张志祯 张玲玲 李芒

【摘要】“智能化领跑教育信息化2.0”正逐渐成为教育信息化研究者与政策制定者的共识。但目前学校教育的自动化程度还比较低，学校是手工“工场”，而非机器生产的“工厂”，多数教育工作者并未感受到人工智能的冲击。为应对未来教育发展的需求，教育工作者需明确人工智能的基本原理与技术限度，需从宏观与微观层面把握人工智能与教育的关系。本文提出并系统阐述了人工智能与教育的三层次相互作用模型：①潜在作用层次，源于人类的知识和知识实践的纽带作用，改变知识实践方式的人工智能必然会影响主要是知识传播实践的教育活动;②直接作用层次，人工智能帮助教育实现教学自动化（人工智能教育应用）、提供课程内容，教育为人工智能培养人才、提供实践场域;③间接作用层次，人工智能更活跃，通过对个体、社会的影响提出新的人才培养需求，倒逼教育变革。在人工智能与教育相互作用的“推拉”效应、大规模教学个性化需求、教育机构降低成本分工细化等因素作用下，教学自动化具有逻辑必然性，而教育发展与教育信息化的需求、公众人工智能意识提升、前期教育信息化奠定了良好的基础、有利的宏观政策等因素，使教学自动化具有现实可能性。我国人工智能教育应用研究尚难支撑大规模教育智能化实践。人工智能教育应用研究亟待超越技术、产品开发与应用设想研究，亟待开展有关人机分工教学法的机制与效果及其对教育机构的全面影响的系统化理论研究与高生态效度的实证研究。

【关键词】  人工智能教育应用;教学自动化;人工智能;知识;知识实践;知识传播;知识应用;教育改革

【中图分类号】  G434      【文献标识码】  A      【文章编号】 1009-458x（2019）1-0025-11

近年来，人工智能技术的突破引发全球范围内产业结构与就业市场巨变的预期。人工智能成为大企业和国家发展战略的核心（国务院， 2017; 吴飞， 等， 2018）。科技、经济、社会的变化必然曲折影响到教育的目的、内容与方法。作为直指人类智能的通用技术，人工智能不但会通过劳动力市场的结构性变化倒逼教育变革，而且会直接作用于教育教学活动。2018年4月全国教育信息化工作会议提出“智能化领跑教育信息化2.0”（王珠珠， 2018）。近期，已有研究者关注这一主题（如： 潘云鹤， 2018; 贾积有， 2018; 刘德建， 等， 2018），但目前我国人工智能教育应用研究总体上处于起步阶段，尚难以支撑大规模实践。从教育教学立场出发的系统的理论分析工作亟待开展。人工智能本身抽象、复杂，相当多的教育研究者与实践者对人工智能的理解不准确，缺少对其技术限度的客观认识，这不利于人工智能在大范围内变革教育实践。

一、人工智能与知识实践自动化

（一）人工智能祛魅：内涵与误解分析

人工智能研究发轫于信息化浪潮席卷全球的前夜。1956年，美国东部的达特茅斯学院会议标志着人工智能作为独立研究领域的确立。这一标志性事件的背后是几方面力量的长期相互作用：一是控制论、信息论等学科的形成与发展丰富了人类对于机械系统与有机体行为的认识;二是刚问世不久的电子数字计算机惊人的数值计算和自动控制能力以及第二次世界大战期间现代科技展现出的令人瞠目结舌的军事力量刺激人们为计算机这一新工具寻求新的应用领域;三是才华横溢、志存高远的科学家对于人类智能行为的奥秘上下求索;四是掌握了充沛研究资金的外太空探索机构和军事机构对于以智能机器代替或者辅助人类个体在极端条件下进行工作存在着热切的盼望。现实的需求、巨大的期望、领域开创者的乐观等因素使人工智能甫一呱呱落地便扶摇直上。随后60多年间，人工智能领域经历了几番大起大落。近年来，人工智能在历史上首次成为国家之间和大企业之间竞争的焦点，备受瞩目。

没有哪个学科像人工智能这样广受关注，同时又被普遍误解。“人造的智能”似乎威胁到每个人类个体，除了智能机器会抢走工作、破坏就业，能感知、会思考的智能机器威胁到“智人”的认知尊严与优越感。科幻文学与影视作品塑造出智能机器的种种社会形象，通常是阴暗的、反乌托邦的形象。因此，人们在谈到人工智能时难免会带上浓厚的感情色彩，但人工智能不是魔幻，也不是科幻，而是科學、工程和数学（Russell， et al.， 2013， p. 28）。

首先，对于人工智能的误解源于研究问题的复杂多样性。人工智能研究包含许多子领域，从通用领域（如学习和感知）到专门领域（如下棋、数学定理证明、语言翻译、自动驾驶和疾病诊断）。Stuart J. Russell等（2013， pp. 3-4）将人工智能的定义分为四类，分别是以数学和工程方法建造“像人一样思考”、“像人一样行动”、能够“合理地思考”以及能够“合理地行动”的智能体（agent）。即人工智能专家希望对智能做出建构性阐释，也就是通过制作智能机器来理解智能的机制。与此相对却又相辅相成的是脑科学、认知神经科学研究者，他们通过分析性方法探索人类智能（松尾丰， 2016， p. 26）。周志华（2018）对人工智能研究与实践层次的划分（表1）反映了本领域的综合性与复杂多样性，凸显了其工程与数学本质。

其次，对于人工智能的误解也源于人类语言在描述机器智能方面的局限，这导致“语义学”问题（斯加鲁菲， 2018， pp. 108-109）。“人工智能”以及“学习”“推理”“记忆”等人格化术语并不准确，还会造成不切实际的遐想。例如人和计算机都能“记忆”，但两者存在本质差异：人的记忆是建构性、整体性的，记忆与理解、情境、情感密不可分，既有显性水平，也有隐性水平，而且总是存在选择性扭曲、模糊、遗忘与强化;计算机的记忆只是在显性水平上对于给定数据进行原样存储。Jerry Kaplan（2016， p. 417）认为，1956年达特茅斯学院会议最引人瞩目的成果是选择“人工智能”作为领域名称。如果当时选择了更常规、不会对人类认知造成威胁的术语，例如符号处理（symbolic processing）或分析性计算（analytical computing），则这一领域的发展可能会更接近其实际情况——自动化或者自动控制的持续推进。当然，人格化术语的使用也是无奈之举，成熟如物理学，其术语也与日常语言保持着千丝万缕的联系（陈嘉映， 2018， pp. 193），只是专业人员需要对语言保持敏感，以准确地表达所要表达的含义。

