鐘柏昌：新一代人工智能教育的五條邏輯主線

自ChatGPT為代表的大語言模型爆發(fā)以來，人工智能邁入了一個全新的發(fā)展階段，這個階段我們稱為新一代人工智能發(fā)展時期。新一代人工智能的發(fā)展有幾個顯著特征，為人工智能教育帶來了諸多挑戰(zhàn)：一是基于連接主義的深度學(xué)習(xí)算法的崛起，具有前沿性，這涉及青少年學(xué)生如何入門的問題；二是不局限于計算機科學(xué)的發(fā)展，而是物理科學(xué)、神經(jīng)科學(xué)等與計算機科學(xué)交叉融合發(fā)展的產(chǎn)物，具有跨學(xué)科性，這涉及青少年學(xué)生從何入手的問題；三是不再囿于實驗室的算法實驗，而是面向真實問題解決，具有實踐性，這涉及人工智能教育以何為徑的問題；四是不再是單一的算法設(shè)計，而側(cè)重基于數(shù)據(jù)集的模型訓(xùn)練和預(yù)訓(xùn)練，具有算力依賴性，這涉及人工智能教育以何為具的問題。

這些特征決定了新時期的人工智能教育與過往的人工智能教育有著顯著差異，需要用新的視角重新理解：一方面，要讓青少年學(xué)生觸摸前沿科技，如果從人工智能底層的概念、算法、模型、框架開始學(xué)起，無疑具有極高的門檻，不利于激發(fā)和維持學(xué)生的學(xué)習(xí)興趣。開展中小學(xué)人工智能教育要有逆向?qū)W習(xí)思維，改變過往從0到1的學(xué)習(xí)路徑，基于真實問題解決，從現(xiàn)成的智能工具的體驗、運用開始，或者從模型的搭建、訓(xùn)練、應(yīng)用（工程與技術(shù)方法）漸進理解人工智能背后的算法模型（科學(xué)與數(shù)學(xué)思想）。換言之，中小學(xué)人工智能教育不是高校人工智能專業(yè)教育的簡單下放，而是要從工程教育出發(fā)逐步過渡到科學(xué)教育，這樣才能破解青少年接觸前沿科技門檻過高的難題，也才能順應(yīng)人工智能跨學(xué)科性和實踐性的特點。另一方面，作為基礎(chǔ)教育課程，在引領(lǐng)學(xué)生了解前沿科技的基礎(chǔ)上，要特別樹立素養(yǎng)教育理念，發(fā)揮課程的育人價值：不僅要體現(xiàn)利用人工智能解決問題的新型思維方式，還要讓學(xué)生能夠理解和面對人工智能技術(shù)發(fā)展所帶來的倫理道德問題。

中小學(xué)人工智能教育的課程體系構(gòu)建還要尊重學(xué)生的認知特征和發(fā)展特點，符合循序漸進、螺旋上升的要求。課程設(shè)計的邏輯主線是新一代人工智能課程體系的內(nèi)在經(jīng)脈。構(gòu)建人工智能課程的邏輯主線有不同的思路。例如，從人工智能技術(shù)本身（如不同的技術(shù)流派或者不同的技術(shù)路線的模型框架）出發(fā)構(gòu)建邏輯主線，但是人工智能處在快速發(fā)展階段，學(xué)科體系尚不成熟，所謂人工智能的技術(shù)流派和技術(shù)路線尚存爭議；更重要的是，這種學(xué)科本位的邏輯思路很可能帶來大量陳舊而艱深的人工智能基礎(chǔ)知識的學(xué)習(xí)，回到過往從0到1的學(xué)習(xí)路徑，遠離青少年學(xué)生的生活經(jīng)驗和認知特點，無法有效降低中小學(xué)生的學(xué)習(xí)門檻，不符合上述逆向?qū)W習(xí)的思維。相比之下，從人工智能技術(shù)的不同樣態(tài)和應(yīng)用需求中尋找邏輯線索可能更接地氣。借用具身哲學(xué)的觀點，由表及里地使用某種技術(shù)，實質(zhì)反映的是人與技術(shù)關(guān)系的不斷深入。因此，筆者認為，從表層的人工智能技術(shù)應(yīng)用（用現(xiàn)成的人工智能工具解決問題），到里層的人工智能模型應(yīng)用和模型優(yōu)化（用人工智能技術(shù)設(shè)計人工智能工具），再到深層的人工智能思維方法和情感道德的塑造與內(nèi)化，構(gòu)成了人類主體與人工智能具身關(guān)系的基本發(fā)展路徑，從這些路徑中可以提煉出工具智能化、問題模型化、模型優(yōu)化、思維可視化、道德情感內(nèi)化五大邏輯主線。

