人机协同视域下的智能学习：逻辑起点与表征形态

/人机协同视域下的智能学习：逻辑起点与表征形态【摘要】人机协同视域下的智能学习的逻辑起点，应聚焦于传统学习向智能学习转变过程中内涵要素的变化，包括：学习场域、空间和主体需求，科技革命向人工智能时代发展过程中学习论研究侧重点的变化，以及在这一过程中学习价值观的变化。人机协同视域下的智能学习，具有学习目标的整合性、学习过程的动态性、学习主体的互通性、学习内容的生成性以及学习评价的可视性等特点。其表征形态主要体现在物理形态的多元性与无边界性；实施形态的创新性与混合性；方法形态的个性化与虚实结合这三个方面。【关键词】人机协同；智能学习；逻辑起点；表征形态；混合学习；软知识 人工智能的蓬勃发展正在改变着我们的生存方式、认知方式和学习方式，极大提升了我们认识世界和改造世界的能力。我国在2017年发布的《新一代人工智能发展规划》(以下简称《规划》)中，提出了人工智能对教育体系的完善所发挥的积极作用，具体指出了未来应大力发展智能教育，构建智能学习体系。随着机器学习与人类学习之间的关联越来越密切，人机协同正在深刻影响着我们的学习方式。当下，澄清智能学习的逻辑起点，阐释人机协同视域下智能学习的本质属性与表征形态，对认识人机协同下的智能学习显得尤为重要。 一、智能学习的逻辑起点：从经典学习理论到人机协同学习理论 (一)内涵演变：传统学习要素与人机协同中的智能学习要素 1.学习场域从封闭、具体到开放、泛在 传统学习理论视域中的学习场域，往往是学校、教室和课堂等封闭的、课桌摆放整齐的、有专任教师授课的场所。随着我国教育现代化步伐不断加快，“构建网络化、数字化、智能化、个性化、终身化的教育体系，建设人人皆学、处处能学、时时可学的学习型社会”，成了新时期学习场域转变的时代要求[1]。可以说，信息化是当前及未来学习场域的重要特征之一。 信息化的学习场域指的是学习者能够运用最新的学习资源，充分利用以网络学习平台、云教室与云课堂等开展“平台+教育”式的学习。未来已来，当前科技正在以锐不可当之势向前发展，适应未来社会的学习者需时刻关注科技的发展变化。由于教材中的知识具有一定的滞后性和延时性，学习者在掌握基本知识和基本方法的前提下，需将视野投放到教材之外，尤其需要关注能够体验时代发展的智能学习，即在开放的环境中快速检索有价值的信息，在泛在学习环境中体验学习乐趣。 2.学习空间由一维平面转变为多维立体 学习空间包括学习的物理空间和虚拟空间。智能学习的学习空间是一种利用信息技术支持的虚实结合的多维环境。相较于以资源平台搭建为重心的学习场域，智能学习的学习空间设计更加注重主体间的交互，即为学习者搭建一个立体交互的学习环境，让学习者在学习过程中产生更多的真实感受与体验。《认知科学手册：一种具身的取向》一书的主编Calvo，在书中列举过几个生动的例子，可以帮助我们更好地理解及构建立体化的学习空间。一个常规问题：当有人问你，你能说出你现在住的地方有多少扇窗户吗？几乎每个人都会走过去数数。另外一个新奇的问题：你能用葡萄柚做个南瓜灯吗？ 首先，学习者要知道葡萄柚的概念和属性，或将其与其他类似实体进行比较或组合，获得其更立体的特征。从主观上，学习者从模拟葡萄柚雕刻南瓜灯的感官体验，总结并反思该如何进行这一任务。每当使用一个熟悉或不熟悉的概念时，无论是在执行分类任务、处理相关概念的语言，还是在反思概念的特征时，学习者都会使用心理模拟(MentalSimulation)，即知觉、运动和情感体验的内在创造或再创造[2]。总之，学习者可以从不同的角度模拟这些体验。 而对学习空间的构建即通过模拟接近于真实的学习场景，使学习者能够获得真实的学习体验，从而达成学习目标的过程。