教育视野中的人工智能与人工智能教育-理念、战略和工程化设计

/教育视野中的人工智能与人工智能教育——理念、战略和工程化设计【摘要】当前，开展教育与技术两种不同话语体系的深层次对话，用教育的语言解读人工智能技术发展的历史与现状，并在教育信息化向智能化攀升的历史大背景中，展望人机协同创新的智能化教育变革发展的未来走向，是一项十分必要的工作。在工业文明向信息时代生态文明变革的战略视野中，对人工智能教育系统工程的设计，必须用互联网思维、智能化思维超越原有工业化的思维框架，才有可能突破目前发展中的各种阻力、惯性、瓶颈，求真务实地创新发展。要倡导培养“智能素养”、防范“智能风险”，创建“团队化人机共生学习模式细胞结构”，以此作为信息化学习空间的“生成元”。人工智能的本质是在对人类智力深刻反思基础上的科技创新、文化创新、文明觉醒。当代人工智能的迅速发展和在各个领域的广泛应用，必将激发、凝聚全社会的学习智慧、教育资源，创生出各种改善社会异化、教育异化的有效行为和变革教育的强大力量。【关键词】人工智能；智力；深度学习；智能素养；未来教育 70多年以来，人工智能始终是科技的前沿，已经成为人们对信息时代新生活的理想和憧憬。然而从基础理论到具体应用，人工智能的发展却步履艰难，且几起几落。实践表明，人工智能基础理论和应用研究是密不可分、双向并进的。一方面，人工智能在不同领域的应用是否成功，取决于能否破解该领域理论与实践面临的一系列难题，这显然又取决于人工智能的成果能否与该领域深度融合，毕竟这是两种话语体系、思维方式、工作模式沟通基础上的协同创新。另一方面，人工智能基础理论的进展，取决于对人类大脑、神经系统、思维方式、感知觉系统、语言文字概念处理系统、行为系统及所有这些复杂系统相互关系的研究与模拟，而这些也正是教育基础理论与实践研究的基础和前沿。由此可见，人工智能在教育领域的应用，不同于在其他领域的应用，因为这同时是深化人工智能基础理论研究的重要通道。因此，将人工智能的成果引入教育理论与实践，推动教育系统走出工业文明、步入信息时代，同时用教育创新的实践与理论成果反哺人工智能研究与应用，开展这两个领域专家的深度对话与携手创新，尤其是共同推动作为两大领域基础理论和前沿的学习科学与学习技术的研究以及实践的深化发展，具有重大的现实价值和深远的战略意义。 一、智力、智能与人工智能 (一)视角的选择与概念的澄清 当前人工智能已成为时代和社会关注的一大热点。大家普遍接受了这样的观点：科学技术的进步将把人类带入一个新的时代，人工智能将破解当前人类文明发展的许多重要难题。但究竟什么是人工智能？人工智能和人类智能是什么关系？如何从人类文明的健康发展角度来选择和确立人工智能发展的目标和价值导向？对这一系列重大问题的认识和思考，目前非常混乱，而且存在着很多误区和模糊认识。这就必须正确解读和认识人工智能。 什么是人工智能？这是一种追根溯源的研究，可以称之为人工智能的本体论、认识论问题。这个问题涉及多学科、多重视角、多种研究方法和方法论之间的对话与融合，我们选择从大教育观的视角来讨论人工智能与教育的关系。 研究人工智能，当然要从大家都熟悉的人工智能的发展历史入手，并由此寻找深化发展的生长点。一谈到人工智能的历史，大多数人都会从1956年美国达特茅斯会议上首次提出人工智能(artificialintelligence，简称AI)这一概念开始。也许有人会往前延展到冯·诺依曼和阿兰·图灵的贡献，接着展开论述人工智能发展进程中不同流派的兴衰和总体的三起三落，尤其是当前基于复杂神经网络的“深度学习”。这其实是狭义的人工智能技术发展史，要真正理解和解读智能这一最基本的概念，还要从人类对智力的认识和研究追根溯源，并在人工智能专家与心理学、教育学专家的对话交流中，对基本概念进行反思，澄清许多混乱和模糊的认识。 (二)智力与智能辨析 首先需要辨析的概念是智力与智能。很多人认为，在英语中二者是同一个术语“intelligence”，因此在译成汉语后很少将二者加以区分。实际上在汉语中二者是有明显区别的，智力是指人的内在能力，而智能则是这种内在能力所表现出来的外在功能。其实在英语中这种差异和区分同样存在，intelligence在英语中是个多义词，既可以指人乃至动物的内在智力(更多是使用mind，中文译成心智)，也可指心智的外显功能，以及从外在功能来研究内在智力。法国心理学家比奈(AlfredBinet)1905年编制的世界上第一个智力量表用的就是intelligence，哈佛大学著名心理学家加德纳(HowardGardner)提出的多元智能理论，用的也是intelligence。仔细分析不难看出，早期心理学家对于复杂的人脑和智力活动无法直接研究和把握，所以行为主义心理学家就将其视为“黑箱”，而从外显的行为入手来研究智力。1956年，人工智能这一概念诞生后，开启了从外部模拟人脑和神经系统功能，从内外两方面研究和发展智力的新路。 人类探索智力与智能的过程经历了不同发展阶段，形成了不同的研究方向、路径、专业，产生了不同的方法、理论和话语体系，因此开展不同领域之间的对话交流就显得极其重要。当前特别要开展人类智能与人工智能两大研究与实践领域的对话，促进两者在双向建构中携手创新，形成不断发展的人—机智能系统，把个体和人类从繁重的脑力劳动，特别是重复性思维、学习、教育活动中解放出来。 (三)智力的内在结构与双向建构 对智力的研究不能满足于对智力下一个简单、静态、抽象的定义，而必须把智力放在人类文明发展的进程中深入考察其演变发展。 从方法和方法论上尤其要对以下三者做严格明确的区分：其一是智力本身的内在结构—功能及其演变机制；其二是人类对智力认识和研究的不断深化发展；其三是智力功能的外化和人类对这种外在于人的智力功能的模拟、创造。当前智力、智能和人工智能研究中的混乱，许多都源于对这三者的混淆。 我们首先来考察智力的起源及其内在结构—功能的演变机制。现代科学面临四大难题：宇宙起源、生命起源、人类起源、智力起源。在讨论人类起源和智力起源的时候，关键难题是要回答人与动物的本质区别，而且必须揭示这种区别是如何产生的。恩格斯在《劳动在从猿到人转变过程中的作用》中揭示出，使用工具的劳动过程促成了原始人的手脚分工、直立行走，专门使用工具的手的形成，和在使用制造工具过程中意识、思维、技能的产生和大脑、神经系统结构的变化，在漫长的进化过程中形成了越来越复杂的智力结构。由此可见，从人类生存发展的需要出发认识世界，提出问题和解决问题，这是人类智力的最本质特征。由此我们可以揭示出智力的基本要素和内在结构。 在智力结构中，居于首要地位的是认识世界的能力，简称认知能力，包括观察力、记忆力、思维和想象力、人与人之间的交流能力等；但人类认识世界的目的是适应环境，改变环境，不断创造出更适合人类生存发展的环境。