李俠 葉菲楠
自從2022年11月30日OpenAI公司發佈能夠對話的大語言模型GPT-3.5以來，短短三年多時間，人工智慧的浪潮迅速席捲全球，再加上政策、資本與人才的大力跟進，各種人工智慧產品日新月異，並呈現出井噴狀態，各行各業都意識到一個新的技術革命時代已經到來。對於這場不期而遇的技術革命，樂觀主義者與悲觀主義者已然開始籌畫自己的或光明或暗淡的未來，拋開各種情緒化的表達，站在技術進步的角度，我們該如何應對這場意義深遠的變革呢？ 為了回答這個問題，我們不妨回到科技發展史的歷史長廊裏，看看人類在前三次科技革命時都呈現了怎樣的態度與立場。第一次工業革命發生在18世紀60年代至19世紀40年代的英國，以蒸汽動力廣泛應用為核心標誌，這次工業革命首先在紡織業爆發，與紡織業相關的主要發明包括約翰·凱伊於1733年發明飛梭以及哈格裏夫斯發明珍妮紡紗機等，這次工業革命是人類歷史上人與機器的第一次正面相遇：機器以自己的力量開始塑造整個社會與個體的行為模式。由於機器的高效率導致大批手工業者破產與失業，這種“人-機”衝突終於在1811至1812年間在英國爆發了大範圍的工人搗毀機器的“盧德運動”。由此可見，除少數資本家外，整個社會在面對第一次工業革命的時候是完全沒有準備的、也是匆忙被動的，變革的壓力傳導到技術鏈末端的產業工人時，引發的是憤怒與無助。這是人類與技術很不友好的第一次正式相遇。 第二次工業革命發生在19世紀60年代至20世紀中葉的歐洲和美國等，它以電的應用為主要標誌，這期間有一系列重要發明，如發電機、內燃機、柴油機、電話、電報等，從此人類進入“電氣時代”。這次工業革命極大地改善了整個社會的面貌以及個人的生活方式，吊詭的是，儘管在這次工業革命期間在工業組織中出現了馬爾庫塞所謂的“單向度”的人的困境，然而，人們總體上對這次技術革命的態度仍是熱情擁抱與接受新技術。更重要的是，它提供的新崗位遠比摧毀的舊崗位多得多，而且新崗位的准入門檻不是很高，能夠吸納大批就業者。如果說前兩次工業革命的區別在於，第一次工業革命的技術源頭是人類實踐經驗，那麼第二次工業革命則完全來自科學本身。 第三次工業革命發生在20世紀中葉以來，它以原子能、電子電腦、空間技術、生物工程等領域的技術突破為標誌，無論在廣度上還是在深度上都是前兩次工業革命所無法比擬的。正是基於這次產業革命，人類的生存狀況得到了極大的改善，它也是世界範圍內現代化構想的經典範式。這次技術革命的基礎同樣來自於科學，人們對其的態度更是達到了信任的巔峰狀態，它不僅沒有引發人們的敵意，甚至成為人們追求美好生活的最好表達。它同樣創造了眾多新的工作職位，而且准入門檻也不是很高，這些技術最大限度上代替了人的體力以及部分智力，但其工具屬性的定位沒有改變，總體而言對人類是友好的。 而發生在21世紀20年代的第四次工業革命，它以人工智慧、大數據、物聯網等新一代資訊技術為主要標誌，這次革命的最大特點是它要完成從體力向智力的轉變，最終完成對人的能力的實質性、全面性替代。在肉眼可見的未來，它將迅速替代人的大部分工作，這個替代進程早已開始，從2016年AlphaGo戰勝人類圍棋高手李世石那一刻起，棋類遊戲的賽道被徹底改寫了。2020年AlphaFold 2破解蛋白質結構，徹底解決困擾學術界50多年的蛋白質折疊問題，至此結構生物學的賽道開始易主。軟體編程行業也處在快速被替代的境地，這種變化才剛剛開始。問題是這次人工智慧替換下來的行業曾經被認為擁有很深的護城河與准入壁壘，現在這些行業人類再也沒有能力重新擠入。