人工智能时代的知识观审思*

□ 杜 华 顾小清

一、问题的提出

知识作为教育的内容，是教育领域的核心要素之一。美国教育学者索尔蒂斯（J.F.Soltis）指出：“从根本上说，知识与教育的概念是无法分离的，关于知识可能存在的许多问题的回答，对教育者如何思考与行动将有重大影响。”“我们如何思考知识，确实在相当程度上影响着我们如何思考教育。”（索尔蒂斯,1993）。知识与教育之间有着内在的关联。一方面，教育是筛选、传播、分配、积累和发展知识的重要途径；另一方面，知识又是教育的重要内容与载体，离开了知识，教育就会成为无米之炊，各种各样的教育目标也就无法达成（石中英,2001）。

知识观是人类知识总体的认识、态度和根本看法（胡友志,2014），是教育实践的根本性和基础性认识问题，是教育变革的起点和关键（陈丽,等,2019）。知识观具有鲜明的时代特色，每个时代的知识观都烙有该时代的印记，在漫长教育发展史上几乎每次重大教育转型也都伴随着知识观的讨论。当下，新兴信息技术引发了深刻的社会变革，也牵引着人类教育向智慧教育阶段转型和演进。基于人工智能技术的具有深度学习能力的智能机器成为知识载体，知识图景发生巨变，以往时代的知识话语似乎在解释力与指导性上已显得力不从心，迫切需要重新检视并建构一种适用于智能时代、关涉技术哲学的知识观。这既是人工智能变革未来教育的起点和关键，也是“人工智能+教育”极为特别且重要的学术议题之一。研究者从不同角度开始关注这一议题，但整体而言研究尚处于起步阶段，很多问题甚至可能需要重新思考与回答。本文尝试分析智能时代知识观变革的动因，勾勒智能时代的知识观图景，并在此基础上思考未来教学、学习以及教师该如何转型以应对变革。

二、何以变革：人工智能时代知识观变革的动因

较之以往时代，知识观在智能时代为什么会发生变革？隐蔽其背后的变革动因是什么？意欲探求事物变化发展动因，若避开哲学观便很难真正触及根本。唯物辩证法认为，事物是在内外因双重作用下发展变化的，内外因在一定条件下可以互相转化。洞见知识观变革的时代动因，需要从哲学层面揭示智能时代的知识现象及其背后深层次的内外因。

外因是事物发展变化的外部原因，是某事物和他事物之间的外在联系和相互作用。人工智能技术以强势姿态闯入人们的视野，借助新一轮技术革命浪潮迅速席卷社会（顾小清,2021），推动时代跃迁，无疑是引发知识观变革的重要外因之一。虽是外因，人工智能技术却宛如一匹黑马，丰富知识载体与形态，增能知识生产与创造，加速并可能彻底改变知识的生命周期，或将撼动人类的知识主体地位，甚至动摇智能时代的知识生产与存在基础，对知识整个生态造成破坏性和颠覆性创新，成为知识观变革的内因。在内外因双重作用下，所带来的不只是知识内涵的变化，更有未来发展格局的变化，推动着知识观经历一次历史性的变革。

（一）人工智能技术丰富知识载体

从人类文明发展看，知识和负载知识的载体间存在着无法分割的关系（任友群,2002），载体有时甚至能很大程度上影响知识观。伴随着社会发展和媒介技术演进，人类在社会实践活动中逐渐构建与积累知识以认识世界，知识承载媒体种类与样态也在发生变化。远古时代的口耳相传、上古时期的文字造纸术、近古时期的印刷术、晚近以降的电子与视听技术、信息时代的数字技术……，知识载体的变迁可以说须臾未曾离开过技术的融入与形塑。伴随智能时代的到来，知识载体早已冲破传统形态的桎梏，驰骋于人类与智能机器所交织构成的开放性、不确定性的网络化海洋，不仅更加智能化，而且呈现出视觉、触觉等多模态融合感知的特征。多模态融合感知的知识载体，传播效率远高于单一的知识载体，呈现出更快的速度、更强的传播力、更广泛的接受群体和更个性化的表达等特征。