这是人类特有的实践活动，其内涵和外延都要比认知活动更大。人类实践与动物行为的本质区别在于：人的实践是使用工具改造世界的有目的、有意识的活动，这种有目的、有意识的活动就是智力活动。对智力结构及其外显功能的剖析，必须重视对使用工具技能的研究和解读。劳动工具是人类肢体器官的延伸和外化、强化，与此相联系的使用和制造工具的能力，则是智力中区别于认知能力的技能，其特点和主要表现形式是具有可操作性的程序化活动。在人的智力产生发展中，伴随着认知和技能的还有道德、意志、情感、兴趣、动机、审美、价值观乃至理想信念等。在许多心理学理论中，把道德与情感排除在智力活动之外，称之为非智力因素，这显然是一种狭义的智力观。加德纳1983年提出的多元智能理论突破了这一狭窄的传统心理学视野，将音乐智能、空间智能、身体运动智能、人际交往智能、自我认识智能等都纳入人类智能结构之中，这是智力研究中的重大突破，为智能和人工智能的研究奠定了更全面、科学的理论和方法论基础。 人类智能的发展是一个双向建构的过程：使用和制造工具的劳动一方面促进了内在智力的发展，使人的感知觉和概念、判断、推理等思维能力和理性认识，以及制造和使用工具的技能、战胜各种困难的意志力和审美情感、社会交往能力等越来越丰富、复杂；另一方面创造了越来越丰富的外在于人的工具系统、人化自然环境(房屋、城市、农业、畜牧业、手工业等)，以及用各种文字符号记载的多样化的精神产品(音乐、美术、文学、科学、道德、哲学、宗教等，哲学家卡尔·波普尔将此称为“世界三”，这正是人机结合展现人工智能这一超强智能的重要舞台)。这内外两方面的双向建构在不断深化发展的认识和实践过程中相互转化，螺旋上升，使人类文明以越来越快的速度向前发展。 (四)人类对智力认识和研究的深化发展 对智力的研究和反思首先是在古代哲学中展开的，古希腊柏拉图、亚里士多德的著作中有大量关于宇宙、精神、理性、灵魂的探究。这种抽象的哲学本体论探究虽带有浓厚的宗教神秘主义色彩，但许多天才想象和猜测，成为后来科学发展的思想源泉。康德是西方思想史的集大成者，他概括了西方哲学、科学、道德、宗教、艺术等领域的成果与困惑，写了《纯粹理性批判》《实践理性批判》《判断力批判》，深刻阐释了人类内在的认知、道德、情感，和外在的科学、人文、艺术三者之间的区别与联系，提出了判定真善美的价值尺度。近代科学中专门以人类大脑、神经系统、思维和心智为研究对象的学科是心理学。1879年德国著名心理学家冯特在莱比锡大学创建世界上第一个心理学实验室，标志着心理学的正式诞生，至今还不到150年，却产生了众多流派和思想体系，如华生和斯金纳的行为主义、比奈的“智商测试”、吉尔福特的“智力三维结构魔方”、弗洛伊德和荣格揭开潜意识之谜的精神分析学、皮亚杰的发生认识论、科尔伯格的道德发生论、维果茨基的社会建构主义、奥苏伯尔对机械学习和有意义学习的区分、加德纳的多元智能理论、马斯洛和罗杰斯的人格主义心理学、斯托曼的情绪心理学、布洛的审美心理学……这些心理学家分别从不同层次和视角对人类大脑、神经系统、感知觉、思维、道德、情感、意识、无意识等各类心理现象和心理活动展开了全面系统的研究。 如此庞大、复杂的智力研究成果如何分析、整合、评判、筛选，又如何用来指导学习者和教育者更有效、健康地开发个体智力，提升人类整体智能和文明水准？1946年世界上第一台电子计算机的诞生，创生了从外部模拟与提升智力功能的现实道路，从此人工智能和人类智能开启了携手步入信息时代的新征程。 (五)从智力的科学研究转向信息技术与智能技术创新探索 前面我们对人类智力的发展以及对智力认识的发展史进行了梳理，但要检验和不断深化对智力的认识，就必须研究智力的功能，并从外部模拟、发展和强化这些功能。这就必须实现从科学研究向技术创新的转变。从计算机技术到人工智能技术的发展，展现了人类打开智力黑箱的另一条艰难探索之旅。 查阅人工智能的历史和作为人工智能前史的计算机科学与技术发展的历史，可以很容易找到各种版本的详尽介绍，无须赘述。历史研究的目的是总结历史规律，指导和把握现实与未来发展的方向。这就需要把信息技术、智能技术放在更广阔的视野中，在工业文明向信息时代转变的历史背景下认识和把握信息技术、智能技术的本质与发展趋势。 如前所述，智力和人工智能是两个不同的世界，前者是人的内在世界，后者是人创造的外在世界，也被称为“人化自然”。研究和探讨这两个世界的关系，是探究复杂人工智能之谜的关键，破解这一关键难题的钥匙是“技术”。 二、技术发展的三个阶段与人工智能的本质 (一)技术概念的历史演变 技术究竟是什么？这个问题看起来似乎很简单，但真要给技术下一个明确的定义却没那么容易。 《辞海》对技术的定义是：根据生产实践经验和自然科学原理而发展成的各种工艺操作方法与技能。广义地讲，还包括相应的生产工具和其他物质设备，以及生产的工艺过程或作业程序和方法。① 《哲学大辞典》是这样定义技术的：技术一般指人类为满足自己的物质生产、精神生产以及其他非生产活动的需要，运用自然和社会规律所创造的一切物质手段及方法的总和。西方技术一词源自希腊文lechne，意为“工艺、技能”。汉语出自《史记·货殖列传》：“医方诸食技术之人。”包括生产工具和其他物质设备，以及生产的工艺过程和作业程序。从本质上说，技术是一种劳动的形态，是人类自身功能的对象化的产物。② 在这两个定义中，对技术的理解是有差异的，后者在东西方技术概念的比较中更深刻地揭示了技术的本质，是技术哲学的视野。 现代技术是在文艺复兴以来西方科学、文化、经济、社会的土壤中形成与发展起来的，因此，要想更深刻地理解和研究现代技术的本质、规律及其理论界定，就必须对西方技术概念的演变发展做简要的历史回顾。③ 在西方思想史中，技术概念经历了一个不断演变发展的历史过程。 亚里士多德是西方思想史上第一个对知识和人类活动进行分类的哲学家。他最早对科学和技术做了区分，把技术称作“制作的智慧”，这代表了西方古代哲人对技术的看法和观念。由此我们已经可以明确看到在技术结构中所包含的两大要素：其一，技术是人类的创造性智力活动，这是技术的本质特征；其二，技术存在于人类使用工具改造世界的(制作)活动之中，这是技术存在的外部形态，仅仅停留于头脑之中的智力活动是不能称为技术活动的。所以，技术是人类使用工具创造性地改造世界的客观物质活动。 人类的技术活动加速了人类文明发展的进程，同时使技术本身的内容和形式变得越来越复杂。18世纪的法国哲学家狄德罗给技术下了这样的定义：技术是为某一目的共同协作组成的各种工具和规划体系。这是在近代科学诞生和与此相伴随的工场手工业兴起之后人们对技术的看法。目的、协作、规划体系等概念在技术定义中的出现，标志着近代技术的目的性、超前性、复杂性、协作性、系统性等特征已开始被认识和重视。 