工具智能化：生成式人工智能、大模型、智能體、多模態(tài)、輕應(yīng)用

工具智能化是指在人工智能技術(shù)的加持下，面向大眾的通用信息技術(shù)工具越來越智能化，形成了基于智能工具的應(yīng)用體系：不僅新興的人工智能工具具有極高的智能化水平，如生成式人工智能工具；而且過往的信息技術(shù)工具也越來越智能化，如傳統(tǒng)的門禁系統(tǒng)整合了人臉識別的功能。這些智能工具主要以多模態(tài)數(shù)據(jù)為基礎(chǔ)、大模型技術(shù)為支撐、生成式為功能、智能體為載體、輕應(yīng)用為形態(tài)，在解決問題時表現(xiàn)出高度通用性與靈活性，能夠有效應(yīng)對多樣化需求。因此，在工具智能化路徑下，通過“用中學(xué)”的方式，學(xué)生在使用智能工具解決真實情境問題的同時，可以理解新技術(shù)背后的原理及價值，實現(xiàn)應(yīng)用與理解之間的有機結(jié)合。例如，學(xué)生在運用某種認知大模型解答學(xué)習(xí)困惑時，不僅能夠掌握智能工具的應(yīng)用技巧（如提示詞編寫），還可以通過與工具的互動逐漸理解其工作原理（如文字生成機制），從而加深對智能工具的科學(xué)認知。這不僅使學(xué)生能夠認識到工具的優(yōu)勢與潛力，還能意識到工具固有的局限性（如“幻覺”現(xiàn)象）。此外，學(xué)生還可以根據(jù)實際問題和需求，選擇具備特定功能的虛擬智能體（如英語聊天助手、作文修改助手等）或物理智能體（如智能教學(xué)機器人、無人駕駛汽車等），甚至還可以通過提示語或低代碼方式搭建個性化智能體，精準且高效地解決所面臨的問題。

工具智能化是引導(dǎo)青少年學(xué)生感受和進入人工智能領(lǐng)域的橋梁。通過使用智能工具解決真實問題，不僅有效降低了學(xué)習(xí)和運用人工智能的門檻，而且能夠充分感受人工智能的獨特優(yōu)勢，有效激發(fā)學(xué)生深入探索人工智能技術(shù)的興趣。同時，通過非代碼或低代碼的方式對智能工具進行二次開發(fā)，不僅可以提升學(xué)生利用人工智能技術(shù)解決實際問題的能力，而且能夠了解人工智能的基本概念與工作原理，為后續(xù)學(xué)習(xí)復(fù)雜的模型構(gòu)建與優(yōu)化奠定基礎(chǔ)。

問題模型化：問題建模、數(shù)據(jù)集準備、模型訓(xùn)練、模型推理

問題模型化是將真實問題抽象分解為可以被計算的問題鏈，并選擇和搭建合適的人工智能模型，準備合適的數(shù)據(jù)集訓(xùn)練模型獲得最優(yōu)解的過程，旨在培養(yǎng)學(xué)生應(yīng)用人工智能模型開發(fā)智能工具、進而解決真實問題的能力。在具體課程實踐中，問題模型化可以分為問題建模與模型開發(fā)兩大任務(wù)。

問題建模指將實際需求或抽象問題分解為問題鏈，并轉(zhuǎn)化為一系列可數(shù)字化表述的數(shù)據(jù)和可被機器執(zhí)行的算法模型。在人工智能教育中，問題建模的關(guān)鍵任務(wù)是將復(fù)雜的現(xiàn)實問題或抽象概念提煉為可以通過人工智能技術(shù)求解的模型需求。在這一過程中，學(xué)生需要運用所學(xué)人工智能基礎(chǔ)知識，從多維度分析和分解問題，提煉關(guān)鍵要素，并以人工智能視角把握問題的核心，從而在實踐中逐步理解人工智能的基本邏輯，初步形成利用人工智能模型解決實際問題的思維模式。

