以人工智能为师：一种镜像学习的新范式

/以人工智能为师：一种镜像学习的新范式【摘要】人工智能是人类发明设计的“心智的技术镜像”，我们应用人工智能生产的内容就是在透过人工智能这个透镜认识世界、认识自己、塑造自己。这种新型学习方式，可以称为镜像学习。人工智能之所以能够成为人类的“教师”，不是因为它“教”了我们什么，而是因为它以其镜像功能极大地触发了“人之为人”的“可教育性”。人类大脑的镜像学习是外在触发因素与多个神经元合作的结果。人工智能镜像能够触发并大规模发挥人类综合运用知识的能力，并将形成带动人类心智跃升的新路径。人工智能教师能够发挥何种教育价值，关键在于我们如何调校它。调校人工智能之镜，即使其不断打破固有模式和既定路线，反转人工智能的极性实现技术用途的改变，运用人工智能进行自主学习而不是被动接受教育。人类教师要以人工智能为镜，重新审视自己的工作方式，人工智能教师不是对人类教师的镜像，人类教师要展现自身表达的深度，不能像人工智能一样运作，要避免坠入“图灵陷阱”，凸显“人之为人”的价值。【关键词】人工智能；机器教师；镜像学习；学习范式

近一个世纪以来，人们一直在拓展计算机在教育中的应用，并设想为学习者提供一个“机器教师”。20世纪20年代，普雷西(SidneyPressey)与W.M.韦尔奇制造公司计划制造在个性化反馈和专业覆盖范围方面超过人类教师的“自动教师”[1]。60年代，斯坦福大学哲学教授萨普斯(PatrickSuppes)提出要为数百万学童提供“像亚里士多德那样知识渊博且善于回应的私人导师服务”[2]型的教学机器人。近年，可汗(SalmanKhan)等人提出为世界上每位学习者提供“亚里士多德之于亚历山大大帝那样的导师”[3]，“陪伴每个孩子成长的每一步，以机器所特有的无限关爱助力他们充分发挥自身潜力”[4]。从计算机辅助教学到MOOCs再到ChatGPT，“这段历史预见了人工智能驱动的辅导、在线学习社区，以及教孩子们将技术作为构建自身知识的工具所蕴含的力量”[5]。这些关于机器教师的设想不仅开创了计算机教育应用的理念与方法，也推动了人们对教育和学习的认知，正如宾夕法尼亚大学数学心理学教授加兰特(EugeneGalanter)所认为的那样，教学机器的终极价值在于它能揭示更多人类从未观察到的学习规律，“这些机器一旦投入使用，本身就是一种教学理论”[6]。如今，普雷西、萨普斯等人的理念仍然对人工智能的教育应用具有深刻的影响，一个世纪前他们设想的计算机教育应用愿景正逐步实现，ChatGPT、DeepSeek等生成式人工智能大大推进了人类向机器学习的进程，也引发了进一步的思考：人工智能能够成为学习者的“专属亚里士多德”吗?我们能向人工智能学什么?我们应该如何通过人工智能来学习?面对人工智能教师，人类教师将如何提升自我存在价值?更进一步地说，通过人工智能进行的学习，将建构一种什么样的教学理论?这些都是人工智能作为技术对象值得我们深入研究的。 一、人能够向人工智能学什么 从信息处理的角度看，人类学习的目的是提升个体获取外部信息的能力，从高维空间的信息中学习低维的结构和特征，从中探寻相关性和规律。信息匮乏时代，个体主要通过自主学习和他人的引导学习进行信息处理：一方面，个体能够自适应、反馈闭环、纠错，连续地来进行学习；另一方面，人类通过文字和语言进行的信息交流大大提高了群体获取外部世界知识的效率。随着互联网的普及和人类知识的快速迭代，信息的爆炸式增长已经超过了人自身的处理能力，迫切需要适宜的工具来帮助筛选过剩信息，探索新的学习方式。基于神经网络的人工智能作为中介性工具，能够为人们从高维数据中提取结构化知识，也为人类探索新的学习方式指明方向。相关研究证实，“神经网络不再只是一个行为拟合的黑箱工具，而正在成为一种认知显微镜。它不仅具备数据驱动的建模能力，还能通过压缩与抽象，揭示出潜在的行为生成机制”[7]。人工智能能够以惊人的速率处理和分析数据，通过筛选庞大的信息存储库，将被复杂表象掩盖的洞见呈现在我们面前，是人类发明设计的“心智的技术镜像”[8]，人工智能生成的文本、绘画、视频都是它们呈现的世界“面相”。我们应用人工智能生产的内容就是在透过人工智能这面镜子认识世界、认识自己、塑造自己，这是不同于以往任何一种学习方式的新型学习方式，可以称其为镜像学习。 (一)通过人工智能镜像认识自己 人最难的是认识自己，“人类的概念是纠缠的产物，当涉及感知、意识、爱、性、记忆、身体等方面时，不存在固定的起点，也没有既定的前进路径”[9]。与认识外部物理世界甚至宇宙星空相比，人们始终无法确切知道如何稳定研究对象，让自身清晰呈现。人工智能是模仿人类大脑神经网络，依据对智能产生条件和前提的认知、智能行为产生方式的假设创造出来的，神经网络模型最初就是为了研究脑细胞的连接如何产生智能行为而设计的。人们通过复制智能来理解智能。