在教育中有這樣一種說法,即我們應當珍惜需要衡量的事物。通過在全球眾多學校當中得到廣泛普及的標準化測試方式,我們在教育孩子的過程中始終重視單一且相當狹隘的智力定義思路——解決工業(yè)時代單詞問題的能力,或者在源自第一次世界大戰(zhàn)時期的多項選擇題中選出正確答案。
問題在于,人類的智慧體系龐大而復雜,但如今卻難以衡量及估值方式處理。一旦人工智能能夠完成智商測試并掌握基于課程的知識傳遞方式,那么人類也許將徹底喪失脫離這一自造技術困境的能力。
擁有超過25年人工智能與學習研究經(jīng)驗的倫敦大學學院學習中心設計教授Rose Luckin指出,“我認為我們有可能令自身陷入困境。”這是因為我們以非常有限的方式衡量智力,“我們也只關注能夠產(chǎn)生這類智能行為的技術工具。”
Luckin的新書《機器學習與人類智能:二十一世紀教育的未來》認為,如果我們不希望自己的孩子及他們的老師變成機器人,那么必須從根本上重新對智力做出重新定義。她主張利用人工智能幫助我們以各種形式開發(fā)并衡量人類智能,從而更好地為需要不斷適應及學習的工作場景做好準備。
Luckin確定了孩子未來茁壯成長所必需的七種智力因素。
跨學科的學術智力,即能夠?qū)⒏鱾€科目聯(lián)系在一起而非將其視為彼此割裂的孤島。(在這方面,芬蘭處于世界領先的地位,其放棄了主題教學的思維,這有利于學生們在「歐盟」等開放性主題之下建立數(shù)學、歷史、經(jīng)濟學以及語言等學科間的聯(lián)系。)
社交智力,或者說建立起自身情緒的認知,以及我們該如何對群體中的個人進行管理。這是人類的專長,而機器人在這方面則表現(xiàn)不佳。
此外,Luckin還提到了以下四種元智力因素:
,或者說我們與知識間的關系。Luckin設問道,“學生是否了解知識來自何處?他們將知識視為自己被硬性灌輸且必須學習的東西,還是他們意識到了這也是人類創(chuàng)造的產(chǎn)物并具有語境性?”具備這種智力因素的孩子能夠理解哪些論據(jù)質(zhì)量更高,以及如何根據(jù)這些論據(jù)做出判斷。
,或者說了解自己并調(diào)整自己的認知過程。(例如,如果意識到自己是拖延者且很清楚需要寫下學習內(nèi)容,那么我們不應在考試前一小時才重新整理學習筆記。)
, 或者說理解我們情緒及其與學習及幸福認知的關系。動機是其中的關鍵組成部分。 元語境智力,即了解學習過程發(fā)生的動態(tài)環(huán)境——除了課堂之外,還包括與人、事物以及位置間的關系。Luckin表示,“我們的智力不僅存在于大腦當中。有越來越多的證據(jù)表明,語境或者說背景也在其中發(fā)揮著巨大作用,在這方面人工智能的表現(xiàn)同樣有所欠缺。”
, 我們能夠評估自身效能的能力,這也許是最重要的智力因素。Luckin問道,“我們能否準確地預測我們是否有可能在某個方向上取得成功,以及我們的實際效能表現(xiàn)如何?”
