人工智能时代研究生能力培养的重构——基于莫拉维克悖论的思考

2022-03-03廖湘阳朱会芳

学位与研究生教育 2022年8期

廖湘阳朱会芳

廖湘阳朱会芳

人工智能的智能化及其广泛应用对教育目标、教育内容、教育手段等产生深刻而长远的影响。人工智能时代研究生能力培养呈现出新的特征，以人工智能的智能路径为映照反思研究生能力培养的结构调整，应从单一智能、特定技能、技术技能拓展到多元智能、通用技能、社会技能；以人工智能的抢位嵌入反思研究生能力培养的目标转换，应回归研究生能力培养的社会属性，培养研究生人机协同工作的能力、驾驭技能技术的能力；以人工智能的赋能应用为媒介反思研究生能力培养的过程优化，应从外在、被动、逻辑转向具身、主动、意义，借用人工智能之技能的同时真正实质提升研究生自身能力。

研究生能力；培养；人工智能；莫拉维克悖论

人工智能（Artificial Intelligence）简单的表述就是创造出一些计算机程序或者机器使其能够做出一些如若人类实施则会被我们视为智能的行为，或者说让机器的行为看起来就像是人类所表现出来的智能行为一样。如果将人的智能行为作为其参照物或者坐标系，人工智能能否从“像”到“更好”抑或“更智能”？Hans Moravec等人研究发现计算机完成人类曾经独有的高级智慧能力只需要非常少的计算能力，无意识的技能和直觉却需要极大的运算能力，简易的日常推理同样需要极大的运算能力，这一现象被称之为莫拉维克悖论（Moravec’s paradox）。研究生教育是国民教育体系的最顶端，人工智能也许是人工制品中的最高端，研究生能力培养能否从人工智能莫拉维克悖论中受到一些启示呢？

一、人工智能的智能路径与研究生能力培养的结构调整

人工智能以人的智能行为作为其参照物，力图与人的智能从“像”到“更好”“更智能”，由此构成一条愈加逼近人的智能行为的曲线。但人工智能遭遇莫拉维克悖论从一个侧面反映出当下人工智能的智能路径存在偏颇。

1.人工智能智能化路径的偏颇及其警示

一是智能单一化。传统认知发展理论普遍认为智能是以语言能力、数理逻辑能力为核心的一种能力，加德纳多元智能观则认为智能并非一种能力而是一组能力，其结构并非单一的而是多元的。人工智能偏重人的智能之“逻辑”能力，而忽略了其他维度，这种智能单一化也许是其遭遇莫拉维克悖论的根源。基于逻辑能力的迭代升级，人工智能能够快速地从数量极其庞大的线索中搜索到关联信息并给出一个答案，而人类经常是凭借经验、直觉甚至是情绪情感、兴趣偏好做出堪称成功的选择。人工智能之智能是一幅画面清晰、着墨均匀的画卷，而人类的能力构成图景中则明线与暗线交织、显性与隐晦相融，经验、直觉、情绪、偏好等点缀其上，甚至成为影响能力发展及其表现的关键。

二是智能特定化。一台机器人学会象棋成为象棋高手后又学习成为围棋高手自然是“更智能”，但这一“更智能”通常局限于其指向的特定的具体领域而非总体上更智能，即并未拥有融会贯通象棋和围棋两种游戏活动的通用技能，体现出智能的特定领域化特征。人类能力的独特优势是抽象概括，能够超越具体情境、具体活动而形成更加普适性的规则和更加通用性的技能。通用智能并非不同特定技能的相加之和，而是基于不同技能的一种抽象概括，是对一组类似活动及其规则的一种再架构，其形成主要依赖人类特有的反思活动和反思能力。通用技能对于完成某种特定的活动并非必需的，且与某种具体的活动技能的学习和领悟相比更加困难，这导致通用技能常被忽略，这也是许多人技能发展止步不前的原因所在。

三是智能技术化。随着人工智能从“像”到“更好”“更智能”，其对人类工作的替代范围从蓝领工作拓展到白领工作，但目前尚无法替代需要面对面地交流、观察和表达情绪、涉及人文情怀的粉领工作，比如临床心理学家、课堂教师、护士等[1]。人工智能致力于复制出能够模仿人类大脑的某个东西，却忽视了人造大脑要真正模仿人类智能就必须同步模仿人类的社会化过程[2]，否则无法真正成为具有社会特性的智能。人工智能当下只能在一个闭环的游戏活动中展现其“更智能”，而难以完成基于开放性语境的一些简单对话，即其智能始终难以真正植根于和源出自特定社会语境，而人类智能的核心特征恰恰植根于人类社会之中。

