找準“人工智能+教育”的發力點

　　■ 目前許多技術開發者對“人工智能+教育”的發力點多是在學習內容層面提高重點、難點問題的解決效率和準確性。然而，這并不一定能解決學生學習時面臨的困惑和問題
　　
　　■ “人工智能+教育”的發力點不是用技術快速解決問題，也不是要探究人工智能解決問題比教師、學生效率更高，而是要培養會解決問題的“人”
　　
　　今年全國兩會期間，“人工智能+”成為高頻詞。教育部部長懷進鵬在十四屆全國人大三次會議第一場“部長通道”回答記者提問時指出，DeepSeek（深度求索）和機器人最近一段時間引起國內外廣泛關注，從一個方面也說明了中國科技創新和人才培養的效果。但與此同時，也向我們提出了面對重大科技革命和產業變革，教育如何應對的問題。
　　
　　當前，技術正在加速教育領域的變革。一方面，我們驚嘆于人工智能在學習方面展現出的驚人能力。但另一方面，人工智能在當下教育教學中的工具屬性與育人目標之間的深層矛盾也日益凸顯。當人工智能接管了學習中實踐探究的一些關鍵環節時，學生或許會錯失在試錯和反思中發展思維的機會。當下，我們亟須厘清一個根本問題：“人工智能+教育”究竟應該替代人類解決問題，還是賦能人類學會解決問題？這一差異不僅關乎技術應用的倫理邊界，更決定著未來教育的方向。
　　
　　人工智能+教育：培養學會解決問題的“人”
　　
　　“人工智能+教育”，即將人工智能與教育融合，把智能技術融入教育教學環節以提高育人質量和教育品質。這一概念其實用“人本智能教育”來表述更為妥帖。它既能與學校里開設的人工智能課區分開來，也更能凸顯育人屬性。這里只是沿用了“人工智能教育”這一略有歧義但約定俗成的說法。目前許多技術開發者對“人工智能+教育”的發力點多是在學習內容層面提高重點、難點問題的解決效率和準確性，如利用生成式人工智能做閱讀理解題、交互問答、解數學題、寫作文等，高效地解決了學習內容中的特定問題。然而，這并不一定能解決學生學習時面臨的困惑和問題。
　　
　　用人工智能解決學習內容問題和借助人工智能教會學生解決問題，雖然都涉及人工智能，但分屬不同范疇。“人工智能+教育”的發力點不是用技術快速解決問題，也不是要探究人工智能解決問題比教師、學生效率更高，而是要培養會解決問題的“人”，即借助人工智能教會學生解決問題。因此，其目標應是在人工智能的支持和教師的引導下，教會學生從不同角度思考問題、識別關鍵要素，激活知識儲備或收集相關信息，綜合運用分析理解、論證推理、聯想想象、評估權衡等多種能力，尋找到最佳解決方案。甚至，這個方案還需轉化為行動，讓知識在真實的世界中得到檢驗，進而改造世界，豐富人格。
　　
　　打一個較為直觀的比方，用人工智能解決學習內容問題，就像是算數時直接用計算器給出答案。而教會學生解決問題，是要讓學生明白為什么要這么計算，在這個過程中培養數感，并能做到舉一反三，以后遇到類似的問題能自己解決。經歷過這一量變到質變的學習過程，學生在未來面對復雜情境時，才能更好地從數學直覺上把握復雜關系，迎來“靈機一動”的決定性瞬間。
　　
　　數據算法與深層習得：兩種不同的“學習”機制
　　
　　從技術實現的角度，人工智能解決問題主要依靠機器學習、深度學習等技術，分析和學習大數據，實現模式識別、結果預測或自動化決策。如在醫療診斷、金融風險評估、交通管理等領域，人工智能可以直接針對問題提供解決方案。相比之下，借助人工智能教會學生解決問題，更側重輔助教學、深化學習體驗，目標并非直接解決問題，而是注重引導性、互動性和開放性，通過情境化學習設計，定制化學習歷程，幫助學生掌握解決問題的能力，培育核心素養。
