类认知世界的已有结果，也是人类进一步深入认知世界的基础与依据。不管社会如何变革、时代怎么变迁和技术怎样发展，进行知识学习、延伸知识宽度和增加知识深度，仍是各类学习者开启心智、成就自我和适应社会的重要路径。对处在高等教育最高层次的研究生而言，倘若缺乏适应时代特点的知识获取、存储和加工能力，其研究创新将会成为“无根浮萍”。因而，与传统的研究生学会知识主要指掌握通用知识和专业知识不同，人工智能时代研究生培养目标的知识价值向度要求研究生在学会这两类知识的同时，还需学会以下三个方面的知识：

一是学会人工智能理论知识与跨学科知识。随着人工智能对就业替代效应、创造效应和塑造效应的发挥，未来就业状态将呈现“三极分化”。一极是制造行业中许多具有精确性、重复性、常规性等特征的工作任务被智能机器所取代；另一极是服务行业中较多岗位和其他行业的高创造性岗位因人际性、情感性和高创造性等特征而能不能为人工智能所替代；还有一极是“人机协同”岗位，机器能够自主配合人的工作和适应环境变化。研究生群体主要集中在第二极中的高创造性岗位和第三极的“人机协同”岗位就业，跨界视野生成与跨领域知识积累是他们在这类岗位保持高创造性的动力源泉，扎实的人工智能理论基础与丰富的跨学科知识则是他们在这类岗位保持“人-技术-机器”协同的支撑条件。这就要求研究生在拥有通用知识和专业知识之余，还应具备人工智能理论知识与跨学科知识，以有效适应未来多样态就业岗位的知识需求。二是学会人工智能搜索与存储知识的“元知识”。人工智能时代的知识生产剧增与学习者有限的知识习得之间不对称性加大，研究生难以凭己“一脑之力”获取与存储全部知识。因此，研究生教育应以“学习者为中心”，结合研究生的实际需要，推动研究生掌握人工智能搜索和存储知识的“元知识”，凭借人工智能不断拓宽知识宽度。三是学会如何运用人工智能加工知识的“策略性知识”。研究生既需对新知识与技术进行探究，也需对既有知识进行深度加工和改造，实则要求研究生学会知识迁移，在知识习得的基础上对已有知识进行深加工，形成新旧知识有效联结，这需要研究生在人工智能时代掌握如何对既有知识进行加工和对新知识进行探究的“策略性知识”，通过对知识的精深加工增加掌握知识的深度。

(二)方法价值向度：学会研究

人工智能正在推动科学研究“第六范式”[12]的生成，主要表现在以下三方面。其一，科学研究“数据化”。个体在不同领域内社会活动的数字化正在加速推进，数据的转化、传输、处理、整合和存取更为便捷，这为科学研究提供了更高的数据起点和更宽的方法论视角，各类研究开始由传统研究方法向大数据研究方法转型。其二，科学研究方法“多元融合化”。机器学习、社会网络、社会计算、信息可视化、自然语义分析等人工智能研究方法与统计学、计量经济学等传统研究方法相融合，有助于研究者对各类研究问题进行更广泛更深层的数据挖掘，从而得到运用传统研究方法不能得到的研究发现。其三，科学研究视角“跨界关联”。当前学界倡导跨场域、跨学科、跨团队的多元科学研究路径与范式，跨界研究将成为人工智能时代科学研究的一种常态，如教育科学与脑科学、神经科学、生命科学等学科交叉研究，科学研究的视角选择和探索方向得以拓宽。

研究生教育的本质要义在于“研究”，遵循科学研究范式、运用科学研究方法、呈现科学研究结论和创新学科知识或实践模式是其基本内核。在人工智能方法变革具有强制性甚至颠覆性的背景中，研究生需主动进行研究方法“革命”，学会研究与实现研究方法自觉。值得注意的是，学术型研究生与专业型研究生学会研究的侧重点有所不同。前者应学会对某一学科前沿研究领域或重难点问题进行研究，试图为学科知识发展和理论创新做出贡献，学会研究的标志不仅是对既有研究进行再检验和再升华以产生新发现，而且是运用合适的研究方法向新研究领域进军以发现新问题、得到新结论或形成新理论。后者主要为了实践问题的创造性解决进行学术理论探究，学会研究的标志则是将人工智能研究的一些方法与范式融合到专业实践中，探索符合时代和学科逻辑的专业实践新模式。