最后，对于人工智能的误解还和过分乐观的预言以及广告宣传式的表达方式有关。例如，图灵奖与诺贝尔奖得主、人工智能與认知科学学科创始人赫伯特·西蒙（Herbert Simon， 又名司马贺），在1965年预言“20年内，机器将能够胜任人类承担的所有工作”（斯加鲁菲， 2017， p. 38）。50多年后，这一预言的实现似乎还遥遥无期。有关人工智能产品与技术的公开报道常常会有意无意省略技术的实现细节与智能设备的工作环境，而这些信息对于准确理解和评估人工智能技术的实际能力至关重要。有公司宣称其人工智能产品能为新闻稿件生成极具创意的标题，却不透露其工作细节。实际上，计算机扫描稿件内容后可能产生了几十个标题，其中合理、新颖的并不多，人类编辑挑选甚至润色修改后才能使用。另外，多数机器运作都需要人类为其创设适宜的环境（如同火车需要铺设铁轨），“长出了手脚的计算机”发现这个世界并不友好：许多在实验室中展现出神奇智能的设备，一旦离开特设的结构化环境，进入杂乱繁复、无结构的现实世界，马上变得莽撞笨拙，做出常人看来匪夷所思的行为（斯加鲁菲， 2017， pp. 120-127），如已经进入寻常家庭的扫地机器人①。环境的结构化程度与智能设备的表现密切相关，但这一点通常在各种公开报道中很少提及。类似宣传报道累加起来，使公众心目中的人工智能的形象严重失真。

（二）知识实践与知识实践自动化

人类实践的目的性、技术性、制度性、历史性、文化性等特性决定了人类的实践要以知识为基础（石中英， 2001， p. 5）。知识作为人类认识活动的结果，其外延宽泛，形态多样，既有高度形式化、普遍的理论知识，又有难以言说、情境化、个体化的实践知识。从不同角度可将知识分为不同类别，以下四种分类有助于理解人工智能的工作机制与限度：第一，常识（common-sense knowledge）与专门知识（domain-specific knowledge，或称“领域知识”）。常识指其他人能够理解并认为是显而易见的事情（明斯基， 2016， p. 172），专门知识指仅与某一特定问题相关的知识。对于构建智能系统而言，专门知识相对更易获取，更易形式化，而常识则难以获取和表征（危辉， 等， 1999）。缺乏常识是当前智能系统无法提高其智能水平的重要原因，使得看似简易的任务也无法完全交给机器人去做（斯加鲁菲， 2017， p. 134）。第二，显性知识与隐性知识（或称“缄默知识”）。对于隐性知识的研究始于波兰尼，他指出“人所知的要多于其所能言说的”（Polanyi， 1957， p. 12）。显性知识指能够明确表达，尤其是易于形式化的知识，如MYCIN专家系统中以“IF... THEN...”形式存储的血液感染知识（松尾丰， 2015， p. 63）。隐性知识更多与复杂决策、动作技能或者情境感知相关联，是难以言说的直觉知识。利用机器学习方法从样例数据中学习到的模型有用，但难以解释，功能上与隐性知识十分契合。第三，陈述性知识与程序性知识。约翰·安德森（John Anderson）对于认知技能中陈述性知识与程序性知识的区分对于智能辅导系统的研发乃至认知心理学、教育心理学都有相当大的影响（索尔斯， 等， 2008， pp. 234- 235）。陈述性知识相当于语义知识，程序性知识是有关如何操作的过程知识（Anderson， et al.， 1995）。第四，George Maccia提出智能系统应有三类智能：定量智能、定性智能和表现智能，分别以“知道那些（knowing that）”“知道那个（knowing that one）”“知道如何（knowing how）”为基础（Frick， 1997）。Theodore W. Frick认为当时（1997）的智能教学系统仅具备一定的表现智能，而完全不具备定性智能，因此缺乏常识，在教育中的作用有限，只能作为增强师生活动的媒体资源。20多年后，尽管技术有所突破，但人工智能系统仍不具备定性智能。

彼得·伯克（2016， p. 11）从知识社会学角度将人类的知识实践分为采集、分析、传播、应用四类。采集指用于萃取知识的“生的”原材料（数据资料）的收集与存储。电子信息技术广泛采用之前，采集活动通常是由探险家、博物学家亲入现场，带回实物标本、测量数据以及观察和访谈记录。分析通常在“书房”中完成，学者整理资料，通过对比、分类和概括发现模式、提炼规律。传播指知识在人类个体间、群体间的传递扩散。应用指将知识用于实践，指导行动，解决问题。应用并不仅仅是知识“消费”，在应用过程中行动者可能会产生对于问题、情境与知识的新理解，并可能将新知识回馈到社会的公共知识。当然，正如伯克所言（2016， p.11）这四类实践并不是截然分开的，知识采集、分析、传播本身就是知识应用。知识的采集与分析就是知识生产（创新），是科学研究的主要目标。作为问题解决核心的知识，比信息更“黏”，更难在人际传播，其应用效果更具有情境性和主体性（布朗， 等， 2003， p. 116）。

知识实践有赖于信息技术的发展。广义的信息技术包括语言文字（包括数字）等编码技术（格雷克， 2013， pp. 29-39）以及印刷技术、媒体技术（电影、录音、广播、电视等）、计算机网络技术（常规的数字信息处理与传输技术）、人工智能技术（知识处理技术）。语言文字使人类知识经验能够“类”化、概念化，可以脱离个体，在个体间、群体间、代际传播（叶澜， 2006， p. 7）。印刷技术是大规模教学活动开展的技术基础。媒体技术能够全面、真实地再现活动与场景，丰富了采集、传播知识的手段，扩大了知识传播面。但即使是电话、电影这样突破性的技术——人类历史上首次能够捕捉、存储、再现、传输声音和活动影像，也并未改变人在知识实践中的主体地位。计算机和通信技术具有交互性，能够表现出适应情境和任务的灵活性，能够实现知识实践的浅层次自动化;与媒体技术不同，它不是实现了人类无法完成的任务（如活动影像再现、远程实时通话），而是做了以往专属于人类的工作（如计算、文字搜索、推理）。人工智能技术可以在一定程度上代替知识实践中人类个体的主体地位，能够实现某些知识实践的自动化（见表2）。