　　
　　直接解決問題的人工智能，需要強大算力和高效算法處理海量數據。而教會學生學習的人工智能，則需要關注學習科學、認知心理學，具備更適宜的用戶功能和界面、更多的交互設計、更充分的學情理解、更適切的學習路徑設計，還要融入默會知識、場景體驗、情感共鳴等人工智能難以處理的方面。所謂個性化資源推送，只是人工智能在教育領域最表層的應用，并不代表“學習”必然發生；基于習題、測練數據展開的學情分析，本質是將知識點細化拆分并設定標簽，易催生技術輔助下的應試教育，離學生運用知識解決問題還有很大的距離。
　　
　　從社會發展的角度，直接解決問題的人工智能，可能引發就業結構的變化。部分職業會被自動化取代，拉大社會鴻溝，因為技術優勢、算法規則、數據“清洗”可能集中在少數人手中。而教會學生學習的人工智能，要盡可能地緩解這些負面影響，借助人工智能提升教育的可及性和公平性，特別是對于那些資源有限的地區和群體。進一步而言，在追求更高質量的教育公平的進程中，我們要通過提高人的知識技能水平，培養積極的情感態度，讓學習者適應不斷變化的環境，開拓充滿希望的嶄新未來。
　　
　　創新人才培養要幫助學生建構起問題解決的經驗
　　
　　某種程度上，人工智能擅長解決規則確定的問題，即便是那些“不良結構”的復雜問題，也是通過模式識別轉化為多個關聯的結構化問題。但教會學生解決問題，尤其是解決具有創造性的問題，不能單純靠“算法”。當然，這里也會涉及傳統的機器學習算法如回歸、決策樹等與晚近興起的深度學習之間的區別，但這種技術角度的辨識依然停留在“讓人工智能解決問題”的層面。反倒是辨別“深度學習”在人工智能和教育學領域的不同，更有助于理解人工智能與人類智能的區別。人工智能領域的“深度”體現在，多層神經網絡自動提取海量數據，復雜性在于參數和通路。教育學領域的“深度”關乎心理機能，通過高層次的認知加工，引導學習者深入學習內容，復雜性在于學習者深層次的認知、經驗和情感參與。
　　
　　當前，不少智能教育產品在幫助學生鞏固知識上優勢明顯，但這并不等于教育的高質量發展。創新人才培養需要幫助學生積累解決問題的經驗，從未知到已知的學習過程本身也是一種學習。用人工智能的術語來講，人類學習者也需要“預訓練”，面對經典知識（優質數據集）探索學習路徑與策略（模型與算法選擇），在梳理與探究（數據標定）中基于現象形成概念（表征學習），并隨時校正認知（技術調試）等。當然，這些尚未涉及學習者的情感狀態和認知風格。無論人工智能多么復雜，算法中總有確定的、直接的、最優的路徑，而人類學習模糊性、情境性、個性化的特點決定了學習過程因人而異、螺旋上升、百轉千回。
　　
　　人工智能能否引導學生進入真實世界，促進學科實踐和溝通合作，增強人與社會的鏈接？能否超越“算法”的精準路徑，在交叉地帶、邊緣地帶為學生帶來創新的學習體驗？這些是與教育質量提升密切相關的因素，雖與技術聯系緊密，但更為關鍵的是善用技術的“人”。盡管智能技術在開放式學習和創造力培養方面已經發揮作用，但在當前“人工智能+教育”的熱潮中，人們常常注重“人機耦合”中的“機”，而忽視了“人”；智能教學產品的研發有時過于重視怎樣攻克難題、解決問題，而忽視教會學生解決問題。辨識讓人工智能解決問題與借助人工智能教會學生解決問題的不同，有助于我們認清教育的復雜性和技術的限度，從而更加務實地解決教育改革和發展中的真問題。
　　
　　（作者系首都師范大學教師教育學院教授、人工智能教育研究院副院長）