相较于传统学习空间中单一并抽象的设置，人机协同下的学习空间，则尽可能地利用信息技术对学习场所进行布置和细化，包括灵活的布局、圆形课桌、多屏空间、信息共享等功能特征[3]。 3.学习者的需求多样，从人际合作发展为人机互动 每一位学习者都有自己不同的学习需求，通常整齐划一式的学习内容供给，不能够满足学习者的个体需要。为此，美国当代课程论专家派纳(WilliamF.Pinar)提出了“存在经验课程”，他认为重视情景化的学习体验是十分必要的。课程的本义应该是动态的"Currere"，而非静态的"Curriculum"(Currere是Curriculum的拉丁文词根，为动词)。Currere不再强调静态的“跑道”，而是强调跑在跑道上的动态过程和跑的经验，它是一个过程，是“一种内心的旅行”[4]。 他认为，“存在经验课程”是课程的理想形态，因为它要求学习者能够在个体内在经验与外在经验相互交流沟通的过程中，产生新的体验和认识，从而进行经验改造和意义建构[5]。“存在经验课程”所提到的媒介——外在经验，既可以是学习者之间的沟通交流，也可以是学习者借助于人工智能，与更为广阔的外部世界进行的对话。显然，后者所产生的学习体验来源更广泛，感受更震撼，影响更深刻，是一种践行“学习者中心”的学习方式。 近年来，随着智能机器人融入课堂，人机交互式学习打破了时空对个体学习行为发生的限制，为个体学习自然、自觉和自主的发生提供一个便利、可靠、广阔的空间。人工智能在促进社会互动和可信交流之间，发挥着重要的作用，对AI的进一步开发将“满足个人感知、分析、判断与决策等实时信息需求，实现在工作、学习、生活、娱乐等不同场景下的流畅切换”[6]。智能学习内涵的演进，大致如图1所示。 图1智能学习内涵的演变 (二)原理阐释：从科技革命时期到人机协同时代的学习心理学 1.科技革命时期注重学习者思维本能的利用 20世纪40-50年代，第三次科技革命的出现，标志着人类开始进入信息技术时代。电力时代以原子能技术、航天技术、电子计算机技术等应用为代表，还包括人工合成材料、分子生物学和遗传工程等高新技术[7]。这些具有社会变革特征的新型技术和产业的兴起，使人们对自身智慧感到自豪的同时，也使人们在进一步思考怎样才能使人类思维水平和创造能力向更高层次发展。 这一时期的心理学家从人类发展规律入手，系统阐明了人类学习的工作原理。美国生物学家鲍德温(J.M.Baldwin)在1894年首次提出了智慧发展理论。他从生物学的角度表明，运用智慧进行学习是人类作为高脊椎动物与低脊椎动物之间最大的区别。智慧学习是人类潜在的本能之一，但并不是一出生就能明显表现，而是在人体机能成长到一定阶段才会被不断激发出来。 之后，科技革命时期的认知心理学家在鲍德温研究结论的基础上，进一步提出了对人类学习的新认识。皮亚杰(JeanPiaget)继承了鲍德温的部分观点，同时也根据自己的实验研究提出了新主张。他认为，人们在儿童时代就已经具备逻辑思维和实证观念，这表现在他们在学习知识和积累经验的过程中，能够积极地探寻规律并进行逻辑建构。通过对其子女的实验研究，皮亚杰发现儿童随着年龄的增长，他们的知识分化和协调能力也逐步提高，并能运用逻辑思维解决复杂问题的能力越来越高。布鲁纳(JeromeS.Bruner)同样重视儿童思维发展的阶段性，提出“在发展的每个阶段，儿童都有他自己的观察世界和解释世界的独特方式”[8]。在儿童思维发展的过程中，教育者需要敏锐地意识到他们的智慧在不断地成长。 认知心理学家强调，学习的水平和质量取决于认知建构的能力；认知信息加工理论者则认为，学习能力展现即儿童的信息加工能力。