（二）人工智能技术增能知识生产与创造

在互联网+时代，知识传播与生产呈现多向与多源的趋势（顾小清,2019）。人工智能技术参与知识生产，加速了群智协同的分布式知识创造进程。机器“智能”的参与，延展了知识生产的视野，使得知识生产不再局限于科学界精英所组成的科学共同体（刘崇俊,2010），也不限于为了解决真实问题而吸纳的更广泛的社会参与，甚至不限于人类，而是扩展到了机器。人类不再是唯一的知识生产和拥有者，智能机器也具有同样的能力（李冀红,等,2021）。人工智能使得知识生产呈现自动化特点，削弱人类在知识创造上的智慧性。机器学习多以数据驱动，利用算法规则从数据中挖掘或抽取知识，这种自下而上的知识生产模式与专家自上而下的知识生产模式相对应，对知识生产与创造产生变革性影响。

（三）人工智能技术加速并可能彻底改变知识生命周期

“生命周期”原是生物学名词，意指生物生命发展过程由出生、成长到死亡等阶段构成的完整周期。知识伴随社会需求而产生，新知识产生后，经历加工、存储、应用等过程，继而投入生产实践，不断接受考察、验证，发挥其自身价值。知识发展与生物发展相似，也呈现出阶段性，由此把知识在时间上从产生到消亡的过程，称为“知识生命周期”（孟彬,等,2006）。

人工智能技术以基于知识库和逻辑规则（算法）的“计算与表征”系统，进行知识生产、获取、存储、搜集、运算、生成、匹配和推荐等，加速并可能彻底改变知识生命周期。加拿大学者赫克托·莱韦斯克（H.J.Levesque）将人工智能定义为“基于知识的系统”（莱韦斯克,2018,p.143），知识的积累是人工智能的起点。人工智能可通过插入芯片的方式瞬间完成人类几千年发展与进化过程中所积累的系统知识的学习，用嵌入的大规模数据和信息尝试无限可能，挖掘深藏暗处的知识以及知识间的关系，实现自动化提取意义，通过自身的算法设计完成深度学习，去认识世界并形成相应的认知或判断。人工智能通过获取、处理和使用知识来执行任务，具有我们无法想象的速度与方式扩展、使用和创建知识的能力。智能技术对知识生产流程的介入，加速了群智云集的分布式知识创造进程。相较以往，知识生命周期已然面目一新。

（四）人工智能技术或将撼动人类的知识主体地位

人工智能技术是否会撼动人类的知识主体地位，这是一个有关人类与智能机器、知识关系的本源性命题，决定着作为生命存在的人类在知识实践中的角色与地位。

在哲学框架中，通常以“活动的发起和指向”来区分主体和客体。主体指具有独立意识或个体经验的存在物。主体是活动的发起者，在活动中发挥能动作用的角色。客体是指在实践或认识活动中与主体发生关联、主体活动所指向的存在物（帕尔纽克,1988）。在知识实践中，人类是这些活动的发起者，具有独立意识，发挥着能动作用，是毋庸置疑的主体。智能机器凭借自我学习能力感知外部刺激信息、模拟人的知识处理行为、实现自主性推理与决策、完成知识创造的闭环。知识实践不再是人类这一碳基生命的智慧专利。在可预见的将来，强人工智能时代、超人工智能时代将会到来。彼时，具有自我意识、自主学习能力和思维能力的智能机器越来越具备人的特质。因此，一个重要的界限被超越。智能机器虽是技术人造物，却可能从客体地位“升格”成为知识实践的主体，以算法、工程化方法与产品工具等多种形态进行知识生产、创造、传播、应用等，推动知识实践自动化的深度与广度。虽然在相当长一段时期内人类社会仍处于弱人工智能时代，智能机器的智能性还未达到理想的程度，但已在某种程度上动摇了人类的知识主体地位。

