人工智能与教育的辩证关系

贾积有

(北京大学 教育学院，北京 100871)

一、教育在提高人类自然智能方面产出各异，过程漫长

人的自然智能就是人的智力和行为能力，包括感知、行为、记忆、思维和语言五大方面，根据加德纳的多元智能理论则包括九个方面：言语、逻辑、视觉(空间)、音乐(节奏)、身体(运动)、人际交往智力、自我内省智力、自然观察、存在智力。①人类教育的目的是提高受教育者的自然智能，即包括感知、行为、记忆、思维和语言五个方面的智能；也就是全面提高人的素质，或者说提高其智商和情商，以便使其在社会上更好地生活、学习和工作。②教育的产出就是具有一定自然智能的毕业生。

学生个体有差异，学习效果也有差异，经过教育系统学习和训练后得到的智商和情商也不同。有些人无论如何勤奋，采用何种学习方法，遇到什么样的名师，学习效果仍然不好；有些人禀赋极高，聪颖过人，普通老师指导下即可升入名校；有些人在学校表现平平，在社会上却如鱼得水，成就斐然；有些人擅长某些学科的学习，而在其他学科上则举步维艰。这种差异出现的原因何在至今尚不十分清楚，既与先天遗传因素有关，也与后天成长环境有关。如加德纳的多元智能理论认为，每一个人在多元智能的每个方面的表现是不一样的，有些方面会较强，有些方面则较弱，每个人都不同。不过，正是人的差异性和多样性构成了丰富多彩而非千篇一律的社会。

学生有差异，教学方法就要有不同。为了适应学生的差异，最好将基础和成绩相近的学生分配在一起学习。所以，教育的过程就是将学生不断重新组合的过程。中国的小升初考试、中考、高考乃至研究生考试，都是这样的分组、分层过程。国际上也如此，如德国小学四年级就毕业分流了。当然，分流后还可以再选择，重新回流，但毕竟比率较低，这都是客观情况。

教育的过程是漫长的，正如俗话所说，“十年树木，百年树人”。中国实行九年制义务教育，小学和初中属于义务教育阶段。通过九年的义务教育阶段，学生所能掌握的只是在社会上生存所必需的常识性知识。如果需要掌握职业性和技能性知识，则还要经过三年职业高中的学习；如果需要掌握更加专业的知识，则还需要三年普通高中、四年本科专业的学习。随着中国普通高等教育大众化和普及化，四年本科的学习已经不足以保障毕业生找到理想的工作岗位，那么还需要三年硕士、甚至再加上4～5年的博士阶段的学习。所有教育阶段的时间加起来，一个人从小学到大学毕业需要16年，从小学到博士研究生毕业则需要20～24年，甚至更长的时间。

二、不同的产出在社会上找到合适的工作岗位是教育存在的先决条件

不同层次、不同类型学校的毕业生，将在不同岗位上就业工作，由于这些毕业生的自然智能不同，能够适应的工作岗位也就不同。比如在中国，传统的劳动岗位有体力劳动与脑力劳动之分，工人、农民和知识分子之分，第一、第二和第三产业之分等；国际上有白领和蓝领之分等。社会应该为不同类型、不同层次的毕业生提供充足的工作岗位。

不管是什么样的工作岗位，都应该能够满足全体就业学生生活的基本需求。党的十九大报告指出：“新时代我国社会主要矛盾是人民日益增长的美好生活需要和不平衡、不充分的发展之间的矛盾……在发展中补齐民生短板、促进社会公平正义，在幼有所育、学有所教、劳有所得、病有所医、老有所养、住有所居、弱有所扶上不断取得新进展……全面建成小康社会，一个不能少；共同富裕路上，一个不能掉队。”③在党的十九届中央政治局常委同中外记者见面会上，习近平总书记指出，“我们要牢记人民对美好生活的向往就是我们的奋斗目标，坚持以人民为中心的发展思想，努力抓好保障和改善民生各项工作，不断增强人民的获得感、幸福感、安全感，不断推进全体人民共同富裕”。④这些庄严承诺，无一不直指教育、就业、收入、就医、贫困、房价、社会保障等影响老百姓获得指数、幸福指数、安全指数的痛点、难点、焦点问题。这也是党的十九大得到广大干部群众强烈思想认同、情感共鸣和衷心拥护的根本原因。所以，教育的产出——具有一定自然智能的毕业生能够找到工作和就业，是教育系统的成果得到认可的一项重要指标，也是社会主义建设新时代的根本要求。

