关于人工智能＋教育的边界 越来越值得我们有更多的思考

虽然“人工智能＋教育”（AIED）仅在行业中有一个模糊的概念，但相信多数人对它的理解基本是“机器人教学”。

你相信机器人能代替真人老师授课吗？

如果你不相信，理由或许是这样的——

首先，从现有的技术条件来看，人工智能技术远没有达到成熟状态；

其二，人工智能只能进行海量的学习和模仿，却很难拥有超越知识的创造力，更加无法拥有人类的意识和情感，这决定了人类对其始终拥有掌控力。

此外，从现阶段的产业环境来看，至少在中国，尽管行业和资本层面皆对人工智能抱有极大的热忱，但的确与目前的学术理论和技术研发水平之间存在着巨大的温差。

但是不得不承认，从打败象棋冠军的“深蓝”，到攻克围棋领域的“Alpha go”，再到打败人类辩论选手的“Debater”，人工智能在挑战人类智识和想象力层面的爆发力从来没让人失望过。

从事“人工智能＋教育”的松鼠AI CEO栗浩洋在11月24日的媒体活动上更是直言，艺术、想象力等人类最后躲藏的堡垒和洞穴，终有一天会被人工智能技术所解构。而当机器可以复刻好奇心、创造力等意识层面的能力，那就意味着它可以对真人老师进行全方位的替代。

或许关于人工智能＋教育的边界，越来越值得我们有更多的思考。

为什么AI能在创造力上超越人类。

栗浩洋认为，“创造力”表现在四个维度——

第一个维度是知识广博，没有知识的铺垫，就不能创造出与众不同的东西。毫无疑问，人工智能的知识储备必定比人类要广博。IBM的超级电脑“沃森”（Watson）早在2011年初就已经在益智类综艺节目《危险边缘》（Jeopardy！）中打败了最高奖金得主布拉德·鲁特尔和连胜纪录保持者肯·詹宁斯，最终赢得100万美元的奖金。

“这一点也不稀奇，也不令人恐惧，它就是搜索引擎，对于任何知识都可以直接在网上搜索后进行反馈，就好像挖掘机用蛮力战胜了人类的铁锨一样”，栗浩洋评论称。

应用于教育领域，栗浩洋称，在当前的科技水平之下，人工智能可以做出每一个人类大脑中的“知识地图”，其中包含几千万的知识点、题目、用户画像，以及它们之间的关联性，而人类老师却不可能做到穷尽所有的知识。“当一个孩子的知识画像被AI获知，它就可以帮孩子做出创造性的事”。

创造力的第二个维度是好奇心。

“好奇心是人类改变世界的动力，爱因斯坦发明狭义相对论，是源于儿时对于如果人比光快会怎么样的幻想，这似乎也是人和任何机器不一样的地方”，栗浩洋说。但他进一步指出，对机器来说，好奇心也是可以被学习的。

典型案例是AI对经典游戏《Montezuma＂s Revenge》的攻克。

一般而言，AI会通过“强化学习”的训练方法在游戏中通关。在这种训练中，AI会因为某些结果而获得奖励（如得分），或是受到惩罚（如掉血）。因此，AI能在游戏中经过大量试验后找到“得到奖励”的最佳策略，从而得到高分。然而《Montezuma＂s Revenge》的特殊性在于，它不能为AI提供奖励，在这款益智游戏中，玩家必须不断探索、收集才能步步为营，这显然不符合AI的学习方式。

后来，专家开始教AI如何拥有“好奇心”，简单来说，告诉AI不仅是跨越障碍可以得分，无目的的探索也可以。最终，AI取得了在9次闯关中平均得分一万分的成绩，而人类的平均得分只有4000分。

值得一提的是，在AI进行“好奇心”学习以前，它的得分是0分。

AI在《Montezuma＂s Revenge》中截然不同的表现，与“功利主义”和“自由主义”的对立很相像。“当学会好奇心的AI在游戏中开始不以胜利为目的，它就会进行不断的玩乐和挑逗，因为它知道自己必胜，因而求胜变得没有意思”，栗浩洋评论称，“现在来看，教育最致命的问题就是功利。教育应该徜徉、幻想、浪费时间。没有实际的奖励和目标，黑暗中的探索或许才会发现智慧”。