三、如何变革：人工智能时代的新知识观图景

一定的知识观总是特定时代知识状况的反映（潘洪建,2003）。在教育发展史上，每一种知识观的形成与发展都是伴随着时代发展、技术进步与思想进化的，代表着人类对知识理解与认识的发展方向。人工智能技术重构了这个时代的知识秩序，知识观图景也与以往时代不同。“什么是知识”“知识从哪里来”等很多问题需要重新回答。

（一）知识内涵：从确定性真理到不确定性“碎片”

长期以来“知识是什么”一直受到古今中外思想家的高度关注，也是近现代认识论发展史上研究者孜孜探寻的重大课题。但这一问题的解答见仁见智，正如思想家罗伯特·格兰特（R.Grant）所言，尽管“什么是知识”激发了思想家们的兴趣，但至今仍然没有一个关于知识的统一而明确的界定（周险峰,2016）。乔治·西蒙斯（G.Siemens）也说“知识很难被定义”，且“达成一个严格的知识定义是毫无用处的”（西蒙斯,2009）。这缘于知识是一个蕴含多层含义的复杂概念，是一个非常艰深的话题，要下一个具有普遍性的定义是非常困难的。即便如此，这一问题仍然是对知识的探究最为经典的提问方式。

1.确定性真理

从现有文献看，以“知识”为主题的讨论可以追溯到古希腊。智者学派认为知识来源于个人经验，由于人的感受不同，因此没有绝对意义的知识。苏格拉底批判智者学派的观点，认为“如果一切事物都处在被动中，无物常驻，那么就不可能有任何知识。只有知识本身常驻不变才可能是知识；如果作为知识性质变化了，它就不是知识；如果变化一直持续下去，那么就不会有任何知识”（汪子嵩,等,2014,pp.418-419）。从这段论述可以看出，苏格拉底所说的知识具有普遍性、确定性特点和绝对、永恒的本质（毕文胜,等,2019）。在柏拉图众多著作中对于知识的讨论更加丰富了（柏拉图,2002,2003a,2003b,2018）。《美诺篇》讨论知识是否可教，《斐莱布篇》讨论快乐和智慧何者是真正善的知识，《理想国》讨论知识获得的方法和过程，《普罗泰戈拉篇》谈及“知识是灵魂的粮食”。《泰阿泰德篇》中“得到辩护的真信念”（justified true belief）这一经典说法奠定了古典的知识内涵——把知识看作确证了的真实的信念。知识由信念、真与确证三个要素组成，这便是西方传统知识的三元定义，受到西方学界长期追捧（文杰,2020）。于是，知识是绝对确定的必然的真理，经过权威所证实，逐渐成为人们的普遍认识。

2.不确定性“碎片”

知识反映着人类活动的理智成就，体现为较为稳定、可靠的结论性认识，甚至是真理。这一理解在当代遭遇挑战与质疑。在智能时代，智能技术对知识生产流程的介入，加速了群智云集的分布式知识创造进程，拉陡了知识增长斜率，使得知识更新迭代的速度呈指数级增长。知识更新与增长速度远大于权威证实速度，大量来自人类群体智慧、智能机器、人机协同等所产生的知识等还未形成系统结构，未来得及经过权威证实，就已借助万物泛在智联的网络进行分享与传播。分布式网络之上，不仅有被证实的权威知识，也充斥着未经验证的大众创造的知识乃至机器创造的知识。这些“智慧”以碎片化的形态散落各处。机器参与知识生产从根本上改变了知识确定性的状态和格局，原先具有确定性的认识可能被冲击甚至被颠覆。知识作为确定性真理的根基被打破，变成了大量不确定性“碎片”。