(三)发展价值向度：学会创新

近十年来，随着人工智能在基础理论、核心算法、关键技术及大数据应用等方面的突破发展，人工智能已向人类社会比较清晰地展现了其所蕴藏的巨大创新潜能，并引领新一轮创新浪潮的到来。相较于以往的创新浪潮，人工智能所引发的创新多聚集在基础学科、学科基础部位和学科边缘的基础生长点，且具有速度快、广度宽、深度大等多方面的“颠覆性”潜能[13]。但人工智能在引领创新浪潮的同时，也对研究生等创新主体的创新能力提出了更高的要求。

有别于本科教育以知识掌握和素养提升为主要目的，研究生教育的主要目的是知识创造和问题解决,自然后者对创新能力的要求更高。因此，在人工智能对研究生创新能力提出新诉求的背景中，需要重新树立研究生教育的创新能力培养观，进一步把学会创新作为研究生培养目标的重要价值向度之一。可以说，在人工智能时代，学会创新不仅是研究生学习的旨归，而且是研究生培养目标价值向度的一种内在要求，其主要内涵有三：一是学会什么是创新。在人工智能时代，由于深度学习、脑科学、神经网络等相关研究的深入与应用推广，创新的广度、深度和精度都已发生重要变化，创新与否和创新程度的评价标准自然随之变迁，研究生需掌握人工智能时代创新的本质、评价标准和重要规律，在此基础上为自身研究创新寻找可能方向。二是学会如何创新。人工智能时代创新的发生机制有所变化，人机“耦合”将是创新的重要发生路径，创新的重要生长点在于人工智能技术对科学研究的赋能。为此研究生需学会如何创新的知识与方法，且如何创新的知识与方法掌握要和人工智能时代知识生产模式新样态紧密结合。三是激发创新思维和生成创新能力。那种苦学、循序渐进的传统学习方式难以实现研究生高质量培养，因为它容易造成研究生学习过程中的思维定势，制约着研究生创新能力的生成。人工智能时代的创新往往立足于对海量资源科学筛选与快速运算的基础上，研究生应通过发掘与分析知识海洋中的知识交汇点与关键点，进而促使自身创新思维的激发与创新能力的生成。

(四)伦理价值向度：学会人工智能规范

人工智能为社会发展带来变革机遇的同时，也给人类带来了伦理失范风险。人们已经发现，人工智能发展容易引致人与技术、人与人、人与社会等关系的异化。从人与技术的关系看，人工智能时代里技术反过来将人与物置于其中，人的主体性容易被技术“屏蔽”和“绑架”，技术也很容易被人误用和滥用，构成“人即技术、技术即人”主客体模糊关系。从人与人之间的关系来说，大数据技术的滥用使得个体位置信息、关注内容和互动频率等个体行为特征容易被他人获取并分析。在这一过程中，他人不仅知道你是“谁”，还能预测你将成为“谁”，人与人之间的关系变得更加透明。从人与社会关系的角度来说，人工智能有时会引致人的社会认知困境、社会互动协作方式改变和部分偏见强化等消极影响。这三类关系的异化，使得人工智能可能会引发社会不平等恶化、个体隐私安全泄露、道德主体界定不清和法律责任划分“空窗”等一系列伦理风险。

因此，在研究生培养目标的伦理价值向度，要求培养出来的研究生在运用人工智能开展研究的过程中，应掌握人工智能伦理规范，学会对自身研究负责，并能正确处理人与技术、人与人、人与社会的关系，从而让人工智能技术使用“向善”和培养的研究生更富有社会责任心。首先，研究生应熟知人工智能伦理风险发生的内生性、关系性和现实性等特征，减少自身研究中人工智能使用的伦理风险生长点。其次，研究生对人工智能的运用应遵循一般的人工智能伦理原则，同时还需遵循教育伦理原则，即追求福祉、明辨是非善恶、坚持公平正义、维护人权和尊严、责任和问责等。最后，研究生应充分考虑人工智能在自身学习与研究活动中所扮演的新角色，避免这些角色的不当行为带来的伦理风险，规避主动利用角色的特殊地位为个人谋利或发生危害他人利益的行为。