这一点也可以从马斯洛需求层次理论得到解释。美国心理学家马斯洛1943年在论文《人类激励理论》中指出，人类的需求像阶梯一样从低到高按层次可分为五种，分别是：生理需求、安全需求、社交需求、尊重需求和自我实现需求。工作就业是人类满足这些需求的基本条件之一，特别对于满足其尊重需求和自我实现需求尤为重要。⑤

教育效果的优劣与教师和教学方法密切相关，但这些毕竟都是外在因素，外因是通过内因而起作用的。学生如果具有较强的学习动机、浓厚的学习兴趣、恰当的学习方法，学习就有可能取得较好的效果。通过理想和信念教育，学生可以激发学习动机。将来的具体工作岗位就是实现宏伟理想的具体途径。学校和家庭教育也经常强调这些朴素的观念：如果没有必备的生活常识，就无法在社会上立足；如果没有必备的工作技能，就无法找到工作，就无法拥有获得感、幸福感、安全感，这样的生活就会失去价值和意义。

在社会主义建设新时代，中国社会主要矛盾——人民日益增长的美好生活需要和不平衡、不充分发展之间的矛盾将长期存在。这种矛盾表现在毕业生市场上，就是有限的工作岗位与众多求职者之间的矛盾。在工作岗位有限的前提下，毕业生寻找工作的竞争对手是人类自身。在人工智能技术飞速发展之后，毕业生就业市场上又增加了一个竞争对手——人工智能系统。

三、人工智能已经或将会超出教育产出的自然智能

人工智能是在机器上实现的人类智能，其实就是机器上实现的人类教育。不同的人的自然智能程度有差异，机器的智能程度也有差异。如果按照自然智能的五个方面进行划分，可以看到人工智能最新的研究成果与应用技术已经在各个方面超越了教育的产出——毕业生甚至是人类顶尖高手的表现。下面结合一些典型案例介绍这些前沿成果。

1.感知能力。人工智能在模式识别领域取得的进展已经应用于生物特征识别领域，比如静态和动态图像(视频)识别、人脸识别、指纹识别、眼纹或者虹膜识别、眼动识别、语音和声纹识别、步态识别等。这些系统被广泛应用于银行、安全监控、网上交易等领域。

如在语音识别领域，创始于2011年、每两年一次的国际多通道语音分离和识别(CHIME)大赛，由法国计算机科学与自动化研究所、英国谢菲尔德大学等知名机构发起，已成为参赛队伍最多、水平最高、业界影响力最大的多通道噪声鲁棒性语音识别比赛。⑥2016年9月13日，由科大讯飞公司领衔的中国技术团队包揽了第四届大赛全部三个项目(六麦克风、双麦克风和单麦克风场景)的冠军，并大幅刷新了各项目的纪录。如在六麦克风场景下，系统的词错误率降至2.24%。大赛组委会认为，在复杂场景语音识别任务上，“科大讯飞的系统已经给出了接近完美的解决方案”。中国技术团队负责人、科大讯飞研究院副院长刘聪介绍说：“这意味着，我们可以把语音识别拓展到更多生活场景中去，而不受限于室内、会场或语音通话等安静环境，从而真正让语音取代电子屏幕，成为‘万物互联’的入口。”⑦应用科大讯飞最新语音输入技术的“听见”系统已经可以在背景噪声较大的会场环境中完成汉语口语的实时速记工作，准确率高达95%，与速记员水平不相上下;更能实时进行汉语和英语互译。