工业革命是技术发展史上一次质的飞跃，因为在蒸汽机出现以前，技术中的工具系统都属于人类肢体的延伸，而蒸汽机则是人体动力系统的延伸，通过在工具系统中加入越来越强大的能源系统，并由此使工具系统中的机械部分从结构到功能都发生了质的变化，使人类改造自然的能力以前所未有的速度迅猛发展，创造了近代以来依靠工程技术实现经济腾飞的奇迹。正是这样的时代背景，呼唤人们从理论上总结技术的本质和发展规律及其社会作用，技术哲学由此诞生。德国哲学家E.卡普于1877年出版的《技术哲学纲要》一书，被公认为技术哲学诞生的标志，他在书中把技术看作人类创造力的物质体现，把技术活动看作人类“器官的投影”。这种技术观显然带有十分浓厚的机械论色彩，这是工业文明时代工程师乃至公众技术观念中不可避免的时代烙印。同许多19世纪的学者一样，卡普对技术的潜力十分乐观，把技术视为文化、道德和知识的进步以及人类“自我拯救”的手段，这也代表了工业文明时代的技术价值观和历史观。与此不同的技术观的代表是海德格尔，他以存在主义哲学大师所特有的人文关怀和冷峻目光，开创了对技术和技术社会进行哲学反思与文化批判的后现代思潮。 (二)技术在人类文明发展中经历的三个阶段 跨入21世纪以来，世界正在经历着从工业文明向信息时代的历史巨变。什么是信息技术？信息技术为什么能够成为时代的标志？要想解答这些问题，就必须研究划分历史时代的现实根据和理论依据。 众所周知，唯物史观是把生产力发展水平作为划分历史时代的客观依据。马克思当年曾以制造生产工具的物质材料的变革作为区分不同时代生产力发展水平的客观尺度，科学地揭示了石器、青铜器和铁器的更替所导致的生产力发展的质变，以及由此决定的生产关系、生产方式的变革。 当大机器生产取代手工工具之后，社会以更快的速度向前发展。此后生产力的质变以什么为标志呢？仍然以制造生产工具的物质材料来区分显然不行了。马克思剖析了以蒸汽机的诞生为标志的工业革命，揭示和论证了这是生产力与交往方式、社会关系发展中更重要、更深刻的历史变革。只是由于受当时历史条件和生产力发展水平的限制，马克思未能对此作出更深刻的哲学概括，没有明确提出划分现代生产力发展阶段的尺度。 现代科学家、哲学家对这个问题作出了各种不同的分析和解释。从哲学高度总结概括当代科学技术和人文社会科学的研究成果，在更广阔的历史时空中剖析生产力发展中主要矛盾演变发展的规律，从而在更高的抽象层次上概括和揭示划分生产力发展阶段的客观尺度，丰富和发展唯物史观的理论体系，不但有助于生产力范畴和理论体系的深化，而且能更科学有效地指导日新月异的社会实践。④ 当代生产力技术构成的最主要因素可以归结为材料、能源和信息。在不同时代，这三者对生产力发展的影响是不同的，表现出以下规律：生产力的质变先后以材料、能源和信息为标志。这是生产力内在矛盾运动的必然结果，体现了生产力发展中主要矛盾的转移：在以手工工具为特征的原始社会和农业社会，生产力发展的水平和效率主要取决于制造工具所使用的物质材料，由此决定了材料变革成为生产力质变的标志；当机器代替手工工具之后，庞大的机器设备同有限的人的体力发生了尖锐矛盾，这使动力、能源上升为生产力发展中的主要矛盾，并将各方面的科技成果和科学家的智慧凝聚到这一主题上来；蒸汽机的发明解决了这一主要矛盾，成为近代生产力发展的强大推动力，而由此导致的机器设备的迅速更新又同蒸汽机的笨重、低效率发生了尖锐矛盾；电动机的发明和电力的推广应用解决了这一矛盾，因此成为第二次产业革命的标志；能源、动力系统的变革，促使生产力系统的结构和功能日益复杂化，并创造出高速运转的流水线，使生产过程中需要迅速处理的信息量剧增，这又同人的智力发生了尖锐矛盾，计算机的诞生延伸了人脑，使生产过程中信息处理和控制系统发生质变；计算机在生产过程中的普遍采用，势必要求信息传导、加工、存储、选择利用等系统随之发展，从而推动了卫星通信、光导纤维、大规模集成电路等新兴产业乃至多媒体计算机、互联网、云计算、智能终端等当代信息技术的迅速发展。 对技术发展三个阶段的历史考察清楚地揭示出：计算机技术、人工智能技术是区别于手工工具技术、能源技术的信息技术。信息技术的特征是要把人脑和神经系统，也就是内在智力的功能外化、符号化(软件)、物化(硬件)、强化。人脑的功能极其复杂，如何破解这一神秘的“黑箱”？人的大脑和思维功能如何外化、强化？这就需要进一步回顾总结人工智能技术的前世今生，由此把握其发展趋势和前景。 (三)计算机技术催生的人工智能技术 在智力外化的复杂探索中，人类从当时的需要和可能出发，找到了突破口：从模拟简单、有严格规律的计算功能出发，产生了从简单的手摇计算器，到越来越复杂、高速运转的电子计算机。1946年诞生的第一台电子计算机埃尼亚克(ENIAC)，是为解决复杂的火炮弹道计算和火力表测试而设计的，每张火力表包括3000个不同的弹道参数，其中每个飞行时间为60秒的弹道用台式计算器来计算，一个人需要用20个小时。美军军部雇佣了两百多个计算快手，还是算不过来，而埃尼亚克每秒钟可以进行5000次加法运算，还可以做乘除法、平方立方和更为复杂的函数数值运算⑤，这让人们大为惊喜。英文的computer被翻译成电脑，从计算速度来说，电脑确实大大超过了人脑，但其实两者的工作原理是完全不同的。在计算机的设计过程中，人们发明和使用的是二进制，用0、1两种不同的代码表达“通”和“断”两种不同的光电信号，再把各种复杂计算任务编写为用二进制计算的程序和算法，机械的高速运算就实现了。如今最快的大型计算机已经达到每秒千万亿次的运算速度，能处理各种极其复杂的计算问题，但其基本工作原理仍然建立在人为其设计的机械化运算程序基础之上。 然而人类用电脑代替人脑、超越人脑的理想和追求却始终没有停止。正是在这样的追求中，人工智能的概念和技术呼之欲出，并在艰难曲折中发展起来。 人工智能的设想和概念的提出，主要归功于三位人物。 第一位是被誉为计算机科学之父的阿兰·图灵(AlanTuring)。1936年图灵发表了著名的论文《论数字计算在决断难题中的应用》，提出了用简单算法实现超强计算能力的理念和“图灵机”的天才构想，奠定了现代计算机的理论基础，并在“二战”中英国情报局研制的密码破译机中实现了计算技术的重大突破，开启了具有存储程序的数字计算机的基础和方向。1950年图灵又发表了题为《计算机器与智能》的著名论文，提出了图灵测试、机器学习、遗传算法和强化学习等重要概念和思想，成为人工智能的思想先驱。 第二位是马文·明斯基(MarvinMinsky)。1951年他提出了关于思维如何萌发并形成的基本理念和构想，并建造了世界上第一个神经网络模拟器“Snare”，虽然还比较粗糙、不够灵活，却是人工智能研究初期的重要尝试。在此基础上，明斯基提出和破解了使机器基于过去行为的知识，预测其当前行为结果的难题，并于1954年完成了以《神经网络和脑模型问题》为题的博士论文。