三、人工智能赋能研究生培养目标价值向度实现及其障碍

人工智能时代对研究生培养目标四个价值向度提出了新诉求，然而作为人类智慧的延伸，人工智能亦会反向赋能研究生培养目标四个价值向度实现。但值得注意的是，人工智能是一种尚未成熟的革命性技术，它赋能研究生培养目标价值向度实现需要一定条件，条件不具备或不充分就成为这种赋能得以进行的障碍[14]。

(一)赋能学会知识却囿于浅层化学习藩篱

人工智能可利用机器深度学习从海量知识资源中获取、储存、选择、编码与加工相关知识，通过提高研究生对知识生产规律的认知，赋能其自主进行知识生产与积累，提升研究生学会知识的效率[15]。首先，人工智能为研究生学会知识提供丰富的学习素材。人工智能发展拓宽了研究生学习素材的获取渠道，使其能够从虚拟桌面、应用程序、工作站和云端优化容器等线上平台中，更加便捷地获取前沿学习素材。其次，人工智能帮助研究生存储、处理和分析海量知识。人工智能不仅能帮助研究生存储和处理知识，还可赋能研究生不断对所学知识的参数进行后向优化，挖掘知识的学习规律，进而促使研究生对所学知识进行深度分析。最后，人工智能帮助研究生加工知识。人工智能延伸思维器官和放大智力功能，它和人脑功能相互联系、相互促进，使研究生通过间接方式对知识进行更有深度的加工，从而获得对知识更深层的认识。

人工智能可在一定程度上提升研究生知识搜集与知识加工的效率，但在涉及研究生知识掌握与知识迁移等多场景知识应用方面还受制于一定的局限条件，如人工智能赋能研究生学会知识，需要研究生采取主动性、批判式的方式进行深度学习。但由于当下“泛化式”学习与“专业式”知识学习的限制，许多研究生的学习活动仅停留在浅层学习层面，不利于人工智能赋能研究生学会知识。一方面，人工智能时代海量知识学习容易导致知识的无意义堆砌，数字化带来便利的同时也引发了浅层化学习的流弊。研究生每日在移动设备上花费大量时间浏览碎片化信息，新旧知识之间难以构建有效联结，长此以往的被动学习与粗浅的知识加工并不利于其文字感悟与表达能力的提升，更谈不上形成真正学会知识所需的批判思维与学习迁移能力。另一方面，研究生局限于特定学科领域的知识学习虽然聚合了知识发展的专业力量，但在一定程度上强化了研究生浅层化学习。知识大爆炸时代下高校难以培养出百科全书式的研究生，为发挥知识体系的聚合效应，研究生学习往往聚焦于某一特定学科领域，但这容易导致学科知识间壁垒高筑[16]。学科规训下的知识学习在无形中打破了研究生复合知识学习的“多棱镜”，在面临新领域新知识学习时，研究生容易因其专业化知识体系限制从而难以实现知识的跨领域迁移与应用，知识学习难以高效开展。

(二)赋能学会研究却受制于既有研究路径依赖

在现代科学研究活动中，从研究问题到研究目标有多种研究方法可供选择，选择适切的研究方法有助于研究工作事半功倍。随着人工智能的迅速发展，人工智能可从研究问题、研究风格、研究基础和研究水平等多个维度量化描述研究生个体特征，通过智能搜索获得相似度高的研究问题和研究者的丰富资料，在此基础上设计出包含研究模型库、研究过程数据库、研究方法引擎等功能模块，进而应用群体智能模型和蚁群优化方式，在静态和动态研究单元中为研究生开展研究推荐适切的研究方法。这与现实生活中智能导航依据输入参数就可为服务对象提供多元选择路径类似，人工智能不仅能为研究生提供既定问题、条件和拟达成研究目标之间的各种研究方法，还可根据研究问题、研究条件和研究基础推荐最优研究方法，辅助研究生实现方法自觉，提升科学研究效率。