[10]也因此，瓦洛尔(ShannonVallor)将ChatGPT、DeepSeek等生成式人工智能称作人类智能的“镜子”，“它们会生成由我们记录下来的思想、判断、欲望、需求、感知、期望和想象所投射出的复杂映像”，“将我们自身的智能反射回给我们”，是“自己制造出来用以映照自身的机器”。[11]某种意义上，人工智能是人创造的一个自我模型，人类以此呈现自身、进行自我的“表述”，“更深刻地认识自我”[12]。虚拟现实、数字孪生、模式识别以及个体身份画像都是它投射出的镜像，是理解“人之为人”的新方式。 与此类似，人类创造出来展示自身的方式还包括图像和书写等，“它们为我们提供了以新方式思考和体验自身观看行为的工具”[13]。人工智能生成的图像和文本是用来展示某物、阐明观点、解释思想的，人们可以借助这一工具来思考并深入地理解其作为词语使用者的身份，再现自身的行为与存在。“书写始终关乎书写我们自身。”[14]当人们使用生成式人工智能生成文本时，它实际上成为了“语言使用者”，也具有了向人展示“我们”的功能。正如NeurIPS主席美国四院院士谢诺夫斯基(TerrenceSejnowski)所认为的，大语言模型就像一面“厄里斯魔镜”，它的智能水平是提问质量的镜像反映，“能够通过映射人类的思维模式，并反映出对话者的信念和期望”[15]。“大语言模型似乎在进行一种更为微妙的反向图灵测试，通过映射我们的反应来检验对话者的智能水平和提示质量。这具体表现为：对话者的思维水平越高，提供的提示越有深度，大语言模型就能展现出越高的智能表现。”[16]它通过对共享资源的重新加工、循环利用，让人们看到那些从之前共同所见、共同所思的事物中循环再生而来的意象，使人们在不断认知和看世界的过程中展开自己，完成对自我“盲区”的揭示，让人们看到之前未曾看到的东西，也能以新的方式看待之前看到的东西。这种揭示是重塑自己、以不同方式整理、看待已知事物、改变自身的契机，能够让人改变、重塑自我，成为不同的存在。人工智能的镜像功能使其可以发挥某种类似“教师”的作用，回答人提出的各种问题，告诉人如何做事、如何思考，使人看到自身无法看到的种种问题。同时，这些人工智能“教师”也告诉人们身为人类意味着什么，什么是好的、美的或值得关注的，它讲述着人类的过去，同时也预测、规划人类的未来。 (二)通过人工智能镜像塑造自身 人类教育的最终目标是改变自己，而不是复制自己。人类终身都在完成构造自我、塑造自身的任务。人工智能镜像不仅是对人类思维器官的延伸，更是对生命的强化。斯蒂格勒(BernardStiegler)认为“人的形成必须求助于技术的助产”[17]，他将器具助产术称为“反射镜效应”：“在反射镜中，一方从另一方反观自身，从中变形和变化。”[18]通过镜像学习，就像舞蹈学习者在镜子前练习一样，透过镜子可以看到自己的每一个动作，可以根据镜像的反射修正、完善自己的舞姿。镜像虽不言，但是可以对使用者产生潜移默化的影响，当使用者观看人工智能镜像中的自己时，会将自己视为被描绘的对象，会在镜像的框架中调整自己，就好像在创作一幅临时的自画像。镜像为使用者的感知提供了评判标准，使用者会以此为标准调整自己的行为。 与其说人工智能带来的是一种新的体验或新的处理信息方式，不如说是以“镜像”的方式，让人们得以看清自身日用而不知的各种习惯和思维方式。这种镜像让人更全面更清晰地看到被认知局限和内心期望所遮蔽的现实存在，帮助人们从过去的经验中学习，强化那些卓有成效的策略，并创造性地将它们应用于新的情境，同时也可以摒弃那些反复失败的策略。以人工智能为师，并不是为了重现数字镜像中的景象，从经验中学习也不意味着重复过去，而是为了塑造全新的自我；以人工智能为师，是将其当作一个塑造自我的工具、审视过去获取智慧的“后视镜”。人工智能通过两种方式改变人。第一种方式是利用“组织者”的角色给人们增加新的习惯。“由于习惯实实在在地构成了我们，塑造了我们的本质，因此技术通过以新的方式组织我们，从而重塑我们。”[19]第二种方式是利用“反抗者”的角色，不断打破、重组既有的组织方式。从发展的视角看，使用人工智能技术“并非是让我们更协调、更好地组织起来，而是去干扰、打破，或者更直白地说，去扰乱这些与生俱来的、无形的、不被注意的、熟悉的、起制约作用的组织形式”[20]。 (三)通过人工智能镜像认识世界 图灵奖获得者、英国计算机科学家瓦利安(LeslieValiant)认为，人类的学习系统由三个重要的支柱构成：“(a)从经验中学习；(b)通过指导获取理论知识；(c)以综合的方式运用从(a)和(b)中所学到的知识。”[21]人类学习系统价值的发挥有赖于教育和文字、印刷术、互联网、人工智能等技术工具的发明。