二、人工智能与教育的三层次相互作用模型

教育是有意识的以影响人的身心发展为直接目标的社会活动，学校教育是近代以來教育活动中的核心部分（叶澜， 2006， pp. 10-11）。教育与文化（广义的文化，包含科技）之间不是决定和被决定的关系，而是互相部分包含、互相作用、互为目的与手段的交融关系（叶澜， 2006， p. 167）。科技进步可促进教育发展，充实教育内容，改进教育手段，现代教育是繁荣和发展科技的重要手段和基本途径（黄济， 等， 2012， p. 30）。在这一框架下，审视当前几乎是最具活力与影响力的科技领域——人工智能与教育系统的相互作用，可以发现它们存在多层次的相互作用，这种相互作用可分为潜在作用、直接作用和间接作用三个层次。

（一）层次一：潜在作用

人工智能与教育的潜在相互作用源自两者均植根于人类的知识与知识实践，即知识与知识实践是两者之间的纽带。同时，两者又都是知识领域的活跃要素，在复杂的相互作用过程中协同发展、演化，推动人类知识生产、传播与应用的发展。

知识是智能系统能够展现智能行为的原因，是系统行为的核心（危辉， 等， 1999）。人工智能的子领域知识工程专门研究面向计算机的知识获取、表示与利用（史忠植， 等， 1986; 化柏林， 2008）。吉仁泽（2006， p. 56）在分析心理学领域形成“人脑是一部计算机”这一隐喻的过程时发现，经济的变化（制造业和“计算部门”的大规模劳动分工）与启蒙运动时期所形成的“计算为智力的本质”这一观念的衰落，使数学计算降级为单调重复的任务，人们也随之将其从智力的概念中剥离了出去。观念的变化使得查尔斯·巴贝奇（Charles Babbage）能够设想用机械计算机来代替人类计算者——这是电子计算机、人工智能研究的源头。

知识是教育的前提与基本内容。“知识与教育之间有着内在的关联。一方面，教育是筛选、传播、分配、积累和发展知识的重要途径;另一方面，知识又是教育的重要内容与载体，离开了知识，教育就会成为无米之炊，各种各样的教育目标也就无法达成。”（石中英， 2001， p. 1）知识的性质制约和影响教育活动的目的、课程知识的选择、教学过程以及教育学者对教育理论的建构（石中英， 2001， pp. 126-129）。从知识实践的角度看，教育主要是系统、有组织、有计划的知识传播实践。“教育在严格意义上说并不是一种知识生产的机构，……在主要的方面，教育只是从一定的价值立场和价值需求出发，对人类已经获得的知识进行筛选、传播和分配，从而促进人类知识的积累和发展，促进青少年个体认识能力和实践能力的提高。”（石中英， 2001， p. 8）

教育与人工智能并不被动地被人类的知识与知识实践所决定。教育以塑造知识生产者、知识工人的知识、能力、人格、价值观等为基本途径反作用于人类的知识实践。作为当下最活跃的科研（知识生产）领域之一，人工智能以思想、算法、工程化方法与产品工具等多种成果改变着人类的知识与知识实践，逐步推动人类知识实践自动化的深度与广度，逐步使机器成为知识实践的新型主体。

（二）层次二：直接作用

人工智能对教育系统的直接影响主要有两方面：一是教学自动化，即采用人工智能技术的教学系统（智能教学系统）直接参与教育教学活动，由计算机完成部分教学任务，智能教学系统成为教育生态系统中的新型物种，直接改变教授、学习与管理的活动方式;二是直接成为课程内容，如我国《普通高中信息技术课程标准（2017版）》中的“人工智能初步”选择性必修模块（教育部， 2018），又如本科和研究生层次的人工智能专业或方向人才培养的专业课程（周志华， 2018）。

教育系统对人工智能的直接影响也有两方面：一是教育为人工智能发展与推广培养人才，除了直接相关的职业与高等教育阶段，就培养学生的科学探究精神和数学、科学与工程技术素养而言，基础教育阶段举足轻重;二是教育是人工智能重要的应用领域，为其提供了独特的研究问题与广阔的发展空间。

人工智能的教育应用或者说教学自动化，即人工智能与教育之间的直接作用，也即层次二，是本文的关注点。正是因为两者有密切的内在联系，人工智能的教育应用才备受研究者与政策制定者关注。本文后半部分还将整合三个层次的相互作用，结合教育的需求与实践现状，更详细地论述教学自动化的逻辑必然性与现实可能性。

（三）层次三：间接作用

“作为知识形态的潜在的生产力的科学和技术只有通过教育才能实现再生产。”（叶澜， 2006， p. 135）人工智能也是如此。但是，在当前人工智能与教育的间接相互作用中，人工智能更为活跃，它对教育的间接作用更受社会与教育工作者关注。人工智能推动各行业生产方式自动化，改变劳动力市场结构与产业结构，进而影响到社会结构，在这一过程中会提出新的人才培养需求。因此，本部分主要探讨人工智能如何借由对个体和社会产生影响，进而以变革人才培养目标为中介，间接作用于教育系统。

1. 人工智能对于个体的可能影响

人工智能对于个体的影响将是多样而深刻的。这里重点分析三个方面。

第一，人工智能刺激个体思考人的本质与存在的意义。智能机器的制造不但能够提供认识人类智能的新视角，而且“给人类带来存在论级别的巨变”（赵汀阳， 2018）。智能并非人类所独有，这将刺激总是寻求自身独特性的“智人”思考人的本质，这有望使人们重新关注“完整的生命的人”，而非仅关注“认知的人”;有望在新的层次上审视“人是目的”的意义与现实可能性。叶澜在20世纪末呼吁课堂教学突破“特殊的认识活动”的教学观，倡导“从生命的高度用动态生成的观点看课堂教学”，以焕发师生生命活力（叶澜， 1997）。这似乎是人工智能时代的先声，是教育理论研究者对于时代精神的敏锐体察。