但步入科学研究殿堂不久的研究生，对研究问题与研究目标之间存在哪些研究方法可供选择、如何选择等方面都缺少经验，因而偏好导师方法指导和自身研究习惯来选择，导致人工智能赋能研究生学会研究至少面临两种既有研究路径依赖。一是研究生导师的既有研究方法路径依赖。在人工智能环境的驱动下，许多研究生导师面临着教学与科学创新等方法模式由传统的“人-人”互动模式转向“人-机-人”互动模式的时代挑战。“人机协作”要求导师主动学习人工智能时代的研究方法，并在师生互动过程中善于运用语义识别、智能题库等智能技术辅助教学与研究。但在实际过程中，教师容易因其传统研究方法训练、思维定势等原因，他们更依赖以往研究方法而不愿发生改变，从而制约自身人工智能研究方法的学习。而作为研究生培养的核心主体，研究生导师所掌握研究方法的数量多寡和熟练程度，又将直接制约着研究生对人工智能时代特有研究方法的学习。二是研究生对既有智能技术的路径依赖。虚拟助理、实时语音、推荐引擎等人工智能技术的发展，为研究生学会研究带来了更加便利的智能技术辅助，但在一定程度上弱化研究生深入学习研究方法的自主性，如研究生过于依赖人工智能技术所带来的便利，而忽视自身对研究方法学习的推导与深入实践过程，使得学生混淆“运用技术”与“学会研究”之间的本质差异。这容易导致研究生自身研究思维锻炼不够与科研实践经验积累不足，减少其“学会研究”的可能性。

(三)赋能学会创新却受阻于创新基础不足

人工智能可从三个方面赋能研究生学会创新。一是人工智能赋能研究生创新领域延伸。现代社会知识创新多发生在基础学科、学科基础部位和学科边缘的基础生长点，人工智能技术能够利用蒙特卡洛(Monte Carlo)搜索，根据研究生的研究问题、学习偏好推送知识图谱，以图文并茂形式介绍相关研究的知识结构、彼此关系、发展过程和不足之处，方便研究生根据自身需要和研究基础寻找创新领域。二是人工智能指导研究生创新过程。人工智能基于知识空间理论和贝叶斯定理，以数据驱动方式收集研究生学习的历时参数与现时参数，智能识别研究生的学习风格、学习水平和学习动机，并结合行为科学与脑科学的最新成果，对研究生学习研究情况进行深度诊断，在此基础上提供实时化、动态化、智能化和个性化的指导，辅助研究生在创新过程中不断动态优化创新活动。三是人工智能赋能研究生创新能力习得。随着人工智能的发展与算法研发门槛的降低，人工智能融入科学研究领域的步伐加快，部分学习能力较强的研究生通过学习能获得一定的算法开发能力，并将这种算法开发能力应用于自身研究，从而大大提升了自身的科研创新能力。

研究生学会创新需要一定的创新基础，如问题意识、创新思维和创新能力等[15]。尽管其知识储备已达到一定的程度，但相较于人工智能时代的新要求，其问题意识、创新思维和创新能力等创新基础仍然不足，人工智能难以有效赋能研究生学会创新。一是问题意识不足阻碍人工智能赋能研究生学会创新。无论是人工智能时代的现实诉求，抑或是研究生学习自身需要，研究生对海量知识资源的科学筛选与快速运算都应该以问题意识作为行动导向。然而由于当下教学过度强调静态专业知识学习，这必然导致研究生问题意识的狭隘化，难以在复杂性、综合性与不确定性并存的人工智能时代中形成批判思维与问题意识。二是创新思维和创新能力不足阻碍人工智能赋能研究生学会创新。人工智能时代中研究生培养的创新思维旨在唤醒学习者主动应用智能技术以延伸自身的智能，从而形成解决复杂问题的创新能力。在海量数据处理过程中，研究生需要形成包含计算思维、人机协同思维在内的创新思维体系，并注重数据意识、算法逻辑与抽象分解等核心素养培养[17]。但在实然状态中，研究生思维能力的培养更依靠导师和学生双方基于学科既定知识进行简单思维训练，即“看现象-找问题-究原因-提对策”，而忽视以“抽象与概括-问题分解-算法-分析建模-自动化-数据实践-评估与改进”[18]为主的创新思维体系培养。这容易简化难题和限制人们思维的发展，从而难以生成适应人工智能时代的研究生创新能力。