文字符号提供了将知识的明确描述传递给学习者的重要方式，很难想象如果没有语言的表达能力，知识从一个人传递到另一个人是如何可能的；教育的发明充分利用了人类灵活处理文字符号和通过指导获取知识的能力，形成了通过群体中的众多个体进行高效学习、交流和共享知识的新机制；生成式人工智能能够处理不受限于个人经验的知识，“它们是经过训练以根据一段文本预测下一个单词的监督学习系统。当它们被要求依次预测单词时，它们可以生成任意数量的文本”[22]。从人类学习的角度，生成式人工智能是完全不同于文字符号、印刷术和互联网的新型学习工具，它所生成的内容是基于概率、算法的对人类知识和人类智能的复刻。通过生成式人工智能，人们可以更便捷、高效地学习和使用他人发现的知识，这是一种在人类教师之外的将知识的明确描述传递给学习者的新范式：人类由此可以开创性地通过机器学习，或者说人类从发明人工智能技术开始创造了通过机器传递知识的新渠道，学习者可以学习机器生产的“镜像性”知识，并将其添加到自己的知识体系之中。“这使得人类能够获取那些并非自己亲自构建，也未经个人经验验证的知识体系。”[23] 人工智能技术拓展了人类获取知识的途径，改变了人类认识世界的方式。相较于被动地听别人讲或观察世界提供给我们的示例，运用机器生成自己提出问题的答案可能会使学习更有效率。人工智能通过两种方式引领我们学习。一种方式是通过旧知识的新组合拓展思考范畴。人脑的生物性局限使我们难以考虑我们所认识的所有概念的所有可能组合，生成式人工智能的工作机制就是提供旧事物的新组合，且它提供的往往是人所想不到的概念的重新组合，这是对人类大脑思考范畴和思维速度的极大增强。另一种方式是基于许多示例的统计结果向人暗示新属性。瓦利安给出了两种在没有教师或指导者的环境下暗示新属性的方式。“一种是源于单个示例的意外特性；另一种则是源于许多示例的统计结果。这两种方式都可以被视为无监督的过程。”[24]没有教师指导的环境下向人暗示新属性的方式——源于许多示例的统计结果，正是生成式人工智能的方式。“学习的作用就在于从属性未被隐藏的示例场景中揭示属性之间的关系，并在属性被隐藏的场景中对其进行预测。”[25]人工智能可以成为一个辅助洞察引擎，通过镜像向学习者显现那些此前未意识到的关联，包括从海量数据集中寻找模式、发现我们通常会忽略的模式和关联、催生新的想法。 二、通过人工智能的学习是如何发生的 通过人工智能进行的镜像学习，主要发生在人机之间，而不是像传统学校教育那样主要发生在师生之间。人类学习者与人工智能之间的关系也不同于传统师生关系。人工智能“教”的方式，蕴含在它的镜像功能之中：由代码构成的巨大的人工智能镜像“存储并汇集从我们身上获取的所有信息，分析其中的主要模式，然后根据这些信息，以新的言语、图像和行动的形式，重现我们鲜活的样子”[26]。人们审视、观看人工智能镜像时，不断赋予它意义，这个时候，学习就发生了。通过人工智能的学习，是人通过对人工智能镜像的意义构建、思考和理解进行学习，而不是人工智能在向人传授它的思考和理解。因此，我们有必要进一步探讨：人通过人工智能所进行的学习，其发生机制是什么?人的感知、思维、决策与行动这些心智活动是如何在向机器学习的过程中产生的? (一)人工智能镜像学习的神经机制 人工智能之所以能够成为“教师”，不是因为它“教”了我们什么，而是因为它以其镜像功能极大地触发了“人之为人”的“可教育性”(或称“可学习性”)。在这方面，人工智能就像一位高明的人类教师那样：不是一味地向学生灌输、传递知识，而是以某种方式引发学生的自主学习。瓦利安认为，“可教育性是我们人类这个物种的决定性特征”[27]，是一项“人类诞生之初就拥有的特殊能力”[28]。人类这项能力在漫长的历史进程中只有寥寥数次发挥了其强大的影响力：4万年前的人类“心智”大爆发、雅思贝尔斯(KarlTheodorJaspers)所定义的“轴心时代”、15世纪的科学革命。这些人类文明史上的辉煌时期是由语言、文字、古登堡印刷术的发明等传播技术推动的，这些技术使“人类终于开始以系统的方式和工业化的规模利用可教育性这一特质，同时也享受着新科学知识所带来的一切益处”[29]。 “可教育性是人类拥有的一种信息处理能力”[30]，它本质上是一种理解他人行为的机制。神经科学家拉马钱德兰(VilayanurS.Ramachandran)曾通过镜像神经元“在脑内进行虚拟现实模拟他人行为”来解释“理解他人理论”，他将镜像神经元视为理解他人行为的必要条件。虽然目前仍然缺少人类镜像神经元的直接证据，镜像神经元的单一神经机制或许无法解释人类的学习能力，但拉马钱德兰对通过镜像神经元在模仿学习和理解他人中所发挥作用的论述，以及对人类心智的大爆发、文明的大跃进为何会集中在相对短暂的时期内出现这一现象所作出的解释，对于认识镜像学习的发生机制仍然具有很大的启发性。“若没有人类大脑与生俱来的、由基因决定的‘可学习性’，智人便不配拥有‘智慧’这一称谓；但倘若没有沉浸在能利用这种‘可学习性’的文化环境中，这一称谓同样名不副实。”