2.记忆能力。维基百科从现代信息论和控制论的角度对“记忆”进行了定义：记忆是关于信息的编码、存储和再现的脑部活动和过程。⑧记忆的功能是人们把在生活和学习中获得的信息进行编码加工，输入并储存于大脑里面，在需要的时候再把有关的储存信息提取出来，应用于实践活动中。人对生活中感受到的信息进行记忆的能力与前面提到的感知能力密不可分，也就是直接经验的处理，人工智能在这方面表现很强。人在学习过程中获得的知识和信息就是间接经验，如数学中勾股定理的定义，物理中牛顿定律的定义，化学中某个元素的特性，英语中某个单词的汉语含义，历史中某个事件的时间、地点和过程，等等。对于这些间接知识的存储和以后的再次想起或者回忆，就是一种学习能力。人工智能借助强大的计算机存储能力，在保存间接知识方面要比人类的记忆能力强大很多；借助并行运算、数据库技术、大数据技术和搜索算法，人工智能可以在间接知识的回忆上做得比普通人好得多。比如，一个学生要把一本教材的内容记忆下来，并回忆出其中某个概念或者定义的精确含义，还是比较困难的事情。但是现在具有这种功能的电子书库和互联网上的搜索引擎比比皆是。所以，计算机的记忆能力和知识搜索能力(包括识别和回忆等)远远大于人类的。

3.思维能力。就是对信息的处理和加工能力，包括逻辑思维、形象思维和顿悟三种形式。思维能力是支撑人类的行为和语言等多种能力的核心能力。

围棋等棋类比赛是人类大脑思维的一种具体表现形式，在这些领域，以谷歌公司“阿尔法狗”系统为代表的人工智能系统已经多次战胜人类冠军。⑨

在教育领域，数学等学科的解题过程是一个典型的思维过程，已经被人工智能技术掌握。2017年6月7日下午，6位近三年各省市的高考状元与学霸君公司研制的数学解题机器人Aidam同时做2017年高考数学题。试卷是文科数学的全国卷，6位高考状元被分成三组，由两人一组共同完成一套试卷，双方答题时间均为一小时。经过了近一个小时的时间，三组状元完成了数学高考卷的作答，而Aidam用9分47秒大幅度领先于各位状元做完了试卷。最终的结果是三组状元分别得119、140和143分，而Aidam取得了134分，成绩超过了第一组状元，惜败给第二和第三组状元。莅临现场见证的领导与专家有中国高等教育学会会长瞿振元、副会长陈浩、副秘书长王小梅，中国教育学会常务副会长戴家干，工信部信息化与软件服务业司副司长朱皖，中国信息协会教育分会副会长兼秘书长周长春，美国人工智能专家林冰(Bing Lin)等。对于高考人机大战的结果，Aidam研发者张凯磊说，输赢的结果其实并不重要，“我只是希望通过这样的PK,让教育业界了解到人工智能在教育领域的应用已经发展到了什么程度，人工智能已经可以像人一样思考知识点，一步一步输出过程和答案”。

4.行为能力。机器人的灵活性、准确性、忍耐力和不知疲倦性已经淘汰了汽车制造、机械、电子、化工等行业的大量产业工人。2015年1月，广东珠三角地区的制造业重镇东莞出台了《关于实施“东莞制造2025”战略的意见》，提出加速开启“机器换人”时代，政府每年安排2亿元资金扶持企业“机器换人”。该政策的实施取得了明显成效，带动了珠三角和全国其他地区大量制造业企业的转型。

在服务业领域，酒店和餐饮服务、安全保卫等部门也逐渐引进机器人并淘汰人工服务。在物流行业，具备搬运、码垛、分拣等多功能的智能机器人如雨后春笋般蓬勃发展。中国物流行业的领头企业顺丰使用全自动的分拣机器人，速度可以达到1小时分拣4万件，出错率也比人工分拣大大降低，这无疑大大提高了生产效率。京东也在着力打造智能物流中心，从入库、在库、拣货、分拣到装车的完整过程都由机器人完成。比如，“在京东华南区麻涌分拣中心1200平米的平台上，300多个分拣机器人井然有序地取货、扫码、运输、投货……流畅平稳，忙而不乱，还能自动排队、自动充电，即使出现故障，维修时间也仅仅需要20秒左右就能修复”。智能机器人分拣中心日均分拣量4万～5万单，每小时最高产能可达12000件，分拣准确率100%，分拣效率是人工分拣的3～4倍。京东物流首个全流程无人仓正式在上海亮相，这是全球首个正式落成并规模化投入使用的全流程无人的物流中心，实现了从入库、存储、包装到分拣的全流程、全系统智能化和无人化，对整个物流领域而言都具有里程碑意义。京东“一个智能分拣机器人顶8个人，会转弯还会排队”。