后来明斯基在接受《纽约时报》采访时说：“智能问题看起来深不见底，我想这才是值得我奉献一生的领域。”正是这一想法，使他与人工智能的研究终身相伴，被誉为“人工智能之父”。 第三位是约翰·麦卡锡(JohnMcCarthy)。他是标志人工智能诞生的“达特茅斯夏季人工智能研究会议”的倡导者和人工智能这一术语的提出者。麦卡锡当时的主要研究方向是计算机下棋，在艰难探索中他创立了著名的α-β搜索法。1958年他到麻省理工学院任职，与明斯基一起组建了世界上第一个人工智能实验室，提出了将计算机的批处理方式改造成能同时允许数十甚至上百用户使用的分时方式的建议，并创建了世界上最早的分时操作系统。1959年麦卡锡开发出著名的LISP语言，成为人工智能界第一个最广泛流行的语言。1962年麦卡锡转入斯坦福大学，成为该大学人工智能实验室的主持人，为人工智能领域培养了大批优秀人才，也被誉为“人工智能之父”。 (四)人工智能技术发展的三起三落 对人工智能发展历史的介绍和总结概括已经很多了，但过于专业化容易让非专业人士感到困难，因此以下我们尝试用理论与实践结合、教育与技术对话、雅俗共赏的方式做概括性的梳理和介绍。 人工智能研究的最初思路是要从外部模拟人的大脑和思维活动。从70多年人工智能和智能技术开发的方法和方法论历程来说，先后尝试和经历了对人脑思维的功能模拟、结构模拟和行为模拟三种路径，并形成了与此相应的功能主义学派(也称为逻辑或符号主义)、结构主义学派(也称为连接或仿生/神经网主义)和行为主义学派(也称为进化或控制主义)三大流派。功能主义注重数学逻辑可解释性，连接主义注重仿人脑模型，行为主义注重应用与反馈控制模拟，三派分别开拓了人工智能研究的不同疆界，但也都遭遇到各自的挫折和发展瓶颈，由此演绎了70多年来人工智能发展三起三落的精彩剧情。 1956年达特茅斯会议之后，人工智能迎来了发展的第一次高峰。计算机原来被认为是只能进行数值计算的机器，通过对人脑产生思维的模拟，连接主义学派早在1943年就提出了形式化神经元M-P模型，特别是1957年提出了感知器神经网模型，使其开始应用于数学定理证明和自然语言处理等领域，如解决学生感到棘手的几何定理证明、求解大学一年级的闭合式微积分问题。还可以编写西洋跳棋程序，能达到业余高手的水平，设计整合多项技术的机器手，开启机器人探索等。这让很多研究者和应用者感受到计算机智能化的威力，当时有不少学者乐观地预言：“二十年内，机器将能完成人能做到的一切。”但当时计算机计算能力不足，对应的算法也相对简单，遇到复杂问题就无法解决。1969年明斯基与LOGO编程语言的发明者西蒙·派珀特在合著的《感知机》一书中反思了当时初级形态“感知机”的局限性，使人工智能在整个70年代陷入了低谷。 人工智能的第二次高潮源自对人类专家的知识和解决问题的方法进行的研究和功能模拟，开启了以“专家系统”为代表的人工智能逻辑符号学派的发展历程。专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等部分构成。其中知识库与推理机功能的分离是对人脑功能研究深化所取得的一项重要成果，这项成果源自认知心理学对大脑短期记忆和长期记忆功能的区别的研究。特别是赫尔伯特·西蒙揭示短期记忆功能和容量的“组块原理”，启发计算机设计者将计算机记忆功能的内存和硬盘分离，大大提高了计算机的速率。此阶段的一个标志性成果是1997年IBM“深蓝”机器人(超级计算机)击败了国际象棋世界冠军卡斯帕罗夫，这在当时引起了极大的轰动，是逻辑符号主义人工智能在博弈领域的最高成果。但此时人工智能已遭遇到“第二次寒流”。专家系统的“瓶颈”在于：虽然每个领域专家系统数据库中存储的专家经验和案例都是海量的数据，但每个领域现实中要解决的问题是千变万化的。以国际象棋中的博弈为例，IBM“深蓝”机器人存储了象棋大师丰富的棋谱，对手每走一步棋，“深蓝”都要在复杂的棋谱中快速搜索、寻找对策，甚至要测算出后面的十几步、几十步棋，这样才能稳操胜券。而这取决于专家数据库的丰富性、计算机算力的强大和要解决的现实问题的复杂程度。所以当时很多专家都断言，机器人可以在相对简单的国际象棋比赛中打败世界冠军，但要想在极其复杂的围棋比赛中获胜是绝对不可能的！ 面对人工智能再次出现的低潮，在不被理解，缺少项目、资金支持等困难条件下，许多人工智能专家仍坚持不懈地深化基础研究和应用研究，取得了一系列重要成果。如1982年的霍普菲尔德网络，1985年的玻尔兹曼机，1986年的多层感知器，1986年反向传播算法解决了多层感知器的训练问题，直至1987年卷积神经网的发明并于1989年将反向传播算法和卷积神经网络用于识别银行手写支票的数字，首次实现了人工神经网络的商业化应用。此时恰逢互联网创造的“数字化生存”新时空降临，并快速穿透、扩展到人类工作、学习、生活的方方面面，加速了人类从工业文明向信息时代的历史变革。互联网催生了“云计算”“大数据”“物联网”等，并通过迅速发展的各种“智能终端”深入各行各业、千家万户，深刻地影响和改变着人们的思维和行为方式，再随时把海量数据反馈、汇聚到云端数据库中。云端的巨型“电脑”不仅要存储和学习专家的知识和行为，还要分析研究各行各业、老百姓的各种需求和行为，由此推动人工智能从专家化向大众化、生活化、人性化服务转型。这促使人工智能再次开展对复杂的人脑和神经网络进行更深入的研究和模拟，人工智能的硬件软件技术和算法也在更快的创新中迅速更新、升级。人类进入互联网和大数据时代后产生了海量数据，2004年图形处理器(GPU)的发明，使得支撑建立在新一代神经网络(卷积神经网络、深度神经网络等)基础上的深度学习所需要的算力得到满足，开启了“机器学习”应用的快速发展；2009年在语音识别方面取得了重大突破；2011年苹果公司将Siri整合到iPhone中开展人机交谈；2012年谷歌研发的无人驾驶汽车开始路测；特别是2016年3月9日至15日，谷歌的AlphaGo与世界围棋冠军韩国李世石大战五局，前者以4∶1获胜，打破了20年前“机器人在围棋中不可能取胜”的预言。至此，人工智能第三次浪潮终于开始降临。 人们惊讶地追问：基于神经网络深度学习(连接主义学派)的AlphaGo与基于逻辑推理(符号主义学派)的“深蓝”之区别究竟何在？其奥秘在于：“深蓝”可视为在单层(浅层)“神经网络”中存储和训练众多国际象棋大师的“棋谱”，在高速运算中遵循规则，通过程序寻找双方对弈的可能路径(穷尽法搜索)，由此测算下面的棋局发展变化与对策，据此战胜对手；AlphaGo(以及升级版的AlphaGoZero)则是基于多层(深层)神经网络的“深度学习”与“增强学习”(reinforcementlearning)策略，通过自我对弈训练来提高围棋博弈水平。