具身模拟：人工智能赋能的学习变革

/具身模拟：人工智能赋能的学习变革【摘要】人工智能突出的特点在于它越来越接近人类智能。在传统模式下，技术只能基于外部立场作用于学习者，它游离于身体之外，难以从学习者立场出发考虑学习问题，而在未来人工智能时代，技术可以实现从“游离身外”到“具身模拟”的关键性转变，通过模拟学习者的学习过程，帮助学习者发现知识的独特价值、理解学习的深层意义、获得自由的个性发展。当人工智能技术以具身模拟的方式推进“人—机”融合学习，智能收集信息参数、构建心智模型、推送知识图谱、呈现探究路径、分析学习成效，就能主动为学习者化解可能的学习障碍，帮助学习者获得最优的学习结果，引领智慧学习的崭新方向，推进人工智能赋能的学习变革。【关键词】具身模拟；人工智能赋能；学习变革 2019年5月，联合国教科文组织成员齐聚北京，会后发布《北京共识——人工智能与教育》文件，提出要“通过人工智能与教育的系统融合，全面创新教育、教学和学习方式”，但要创的“新方式”究竟是什么，“新方式”基于什么，“新方式”如何变革或更新旧的教育、教学和学习，却没有给出说明。要回答这些问题，需要基于人工智能的特点和功用进行探析，厘清教育教学在这种全新的环境中运用技术和原理的支撑及依据。由于人工智能出现了接近人类智能的趋势，甚至在某些方面可以替代人类智能，这就使几千年来技术为人类所利用、所使用的关系发生了变化。这种变化甚至是颠覆性的——人类的学习也可能在大脑、意识和机器协同合作的新趋势下[1]，发生根本性的变化，其中，最根本的变化就是技术将由“游离身外”辅助学习转向“具身模拟”的“人—机融合”学习。 一、游离身外：技术用于学习的传统路向 (一)采取技术作为手段，传授知识内容 第一种路向主张，在早先的学习理念中，学习被理解为个人接受知识内容后产生的心理与行为的改变过程。它通过身体姿势、运动模式等发生的变化呈现出来，据此判断学习成效。其中，身体是载体，知识内容是传递的对象。教授主义和行为主义者相信，通过外界的言语、行为等方式增强对学习者的感官刺激，可以加快知识迁移的速度。这些知识内容包括有关世界的事实及问题解决的程序，即陈述性知识和程序性知识，教师必须娴熟地运用各种技术手段，完成将这些知识传授给学习者的重要任务[2]，学习者则近乎物化成为被动接收知识内容的容器。遵循这一路向，现代技术的使用被理解为是在教师的主导性运用下，通过富媒体等方式，以绚丽的色彩和生动的音频动画等增强对学习者的感官刺激，提升学习者对学习内容的关注，帮助学习者从感觉记忆、工作记忆进入长时记忆[3]，方便学习者在今后特定情境中从身体记忆里提取这些知识为己所用，技术成为促进知识内容传授的手段。 (二)利用技术建构境脉，激发认知动机 第二种路向相信，学习并非只是学习者机械地接受刺激作出相应反应的过程，学习者具有能动性，学习应该被视为学习者在自身原有认知结构的基础上有选择地加工和建构经验的过程。例如认知主义认为，在学习过程中人是一个单独的要素，其认知是在格式塔的基础上建构的，学习的关键是增强和发展学习者对环境的洞察力，它在解决问题的过程中得以发生。依照皮亚杰的说法，学习是由某个情境所激发，推动学习者认知结构的发展过程。[4]当学习者被置身于一个新的学习境脉中，原认知结构难以解决面临的新问题时，旧平衡被打破，学习者会产生调整和加工自己原有认知结构的内部学习动机。秉承这一路向，现代技术的功用就是通过建构丰富的教学境脉，如虚拟仿真环境，利用开放的虚拟空间，增进学习者与学习场景之间的联结，激发学习者的学习动机，在运用知识解决问题(即“做中学”)的过程中，形成更有效的新认知结构，并减少认知负荷，最终使学习者能够对变化的环境做出适当的反应。 (三)通过技术进行对比，提供学习参照 第三种路向认为，学习并非只是教师和学生单对单地知识内容传递，也非基于个体学习者与环境之间的互动而表现出来的认知结构改变，因为个体不是孤立的，学习者生活在社会中，会受到他人行为的影响。