第二，人工智能放大个体差异。“人工智能赋能×××”是近期常见的话语方式，“×××”多指代某一行业产业，但赋能最终必须发生在个体身上。“新的并且更复杂的技术长期以来都在以奖励思维敏捷、适应性强且往往年轻并受过教育的人的方式改变着工作环境和日常生活”（戈尔丁， 等， 2015， p. 125），人工智能也不例外。互联网、大数据与人工智能的结合，使个体能够掌握空前的数据与计算资源。当前，各领域都存在利用人工智能创新的交叉空白点，能够抓住这些点的个体其影响力将显著放大，即所谓被人工智能“赋能”。但需要明确的是，智能时代也同样是“人能弘道，非道弘人”。例如，斯坦福大学一位本科生在2015年创建了辅助违章停车上诉的法律咨询网站，2016年该网站进化为“法律机器人”，截至2016年6月底已帮助推翻了16万张停车罚单（张宸宸， 2016）。但是，人工智能在增强一些个体的同时，会削弱另外一些个体：使个体的技能过时，为个体制造“玻璃笼子般的舒适区”。机器代替人，不需要具备人的所有能力，只需要具备完成特定工作所需的知识与技能即可（福特， 2015， p. 256）。人工智能将淘汰一些技能，导致“结构性失业”，使仅具有这些技能的劳动者处境不利。与蒸汽机等通用技术不同的是，人工智能威胁到了知识工作者（卡普兰， 2016， pp. 140-145），如自动法律案例检索使律师事务所对初级律师的需求大大减少（张宸宸， 2016）。此外，目前全球每天有大量个体沉溺于数字世界的游戏、社交、娱乐难以自拔，“玻璃笼子”知道他们最隐秘的需求，按时按需提供刺激，使相当一部分个体的娱乐、消费、阅读等活动可能变得日益狭隘，宛如温水中的青蛙，眼下的安逸换得长期的受控与受限。

第三，人工智能改变人类实践能力的结构。尼古拉斯·卡尔考察了自动化对于工作活动性质和工作者技能的影响，发现自动化重塑工作和工人（卡尔， 2015， p. 78），省力的设备不仅代替了部分工作，还改变了任务的性质：对于飞机、轮船等驾驶操作工作，自动化技术把人类从直接操作者变为观察者，降低了人类对于突发紧急事件的应对能力;对于医生、会计师等诊断决策工作，决策支持软件的采用降低了人评估复杂案例的能力。总体上，计算机自动化似乎阻碍了人类将任务自动化的心理能力，造成了人类个体技能的退化。

2. 人工智能对于社会的可能影响

作为与蒸汽机、电力、计算机等量齐观的“通用技术”，人工智能将对社会产生广泛而深刻的影响。人工智能可以提高生产自动化的广度与深度，可能会形成物质极大丰富的社会，为所有社会成员的“全面发展”奠定物质基础。但人工智能绝非仅能造成“乌托邦”式的社会，它对社会的长远影响还是未知的。已有人工智能研究人员公开表达了对人工智能技术被恶意应用的担忧（Brundage， et al.， 2018）。这里仅概括分析人工智能应用对于社会价值观与经济的可能影响。

在价值观或伦理层面，人工智能会让“不可见的”可见，使“不明确的”明确，这可能凸显群体间的不平等，造成社会冲突。所谓让“不可见的”可见，指对于社会活动的伴随式数据收集、分析与呈现将使不平等现象显性化，刺激公众反思与批判。如亚马逊网站上的某些商品对于黑人社区不可见，呈现给男性的高收入招聘广告要显著多于女性（Yao， et al.， 2018， p. 650），又如公开政务数据的统计分析使得对于美国警察普遍超速、知法犯法、凌驾于法律之上的怀疑变成确凿无疑的事实（涂子沛， 2014， p. 272）。所谓使“不明确的”明确，指随着人类活动自动化程度的提高，人工智能需要面对的“两难”伦理问题会越来越多。如自动驾驶汽车在危急时刻，优先保护车辆还是行人？人类个体面对这类情境时往往下意识地凭直觉做决策，决策过程近乎黑箱，但个体承担责任。人工智能仅在“显性”水平上做决策，行为规则该如何制定？且不说规则如何落实，单是规则明确化、显性化就足以引起激烈纷争，而法律领域已经在探讨智能机器成为非人类主体的可能性（余成峰， 2017）。

在经济层面，人工智能的影响有二：

一是自動化让资本拥有了劳动力，如何维持社会的可持续发展？技术发展已经改变了劳动力需求结构。以制造业为例，从流水线到自动组装的转变，劳动力需求总量下降，而且降低了对于直接操作机器从事生产的低技能工人的需求，提高了对于从事设备组装、调试、维护的“设备养护”高技能工人的相对需求（戈尔丁， 等， 2015， p. 171）。在脑力劳动领域，人工智能正逐步将原先附着于个体的知识提取出来，集中存储、管理。随着知识积累与技术进步，能自动解决的专业问题可能会越来越多。自动化程度的提高使资本能够同时占有生产资料和劳动力。这会破坏就业市场，撕裂当前的社会结构。在这种情况下，如何实现社会的长期稳定繁荣是个难题（福特， 2015， p. 280; 卡普兰， 2016， p. 164）。

二是自动化持续推进，社会、个体如何适应？人工智能一方面变革现有产业的生产方式与组织管理方式，改变劳动力需求结构;另一方面催生新的产业，产生新的就业机会。只是“人们总是很容易想像哪些工作被淘汰，但很难想像科技将带来哪些新的就业机会”（斯加鲁菲， 2017， p. 80）。不管对未来的具体预测如何，人们似乎一致认为未来社会分工将更为细致，同时社会愈加需要整体的合作;大规模分工与合作的社会机制、知识技能、信息技术基础设施已经具备;变革的速度会日益加快，越来越多的个体在其一生中会主动或被动地在多个工作中切换（经济合作与发展组织， 2005， p. 24; 柯林斯， 等， 2013， pp. 132-134）。这对个体的学习能力、通专结合的素质结构提出了更高的要求，即变革了教育系统的人才培养目标。

3. 人工智能与教育的间接作用

关于机械自动化（机器参与生产）对教育影响的研究可追溯到马克思的分析。马克思认为机器大生产一方面使得劳动者必须成为“全面发展的人”，由于竞争和科技进步生产方式变革速度加快，工作岗位与技能新陈代谢频繁，“全面发展的人”才能快速适应劳动岗位转换，这对于产业与工人的发展都必不可少;另一方面，生产效率的提高为劳动者接受更多教育创造了条件，劳动者有了更多“闲暇时间”用于学习新知识与技能（黄济， 等， 2013， pp. 192-195）。