[31]简言之，人类心智“大爆发”之所以发生，是因为某些关键的环境触发因素和人的可学习性共同作用的结果。近年来，沿着拉马钱德兰提出的思路，模仿学习与心智解读能力的神经机制正在被完善和重新定义。斯坦福大学心理学教授苏里(GauravSuri)与麦克莱兰(JayMcClelland)提出的“心智涌现”理论进一步解释了环境触发因素和大脑神经元之间如何发生作用，使人类所有的思考、体验与行动在众多大脑神经元的活动中“涌现”出来。他们认为，大脑的镜像学习并非镜像神经元这一单一神经元实现的，而是多个神经元的合作、激活模式共同作用的。逻辑思维、意识体验以及其他内在动机性行为，最终都可能源于大脑神经网络内部逐步展开的交互激活过程。[32]人的大脑模仿学习和理解他人心智的能力与语言、文字等认知工具构成了一种新型认知结构，在这种新型学习方式中，学习者视觉、听觉领域的探测器会被文字、符号等内容激活，并驱动相应的神经模式发生器做出相应的行为，形成对“结构化思维序列”的镜像模仿。 在这种新型认知结构中，大脑中留下的不是对事件的“记录”，而是参与激活模式的神经元之间连接强度的变化。[33]学习会改变大脑神经元的连接，新的经历会促使神经元集群形成新的连接，温习旧知识、练习旧技能，共同的神经元就会被反复激活，这些连接就会变得更快、更强、更高效。大脑神经元的连接本质上就是知识与学习的存储载体。[34]大脑的感知、思维活动就是一连串流动的激活：外部输入激活部分单元，这些激活会对其连接的其他单元产生兴奋或抑制作用，进而在网络中传播，最终形成的激活模式可能代表对物体或概念的思考，也可能参与触发具体动作。[35]学习本质上就是激活神经元，建立或增强神经连接。感知、记忆、情境效应、情绪、决策、概念知识、语言、逻辑思维、动机性行为与目标追求，都是神经元激活与连接权重的调整。神经网络的学习过程本质是“调整连接权重”[36]。这种认知结构不仅可以解释人如何学习，也可以反映人工智能如何基于神经网络进行建构。 (二)人工智能镜像学习的触发机制 人类大脑之所以能够反映所听、所看，学习之所以能够发生，是外在触发因素与多个神经元合作的结果。这些因素包括环境中的背景声音、边缘视觉线索，更多的是我们从未有意识感知到的记忆关联，其中的外部“情境变量是影响人类学习的关键因素”[37]。人类能否充分发挥与生俱来的可教育性能力，关键在于是否能够为学习者提供发挥这些能力的技术、文化与教育等情境变量。在瓦利安、拉马钱德兰等人看来，这些环境触发因素主要是人类发明创造的语言、文字、印刷术、人工智能等信息传播技术。目前，人工智能已经逐渐成为人类新一轮心智跃升的必要环境条件，其对人的镜像神经元的激活作用，以及由此触发的大规模心智涌现，其影响规模将远远超过古登堡印刷术对大脑神经元的触发效应。瓦利安预言，“数字技术很可能会开启一个比以往更加活跃的科学进步阶段。这不仅仅是因为计算机为模拟科学理论和检测数据模式提供了诸多机会，更简单的原因是数字技术在知识传播方面带来了又一次革命”[38]。可以预见，以生成式人工智能为代表的新一代信息技术使人类可以以比古登堡印刷术更大规模利用可教育性这一特质，大幅提升人的结构化思维能力，带动人类整体的心智大爆发(某些心智的大规模涌现)。 通常情况下，我们很难察觉可能影响思想与行为的因素，无法识别激活相关神经元的输入变量，也无法确定每个输入变量的影响程度，甚至可能察觉不到与被激活目标相关的激活信号，但是，我们可以从人类已经掌握的知识中寻找外部激发因素。“指导神经网络活动的‘知识’，储存在其连接权重之中，连接权重会与来自外部世界的输入信号共同作用，产生与‘我们的思想’相对应的激活模式。”[39]我们虽然无法有意识地获取大脑神经连接权重的信息，但是人工智能生成内容本质上就是这些连接权重的映射，它对应着一系列的神经元激活模式，是天然的带权重的连接，对人类大脑神经元具有更高的激活水平，是最适宜的外部激活信号，我们可以用人工智能镜像作为激发信号，来触发新的思维、感知、意识体验。机器学习模型是被设计来发现旧有模式的，特别是那些对我们来说过于微妙而难以察觉的模式，然后在新的预测中重现这些模式，人工智能镜像可以成为高效的学习触发因素。它既能揭示我们难以察觉的微妙模式，也能让我们熟视无睹的模式变得一目了然、清晰可见。无论是帮助我们看到我们自身从数据中看不到的模式，还是帮助我们看到自己看不到的缺陷，都是“教师”应有的指引或纠错机制。 需要明确的是，我们不能将人工智能镜像对学习的引导触发完全等同于人类教师对学生的引导启发。人工智能镜像向我们映射的内容来自机器学习模型接收并反映离散的数据量，包括静态或视频图像、声音文件、文本字符串、数字或其他符号等多种形式的数据；但人类生活中的许多真实状况都无法用数字形式体现，教育过程中偶发性的、独特的、个别的事件，诸如学生的改变、进步、顿悟时刻，这些对教育来说极为重要的事件，在人工智能镜像中几乎是不可见的，也是它无法触发的。