例如，帕斯科尔和莱昂(JuanPascual&Leone)认为，儿童智慧发展取决于内心深处的心理力量，即激发儿童对某一事物产生探索兴趣和欲望的内外部因素，包括所学习事物的线索数目、结构、与已有图式的关联度、儿童对该事物的注意力。也就是说，既有经验的积累对于学习水平的提升具有奠基性的作用[9]。凯斯(CaseRobbie)对上述传统认知学习理论的优缺点做了梳理和进一步的研究，他发现从0-18岁，人的学习发展会经历三个阶段：(1)儿童早期的由感知运算向逻辑运算过渡；(2)儿童中期则是表现为维度运算(包括能够进行科学推理、社会认知和空间推理)；(3)青春期则是主要进行矢量运算(包括因果推理、语词推理、空间推理和社会推理)[10]。 基于心理学家对人类学习原理的揭示，一批实践者将此运用到辅助教学用具的开发中，使其成为提高学习效率，改进教学质量的得力助手(例如，教学机器)。但由于教学机器在使用过程中过于依赖程序以及呈现出明显的机械主义等弊端，而渐渐为人们所忽视。随着信息技术的快速崛起，机器学习逐步进入人们的视野，这是一种模拟人脑，对大量现有信息进行高速计算、推理和归纳的智能学习方式。正如兰利(P.Langley)所言，“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”[11]。 图2所呈现的是基于生物学、心理学等不同学科基础的智能学习研究的不同阶段。总体来讲，这一时期的智能学习研究，主要聚焦于人类身心发展规律。其主要运行原理是依据人的认知心理和学习心理规律，通过机器模拟人的学习过程，尤其是人在分析问题和解决问题时的决策算法，能够在最短的时间内给出最为理想的答案。以AI为代表的新科技革命的到来，深刻地改变着人们的生活方式和思维方式，促使人们更加重视如何基于自身的发展规律，来提高认知力和学习力。 图2科技革命时期智能学习的研究历程 2.人机协同时代通过创造性地利用身体，使认知进阶成为可能 心理学家从“脑”入手探索人类认知的奥秘，人机协同时代则是在“身心互动”中，实现认知与思维的进阶。在人机协同时代，储备知识似乎不再是人类学习的最主要任务，因为相较于人类有限的脑容量，计算机可以自行收集、高速运转大量的数据信息，人类的主要任务在于控制、评估和决策计算机的执行结果。也就是说，通过利用人类所有感官及肢体动作生成的操作性技能，将会有利于提高人类对人工智能工作过程的感知，同时也有利于人类有针对性地对其中存在的问题，做进一步的思考和完善。这被学者称为是“认知技术”(CognitiveTechnologies)，不是发明人类认知的通用工具，而是通过创造性地利用身体使创新成为可能[12]。 乔尔·维赞斯基(JoelWizansky)认为，“任何作曲家，无论其主要乐器是什么，都必须具有一定水平的键盘技巧，这样才能在钢琴上‘以复音的形式思考’”[13]。这告诉我们，对人工智能的开发和利用表现在能够对其输出结果做出正确的反应。换言之，这一反应的正确与否，取决于我们能否创造性地利用身心本能(如图3所示)。假如我们在评估人工智能的工作效果时，能够综合并准确运用我们的感知觉等，便会产生事半功倍的效果。 图3人机协同中感知觉的利用 (三)价值赋能：从关注课堂教学中的硬知识学习，转变为“智能+”环境下的“软硬皆施” 1.传统教学论认为课堂学习是吸收人类优秀文化的核心阵地 从夸美纽斯(Comenius)在《大教学论》中提出了班级授课制开始，学习与“效率”就密不可分了。以班级授课制为主导的教学组织形式，表现为将学生组成一个班级，一个班级的学生使用同样的教材，班级中所有的学生都做相同的作业，“一切学科都应教得牢固、简要和确凿”，“一切学科都应该连贯地、循序渐进地去讲授，使今天的学习能够巩固昨天所学，并且为明天的学习做好准备”[14]。