(四)赋能学会人工智能规范却受限于伦理道德教育式微

人工智能技术有助于人们解决“能不能”的实然问题，而人工智能规范则有助于人们解决“该不该”的应然问题。对于研究生教育而言，人工智能不仅是单纯的技术问题，而且是伦理规范问题。“人-机”关系厘清，有助于研究生更好地遵循人工智能规范。一方面，人工智能发展促使研究生对“人-机器/技术”主客体关系原则进行思考。在传统技术模式与人工智能早期阶段，技术只能基于外部立场作用于研究者，难以从研究生立场出发考虑研究问题，容易导致研究生的主体性被技术“屏蔽”。随着人工智能从“弱智能”发展到“强智能”“超智能”，技术应用实现从“游离身外”到“具身模拟”，人工智能技术不再表现为“由外部向研究生直接或间接施加各类刺激的工具”[7]，而是通过人工智能具身模拟研究生学习，帮助研究生更清晰地认识自我和技术之间的关系。另一方面，人工智能发展推动着研究生深化对“科技向善”原则的思考。“每种技术都有其内在的偏向”，它在其物质外壳下时常表现出何种用场的倾向性[19]112。早期赋能科研创新的人工智能过于偏重工具理性，只要求找到科学和工程目标的最优解，往往会忽略“有温度的科技”等价值理性。但随着智能技术与人类社会的深度融合，其内在倾向性应该置于“科技向善”原则中加以思考。如人工智能遵循个人信息采集的“最小必要”原则，尽量避免个人隐私泄露、大数据杀熟、信息茧房等问题出现，让人与技术之间友善的主客体关系构建成为可能[20]，进而充分实现人工智能技术对理论研究与实践关怀、自身诉求和社会目标、现实需求和未来需要等几组矛盾的协调功能。

但人工智能赋能研究生学会人工智能规范时，却面临高校人工智能伦理道德教育式微困境。一方面，高校重视人工智能“技”与“术”的知识教育，却忽略了人工智能伦理道德教育。作为人工智能伦理道德教育的主要场所，高校人工智能专业学习人数增加与相关的伦理课程开设数量之间存在明显的断层，且人工智能伦理教育缺乏规范化的教材，这不利于研究生对人工智能伦理达成一致性共识，也不利于研究生掌握人工智能使用规范[21]。如果单纯从人工智能技术维度出发而不考虑技术背后的生命价值，那么人工智能的运用多停留于确定技术标准、创设技术环境与优化技术手段层面，人工智能伦理道德规范中的情感体验、价值选择、技术向善等要素容易被“算法”忽视，导致研究生教育背后的生命价值湮没于人工智能的技术价值当中[22]。另一方面，少量的研究生人工智能伦理道德教育，也容易降格为表面化的伦理知识摄取，其内在的深层意蕴、价值判断和文化意象等很难被内化[23]。这不利于人工智能伦理知识内化于研究生内心从而形成伦理规范，更妄论让其形成人工智能道德意志和行为。在有限的人工智能伦理规范下，研究生在人工智能算法设计与运用过程中，难以有效地生成道德自觉与利他行为，无法有效减少自身研究中人工智能使用的伦理风险生长点。

四、人工智能赋能研究生培养目标价值向度实现的优化路径

人工智能时代对研究生培养目标价值向度提出了新诉求，它在赋能研究生培养目标价值向度实现的同时却面临各种现实障碍。这要求研究生教育需积极顺应人工智能时代趋势，从知识前提、方法条件、创新基础与伦理底线等路径，打破人工智能赋能研究生培养目标价值向度实现的障碍。