人工智能镜像能够展现给我们的触发因素是教育中最常见的、频繁出现的一般性事件，教育中最为重要的东西反而被排除在了教育故事之外。与人工智能不同，教师能够持续关注并随时捕捉的正是这些教育过程中的顿悟时刻和“不愤不启，不悱不发”的“愤悱”时刻，一个优秀的教师也正是通过在大量常见、多发事件的经验积累中捕捉到这样的瞬间，才发挥出神奇的“育人”作用。人工智能的机器学习和优化算法决定了教育中的哪些特征将被聚焦并以模型输出的方式反馈给我们。算法表达了选定的目标函数(对问题最优解决方案的数学描述)，人为设定的参数和权重决定了在机器“学习”过程中数据将被处理成何种结果，算法本身决定了它反映的都是大概率事件或者相关观点的全球平均值，而教育中需要关注的恰恰是小概率事件、偶发事件、突发事件。这种映射机制决定了人工智能镜像无法映射教育中最为重要的东西，它远非我们期待中应有的全知全能。像ChatGPT这样的生成式人工智能所生成的内容只是看起来或听起来是“新”的，但其本质上是基于过去的概率预测，是对过去发生的事件的映射，而不是我们在教育中所期待的那些惊喜、跃升或顿悟，它对教育中的“尖峰时刻”并不敏感，当这样的时刻来临时，它不会像人类教师那样对学生进行精准的引导触发。 (三)人工智能增强人类心智的新路径 与人类教师相比，人工智能镜像对学习者的引导触发只是一种结果性的终端触发，它缺失过程性的、连续性的引导。人工智能“黑箱”导致了过程和结果的分离，人们对外部世界的感知越来越集中在结果端，过程被省略掉了。“我们只享受结果，不再能感知产生结果的过程。”[40]人不再体验、感知实现结果的过程，而是直接从问题到结果。当向Chat-GPT、DeepSeek等问答型人工智能输入一个“问题”，它就会给出一个“答案”(结果)，并不细致呈现这个结果是如何获得的。人类大脑从“问题”到“结果”中间有一个推理的过程，这个过程包括对记忆知识的调动、从已有经验中获得的启示、与其他相近事物的类比，还有归纳、演绎等逻辑推理。无论是指令模型还是推理模型，其根本上都是一个“问答者”“结果提供者”，其革命性在于可以为我们提供“答案”或“创意”，可以成为我们穿越信息海洋、应对信息爆炸的有效策略。但是，不去追踪机器的思考过程并不意味着放弃人类自己的思考过程，接受人工智能提供的认知捷径，我们仍然要清晰理解自己的思维过程。通过人工智能的镜像学习，基于镜像又必须超越镜像。 人类的可教育性特质中还包括一种整合不同领域知识并在全新的情况下应用这些知识的能力。人工智能只提供结果的镜像学习需要充分发挥人类大脑这种能力，在一个个“结果”之间建立联系。生成式人工智能从“问题”到“结果”的呈现方式以及其强大的文本生成能力，使得人脑可以专注于“结果”的综合、不同知识之间的合作，这为利用大脑的知识整合和应用能力的特质提供了全新的环境触发因素，这是人类教育史上从未被大规模利用的可教育性特质。人工智能镜像是提供知识的一个重要通道，并且可以像印刷术等技术那样大规模利用人类模仿学习和理解他人心智的能力，但是人工智能镜像对人类可教育性特质的运用还不止于此，它能够触发并大规模发挥人类综合运用知识的能力，也是在这个意义上，我们才说人工智能触发的大规模心智涌现，将远远超过文字发明和古登堡印刷术的发明，并将形成带动人类心智跃升的新路径。在人工智能镜像的触发下，学习者寻求的知识形态不仅仅是通过人工智能“拼接”而获得的浅层连接，而是以综合方式应用知识的关于“如何用”的深层连接。当代学者赵汀阳提出以“综合文本”(syntext)的方法建立知识间的合作关系，“如果每个人都根据自己与问题的‘缘分’，并以综合文本的方法去建立思想和知识的无限链接，在理论上说，每个人都可以按照自己的问题链接去建立一个属于自己的‘瓦尔堡式图书馆’。这将有助于每个人的思想涌现”[41]。人工智能所提供的“结果”或“创意”使其成为人类创造力的“辅助者”，人类的创造都要在明确问题后进入解决方案的构思阶段，产生可能的解决思路，这是创造性工作的关键阶段；人工智能所提供的生成的想法、优化概念、新的组合可以帮助人穿过这个阶段，在人工智能大量产出的基础上形成新的解决方案。增强人的智能的关键是批判性地应用人工智能生成的“结果”，在其提供的“结果”基础上进行构思，而不是简单的“拿来主义”、替代人的思维运作。“认知外包”和“认知卸载”所导致的问题不在人工智能，而在于如何使用它。对人工智能正确的使用方式，是将其提供的结果作为锻炼批判性思维和创造力的“增幅器”和“触发器”；相应地，人工智能镜像学习的重心需要从知识传递转向知识整合能力的提升，学习的目标不应满足于“知道什么”，而是形成独特的思维框架、深刻的领域见解和知识的综合性应用能力。镜像学习要求我们反转信息加工过程，从关注人工智能的信息处理“黑箱”转向关注学习者的信息处理过程，将学习的重点放在学习者对人工智能给出的结果处理过程上，引导学习者基于人工智能给出的结果进行深度信息加工，超越镜像，形成新的连接。