进入20世纪，人们对自动化的担忧总体上有增无减。20世纪50年代初，维纳预言自动化技术的发展将带来第二次工业革命（脑力劳动的自动化），这会导致致命的失业潮（维纳， 1978， pp. 141-142）。20世纪后半叶，国际社会对科技进步挑战的回应日益明朗：超越知识，发展学生的一般能力。1996年联合国教科文组织发布《教育——财富蕴藏其中》，重申终身教育及其“四个支柱（学会认知、学会做事、学会共同生活以及学会生存）”（联合国教科文组织， 1996， pp. 75-76），以实现21世纪个体与社会的可持续发展。裴娣娜于20世纪90年代提出主体性教育，强调教育应发展个体的主体性，即自主性、独立性与创造性（裴娣娜， 等， 2004）。进入21世纪，变革教育以实现经济社会繁荣成为各国政策的主流选择。由信息技术领域全球大公司主导提出的21世纪技能，强调学习与创新技能、生活与职业技能、ICT素养（特里林， 等， 2011， pp. 157-158）。因此，虽然对很多教育工作者而言，人工智能、自动化似乎是新鲜事物，但由于教育具有未来性、滞效性（叶澜， 2006， p. 311），教育政策更需要具有前瞻性，因此多年以来教育政策制定者和研究者就已经关注其影响了，在这方面近几年其实并无多少创新的观点。现在的教育目标已经体现出自动化、人工智能的影响：均强调未来世界的高科技、快速变化与不确定性，因此均重视学生的灵活性、适应性、学习力、自控力、创造力与交流合作能力。下面仅通过几个案例概括分析近年来基础教育领域和职业与高等教育领域人才培养目标的新特点。

在基础教育阶段，如何超越知识与技能，培养学生的一般能力？这是基础教育发展的国际性课题。2016年发布的《中国学生发展核心素养》致力于回答我国教育应培养什么样的人这个问题，即学生应具备的能够适应终身学习和社会发展需要的品格和关键能力有哪些。最终确立了三类六大学生核心素养：文化基础类的人文底蕴、科学精神;自主发展类的学会学习、健康生活;社会参与类的责任担当、实践创新（柴葳， 等， 2016; 汪瑞林， 等， 2016）。芬兰在2014年发布的《基础教育核心课程》中提出基础教育应以培养学生的横贯能力（transversal competence）为目标。所谓横贯能力是指由知识、技能、价值观、态度和意志所组成的实体，意味着在特定情境下应用知识与技能的能力（芬兰国家教育委员会， 2016， p. 594）。芬兰国家教育委员会认为应培养学生的七大横贯能力，即思考与学习能力，文化素养、沟通与自我表达能力，自我照料、日常生活技能与保护自身安全的能力，多元识读能力，信息技术能力，工作生活能力与创业精神，以及参与、影响和构建可持续发展未来的能力。其中，思考与学习能力是其他能力与终身学习的基础。

在职业与高等教育阶段，如何培养通达的专才？职业与高等教育可细分为不同层次，如中等职业教育、高等职业教育、本科教育、研究生教育等，但与基础教育相比均限于特定领域，相对而言是培养“专才”的，其面临的挑战是如何培养“通达”的专才。对于通达的需求源自于社会与个体两个层面。从社会层面看，越来越细致的分工呼唤更大规模的社会协作，在这一过程中需要有全局视野的人才来组织协调，这类人才需要有通达各个专业细分领域的眼光。从个体的层面看，“通达”者不但能够适应工作岗位转换，适应与学习能力强，而且更有可能发现“人工智能+原有产业”的空白点，具有更强的创新能力。对于大学而言，预判领域未来所需的人才知识结构变得更加紧迫。近期在我国大学本科教学改革中，强调基础性与通识教育是两个趋势。前者，如中山大学新闻学科的人才培养，看重基础性，“以不变应万变”，即新闻行业的许多传播手段会变，但文、史、哲、经济的基础知识不变，新闻领域采写编评的专业基础不变（黄达人， 2015， p. 164）;后者，如清华大学经济管理学院强调“塑造价值、培养能力、获取人类核心知识”的通识教育（黄达人， 2015， p. 135）。

三、教学自动化的必然性與可能性

对于人工智能的教育应用，本文有意采用“教学自动化”一词，意在强调三个方面：一是人工智能以研究自足地“感知、推理、行动”的智能系统为目标，应用于教育的智能系统通常可自主完成相对复杂的教学任务，“自动化”可突出其目标设定后无须人工干预、自主教学决策的能力与特色;二是“自动化”更能突出微观层面的人机关系，逼迫人们去思考教师与机器（计算机）的关系，如何分工协作，以及这对于学生、教师、学校、社会、家庭的可能后果，智慧教育、智能教育等术语属宏观层面，有利于建立共同愿景，在微观层面上它们会遮蔽人机分工的本质;三是本领域已有的研究与实践多数只关注教与学，尤其是更多仅关注学生对特定学科的学习，强调“教学自动化”符合人工智能教育应用研究的现实。

（一）教学自动化的逻辑必然性

教学自动化的逻辑必然性主要表现在三个方面：

第一，在人工智能与教育相互作用过程中产生的“推拉”效应使得教学自动化成为必然。所谓“推”，是指人工智能对个体与社会产生影响，使得人才培养目标在总体上强调核心素养、一般能力和通达等，以提高个体的学习力与适应性。培养这些品格与能力，需要学生具有分析与解决真实问题的经验，需要向学生提供个性化指导与反馈，这是学校现有教育模式难以大规模提供的，而智能教学系统有望大规模提供这类学习机会。“推”体现了人工智能对于教育的间接影响，即通过改变人才培养目标，从外部推动教育采用人工智能技术。所谓“拉”，由于人工智能与教育之间以人类的知识与知识实践为纽带，教育是知识传播实践，而人工智能技术可自动应用学科知识、教学法知识和学习者知识实现知识传播的自动化①，天然可用于支持教育活动。贾积有（2009， p. 8; 2018）认为，在某种意义上，人工智能研究与人类的教育活动是相同的，都是为了提高活动对象的智能，不同之处是前者旨在“教”以计算机为代表的人造机器，而后者“教”的对象是人类个体。这一观点对于深入认识人工智能、教育和知识三者之间的关系颇具启发性。顺着这个思路再向前推：被研究者教“会”了的计算机，是否可以教人类呢？从这个意义上讲，能够实现知识实践自动化的人工智能技术直接介入教育教学过程，提高知识传播的效率与效果，是必然的。