智能时代，技术对于知识领域的扩张不仅提升了知识输入与输出的开放性，也增加了知识内容的不确定性和知识结构的复杂性。人工智能将知识创造的必然推向了或然，知识创造正从经典的稳态向不确定的暂态演化（李建中,2019）。碎片化是指事物由整体变成多个零块的现象，碎片即事物从整体通过各种方式所变成的零散状态。知识碎片是相对于完整结构的知识大厦而言的，是指知识点之间、知识单元之间的联系被切断或弱化，变成相对独立存在的状态（王竹立,2016）。知识作为不确定性“碎片”体现在知识生成过程和知识成果样态等方面。从知识生成过程来看，人工智能从大量数据中提取隐含的、未知的、潜在的、有用的信息，通过各种智能算法自动化提取意义，在从数据科学的角度为人类进行知识生产和创新提供帮助的同时，参与知识生产与创造，打破了知识原有的线性结构和层级关系，使得知识呈现碎片化。还有知识成果样态的不确定性。人工智能技术以其超强的计算能力进行模拟测算，可以自动生成、自主进化，产生大量的人类既无法感受又无法表达和描述的机器知识。知识不再是物化在文字里、书本中的静态、凝固、单维、简约的内容，其形态具有不确定性。因此，当代视域中的知识大厦已动摇了确定的根基，不确定性已经成为确定性命题。

（二）知识类型：从“硬”知识到“软”知识、“灰”知识、“暗”知识

知识分类是根据特定需要和标准，通过比较将知识按照相同、相异、相关等属性划分不同类别，以此显示其在知识整体中的应有位置和相互关系。一般而言可以按照效用、属性、形态、内在联系、学科知识体系等进行分类。但这些分类未能摆脱人类界限，未能将人机知识、机器知识充分考虑进去。

1.“硬”知识

历经漫长的人类社会演进与变迁，人类的知识图式逐渐积淀成系统的知识体系和科学理论。这些知识体系是人类对外部世界诸现象、过程、关系的客观认识和把握，其对象是客观存在的，不以人的主观意志为转移，不是纯主观活动的产物。经过人类思维的抽象提炼与精细加工、众多科学家的共同努力、大量实验与实践的验证、权威们的证实，人类庞大的知识体系已呈现出较为牢固的结构与完备的形态。这些知识常常固化在文字里、书本中，体现为抽象化、结构化、逻辑化等特征。从其存在性状来看，属于一种“硬”知识。

2.“软”知识、“灰”知识、“暗”知识

事物现象的变化决定了知识的变化，知识动态发展客观上取决于外部世界的发展演进。在人工智能时代，知识生产主体将出现人、机器和人机协同三种共生形态。人类与智能机器智能互联，形成巨大的超级智能体。不同智能体之间的交流联结不仅带来知识数量的增加，而且生产出多元化的知识类型——“软”知识、“灰”知识、“暗”知识等。

“软”指物体内部的组织疏松，当受外力作用后容易改变形状。“软”知识是相对于“硬”知识而言的，用于指代尚未形成系统结构与固化形态的知识。“灰”原意指草木等固体完全燃烧形成的粉尘状物质，也引申为粉尘、无热量的、寂灭的、无生机的等含义。作为形容词时意为白色和黑色的混合色。“灰”知识用以指代人与机器协同所产生的知识类型。人类负责设计算法、制作智能机器、用大数据对智能机器进行训练，在关键节点上进行决策，智能机器通过对海量数据的深度学习，运用复杂的“不透明的”类似于黑箱的算法，进行知识生产。“暗”知识常用来指人类未曾掌握、却被机器产生并使用的知识。机器可以凭借其超人工智能技术超越人类既有的经验，获得机器所掌握而人类还从未探索过的海量的“暗”知识。

