新知识、新学习与智能教育

（一）智能教育中的“全知识”

人工智能的出现与发展对全世界范围内的所有人，特别是高新技术人才是极具震撼的。智能化教育给师生之间传授的知识注入了新的内涵与形式，使知识的传播与掌握方式不断更新。所谓掌握知识，重在寻求知识中的意义和促进对知识的理解，尤其是要注重概念学习，切实做到知行合一。能够学习专长和学会迁移是通过复杂概念的内化与理解，而不是通过学习那些很容易接触并掌握的内容实现的。因此，学校教学要在学习内容上将翻转课堂教学法和技术相结合，从而实现将课堂时间主要用于基于活动的概念学习。核心概念是知识的动力工具，在课程中应置于重中之重的地位。在学习上，如果能做到知行合一，就能降低产生脆弱知识、配方知识和惰性知识等有缺陷知识的可能性。研究表明，信息是通过感知过滤获得的，而感知基于自身理解的框架和目标。这不仅适用于最低层次的知觉，也适用于更高层次的认知。学生的大脑如果不能提取有用的信息，则很有可能难以用有意义的方式整合和理解信息。^[37]图4-1为人工智能时代的知识转化模型。

在古罗马思想家圣·奥古斯丁的著作《上帝之城》中，提及了一种“全知识”的状态，它超越了人类能够想象到的任何事物，被认为是上帝对赐福之人的恩典。圣·奥古斯丁写道：“想象一下，这种知识是如此的伟大，多么美好，多么确定，多么可靠，又多么容易获得。再想象一下，我们会拥有怎样一种新的躯体，它是精神之身，是灵魂栖居之体，我们不再需要任何其他的食粮。”把这种“全知识”放在当时的历史背景下显得富有宗教性和神学化，放眼未来，这种“全知识”将洋溢着智能色彩，为人类提供多样化的内涵理解。

图4-1　人工智能时代的知识转化模型^[38]

各类知识之间具有很强的相关性，它们并非一定要以具体的方式实现其实用性，它们可以在解决抽象问题或者理解容易混淆的观点时体现其适用性。此外，知识的相关性与学生自身的学习动机有直接联系。我们可以认为，任何特定的知识在理论上都可适用于各种情境，但最终取决于学生能够理解如何以及何时加以运用，达到这样的理解才是教育目标的关键。而在新技术引领的教育时代下，学习方式正在发生根本性变革，同时将知识引渠，使知识拥有新生的附着载体。

智能化的教育具有跨学科的特征，而跨学科研究也是人工智能时代的主要研究领域之一，各行业的研究者对它的研究兴趣与涉猎范围不断扩大。为了清楚地理解整个知识领域及各学科间的相互联系，我们或许可以利用新的分析和成像工具。贯穿学科的是跨领域主题，它们从不同学科内容中提取出来，可作为任何学科内容的例子来源。它们还可应用于其他知识体系，以特定的视角与焦点，成为审视某种知识体系的手段。这些主题通常被视作不同的素养类型，自然而然地传达了“运用理解进行认识”和“为未来学习做好准备”的理念。在这种意义上，这些素养与学科有同等的范围，但在本质上，它们是跨学科的。正如学科一样，每种素养都有自己的阈值概念，囊括了每个跨领域主题包含的思维品质。在设计课程、开发跨学科运用的知识时，这些都是需要考虑的很重要的类别。像学科一样，每个视角都有自己的核心概念，以期通过一系列不同的内容来源，学生能将其内化。^[39]人对世界的认识来自人的理性，即通过知识认知和理解世界。(www.xing528.com)

学科间的确切联系和界限在不断变化，即使这种变化很缓慢。随着时间的推移，学科分支会产生子领域，并合并生成跨学科领域。例如，神经科学是作为分子与细胞生物学、心理学和神经学的综合体出现的，而泌尿学是作为子领域出现的，它从药学分离出来。如果不考虑时间，所有学科都是跨学科的，因为每个学科都是基础，都对其他学科有贡献，或者说，某些学科是其他学科的组成部分。新学科在某种程度上由老学科合成，例如光遗传学包含了光学、神经科学和遗传学；或者新学科是子学科，是从已有学科中分离出来的，比如土木工程课程倾向于关注源学科（尤其是在孤立检测源学科的评估压力下）。课程的目标将转变为教授更多更新的跨学科主题，突出源学科内部的跨学科性。随着课程将概念置于中心，跨学科的可行性将变得更高，课程内容的设计将服务于更抽象的元素，从而实现迁移。在这种情况下，审慎地选择例子，帮助学生为跨学科学习做好准备，就很有必要了。