自动驾驶车辆研究也取得了突破。比如，2017年12月2日上午，由多家单位联合研制的自动驾驶客运巴士——“阿尔法巴”(Alphabus)正式在深圳福田保税区的开放道路进行线路的信息采集和试运行。该车为全球首辆6.7米长自动驾驶纯电动城市公交，集人工智能众多尖端技术于一体，配有雷达、摄像机、GPS天线及车载工控机来感知、收集和分析周围环境信息，通过工控机和整车控制器等设备做出制动、转向、驻车、灯光、开关车门等指令，对其他道路使用者和突发状况做出反应。

5.语言能力。在语音、语法、语义、篇章等自然语言理解的各个层次，人工智能技术都已经取得了突破性进展。语音识别领域的进展前文已经提到。语音合成方面，每年一次的国际暴雪(Blizzard)大赛检验在国际上领先的多个系统的语音合成的自然程度、拟人程度和智能程度。2017年比赛中总分第一的中国科大讯飞语音合成系统在拟人度上与自然人发音无显著差异，在自然程度和智能程度上与自然人的差距也比较小了。

涉及语法、语义、篇章等自然语言理解更高层次的翻译、诗词和新闻写作等人类活动，不仅凝结着人类智慧，更是人类情感的重要表达方式，现在这些领域也已经被人工智能技术逐一攻陷。

全球流量最大的对话式人工智能系统“微软小冰”，可以根据用户上传的图片快速写出一首现代诗歌。2017年5月，人类历史上首部由人工智能系统“微软小冰”创作的诗集——《阳光失了玻璃窗》出版。该系统学习了1920年以来519位诗人的现代诗，通过深度神经网络等技术模拟人的创作过程，训练1万多次后拥有现代诗歌的创作能力。这与人类学习创作的过程非常相似，即：通过反复学习产生积累，积累到一定程度后，如果受到某个灵感激发源的刺激，就会在学习积累的基础上产生新的创造。诗集中的若干片段，因其独特的语言风格和意象拼接而颇受网民好评。

清华大学自然语言处理与社会人文计算实验室研发的“九歌”计算机古诗创作系统，可以根据用户输入的关键词，实时做出集句诗、五言或者七言绝句、藏头诗等古体诗歌。中央电视台和中国科学院于2017年联合拍摄的大型科普系列节目《机智过人》全面展示了中国在人工智能领域的最新研发成果，集科学性与趣味性于一体，形象生动。在2017年12月5日的《机智过人》节目中，该系统与三位国内古诗高手(北京大学陈更、清华大学齐妙、武汉大学李四维)同场比赛，连续通过了两轮中国古诗词图灵测试。该测试由中国韵文学会会长、南京师范大学古诗词研究所所长钟振振出题，48位大众评委投票打分，迄今唯一的图灵奖华人得主、中科院院士、清华大学教授姚期智见证了这场测试。

北京大学计算机科学技术研究所万小军团队与北京字节跳动科技有限公司的合作成果《互联网信息摘要与机器写稿关键技术及应用》获得第七届“吴文俊人工智能科学技术奖人工智能技术发明奖”二等奖。该成果研发的写稿机器人撰文效率和覆盖范围远超人工编辑，受到了来自新闻出版行业和人工智能行业的广泛关注。作为国内第一款综合利用大数据分析、自然语言处理与机器学习技术的人工智能写稿机器人，它在2016年8月份为里约奥运会的女足、乒乓球、网球、羽毛球等赛事自动撰写了数百篇简讯与资讯，吸引了大量用户访问与阅读。

“2018年1月11日，阿里巴巴建立的人工智能程序，在斯坦福大学的阅读理解测试中(得分82.44)击败了人类(82.304)。微软则在一天之后以82.650分再次战胜人类选手。这也是人工智能在这种测试中首次超过人类。这个测试是由美国斯坦福大学人工智能专家设计，专门用来衡量计算机阅读理解能力。斯坦福大学人员发文称，这是阿里巴巴公司的壮举，是2018年人工智能的一个伟大开端。”不过，阿里巴巴公司自然语言处理技术负责人也承认，这会导致非常多岗位的从业人员失业，比如服务员、博物馆解说员和在线咨询人员。在2017年“双十一”这个全球最大范围的网购活动中，阿里巴巴公司已经使用这种技术来回答网络买家的大量问题了。