(一)夯实知识前提：推动知识联结与重构

推动人工智能赋能研究生学会知识价值向度的实现，需要基于深度学习理念推动新旧知识联结与跨学科知识重构，从而夯实知识前提。首先，促进研究生新旧知识之间的联结。高校可运用图像识别、情境感知等人工智能技术，采集研究生学习行为、学习状态等方面的数据，再综合运用信息提取、知识图谱、情感计算等技术对研究生学习短板与当前学习内容进行关联分析，自动从海量学习资源中精准推荐学习资源[24]，让新旧知识进行精准联结。研究生自身也可通过自适应学习系统中多层次、多类型复合知识练习来强化新旧知识之间的内在联系。其次，通过学科交融促进跨学科知识重构。学科交叉与融合是知识生产与知识积累相互作用下知识体系的结构性调整[25]97，也是未来科学发展的必然趋势。人工智能赋能研究生培养目标价值向度实现需要对研究生课程资源进行解构和重组。具体而言，一方面，研究生培养需要在专业课程之外，以高等数学、线性代数等理学课程作为基础，以机器学习、知识处理等课程作为核心，以数据分析、计算智能等课程作为支撑，以系统设计、智能建模等课程作为实践，促进人工智能时代中研究生培养目标的知识获取、搜集与加工能力的习得；另一方面，在人工智能背景下，研究生的课程体系理应从单一学科知识体系转向兼顾实践应用、问题导向、能力发展、创新思维的多元学科知识体系，从而实现基于问题的课程体系、基于能力的课程体系、基于实践的课程体系的集成[10]。最后，促进研究生知识的自我加工。研究生无论是简单使用抑或是叠加使用人工智能推荐的知识，都难以将这些外部知识的获取转换为个体内部的知识储存与加工。因此需要研究生实现人与技术共融，对知识进行深加工，通过深加工实现自身知识的有效迁移，推进自身掌握的知识由“量”的增长向“质”的转变，推动自己的知识意义构建从“物理形式”叠加向“化学反应”聚合转型[26]。

(二)打破路径依赖：综合学习运用多元研究方法

如前所述，研究生的研究方法选择受导师和研究生自身两种研究方法路径依赖制约。因而，促进研究生学会研究，需要从导师教育主体、研究生研究主体和导生关系三个维度出发，驱动研究生运用多元研究方法开展研究。首先，导师应注重“人机协作”的研究方法学习。当人工智能与教育深度融合时，“人机协同”将成为教师未来工作的新样态。导师应主动通过人工智能来创造学习条件，实现自身对数据的深入挖掘和运算能力的提升。学校也可通过利用人工智能技术构建导师专业发展的数据模型，生成导师发展的动态性成长“菜单”，并有针对性地诱发不同导师群体学会研究[27]。其次，导师注重培养研究生学会研究的自主性。在人工智能时代，研究生时常活跃于虚拟网络与人工智能领域，其接触多元研究方法的途径愈发多元化。导师应引导学生从过度依赖教师传授研究方法和浅层技术运用的思维惯性中走出，激发研究生学会研究的自主性，即教会研究生运用技术为自己赋能，并根据实际需要灵活构建知识图谱，以及培育其敢于正视方法学习困难的勇气，实现方法“自主”。再者，导师和研究生均要加强多元研究方法学习。一些人工智能算法模式与传统的统计学、计量经济学相互融合，使得科学研究方法日新月异，如社会网络、信息可视化、自然语义分析等新型研究方法就不断发展。作为研究生培养主体的导师和作为研究主体的研究生，都应秉持“终身学习”理念[28]，不断追踪学习科学研究方法前沿，结合自身研究需要尽可能掌握更多“人机协作”的研究方法，通过更多研究方法的掌握打破既有研究路径依赖。最后，导师和研究生需加强多元研究方法运用。导师秉持“最好的研究者通常是优秀的研究生导师”理念[1]152，以交叉学科项目为载体，指导研究生运用多元交叉学科知识，综合使用多元研究方法，开展跨界研究，有效将课程理论学习、科研方法运用与实践活动展开相结合，实现“学习中研究”和“研究中学习”双向互动，通过研究方法实践运用打破研究路径依赖[6]。

