編者按：Graham Brown-Martin 是《重新想象學習》的作者，他曾經(jīng)提出我們建學校是為了什么這個問題，并且一直在整個工業(yè)化的背景下思考科技如何改變教育。最近隨著 AI 的崛起，他又提出了一個應景的問題：AI 對教育意味著什么?當 AI 在某些我們正在學校里培養(yǎng)的能力方面遠遠過人類時 AI 我們會怎么做?我們又應該怎么做呢?
IBM Waston AI 的廣告里面有句話對我觸動很深：有了 Watson，這一代的問題解決者要學得快得多。
我在在教育與創(chuàng)意領域數(shù)字化平臺工作了大概 30年，我注意到每次技術有了點進展之后都會出現(xiàn)這樣的說法。Watson 當然是非常聰明的技術。它還沒有通過圖靈測試，但是已經(jīng)擊敗了 Jeopardy! 人類智力競賽的冠軍。
在 Jeopardy! 獲勝證明 Watson 懂人話(自然語言理解 NLU)，也即是說你可以用人類語言問它問題，然后他可以迅速從事實庫里面找出答案回答你。實現(xiàn)這一點需要可觀的計算能力。Watson 可以在 3 秒鐘之內(nèi)回答問題，其主要創(chuàng)新是可以迅速用超過 100 種語言分析技術對問題進行分析，然后尋找和生成備選答案，并對答案進行記分和排名。Watson 的知識庫包含了 2 億頁的結構化和非結構化內(nèi)容，占用了 4TB 的存儲。Watson 的硬件包括由 2880 POWER 7 處理器內(nèi)核及 16TB 內(nèi)存組成的集群，具備大規(guī)模的并行處理能力。
這種技術不是那種可以裝進口袋里面的技術，圍繞著人工智能的對話也不是什么新東西。有趣的是，廣受認可的 AI 先驅(qū)(至少是在教育領域)是 MIT 的 Seymour Papert 和 Marvin Minsky，他們早在 1950年 代就研究這些東西了。
AI 最近變得時髦起來的原因在于盡管它屬于計算密集型應用，但這種能力已經(jīng)交給云端去處理了，同時利用了智能手機或可穿戴設備等便攜設備做界面。這種辦法使得翻譯和語音識別系統(tǒng)變得流行起來。
這也是我們當中的一部分人發(fā)現(xiàn)自己的語音控制設備或者兒童玩具充當監(jiān)控設備時變得神經(jīng)過敏的原因。只要給云端足夠的計算能力和數(shù)據(jù)，一切皆有可能。
另一方面，圖靈測試仍然是驗證 AI 的金科玉律—圖靈在 1950年 那篇對未來具有深遠影響的論文《計算機器與智能》中提出了一個問題，“機器自己能思考到什么程度呢?” 他指出，如果一臺機器能夠與人類展開對話(通過電傳設備)而不能被辨別出其機器身份，那么稱這臺機器具有智能。
圖靈并不是提出這個問題的第一人。比方說，笛卡爾 1637年 的《談談方法》中就提出了類似的問題，并最終得出了著名的哲學論斷 “我思故我在”。當然，這個實際上要歸結為意識了，而意識跟我們所說的 “弱 AI” 是有著顯著不同的，后者在性質(zhì)上是對智能而不是意識的仿真，屬于某種無知覺的智能，比如象棋游戲使用的智能。
在我們深入探討智能的定義之前，值得注意的是圖靈測試是有瑕疵的，因為人類在計算和信息獲取等方面相對而言并不是很好的問題解決者。但是我們在兒童教育方面還是花費了很多年的時間漫無目的地訓練他們在這方面跟機器競爭。精準地獲取事實也是一樣，所以最后是 Watson 贏得 Jeopardy!智力競賽(注：其實更應該叫做記憶力比賽)。
另一方面 “強 AI” 的一種說法聲稱，實際上正確書寫的、運行在機器上的程序就是思想。這個想法的問題在于它假設人類大腦不過就是一臺計算機，而我們的思維就是人家。這個理論認為，只要我們擁有足夠的計算能力以及合適的軟件去模擬大腦，則機器也能獲得知覺。當然，這個一直只是科幻小說里面的東西，盡管 Google 首席未來學家 Ray Kurzweil 這樣的人認為，到 2029年 我們可以通過上傳意識給計算機來實現(xiàn)永生。好吧，這必須是真的，《花花公子》里面都有寫了。
要我說，Kurzweil 等人一定是受隱喻影響而誤入歧途。資深研究心理學家Robert Epstein 博士的看法是人腦不是計算機。他引用了 AI 專家 George Zarkadakis 的工作，后者總結了人類過去 2000年 用來解釋人類智能的 6 個比喻手法，比如圣經(jīng)說人是由泥捏成然后再灌輸 “精神” 進去的，比如笛卡爾斷言人是復雜機器，后來到了 1940年 代人又被比作計算機?；旧厦恳环N比喻手法都折射出了當時最先進的思想。Epstein 認為，到了未來的某個時刻，當技術取得進步之后，我們就會像拋棄從公元前 300年 開始延續(xù)了 1600年 左右的把人腦比作水力模型的觀點一樣，拋棄人腦是計算機的比喻手法。
我的看法是，當然這主要是基于直覺而不是專業(yè)知識，“強 AI”，比如機器意識不會很快實現(xiàn)，而且即便機器取得了意識，也會引發(fā)巨大的倫理問題，比如如何處理 “自我意識” 原型的問題。我還認為這方面還存在一個難題，即一旦你知道了某個東西是如何工作的話，那東西似乎就沒那么智能了，因此也就不再是 “強 AI” 了。
那我們從媒體上不斷讀到的 AI 相關消息都是些什么東西呢?它們又如何取代我們所有的工作呢?