唯有如此，才能最大程度地发挥人类可教育性的特质，避免长期依赖人工智能而导致的“思维肌肉萎缩”“认知退化”等问题。 三、人类如何向人工智能教师学习 与人类教师不同，人工智能教师能够发挥何种教育价值，能够带来何种教益，关键在于其如何被调校、调用，如何被用来去镜像以及用来镜像什么。就像人类使用望远镜观看星空、使用显微镜观察微生物时需要调校目镜一样，使用人工智能镜像也需要经过调校才能看到想看的内容。这是利用人工智能捕捉存在之物、获得教益的技巧，“概念、技能、态度和评价是我们直接接触周围世界的手段，它们是构成感知活动的那些调整。正是我们在这些维度上进行的熟练协调与调整，就像使用显微镜时那样，才让事物能够为我们所感知。它们是我们让一切清晰呈现的手段”[42]。 (一)调校人工智能之镜使其不断打破固有模式和既定路线 教育过程的核心要义，是支撑并推动个体的成长蜕变，致力于将人塑造为兼具独特性与开创性的存在，而非流水线生产中千篇一律的复制品。教育是一种人类的“自举”工程，即人类利用自身拥有的各种资源或影响力来提升或推进自己处境的自我塑造、自我改变工程。要实现人的改变和重塑，没有与之相伴的技术重构，没有众多新技术的辅助，是不完整且不充分的。人工智能镜子是帮助我们实现“自举”的重要工具，人工智能作为导航系统可以像人类的“教师”一样，在人类的“自举”工程中发挥重要的作用，使人能够看清可能走向何处。生成式人工智能镜像将我们过去的模式投射到尚不明朗的未来，那么应该如何将与我们共生的新技术引向未来真正需要的形式呢?这不仅仅是教育面临的挑战，也是未来人工智能设计和使用所面临的挑战。技术如何进行导航取决于我们如何设计和使用它。具有创造性的人不仅仅是不复制既定的模式，而且要努力打破这种模式，创造新事物。例如，可以通过添加随机噪声生成器，或者添加其他一些干扰数据的来源，甚至在一个系统中嵌入另一个模型的方式，来打破人工智能原始模型的输出，使每一次与它的交互都得到不同的结果。通过调整人工智能系统，人们可以使其变体更加具有创新性，使其映射更广阔、更真实的图景，识别甚至纠正人类惯常视域中被扭曲、遮蔽的现象，帮助人类抵御因陷于既定模式的“黑洞”而循环发生的各种偏见和思维误区。通过调教人工智能系统，人们可以学习创造新事物的方式，不断在认知结构中增加新的变量，改变自我的内在需求，摆脱曾经的状态或者自己已经擅长做的事情。在放弃和摆脱既定模式的过程中，实现自我重塑。 目前，对人工智能使用的可能性空间始终停留在数字化可及的、可量化的、固有的范畴之内，局限于那些已知的习惯性的计算机可以完成的事务，如整理预测、标记分类、文本撰写、文字润色等。我们一直以来使用和发展人工智能的方式在不断地固化和提升人工智能的镜像，这意味着，仅仅依靠技术本身无法跳脱既有的模式，也无法实现人的重塑。没有人的能动性，技术不但不会驱动教育变革，反而会加剧教育的危机，为人类的发展带来不可预料的风险。人工智能本身不是问题所在，问题在于人对人工智能镜像的使用方式需要做出改变。我们要从人工智能镜像中抽身出来，在更高的维度上审视人工智能所复制的模式潜在的问题和衍生的风险，发掘那些可以根据人的需要对其进行重新调整的模式。通过人工智能镜像发现既定模式的价值在于去打破它。教育要实现人类的“自举”需要具有创造性，人的未来不是过去的重复，而是需要飞跃和转变，需要颠覆过去。人未来的镜像并非存储在一个可以随意编辑的知识仓库中；相反，人类未来的镜像深深植根于“人之为人”的本质和重构技术的能力之中。“人类不是可重新格式化的数字媒体，不是可重新编程的机器人，也不是可以被彻底擦除的空白石板。”[43]人的本质是创造性的改变，而不是重复既有的模式。 (二)反转人工智能的极性实现技术用途的改变 人的自我和人的生活世界是用各种各样的工具来建构和维护起来的。人工智能镜像如同牵引光束一样，可以为我们照亮既有的某种模式，给我们以启迪和指引；它也有可能侵蚀我们，随着人工智能镜子变得越来越强大，人类的自信心、好奇心、想象力、创造力或将被侵蚀殆尽，进而逐渐相信人类只不过是有缺陷且过时的机器。为了规避人工智能镜像可能产生的侵蚀作用，需要反转其极性，协调它们的运作逻辑和发展方向，通过设计和编码来表达我们对彼此以及对世界的尊重、感激、关怀和爱，为已经设定的人类未来的自我塑造目标服务。 人工智能之镜就像中国传统哲学中所说的阴阳，同时具有两种截然相反的极性。只要看到并承认这种阴阳共生的特性，就能够通过反转人工智能镜像的极性来实现技术用途的改变。一方面，我们可以利用人工智能镜子发现和纠正不公正现象。利用基于历史数据进行训练的机器学习算法发现数据本身存在的固有偏见，以便妥善解决这些偏见，消除不平等现象。另一方面，我们也可以利用人工智能镜像揭示尚未打破的隐藏链条，看到过去所忽略的重要事物。