第二，教学过程的个性化指导需求使得教学自动化成为必然。教学过程是教育活动的核心，对于学生个体而言，教学过程是一个特殊的认识过程，其特殊性体现在这一认识过程是有指导、以学习间接知识为主、有教育性的认识过程（王策三， 2005， pp. 114-130）。郭华（2016）认为“教学的根本问题，是外部知识如何被学生获得、占有并转而成为学生个体的内在力量和精神财富的问题”，她提出“两次倒转”的教学过程：学生的认识过程是将人类认识过程“倒过来”的过程，在内容上学生的认识起点是人类的认识终点，在过程上是把“倒过来”的过程再“转回去”，即学生通过典型地、简约地经历人类认知过程的方式主动地全面占有人类知识。“倒过来”“转回去”的过程并不容易，学生需要个性化指导甚至“教练”式的指导，但是大规模个性化教学的成本很高。班级授课制自17世纪确立之后，饱受批评，但批而不倒，到现在为止依然是世界范围内学校教育的主流模式（王策三， 2005， p. 272），之所以如此，实施成本低是重要原因。常规计算机辅助教学（CAI）软件、在线课程（如慕课）作用有限的原因之一，是这些系统并不“理解知识”，不会“施展技能”，它们只是提供了预先设置好的“讲解”与简单的练习，教学的个性化、灵活性与适应性很差（Park， et al.， 1987）。早在20世纪70年代初，Collins等（1975）就论述了智能教学系统开展个性化教学的优势。智能教学系统能够超越“讲解”，支持创建交互式智能学习环境，为学生提供灵活多样的“做中学”机会，计算机成为教练，使大范围“认知学徒”式教学活动成为可能，为学生提供“两次倒转”所需的切身体验与个性化指导。

第三，教育机构顺应社会分工发展潮流的需求使得教学自动化成为必然。劳动分工与专业化是提高生产效率的有效途径，自亚当·斯密（Adam Smith）揭示出这一规律后，社会分工愈加细密。学校经历了社会不断赋予其功能，而学校反过来持续借助社会力量为学生提供服务（如校服、能源、餐饮、信息化运维、部分特色课程等）的发展过程。在这个过程中，学校越来越像各类社会服务的把关人与过滤器，而不是什么都由自己提供的臃肿组织。但以往“外包”的服务与学校的核心业务（教学）距离比较远，随着信息化的深入发展和混合教学活动的普遍开展，在挖掘教育教学大数据、开发个性化教学系统等方面，学校通常都需要借助外部专业力量才能完成。这些新的活动越来越贴近教与学活动的核心。一开始，学校的开放很可能是被迫的，因为学校不具备这样的专业能力（麦尔荀伯格， 等， 2014， p. 80）。在可预见的未来，为满足更高的人才培养需求，多数学校应该仍然需要面对专业能力不足以及降低成本的压力，需要寻求专业的第三方服务或者开放教育资源。随着智能开放教育资源不断丰富、教学平台日益成熟、众包观念被广为接受，有可能建立起新的价值协调网络，建立起以师生为中心的智能教学生态（克里斯坦森， 等， 2015， pp. 94-104; Heffernan， et al.， 2016），这实际上是建立在互聯网、大数据和人工智能基础上的更为动态开放、灵活自主的教育分工体系。

（二）教学自动化的现实可能性

尽管当前人工智能技术还存在缺乏常识（斯加鲁菲， 2017， pp. 134-140）、符号难以接地（松尾丰， 2015， pp. 77-78）、跨领域迁移难（Pinkwart， 2016）、高能耗（凯利， 等， 2016， pp. 107）等局限，尽管当前人工智能教育应用领域中以工程性研究居多，缺少高生态效度、大规模、严谨的教育应用研究，同时智能教学系统的设计开发难度大，尚未形成成熟的智能教育产品生态，但是由于存在广泛的现实需求，而且人工智能应用于教育的条件已经基本具备，因此，在未来人工智能可能会对各级各类教育，尤其是学校教育与开放教育，产生广泛而深刻的影响。

从教育与教育信息化来看，以下需求呼唤人工智能深度应用于教育领域：

第一，培养学生核心素养的需求。在以培养学生核心素养为目标的教学中，知识与技能掌握依然重要且不可跨越，但教学不能停留在此，还需要为学生提供丰富、系统的“动手动脑”解决真实问题的机会。强调培养学生的一般能力并不新鲜，至少在19世纪下半叶法国的中等教育就已经开始重视培养学生的判断力、推理力和思考力（涂尔干， 2006， pp. 332- 334）。当前的主要挑战有两方面：一是规模，即不是面向极少数“精英”学生，而是要面向全体学生;二是一般能力包含的成分更复杂多样，外延更宽泛。当前学校教育中主流的班级授课制在为学生提供解决真实问题的经验这方面捉襟见肘，而智能教学系统可灵活创建多样的问题解决情境，这为大范围培养核心素养创造了条件。

第二，学校开展个性化教学的高成本难题。人们常将今天的学校比喻为“工厂”，强调其不顾学生个性的批量教学。这个比喻并不准确。目前学校更像工业化早期的手工“工场”，而非实现了机器大生产的“工厂”，教学活动基本上都是教师“手工”完成的，机器承担的任务并不多。这也许是个性化教学成本高昂的主要原因。人工智能在将教师从重复性低级劳动中解放出来、提高个性化教学效率、降低成本方面潜力很大。

第三，教育治理现代化的挑战。教育治理现代化是教育现代化的重要内容（秦建平， 等， 2016）。教育治理是面向教育领域的行动过程，是政府、企业和学校等多社会主体依托正式或非正式制度在主体间进行协调及持续互动的行动过程（刘来兵， 等， 2017）。数据是实现教育治理现代化的前提，在治理方式上由依据经验进行预判转为依据数据进行预测，在治理模式上从静态治理转向动态治理，在治理维度上由自上而下变成上下联动，在这种转变过程中人工智能不可或缺。