人工智能专家将这种新一代人工智能神经网络的算法和功能称为“深度学习”，但实际上人工智能的“深度学习”与人类的学习模式还是截然不同的。认清这一点至关重要，我们将在后面对此做详细解读。新一代人工智能有了这样一种功能强大的“大脑”和“神经网络”，要想解决现实中的各种复杂问题，特别是与人的沟通，还必须模拟人的“感知—行动”。这使行为主义学派的价值开始显现。行为主义学派的思想源于进化论和控制论，认为智能取决于感知和行为对外界复杂环境的适应，而不是表示和推理，只要一个人造机器具有和智能生物相同或相似的表现，那它就是智能的。这派的代表作是著名的波士顿动力机器人和波士顿大狗，可完成各种体操动作，踢不倒，稳定性、移动性、灵活性都非常突出，但其智能并非来源于自上而下的大脑控制中枢，而是自下而上的肢体与环境的互动。近十年来，人工智能在模拟人的各种行为方面攻坚克难、集成创新，取得了越来越具有实用价值的喜人成果：语音识别，图像识别，机器翻译，无人驾驶的飞机、汽车，银行、商店中的电子支付系统，各种场景中的人脸识别系统等，在各种危险、繁重的工作场景中充当人的替身，尝试成为孩子的学伴、老人的护工，甚至成为信息化、智能化战场上可怕的杀手。信息化、智能化成为一种不可抗拒的时代潮流，在数字化生存新天地中，人们的工作方式、学习方式、生活方式正在发生着潜移默化的深刻变革。新一代年轻人是数字化生存环境中的“原住民”，年长的一代则不得不努力成为“移民”，否则就将成为“难民”…… 然而，人工智能在应用领域节节胜利的喜庆声中，其发展的瓶颈再次显现：应对复杂应用环境的鲁棒性(在异常、危险情况下的系统稳定性)和自适应性，智能系统的安全性、通用性，数据挖掘的“偏见性”，高速计算的成本等，质疑和反对的声音也随之出现。人工智能的“寒冬”还会再次降临吗？ (五)围绕人工智能发展现状与前景的论争 我们在看到当今人工智能一路高歌猛进的成果时，也必须看到其发展的局限和瓶颈，尤其要更深入地研究和反思人工智能与人类智能的关系。前面我们主要是从乐观、积极的方面总结技术和信息技术、人工智能发展中不断取得的成就的史料和观点，其实在技术，尤其是能源技术和信息技术发展进程中，怀疑、批判、反对的声音始终存在。这样的观点、理念成为后现代思潮中的重要警示，提醒专家和公众认识和研究技术的“双刃剑”性质，始终保持理智、科学、清醒的头脑。 在谷歌的AlphaGo战胜世界围棋冠军李世石之后，围绕人工智能前景展开了激烈的争论。很多人乐观地预言，人工智能在五十年之内将会超过人类，他们的依据是，如今计算机对数字的运算速度已经达到人类的几十亿倍。当代两位科技奇人斯蒂芬·霍金和埃隆·马斯克也都提出过“AI威胁论”，从一个独特视角表达了对人工智能前景的预测。充满想象力的文学艺术家，特别是影视编导们则创造了不少科幻作品和好莱坞大片，宣传人工智能取代人、战胜人、毁灭人类等耸人听闻的话题，制造了公众对“AI”的恐慌情绪。许多资深的人工智能专家也严肃地发表了各自的见解。南京大学机器学习与数据挖掘研究所长周志华院士在接受凤凰网记者访谈时，对此问题的回答中引述了国际上公认的“深度学习”三大带头人之一、Facebook人工智能实验室负责人燕乐存(YannLeCun)的话：“有些人是因为对人工智能的原理不理解而导致恐惧，有些人是为了个人名望而宣扬人工智能威胁论，有些人则是为了商业的利益推动人工智能威胁论。”⑥我国模糊数学与人工智能基础理论研究领域的著名专家汪培庄教授有一段深刻的反思：“深度上浅层化、广度上碎片化、体系上封闭化，乃是当今人工智能发展中明显存在的病症。”根源何在？可能还是要回归到人工智能和人类智力的比较，并由此深入人工智能的基础理论和方法论中寻找。在此要特别推荐我国著名人工智能专家李国杰院士的观点。⑦2021年7月李院士围绕人工智能是否会再次进入严冬，深度学习是否达到了发展的天花板，AlphaFold给我们什么启示，可解释性和通用性是不是当前最重要的研究方向，符号主义与连结主义融合的前景如何，中国如何发展人工智能技术和产业等当前世界人工智能发展的现状和前景发表了系统、独特、深刻的见解，其中专门介绍了斯坦福大学每年发布的《人工智能指数报告》(TheAIIndexReport)2021年的观点，认为报告既肯定了人工智能近十年取得的进展和为企业提供了大量机遇，又强调必须注意采取措施降低使用人工智能的风险。我国在对人工智能的前景做判断时，既要看到人工智能技术的高速发展和巨大潜力，又要看到现有技术的局限性和人工智能理论取得重大突破的艰巨性。 如何判别当前围绕人工智能争论与分歧中各派观点的是非曲直？这涉及多重视角、多种价值观纷争，是极其复杂的科学技术、经济道德、社会文化、哲学宗教交织在一起的复杂现象，下面我们从大教育观的视角，深入与人工智能密切相关的学习科学与教育领域，或许能找到一些与众不同、引人深思的观点和启示。 三、人工智能教育应用的价值导向与系统工程设计 (一)技术在教育领域应用的历史反思 技术诞生于人类改造自然的物质生产领域。迄今为止，人类运用得最纯熟的还是非生命的理化技术，其机械、主客二分甚至主客对立的技术哲学背景，使近代技术在工业革命以来一方面取得了不可阻挡的辉煌成就，另一方面也使原始、和谐的自然资源和生态环境遭到了不可容忍的劫掠与破坏！ 技术的发展和普及有其自身的规律性，其中一个重要规律就是，技术必须适应它所运用的领域和对象的特殊性。近代理化技术之所以首先在近代工业中获得成功，原因在于近代工业的对象基本上都是非生命的自然物。而农业、畜牧业对理化技术的运用要比工业困难得多，也迟缓得多，因为当时人们尚不能用理化技术去直接干预、改造有生命的动植物生长发育过程。只是在人们找到农机、化肥、农药、化学除草剂等现代农业技术来改造农作物所生长活动的外部条件和外在过程，从而间接地影响和干预其生长发育的内在过程，尤其是直接影响种植和收获这两种植物生命发展处于相对静止的特殊状态时，现代农业技术才在农业生产领域取得了成功。只是成功的背后也留下了众多败笔和无穷的隐患！ 技术在畜牧业中的命运比农业更惨淡，因为其面对的是具有更复杂生命活力的动物界。理化技术的不适当干预，会使动物的发育受损甚至死亡，因此，畜牧业中现代技术主要停留在驯养、兽医等间接领域，直到结束动物生命的屠宰、肉类食品加工等过程开始时，理化技术才大显身手。而当现代生物技术和遗传工程出现并逐渐成熟，人类能够利用技术直接干预生命活动的内在过程之后，技术在畜牧业中的辉煌历史才拉开帷幕。不过，技术在农业发展中的惨痛教训，使人类对生物技术的应用比过去明智得多，也谨慎得多了。 技术在步入与人的生命活动直接相关的领域时，其步伐要缓慢和谨慎得多。这里值得一提的是医疗界。医疗技术的发展主要置身于对疾病的诊断、化验、监测等外围，最多深入对生命已坏死部分的去除等手术活动之中。