2.以人工智能为映照的研究生能力培养结构性转向

研究生能力培养的一个基本假设是所有的能力皆是指向人类知识和人类能力，即所谓知识和技能的高点、难点皆是以人当下对其理解、掌握和运用的状况决定的，而人的表现状况就是对于这一知识和技能的理解、掌握和运用状况的全部表征。人工智能的迭代升级及其广泛应用导致这一格局发生了变化，许多人类难以理解、掌握和运用的知识技能高点和难点对于人工智能可能轻而易举，而人类凭借直觉、经验可以惬意完成的任务对于人工智能却是困难重重。研究生作为高层次专门人才，一直被视为人类知识技能高点的突破者和掌握者，其能力培养中这些知识技能高点构成核心内容。现在则要反思，在人工智能时代，研究生培养中哪些方面的能力应当发展，哪些方面的能力要加强，哪些方面能力的重要性相对降低。

其一，从单一智能转向到多元智能。研究生能力培养要从拘泥于单一的数理逻辑智能之类能力的发展拓展到其他能力，构成有效应对外部多样化需求的多元能力结构。既要重视发展数理逻辑智能、言语语言智能、自然观察智能，又要重视发展音乐节奏智能、视觉空间智能、身体动觉智能，还要重视发展自知自省智能、交往交流智能。本能始终是人类发展的基石和天赋，没有直觉等本能的支撑，人的能力有可能失去部分灵感之源。直觉思维就是科学研究中的一种独特而有效的思维方法与思维形式，许多颠覆性科学发现正是源于它带来的洞察和领悟，比如沃森和克里克的DNA双螺旋理论、爱因斯坦的相对论、费米的慢中子效应理论等。

其二，从特定技能扩展到通用技能。研究生能力培养不应固守于特定的知识、技能，应“更加强调一般的、可以广泛运用的能力”[3]，要通过反思来引导研究生从具体情境中的特定行动方式提炼升华出通用技能，以求“君子不器”。研究生的学习自然要以其先有概念为出发点，借助这些先有概念持续学习，关键是要学会对核心概念的校正与转化、对阈值概念的归纳与提升，以求从一个认知层面跃迁到另一个认知层面，开启一种新的、以前从未尝试的思考方式，转变和创新理解、解释和观察事物的方法论和具体方式。

其三，从技术技能延伸到社会技能。未来社会对解决复杂问题的能力、社交技能和系统技能的需求远远高于对身体能力和知识性技能的需求[4]。在可预见的未来，自动化风险较低的工作是那些需要社交技能和创造力的工作，尤其是在不确定状态下做出决策和提出创新思想的工作。研究生能力培养要从拘泥于知识技能之类的科学技术性能力拓展到社会技术类能力，加强人际沟通、团队合作、技术运用技巧、伦理问题和利益冲突处理等方面的培训[5]。研究生作为未来社会的新技术的发明者、运用者和掌控者，理应及早养成对技术背后的社会伦理等问题的敏感意识和处理该类问题的基本素养。

3.人工智能时代研究生能力结构重塑的路径

人工智能时代研究生能力结构的重塑有两个切入点：一是能力的多元化，通过能力维度的组合来达成；二是能力的差异化，通过能力属性的互补来达成。能力的多元分化与多维发展共同构成研究生能力培养的基本格局。

一是拓展研究生能力范畴。突破基本知识、基本素质、基本能力等方面基本标准性要求的框架，培养研究生学会综合运用其思维、心灵和精神方面的智慧，包括情境判断、情绪管理、自我激发、身体素质[6]111-119；致力于增强研究生应对复杂情境所依仗的元认知智能（metacognitive intelligence）、元情感智能（metasubjective intelligence）、元情境智能（metacontextual intelligence）、自我效能感（perceived self-efficacy）等元智能（meta-intelligence），形成由学术智能（academic intelligence）、社会智能（social intelligence）、元智能构成的交织智能[7]65-66；培养毕业生自主、负责地创造性处理专业实践问题的能力、态度和素养，以及与他人合作协调、激发他人的参与激情、培训工作团队其他人员的社交技能。

