人工智能时代教育智慧：师生关系研究

如果说20世纪前30年是物理学大发展的时期，那么后世如果回忆后面的30年（即从1930年到1960年），可以称之为人工智能的轴心时代，因为几乎所有的厉害人物都在这30年间出现了。

一是一批哲学家和心理学家出现了。罗素、维特根斯坦、皮亚杰、歌德、西蒙甚至杜威都指出，要研究人工智能，首先要研究人，知道人是怎样思维的，并对人的复杂性和不可测性进行哲学思考，探究真理论依据。

二是一批数学家出现了。如希尔伯特、哥德尔、纳什、冯·诺依曼等。人工智能所依据的数学理论和数学方法，已经不是19世纪的数学能够处理的。这些数学家也许在整个数学发展史上只是短暂停留，然而没有他们的同时出现，人工智能也走不到今天的这个位置。

三是科学方法论的层面。信息论之香农、控制论之维纳、系统论之贝塔等。他们互相影响，从科学层面奠定了人工智能发展的基础。此外，如协同论、耗散结构论、突变论等似乎和人工智能没有什么直接的关系，但如果没有这些，人工智能不但走不到今天，更无法走向明天。

四是人工智能交叉学科的研究。如生物学研究、行为科学研究、脑神经研究、神经网络数学研究。这些领域也产生了响当当的人物，如坎德尔、皮茨、克里克。

以上四个层面人物所代表的人工智能轴心时代，奠定了所有人工智能发展的理论基础。20世纪80年代以后，另一批人出场了，辛迪等代表的深度学习“四大金刚”，坚持和发展了皮茨的神经网络，实现了人工智能。他们之所以能够取得成就，并不是因为他们多么高超，而是因为他们足够坚持。

物理学中解决问题是分层次的。当分支的学科各自发展的时候，只能在本学科的积累上进步；当分支共同的节点产生革命性变革的时候，各个分支都会有突破性进展。

信息和生命皆与量子有关，但是我们并没有对其进行更深入的理解。物理学家提出非常多的空间理论，量子理论也证实了量子的作用，甚至香农还预测了“信息子”的作用，但信息到底是什么，还需要理论进一步发展才能得出结论。(www.xing528.com)

人工智能时代，在隔行如隔山的教育领域，相当长的一段时间内还要靠教育的专业积累和教师的丰富经验。

教育不是完整的和可定义明确的事情。我们可以说“如何让学生学会解这个难题”，但不能说这就是教育。教育在严格的定义中并不存在，对一个并不存在的问题，计算机是无能为力的，因为它仅能解决已经明确的问题，而不能解决没有描述清楚的问题。教育者的智慧在于，能根据教育场景不断提出问题，将不明确的问题明确化。

我们不能否认“学会一门课”“学会一个知识点”这些明确任务的“还原论”教育属于教育范畴，但必须承认好的教育并不是“将一串所谓好的目标集合起来就是培养一个好的人”。我们总是游离于系统论与还原论之间，人们教育认知的半径会不断扩大，教育的概念也会不断变迁，这时技术工具会发挥很大的作用。但要把教育推向一定的认知高度，只有教师才能理解和驾驭。

不仅仅是教育概念变迁，教育的主体和客体也极具个性化。在一个高度个性化和场景化的行业中，“智慧”极为重要。我们试图用人工智能的专业理论去解释一些事情。

物理上，人工智能依托计算机和互联网大数据技术将世界联系起来。事理上，人工智能通过数学和程序运算代替人的行为。道理上，技术迟早会推动人类进步，人的大脑的处理机制高于计算机，计算机代替人的可能性不大。但如果你停留在低级的机械能力，就会被替代。是不是上面的表述学生更容易接受呢？但是它不太专业，学生不习惯。在教学中，要能够被接受才行。教育不仅仅是师生之间的事，还是社区、经济社会、文化信息传递的事，更需要能有效持续，适应各种社会现实。而这种社会现实需要求助于在文化中游刃有余的人，也就是智慧的教师。

那么，什么是教师能够做和应该做的呢？和智慧直接相关的就是人理和道理。从这个角度上说，教育永远不会消失，学生对教师的依赖会更强。

技术总是在变化，其实是我们看低了藏在技术背后的人以及人的进化。从系统论的角度看，环境的复杂性造就了生物的多样性和适应性。物理学家薛定谔一直思考生物学为什么不符合热力学第二定律，直到耗散结构理论的出现，才有了最终结果。生命的这种现象造成的信息传递太过复杂，每次单一的技术进步总是让人们怀疑生命的效率，而当使用了技术工具，人又会作为智慧复杂的生命体表现出高度智慧的适应性。这种适应性总是让技术望尘莫及。