模型開發(fā)是將問題建模結(jié)果轉(zhuǎn)化為實際可操作的人工智能解決方案的過程。模型開發(fā)可細分為數(shù)據(jù)集準備、模型訓(xùn)練和模型推理三個核心環(huán)節(jié)。數(shù)據(jù)集準備環(huán)節(jié)要求學(xué)生收集、清洗和組織數(shù)據(jù)，以自然語言處理為例，主要涉及如何通過分詞（將文本分割為基本語言單元）和嵌入（以向量方式實現(xiàn)語義關(guān)聯(lián)）將文本數(shù)據(jù)轉(zhuǎn)換成機器可以理解的形式；通過這些過程，學(xué)生將能夠理解數(shù)據(jù)質(zhì)量對模型性能的影響，并認識到數(shù)據(jù)在人工智能中的重要作用。模型訓(xùn)練環(huán)節(jié)要求學(xué)生選擇合適的算法訓(xùn)練模型，并通過調(diào)整超參數(shù)優(yōu)化模型性能，旨在促進學(xué)生深入理解人工智能算法模型的工作機制，培養(yǎng)其實驗探究精神和數(shù)據(jù)分析能力。模型推理環(huán)節(jié)要求學(xué)生評估并測試模型的實際表現(xiàn)，并提出針對性優(yōu)化方案，借此過程學(xué)生將能回顧審視數(shù)據(jù)集準備和模型訓(xùn)練存在的不足，提升發(fā)現(xiàn)問題、解決問題的實踐能力。

模型優(yōu)化：泛化、壓縮、部署、算力

模型優(yōu)化是指在利用人工智能模型解決問題的過程中，通過一系列技術(shù)手段提升模型的性能、效率和可用性，以確保其在實際應(yīng)用中的穩(wěn)定性和高效性。進一步說，模型優(yōu)化的實質(zhì)是增強模型的泛化能力、減少計算資源消耗，并提升其在不同場景下的適應(yīng)性。在新一代人工智能教育中，模型優(yōu)化不僅要關(guān)注模型精度的提升，還要強調(diào)計算效率和資源的優(yōu)化。因此，以模型優(yōu)化為邏輯主線，旨在引導(dǎo)學(xué)生漸進理解人工智能算法背后的深層邏輯，同時理解數(shù)據(jù)、算法（模型）和算力在人工智能模型中的相互依存關(guān)系，從而提升學(xué)生對人工智能技術(shù)的整體把握。

模型優(yōu)化的方法包括泛化、壓縮等，通過學(xué)習(xí)這些優(yōu)化方法，學(xué)生可以更深入理解人工智能背后的技術(shù)思想。例如，為了提高模型泛化能力，避免過擬合（指模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)優(yōu)異，但在測試數(shù)據(jù)或新的數(shù)據(jù)集上性能不佳的現(xiàn)象，如同學(xué)生做了許多同質(zhì)練習(xí)題但沒有理解其一般性），需要用到各種泛化技術(shù)，進而可以幫助學(xué)生理解正則化技術(shù)（指通過降低函數(shù)中不同特征項的權(quán)重以降低模型復(fù)雜度的技術(shù)）和數(shù)據(jù)增強技術(shù)（指采用更多樣化的數(shù)據(jù)進行模型訓(xùn)練，如同通過增加差異化練習(xí)題來提高學(xué)生的遷移能力）。

具備泛化能力的模型不一定具備實用價值，還需要考慮模型部署涉及的硬件性能（存儲空間和算力等），因此往往還需要通過模型壓縮來優(yōu)化模型、適配硬件條件，例如通過“量化”降低參數(shù)精度，通過“剪枝”刪除一些不重要的參數(shù)，通過“蒸餾”生成簡化模型等。簡言之，模型優(yōu)化的目的是滿足模型部署后的使用與效率，模型部署則可以檢驗?zāi)Ｐ蛢?yōu)化的效果并為優(yōu)化提供指引。模型部署環(huán)節(jié)要求學(xué)生將經(jīng)過訓(xùn)練的模型部署于專用設(shè)備（如邊緣計算硬件），制作能夠獨立運行的智能交互系統(tǒng)，并確保其穩(wěn)定、高效運行。這一過程將幫助學(xué)生學(xué)會如何將人工智能技術(shù)轉(zhuǎn)化為具體的應(yīng)用，深刻感悟人工智能技術(shù)的實用價值，并獲得利用人工智能技術(shù)開展多模態(tài)、跨學(xué)科實踐創(chuàng)新的成就感。