与其将算法用于识别已经受到过度审查和偏见评判的人的违规行为，不如用它来识别社会边缘群体的困境和被忽视的声音。与其运用人工智能镜子放大人类最容易产生的欲望，不如对其进行极性调整，让它帮助我们缩小自身需求与他人能够提供的资源或技能之间的差距。我们需要思考到底想用人工智能做什么，想借助它成为什么样的人，如何掌控自己的发展方向，而不是将其视为引领者、将事关未来的决策权托付给它。 (三)运用人工智能进行自主学习而不是被动接受教育 生成式人工智能通过调用训练时使用的海量书面材料来回应文本提问，生成用户期望的词语序列，这些序列在由人解读的过程中被赋予意义。看到机器生成的看似连贯的文本时，“我们会下意识地认为，这些文字是由一个有思想的个体带着某种交际意图产生的”[44]，觉得正在与一个有知觉、有情感、会思考的精神导师交流。我们都是语言使用者，“我们独特的语言，凭借陈述性标签和语法，能让多个大脑以前所未有的细节度和灵活性，将各自的内部模拟传递给彼此”[45]。人与人之间用语言进行交流时，每个对话情境中的说话者都是在刻意选择一段包含图像和动作的内部模拟传递给听者，听者也可以在大脑中重现相同的心理影像。概念、逻辑、思想都是人脑内部模拟出的影像。通过语言将这些内部模拟的影像传递给彼此是人类独有的能力。这种思想传递的技巧，使工具使用方法、各种生活窍门的传授更加精确，使知识可以在不同的个体之间传递，同时也拓宽了大脑汲取知识的来源范围，使人不仅可以从自身的实际行动和想象行动中学习，也能从他人的实际行动和想象行动中学习。语言这种帮助人们窥见其他心智的想象的能力，也使人以为生成文本的人工智能背后存在着一个与自己类似的“心智”。 很多关于在教育过程中用人工智能取代人类教师的所谓“应用”，本质上都源于对这些技术的误解，特别是将人工智能拟人化的导向，模糊了人与机器之间的界限。用人工智能进行镜像学习，必须真正理解人工智能是什么、不是什么，它能做什么、不能做什么，人应该用它做什么、不应该用它做什么。人工智能并没有类人的知觉、意识、情感、理解、思考，“我们千万不要以人的标准来理解它的行为。我们需要清楚，AI与人类的思考方式不同。与AI互动，首要原则是要时刻提醒自己，不要把它们想象成人，不要总是认为它们会像人类一样思考，或者以为它们会以人类的方式与我们互动”[46]。人工智能是人类智能的技术化表达，不能将技术表达的智能当作具备自我思考或行动能力的存在。人工智能拟人化会导致孩子们像对待聊天机器人一样对待人类教师，将教师视为信息传播者，而不是指导和培养他们智力和道德成长的导师。人工智能并不能取代人与人之间的关系，“它只是基于某些基础控制逻辑生成文本，而我们只是将自己对交流意图的解读投射到了这些文本上”[47]。“语言模型仅能操控语言形式，既无理解能力，也无交流意图。”[48]“尽管语言最基本的用途是面对面交流，但一旦我们掌握了语言系统，即使在缺乏共时共地的情况下，甚至跨越时空，我们也能利用语言理解文本产物。但我们仍会采用同样的方法：想象文本背后的思维，构建与作者的共同认知模型，并试图猜测作者可能想用这些词汇让读者理解什么。问题在于，语言模型没有主体性，无法形成主体间性。”[49]真实的师生之间是人工智能无法复制的动态关系。机器模拟人，可以将机器视为人的模仿者，但是不能将人视为机器，以看待机器的方式看待人，将人简化简约。我们阅读由计算机生成的文本时，会赋予其一定意义，是我们在对计算机生成的文本进行意义构建、思考和理解，而不是计算机在思考、理解。“将我们自己理解计算机输出文本的能力，误认为是计算机在思考、理解或感受，这在多个层面都很危险。”[50]当我们代替机器思考的时候，我们就是在学习。“生命是一种‘意义产生器’。我们可以这么说，生命就是那些有能力赋予环境价值，进而找到其对宇宙来说的意义的实体。”[51]“创造意义是一种生存和繁衍的绝佳方式，实际上很可能是唯一的生存方式。”[52]我们要在与人工智能的互动中保持主动权和主体地位，运用它进行自主学习，而不是被动地接受它的“教育”。 四、面对人工智能教师，人类教师将如何存在 一百多年以来，尽管人们为了追求效率一直在推动“教学机器”的应用，但是不同类型的“教学机器”不断显示：给学生配备机器教师“可能产生贬低人类教师的专业知识和师生关系、给教师增加理解和应用新技术的额外负担、局限‘学习’的定义，以及加剧课堂和学校中的偏见与歧视等种种弊端”[53]。与此同时，人们一直想用机器替代“低效”的师生互动，却忽略了能真正改变学生的人生轨迹、形成新的思维方式和应对复杂问题的能力的人际链接的价值。面对人工智能教师，我们迫切需要思考：人类教师与人工智能教师的本质区别是什么?人类教师的存在空间在哪里?