“软”知识、“灰”知识、“暗”知识等与隐性知识、缄默知识、意会知识也有一定的相关性，均用来指代知识的样态。一般来说，隐性知识、缄默知识、意会知识均相对于显性知识而言，且较多应用于指代人类知道但难以言述的知识，“软”知识侧重强调其结构的动态变化。“灰”知识“暗”知识等则主要表明机器知识相对于人类知识的不透明性。

（三）知识范围：从人类认识成果到“硅基智慧”

知识范围指的是知识这一词语的指涉范围，用于划定其外部边际。对于像知识这样内涵丰富、运用普遍的概念，如何划定其范围是一个有待深入讨论的问题。在智能时代，知识不再只是人类认识成果，而是扩展到“硅基”智慧，延展了知识的外部边际。

1.人类认识成果

伴随着人类演进与社会发展，人类的各种知识实践活动如采集、分析、传播、应用等也极为丰富，在与自然的长期相互作用下积累了大量的知识。在人类还不能称为智人的时候，积累了哪里有果子可以食用、哪里有猛兽需要避开的经验。到了采集/狩猎时代，积累了如何使用火和工具的经验。这些经验都是知识的初级形态（彼得·凯弗,2019），伴随着科学技术的迅猛发展与社会的演进，知识渐渐从它的原初形态、经验形态上升为抽象的概念、理论，构成一个严谨的逻辑体系，呈现出较为完备的形态，演化成系统的科学理论。但是这些关于知识的讨论都是关于人类的，知识是人类认识世界的成果这一点几乎成为人类的共识。

2.“硅基智慧”

人工智能也称为“机器智能”或“智能模拟”，其实质是把人的某些神经生理智能赋予机器，通过机器识别符号、图像、语音等信息使机器能像人类那样进行学习、联想、判断、推理乃至行动，让机器模拟和代替人的某些智能（王毅,2006），探索和模拟人的感觉和思维过程的规律并进而设计出类似人的某些智能。维特根斯坦曾言“假如一只狮子忽然开口说人话，那么我们一定听不懂它在说什么”。这句话背后的深意在于，狮子与人类拥有截然不同的“生命形式”，具有完全不兼容的概念框架，即便狮子掌握了人类语言，也难以被人理解。人工智能也是如此。人工智能的智慧虽然难以理解，却令人类惊叹。智能机器在进化中不断蜕变，其发展已经达到令人震惊的地步，不仅仅是对人类感官系统的放大，也不仅仅是作为人类认知和行动的辅助系统，而是可以模拟或实现人类的学习行为，以获取新的信息或技能，重新组织已有的知识结构使之不断改善自身的性能，在某些领域的知识水平早就远超人类。因此，以硅为主的半导体为物质载体的智能机器，通过学习拥有了独特的认知方法，积累了大量的机器知识，具有了“硅基智慧”。

（四）知识生产模式：从人类到人机群智协同

知识生产是创造新知识的过程。人工智能技术使得知识生产的主体正在发生变化，知识生产模式面临又一次重大转型。

1.人类知识生产模式的三次重大转型

现代科学范式下，知识生产指的是在规范的学科体系下以科学的研究方法进行的、以科学知识生产为目标的活动。人类知识生产模式经历了三次重大转变。从古代以个体性、思辨性和整体性为特征的知识生产模式，到近代以专门化、精细化、职业化为特征的知识生产模式，到当代以草根性、群智化为特征的知识生产模式，分别称为模式0、模式1和模式2（宋妍,等,2020;郝丹,等,2019）。不管个体性还是群智化，草根性还是专业化，人类知识生产都是以自身经验为基础对已有知识进行理解和反思，依靠人类大脑驱动完成。知识生产模式的讨论也都是关于人类的，没有超出人类界限。