模型優(yōu)化不僅聚焦于模型性能的提升，還體現(xiàn)了數(shù)據(jù)、算法和算力之間的密切關(guān)系。人工智能在算力的支持下，利用算法從數(shù)據(jù)中學(xué)習(xí)知識，從而達到智能化解決問題的目標。一般而言，問題的復(fù)雜性越高，數(shù)據(jù)量越大、非結(jié)構(gòu)化程度越強，算法的復(fù)雜程度和對算力的需求也越高。[1] 在模型優(yōu)化過程中，如何通過減少計算復(fù)雜度降低對算力的需求，如何通過更高效的數(shù)據(jù)處理提升模型性能，都是模型優(yōu)化實踐中的關(guān)鍵課題。例如，剪枝技術(shù)通過減少冗余連接降低計算量，從而降低算力需求；數(shù)據(jù)量化技術(shù)則通過降低數(shù)據(jù)精度來減少計算資源消耗。在這一過程中，學(xué)生將逐步理解算力和數(shù)據(jù)在人工智能模型中的作用及其與算法間的關(guān)系，并掌握如何通過模型優(yōu)化實現(xiàn)三者的動態(tài)平衡。

總之，通過模型優(yōu)化，學(xué)生不僅可以經(jīng)歷持續(xù)調(diào)整模型的結(jié)構(gòu)、算法與參數(shù)實現(xiàn)模型迭代優(yōu)化的過程，還能深刻體會到人工智能算法背后的設(shè)計邏輯，深化對人工智能算法機制的認識，進而提升其人工智能素養(yǎng)。

思維可視化：工程思維、設(shè)計思維、計算思維、系統(tǒng)思維

思維可視化是指在人工智能教育中將內(nèi)隱、抽象、復(fù)雜的思維過程外化為顯性的實踐過程。新一代人工智能的發(fā)展要求教育領(lǐng)域積極培育學(xué)生具備那些不會被技術(shù)工具所取代的心智模式（如高階思維等）。人工智能思維體系的基本框架包括工程思維、設(shè)計思維、計算思維和系統(tǒng)思維。[2] 四種思維相互聯(lián)系、互為補充，共同構(gòu)成人工智能背景下人類適應(yīng)終身發(fā)展和整體發(fā)展需要的思維方式。在中小學(xué)人工智能教育中，人工智能思維的可視化證據(jù)主要來源于學(xué)生設(shè)計、開發(fā)、測試與優(yōu)化“智能交互系統(tǒng)”的全過程。需要注意的是，此處的“智能交互系統(tǒng)”是智慧系統(tǒng)而非單向度的技術(shù)系統(tǒng)，旨在彰顯“人機共智”理念，體現(xiàn)人工智能技術(shù)與人類主體之間的雙向建構(gòu)。在人工智能教育實踐過程中，需要審慎把握四種思維的聯(lián)系與區(qū)別。

首先，工程思維與設(shè)計思維具有緊密的邏輯關(guān)系，前者主要是指以系統(tǒng)分析和比較權(quán)衡為核心的一種籌劃性思維，[3] 同時還是一種構(gòu)造思維（通過工程制造將設(shè)計結(jié)果轉(zhuǎn)化為現(xiàn)實的人工物品），[4] 后者則主要指基于技術(shù)問題進行創(chuàng)新性方案構(gòu)思的一系列問題解決過程。工程思維與設(shè)計思維在人工智能教育實踐過程中常常融合為“工程設(shè)計思維”，既要求學(xué)生根據(jù)用戶的真實需求發(fā)現(xiàn)問題，并通過多種形式提出創(chuàng)造性解決問題的方案，也要求學(xué)生根據(jù)方案實現(xiàn)智能交互系統(tǒng)的開發(fā)、測試與優(yōu)化。