综上所述，人工智能技术在各个方面都取得了飞跃发展，与人类各个领域的顶尖高手即高智识、高情商的人不分伯仲。

四、人工智能系统的生产效率远远大于人类一般教学系统

与教育过程漫长和产出多样不同，机器获得人工智能的速度极快。在硬件功能日益强大、价格不断下降的前提下，软件复制就是弹指之间的事情，所需时间远远小于教育的漫长过程。这个重要的时间因素会大大提高人工智能系统的生产效率。本文按照笔者提出的一般教学系统的工作效率的计算公式来计算比较：

教学系统的工作效率=该系统中所有受教育者的自然智能的提高程度总和÷[(该系统所耗费的教育者的人力资源总和+该系统所耗费的自然资源总和)×该系统所耗费的时间]

根据这个公式，可以比较人类教育系统与人工智能系统的工作效率。以数学课程为例，一个人从小学一年级开始学习数学，一直学到高三毕业参加高考，正常情况需要12年时间。如果一个教学班有30名学生，一位数学老师使用常规教学方法进行教学，那么这样一个教学班的数学课程作为一个教学系统的工作效率可以按照如下公式1计算：

公式1：由30名学生组成的班级数学教学系统的工作效率=30名学生的数学方面智能程度的提高程度总和÷[(1位数学教师的人力资源总和+该班数学课所耗费的自然资源总和)×12年时间]

假设2017年研制高考机器人的公司也制作了30个这样的系统，这些系统都能够参加高考数学考试并取得134分的成绩。从这个公司网站披露的信息中看到，该公司成立于2012年10月，至今共完成3轮10亿元融资。研制这套系统需要的时间不到5年，但是这套系统研制成功后，在计算机上复制这个系统的时间很短。比如按照一个小时计算，那么高考机器人系统的工作效率按照如下公式2计算：

公式2：制作30个高考机器人系统的工作效率=30个系统数学方面智能程度的提高程度总和÷[(该系统所耗费的研发人力资源总和+该系统所耗费的自然资源总和)×1小时]

假设与高考机器人相似，30个学生在高考中都能考出134分的成绩，那么两个公式分子相同，其数值大小只需比较分母部分即可。

公式1分母中的成本部分，一个数学教师12年的人力资源总和按照其所获得的总薪金计算；自然资源的计算比较复杂，要考虑学校建筑物等基础设施在这个班级12年时间内的平摊，加上水电、教材书本等消耗性材料的费用，也就是教育经费中的基建费和公用费。因为很难找到这些组成部分的具体数值，我们换个角度，采用教育部公布的生均经费支出进行估算。根据教育部、国家统计局和财政部发布的2016年全国教育经费执行情况统计公告，2016年全国公共财政教育经费(包括教育事业费、基建经费和教育费附加)为27700.63亿元。根据国家统计局公布的2017年在校生数：初等教育阶段学生数为15932974，中等教育阶段学生数为27856325，两者(小学和中学)学生数占全部学生数的比例为62.5%。如果按照这个学生数比例分配教育经费支出的话，则小学和中学教育经费为17310.76亿元，分摊在每个学生身上平均为39531元。当然我们这样估算是高估了中小学生的生均经费，因为高校学生的生均经费显著高于中小学生。

公式1的分母数值为(30×39531×12)元×(12×365×24)小时=14960亿元·小时。

假设研制高考机器人的公司将10亿元融资全部投入到这个高考机器人的研发和30台同样系统的复制上，则公式2的分母数值为10亿×1小时=10亿元·小时。当然这样的估算显然是高估了开发费用，因为这个公司的主营业务并非这个高考机器人，其大部分融资应该都花在支撑在线答疑、学业辅导等主要业务上了，用在高考机器人上的费用可能不到1亿元。所以公示1与公式2的比值为：10/14960≈1/1500，或者说数学高考机器人的效率是常规教学班级数学课程的1500倍！