2.人机群智协同的知识生产模式

人工智能将使得知识生成方式从原来单独依靠人的协作创新转向依靠人与智能机器的协同创新（刘德建,等,2018）。人工智能打破了以人类为主体进行的知识生产，弱化了人类对特定知识的专属性。人类绝对的知识主体作用部分地让渡于机器，部分功能将被弱化甚至替代。人类与智能机器多主体协同进行知识的生产，可充分发挥各自优势，超越了人类进行知识生产的极限。因此，人工智能技术重塑了知识生产主体，在重复性、机械性的任务中解放了人类的双手和大脑，替人类思考、分析与归纳，甚至决策和创造知识。人工智能技术推动的知识创造生态，催生并推动以知识共创为特征的知识生产和知识传承方式将成为一种趋势，既包括人类共创，也包括人类与人工智能技术协同共创，使得知识生产模式跃迁为一种新的模式，可以称为人机群智协同的知识生产模式。

（五）知识表征：从人类认知表征到机器计算表征

知识通过对客观对象的反映与思维得以表征。在智能时代，知识表征呈现出从人类认知表征到机器计算表征的转向。

1.认知表征

对于人类而言，知识以心理结构或认知结构的形式存储在大脑中。知识表征即认知主体的心灵与世界的相互作用在大脑中的正确再现，通过符号、文字、图像并经过组合编码，最终形成符合语法结构的图形等直观的信息载体表征出来的认知表征（管云波,2016）。知识表征的对象是现实的客观世界。知识表征主要由知识在大脑中的呈现和知识的外在表达两部分构成，即由内部表征和外部表征组成。因此，知识表征方式也分为知识在大脑中呈现的方式和知识的外在表现方式。知识表征的内在呈现是信息在头脑中的呈现方式。信息经过输入、编码、转换、储存和提取等过程，最终以诸如概念、命题、图式、语义网络、生成规则及其他类型的知识和结构呈现。知识表征的外显方式是知识在大脑中储存和呈现方式的载体，是一种直观的展示方式，文字、语言、图像、图表、符号、方程式、公式等。

2.计算表征

人工智能的知识表征可以用计算表征加以解释。人工智能依靠逻辑规则（算法）对知识库中已有的知识进行搜集、处理、生成、匹配和推荐等，从而进行规划和决策。人工智能的知识表征可以按明晰的规则进行计算，一般不需要人直接干预。在通常情况下，它会建立一个表达抽象概念的本体论框架，进而根据逻辑规则执行各种表征程序，这些程序在各自的环境中适应性地进行表征与推理（魏屹东,2019），其知识表征方法包括命题逻辑、一阶（谓词）逻辑、二阶（谓词）逻辑等。命题逻辑表征简单的陈述性知识；一阶逻辑扩展了命题逻辑，引入量词，量化个体；二阶逻辑扩展了一阶逻辑，引入全集概念，不仅可以量化个体，还可以量化性质，并不断演化为普通逻辑（Menzel,2011）。

（六）知识结构：从“建筑”到“管道”再到“舞蹈”隐喻

知识结构一般是指知识的内在要素的组合方式和结合方式（昌家立,2004），是物理范畴之“状态样式规定性”规定下的结果，从发生意义上看又是由于知识发生过程中的过程样式规定性所导致（张沿沿,等,2020）。隐喻是用一种事物来理解另一种事物，在两个不同概念间建立联系或映射，不仅是一种修辞术，也是一种认知策略，具有重要方法论意义，在很大程度上影响人们对世界的概念化方式（张沛,2014）。知识论中存在着大量使用隐喻的现象，隐喻有助于更好地理解知识问题（顾林正,2008）。以隐喻思维审视知识的结构与存在方式，发现其可能呈现出从“建筑”到“管道”再到“舞蹈”结构的转向。

1.长形式的知识和“建筑”隐喻

“建筑”隐喻把知识比作建筑。由于人类传统知识图式是在漫长历史进化过程中渐渐积淀起来的，经历了众多科学家的共同努力和实验实践的考验，往往作为时代成果被人们吸收和同化，因而其结构完备性、牢固性极为明显。在人类历史很长一段时间内，实体书籍常常作为主要知识载体，从结构与存在方式来看，可以将知识形态看作是长形式的，常表现为静态固化的文本形态，以“建筑”隐喻之。哈佛大学学者温伯格（Weinberger D.）指出，一直以来人类认识世界获取知识的一种标准模板是一个长形式的论证模式（戴维·温伯格,2014）。