遵循这一路向，学习被视为学习者在社会中通过与他人对比，进而以模仿的方式呈现出来的行为变化。例如，以班杜拉等人为代表的社会学习理论就提出，大多数人类行为都是通过对榜样的观察而获得的[5]，它不仅受榜样行为影响，也受到学习者所观察到的榜样对模仿行为作出的肯定或者否定的反应的影响。学习者主要通过“样例学习”的方式，即参照别人的样例，寻找更优解决方案，为获得问题解决图式奠定基础。[6]现代技术的功用就是通过建立人与人之间广泛的关联，利用云计算、大数据等技术，找寻学习过程中的普遍规律，并运用这些规律来指导学习者的学习。 上述三种主流路向并非泾渭分明，彼此也有许多共通交融之处，例如它们在技术的运用上都有一个共同的特点：无论是作为一种手段增强对学习者的感官刺激以期获得预期的反应，还是构建境脉打破学习者原有的认知平衡以实现认知结构的发展，抑或是推动与他人的对比以激发“见贤思齐”的榜样效应，技术都是基于外部立场作用于学习者的，是游离于学习者身体之外的，难以具身代入学习者本人，实现贴身的学习指导。而人工智能技术的发展则使具身代入成为可能。 二、具身代入：人工智能赋能引发的学习变革 (一)发现知识的独特价值 在传统观念中，知识的价值常被视为人类社会共同赋予的，尽管不同的个体对于知识可以有不同的理解和运用，但作为一种人类社会通用的“共享符号”，其价值应该毋庸置疑。因此，学习者是否理解了特定知识的深刻和复杂的含义并不重要，重要的是他们要学会将这些知识先“储存”起来，以方便日后随时取用，知识对于学习者的独特价值只有在他们将来面对具体问题时方能体现。这种“你们将来就会懂”的常规假设往往会导致一个结果，学习者在学习知识时并不完全清楚知识的价值，学习知识的目的只是“储存”以备将来所用，这就是“先学后习”的“学以致用”模式。人工智能的优势在于，它可以通过具身模拟学习者本人，在学习行动尚未开始前就先体验各种知识在不同环境、不同条件下学习者可以达到的应用效果，帮助学习者发现这些知识对于自身而言的独特价值，学习者根据其价值选择来学习，形成“先习后学”的“致用以学”模式。[7]此时知识不再是抽象的符号，而与学习者未来的人生体验充分结合起来，使学习者发现哪些知识对其本人具有独特价值。这就不仅回答了斯宾塞提出的“什么知识最有价值”[8]，而且回答了阿普尔提出的“谁的知识最有价值”[9]，因为其最终落脚点是延伸而来的第三个问题“什么知识对谁最有价值”。当教育教学回到学习者自身的立场，学习者就能够发现知识对其个人而言独特的价值所在。 (二)理解学习的深层意义 学习不仅具有表征意义，还具有深层意义。奥苏贝尔曾将学习划分为机械学习和有意义学习两大类，并提出意义学习过程的本质在于“将符号表示的新观念(学习任务)与学习者的原有知识(认知结构中某一特定学科知识)建立起一种非任意的、实质性的联系”，这种意义是“学习任务与原有知识积极、融合地互动，最终产生的新意义”。奥苏贝尔认为，有意义学习的产生需要两种先决条件：“学习者表现出有意义学习的学习心向，即将待学新知识与原有认知结构中的知识建立非任意、实质联系的倾向”和“所学材料对学习者而言具有潜在意义，即这种材料能同学习者认知结构建立非任意的、实质的联系”。[10]这就是说，学习是否有意义取决于能否与学习者原有的认知结构建立起稳定的实质性关联，这就要了解和认识学习者原有的认知结构。有学者认为，当前信息技术对课堂教学影响的形式意义大于实质意义，技术只是作为“工具”被整合于课堂，缺乏深度融合[11]，而要深度融合，人工智能必须要作为一种独特的要素融入教学生态结构，强调知识生成的建构性及学生学习的自主性，使“学”成为教学的出发点，实现以“教”为中心向以“学”为中心的教学结构转型。