我们以高考数学机器人为例比较人工智能系统的工作效率与一般教学系统的工作效率，发现前者远远大于后者。当然，生产高考机器人本身是没有应用价值的，但是前文提到的很多人工智能系统确实是有极大应用价值的，比如：工业机器人能够在工厂参与加工生产，分拣机器人在货场自动分拣传送货物，服务机器人能够在酒店参与顾客服务，基于步态识别、人脸识别、眼纹识别、声纹识别等技术的监控系统能够在街头车站监控犯罪嫌疑人，护理机器人能在家庭参与老人护理，会场或者实时口语翻译系统可以实现不同语种人类的交流，会赋诗作曲和唱歌的机器人可以表达人类情感、供人娱乐，新闻写作机器人可以高效写出新闻稿件。这些人工智能系统的研制成本的计算方法与数学高考机器人是类似的。因为工作效率的计算公式分母部分的时间因素与人类教学系统的周期相比差距太大，所以从教育成本效益角度考虑，这些人工智能系统的效率远远高于人类一般教学系统。另外，以上计算还假设所有学生都能达到和人工智能一样的整齐划一的学习效果，这显然是非常理想的学习状态，在教学实践中是不可能发生的。

五、人工智能系统会对将来教育产出的工作岗位构成较大影响

前文计算显示，人工智能系统的制作效率远远大于一般教学系统的工作效率。在采用这些人工智能系统的工作场景中，人工智能系统与人类工作者相比，只要有充足的电力等能源保障，就永远不知疲倦、没有情绪波动，更不会提出薪水要求和罢工，工作效率远远高于人类工作者。这也是世界各地包括中国“机器换人”的重要原因之一。所以在市场经济追逐利润的前提下，雇主会大量使用机器人等人工智能系统来从事生产和服务，而不是人类工作者。

美国俄克拉荷马州立大学的计算机专家苏巴斯·卡克博士(Dr. Subhash Kak)警告称，随着机器人与人工智能水平不断提高，机器终将取代人类，迫使人类进入“地狱般的反乌托邦社会”。卡克指出，工作可以为人们带来自我实现感和价值感，而随着机器人执掌全球，这种自我实现感将逐渐丧失，使人们的生活“毫无价值，极为悲惨”。卡克并且表示美国的毒品泛滥与极端团体抬头现象便是这种“反乌托邦未来”的预兆。

2016年10月，联合国发布的一项政策公告预计，发展中国家将可能有三分之二的劳动力被机器人取代。按照这个比例，中国将有5亿～6亿的劳动力被机器人替代。英国广播公司(BBC)基于剑桥大学研究者的数据体系，分析365种职业未来的“被淘汰概率”，指出重复性劳动工作岗位被机器人取代的可能性非常大。2017年11月，管理咨询公司麦肯锡发布了一份名为《自动化时代的劳动力转变》的报告，评估了在未来13年中可能会被自动化取代的工作数量与种类。报告指出，美国、德国和日本三国面临的变化最大。“在经济发达国家，需要学习新技能、寻找新工作的劳动力比例比其他国家高得多。到2030年，美国和德国将有三分之一的劳动力面临这种局面，日本则接近一半。”而就工作类型来看，报告称稳定环境中的体力工作(如机器操作员和快餐行业员工)最容易被机器人取代，但“机器在收集和处理数据这两大领域也表现得越来越好、速度越来越快。或将取代大量贷款发放、律师助理、会计、后台交易处理等领域的工作”。

六、教育本身无法应对人工智能的挑战

人工智能作为一种技术，也可以应用到教育中，促进教育的发展，主要表现在：减轻教师在讲授内容、批改作业、课程辅导等方面的重复性劳动，增进学生学习兴趣、提高学生学习成绩、提供个性化和适应性学习、减少学习时间等。这已经被大量研究成果证明。笔者之前的研究也证明了这一点，不再赘述。

现在的智能教学系统通过数据挖掘等手段对学生进行精确的过程性评价，发现学生的薄弱环节，并且也可以给学生“画像”了，笔者提出的“在线学习活动指数”(OLAI)就是在这方面的努力。但是了解学生某些薄弱环节之后，主要补救措施是模仿优秀教师或者家教的教学方法，通过各种激励措施(如游戏得分、勋章、虚拟货币)等让学生看微课或者教案等材料，重复做同样类型的题目，其效果并不十分明显。这方面我们也在做尝试。迄今为止，世界上并没有一个优秀的老师或者家教可以将任何一个学生培养成他所希望的目标学生，比如高考数学都能取得134分以上的成绩。也就是说我们还没有找到像人工智能那样的算法，来让学生在某些智能方面得到特别有效的提升，包括创造力等核心素养。尽管大部分家长都希望孩子通过学琴成为郎朗那样的世界级钢琴大师，通过学习下棋成为柯洁那样的世界冠军，通过踢球成为C罗和梅西那样的世界足球先生，通过上学考上北大、清华，但是能够成功的毕竟还是凤毛麟角。

