一、引言 随着人工智能(Artificial Intelligence，AI)类人能力的涌现，以ChatGPT、DeepSeek等为代表的生成式人工智能正引发新一轮社会交往革命。AI凭借日益强大的学习能力、内容生成能力、人机交互能力，催生出可与人自然交流的智能助手、智能学伴，并逐渐获得类人乃至超人的独立地位，而成为对人类具有重要意义的“他者”。人的本质在其现实性上是一切社会关系的总和。当AI不再只是与人类交互的工具，而是可以与人类教师、学生平等交往的一种认知主体，通过与人建立社会关系的方式获得社会生命，其势必会成为一种新的同伴物种与人进行跨生命、跨物种交往，人与AI将无可避免地在身体与心智层面相互依存并持续互构[1]。在数据科学的影响下，AI已实现从数据到信息、从信息到知识、从知识到决策的转化，为人类社会贡献以数据为核心原料的机器认知[2]。活跃在屏幕前的我们已不知不觉地与屏幕后塑造信息的AI相互作用，走向一种融合人类认知与机器认知的人机协同学习[3]。人类正通过一种认知外包的方式来弥补自身认知能力的不足，迈向人机协同认知。余胜泉等指出，“ChatGPT等生成式人工智能对于人的赋能本质的机制是认知外包”[4]，人与外部智能设备的有效协同将是人适应未来复杂社会的基本认知方式。AI在重塑人的认知方式的同时，不仅以较强自主性实现了对自身工具属性的超越，也会重构人的思维与认知劳动，从而影响着人的主体性发展。我们不禁思考：AI如何参与人的认知活动？人机协同认知经历了怎样的形态演变？未来将走向何处？这些问题的解决将有助于认清人机协同认知的实践本质与发展方向，帮助人类更好地审视自身的认知主体性，从而更好地利用技术促进人类认知方式的变革。 二、人工智能以何参与人的认知 技术介入人的认知活动源于认知科学与人机交互领域的交叉，因为基于认知科学可以更好地设计和解释人机之间的交互方式与行为[5]。人类通过设计人机交互技术来支持认知建构，借助技术实现的认知脚手架走向更加科学、深层的认知状态[6]。随着AI技术从知识驱动的专家系统发展到数据驱动的机器学习，再发展到可以与人对话的生成式人工智能，AI参与人的认知的方式可以归结为三种。 (一)以知识驱动的方式 自1950年AI诞生以来，人类一直在探索创造能够模拟人类智能的机器。最初的做法是为机器构造知识库，通过整合领域知识进行研究和模拟人类智能行为，期望机器像领域专家一样对不同的情况作出反应，模仿专家推理作出与人无异的预测。人工智能研究由此转向基于规则的系统和知识库，试图使用明确的规则和逻辑推理将专业知识编码到计算机程序中。知识驱动的领域专家系统也标志着早期人工智能的重要进步。知识库是专家系统的核心组成部分，而知识库中的知识通常以规则形式存在，反映了专家在特定情况下的推理逻辑。所以，专家系统的知识驱动特征体现在其包含的领域知识和由知识获取方式确定的知识使用规则上[7]，是以预定义的规则来解决特定问题。专家系统早期在教育领域的应用集中于智能导师系统，其以知识问答允许学习者与系统交互，系统对学习者提出的问题进行解答。智能导师系统以知识驱动的方式参与人的认知过程，也得益于认知主义学习理论的发展。人们基于流行的认知主义学习理论从传统的计算机辅助教学转向关注学习者的内部认知过程，而建立起包含领域知识、学习者知识、教学策略知识的知识库，预先定义知识和推理规则，由系统自动安排教学内容、选择相应的教学策略。 (二)以数据驱动的方式 在大数据与算力的双重推动下，AI进入机器学习阶段。以机器学习为内核的AI是一种数据驱动的智能，在认知活动中可以帮助人类探索认知能力之外的“自然”，以区别于人类的创造性认知劳动，提升知识生产效率、提取和传递知识以及产生某种机器知识[8]。例如：曾经IBM推出的Watson系统，可以从医疗文献中自动提取知识，增强了其在医疗诊断领域的应用能力；2024年诺贝尔化学奖青睐的AlphaFold系统，可以预测蛋白质结构，展示了AI处理复杂生物信息的潜力。当AI能以数据为原料产生独立的机器认知并应用于社会实践，人和机器认知系统正式在学习、意义构建和决策等复杂认知过程中交叉协同、相互作用，如图1所示。人类认知是一种与信息交互所涉及的感觉过程、一般操作和复杂的综合活动，包括推理、判断、决策、解决问题、意义构建；机器认知是将数据转化为信息和知识的过程，人在机器作为重要“他者”的认知支持下进行预测、调整和决策。如在涉及学习者认知与元认知能力的自我调节学习中，AI已经可以捕获并分析学习者的多模态数据，以确定学习者的当前状态来预测未来学习趋势，并提供实时和自适应的学习脚手架和反馈(如问题提示)，形成人与AI混合调控认知过程的人机协同学习模式[10]。所以，数据驱动的人工智能是以其强大的数据处理能力参与人的认知过程，促进学习者对自身学习过程的深入理解和调控，并以个性化反馈的方式为学习者提供适应性支持。
图1 人类认知与机器认知的交叉协同[9] (三)以对话生成的方式 生成式AI技术催生了以ChatGPT为代表的大语言模型，并初步表现出通用人工智能的特征。虽然生成式AI依旧是依赖大规模的数据(语料库)实现对人类自然语言的模仿或生成，但相对以往数据驱动的方式，其形成了良好的上下文学习机制，可以广泛适应用户的问题，生成契合的内容，并引入了基于人类反馈的强化学习，增强人对机器输出结果的调节，以保证生成的内容符合人类的常识、认知、需求和价值[11]。在大模型的支持下，AI成为可以与人平等交流与合作的一种类人主体，人机在互动过程中开始从“工具交互”跨越到“主体交往”[1]。并且，人机在交往中的内容与意义并不是预设和确定的，而是在人与机的持续尝试、反馈、调整中不断被确认的。人机这种具有学习意义的交往能够拓展人类认知边界，是两者不断交换物质、能量与信息，实现协同的认知发生与知识创造的过程。比如，教师可以基于生成式AI打造属于自己的智能助教，帮助拓展教学设计思路，生成和创建独具自身课堂或学科特色的教学资源等；学生可以利用生成式AI激发创生符合自身认知能力、快速理解的学习资源，以及辅助自己进行艺术创作、论文写作、创意设计等，促进理解和建构知识。所以，生成式AI的潜力并不仅仅在于生成文本、图片和视频，真正的价值在于成为人类解决问题、促进认知发展的“数字伙伴”。