人类教师将如何存在? (一)人工智能教师不是对人类教师的镜像 从图灵开始，人们就以人工智能“镜像人类智能”为普遍假设，我们称这些为“输出‘智能’，是因为它们的形式完全从人类汇总数据中提取而来，不出所料地反映了我们过去熟练应对世界的表现”[54]。我们将人工智能称为“机师”，但是它并不像人类教师一样拥有“教育”心智，它是一种全新的事物、一种人类思想或情感的新型反射、一种从数据中提取的数学结构。人工智能系统的映射机制和师生之间的互动机制有本质的不同。与大语言模型的互动过程本质上是一种映射，其背后并没有一个“人”或“类人”存在，“我们听到的是自己和与我们相似之人的话语，这些话语从复杂的算法‘表面’反弹回来，经过反弹后的变化让我们意识不到这其实是我们自己的想法又回到了耳边”[55]。将句子联系起来的数学模式是其模型的唯一内容。 人工智能教师不是对人类教师的复刻。“无论AI有多么‘像人’，它始终是遵循数学规律运行的代码集合，只是一种算法。”[56]我们不仅要知道人工智能镜像的工作原理，还必须知道人工智能镜像遮蔽了什么，从这些被遮蔽处寻求人类教师的价值。首先，人工智能镜像会遮蔽学生的自发性与适应性这些深刻的发展潜力。生成式人工智能基于学生的过去投射他们的未来，其对学习者未来学习状况的预测，只能说明与过去的数据轨迹相似的情况，对于学生学习、生活或思想中生成的新观点、新产生的学习兴趣或抱负，以及学生在教育过程中可能发生的转变，都是人工智能镜像不可见的。其次，人工智能无法镜像突发事件和教育的不确定性。人工智能能从过去的数据发现微妙的历史模式，但它无法预测没有先例的变化以及以全新的形式呈现的“黑天鹅”事件。然而，人类教师知道如何面对突发事件和不确定性，并且懂得面对突发事件时需要具备一定的韧性和适应能力，懂得适时改变方向，能够启发学生从他人的触动中获得顿悟。再次，人工智能可以通过映射教师在课堂上更精细的细节，推测学生说出口的语言，却无法知晓学生内心的想法和动机，以及那些师生之间通过眼神交流传递给彼此的思绪。人工智能可以检测到学生的微笑和鬼脸，却无法洞察赋予这些表情的真实情感。这些意识觉知和具身体验都是人工智能无法触及、无法反射的。学习需要活生生的师生互动与交流，师生通过触摸或眼神交流建立联系，将彼此视为同时存在的共同体验者，并通过这种意识的分享形成区分现实与幻觉的能力。一个真实的教师不是一个抽象的概念，也不是一个数据集，而是一个独特的、不可替代的、给人强大道德力量的生命。学生的成长需要拥有不同经历、掌握不同教学方法的教师，而不是只会呈现一种“人格”的机器。师生之间需要通过交流来传递人工智能镜像所不具备、只有人才具有的智慧。人工智能镜像没有身体，不会感觉到疼痛，也不会感觉到绝望或厌倦；没有要追寻的梦想和要表达的希望，没有需要保守的秘密或分享的喜悦，也没有为他人奉献和获得成功的快乐；它不会追问“我是谁”“我想成为什么样的人”。人工智能看待我们的方式与人与人之间看待彼此的方式存在根本性的差异。 (二)人类教师要展现自身表达的深度，不能像人工智能一样运作 人工智能的镜像运作与人类教师的创造性工作存在深刻的差异。人工智能的创造只是在所学模式的基础上批量生成与既定模式略有不同的版本，即使是每个版本略有新意，也仅仅是复制相同的模式。从根本上看，人工智能被训练做事的方式是通过对现有数据集生成新的变体来创造的，这种机械创造并未表达任何东西，它本身没有任何需要表达的内容。教育作为一种创造性工作，其核心不仅仅是依照传统的教学模式、批量输出与教学大纲略有不同的教学内容，教师与学生的互动交流是人与人情境性的表达。教师通过语调、手势、身体动作等表达方式将某种能传达其他含义的东西呈现出来。表达作为一个教师对世界或自我的身体上、情感上或智力上的体验，展现作为一个人其自身难以言表的深度。生成式人工智能虽然能生成文字、图片、代码、视频，但是这些内容，并不是基于表达的欲望而生成的，它没有任何体验、情感需要表达，它的输出是基于人的指令、提示词，它的表达需求是人赋予的。只要我们认识到机械创造与自我表达之间的差异，就不必担心人工智能会取代教师，也不必担心人工智能会对人的创造力构成威胁。但问题在于，当前塑造人工智能功能的文化和教育观正在以“与自身创造的机械镜像有多相似”来衡量教师的价值。在某种意义上，社会评价一直在奖励、推崇像“机器”一样工作的教师，主流价值观更青睐那些在课堂上如人工智能一样不需要费力寻找恰当的词汇、图像、音符或动作的教师，那些从来不会被不可言说的意义困住、发音标准、动作流畅、表现完美的教师。我们有时也会推崇那些在公开课上可以像机器一样设定好、毫无瑕疵地按照既定剧本演出的教师。如果说人工智能对教师职业带来了存在论意义上的危机，这种危机并非来自人工智能本身，而是源于我们人类自身、教师自身。人工智能之所以能够贬低教师的存在价值，仅仅是因为我们甚至是教师自己早已贬低了自身的价值。我们忽略了一个人类教师在课堂上或与学生互动交流时真正触发学生、震撼学生心灵的深度时刻。更为重要的是，我们忽