我是這么想的。工業(yè)化進程始于 1760年 左右，此后我們不斷用越來越智能的機器來重復和取代任何我們可以衡量的東西，從鐵路和汽車取代馬匹，到工廠機器變革手工制作為大規(guī)模生產(chǎn)概莫若此。隨著這一進程接近尾聲，西方社會現(xiàn)在正處在過渡時期。盡管不能確定未來會出現(xiàn)知覺機器和強 AI，但可以肯定的是，相對而言，提供 NLU 的計算機處理能力，瞬時的事實回憶以及模擬的問題處理就在前面不遠了。也許不用 10年。
然而，盡管其中一些看似智能，比如像復雜的象棋游戲那樣的東西，但仍然只能算是研究人員所謂的 “弱人工智能”。但是靠測量、快速事實回憶以及分析的任務會被 AI 取代。從某種意義來說，過去幾百年的工業(yè)化以及在此基礎上發(fā)展出來的資本主義一直就是這樣的走勢。
我們在宣傳手冊、推銷廣告或者新聞廣播上面看到的 AI，不過是有力地模擬智能的算法罷了，而且往往是基于龐大的數(shù)據(jù)集才能實現(xiàn)的。很快幾乎你購買的一切東西，至少是數(shù)字化的那些都會吹噓自己的 AI 能力。但你要非常清楚的是，那些所謂的智能也不過只是模擬，一樣帶有源自人類思維的種種偏差。
當我們聽說 AI 正在用于教育和學習時(很快每一份產(chǎn)品推銷的 PPT 都會就這一概念對客戶展開連續(xù)轟炸)，那些對學校和教育是干什么的觀念還是過去幾個世紀的東西。我的意思是說，AI 輔助技術的目的是用來幫助學習通過考試，從而取代教師的工作。
考慮到離開教師這個職業(yè)的數(shù)量以及為了滿足聯(lián)合國提出的可持續(xù)發(fā)展目標對教師的需求都在大規(guī)模增長，用機器取代教師似乎是個不錯的選擇。機器不會組織工會鬧事，機器不會生病，機器不會有壓力，機器不用付工資，而且上課出題總能 100%保證表現(xiàn)穩(wěn)定。誰不喜歡呢?
隨著上萬名麥當勞員工組成聯(lián)盟在股東大會上要求保證最低 15 美元的時薪，麥當勞前 CEO Ed Rensi 已經(jīng)建議進入機器人。
在教育界，我們已經(jīng)看到一些商業(yè)組織，比如 Bridge International Academies 就在有漏洞可鉆的國家積極推進不利于教師工會的戰(zhàn)略。有人認為這是破壞現(xiàn)狀，但也有人認為這是降低成本和提高供給質(zhì)量的手段。
最近，有一位大學助教被 AI 替代了，而學生甚至都沒有注意到這一點，在我看來，這深刻反映出我們的教學方法是如何的過時。
但我們還可以換一種角度來看。
如果 AI 是以學生為中心的，每一位學生都有陪伴自己一起成長、能學會解決復雜、抽象問題的個人 AI 會怎樣呢?
這樣一種技術有可能會像今天的智能手機一樣，被擋在許多教室外面，考試就更不用說了，我相當肯定這一點。但這同一批學生，那些現(xiàn)在正在學校的人要融入的世界，無疑將是一個被極端復雜的 “弱 AI” 所強化的世界。這種 AI 可以理解自然語言并作出響應，可以獲取事實、信息，并且以比人類大腦快得多的速度對其進行分析。
我們?nèi)祟悓@些機器唯一的優(yōu)勢是，我們實際上掌握了 “強 AI”，但是我們的教育體系還要求我們跟機器的 “弱 AI” 進行競爭。在我看來，這毫無意義。
所有人都應該問一問這個問題：到什么時候我們能 “跨越鴻溝”，接受學生終究會在個性化 AI 系統(tǒng)的陪伴下，通過它們的幫助探索世界并大規(guī)模強化自身問題解決能力而茁壯成長這一事實?；蛘呶覀円部梢詫@一趨勢視而不見，把這個世紀的東西擋在學校大門之外，彼此心照不宣地繼續(xù)維持著過去的商業(yè)模式?