创造力的第三个维度是发散思维。

栗浩洋举例称，机器人“能写会画”已经不是新鲜事。微软机器人“小冰”在学习了近百年来519位诗人的诗之后已经形成了独特的风格、偏好和行文技巧，并通过1亿用户的情感融通做出了一本诗集。

“机器人不是一流的诗人，但是至少可以超过9成的诗人。而且它的作品具有很高的原创性，它曾匿名往北京晨报、长江商报等众多主流刊物投稿并大量获选”，栗浩洋称。

同样回归教育领域，按照栗浩洋的说法，人工智能可以通过把控人的发散思维，然后再对人进行教授。

“当我们能精准的测试人的思维能力的时候，就能帮他举一反三，就能训练各种思维能力”，栗浩洋如是说。

创造力的第四个维度是逻辑归纳。

同样是IBM的沃森研究中心，其开发了一种算法可供研究170万种香水配方，然后将其成分与其他数据集进行比对。目前，IBM已经与香水公司Symrise合作，向巴西第二大化妆品商店出售了两款人工智能研发的香水。

Symrise高管Achim Daub表示，这两种香水都得到了焦点小组的热烈响应，即使在与其他受巴西千禧一代欢迎的香水进行测试时也能获得最佳效果。

栗浩洋称，AI总会不断“冷血”的分析、计算最高的概率，并不断的弥补缺点。“当AI变得没有缺点，就不可战胜”。栗浩洋认为，“AI老师”进行创造力教育的远景或许是，通过掌握所有的创造能力，在老师问孩子问题时，能用系统激励他们更多的想象力，并且无论孩子做任何回答，都能有足够的语料库与其进行互动，“不要囿于一个答案，而是充满幻想”。

AI让“中国式教育”的优势荡然无存

即使以上“AI能在创造力上超越（大部分）人类”的技术命题为真，或许还不足以证明机器人能在需要“即兴交互”的授课场景中做到完美，况且教育之于不同地区和人的习惯和意义都各有差异。

然而，至少从中国教育目前的特点来看，AI的出现至少已经在教育思路上对现行的教育状态发起了挑战。

清华大学经济管理学院院长钱颖一曾在一篇演讲中提及中国教育的特点。

他指出，中国教育的最大问题是我们对教育从认知到实践都存在一种系统性偏差，“这个偏差就是我们把教育等同于知识，并局限于知识。高考也是考知识，所以知识就几乎成了教育的全部内容”。

“而死记硬背、大量做题正是我们目前培养学生的通常做法”，钱颖一强调。

更引人担忧的是，原本被社会大众殷切的赋予个性化、创造力期望的知识教授者们，目前在教学队伍的培养当中也局部呈现出一种“流水线生产式”的生产态势。

起风财经曾卧底某以青少年应试教育为主营业务的课外培训机构进行走访调查，发现此类连锁培训机构的师资队伍中，存在大量非科班、兼职教学的情况。而该培训机构对外的承诺则是，机构中所有的教学人员皆为资质过硬的在职教师。

为了安排此类非科班出身的兼职老师尽快“上手”，机构对其进行的培训流程堪称“高效”。以语文科目为例，培训机构的教案编辑团队会编制一本特殊的教案，其中逐句逐段的标注、注释了教学重点，“我们老板的要求是，任何人一看，不用备课就能讲出东西来”，该负责人称。

当学生乃至教师都或多或少表现出严重程式化的教育人格后，人和机器的边界开始变得模糊。

钱颖一指出，人工智能本身就是通过机器进行深度学习来工作，而这种学习过程恰是在大量地识别和记忆已有的知识积累。从这个角度出发，人工智能可以替代甚至超越那些通过死记硬背、大量做题而掌握知识的人脑。