二是调整研究生课程体系。课程体系从单一学科知识体系逻辑转向兼顾实践应用逻辑和能力发展逻辑，实现基于学科的课程体系、基于能力的课程体系、围绕问题的课程体系、聚焦实践的课程体系一体化集成；开设相应的专门课程和讲座来培养研究生的多元智能、通用技能和社会技能，与此同时结合课程思政开发和利用专业课程教学、科研活动的相关资源培养研究生的多元智能、通用技能、社会技能；开设综合训练课程，加强研究生实践实习和切身体悟，培训和发展研究生技术应用技巧、专业实践伦理意识、利益冲突处理能力等；顺应知识产生于应用情景、超越学科界限、具有异质性等新趋势，围绕更加切合应用情境的知识、能力、素质等要素构建新的课程体系与知识技能体系。

三是转变课程内容的逻辑。课程内容选择与组织应从专业知识技能逻辑拓展到实践逻辑、社会逻辑、思想逻辑交叉融合，兼顾事实性知识、程序性知识和策略性知识，围绕职业发展能力、可迁移能力，架构研究生学习活动的“双重情境化”即个体的主体情境、个体已有的知识经验的交互作用，促使研究生完成知识技能的个性化与场域化，知识技能在“实际会用”和“推而广之”两个维度上达到理想效果。增强研究生课程内容的生成性，达成丰富性（充满了可能性）、回归性（返回到自身）、关系性（建立观点的网络）和严密性[8]，形成一种网状知识技能体系，彰显知识技能与实际问题解决、个人职业发展之间的意义关联，避免培养过程的枯燥化和机械化，防止研究生发展成为技术的“单向度的人”。

四是重视阈值概念的提炼。研究生自身的内在动力是研究生能力培养的关键点，阈值概念正是点燃研究生动力之火，在这种“不愤不启、不悱不发”的状态、“卡住的地方”的有效指导将促使研究生的学习体验发生质的飞跃。研究生能力培养要瞄准阈值概念的变革性（transformative），通过阈值概念的突破促成研究生认知结构和认知模式的重大转变；聚焦阈值概念的一体化（integrative），揭示某些事物之前隐藏的相互关联性；预见阈值概念的“麻烦”[9]，直面那些看起来违反直觉的、不连贯的所谓“麻烦知识”（troublesome knowledge）[10]；结合知识信念、实践信念、职业信念的理解、塑造和重塑，引导研究生形成积极阈限思维（liminal thinking），即成功地实现思维转换，促成已知和未知、熟悉和陌生、新思维和旧思维、过去和未来之间的边界发生改变[11]，从而有效解决当下困境，增强未来发展的更多可能性。

二、人工智能的抢位嵌入与研究生能力培养的定位转换

人工智能正在改变我们思考和理解世界的方式，一是我们越来越多地依赖人工智能来理解和掌控世界；二是我们越来越明显地按照人工智能的范式来思考和理解世界。人工智能的抢位嵌入重塑了人类与人工智能之间的关系，影响甚至危及人类能力的发展走向。

1.人工智能广泛应用对研究生能力培养的冲击

一是去技能化。人工智能正在改变劳动者的工作性质，消除了对某些技能的需求，增加了对某些新技能的需求；与此同时，人类在不经意间将我们过去觉得应知应会且实际熟知熟会的知识技能外包给了智能手机、电脑等人工智能，这些预示着机器人正在从多个维度淘汰我们的技能，甚至促使人才被“去技能化”（de-skilling）[12]。研究生培养已经表现出明显的职业化，就业转向非传统式学术性岗位，而这一趋势与人才被“去技能化”同时发生。当前研究生能力培养存在明显的技能缺失，商学院MBA教育“培养出来的是技术官僚，提着一个大工具箱却无法完成组织需要他们完成的任务”[13]，研究生学会的是如何分析而不是如何行动，较少实践和领悟如何实际地激励员工、组建团队和建立共识。