[12]要实现这种转型，技术就应该锚向学习者本人，利用网络学习空间具有的“采用实名制度”“账号终身使用”“空间人人拥有”“资源创新运用”“组织功能强大”等特点[13]，收集学习者的学习行为数据进行智能画像，建构学习者认知模型，实现人工智能技术对学习者的具身代人，推动“具身”式的理解，构建起“知识与生活、知识与心灵之间的有机联结”[14]，帮助学习者理解学习的深层意义。 (三)获得自由的个性发展 技术的出现分割了教与学的行动，但这并不意味着教与学的完全分离。有学者如张学军等人认为，未来人工智能时代的教育将迎来的是“人机共教”现象，只不过在弱人工智能、强人工智能和超人工智能阶段，其内涵有所不同而已，在超人工智能时代的教育最终将走向“人机共融”。[15]但这里的“共融”是与谁“共融”?不少学者提出，伴随着弱人工智能向强人工智能转化而来的是由教师主教、机器辅教(如人工智能助教系统模型[16])转向教师和机器协作，共同教学生知识[17]，所以依旧是与教师“共融”，人工智能技术仍然游离于学习者之外。这种游离使技术附身于既有的权力结构之上，成为教师管控学习者的超级武器，也成为师生矛盾之渊薮。保罗·弗莱雷(PauloFreire)曾言：“压迫者越来越多地把科学技术当作无可争议的强有力工具来实现其目的：通过操纵和压制来维持其压迫秩序”，而“真正的解放教育学要能贴近被压迫者”。[18]人工智能最大、也是最突出的优势正源于它能够逼真地模拟人的思维和行动，这意味着人工智能技术将具备带入学习者并具身模拟学习者学习过程的能力[19]，它可以使过去所关注的“人机共教”转变成为“人机共学”，乃至将机器的“教”与“学”和师生的“教”与“学”共同融合为一体。换言之，应用于课堂教学中的“先进”技术并非作为传统简单技术的替代品而出现，它应该造成技术工具与课堂文化、教学主体的重新分配与适应。[20]运用云计算、大数据等智能技术收集而来的信息不能作为学习者必须学习的“普世样例”，借之向学习者施压，以此束缚乃至泯灭学习者的独特个性，人工智能应该以具身代入的方式模拟学习者，帮助学习者探寻可以如何利用这些信息更好地实现自由的个性发展。 从“游离身外”到“具身代入”，人工智能技术可以利用其独特的优势赋能学习者。它使技术不再表现为单纯由外部向学习者直接或间接施加各类刺激的工具，而是积极促发学习者的本位回归，通过具身模拟学习者的学习，帮助学习者更清晰地认识自我、认清现实、把握未来发展的机会与可能，进而理解学习对于其自身独具的意义。人工智能技术所具有的超能力，可以发现和获得人类无法感知又难以表达的暗知识[21]，通过人工智能机器事先超前模拟学习者的学习行动，基于适当的算法，精确量化测量时空外部的未知信息，对未来复杂的学习现象进行预测[22]，评估各种学习条件下学习者可能获得的学习成效，从中选择优化的路径供学习者实践，采取更高效的应用引领学习者走向智慧学习。 三、模拟学习：人工智能引领智慧学习的新方式 (一)智能收集信息参数 资料的数字化是学习者有效学习的先决条件[23]，要模拟学习者的学习，人工智能技术首先必须收集学习者相关信息参数，以便为学习者进行模拟“画像”。这些参数包括学习的历史参数和当前参数两个部分。历史参数用来确定学习者的学习经历、学习偏好、学习风格等信息，当前参数用来确定学习者当前所拥有的学习背景、学习条件、学习基础等信息。在“网络学习空间人人通”的背景下，人工智能技术可以智能搜集学习者在其个人网络学习空间上记录的全过程学习数据[24]，通过数据挖掘和对比分析，提取关键参数，精准复制和描绘学习者的学习轨迹，识别学习者的学习风格、知识水平和学习动机，并对历史和当前学习进行有效的切片诊断。通过分析学习者的一般特征、学习准备、学习风格、选择偏好等关键信息参数，结合行为科学、脑科学等最新成果，精准绘制学习者“画像”，人工智能便可以量身定制个性化的学习支持服务，从而使学习者在学习过程中得到精准推荐、精准指导和精准提示的信息，使学习更加个性化。[25] (二)智能构建心智模型 心智模型是个体或团体根据自身经验所建构的知识结构模型，可以用来解释和预测其行为。