人工智能时代是无限算力与大数据背景下的机器感知学习的时代，随着互联网、高性能计算、云计算、大数据、人工智能等信息技术的持续发展与应用，将海量数据进行检索和存储、对知识的分析和利用已发生翻天覆地的变化。在信息知识的搜索、采集、处理与挖掘、决策服务等环节，知识分析的总体趋势将朝向全面、精准、自动、高效、智能和深度发展。人工智能的发展，最根本的推动技术包括不断增加的算力和不断膨胀的大数据技术；人工智能发展的核心是人类知识组织和再生系统的重大变革，即由人类自身的知识创造，延伸到机器感知学习的机器化知识再生系统。毫无疑问，人工智能的发展将深刻改变一切依赖人类知识运行的系统规则，也将深刻改变人类自身的发展。在大数据时代，知识分析密切依赖于大数据分析与智能挖掘技术，特别是一些以大数据为鲜明特征的重要科技领域，例如生命科学、空间科学、天体物理、地球科学等，科学大数据呈爆发式增长。借助人工智能技术，改造提升知识分析环节和知识分析预测，从而极大地改善知识分析效率和更好地服务于科学决策。^[40]

（二）新型学习方式

互联网、人工智能、信息科学等科学技术的进步与发展，使得信息知识数据得到了大量的积累。同时，数据的复杂程度加深，信息的可靠性减弱，有价值知识的提取难度逐渐增大。人类被带入了碎片化时代，出现时间的碎片化与知识的碎片化，如何充分使用这些碎片化的信息，是人工智能未来亟须面对的难题之一。碎片化知识具有多源分布、传播的社会性、无序与非完整性、冗余与隐喻等特点，这些特征决定了传统的向量化方法不能有效表达和处理碎片化知识。因此，如何以可存储、可计算的方式表达碎片化知识的本质特征和信息，是网络化人工智能面临的首要问题。这些局限性使得传统的人工智能计算模型无法有效处理碎片化知识。^[41]由于碎片化知识结构相对耦合松散、关系相对复杂，如何有效地组织和学习知识是未来人工智能首先需要解决的问题，建立网络化人工智能的思想，从碎片化知识中获取有价值信息以实现知识的自动化。谈及学习知识，就不得不提及教育。人工智能教育的本质还是教育，教育是围绕学生与学习展开的。不管是人工智能时代的智能教育也好，或者是未来时代的未来式教育也罢，学生与学习之间的关系都是永恒的，是学生就一定得学习，要学习就要把自己当作学生。由此，以下将讨论新的学习方式对学生学习的影响。

何为新的学习方式？顾名思义就是与传统学习方式有所不同，并且这种不同是对传统的更新。而传统的学习方式就是我们平时耳熟能详的以应试为主的先教后学再考、题海战术、千人一面的教学方案、唯分数唯成绩论的学习。所谓新的学习方式，包含倡导推行已久的素质教育，是以先学后教再测为主的翻转课堂，以学生为中心的在线“慕课”，以海纳百川为范围的个性化学习模式，以资源共享、网络协同为代表的双师型课堂教学方式。除了应试教育的个性化学习方式之外，当下的素质教育、人工智能教育还要结合哪些学习方式才能够实现教学模式、教育理念上的变革呢？当前，还有以下几种学习方式需要我们关注，即游戏化、社交化、协作型、问题式、自主型、探究型、项目式等。^[42]

对于游戏化的学习体验，相信容易引起学生的关注、兴趣和向往。诸如现在大多数少儿英语课程、编程机器人、儿童早教等教育产品都结合了游戏化的趣味元素，通过游戏通关的机制来吸引学习者的学习兴趣与关注。自主型和探究型学习方式，显然指的是让学生有权利自主选择自己感兴趣的内容进行学习，并且是基于自主或团队的探究式学习，通过切身实践去追踪学习内容的脉络。而在当前应试教育仍然被放在重要位置的教育体制下，学生能够自由做选择的余地并不大，他们除了为考试而学习外，做其他事情似乎得不到太多支持，甚至受限。因此，在实际的教育教学过程中，教师应该帮助学生学会将人工智能的知识深入到实际场景中，在实际环境中发现应用最关键的问题，发现最本质的问题。也就是应对每一个知识簇、每一份研究成果、每一个教育应用时，需围绕应用其最核心的部分，善于提出质疑，全方位考虑并提出问题，多问为什么，以反复校正自己对知识的认知。

随着人工智能时代的到来，仅靠死记硬背就可以掌握知识的学习方式逐渐失去价值，学习方式即将出现颠覆性的重大转型。古往今来，我们所提倡的学习方式基本都是围绕“学以致用”展开的——在学校里认真听讲，进入社会后再应用所学知识。在未来，新型的学习方式将变成“用以致学”，越来越强调在实践中学习的重要价值。