近现代发展较快的是间接影响人类健康和生命活动的医药技术，但西药对于人类生命活动的过多干预，已造成一些极其严重的消极后果。 当技术步入教育这个极为复杂的人文领域时，遇到了比其他任何领域更为激烈的论争和障碍！⑧ 教育不属于物质资料生产活动，而属于人类自身的再生产和再创造。⑨教育的对象不是物而是人，不仅是活生生的、有生命活力的人，还是有思想、有自我意识、有自主活动能力的人。教育活动更重要的特点在于：作为教育者的教师在教育活动过程中并不直接改变学生的身体(物质)状态，而只是通过语言、文字、表情、神态等来影响学生的思想和情感，改变学生内在的知识结构、认知结构、情感意志结构，并通过这些心理结构促进和影响学生身心结构、社会实践活动结构的发展。因此，最初在教育活动中出现的技术工具不是人类肢体的延伸，而是书本、黑板、粉笔等向学生传递信息的物质手段。近代迅速发展起来的工业技术在物质生产领域取得了极其辉煌的成就，但对教育领域却影响甚微。直到21世纪初发展起来的视听技术在大众传媒中亮相之后，才被迅速引入教学教育过程中来，由此展开了从媒体技术到现代教育技术迅速发展的生动画卷。这一历史事实本身就是令人深思的。它启示人们：信息技术在教育领域的发展不但要遵循技术发展的规律，而且要遵循教育发展的规律。当代教育哲学的研究和发展已经大大深化了人们对教育本质和规律的认识，由此推动教育理论与实践中的观念更新。显然，当代教育理论与实践工作者只有不断提高自己的教育哲学修养，树立正确的知识观、学生观、学习观、师生观、课程观、教学观、教育评价观、教育管理观、教研科研观等，才有可能按照先进、科学的教育思想，设计符合学生身心发展规律的信息化、智能化教育教学模式，求真务实地提高教育质量和效益，引领教育系统走出工业文明、步入信息时代。 (二)当今社会三种不同层次的技术观 对技术的本质、发展规律及其在人类文明发展中地位和作用的认识和解读，除了需要技术哲学指导，还需要有一种更深刻的历史哲学视野。 技术一词在当代社会中被广泛使用，但是在当今世界的思想舞台上，对技术范畴有着多层次、多方面的理解和解释，发展成理论化的各派技术哲学，引发了当今技术社会中旷日持久的文化纷争。各种技术观和技术哲学虽然五花八门，但归结起来大体可划分为三个不同层次。 第一层次是从自然科学、工程学和经济学角度对技术的认识，以及在这一立足点上对技术社会作用的理解。在工业革命的巨大变革面前，人们看到了技术对社会发展的强大推动作用，将技术视为文化、知识、道德进步和人类“自我拯救的手段”。这是技术发展的乐观派。 第二层次是从社会学和生态学角度对技术和“技术社会”的批判。这是对理化技术主导下急剧发展起来的西方工业文明及其“社会病”的反思与批判，20世纪六七十年代世界生态危机、能源危机、水资源危机等一系列技术盲目发展的社会恶果越来越明显地暴露出来，1972年《增长的极限——罗马俱乐部关于人类困境的研究报告》是技术发展悲观派的代表作，对世界产生了强烈震撼。 第三层次是从文化哲学、教育哲学、哲学人类学等人文与历史视角对人与技术关系的透视，从更深层次研究和揭示技术的本质。这种观点在本体论上把技术看作人的本质力量的公开展示，在价值论上把技术看作既可造福人类又可危害人类的“双刃剑”，在未来观上既反对盲目乐观，又反对一味悲观，主张用辩证思维把握人与技术的内在矛盾和人类征服自然与服从自然的外在矛盾，在矛盾的不断解决中，自信地走向充满更加复杂矛盾运动的技术社会的未来。⑩这种技术观的提出和倡导者是马克思、社会建构主义心理学和美学家维果茨基等，在飞速发展的现代技术和纷繁复杂的技术社会中得到了检验，并从多学科、多层面、多角度获得了补充、完善、发展。这些重要的观念和思维方式，显然应该成为我们研究和驾驭以计算机、互联网、大数据为基础的当代信息技术、技术哲学和教育哲学的基本立场。 (三)两种不同学习模式的对话 前面我们已经分析过，技术实际上分为两部分，同时存在于两个世界之中，这在最原始、简单的劳动技术中可以看得很清楚：原始人用树枝、石头等外在的自然物来强化、延伸自己的肢体器官，创造了手工生产工具，同时积累了使用这些工具的经验和技能，这内外两方面分别在两个不同世界中的发展是密切联系、相辅相成、双向建构的，二者的统一才是完整的技术。前面我们之所以要用大量篇幅解读技术概念、梳理技术历史、思考技术哲学，其用意正在于此。有了以上的基础，我们就可以把人工智能放在人类文明发展的大视野中，进行更加深入的理论思考。 在技术内外两个世界的不同发展路径中，形成了两套不同的概念、知识和话语体系。在手工工具和能源技术这两个发展阶段，技术在内外两个不同世界中的界限是比较清楚的，不大会产生混淆。到了信息技术阶段，内在的智力(头脑中的知识、思维、技能)，与外在的智能(符号化的知识与处理、加工、创生这些外在知识的信息技术、人工智能)之间的边界就变得极其复杂模糊，难解难分。尤其是表达和指称内外两个不同世界活动的概念有时用的是同一个语词，混乱进一步增加。对此，可以举两个例子加以说明，一个是“知识”，另一个是“学习”(包括“深度学习”)。 “知识”有内外之别。内在知识是对经验的总结、概括和系统化，其中包含大量未被表述甚至难以表述的“隐性知识”；外在的知识是经过整理、加工、提炼，有较强的逻辑性，而且用文字等符号体系清晰、明确地记载保留下来的“显性知识”，并形成了一套从外部加工、整理、分类、筛选、提炼的方法和工具。 “学习”原本是人所特有的活动(也可用于描述动物的行为)。人类的学习活动和学习能力经历了一个由简单到复杂、由低级到高级的漫长发展过程，对学习的认识同样经历了一个由片面到全面、由现象到本质逐步深化的过程。人类最初的学习活动是在日常生活和生产中进行的，是在直接经验中的学习，随着语言和文字等符号体系的发展，尤其是科学知识的扩展，人类要学习的内容越来越多，逐渐创造出相应的间接学习方式——借助各种符号体系进行的学习。这既是一种高效率的学习，又始终不能离开学习的经验背景，并且必须在实践活动和直接经验中对所学内容进行理解、消化、巩固和提高。对人类早期学习活动的总结概括，形成了最初的学习概念。中国最早将“学”与“习”联系起来，并探讨二者关系的是孔子。《论语》开篇中的“学而时习之，不亦说乎”揭示和强调了“学”与“习”的内在联系：“学”是“习”的基础与前提，“习”是“学”的巩固与深化。早在两千多年前，孔夫子就强调了学习过程中的知行统一，以及由此所获得的喜悦这一情感体验，而这恰恰是学习的本质和内在动力。从以上分析不难看出，中国传统文化中的“学习”包含“学”与“习”两个环节，“学”是指人的认识活动，“习”是指人的实践活动，这是中国传统文化中长期探讨的一个重大理论问题：知与行的关系，把二者统一起来才构成完整的学习概念。(11) 我们再来看计算机是如何加工处理信息的。 