眾所周知,人們在預測自我方面表現(xiàn)往往不佳。一般來講,行為心理學家與經(jīng)濟學家已經(jīng)反復證明,我們傾向于過度自信或者存在其它形式的偏見。Luckin認為,在這方面人工智能將擁有廣闊的發(fā)揮空間。
Luckin在《自然》雜志中寫道,“人工智能是打開「學習黑匣子」的一種有力工具,能夠提供對實際學習過程的發(fā)生時間與方式的深刻且細致的理解。”她提到,人工智能系統(tǒng)能夠幫助我們更好地開發(fā)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識以外的重要因素,包括協(xié)作、堅持、信心與動力等。其還將協(xié)助我們改進用于評估學生學力水平的一次性測試手段。如此一來,學生將能夠通過連續(xù)測試,并配合計算機、手機或平板電腦等工具對自身的社交、跨學科以及多元智力表現(xiàn)進行追蹤。通過為孩子及老師提供能做什么以及不能做什么的更為準確的概況,學習者們將能夠更高效地改進具體方法。
Luckin表示,“我們經(jīng)??吹揭恍┱摀?jù),指出我們的行事方式將對當前目標帶來非常有益的推動作用。”這種方法能夠讓教師們專注于理解數(shù)據(jù)并處理各類常見于學生身上的問題,例如動機與毅力性障礙。雖然她承認人工智能不可能全面衡量一切智力,但她相信“人工智能將幫助我們在各個方面做得更好。”
Luckin還提供了一些人工智能幫助改善學習效果的例子。在《計算機科學》雜志上發(fā)表的一篇論文中,她研究了如何衡量人類以協(xié)作方式解決問題的能力——這種能力在現(xiàn)代職場當中廣受重視。然而,在課堂的小組活動當中,老師們卻不可能完全了解哪些學生在一起碰撞出了新的火花。
在一項實驗當中,她和她的同事用相機拍攝了孩子們手部動作與頭部方向,用以衡量他們在協(xié)作中的實際效率。而后檢測工具與人將對結(jié)果進行交叉檢查,以判斷這些分組是否真正進行了協(xié)同工作。Luckin指出,其目標在于建立起社交互動的證據(jù),而這正是成功實現(xiàn)問題協(xié)作的重要因素。此類證據(jù)可被整理為一套儀表板,從而為教師們標記出哪些團體需要關注,最終提高授課過程的效率水平。
英國學習平臺Century Tech則是人工智能走入課堂的另一個實例。其利用人工智能與大數(shù)據(jù)技術根據(jù)個別學生的優(yōu)勢與短板定制教育內(nèi)容及活動。教師可以實時獲取學生的進度更新結(jié)果,從而為學習者提供最有力的支持。
也有一些方法能夠開發(fā)出超越人工智能的其它智能形式。有一些希望建立元認知智力因素的教師正在使用一款名為“Betty’s Brain”的計算機程序。
在該程序中,科學專業(yè)的學生們將教授一個名為Betty的卡通人物,包括向其講述河流生態(tài)系統(tǒng)的組成——例如食物鏈、光合作用以及廢物循環(huán)等等。而后,他們將測試Betty,看看她學到了什么并觀察其在學習中的角色測試結(jié)果?!斗兜卤葼柼亍冯s志解釋稱,“在檢查過程中,學生們會意識到這實際上是在測試他們自己,并幫助他們了解到自我監(jiān)控才是適用于一切學習環(huán)境的重要策略。”開發(fā)該程序的范德比爾特電氣工程與計算機科學教授Gautam Biswas指出,“因為要進行教學,他們必須首先完成學習。”
Luckin還提到,學生們可以通過研究人工智能本身也開發(fā)自己的智力因素。她指出,探索具有龐大知識基礎的IBM沃森將幫助學生們建立起元認識基礎——即意識到知識不僅僅是我們所看到的信息,更是我們所構(gòu)建的成果。沃森之所以能夠回答復雜的問題,是因為其以編程方式獲得了觀察并建立論證體系、生成并評估假設、最終給出最佳答案的能力。換句話說,沃森掌握了很多學生應當具備的學習方式。Luckin表示,“我們可以以此為基礎,讓學習者們了解到知識的獲取過程。”
Luckin承認,以這種方式應用人工智能技術也存在著一些明顯的阻礙。一方面,教育體制是各類機構(gòu)當中最僵化、最抗拒改變的部分。另一方面,人工智能對學生表現(xiàn)的追蹤也可能引發(fā)人們對數(shù)據(jù)隱私的重大擔憂。如果技術方案的功能在于不斷評估您孩子的智力水平,那么必然需要持續(xù)收集與個體優(yōu)勢及劣勢相關的數(shù)據(jù)。
另外,大家也很容易想象到這類方案可能被用于進行學生分類,或者否定其未來潛力?!督鹑跁r報》的一篇報道即提供了一個有啟發(fā)性的例子,講述了中國東部地區(qū)某所高中對學生行動進行追蹤:“這套由面部識別與人工智能驅(qū)動的監(jiān)控系統(tǒng)負責追蹤校內(nèi)的1010名學生,告知老師有哪些學生遲到或者缺課。它還能夠根據(jù)點菜記錄保留包含信息,從而了解哪些學生的油脂攝入量過高。”根據(jù)報道,“由于在當?shù)匾l(fā)巨大爭議,學校最終停止了該項計劃,”但這樣的情形仍然令人不寒而栗。
