教师与机器：人工智能时代下的分工

作为学习设计师的教师，从事地是更具创新性的工作。他们不仅需要了解各类人工智能产品的功能、特色、局限之处等，还需要对学习者的个性、经验、知识背景等有专业的理解，不断精进特定知识的加工方式与传播途径。当然，目前由大数据、算法等驱动的智能学习产品已经在技术上实现了对个性化学习特征分析，为个体的学习及时提供反馈，识别个体的优势领域，定制化推送教育资源。这意味着人工智能在一定程度上也扮演着学习设计师的角色。然而机器学习与人类学习存在着本质性的区别，人工智能与教师同作为学习设计师时，也存在着重要的差异。首先，机器学习处理的信息为客观事实，并通过试误与基于客观的反馈系统修正已有信息及其加工方式，由此机器学习形成的决策追求正确性。然而人类社会是一个理性与感性、直觉与推理并存的社会，人类的大脑所处理的并不限于简单的事实信息，在事实信息之外还有价值判断，不同的文化背景下人对同一个动作、同一个指示物的解释与运用都可能不一样。长久以来，教育中屡屡提及的重视学习者的经验，也从侧面说明了学习的主动性不单纯依赖于外部正向、负向反馈，还依赖于学习内容与学习者经验联结，这也是有意义学习的关键所在。此外，人类的决策有时候追求效率最大化，有时候追求主体的相对满意，正确在人类的决策中只是诉求之一，且被赋予多重意义。（见表4-1）。

表4-1　机器学习与人类学习的差异

这种差异并非说明人类的大脑完胜人工智能，而是表明两者在决策上各有所长。基于人工智能决策处理的信息量大、速度快，但是无法应对复杂、多线程的情境，无法执行模糊的操作指令，且易形成决策的“黑箱”。而人类擅长于探索结构松散的任务，包容模糊性、不确定性，虽然信息容量、决策速度不及人工智能，但可对决策过程进行回溯、反思。究其原理，智能机器通过接触越来越丰富的信息池，不断完善自身的决策系统。人类的大脑无法在短时间内处理如此大规模的数据，但是人类的大脑经过进化后已经积累了许多复杂的机制，这让我们几乎忘了业已形成的“常识”背后的复杂进化逻辑。马文·明斯基认为，常识是人们辛苦获得的大量实践理念——许许多多从生活中学到的规则和例外、性格和偏好、平衡和阻碍。这个具有欺骗性的字眼将无数个不同的技能掩藏起来。常识并非一人之技能积累与简化，它还获得了社会约定俗成的认识，在人类话语框架和行事逻辑中获得通行证。故机器单是模仿人类的常识，建构常识通行的系统，就需要对智能体进行长时间调试、运用。此外，人类在处理冲突时，既可能当机立断，也可能权衡集体与个人、远景与近景等，从而委曲求全、忍痛割爱抑或做出权宜之计。但由智能组构成的机器则持无法妥协原则，决策要么交由上级单位，要么面临中断。显然，人工智能可以解决冲突，但是其针对冲突的决策并不关注最终结果为何，而是聚焦于“当下”，关注与其相关的智能体在干什么，这虽然缩短了解决冲突的时间，但却难以应对复杂的人类社会。

表4-2　人工智能和人类决策的比较(www.xing528.com)

所以，人工智能作为学习设计师时，提供了大量的、多样的、可复制性的学习路径，而每条学习路径最终指向的是正确答案。教师作为学习设计师时，可以将标准化的、结构良好的、指令清晰的任务设计留给机器，将更多的精力用于处理“有意义”的学习，处理人与人工智能的关系，以及人与社会、文化的关系。基于此，教育的四要素——教师、学生、学习内容、学习环境的关系被重新定义。（见图4-2）教师不仅仅是教学内容的有效组织者，学生从未知到已知的桥梁，还是学生与人工智能之间的协调者。在已有的师—生关系、人—机关系外，还多了人—机—人关系。

图4-2　教育要素的组合

人工智能不仅打破了学习环境的物理空间，还更新了学习内容的呈现方式，教师对此须有全面的判断，为学生的个性化学习做好设计与规划。卢金等人提出，智能社会教师应学习并掌握以下六种能力：第一，了解如何运用人工智能系统促进学生学习，学会对人工智能教育产品进行合理评估与应用；第二，学会数据分析，了解如何解释人工智能系统所收集到的学生数据并提供有效反馈，以推进后续学习与教学；第三，学会管理人力资源和人工智能资源；第四，对人工智能和数字技术如何影响人类生活形成批判性视角，形成运算思维与数字能力的新框架，帮助学生提高理解人工智能的能力；第五，能够利用人工智能应对日常的复杂性任务；第六，指导学习者习得一些未来不易被机器所取代的技能和能力。由此可见，智能时代的教师作为知识型工作者，原先的一部分能力将被机器所取代，这并非消解了教师在教育系统中的重要性，恰恰是对教师能力提出了更高的要求。人机共生系统建构的前提是人机分工，教师不能被机器所取代的那部分能力将成为智能时代教师的基本素养。