优秀老师都做不到这一点，人工智能就更加困难了。因为目前的智能教学系统还是借助教师模型、学生模型、教学法模型和交互模型等组成部分来实现对优秀教师的模拟。所以说人工智能谈不上对教师、特别是优秀教师的直接威胁。教育学、认知科学、心理学、学习科学领域的学者在这方面不懈努力，但是“用大脑研究大脑”能否成功至今仍然是个谜。我们可以将人类智慧编码在电脑中，但不可能将电脑芯片镶嵌入一个健康的大脑中。

通过整合人工智能技术到教学系统中，可以、甚至显著地提高一般教学系统的工作效率，但是这样的提高与前文计算得出的人工智能系统的工作效率相比，还是相形见绌。

习近平总书记在2018年新年贺词中说“幸福是奋斗出来的”。而奋斗是要有目标的。教育主体即受教育者，不管是正规学校的学生还是接受继续教育的受培训者，其近期的奋斗目标应该是在接受教育之后找到合适的工作岗位。在人工智能技术不断飞跃发展的今天和未来，教育的产出——具有一定自然智能的人，可能将找不到用武之地。失去奋斗目标的话，受教育者还会有学习的内在动力吗？缺乏内在动力，教学系统的工作效率还能提高吗？

不少专家建议，教育系统应对人工智能发展的一条思路是，让受教育者不再学习那些需要死记硬背的知识、单纯重复性劳动的专业，而要着重培养学生的创新思维，让学生学习需要计算思维、创新思维的专业，如人工智能及其相关专业。2016年以来中国人工智能专业报考数量剧增也印证了这一点。早在20世纪，诺贝尔经济学奖和计算机图灵奖双料得主西蒙就认为，求知的意义已经从能够记忆和复述信息转向能够发现和使用信息；信息和知识飞速发展超过了人类历史上任何一个时期,而教育无法满足人类知识急剧增长的要求，所以教育要帮助学生发展必要的认知工具和学习策略，使之能够创造性地思考有关历史、科学技术、社会与艺术所需的知识。

但是，第一，学生之间是有差异的，不是所有学生都适合学习人工智能专业；第二，大量人工智能系统替代人工劳动后，驾驭、操控这些系统的人也并不需要很多，因为将来程序设计也逐渐自动化了；第三，从人类社会发展的角度看，尽管以前的工业化进程都消灭了一些行业，但是为什么技术的发展一定要让各具特色、五彩缤纷的人生变得整齐划一呢？所以，单靠教育本身的变革无法应对人工智能的挑战。

七、人工智能的挑战实质是社会不公的一种表现，需要积极应对

教育和社会发展看似受到了人工智能技术和系统的挑战，但这仅仅是表面现象。我们要透过表面现象看本质。

人工智能技术的发展是教育产出中的精英造成的。比如设计谷歌公司“阿尔法狗”系统的团队成员有20多人，包括人工智能专家、程序员和围棋高手等。他们一般都接受过高等教育，自然智能发展比较高，智识和情商也比较高。当然，从全世界范围来看，这些人的家庭背景大都比较好，父母的教育程度也较高。其他人工智能系统的设计者也都类似，可以说大都是高智识的人，或者说是教育系统产出分层结果中自然智能提高程度较大的那一部分人。这群高智识的人通过开发人工智能技术，或者说通过技术将人类的智慧移植到计算机等机器上，可以操纵这些机器替代原来人工完成的工作；而这些被替代的工作，如前所述，原来是由教育过程分层中处于较低层级，或者说智识和情商较低的人来完成的。所以，人工智能的发展和应用，实质上是教育产出的高智识层次人群凭借其智慧的化身——机器系统来替代低智识层次人群工作的过程。