其次，計算思維能夠使學(xué)生更深層了解人工智能解決問題的過程，在人工智能教育實踐過程中可將其提煉為七個部分：一是在“分解與模塊化”方面，學(xué)生在智能交互系統(tǒng)設(shè)計的過程中，能夠?qū)⒋髥栴}分解成小問題，將復(fù)雜問題（系統(tǒng)）劃分（分解）成若干子模塊；二是在“抽象與建?！狈矫?，學(xué)生在設(shè)計智能交互系統(tǒng)的過程中，能夠運用計算機科學(xué)領(lǐng)域的思想方法，通過問題抽象形成模型化問題解決方案；三是在“數(shù)據(jù)與標注”方面，學(xué)生在設(shè)計智能交互系統(tǒng)的過程中，能夠在文本、視頻、圖像等原始數(shù)據(jù)的基礎(chǔ)上添加元數(shù)據(jù)進行標注，即通過“打標簽”形成訓(xùn)練數(shù)據(jù)集；四是在“訓(xùn)練與模擬”方面，學(xué)生在開發(fā)智能交互系統(tǒng)的過程中，能夠?qū)擞浐玫臄?shù)據(jù)用于訓(xùn)練機器學(xué)習(xí)的模型，并通過模擬、仿真等驗證模型的運行效果；五是在“部署與推理”方面，學(xué)生在開發(fā)智能交互系統(tǒng)的過程中，能夠?qū)⒂?xùn)練好的模型部署到嵌入式設(shè)備中，并接收新數(shù)據(jù)進行推理與預(yù)測；六是在“優(yōu)化與迭代”方面，學(xué)生在測試智能交互系統(tǒng)的過程中，能夠持續(xù)反思當(dāng)前方案的不足，逐步求精和優(yōu)化完善；七是在“復(fù)用與遷移”方面，學(xué)生在開發(fā)智能交互系統(tǒng)的過程中，能夠利用已有問題解決方案，并將其遷移運用于解決其他問題。

最后，系統(tǒng)思維是一種統(tǒng)籌性思維，可以滲透于工程思維、設(shè)計思維和計算思維之中，共同作用于智能交互系統(tǒng)設(shè)計、開發(fā)、測試與優(yōu)化的全過程，要求學(xué)生合理統(tǒng)籌系統(tǒng)功能、結(jié)構(gòu)、美觀等各個要素及要素間的作用關(guān)系，制作出最大限度滿足需求的智能交互系統(tǒng)。

道德情感內(nèi)化：文明禮儀、行為規(guī)范、信息安全、社會公平

道德情感內(nèi)化是指個體在學(xué)習(xí)和應(yīng)用人工智能技術(shù)的過程中，深刻理解倫理標準和道德規(guī)則并內(nèi)化為自身的情感和價值觀體系。新一代人工智能技術(shù)區(qū)別于其他技術(shù)的關(guān)鍵之處在于其可能模仿人類思維方式，使人工智能與人類之間的界限愈益模糊，甚至對人類的主體地位構(gòu)成潛在威脅。同時，新一代人工智能技術(shù)發(fā)展依然面臨著不穩(wěn)定、算法黑箱、信息安全等風(fēng)險，有可能被不法分子利用，致使人工智能技術(shù)實施危害社會的行為。當(dāng)前，盡管能進行信息處理、加工乃至深度學(xué)習(xí)和情感計算的人工智能也有“意識”，也能反應(yīng)、感想、反思和決定，但唯獨不能想象和共情，這是未來相當(dāng)一段時間內(nèi)人工情感與人類情感的質(zhì)差。[5] 作為人之為人的根本，情感尤其是道德情感在形塑品格、涵養(yǎng)德行、生成價值觀的過程中占據(jù)著不可忽略的基礎(chǔ)性地位，不僅可以明確人工智能與人類之間可能產(chǎn)生的倫理道德問題，也可以應(yīng)對現(xiàn)代社會風(fēng)險的不確定性，為人類社會行為提供具有普遍指導(dǎo)意義的觀念、原則或標準。因此，新一代中小學(xué)人工智能課程需要從道德情感內(nèi)化的角度，綜合考慮人工智能技術(shù)與人類、社會的復(fù)雜關(guān)系，提高學(xué)生重規(guī)范、合倫理、高效率運用人工智能技術(shù)的自主性。[6]