Luckin承認,數(shù)據(jù)隱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決方案。她表示,“這是一項必須進行全面討論的議題”,教師與政策制定者應該與已經(jīng)高度這方面問題的人工智能學者及工程師共同交換意見。
至于教育制度長久以來對變革潮流的抵制問題,Luckin并不是惟一一個對人工智能進入課堂抱有樂觀態(tài)度的人。英國威爾斯大學助理教授Simon Balderson就組織了一場關于人工智能與教育的國際會議,他在接受媒體采訪時表示:
“截至目前,我們?nèi)匀辉谝员粍臃绞较驅(qū)W生灌輸知識并進行評估。但隨著人工智能進入課堂,一切都將發(fā)生改變。人工智能正在迅速發(fā)展,未來其將能夠通過學生們的微表情確定其正在努力理解某一概念、接受了該項概念并在解決問題時應用這個概念。”
與老師們一樣,人工智能也會根據(jù)不同的學生調(diào)整具體傳授方法。但人工智能的優(yōu)勢在于,其會持續(xù)不斷地為每位學生提供這樣的個性化服務。“沒有哪位老師能夠為班上的全體學生提供針對性引導。相比之下,人工智能還可以管理每位學生的數(shù)據(jù),確保其課業(yè)量始終處于適當?shù)乃?。至少就目前而言,這樣的差異化教學還完全無法實現(xiàn)。”
看起來,學校似乎不太可能在短期內(nèi)放棄風險高企的學術測試手段。然而,歐美地區(qū)的人們正越來越多地意識到考試制度的重大弊端:其獎勵學生反芻信息,而非真正從中汲取意義; 激勵外在性而非內(nèi)在動機。Luckin認為,人工智能有望取代某些測試性考核。她指出,“現(xiàn)在我們已經(jīng)擁有了收集以及分析數(shù)據(jù)的方法,能夠幫助我們構(gòu)建起非常準確的形成性、持續(xù)性評估流程。如果需要,這是一種完全能夠取代考試的新機制。”
她對于改變智力衡量方式,進而顛覆教育體系價值觀這一可能性感到無比興奮:“如果我們能夠接受現(xiàn)有評估體系需要改變這一結(jié)論,那么這扇大門就已經(jīng)被打開。換言之,我們將真正嚴肅地重新思考教育制度的意義所在。”
當然,目前我們還很難判斷Luckin的愿景屬于烏托邦、反烏托邦抑或是老生常談。但最近英國上議院關于人工智能的報告性結(jié)論中也引入了她的思路:
所有公民皆應有權(quán)接受教育,確保他們能夠在人工智能的幫助下健康建立起自己的精神、情感與經(jīng)濟認知。
這一思路也預示著學校的運作方式將發(fā)生改變。Luckin總結(jié)稱,“以此為起點,將帶來極為龐大的發(fā)展空間。”
好文章,需要你的鼓勵
這項研究提出了"高效探測"方法,解決了掩碼圖像建模AI難以有效評估的問題。通過創(chuàng)新的多查詢交叉注意力機制,該方法在減少90%參數(shù)的同時實現(xiàn)10倍速度提升,在七個基準測試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質(zhì)量與分類性能的強相關性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應性。團隊承諾開源全部代碼,推動技術普及應用。
伊利諾伊大學研究團隊開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復雜爭議、智能檢索相關文獻、多角度收集觀點的方法,將傳統(tǒng)的"真假"判斷轉(zhuǎn)變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動構(gòu)建爭議話題的分析框架,識別不同觀點及其支撐證據(jù),為科學和政治爭議提供更全面客觀的分析,已在生物醫(yī)學和國際關系領域驗證有效性。
清華大學研究團隊首次提出情感認知融合網(wǎng)絡(ECFN),讓AI能像人類一樣理解和表達情感。該系統(tǒng)通過多層次情感處理架構(gòu),在情感識別準確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實現(xiàn)了跨模態(tài)情感融合、動態(tài)情感追蹤和個性化情感建模,為醫(yī)療、教育、客服等領域帶來革命性應用前景。
哈佛大學研究團隊通過創(chuàng)新的多智能體強化學習方法,讓AI在戰(zhàn)略游戲中學會復雜推理。研究發(fā)現(xiàn)AI通過游戲競爭能發(fā)展出類人思維能力,在邏輯推理、創(chuàng)造性解決問題等方面表現(xiàn)顯著提升。這項突破性成果為未來AI在醫(yī)療、教育、城市管理等領域的應用奠定基礎,展現(xiàn)了通過模擬人類學習過程培養(yǎng)真正智能AI的新路徑。