二是幽灵工作。人工智能替代人类劳动的终点线随着人工智能的升级与应用而不断改变，“自动化的最后一英里悖论”意味着人工智能在使人类劳动被替代的同时总是给人类形成新的临时劳动力需求。人工智能的背后存在一个新的工作世界，人类正在完成计算机做不到的工作，比如仅仅靠自动化工具无法实现的网络内容的在线审核等所谓幽灵工作[14]。未来市场需要更多能使工人与技术系统共同设计、建造和工作的技能，以及能够填补技术创新空白的技能。那些机器无法胜任的、依赖人类特质和能力（比如同理心和同情心）的工作的市场需求将可能会增加。

三是技术奇点。技术奇点是指技术发展将会在很短的时间内发生极大的接近于无限的进步，它由超越现今人类并且可以自我进化的机器智能或者其他形式的超级智能所引发，其技术发展完全超乎全人类的理解能力。生物技术、人工智能、基因工程等一旦出现问题都足以给人类带来灭顶之灾，未来如何取决于人类做出怎样的选择，而当下人类对此依然缺乏必要的成熟度、协作能力和远见卓识[15]。随着深度学习引入人工智能，以及人类对人工智能的大量应用，人类依托人工智能快捷拥有的力量与人类作为种族缓慢演化积累的智慧之间的差距似乎越来越大，而人类对自身智能包括元情感智能等元智能以及社会智能的发展成长并未给予足够的重视和充分的滋养，这可能削弱人类理智有效利用和掌控人工智能的内在底蕴。

2.以人工智能为工具的研究生能力培养目标新定位

“唯有人类才能完成的任务”正在被一项一项地划掉，而“计算机只能做人类安排它们做的事”也不再适用，那么我们未来将以什么能力胜出呢？人类该如何行动才是独一无二的呢？

其一，能力的共存。Ronald S. Burt认为联结结构漏洞越多的竞争者就拥有越大的关系优势，获得较大利益回报和竞争胜出的机会就越高[16]。Ronald S. Burt关注的是社会竞争的结构即关系人之间在网络中的紧密程度，面对人与机器人共同构建的智能结构网络，甚至机器人占据核心节点的社会智能结构网络，要改变过去用机器人等人工智能来填补人类智能网络空白的单一路径，转而同时考虑如何以人的技能来补充整个社会智能网络的薄弱之处，形成人与智能水平越来越高的机器一同工作的新格局新样态。

其二，能力的互补。未来会像《星际迷航》中那样空前繁荣与自由，还是会像《终结者》中那样爆发人与机器之间无尽的战争，将很大程度上取决于人类自身的行动。正如《拯救地球》中最后拯救地球的并非单纯的技术，而是勇气、情怀、爱和技术以独特方式的结合所迸发出来的巨大力量。正如李政道所反问的：“没有情感的因素和促进，我们的智慧能够开创新的道路吗？而没有智慧的情感能够达到完美的意境吗？”人类未来的胜出既要靠科学上的创造力，又要靠艺术上的创造力，还要靠情感上的感染力。“机器不可能有良好的创造力、人际交往能力和横向思考能力，这些都是学生需要培养的技能”[17]，大学应该培养学生的创造能力、社交能力、动手能力、全球意识和技术意识。

其三，能力的伦理。当我们面对有待解决的问题时其实是面临着一个问题的两个方面即能否解决和如何解决，前者是一个纯粹的技术问题，“能否解决”表征个体的技能水平，后者则关涉许多非技术性问题，“如何解决”表征个体的价值取向，更是依赖多元智能的协同。当下倾向于培养研究生用与人工智能一样的方法来解决问题，极少培养学生对知识、问题的整体把握能力。研究生热衷于具体的方法，而较少从哲学层次和方法论层面来考虑方法问题，以致分析问题和解决问题缺乏视野和深度。随着新技术的不断涌现和广泛使用，研究生能力培养既要促进人工智能等新技术的发展，又要考虑技术创新和应用涉及到的价值伦理问题。

3.人类能力与人工智能交互下研究生能力培养的重点领域

研究生培养作为教育的最高端，需要思考如何以人工智能为工具来增强研究生的行动能力。研究生能力培养的目标定位必须从单一的人类能力发展视角转向兼顾人类能力和人工智能两个视角，即要从人工智能的升级与应用的角度来界定和反思研究生能力培养的方向、重点和意义。