与以往传统的个别教学相比，班级授课制采用同一班级、教材、教师和时间地点的方式进行授课，大大提高了学习效率，让尽可能多的学生在短时间内掌握系统性的学习内容。这里的学习内容指的是已经形成完整结构和体系、对其内在价值和外部意义基本无争议的知识，也就是我们所说的“硬知识”[15]。 泰勒(TylerRalphW.)将课堂教学看作是系统化传授硬知识的阵地，并提出科学化的学习目标[16]。在泰勒看来，知识虽然包罗万象，但不是所有知识都需要我们去学习。在学习发生之前，教育者应根据教育目的为学习者制定学习目标，从而通过科学化的程序和手段选择与学习目标相关的学习内容，该如何组织这些学习内容，才能实现教学效率的最大化。 2.“智能+”式学习注重培养知识的分辨能力与驾驭能力 《规划》指出，要“形成‘人工智能+X’复合专业培养新模式，重视人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合”，“利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系”，“建立以学习者为中心的教育环境，提供精准推送的教育服务，实现日常教育和终身教育定制化”。[17] 可见，在人工智能日益普及的现代社会，学习经典的传统知识和规律性的客观真理固然重要，但更不能忽视具有明显时代特征、动态流动的“软知识”[18]。如，大规模开放在线课程(MOOC)作为典型的个性化学习网络平台，是一种将分布于全球各地的教学者和成千上万的学习者，通过教与学联系起来的大规模线上虚拟开放课程[19]。远程网络课程学习，使学习者不仅能够在线学习不同学校或机构开设的各学科课程，还可以在学习平台上参加学习测验，与不同的学习者进行交流互动，是一种多维立体的学习形式。在这一过程中，学习者接受大量的信息，包括知识的获取以及线上线下互动的信息交流等等。这种学习一方面能够开拓学习者的视野和思路，培养多元思维能力；另一方面也十分考验学习者的信息辨别能力，需要学习者本身具备一定的知识储备与信息素养，即在“硬知识”的基础上，通过“软知识”的学习更新知识库，同时也通过“软知识”的学习，提升甄别正确信息和知识的能力，做学习的主人和知识的驾驭者。 二、人机协同视域下智能学习的本质解读 人机协同视域下的智能学习是人工智能等技术作用于学习者的身心，在人机交互的过程中，学习者能够获得智慧思维、健全人格和操作技能等可外显品质的一种学习方式。根据以上对人机协同视域下智能学习发展阶段逻辑起点的分析，我们认为，智能学习在本质上不同于传统的学习，具有自身的本质属性。主要体现在构成智能学习的要素及其内涵发生了深刻变革，具体如图4所示。 图4人机协同视域下智能学习的本质属性 (一)学习目标的整合性：启迪心智与灵巧操作 人机协同视域下智能学习的目标，在于关注学习者内化于心的智慧与外化于形的技能生成。内化于心的智慧指的是，学习者要在理解并掌握人工智能关键技术的核心理念基础上，深入思考如机器学习、深度学习、自然语言处理和神经网络等关键性技术，如何为人类追求美好的生活而服务，这种对人的价值和旨归的探寻，是人工智能无法代替的，也是人类开发人工智能的真正目的。在信息技术的协助下，学习者能更全面地认识外在事物；同时，外在经验的积累也利于思维的延展和观念的更新。外化于行的技能指的是理念和想法的突破需要行动来加以践行和佐证，也就是通过训练有素的操作技能作为媒介。 目前，利用人工智能识别学习者表情、动作和行为，以分析学习者学习结果的研究越来越多[20]。