计算机按照人所设定的程序加工信息，处理外部符号体系所承载的知识，从教育学的视角和话语体系来看，这显然不是学习，开始也的确没有人将此称为学习。但人工智能的创生，对计算机的发展提出了一个新的要求和方向：让机器学会像人一样学习，认为这样的计算机就会有自主性、创造性，有同人类一样的智能了。这其实是人工智能领域专家的一种理想和愿望。在这个意义上，我们可以把人工智能解读为“让机器学会学习”。70多年来，人工智能领域的专家为追求和实现这一目标，付出了大量心血和努力，取得了许多振奋人心的进展和成就，甚至提出了“深度学习”的概念。但仔细分析和比较一下会发现，人类的学习和计算机、人工智能的学习其实是完全不同的两回事。要区分这两者，就需要对两种不同领域的学习的实际内容、方式、话语体系、基本概念进行比较。在此仅对这两种不同的“深度学习”做个简单比较。 教育学、心理学领域原来没有“深度学习”这一概念和提法，近年来从人工智能领域引入的这一概念，已经成为当前教学研究的一大热点。通过仔细分析不难看出，当前教育学中研究的“深度学习”，是着眼于如何加深学生对所学内容理解的深度，其理论基础是应用学习心理学家奥苏伯尔对“机械学习”和“有意义的学习”所做的区分。当前教育学领域研究深度学习的最主要目的，是要突破长期以来教学中死记硬背的机械训练对学生创造性思维的扼杀，激发学生学习的兴趣与内在动力，更有效地提高学习的效率。人工智能领域的“深度学习”，源自人工智能发展中两个阶段神经网络在数据挖掘、模式识别等功能上的比较。前面我们对此做过介绍，早期的神经网络只有一个层次，因此只能加工处理浅层次的简单问题，此时的“机器学习”后来被称为“浅层学习”；随着计算机算力的迅速提升、各种创新优化算法的提出和互联网上数字化知识库及大数据的迅猛发展，多层结构的“深度神经网络”诞生，并在图像识别、语音识别、自然语言处理(机器翻译)等人工智能技术应用中取得了突破性的进展，但所有这些进展都是运用“大数据”“云计算”等技术，在海量数据挖掘、训练基础上的模式识别，或者说是应用统计规律在大数据中进行搜索的模式识别，完全没有对语义、图像含义、声音含义的理解。为更清楚地了解“机器学习”是如何进行的，我们有必要对AlphaGo的“深度学习”做具体解读。 AlphaGo以及升级版的AlphaGoZero是通过“增强学习”策略进行自我对弈训练深度神经网络，建立增强深度神经网络来提高围棋水平：在初始阶段，AlphaGo要通过历史上产生的大量棋局训练一个13层的监督式策略网络(如何走棋的策略)，遵守围棋规则并以超过50%的精度预测人类专家的落子；进入第二阶段，AlphaGo开始与自己下棋，将过往训练迭代中的策略网络与当前的策略网络对弈，并将对弈过程用于自我强化训练，对获胜的棋局加以奖励，建立足够大的神经网络训练棋局数据集；第三阶段，AlphaGo通过从自我对弈中产生的不同棋局数据中采样，生成3000万个新的训练数据，用以训练棋局随机决策价值网络(评估每个时刻当前的取胜概率)。经过三阶段训练的策略网络和价值网络被混合进蒙特卡洛树搜索算法，从而在比赛进行过程中评估当前的棋局形势、预测未来可能的发展方式，并进行评估和作出决策(下哪一步棋)。从以上介绍中我们可以了解到，当前人工智能为何具有超强的“深度学习”功能，这种“深度学习”和人类的学习模式、学习能力是截然不同的。认清这一点至关重要。 通过以上案例不难看出，人工智能的“深度学习”，与人类建立在理解基础上的深度学习是完全不能同日而语的。但这种基于“深度神经网络”的“深度学习”功能，在对互联网上海量数据库中的数据、知识进行快速搜索、识别、筛选，并代替人做各种简单重复性工作方面，远远胜过人类。因此，人工智能在人类工作、学习、生活中应用广泛，深入应用的前景越来越广阔。显而易见，人工智能的长处弥补了人类智力的局限，而人类智力所包含的理解力、自控力、价值追求、情感态度等生命特征、道德意识、审美功能等人性特质，则是机器和机器人所不可能拥有的。这正是人工智能和人类智能的边界之所在。正是这样的边界，决定了人类智能和人工智能双向建构、携手创新的必然趋势和美好前景。在人机结合的人工智能创新发展中，从基础理论到应用，都需要更深入开展东西方思维方式、研究方法、两种学习理念，特别是两种文化传统的对话、沟通、互补、携手创新。 在此特别需要强调的是：信息技术和人工智能的快速发展，对个体智能和人类整体文明水准提出了全方位的严峻挑战。互联网创生的数字化生存新时空既有急剧增长的丰富信息资源，又制造了最大的“文化垃圾厂”，这里充满机遇又布满陷阱。在这样的挑战面前，人类必须更快地学会辨真伪、明善恶、识美丑。这当然是人类特有的、不可替代的智力内涵与功能，面对与日激增的“信息海洋”只有借助具有智能化“深度学习”的“外脑”，才能适应这种新的生存环境。在这个问题上完全没有必要怀疑机器人是否对人类忠诚，因为机器人没有生命，更没有人类的思维、意识、道德、情感。机器人当然可以拥有操纵和控制能源、机械、各种复杂设备，甚至启动原子武器按钮的功能，但这一系列关键性的决策程序都是其背后的人赋予的。这些关键岗位上的个体和人群，必须具有更高的文化教养、道德水准、人文关怀、自控能力、奉献精神。整个社会更需要建立与此相应、不断完善的一整套人才培养、选拔监督、优胜劣汰的体制机制。随着人工智能技术在整个社会生活中日益广泛的普及，对每个公民、每个家庭、社区、学校乃至各行各业从业人员的信息素养都提出了越来越高的要求。这是时代的呼唤，也是在全社会开展人工智能宣传普及教育的历史必然和迫切任务。 (四)人工智能教育的系统工程设计 现在世界各国和各类国际组织都高度重视人工智能的教育和宣传普及，近几年这方面的文件、报告、规划、课程、资源、案例等非常丰富，需要认真借鉴、总结，并在实施过程中不断发展完善。 规划人工智能教育必须在信息时代的大教育观下思考。面对这样一个复杂的社会创新系统工程，必须运用互联网思维、智能化思维突破原有工业化的思维框架，才有可能突破目前发展中的各种阻力、惯性、瓶颈，求真务实地创新发展。 在此仅想提出工程设计的整体思路和其中一些重要的理念、战略问题，以及工程具体实施过程中的一些重要策略问题，并努力将理论与实践、宏观与微观、科技与人文、战略与战术、普及与提高有机结合，尝试做简要策划和系统工程设计。 作为一项教育普及的系统工程，首先要在现状调研和需求分析的基础上，选择和确立工程建设的指导思想、目标追求和价值导向、评价体系、课程部署、师资培养、资源配置、体制机制创新保障。 人工智能教育的时代背景和目标追求，是要推动人类走出工业文明，步入信息时代。20多年来，信息化在社会生活方方面面都引发了深刻的历史变革，但在最需要也最应该面向未来超前发展的教育领域却明显滞后。