這種職業替代蔓延的趨勢幾乎覆蓋所有的行業，沒有任何人或任何領域是安全的，而它提供的新崗位遠遠沒有它摧毀的多，而且這些新崗位的准入門檻相當高，人類再次遭遇第一次工業革命時的情景：人和技術之間的矛盾毫無商量餘地最大化了，對於這種有些黯淡的未來，我們準備好了嗎？ 目前各行各業都在暢想AI對於自己行業的革命性賦能，並且迫不及待地想把AI引入到自己的行業，至於這種急功近利的做法會給行業帶來何種後果，大多語焉不詳。回顧前三次工業革命的演進歷程，可以清晰看到如下特點：任何一次技術革命都不是一蹴而就的，而是經過由點到面的緩慢擴散，以及技術的不斷優化與迭代升級實現的。根據技術擴散理論可知，不是所有行業都適合早早引入新技術。按照技術創新專家埃弗雷特•羅傑斯的研究，採用新技術的用戶可分為五種類型，革新者，是指第一批採用創新技術的用戶，大體占2.5%；早期採用者，他們是新技術的“傳教士”，約佔用戶的13.5%；早期大多數用戶，他們接受創新的時間略早於社會體系的一般成員，約佔用戶的34%；晚期大多數用戶，約佔用戶數的34%；最後是落伍者，他們對新技術創新持高度懷疑態度，這部分人站用戶的16%。這個基於對新技術偏好的用戶分類可以幫助我們確定自己行業對新技術應該採取的策略安排。 這種基於用戶技術偏好的擴散模式有一個潛在的硬性約束，即這種偏好是基於特定的技術水準與特殊使命的結合，缺一不可。為了更好地揭示這種技術擴散的邏輯，不妨以筆者所在的教育行業為例。目前教育行業是人工智慧領域裏最熱情的推廣者與宣傳者，在AI賦能教育的旗幟下，教育工作者期待利用人工智慧解決長期困擾教育領域的困境，完成教育從傳播知識向提升能力的功能性轉換，實現教育的成人與育人的使命，最終在AI加持下實現教育範式的轉型。針對這種宏大敘事，筆者前幾個月利用研究生課業論文的機會做了一個小範圍的社會調查：人工智慧時代，知識獲取變得越發容易，學習知識還重要嗎？樣本量為132名研究生，其中全日制研究生31名，其餘為有社會經驗的在職研究生。在收到的132篇論文中僅有一位同學認為AI時代學習知識已經不重要了，其餘的同學則從各種角度論證了在AI時代學習知識仍然非常重要。其中一位同學的論文題目很有特點：“AI時代，知識一搜就有，我們還需要認真學習嗎？” 我對這位同學的提問方式高度認同，縱觀下來，同學們幾乎一致認為，雖然在AI時代知識獲取的成本與門檻都在快速下降，但是容易獲取與真正掌握與內化是完全不同的兩件事。在AI時代，只有知識高度內化並嵌入個人的認知框架，才能成為好的提問者、鑒別者與使用者，否則，知識獲取成本再低也於事無補，沒有知識的內化，他根本無法對那些輸出內容作出有效的識別與判斷。從這個意義上說，AI時代學習知識比以往時代顯得更重要了，或者說，對知識的理解變得更加珍貴了。 如何實施AI賦能教育，切入點在哪里？在無反思的狂歡中，AI仿佛成了改變教育難題的靈丹妙藥，眾口一詞的說法是把教育從知識傳授向能力提升轉變，客觀地說，這是一個基於功能主義思路出發的無效命題，原因有二，其一，知識是能力的基礎。沒有知識的內化而求能力的提升無異於緣木求漁；其二，能力是知識的溢出品。換言之，有知識不一定有能力，但有能力的一定是具備相關知識的。也許更重要的是，學習知識並不僅僅是為了收穫能力的果實，它更是塑造一個人的世界觀與認知框架的成人過程，以及宏觀上捍衛社會文明底線不倒退的功能。另外，只要想想那些開創科學革命的偉大科學家如牛頓和愛因斯坦等，他們沒有用過AI等先進工具，同樣做出了偉大的科學貢獻；相反當下很多擁有先進技術的科學家也沒有見到誰做出更多偉大的科學發現。 在探討AI賦能教育的話題之前，要對中國教育的體量有所瞭解，否則貿然決策會造成意想不到的重大損失。