机器学习与人类智能:二十一世纪教育的未来

云栖网：在教育中有这样一种说法，即我们应当珍惜需要衡量的事物。通过在全球众多学校当中得到广泛普及的标准化测试方式，我们在教育孩子的过程中始终重视单一且相当狭隘的智力定义思路——解决工业时代单词问题的能力，或者在源自第一次世界大战时期的多项选择题中选出正确答案。

问题在于，人类的智慧体系庞大而复杂，但如今却难以衡量及估值方式处理。一旦人工智能能够完成智商测试并掌握基于课程的知识传递方式，那么人类也许将彻底丧失脱离这一自造技术困境的能力。

拥有超过25年人工智能与学习研究经验的伦敦大学学院学习中心设计教授RoseLuckin指出，“我认为我们有可能令自身陷入困境。”这是因为我们以非常有限的方式衡量智力，“我们也只关注能够产生这类智能行为的技术工具。”

Luckin的新书《机器学习与人类智能：二十一世纪教育的未来》认为，如果我们不希望自己的孩子及他们的老师变成机器人，那么必须从根本上重新对智力做出重新定义。她主张利用人工智能帮助我们以各种形式开发并衡量人类智能，从而更好地为需要不断适应及学习的工作场景做好准备。

重新定义智力

Luckin确定了孩子未来茁壮成长所必需的七种智力因素。

首先是跨学科的学术智力，即能够将各个科目联系在一起而非将其视为彼此割裂的孤岛。（在这方面，芬兰处于世界领先的地位，其放弃了主题教学的思维，这有利于学生们在「欧盟」等开放性主题之下建立数学、历史、经济学以及语言等学科间的联系。）

其次是社交智力，或者说建立起自身情绪的认知，以及我们该如何对群体中的个人进行管理。这是人类的专长，而机器人在这方面则表现不佳。

此外，Luckin还提到了以下四种元智力因素：

元认识，或者说我们与知识间的关系。Luckin设问道，“学生是否了解知识来自何处？他们将知识视为自己被硬性灌输且必须学习的东西，还是他们意识到了这也是人类创造的产物并具有语境性？”具备这种智力因素的孩子能够理解哪些论据质量更高，以及如何根据这些论据做出判断。

元认知，或者说了解自己并调整自己的认知过程。（例如，如果意识到自己是拖延者且很清楚需要写下学习内容，那么我们不应在考试前一小时才重新整理学习笔记。）

元主观智力,或者说理解我们情绪及其与学习及幸福认知的关系。动机是其中的关键组成部分。元语境智力，即了解学习过程发生的动态环境——除了课堂之外，还包括与人、事物以及位置间的关系。Luckin表示，“我们的智力不仅存在于大脑当中。有越来越多的证据表明，语境或者说背景也在其中发挥着巨大作用，在这方面人工智能的表现同样有所欠缺。”

准确的自我效能感知,我们能够评估自身效能的能力，这也许是最重要的智力因素。Luckin问道，“我们能否准确地预测我们是否有可能在某个方向上取得成功，以及我们的实际效能表现如何？”

众所周知，人们在预测自我方面表现往往不佳。一般来讲，行为心理学家与经济学家已经反复证明，我们倾向于过度自信或者存在其它形式的偏见。Luckin认为，在这方面人工智能将拥有广阔的发挥空间。

将人工智能引入课堂

Luckin在《自然》杂志中写道，“人工智能是打开「学习黑匣子」的一种有力工具，能够提供对实际学习过程的发生时间与方式的深刻且细致的理解。”她提到，人工智能系统能够帮助我们更好地开发出更具泛用性的智能——其中的部分原因在于，人工智能有望衡量知识以外的重要因素，包括协作、坚持、信心与动力等。其还将协助我们改进用于评估学生学力水平的一次性测试手段。如此一来，学生将能够通过连续测试，并配合计算机、手机或平板电脑等工具对自身的社交、跨学科以及多元智力表现进行追踪。通过为孩子及老师提供能做什么以及不能做什么的更为准确的概况，学习者们将能够更高效地改进具体方法。

Luckin表示，“我们经常看到一些论据，指出我们的行事方式将对当前目标带来非常有益的推动作用。”这种方法能够让教师们专注于理解数据并处理各类常见于学生身上的问题，例如动机与毅力性障碍。虽然她承认人工智能不可能全面衡量一切智力，但她相信“人工智能将帮助我们在各个方面做得更好。”

Luckin还提供了一些人工智能帮助改善学习效果的例子。在《计算机科学》杂志上发表的一篇论文中，她研究了如何衡量人类以协作方式解决问题的能力——这种能力在现代职场当中广受重视。然而，在课堂的小组活动当中，老师们却不可能完全了解哪些学生在一起碰撞出了新的火花。

在一项实验当中，她和她的同事用相机拍摄了孩子们手部动作与头部方向，用以衡量他们在协作中的实际效率。而后检测工具与人将对结果进行交叉检查，以判断这些分组是否真正进行了协同工作。Luckin指出，其目标在于建立起社交互动的证据，而这正是成功实现问题协作的重要因素。此类证据可被整理为一套仪表板，从而为教师们标记出哪些团体需要关注，最终提高授课过程的效率水平。