一是重塑研究生能力培养的目标定位。首先，培养研究生人机共存的能力，强调能力培养的协作共生、掌控技术、创建规则、集体智慧等维度。集体智慧主要关注如何协调合作和形成合力，当下不仅要关注人类之间的合作，而且要关注各种不同的智慧体如何大规模地互动。其次，研究生应当具有的高技能不再是单一维度的技能，而是“在不同环境下不断自我调整以及学习新技能和新方法的能力”[6]47-48。未来需要的不仅是分析技术，更加是综合活动，以“建立能够有效追求理想的系统，并以一种让参与者持续满意的方式实现。”[18]再次，要培养发展研究生的元认知智能、元情绪智能、自我效能感这些人类独有的智能，与学科专业领域的基础理论、专门知识和实践能力的培养有机融合，以形成显著有别于人工智能的智能体系和智能优势。

二是回归研究生能力培养的社会属性。与人工智能莫拉维克悖论相似，当下教育面临着认知学习与情感学习、伦理学习的分割。研究生能力培养应该鼓励学生对学业项目、解决问题、批判性思维、创业、领导力、品格发展、同理心和幸福感等方面拥有个人理解，而不是只追求“正确”的答案。研究生能力培养不应“选择性地忽略实践能力和专业艺术性”[19]，应当推动“专业实践的技术理论和人际理论的相互渗透”[20]，更加强调有效的信息、自由而充分的选择、对选择的内在承诺及其执行过程中的持续监督。研究生能力培养既要强调专业知识之“实践工作赖以发展的潜在规则或基础科学要素”，又要强调有助于问题解决的“应用科学或‘工程’要素”，还要强调运用知识服务人类社会和国家发展的“技巧及态度要素”[21]。

三是培养研究生人机协同工作的能力。人类正在走向基于“高度信息通信网络社会”和“知识社会”的“智联社会”（wisdom network society）[22]，需要反思人类与AI网络之间如何形成更为恰当的关系。借用斐迪南•滕尼斯的共同体与社会概念[23]，如果说是技术社会是“想象的（ideelle）与机械（mechanische）的构造”，人类共同体则是“真实的（reales）与有机的（organisches）生命”，需要考虑的是如何基于人工智能带来的“想象的与机械的构造”技术社会，演化出全面体现“真实的与有机的生命”的新型人类共同体。人与工具关系形态的演变推动人的发展和社会发展，新的工具正在重塑工作的本质，从依靠体力劳动到依赖普通人与复杂的符号系统交互的智力能力，并进而转向与人工智能等技术交叉、互补的发展模式，需要重点增强和扩展人类特有的能力，比如直觉、整体智慧、大道至简等实践品质。研究生培养过程中要基于整个社会的智能分布和能力结构，引导研究生与人工智能之间保持一种恰当的关系。

四是培养研究生驾驭技能技术的能力。“技术元素的巨大力量并非来自其规模，而是来自其自我增强的天性”[24]。面对人工智能等新技术的迭代升级和广泛应用，研究生教育要培养研究生驾驭新技术新技能的能力。首先是增强研究生对自身智能的元认知，经常反思其知识体系是如何建构起来的、自己的认知结构有什么优势和局限、是否能够有效调控自己的认知过程、自己更倾向思考什么类型的问题和惯用什么样的思维模式。其次是增强研究生对人工智能等新技术的认知，包括对技术的本质、技术的自主和控制、技术伦理在人工智能时代的新问题新表现的认识，对未来技术突破的态度、新技术应用的偏好，以及看待技术与人、技术与自然之关系的价值观。再次是引导研究生领悟技术本应具有的人文传统与意蕴，重振技术的所谓技巧、方法、步骤、程序背后所隐藏的理性和自由，发展研究生驾驭自身的技能技术以及驾驭人工智能等新技术的能力素养。

三、人工智能的赋能应用与研究生能力培养的过程优化

人工智能正在改变和重塑教育的资源、手段、方式、评价以及教育的定义。以人工智能为代表的新技术为研究生能力培养提供滋养和便利的同时也造成了研究生能力培养的新困惑和新障碍。

