找准“人工智能+教育”的发力点

我们迫切需要明确一个核心议题：“人工智能+教育”的终极目标应是替代人类解决问题，还是助力人类掌握解决问题的能力？

作者 | 蔡可

首都师范大学教师教育学院教授、人工智能教育研究院副院长

今年全国两会期间，“人工智能+”成为高频词。教育部部长怀进鹏在十四届全国人大三次会议第一场“部长通道”回答记者提问时指出，DeepSeek（深度求索）和机器人最近一段时间引起国内外广泛关注，从一个方面也说明了中国科技创新和人才培养的效果。但与此同时，也向我们提出了面对重大科技革命和产业变革，教育如何应对的问题。

当下，技术正以前所未有的速度重塑教育领域。我们既惊叹于人工智能在学习领域展现出的卓越能力，也不得不正视其在教育教学应用中工具属性与育人目标间的深刻矛盾。当人工智能介入学习的实践探究环节，学生可能因此失去在试错与反思中锤炼思维能力的宝贵机会。因此，我们迫切需要明确一个核心议题：“人工智能+教育”的终极目标应是替代人类解决问题，还是助力人类掌握解决问题的能力？这一问题的答案不仅关乎技术应用的道德底线，更将引领未来教育的发展方向。

No.1人工智能+教育：培养学会解决问题的“人”

“人工智能+教育”，即将人工智能与教育融合，把智能技术融入教育教学环节以提高育人质量和教育品质。这一概念其实用“人本智能教育”来表述更为妥帖。为与学校内所设人工智能课程相区分，并更突出其育人本质，此处仍沿用“人工智能教育”这一虽存歧义却已广为接受的说法。当前，众多技术开发者在“人工智能+教育”领域的探索，多聚焦于提升学习内容中重点、难点问题的解决效率与精准度，例如借助生成式人工智能辅助阅读理解、交互问答、数学解题及作文创作等，有效攻克了学习过程中的特定难题。但值得注意的是，此类应用未必能触及并解决学生在学习过程中遇到的核心困惑与挑战。

用人工智能解决学习内容问题和借助人工智能教会学生解决问题，虽然都涉及人工智能，但分属不同范畴。“人工智能+教育”的发力点不是用技术快速解决问题，也不是要探究人工智能解决问题比教师、学生效率更高，而是要培养会解决问题的“人”，即借助人工智能教会学生解决问题。因此，其目标应是在人工智能的支持和教师的引导下，教会学生从不同角度思考问题、识别关键要素，激活知识储备或收集相关信息，综合运用分析理解、论证推理、联想想象、评估权衡等多种能力，寻找到最佳解决方案。甚至，这个方案还需转化为行动，让知识在真实的世界中得到检验，进而改造世界，丰富人格。

举个浅显的例子，利用人工智能解决学习内容上的问题，就如同在做算术题时直接使用计算器得出结果。而真正教会学生解决问题，则是要引导他们理解为何如此计算，在此过程中培养他们的数感，使他们能够触类旁通，日后遇到类似问题能自行解决。只有历经这样从量变到质变的学习过程，学生在未来面对复杂情境时，才能凭借数学直觉精准把握其中的复杂关系，迎来那个“灵光一闪”的关键时刻。

No.2数据算法与深层习得：两种不同的“学习”机制

从技术层面来看，人工智能解决问题主要依赖机器学习、深度学习等技术，对海量数据进行分析与学习，进而实现模式识别、结果预测或自动化决策。在医疗诊断、金融风险评估、交通管理等众多领域，人工智能均能直接为问题提供解决方案。相较之下，利用人工智能来教会学生解决问题，则更侧重于辅助教学、增强学习体验。其目标并非直接解答问题，而是强调引导性、互动性与开放性，通过设计情境化学习场景、定制个性化学习路径，助力学生掌握解决问题的技能，并培育其核心素养。