这种智能化的分析与评价的目的，在于根据学习者学习过程中面部表情或肢体动作的变化，判断其动作技能的娴熟度，为提高学生技能操作水平提供改进的依据和方向。人机协同下的智能学习既追求认知上的深度，又注重行动中的技能提升，在学习目标上与教育改革中培养学生的核心素养在旨归上趋同。 (二)学习过程的动态性：快速更新与场景转换 人机协同下智能学习的学习过程具有信息量大，更新速度快，学习场景任意切换的特点。随着社会的信息化程度越来越高，单一场景的学习体验已经不能满足学习者的需求，在最短的时间能体验多种不同的学习场景成为大多数学习者的内在诉求。人机协同的智能学习即可以实现这一点。 以AR/VR技术为例，基于增强现实(AugmentedReality，AR)/虚拟现实(VirtualReality，VR)的技术蓬勃发展，并逐步渗透到教育教学领域。这种将认识世界、感知世界、构建知识紧密融合在一起的技术，体现了技术为教育服务的理念。进入AR/VR情境，学习者可在教师基于问题设计的学习路线中，按照个人的意愿进行多角度体验[21]。这种既遵循学习者认知规律，又能尽可能地将最主要、最有用甚至最新的知识按照逻辑序列，融合在彼此相关的模拟情境中进行的学习过程，一方面，能够将学习者的各种学习体验相连，即连接式学习；另一方面，这种连接式学习有利于学习者建立并完善认知地图，构建个性化学习的认知体系。因此，人机协同视域下的智能学习过程，既满足了学习者日益增长的知识需求，同时也为学习内容条理性、体系化、经验化与具身性提供强有力的环境设计和技术支撑。 (三)学习主体的互通性：“大脑—身体—机器”之间的联结 人机协同下的智能学习与其说是人与机器的互动，不如说是“大脑—身体—机器”之间的三重互动。不论是基础教育还是高等教育，提升学习者的脑力工作水平，一直是教育工作的重中之重。但是，身心是不可分离的，发展学习者的心智需要提高其身体协调能力，尤其是感官的敏感性与具身能力。学习者心理能力(MentalAbilities)来源于遗传学(感观)和经验，如果没有感官的干预，任何事物都无法进入我们的大脑，而感官本身在很大程度上是遗传学的产物。所以，从某种意义上说，真正的学习无法超越任何遗传学所提供的组合可能性的概念[22]。 人类拥有丰富的感知运动、情感活动和社交生活，这些既表现在我们的神经回路中，又通过神经回路传递到身体的各个部分，从而完成一系列复杂的活动，即对既有概念的整合和对概念理解的行动。人机系统的智能学习有明显的互通性，这种互通是学习者在接受人工智能对其学习的辅助时，身心所发生的变化和做出的具身性反应，人工智能接收到学习者的反馈从而给予相应的支持。在这种互动中，学习者更加趋近于实现预期的学习目标。 (四)学习内容的生成性：意义建构与能力塑造 21世纪以来，以建构主义为理论支撑的生成性学习一直为学界所崇尚，构建脉络清晰、分条缕析的生成性知识图谱，也是当前学界所提倡的学习方式。动态的学习场景、互通的学习主体之间相互作用，可促进学习者通过大脑进行意义建构。在这一过程中，学习内容的实质就如奥苏贝尔(D.P.AuSubel)所言，是“语言符号所代表的新知识，与学习者认知结构中已有的适当观念建立实质性和非人为联系”，也就是一种自我导向式的有意义学习[23-24]。 加拿大卑诗省(BritishColumbia)教育当局在开展智慧教育时，就十分重视学生对于知识学习的意义建构。如，学校要求学生在学习新知识或新技能前要进行"THINK"，这不是一般意义上的思考，而是要分五步对新问题的意义进行思索：(1)"T"-isittrue?(2)"H"-isithurtful?(3)"I"-isitillegal?(4)"N"-isitnecessary?