1.人工智能赋能研究生能力培养的异化现象

一是能力培养的祛魅。研究生利用人工智能来赋能和使能，能够加速获取知识的速度和提升获取知识的便利，问题是有可能诱发研究生培养的技术化、机械化和祛魅化，丧失真正的兴趣、内在的动机、饱满的激情、收获的愉悦。这些临时搜索和快速浏览的知识往往缺乏一致性和结构性，研究生通常并没有将其真正吸纳和内化进个体认知结构和知识体系之中，达到阈值概念和阈值思维程度的则更少。课程设计和教学安排采用的是一种快速切换频道模式，学生没有充裕的时间沉浸于某件事情、沉迷于某一具体任务，这可能影响研究生思维深刻性的养成，制约研究生对于知识的沉淀和优化，降低知识的组织水平和调用的灵活程度。

二是技能赋能的异化。利用各种网络、多媒体进行学习有可能诱发达克效应（即不知道自己无知）和谷歌效应（即容易从网上获取的信息倾向于被人脑自动地遗忘和选择性地忽略）[25]，网络上知识的通俗化、碎片化使得研究生深入思考就能基本理解知识，可能将达克效应和谷歌效应推到极致。研究生运用CiteSpace等分析软件进行文献分析，这本来是一个进步，但如果学位论文的整个文献综述就是运用软件进行可视化分析，而不是基于对基础文献和关键文献逐一研读的话，就不可能形成真正的文献综述，分析软件这种赋能对于研究生来说就不是增强其能力，反而成为其能力发展消极化的诱因。研究生可以也应当广泛使用人工智能来赋能自己的学习，但这种“技能”借用一旦超过限度，其学习活动就失去探究行动、理性思考等内在规定性。

三是教育宗旨的淡化。“人只有通过教育才能成为人……人只有通过人，通过同样是受过教育的人，才能被教育。”[26]玛格丽特•米德将人类文化模式划分为前喻文化、并喻文化、后喻文化，未来是否可能会呈现技喻文化，即人工智能、机器人在未来能否和是否成为教师？技喻文化能在多大程度上成为教育的主导模式之一？利用人工智能赋能教育的同时要避免将我们自身智能的价值降低到目前人工智能技术所能产生的价值，过于倚重人工智能可能使得人类的教育系统集中在人工智能最擅长的方面，所发挥的乃是人工智能的优势而非人类智能的优势[7]39-40。人工智能的赋能和应用能够深入影响教育改革发展，但它并不能代表教育改革发展本身，更不能偏离教育旨在培养人、促进人的全面发展这一根本目的。

2.以人工智能为媒介的研究生能力培养过程性优化

研究生能力培养要从两个方面考虑人工智能的影响，一是人工智能对于研究生学习、培养过程或者活动的影响，旨在通过人工智能来提高效率和保证质量；二是人工智能对于研究生培养目标的影响，此时人工智能的影响直指教育的本质，比如在人工智能时代如何重新界定研究生培养的目标，重新界定培养研究生哪些方面的知识、技能和素养。

其一，从外在转向具身。有研究认为手工制作使匠人能够更加“有机地”触摸到自己的劳动过程，人的双手不断向大脑“提出问题”[27]，手眼脑的合用将真正提高学习质量和刺激创新。具身认知理论反对将认知视为抽象的、符号式心智计算，主张认知是具身的，是身体、心智与周遭世界相互作用的过程[28]。人工智能与具身化之间的关系呈现两种态势，一方面，人工智能采用的是计算–表征的框架，并未将关于身体的信息涵盖进它对智能程序的描述中去[29]；另一方面，人工智能使技术可以实现从“游离身外”到“具身模拟”的关键性转变，通过模拟学习者的学习过程，帮助学习者发现知识的独特价值、理解学习的深层意义、获得个性的全面发展[30]。

其二，从被动转为主动。1859年斯宾塞提出了一个著名命题：“什么知识最有价值？”并认为“一致的答案就是科学”。大量堆积的信息、短时间内涌来而又未经研究生自己思维和反思沉淀的信息不仅无助于研究生的知识技能发展，反而导致研究生分配太多的注意力给这些零散冗余的信息，诱发学习的目标飘移和心理紧张。研究生作为高层次人才，不仅要保持对搜索引擎算法的警醒，而且要形成自己个性化的“算法”，从被动接受推送转变为主动分析判断搜索结果。形成体现学科专业特点、避免信息虚假繁荣、保持深度阅读思考的搜索习惯，是研究生未来能够更好地胜任工作的基本素养。