直接解决问题的人工智能，需要强大算力和高效算法处理海量数据。而教会学生学习的人工智能，则需要关注学习科学、认知心理学，具备更适宜的用户功能和界面、更多的交互设计、更充分的学情理解、更适切的学习路径设计，还要融入默会知识、场景体验、情感共鸣等人工智能难以处理的方面。所谓个性化资源推送，只是人工智能在教育领域最表层的应用，并不代表“学习”必然发生；基于习题、测练数据展开的学情分析，本质是将知识点细化拆分并设定标签，易催生技术辅助下的应试教育，离学生运用知识解决问题还有很大的距离。

从社会发展视角审视，直接用于解决问题的人工智能或将触发就业结构的深刻变革。某些职业可能因自动化而消失，进而加剧社会分化，毕竟技术优势、算法规则及数据“净化”能力可能仅掌握在少数群体手中。相较之下，致力于教会学生如何学习的人工智能，则应力求减轻此类负面影响，利用技术手段提升教育的普及程度与公正性，尤其要惠及资源匮乏的地区与群体。更进一步说，在推动教育公平迈向更高水平的征程中，我们需通过增强个体的知识技能储备，培育积极向上的情感态度，使学习者能够灵活应对环境变迁，共同开创充满无限可能的未来。

No.3创新人才培养要帮助学习建构起问题解决的经验

某种程度上，人工智能擅长解决规则确定的问题，即便是那些“不良结构”的复杂问题，也是通过模式识别转化为多个关联的结构化问题。但教会学生解决问题，尤其是解决具有创造性的问题，不能单纯靠“算法”。当然，传统机器学习算法（如回归、决策树）与新兴深度学习技术之间的差异确实存在，但这种技术层面的区分仍局限于“利用人工智能解决问题”的范畴。相比之下，辨析深度学习在人工智能与教育学两大领域中的不同应用，更能帮助我们理解人工智能与人类智能的本质区别。在人工智能领域，深度学习的“深度”体现在多层神经网络对海量数据的自动特征提取，其复杂性源于庞大的参数规模与错综复杂的连接路径。而在教育学领域，深度学习的“深度”则聚焦于心理机能的发展，通过高阶认知过程引导学习者深入探究学习内容，其复杂性在于学习者深层次的认知活动、经验积累与情感投入。

当前，不少智能教育产品在帮助学生巩固知识上优势明显，但这并不等于教育的高质量发展。创新人才培养需要帮助学生积累解决问题的经验，从未知到已知的学习过程本身也是一种学习。用人工智能的术语来讲，人类学习者也需要“预训练”，面对经典知识（优质数据集）探索学习路径与策略（模型与算法选择），在梳理与探究（数据标定）中基于现象形成概念（表征学习），并随时校正认知（技术调试）等。当然，这些尚未涉及学习者的情感状态和认知风格。无论人工智能多么复杂，算法中总有确定的、直接的、最优的路径，而人类学习模糊性、情境性、个性化的特点决定了学习过程因人而异、螺旋上升、百转千回。

人工智能能否引导学生进入真实世界，促进学科实践和沟通合作，增强人与社会的链接？能否超越“算法”的精准路径，在交叉地带、边缘地带为学生带来创新的学习体验？这些是与教育质量提升密切相关的因素，虽与技术联系紧密，但更为关键的是善用技术的“人”。尽管智能技术在促进开放式学习和创造力发展上已展现出其价值，但在当下“人工智能+教育”的蓬勃发展中，人们往往过度聚焦于“人机耦合”中的“机”之部分，却对“人”的因素有所忽略；在智能教学产品的开发过程中，也时常过分强调如何攻克难题、直接解决问题，却忽视了教会学生自主解决问题的能力。明确区分利用人工智能直接解决问题与借助人工智能辅助学生解决问题之间的差异，有助于我们更清晰地认识到教育的复杂本质以及技术的潜在局限，进而更加脚踏实地地应对教育改革与发展过程中所面临的实际问题。

来源 | 中国教育新闻网