第四，教育信息化2.0实践创新的压力。教育部于2018年4月印发《教育信息化2.0行动计划》，明确提出我国教育信息化事业将进入“创新发展”阶段，要求因应智能技术发展，推进智能教育。作为教育部对于全国教育信息化工作的总体部署，这份行动计划无疑提高了人工智能教育应用研究与实践的紧迫性。

第五，在教育实践、政策与研究层面，存在诸多有利于人工智能教育应用大范围推进的条件：一是社会对人工智能的“意识水平”有所提升，公众预感到社会会因人工智能的发展而有大改变，变革教育以应对未来的观念被广为接受;二是人工智能技术快速发展，智能技术、产品与服务的性能、可靠性与可用性提高;三是欧美对人工智能教育应用已有40多年的深入研究与实践，他山之石可以攻玉，我们不完全是“摸着石头过河”;四是我国教育信息化建设已取得较大进展，在基础设施、资源建设、应用能力和机制建设等方面都为人工智能教育应用奠定了基础;五是我国教育信息化产业取得了巨大发展，在产品研发、集成与应用、服务支持等方面具备了能力;六是教育与产业政策支持和鼓励，而政策是人工智能教育应用的重要推动力量（刘德建， 等， 2018）。

四、小结

作为仍处于快速发展中的研究领域，人工智能自身及其对经济、社会的最终影响还难以预知，但现阶段的人工智能技术已对社会生产生活产生了巨大影响，已成为教育工作者不可忽视的变革力量。要准确、全面地认识人工智能技术、把握它与教育的关系，需要突破智能教学系统开发的局限，以更广阔的视角全面分析人工智能与教育的相互作用。人工智能直指人类心智，它与教育活动都深深植根并紧密作用于人类的知识与知识实践，更容易直接介入教育教学过程。

历史地看，人工智能是一种可能对社会产生全方位影响的通用技术。就对教育的直接作用而言，已有的通用技术（蒸汽机、电力、计算机通信等）已为教育提供物质与能量、媒体与学习环境（如书籍、幻灯片、计算机、互联网），而新的通用技术（人工智能）有望成为新型“教育主体”，实现教学自动化。人工智能的教育应用更接近教育活动的核心，只是越靠近教育的核心活动，变革所牵涉的人、文化、制度的因素就越多，实现大范围的变革就越艰难。

尽管以本文提出的人工智能与教育三层次相互作用模型为框架的分析表明教学自动化存在逻辑必然性，尽管存在强烈的现实需求与利好的宏观政策，但是人工智能技术的外源性与学校教育体系的成熟、系统性决定了教育自动化之路绝非坦途。如同实验室出来的机器人，在面对无结构的现实世界时茫然无措，举止失当。条理分明的应然分析在充满价值冲突的实践“沼泽地”面前，常常显得苍白无力。但人工智能、教学自动化如同潘多拉之盒，一旦打开无法回头。研究先行成为当前解决教育教学重大问题的基本思路。人工智能教育应用研究亟待超越技术、产品开发与应用设想研究，亟待开展对于人机分工教学法的机制与效果及其对教育机构的全面影响的系统化理论研究与高生态效度的实证研究。本文仅分析了“应然”，但“实然”如何？当前的教学自动化在微观层面是如何实现的？教师能否起作用？应该如何起作用？如何评价与选择智能教学系统？人工智能对学校教育、开放教育会有何影响？等等。这些问题都需要进一步探讨。

[参考文献]

阿兰·柯林斯，理查德·哈尔弗森. 2013. 技术时代重新思考教育：数字革命与美国的学校教育[M]. 陈家刚，程佳铭，译. 上海：华东师范大学出版社.

彼得·伯克. 2016. 知识社会史（下卷）：从《百科全书》到维基百科[M]. 汪一帆，赵博囡，译. 杭州：浙江大学出版社.

伯尼·特里林，查尔斯·菲德尔. 2011. 21世纪技能——为我们所生存的时代而学习[M]. 天津：天津社会科学出版社.

柴葳，刘博智. 2016. 六大素养树立学生成长“标杆”[N]. 中国教育报，9-14（1）.

陈嘉映. 2018. 哲学科学常识[M]. 北京：中信出版集团.

郭华. 2016. 带领学生进入历史：“两次倒转”教学机制的理论意义[J]. 北京大学教育评论，14（2）：8-26.

国务院. 2017. 国务院关于印发《新一代人工智能发展规划的通知》（国发〔2017〕35号）[EB/OL]. [2018-9-20]. www.gov.cn/zhengce/content/2017-07/20/content-5211996.htm

化柏林. 2008. 论知识管理与知识工程的差异性及其发展[J]. 图书馆杂志，27（11）：2-5.

黄达人. 2015. 大学的根本[M]. 北京：商务印书馆.

黄济，王策三，石中英，王本陆. 2012. 现代教育论[M]. 北京：人民教育出版社.

吉仁泽. 适应性思维：现实世界中的理性[M]. 刘永芳，译. 上海：上海教育出版社，2006.

贾积有. 2018. 人工智能赋能教育与学习[J]. 远程教育杂志（1）：39-47.

贾积有. 2009. 教育技术与人工智能[M]. 长春：吉林大学出版社.

教育部. 2018. 普通高中信息技术课程标准（2017版）. 北京：人民教育出版社.

杰瑞·卡普兰. 2016. 人工智能时代：人机共生下财富、工作与思维的大未来[M]. 李盼，译. 杭州：浙江人民出版社.

经济合作与发展组织. 2009. 面向未来的学校[M]. 李昕，曹娟，译. 北京：教育科学出版社.

克莱顿·克里斯坦森，迈克爾·霍恩，柯蒂斯·约翰逊. 2015. 创新者的课堂——颠覆式创新如何改变教育. 北京：中国人民大学出版社.

克劳迪娅·戈尔丁，劳伦斯·凯兹. 2015. 教育和技术的竞赛. 陈津竹，徐黎蕾，译. 北京：商务印书馆.

联合国教科文组织. 1996. 教育——财富蕴藏其中[M]. 联合国教科文组织总部中文科，译. 北京：教育科学出版社.

刘德建，杜静，姜男，黄荣怀. 2018. 人工智能融入学校教育的发展趋势[J]. 开放教育研究，24（4）：33-41.

刘来兵，张慕文. 2017. 大数据时代教育治理现代化的内涵、愿景及体系构建[J]. 教育研究与实验（2）：30-35.