(5)"K"-isitkind?在想清楚上述问题之后，学习者再根据学习内容进行学习，达成所指向的目标。可见，智能学习视域下的学习内容具有一定的生成性，强调学习者和学习内容之间具有互动的意义关联，通过学习内容的展开，促进学习者的人性价值和实践能力发展。 (五)学习评价的可视性：真实体验与直观评价 人机协同视域下的智能学习最大的特点，就是能够让学习者在学习过程中获得真实体验，并且通过智能评价手段捕捉学习者的学习样态，从而给予真实可信的反馈与评价。例如，智能导师系统(IntelligentTutoringSystem，ITS)是一种模拟真实教师实现一对一的智能化教学，由领域模型、导师模型和学习者模型三部分构成[25]。其中，学习者模型就是动态地描绘学生在学习过程中的认知风格、能力水平和情感状态，通过对学习者在学习过程中表现出的能力水平状态和情感适应程度，多角度地对学习者的第一反应进行捕捉，为其提供可视化的学习评价报告和应对策略。 相较于传统的纸笔测验，智能学习所倡导的强调过程的表现性评价方式，其所涵盖的范围更加宽泛，测评的细节更加聚焦，具有纵向上深入、横向上拓宽的特点。相较于传统的档案袋评价等评价方式而言，智能学习评价具有即时性和直观性的特点，既可以根据学习者的需求随时给出学习效果评价，又可以根据存在的问题以还原真实的学习样态，从而对症下药，找到应对方案。另外，这种评价方式也可长期跟踪，通过教育大数据之间的联结互通，可从各个角度、不同方面记录学习者的学习情况。 三、人机协同视域下智能学习的表征形态 人机协同视域下智能学习的构成要素及其本质属性上的变革，必然导致智能学习的表征形态与传统学习之间存在着本质区别。具体可体现在以下三个方面： (一)物理形态的多元性与无边界性 人机协同视域下智能学习的物理形态，表现在其具有多元性和无边界性。多元性不仅体现在“新课改”提倡的自主学习、合作学习、探究学习等学习形态；还包括以正在崛起的5G通信技术和物联网技术为主导的全方位、全覆盖和全时性的学习形态，如，人机互联、云端一体和沉浸式交互等新形式[26]。 多元化的学习形态之间存在着耦合关系，这种关系可以为学习者建立起庞大的认知网络提供直接帮助。如，人工智能能为学习者提供数字化学习资源，包括在线学习系统、云端课程管理系统、可视化数字音频以及与公共教材相匹配的电子资源包。不管是线上还是线下，多元化的学习形态总能为学习者的个性化学习提供适切的方案。无边界性在于人机协同的智能学习，在学习内容上可以提供适合身心发展、个人进步、社会变革、科技革新和文化变迁等等多方面的知识。除了学习内容，学习环境也无所不在，包括学校、家庭、社交娱乐场所、科技文化场馆与办公场所等等人类生存所必备的场景。只要有人际交往，人机协同的智能学习就能够为社交提供环境支持。多元性和无边性从纵横两个方面，保证了学习者的智能学习能够在人工智能的协助下，实现从量变到质变的飞跃。 (二)实施形态的创新性与混合性 人机协同视域下智能学习的落地，需要从根本上革新传统学习的观念和实施方式。智能学习在实施上非常重视情景创设、分析问题、解决问题和创新能力提升。但这不能将“知识”与“能力”置于对立关系，同样要重视系统知识的掌握。智能学习的实施要树立适应未来社会发展的学习理念，把握好系统知识学习与关键能力形成之间的关系，形成富有创意的实施形态和方法体系。 基于智能学习的课堂教学，要加强当前信息化背景下的教学研究，实现团队化教学，协作式创新。一方面，要通过技术手段和信息资源，不断提升教师的资源开发能力，变教师上课资源的教材为学生开展自主和深度学习的学习资源，其中最关键、最难的便是学习资源的开发。要将在线教学和传统教学的优势结合形成