(三)厚植创新基础：推进创新思维训练与创新能力习得

在人工智能时代，高校与研究生导师可从以下几个方面推进研究生创新思维训练和创新能力习得，以厚植研究生的创新基础。首先，培养研究生的问题意识。“学术研究的目的是发现某一学科领城中的新知识、探求真理和科学规律，从而强调知识的客观性和独创性”[29]。研究生问题意识的培养需要契合人工智能时代知识生产新样态。一方面，在知识交叉融合中发现新问题。现代知识创新多发生在基础学科、学科基础部位和学科边缘的基础生长点，研究生要在人工智能技术促成的知识交融环境中主动打破学科思维定势，对学科交叉知识领域多加关注，并善于在不同学科知识的相互渗透中发现问题。另一方面，在人机协作中探寻新的问题生长点。通过人机协作，研究生可借助人工智能技术，在更大范围、更大规模的知识生产中发现并聚焦问题[30]。其次，激发研究生创新思维。人工智能作为一个综合性前沿领域，与计算机科学、数学、心理学、脑科学、语言学等学科紧密相关，在知识链中又涵盖了基础层、技术层和应用层。面对这样一个涉及计算思维等在内的技术领域，高校在发挥人工智能广泛辐射能力和广泛链式反应特征赋能研究生学会研究时，可借鉴新西兰坎特伯雷大学所提出的旨在培养学生心智模型的计算思维实践项目(如CS Unplugged项目)；或者利用编程语言帮助学生培养其以计算思维为核心的创新思维体系等[18]。随着研究生课程知识体系的变化，研究生导师也应深化教学改革，并以小课程、多模块、跨学科、重实践等教学模式，激发研究生创新思维。最后，培养研究生创新能力。研究生创新能力的培养离不开相应的科研创新实践。高校、科研机构、企业等主体应推进研究生联合培养基地建设，并设立人工智能领域相关的科研课题，鼓励研究生申报或参与其中，引导研究生积极关注人工智能领域的现实难题、设计研究方案与完成科研课题等，从而实现研究生“从做中学”到“从做中干”，促使其创新能力的生成。

(四)强化规范约束：推进人工智能伦理道德教育

人工智能技术的广泛运用正在改变着传统的人际关系和社会结构。人际关系由“人-人”逐渐转化为“人-机-人”，而社会结构也由“人-机器”向“人-智能机器-机器”跨越，这带来了人际关系失调、失业、隐私泄露和人性异化等一系列伦理道德问题。牛津、卡内基梅隆和爱丁堡等世界一流大学都提出要培养能遵守人工智能社会道德的研究生，让研究生在人工智能技术运用过程中遵循人工智能规范[3]。现实要求与他国经验都启示我国应该进一步推进人工智能伦理道德教育，引导研究生更好学会人工智能时代的研究规范。首先，应更加重视人工智能伦理道德教育在研究生培养目标实现中的价值。伦理道德素养是人工智能技术研发与应用的前提条件，培养人工智能时代的人才必须加强人工智能相关教育与规范。研究生作为未来人工智能技术研发与应用的主力军之一，需要将道德观念、价值理念和伦理价值教育融入研究生日常教育过程之中，培养人工智能时代研究生的道德想象力和专业伦理判断力，让研究生具有移情理解、悉心关怀、善恶分明等道德能力[31]34，增加研究生人工智能技术使用时“向善”的概率。其次，推进人工智能伦理道德教育开展。针对人工智能时代的主要伦理难题(如算法歧视、隐私泄露、失业等)，尝试在道德教育过程中用反实事推理检验方式来梳理解题线索，抑或参考其他领域伦理道德教育共性方式来尝试解答难题，从而让研究生人工智能伦理意识、社会道德意识和道德理念综合发展。在人工智能伦理道德教育中，列出“人工智能伦理负面清单”，让研究生知晓人工智能时代开展研究必须遵循的“底线规范”[32]，参考联合国教科文组织颁发的《人工智能伦理问题建议书》，编制我国研究生培养人工智能伦理规范指南[33]。最后，推动伦理道德规范“升级”。任何人工智能的运用最终应是以人类自身及其社会文明的完善为最高目的或目标追求[34]，研究生应在遵循“底线规范”的基础上主动追求更高的伦理道德规范，这既是个体不可推卸的责任，同时也是时代建构新伦理道德规范的诉求。

结语

近几年，随着我国研究生持续扩招，毕业研究生数量不断增长。“第四次工业革命”浪潮中许多就业岗位对研究生的人工智能素养要求越来越高，高校研究生供给增加和劳动力市场研究生需求数量减少而质量标准提高这对矛盾所产生的张力，让研究生就业面临较大压力。为此，《人工智能领域研究生指导性培养方案(试行)(2022)》对研究生培养目标中的知识水平、创新意识与能力素质等方面提出了新的要求[35]，习近平在中国共产党第二十次全国代表大会的报告中提道：“加快建设高质量教育体系……推进教育数字化，建设全民终生学习的学习型社会、学习型大国。”[36]以上都为人工智能赋能研究生知识价值向度学会知识、方法价值向度学会研究、发展价值向度学会创新和伦理价值向度学会人工智能规范提供了良好环境。