教育信息化实施多年来，互联网在“校校通”工程建设中已深入学校课堂，信息技术教育课程也已普遍开设，各种全新的学习工具、学习资源、学习环境、学习模式在学校课堂内外如雨后春笋，改革课堂教学的各种理论与实践也不断涌现，却因受到以传统课堂教学模式和评价体系为核心的各种现行教育观念、政策、体制的阻碍和束缚而步履维艰。深入中小学内部可以明显感受到：传统学习方式在学校课堂中依然存在；学校大量配置的数字化设备只是使“黑板搬家”“教科书搬家”，与教师中心主义的课堂讲授一起构成了“人灌+机灌”，加剧了学习的异化和“非人化”；学校教育中像瘟疫一样流行的厌学之风并没有多少好转，在学校和家庭周围疯狂生长出的网吧却牢牢吸引着青少年，信息技术双刃剑的正、负面影响清晰地展现出来。实践表明，在20世纪(以工业文明为背景)的文化教育土壤中，不可能直接生长出21世纪(信息时代)的学习文化和教育体系。(12)当前世界范围的教育改革已经深入围绕两种课堂学习文化展开大决战，其中的难点和攻坚战则是能否超越和彻底改变以“机械化灌输+标准化考试(工业流水线)”为特征的传统课堂教学模式。(13)这是当前从教育信息化上升到教育智能化的难点和突破口，也是人工智能教育最根本的价值导向和历史使命。 人工智能教育要实现这样的目标，面临哪些阻力和瓶颈，又如何破解这些现实难题呢？从目前学校开设人工智能课程的现实状况来看，必须解决好以下五方面的问题：课程设置和课时保障、学习空间与学习终端配置、教学资源库与学习平台建设、教学模式与教师培养模式创新、评价体系与管理体制机制创新。 我国幅员辽阔，各地区、各学校的差异极大，破解以上难题，绝不能采取一刀切、齐步走的工业化、行政化习惯和模式，而必须用信息化、智能化思维，创造性地处理好普及与提高、公平与效益、人文与科技、市场化管理运行体制机制的引入与坚持教育公益性等一系列两难抉择，保持动态平衡。 以上是人工智能课程设计中的一些战略构想。这些想法如何实施和落地？以下结合各方面的成功经验和我们多年来的理论研究、实践探索，提出具体实施过程中的一些重要策略和设想。 1.创建“团队化人机共生学习模式细胞结构”，以此作为信息化学习空间的“生成元”，在“五人团队”中实现自主学习与团队学习的有机结合。班级授课制是工业文明的产物，“三中心”的课堂灌输模式是教育信息化必须冲破的顽固堡垒，目前的课堂细胞是学生个体，而且学生之间存在着激烈竞争，教师的讲授灌输占据了大部分时间，学生的学习就缺乏自主性。迅速发展的人工智能技术在课堂教学中的应用，为改变这种工业文明的课堂教学模式提供了各种可能的条件和机遇，但只有从课堂教学组织形式层面的变革入手，才能将可能性转化为现实性。20年来，我们学术团队一直在信息化课堂学习方式变革中探索自主学习与团队学习能力培养(14)，在借鉴、融合东西方组织文化和团队学习理念、实践成果的过程中，提出了“五人团队超循环生长模型”，创建了“团队化人机共生学习模式细胞结构”(见图1)，以此作为信息化学习空间的“生成元”(15)(见图2)，在开展研究性学习、项目制学习中，实现了信息(非线性)快速聚散、经验协同筛选、成果生成资源，提高了学习成效，激发了学生学习的主动性、创造性，培养了团队精神，达到了深度学习的目标追求。“五人团队”是一种灵活多变的组织形式，我们正在进一步从理论与实践的结合中，探索人工智能，尤其是在“机器人学伴”支持参与下，跨越班级、学校、地区组合，采取虚拟与现实互补的新模式。这在学习方式的变革中，将会发生牵一发而动全身的奇效。 图1团队化人机共生学习模式细胞结构模型 图2智能化学堂的细胞结构(生成元)模型 图3五馆合一模型 图4人工智能技术课程内容结构模型 图5五育融合的课程整合智能素养模型 2.创建开放的智能化学习空间，打破传统封闭课堂的桎梏。近年来世界各国在学习环境、学习空间创新上提出了各种理念，积累了丰富经验，我国在学校智能化课堂建设中成果丰硕，现在需要进一步创新推广。在此提出两方面建议。其一，用五人团队的共享模式配置学习终端(如五人共享一个平板电脑、一个智能手机，共用一套虚拟现实仿真设备、机器人学伴)，形成“团队化人机共生学习模式细胞结构”。“人机共生”是教育步入智能化的基石、难点和关键，凝聚团队智慧破解这一难题，不仅能充分利用设备资源、节约成本，在团队学习的氛围中还能有效防止和规避互联网不良信息对学生的毒害，特别是在团队资源共建共享中实现研究性学习、项目制学习中的深度学习。其二，将课堂学习活动延伸到学校图书馆、科技馆、艺术馆、体育馆、智能馆(在智能化环境中了解、体验人工智能的前世今生，培养智能素养，实现“五育”融合)，以这种开放的学习空间作为学校与社会沟通的桥梁。我们将此称作学校“五馆合一”的大学堂建设(见图3)。 3.促进人工智能课程与其他各门课程的内在整合，在各科智能化学习模式探索中推动“五育融合”，探索信息素养向智能素养的升级换代(见图4)。从实践论的观点看，技术教育是“五育”的整合。学生在科学教育中通过掌握科学概念和科学理论，实现了认识发展过程的第一次飞跃，从感性认识上升到理性认识，从而提高了认识能力；在技术教育中则是要按照实践目的，运用科学知识、经验和技能设计出具体实践方案，并在实践中将方案转化为现实成果，实现认识过程的第二次飞跃(这是技术课程不同于科学课程的设计思路与教学模式)。在此过程中肯定会遇到各种困难和挫折，但这不仅能锻炼和培养坚强的意志，还能从中体验和领略科学知识的社会与人文价值、艺术和审美价值。可见，技术教育培养的是更为复杂也更为重要的创造性实践能力，有助于提高学生在整合中学习和运用各科知识的兴趣和主动性，从根本上改变以往死记硬背的学习方法。(16)目前中小学信息技术教育在与各门学科课程整合的探索中已经积累了不少成功的经验和资源，人工智能技术是信息技术的新进展，其中语音识别、图像识别、自然语言处理和机器翻译以及各种智能技术整合的不同功能机器人技术等成果，在与各学科课程的整合过程中更能彰显出智能化的魅力(见图5)。其中的难点和关键在于：深入开展智能素养的理论与实践研究，并将信息素养向智能素养的提升纳入人工智能课程的目标与评价体系。 4.智能化学习平台与资源库创生多层神经网络的大数据结构模型，突破传统封闭的课堂教学模式，培养人机共生的新一代师生团队，在内部生长和外部推广的超循环中，超越班级、年级、学校、区域的时空壁垒，引领教育系统步入智能化时代。目前国内外对中小学人工智能课程的内容与形式都做了大量探索，形成了系统化、多元化的课程体系，但还需要进一步总结和不断完善。在此提请关注对人工智能教育目标的深度思考。人工智能教育绝不仅仅是开设一门技术课程，而是要引领教育步入信息化、智能化时代。要实现这个目标，就必须用智能化思维方式和人工智能的技术手段、环境、资源来设计和开展人工智能教育，在超越工业文明“三中心”讲堂中实现学习方式的根本性突