如果人工智能系统在高智识人群的指挥和操纵下，能够借助现有的地球资源制造出足够多的物质财富，满足所有人群的各类需求，如马斯洛所定义的那样，或者说，使得所有人都有“获得感、幸福感、安全感”，那么也就进入了人人大同的共产主义社会了。

但是高智识的人和他们操控的机器人能够实现共产主义，使低智识的人也过上幸福的生活吗？似乎还很遥远。远的不说，仅看中国的扶贫任务之艰巨就知道了：2017年2月28日，国家统计局发布的《2016年国民经济和社会发展统计公报》称：“按照每人每年2300元(2010年不变价)的农村贫困标准计算，2016年我国农村贫困人口为4335万人，比上年减少1240万人。”2017年1月20日，国家统计局局长指出，近年来，中国的基尼系数总体上呈下降趋势，2016年是0.465，但仍然超出0.4的国际警戒线；中国城乡居民收入倍差为2.72。

即使低智识的人群能够得到高智识人群的帮助而衣食无忧，但是这么多人处于失业状态的话，恐怕还会处于一种没有“获得感和安全感”的状态。欧洲、澳洲和北美部分经济发达国家，可以实现这样的福利社会，是因为人口较少、资源相对丰富。但是在中国这样一个发展中国家，人口众多，资源匮乏，城乡之间、东中西部之间差距较大，本来就存在一定的失业和隐形失业人员。近十多年高等教育毕业生的就业市场竞争已经异常激烈了。如果任由人工智能技术不受限制地替代大部分体力劳动者和部分脑力劳动者，造成数量较大的失业，将对社会稳定造成较大威胁，背离“自由、平等、公正、法治、富强、民主、文明、和谐、爱国、敬业、诚信、友善”的社会主义核心价值观。原因很明显，高智识的人创造和扩大着机器人和低智识之间的不平等，不断让机器人抢走更多平常人的职业，使他们无以为业，又何谈富强、和谐？不仅这些平常人会失业，大量培养这些平常人的教育机构如中小学等也将面临生存危险，因为这些机构的产出——毕业生的整体自然智能将远逊于人工智能产品、将找不到工作，那么教育系统提高人的自然智能的根本宗旨就会受到动摇了。

美国综合性杂志《纽约客》2017年10月23日的封面文章介绍了中国出现的企业主“机器换人”的现象，并预测任由人工智能发展的话，人类将来只能在机器人施舍下生存。为了避免这一天的到来，为了“不断增强我国人民的获得感、幸福感、安全感，不断推进全体人民共同富裕”，中国在大力通过人工智能技术促进产业转型的同时，应该统筹规划、全面布局、均衡发展，保障全体劳动者的劳动权利，也尽量保障所有教育系统的产出——形态各异的毕业生都能找到一份合适的工作。

注释：

①H.Gardner, (1993)，FramesofMind:TheTheoryofMultipleintelligences，New York: Basic Books.

②J.Jia, (2014)，The Cost-Effect Analysis of Integration of CSIEC System into English Instruction，in: J. Jia,IntelligentWeb-BasedEnglishInstructioninMiddleSchools, pp. 267-288. Hershey PA, USA: IGI Global.

③习近平：《决胜全面建成小康社会 夺取新时代中国特色社会主义伟大胜利》，人民出版社2017年版，第25-29页。

④《习近平总书记在十九届中共中央政治局常委同中外记者见面时的讲话》，http://www.xinhuanet.com/politics/19cpcnc/2017-10/25/c_129726443.htm。

⑤A.Maslow, (1943)，A theory of human motivation，PsychologicalReview, 50, 370-396.

⑥CHiME Challenge，http://spandh.dcs.shef.ac.uk/chime_challenge/.

⑦《中国团队包揽世界顶级语音识别大赛三项冠军》，http://www.ah.xinhuanet.com/20160916/3443213_c.html.

⑧Wikipedia. Memory，https://en.wikipedia.org/wiki/Memory.

⑨D.Silver , A,Huang , C. J.Maddison . A.Guez, L.Sifre,G.Van Den Driessche,etc. (2016)， Mastering the game of Go with deep neural networks and tree search，Nature, 529(7587), 484-489. D.Silver, J.Schrittwieser, K.Simonyan, I.Antonoglou, A.Huang, A.Guez, etc. (2017)，Mastering the game of go without human knowledge，Nature, 550(7676), 354-359.