其三，从逻辑跃进意义。研究生能力培养要从逻辑建构转向意义建构，既要关注知识与知识、知识与情境之间的逻辑关联，更要关注知识技能与个体自身、未来职业、社会生活的意义关联，尤其是要关注人工智能对于我们人类到底意味着什么、人类如何与人工智能共生共存，从工具理性和价值理性两个维度确认人工智能赋能和应用的意义和价值。

3.利用人工智能优化研究生能力培养过程的策略

人类学习进入了知识能力的获得与知识能力的过时均容易且迅速的境地。研究生能力培养过程要进行重构，以最大化借用人工智能“技能”的同时又能最大化实质提升研究生自身能力。

一是加强知识意义探寻。意义的追寻既要指向知识本身，又要指向个体自身，前者更追求由量的积累而达成的智能水平的升级，尤其是心智结构的升级；后者则更追求个人体悟，指涉人生观、世界观和价值观。研究生能力培养要融入对知识本身、知识运用的意义价值的阐释和追寻，要追问所学的知识技能对于现有的知识体系和认知结构有什么意义和价值，对于未来的职业生涯和专业实践有什么意义和价值，对于人的发展和生命自觉有什么意义和价值。面对人工智能的冲击，“为了让毕业生在工作场所具有防御机器人的能力（robot-proof），高等教育机构应重新设置其课程体系”[31]前言XIII，以培养人类特有的创造力和灵活力，发挥人类与生俱来的优势，其中“人文学科技能、体验式学习和科技熟练的结合是培养学生的认知能力的理想方法”[31]131-132。研究生在利用各种人工智能发展自己的专业能力的同时，要努力在这一过程中切实体悟到一种特殊的收获、持久的兴趣、自愿的投入和强大的动力。

二是增强赋能教育实效。人工智能赋能研究生能力培养，一方面要保证知识技能的获得是高质量的，另一方面要做到知识技能即便快速过时也已对研究生能力发展产生显著的积极作用。基于具身认知理念的人工智能导师系统（Intelligent Tutoring System）通过给学生提供空间上的人与物体的感知，学生产生现实场景中操控场景参数、观测场景变化、通过多次重复操作解释现象的联想，引导学生在感知模拟、对模拟进行反馈、描述和解释所发生现象的过程中进入深度学习[32]。采用这类人工智能技术，研究生学会综合运用基于经验的数据、基于观察和直觉的体悟、基于理论的假设提出解决复杂问题的思路，学会收集、分析和吸纳包括人工智能在内的其他人员的知识、能力、经验和直觉，提出解决问题的策略与行动框架。面对不确定性和各种“麻烦问题”，研究生能力培养应当指向具有生态性的知识，体悟知识演化之魅力；应当植根生态系统之中，感受知识技能的场域性。

三是变革教学组织形式。面对人工智能引发的深度学习、跨界融合、人机协同、群智开放、自主操控等新趋势，研究生教学要转向以学生为中心，转向以自主性、合作式学习为主，促进研究生从被动的“因材施教”转向主动的“因材适教”，自觉结合培养目标、课程内容、职业志趣采取恰当的学习策略。“教”和“学”要聚焦高阶思维活动，以真实的实际问题引入专业知识技能，引导研究生学会运用专业概念、最新理论来描述、解释实践场景所遇到的问题。研究生围绕感兴趣的知识模块和技能模块进行有深度的学习，促成知识技能、认知框架和思维方式的升级，同时达成深层学习的体验和学有所成的感受。瞄准未来工作、新兴技能，顺应知识形态新变化，引入翻转课堂、在线课程，提升教学的前沿性、生成性。创新研究生培养基层组织，探索跨院系中心、项目制、项目组制学习模式等新的组织形式，推动研究生培养各方资源的汇聚、整合与重构。

