人工智能与教育学融合的双重范式变革

作 者：
刘凯 

作者简介：
刘凯，博士，渤海大学教育科学学院，渤海大学通用人工智能研究所，副教授，硕士生导师，研究方向：通用人工智能、机器教育、精神病理学，E-mail：ccnulk＠ccnu.edu.cn(辽宁 锦州 121013)。

原文出处：
开放教育研究

内容提要：

ChatGPT已成为教育界的热议话题，但大家对其应用和伦理的“浅”问题关注有余，对教育理论的“深”问题所言甚少。因此，提出正确的技术和理论框架支撑尤为迫切。本研究从技术论视角出发，基于专用和通用人工智能技术框架，阐明ChatGPT本质是工具性的专用人工智能系统，OpenNARS是具有认知能力的通用人工智能系统，并澄清专用人工智能“拟人化”“污名化”及通用人工智能“万能化”“夸诞化”等误解；从本体论视角出发，说明人工智能与教育学双向融合的可能性，揭示ChatGPT成功背后隐藏的教育学“密码”，指出人工智能开启了教育学“人—机”二元主体的新时代；从认知论和方法论出发，描摹人工智能与教育学融合的双向路径，诠释两个学科范式变革的内在动力机制和逻辑框架。作为彼此的学科理论突破口，教育学为人工智能提供了新的诠释视角和理论依据，人工智能为教育学带来新的研究对象和研究方法。教育学真正的学术价值“隐秘而伟大”，但其学科地位与之潜能完全不匹配，不仅核心理论依赖其他学科“给养”，研究方法的科学性饱受争议，甚至学科存在的必要性也遭受质疑。今后，人工智能将因教育学而走得更远，教育学也将因人工智能夯实存立之基并取得科学性之争的胜利，成为打破学科边界、推动范式变革、促进学科融合的中坚力量，最终掌握“大科学”时代的核心话语权。


期刊代号：G1
分类名称：教育学
复印期号：2023 年 10 期

字号：大中小

       一、引言

       2016年，AlphaGo横空出世，击败人类职业围棋顶尖高手，在教育界掀起一场深度学习技术的大讨论。2022年，ChatGPT一鸣惊人，大语言模型(Large Language Model，LLM)一跃受到万众瞩目，人工智能生成内容(AI-Generated Content，AIGC)技术以摧枯拉朽之势席卷并改变诸多行业的生存业态。面对技术变革的强势来袭，教育领域迅速回应，研讨并刊发系列论文，阐述ChatGPT教育应用的未来愿景及潜在风险(邱燕楠等，2023；钟秉林等，2023；张绒，2023)。

       尽管相关讨论很有真知灼见也富有启示，但“冷热不均、深浅不一”。这些讨论一方面偏向隐私、偏见、失信等伦理问题，涉及教学业务较少；另一方面，教育立场大多正确无误，论据却可能掺杂着偏颇乃至错误的技术预设或逻辑推论，未能触及教育的深层学理，原因在于技术与教育之间缺少有效的理论“桥梁”。

       本文基于专用与通用的人工智能框架，致力建造这座“桥梁”。总体而言，其发现可用“一波三折”来描述：“一波”，指ChatGPT大流行及其带来的技术狂欢；“第一折”指基于技术论视角，剖析专用和通用人工智能的本质和局限，回应当前的诸多顾虑；“第二折”指从本体论视角说明人工智能将教育学主体从一元的“人”拓展至机器，形成二元的“人一机”结构；“第三折”指从认知论和方法论视角提出，ChatGPT巨大的学术价值并非强悍的教育应用可能性，而是人工智能与教育学深度融合引发的两个领域的双重范式变革，将带动更多学科迎接一次深层的范式改变。

       二、人工智能乱象之辨

       ChatGPT的相关问题，说之易而言明难。只有从技术视角出发，廓清人工智能的技术边界，才能正确研判相关研究、实践应用和各种推论，准确洞察其蕴藏的时代机遇。

       (一)技术框架

       人工智能高速发展，新名词喷涌而出。但人工智能的基本理论却没有取得同等进步。结果是，有关技术的讨论就像断线的风筝，经常脱离理论而自由放飞。分辨人工智能纷繁复杂的技术现象，必须探本穷源，追溯其背后潜藏的学科理论假设。

       从根本目标看，终极问题源于对智能“黑箱”奥秘的追问(见图1)。从广义上看，人工智能几乎等同于类脑研究，其内涵十分丰富。从狭义上看，因对智能判定的依据不同，仿心路径可分为专用人工智能(Special-purpose AI，SAI)与通用人工智能(Artificial General Intelligence，AGI)两个子类(刘凯，2019)。前者通过预设算法解决特定领域问题，后者致力于研发先天的元学习能力，借助后天教育经验获得特定问题的满意解(Wang，2019)。正是由于人工智能论域的复杂性，相关讨论才出现“错位”现象。

      

       图1 人工智能探索源流

       首先，人工智能的研究范畴包含智能理论与智能技术两个方面。二者侧重点有异，评判标准也不同。前者关注智能何以可能，着眼于智能理论的可能性、整体性和自洽性，判别标准是理论评价；后者关注智能如何实现，立足于智能技术的必然性、领域性和渐进性，判别标准为行为评价。故此，“看似智能”和“拥有智能”存在本质区别。

       其次，智能、智力和智商有异。它们本质都是物理学隐喻。智能是“能”，是一种内在的蕴含；智力是外在表现的“力”，智商为智力商数，是力的“值”。因此，智能看原理，智力和智商看行为。如果原理缺失，即使行为表现符合，也不能认为有智能，比如计算器。反之，如果原理符合，即便出现未达标的行为，也会被认为有智能，比如人类婴儿。

       再次，随着GPT大模型热度的持续上升，“认知智能”和“强人工智能”的讨论再度甚嚣尘上。感知智能、认知智能、弱人工智能、强人工智能、超级智能等非严谨的学术术语频现(刘凯等，2018c)。随着通用人工智能学术研究的兴起，上述术语的使用频率正急速降低。

       最后，基于上述理论梳理与术语辨析，最适合当前讨论的人工智能技术框架便是：人工智能=专用人工智能+通用人工智能(简记为AI=SAI+AGI)。

       (二)技术定位

       时下，人们对ChatGPT的最大误解是将其视为通用人工智能的系统实现或实现路径，却对真正的通用人工智能系统OpenNARS关注甚微。

       1.专用人工智能

       专用人工智能系统不具备认知能力，也难以获得逻辑推理、情绪情感、道德判断、自我意识等能力。ChatGPT的技术本质，就是专用人工智能系统，理由如下：

       (1)没有身体。具身认知的相关研究结论早已表明，身体在认知发展和建构过程中具有不可替代的作用(叶浩生，2022)。ChatGPT是一个超大规模的语言模型，其知识获得源自现有语料的高维统计分析而非身体图式的支撑。ChatGPT的非具身性，使其缺少智能主体对外部世界的感知边界，无法为自己和周围环境建立模型(李恒威等，2006)。因此，不论基座模型的训练，还是面向文本计量的内容生成，都与外部物理世界没有联系。这令ChatGPT内在语义无法接地，也看不到其内部经验拥有指向物理现实的理论可能。

相关文章：