英国学习平台CenturyTech则是人工智能走入课堂的另一个实例。其利用人工智能与大数据技术根据个别学生的优势与短板定制教育内容及活动。教师可以实时获取学生的进度更新结果，从而为学习者提供最有力的支持。

开发更多智能形式

也有一些方法能够开发出超越人工智能的其它智能形式。有一些希望建立元认知智力因素的教师正在使用一款名为“Betty’sBrain”的计算机程序。

在该程序中，科学专业的学生们将教授一个名为Betty的卡通人物，包括向其讲述河流生态系统的组成——例如食物链、光合作用以及废物循环等等。而后，他们将测试Betty，看看她学到了什么并观察其在学习中的角色测试结果。《范德比尔特》杂志解释称，“在检查过程中，学生们会意识到这实际上是在测试他们自己，并帮助他们了解到自我监控才是适用于一切学习环境的重要策略。”开发该程序的范德比尔特电气工程与计算机科学教授GautamBiswas指出，“因为要进行教学，他们必须首先完成学习。”

Luckin还提到，学生们可以通过研究人工智能本身也开发自己的智力因素。她指出，探索具有庞大知识基础的IBM沃森将帮助学生们建立起元认识基础——即意识到知识不仅仅是我们所看到的信息，更是我们所构建的成果。沃森之所以能够回答复杂的问题，是因为其以编程方式获得了观察并建立论证体系、生成并评估假设、最终给出最佳答案的能力。换句话说，沃森掌握了很多学生应当具备的学习方式。Luckin表示，“我们可以以此为基础，让学习者们了解到知识的获取过程。”

人工智能监控的缺点

Luckin承认，以这种方式应用人工智能技术也存在着一些明显的阻碍。一方面，教育体制是各类机构当中最僵化、最抗拒改变的部分。另一方面，人工智能对学生表现的追踪也可能引发人们对数据隐私的重大担忧。如果技术方案的功能在于不断评估您孩子的智力水平，那么必然需要持续收集与个体优势及劣势相关的数据。

另外，大家也很容易想象到这类方案可能被用于进行学生分类，或者否定其未来潜力。《金融时报》的一篇报道即提供了一个有启发性的例子，讲述了中国东部地区某所高中对学生行动进行追踪：“这套由面部识别与人工智能驱动的监控系统负责追踪校内的1010名学生，告知老师有哪些学生迟到或者缺课。它还能够根据点菜记录保留包含信息，从而了解哪些学生的油脂摄入量过高。”根据报道，“由于在当地引发巨大争议，学校最终停止了该项计划，”但这样的情形仍然令人不寒而栗。

Luckin承认，数据隐私是其中的核心矛盾所在，而她自己并不一定能拿出有效的解决方案。她表示，“这是一项必须进行全面讨论的议题”，教师与政策制定者应该与已经高度这方面问题的人工智能学者及工程师共同交换意见。

至于教育制度长久以来对变革潮流的抵制问题，Luckin并不是惟一一个对人工智能进入课堂抱有乐观态度的人。英国威尔斯大学助理教授SimonBalderson就组织了一场关于人工智能与教育的国际会议，他在接受媒体采访时表示：

“截至目前，我们仍然在以被动方式向学生灌输知识并进行评估。但随着人工智能进入课堂，一切都将发生改变。人工智能正在迅速发展，未来其将能够通过学生们的微表情确定其正在努力理解某一概念、接受了该项概念并在解决问题时应用这个概念。”

与老师们一样，人工智能也会根据不同的学生调整具体传授方法。但人工智能的优势在于，其会持续不断地为每位学生提供这样的个性化服务。“没有哪位老师能够为班上的全体学生提供针对性引导。相比之下，人工智能还可以管理每位学生的数据，确保其课业量始终处于适当的水平。至少就目前而言，这样的差异化教学还完全无法实现。”

测试的未来

看起来，学校似乎不太可能在短期内放弃风险高企的学术测试手段。然而，欧美地区的人们正越来越多地意识到考试制度的重大弊端：其奖励学生反刍信息，而非真正从中汲取意义;激励外在性而非内在动机。Luckin认为，人工智能有望取代某些测试性考核。她指出，“现在我们已经拥有了收集以及分析数据的方法，能够帮助我们构建起非常准确的形成性、持续性评估流程。如果需要，这是一种完全能够取代考试的新机制。”

她对于改变智力衡量方式，进而颠覆教育体系价值观这一可能性感到无比兴奋：“如果我们能够接受现有评估体系需要改变这一结论，那么这扇大门就已经被打开。换言之，我们将真正严肃地重新思考教育制度的意义所在。”

当然，目前我们还很难判断Luckin的愿景属于乌托邦、反乌托邦抑或是老生常谈。但最近英国上议院关于人工智能的报告性结论中也引入了她的思路：

所有公民皆应有权接受教育，确保他们能够在人工智能的帮助下健康建立起自己的精神、情感与经济认知。

这一思路也预示着学校的运作方式将发生改变。Luckin总结称，“以此为起点，将带来极为庞大的发展空间。”