四是重构整个教育体系。人工智能等新技术使得教育“为一个尚未存在的社会培养着新人”“正在开始拒绝制度化教育所产生的成果”[33]状态，“为一个尚未存在的社会培养着新人”总是不经意间又处于滞后的尴尬境地，“拒绝制度化教育所产生的成果”的焦点从过去的“成果”转向对“制度化教育”过程的拒绝，与人工智能没有很好融合的学校教育很可能从一开始就被社会拒绝。人工智能的影响正扩展到整个教育体系，教育需要“成功地将新技术整合进学校中”[34]，学校教育必须以新技术为基础而重构。研究生能力培养要基于人工智能等新技术，而且这些新技术不再只是对培养体系的支撑，其本身构成培养体系的内在要素，从培养资源到培养内容再到教育目的都受其影响并有所体现。

研究生是要与人工智能协作推进社会发展、人类进步的主体，人工智能时代研究生培养目标的界定不应再拘泥于研究生个体或者研究生整体自身，而要从人机互动的高度来优化研究生能力培养，其中情商、韧性、正直、同理心、人际交往能力等机器无法模仿的软技能愈加重要和不可替代。人工智能时代研究生既要有一身真正过硬的专业知识和能力等硬本领，又要有体现胜任力的专业精神、职业道德以及人际技能、人机共生技能等软技能，还要有乐观自信、敢于担当等强素质。

[1] FREY C B, OSBORNE M. The future of employment: how susceptible are jobs to computerisation?[R]. Oxford Martin School, Programme on the Impacts of Future Technology, University of Oxford, 2013.

[2] 柯林斯. 人工智能科学及其批评[J]. 韩永进, 刘婵婵, 译. 国外理论动态, 2021(4): 137-146.

[3] 黄福涛. 能力本位教育的历史与比较研究——理念、制度与课程[J]. 中国高教研究, 2012(1): 27-32.

[4] World Economic Forum. The future of jobs: employment, skills and workforce strategy for the fourth industrial revolution[R], 2016.

[5] 戈尔德, 沃克. 重塑博士生教育的未来——卡内基博士生调查文集[M]. 刘俭, 译. 上海: 上海交通大学出版社, 2015: 124-125.

[6] 施瓦布. 第四次工业革命[M]. 李菁, 译. 北京: 中信出版社, 2016.

[7] LUCKIN R. Machine learning and human intelligence—— The future of education for the 21st century[M]. The UCL Institute of Education Press, 2018.

[8] 多尔. 后现代与复杂性教育学[M]. 张光陆, 等译. 北京: 北京师范大学出版社, 2016: 11.

[9] MEYER J, LAND R. Threshold concepts and troublesome knowledge: linkages to ways of thinking and practising within the disciplines[M]. Edinburgh: University of Edinburgh, 2003: 412-424.

[10]PERKINS D. The many faces of constructivism[J]. Educational leadership, 1999, 57(3): 6-11.

[11]格雷. 阈限思维: 改变并没有想象的那么困难[M]. 孙思远, 译. 北京: 机械工业出版社, 2018: XXVII.

[12]卡普兰. 人人都应该知道的人工智能[M]. 汪婕舒, 译. 杭州: 浙江人民出版社, 2018: 140-144.

[13]达塔尔, 加文, 卡伦. MBA教育再思考——十字路口的工商管理教育[M]. 伊志宏, 徐帆, 译. 北京: 中国人民大学出版社, 2011: 68-70.

[14]格雷, 苏里. 销声匿迹: 数字化工作的真正未来[M]. 左安浦, 译. 上海: 上海人民出版社, 2020: 14-16.

[15]奥德. 危崖——生存性风险与人类的未来[M]. 韦斯琳, 译. 北京: 中信出版社, 2021: 4.

[16]伯特. 结构洞: 竞争的社会结构[M]. 任敏, 李璐, 林虹, 译. 上海: 格致出版社, 2017: 2-28.

[17]塞尔登, 阿比多耶. 第四次教育革命——人工智能如何改变教育[M]. 吕晓志, 译. 北京: 机械工业出版社, 2020: 188-189.

[18] ACKOFF R L. The future of operational research is past[J]. Journal of the operational research society, 1979, 30(2): 93-104.

[19]舍恩. 反映的实践者——专业工作者如何在行动中思考[M]. 夏林清, 译. 北京: 教育科学出版社, 2007.

[20]阿吉里斯, 舍恩. 实践理论——提高专业效能[M]. 邢清清, 赵宁宁, 译. 北京: 教育科学出版社, 2008: 160-161.

[21] SCHEIN E. Professional education: some new directions[M]. New York: McGraw-Hill, 1972: 39-43.