在心智模型的基础上，新一代人工智能技术可以模拟人类的感知、记忆、推理等功能，通过分析学习者的学习行为，判断学习者意图，追踪学习者认知状态，进而深入理解学习者的学习进程。[26]学习者心智模型由学习支持系统、动力系统、调控系统三个部分组成。通过创设具身学习环境和设计具身学习活动，可以建立教学设计和教学实施两类模型，对比学习者的学习兴趣、参与度变化和学习效果等情况，测量学习者元认知的发展变化[27]，构建起学习者心智模型。在学习者学习的过程中，由于其心智会随学习的进展而发生渐变，人工智能机器需要以超运算速度提前模拟学习者在学习过程中出现的各种状况，对比系统中收集的学习者群体学习实践数据，在固化的学习者个人心智模型基础上构建学习者动态的“心智变构模型”，再比对学习过程中学习者的心智变化实况，及时调节和校准该模型。如此，人工智能就可以最大限度地模拟学习者学习，精准预测学习者的学习认知变化。 (三)智能推送知识图谱 知识图谱是以信息科学、图形学、应用数学等为基础，以知识域为对象，借助信息可视化技术和计量学方法对学科知识进行关联分析，以生动形象的图形和网络谱系揭示知识的结构、规律、彼此之间的关系和发展过程的一种图形，具有“图”的可视化和“谱”的序列化双重性质特征，可以更直观地呈现学科知识要素之间的数量关系和结构关系。知识图谱起着类似于智能导航地图的作用，后者会在出行者出发之前就提供沿途的红绿灯设置、道路是否收费、拥堵程度如何等信息，而人工智能所推送的知识图谱则可以收集大量学习者在学习过程中遇到的重难点问题作为资源储备，同时利用蒙特卡洛树搜索(montecarlosearchtree)方式探索所有可能的学习路径，并根据学习者的学习需要和学习偏好，提供几种最有效的学习路径作为参考。由于每个人的学习基础、学习条件、学习偏好等因素各异，对于不同的学习者而言，有效的知识图谱也会有所差异。人工智能技术以具身代入的方式模拟学习者的学习，可以根据学习者的个性需求和目标偏好，智能地推送专门的知识图谱，进行可视化操作，引领学习者以人工智能模拟的自己为榜样，获得最优的学习效果。 (四)智能呈现探究路径 正如智能导航地图在设定了初始和目的地参数以后会提供多种路径进行选择，通过智能分析预测，人工智能技术同样可以为学习者提供多种条件下达成学习目标的最佳路径。现有人工智能技术可以设计出包含学习者模型库、学习过程数据库、自适应学习路径构建引擎等功能模块组合的模型，从认知风格和知识水平两个维度量化描述学习者特征，计算相似度并提取相似学习者群体的学习情况，应用群体智能模型和蚁群优化方法，在静态和动态学习单元中寻找合适的学习路径[28]，以有效解决学习者的认知过载问题，实现学习者对知识的主动建构、高效内化和迅速迁移[29]。人工智能也可以通过自身不断地学习，建立和模拟人脑组合各类学习任务，构建有意义的学习与理解的心智变构模型，为复杂状态下的感知决策提供解决思路，并自动推演每一步学习任务完成后所发生的变化情况，形成多种逻辑下构建的学习路径，满足学习者各类不同的学习需求。通过接受各种形式的数据，如文字、图像、语音等，形成跨媒体智能学习路径呈现给学习者[30]，学习者可以根据自己的需要进行自主选择，按照“致用”程度确定未来可以实践操作的优化的学习路径。 (五)智能分析学习成效 尽管人工智能可以通过具身模拟学习者的学习过程，制定切实有效的学习计划，但学习者在执行过程中也可能因为各种原因未按照原定计划完成阶段性学习任务，需要进行适当调整，更改预期目标、预设路径、完成时间等主要参数。在网络学习空间平台上，人工智能不仅记录学习者的学习过程，监督学习者的学习质量，以此支持深度的个性化智慧学习，更重要的是，它具有超运算能力，能够将过程性评价、形成性评价和总结性评价合而为一。通过将学习者真实的学习活动与具身模拟的学习活动做实时对比，在出现成效偏离的情况时，极短时间内重新定位学习者的各项初始参数，重新设置学习计划，重新安排学习内