首先，人工智能的強勢發(fā)展及其與人類之間的復(fù)雜關(guān)系必然引發(fā)人工智能與人類之間的倫理道德問題，對這些問題的探討有助于樹立理性的技術(shù)價值觀，引領(lǐng)學(xué)生找到智能時代的人類主體定位，進而形成適應(yīng)新一代人工智能發(fā)展時期人機交互的文明禮儀和行為規(guī)范。這里所謂文明禮儀是指人機交互時遵循的社會文化規(guī)范、道德準則以及互動規(guī)則。這些禮儀不僅涉及用戶與系統(tǒng)交互時的禮貌、尊重與體貼，還包括系統(tǒng)在回應(yīng)用戶時所表現(xiàn)出的適當(dāng)性、友好性和理解性。這里所謂行為規(guī)范是指人機交互時遵循的一套系統(tǒng)化、標準化行為模式和操作規(guī)則。這些規(guī)范對于優(yōu)化用戶體驗、提升人機協(xié)作效率以及維護人機協(xié)作的和諧關(guān)系至關(guān)重要。在人工智能教育實踐過程中，需要引導(dǎo)學(xué)生全面理解人工智能與人類的關(guān)系，掌握與人工智能工具進行文明互動及規(guī)范應(yīng)用的方式和規(guī)則，以便在未來有理智、負責(zé)任地使用人工智能技術(shù)。

其次，人工智能技術(shù)發(fā)展的不穩(wěn)定性及其與社會之間的融合關(guān)系可能引發(fā)具有不確定性的現(xiàn)代社會風(fēng)險，對這些風(fēng)險的探討有助于明確人工智能給社會公平、信息安全等可能帶來的隱患。其中，人工智能技術(shù)所引發(fā)的信息安全風(fēng)險是指在人工智能技術(shù)的應(yīng)用和發(fā)展過程中可能導(dǎo)致的信息泄露、數(shù)據(jù)濫用、系統(tǒng)漏洞、隱私侵犯等一系列安全問題；人工智能技術(shù)所引發(fā)的社會公平問題是指在人工智能技術(shù)的開發(fā)和應(yīng)用過程中可能出現(xiàn)的不平等或歧視現(xiàn)象，特別是在不同群體、個體或社會層面產(chǎn)生的差異，例如算法黑箱可能帶有數(shù)據(jù)偏差、數(shù)據(jù)歧視、算法陷阱，技術(shù)不平等應(yīng)用可能導(dǎo)致數(shù)字鴻溝等。在人工智能教育實踐過程中，需要引導(dǎo)學(xué)生全面理解人工智能與社會發(fā)展的相互促進作用，探究人工智能開發(fā)與應(yīng)用可能帶來的公平問題和法律風(fēng)險，明確并遵循人工智能開發(fā)與應(yīng)用的公平機制和法律規(guī)范。

參考文獻：

[1] 鐘柏昌，余峻展，謝作如. 中小學(xué)人工智能課程需要何種智能硬件？—現(xiàn)狀分析與發(fā)展方向[J]. 遠程教育雜志，2024，42（01）：74-83.

[2] 鐘柏昌，劉曉凡. 人工智能思維：框架與解讀[J]. 課程·教材·教法，2024，44（01）：149-155.

[3] 教育部. 普通高中通用技術(shù)課程標準（2017年版2020年修訂）[M]. 北京：人民教育出版社，2020：4.

[4] 鐘柏昌，李藝. 計算思維的科學(xué)涵義與社會價值解析[J]. 江漢學(xué)術(shù)，2016（2）：88-97.

[5] 鐘柏昌，劉曉凡. 生成式人工智能何以、以何生成教育[J]. 電化教育研究，2024，45（10）：12-18+27.

[6] 鐘柏昌，劉曉凡，楊明歡. 何謂人工智能素養(yǎng)：本質(zhì)、構(gòu)成與評價體系[J]. 華東師范大學(xué)學(xué)報（教育科學(xué)版），2024，42（01）：71-84.

（鐘柏昌 作者系華南師范大學(xué)教育信息技術(shù)學(xué)院學(xué)術(shù)分委員會主任、教授、博士生導(dǎo)師）

《人民教育》2024年第24期