根據中國統計年鑒（2025年）的數據可以看到，僅從義務教育階段到高校，涉及的各類學校總數達21.4萬所，其中高校3119所；教職工有1835萬之多；涉及的各類在校生2.44億人，其中高校在校生為4300萬人。毫無疑問，中國是當今世界上教育體系規模最大的國家。僅從硬體角度來說，21萬多所各類學校要配備多少人工智慧設備？這筆投入有多大？錢從哪里出？因此，面對如此龐大的規模與複雜的體系，任何改革都要慎之又慎。 由於教育系統育人使命的獨特性，一旦改革失誤，影響深遠而且很難補救，因此，在遭遇新技術革命時，保持必要的謹慎是必須的。筆者傾向於認為針對這輪科技革命，教育領域堅持開放的保守主義理念是恰當的，而不是一窩蜂似的趕時髦。坦率地說，自2023年大語言模型橫空出世以來，這輪AI科技革命也才剛剛3年不到的時間，技術本身也在不斷試錯與升級過程中，它的具體應用場景都還在摸索與試驗階段，沒有必要把一個成熟度明顯不足的技術直接生硬地嫁接到教育領域，一旦失誤沒有人可以承擔其帶來的後果。回想三十年前互聯網剛出現的時候，那時沒有任何政策強行推動，當它逐漸成熟與完善的時候，人們自然而然就開始擁抱互聯網，這樣即避免了決策的失誤，也避免了大量資源的浪費。當下的人工智慧仍然不過是一項意義重大的新技術而已，遵循同樣的規律，坦率地說，到目前為止還沒有看到AI的成熟應用場景以及盈利模式，一切都在探索過程中，此時冒然把教育系統作為AI的試驗場風險太大。從這個意義上說，筆者堅決認為中小學還是應該採取傳統教育模式為好，不要擔心教育領域會在這波浪潮中落伍，AI作為大勢所趨的先導技術，堅信作為喜歡新鮮事物的年輕人是不會落下的。 在實踐層面，貿然採用AI替代常規教學僅具有象徵意義。坦率地說，時至今日，我都不知道把AI全部引進校園和課堂會是怎樣的場面？課堂是升級版的網吧嗎？老師是否搖身一變成為一個穿著長衫看店的網管？我認為這不是AI應該有的樣子，這也不是教育改革該有的樣子。誠然，國家推出的中小學智慧教育平臺已經內嵌了AI智能助手，能自動出卷檢測學生學習成果，幫老師快速批改作業，一定程度上提高了教師備課效率，也便利了學生自主學習。但要確定AI使用邊界，因為AI生成的課本知識也難保不會產生幻覺問題，中小學學生正是認知尚未成熟的階段，獨自使用AI時也缺乏一定辨別能力。要讓它起到一個輔助教師、讓學生在家學習時也可以起陪伴的作用，切莫讓它取代教師的作用。如今許多企業推出了各類學習軟體，大多是在傳統教育的基礎上簡單疊加一個聊天機器人，“AI+教育”口號喊得響亮，但是否真的推動教育進步，猶未可知。再有，新技術為何不率先用在最前沿的科技領域奮力拓展，反而熱衷於侵蝕那些比較成熟的傳統領域？DeepMind公司之所以受人尊重，是因為它開發AlphaFold 2用於解決人類難以處理的蛋白質結構問題，這才是AI最應該切入的領域，也才是人工智慧最應該有的樣子。 在任何技術變革的風口，保持理性與冷靜的態度都是必要的。當下，教育領域對於AI採取簡單的技術樂觀主義與技術悲觀主義的態度都是不恰當的。筆者認為對於新技術採用適中主義比較穩妥，這樣能夠保持教育領域的連續性與穩定性，不會給整個體系帶來大的振盪。人工智慧時代的適中主義就是順其自然，教育領域尤其不可採取揠苗助長的發展模式，一個好的教育改革路徑應該是踐行開放的保守主義理念前行，所謂保守主義是指不在情況不明的情況下瞎折騰，而開放意味著系統審慎接受那些新的成功範例，這樣就能避免整個體系出現大的波動，以及全社會無法承擔的天量試錯成本。教育改革的當務之急不是趕時髦，而是深挖教育領域的深層結構矛盾，破除體制機制頑疾，作為事關國家未來的重要部門，教育領域不應該成為新技術的免費試驗場與小白鼠。