罗伯特·L. 索尔斯，M·金伯利·麦克林，奥托·H. 麦克林. 2008. 认知心理学[M]. 第7版. 邵志芳，李林，徐媛，高旭辰，何敏萱，等，译. 上海：上海人民出版社.

马丁·福特. 2015. 机器人时代：技术、工作与经济的未来[M]. 王吉美，牛筱萌，译. 北京：中信出版社.

尼古拉斯·卡尔. 2015. 玻璃笼子——自动化时代和我们的未来[M]. 北京：中信出版集团.

麦尔荀伯格，库基耶. 2014. 大数据教育篇：教学与学习的未来趋势[M]. 台北：远见天下文化.

马文·明斯基. 2016. 情感机器——人类思维与人工智能的未来[M]. 王文革，程玉婷，李小刚，译. 杭州：浙江人民出版社.

潘云鹤. 2018. 人工智能2.0与教育的发展[J]. 中国远程教育（5）：5-8，44.

裴娣娜，王本陆. 2004. 主体教育的理论探析（笔谈）[J]. 教育研究（6）：13-15.

皮埃罗·斯加鲁菲（Piero Scaruffi）. 2017. 智能的本质[M]. 任莉，张建宇，译. 北京：人民邮电出版社.

秦建平，张勇，张惠. 2016. 教育治理现代化及其监测评价研究[J]. 中国教育学刊（12）：23-28.

石中英. 2001. 知识转型与教育改革[M]. 北京：教育科学出版社.

史忠植，杨至成，方健梅. 1986. 知识工程[J]. 计算机学报（9）：241-248.

松尾丰. 2015. 人工智能狂潮：机器人会超越人类吗？[M]. 赵函宏，高华彬，译. 北京：机械工业出版社.

涂尔干. 2006. 教育思想的演进[M]. 李康，译. 上海：上海人民出版社.

涂子沛. 2014. 数据之巅——大数据革命，历史、现实与未来[M]. 北京：中信出版集团.

汪瑞林，杜悦. 2016. 凝练学生发展核心素养，培养全面发展的人——中国学生发展核心素养研究课题组负责人答记者问[N]. 中国教育报，9-14（9）.

王策三. 2005. 教学论稿[M]. 第二版. 北京：人民教育出版社.

王珠珠. 2018. 教育信息化2.0：核心要义与实施建议[J]. 中国远程教育（7）：5-8.

危辉，黄旗明，潘云鹤. 1999. 常识：知识获取的瓶颈[J]. 计算机科学，（26）9：17-19.

维纳. 1978. 人有人的用途[M]. 北京：商务印书馆.

吴飞，阳春华，兰旭光，丁进良，郑南宁，桂卫华，等. 人工智能的回顾与展望[J]. 中国科学基金（3）：243-250.

叶澜. 2006. 教育概论[M]. 北京：人民教育出版社.

叶澜. 1997. 让课堂焕发出生命活力——论中小学教学改革的深化[J]. 教育研究（9）：3-8.

余成峰. 2017. 从老鼠审判到人工智能之法[J]. 读书（7）：74-83.

约翰·E. 凯利，史蒂夫·哈姆. 2016. 机器智能[M]. 马隽，译. 北京：中信出版集团.

约翰·马尔科夫. 2015. 与机器人共舞[M]. 郭雪，译. 杭州：浙江人民出版社.

约翰·希利·布朗，保罗·杜奎德. 2003. 信息的社会层面[M]. 北京：商务印书馆.

詹姆斯·格雷克. 2013. 信息简史[M]. 高博，译. 北京：人民邮电出版社.

张宸宸. 2016. 机器人：法律行业的终结者还是开路者？[J]. 读书（10）：38-40.

赵汀阳. 2018. 人工智能“革命”的“近忧”和“远虑”——一种伦理学和存在论的分析[J]. 哲学动态（4）：5-12.

周志华. 2018. 创办一流大学人工智能教育的思考[J]. 中国高等教育（9）：52-53.

Russell，S. J. & Norvig，P. 2013. 人工智能：一种现代的方法[M]. 殷建平，祝恩，刘越，陈跃新，王挺，译. 第3版. 北京：清华大学出版社.

Anderson， J. R.， Corbett， A. T.， Koedinger， K. R. & Pelletier， R. （1995）. Cognitive tutors： Lessons learned. The Journal of The Learning Sciences， 4（2）， 167-207.

Brundage， M.， Avin， S.， Clark， J.， Toner， H.， Eckersley， P.， Garfinkel， B. et al. 2018. The Malicious Use of Artificial Intelligence： Forecasting， Prevention，and Mitigation. https：//maliciousaireport.com/blobby/go/3d82daa4-97fe-4096-9c6b-376b92c619de/downloads/1c6q2kc4v- 50335.pdf

Collins， A. & Grignetti， M. 1975. Intelligent CAI. Final Report （1 March 1971-31 August 1975）. Retriered October 10， 2018， from. https：//eric.ed.gov/？id=ED114089.

Finnish National Board of Education. 2016. National core curriculum for basic education 2014. Helsinki： Next Print Oy.（kindle edition）.

Heffernan， N. T.， Ostrow， K.， Kelly， K.， Selent， D.， Van Inwegen， E. G.， Xiong， X.， et al. 2016. The future of adaptive learning： Does the crowd hold the key？ International Journal of Artificial Intelligence in Education， （26）：615-644.

Kaplan， J. 2016. Artiticial intelligence： What everyone needs to know. New York： Oxford University Press. （kindle edition）.

Park， O. & Seidel， R. J. 1987. Conventional CBI versus intelligent CAI： Suggestions for the development of future systems. Educational Technology， 27（5）：15-21.

Pinkwart， N. 2016. Another 25 years of AIED？ Challenges and opportunities for intelligent educational technologies of the future. International Journal of  Artificial Intelligence in Education， （26）：771-783.

Polanyi， M. 1957. The study of man. London： Routledge & Kegan Paul.

Yao， M.， Jia， M.， Zhou， A. 2017. Applied artificial intelligence： A handbook for business leaders. ISBN 978-0-9982890-5-2 （Kindle）（kindle edition）.

收稿日期：2018-10-14

定稿日期：2018-11-14

作者簡介：张志祯，博士，讲师，硕士生导师;张玲玲，硕士研究生;李芒，博士，教授，博士生导师。北京师范大学教育技术学院（100875）。

责任编辑 单 玲