而且事实证明，人工智能在和中国特色“填鸭教育”的契合度上早已取得了不错的表现。

2017年高考第一天，一台名为“Al－Maths”的人工智能机器人和考生一起参加了数学考试，其在22分钟时间内完成了北京文科数学试卷，得分105分（满分150分）。而另一台人工智能教育机器人Aidam则对阵了6名来自不同地区的前文理科状元，在数学答题中，Aidam拿到了134分（满分150分）。

在传统教育机械化、竞争力普遍不强的情况下，AI的固有储备优势已经初步显现，并且已经通过“一对一AI教学”的理念提出了“因材施教”的命题。

“AI可以对孩子的知识点进行扫描，知道他们的知识体量，知道应该学多少，然后制定一些与分数对应的目标计划。还有，不同的孩子对不同的知识点学习的时间不一样，学霸也有要学很久的知识点。既然每个孩子都有不可知的学习时间的云图，就不应该把所有孩子都放在45分钟的课堂上，甚至不应该把两个孩子放在同一间教室中去学习”，栗浩洋如是说。

与此同时，让人担忧的还有AI的交互和输出能力。

2018年6月，IBM人工智能产品“Project Debater”与两位经验丰富的辩手分别进行较量，最终在两场由观众投票的辩论中赢得了其中一场。

根据IBM人工智能研发人员的分析，机器人接到辩题之后首先会努力理解辩题的意义，然后扫描几亿篇文章找到潜在的论据用来构成辩护材料，其间，辩论机器人采用独有的自然语言处理方式、机器学习和推理技巧，在了解辩题的潜在主题的基础上，将论据组织得有效且有说服力。

而在真实的辩论场景中，人类对手语速极快，并且会提出复杂的论据；这时候人工智能不仅要充分理解对手的核心思想，还要根据听到的内容组织驳辩。

对此，IBM的研发人员把机器的搜索模式改成了研究模式，促使机器对命题进行研究，从而比搜索更深一个层次。“搜索一个主题会搜出一个清单，如果以研究的方式去处理一个主题就能得出正反两方的论据”。

让人惊喜的是，Debater除了可以进行精准的抗辩，还可以遵循人类的语言逻辑开适当的玩笑。比如在“政府是否应该增加空间探索的费用”的辩题中，Debater说，“这个辩论对我来说尤其关乎我的命运，但是我不能兴奋的热血沸腾，因为我没有血”。

可以说，从辩论的表现来看，人工智能在语言理解和交互能力方面已经展现出更多可能。

“改变整个教育体系，这不是哪一个公司能做到的”

AI机器人代替人类老师并没有成为既定结果，但的确存在技术上的可期，甚至价值上的启发。事实上，在政策、消费和技术的推动之下，国内人工智能的设想和研发进程都不断在出现新的进展。

据此前《2018－2023年中国人工智能行业市场前景及投资机会研究报告》数据显示，2017年中国人工智能投资事件数达到353次，投资金额为582亿元，后者与2016年相比增长65．34％。此外，随着人工智能技术的逐渐成熟，科技、制造业等业界巨头布局的深入，应用场景不断扩展，预计2018年中国人工智能市场规模有望突破200亿元，达到238．2亿元，增长率达到56．6％。

当然，人工智能和所有产业的发展一样，都无法倚靠单一力量一蹴而就。

在今年6月的IEEE SMC学会上，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃在接受媒体采访时表示，人工智能最核心的是人才问题。据不完全统计，目前美中两国的人工智能的人才比例约为13 ： 1。

王飞跃认为，人工智能的人才培养需要一个应用场景和一个平台来推动，然后立即转到行业开发中去、把各种各样的应用场景做起来。

他同时强调，这不是一个公司可以凭一己之力完成的。

“现在的学校，现在教的东西，跟未来的时代脱节极其严重，这需要改变整个教育体系，这不是哪一个公司能做到的，将来会是一个社会运动”，王飞跃称。

提到“人工智能＋教育”，王飞跃直言，“我们现在的老师一定程度上只能在未来的学校做辅导员，我们需要大批的辅导让学生克服这种心理上、文化上的障碍。我们需要新的老师，能教智能产业、给智能产业提供基础的老师。”