长形式的知识以及“建筑”隐喻，突出强调了知识是结构完整、层级明确的实体，整个知识体系被比喻成一个整体、宏大的建筑物，具体知识作为这一建筑体系中的基础或材料，唯有按照知识的逻辑和层次进行排序与建构，才能确保知识大厦的牢靠、坚固。人类的心智便扮演着搬运工、码字员一样的角色与任务，按照知识的层级、次序与逻辑，寻求在头脑中构造一个与外在知识大厦相符的知识“建筑”。

2.网形式的知识和“管道”隐喻

“互联网+”时代，知识拥有了一种能够帮助它超越“建筑”局限的媒介——网络。“如果‘长形式’的书籍告诉我们，知识是从A到Z的漫长旅程，那么网形式的知识可能会告诉我们，世界并非是一个逻辑严密的论证，而更像是一个无定形的、相互交织的、不可掌控的大网。”（戴维·温伯格,2014）温伯格在其著作《知识的边界》中也提出“网形式知识”见解，在信息超载的当下知识在网络中产生，也在网络中跳转。作为一种开放流动的交互性存在，知识不再仅存在于实体书籍之中，也不仅存在于人的头脑之中，而是存在于网络本身。

在网络中，知识呈现为由节点和说明其间关系的边所构成的网状结构。知识具有更强的流动性、更高的联通性和更好的交互性。知识存在于一张细密杂乱的大网之中，正如生命并非活在我们的神经、骨骼、血液、骨髓之中，而是活在这一切所构成的联系之中。所以，知识是“网形式”的，它并非以客观、真实的事实寄居在书籍之中，而是弥漫在网络本身，存在于“管道”之中。网形式的知识及“管道”隐喻，为我们理解知识结构洞开了新的视界。

3.人机共舞的知识和“舞蹈”隐喻

智能时代知识结构极为复杂，很难笼统地说智能时代的知识具有怎样的结构和形状，而且仅关注人与人知识关联的丰富性远远不够，必须跳出人类局限，“探索主流知识模式之外的其他知识体系（联合国教科文组织,2017）”，拓展到人与智能机器所共同构建的世界。

此番图景下，基尔（Gill,J.H.）提出“知识即舞蹈”隐喻（基尔,2003）。这一隐喻把两个以上的知识主体之间交互作用形成的、不断进化的、辩证的、共生的关系惟妙惟肖地刻画出来。在智能时代，知识成为人与人、人与机器、机器与机器以运动形态难分难解地交织在一起的动态舞蹈。这一隐喻对于“知识”的超批判性理解是：第一，知识离开人与人、人与机器、机器与机器的互动关系就不存在。当人类智能遇到人工智能，知识生产与进化在舞蹈中进行，人类智慧与硅基智慧在动态互动中生成新知识，并不断群体性进化，从根本上颠覆知识先生产后传播的流水模式，颠覆知识体系的牢固性与完备性。第二，知识本身是一种行为。知识是舞蹈，实际上是一种行为，人机彼此之间建立链接，形成知识生产与传播网络，有充分的信息交流和协作关系，具备信息交换和信息流动的特征。

四、教育何为：基于新知识观图景的思考

在人工智能技术推动下，知识图景已经发生巨变。基于智能时代新知识观图景的刻画，不得不使人们思考教学在内容和方式上将会有怎样的应对之策？学习者如何在未来的学习中占据主导地位并超越技术对人的改造？教师如何转变自身角色以适应人机协同共教？这些都是需要站在全局性、前瞻性视角进行思考的课题。

（一）人工智能时代的教学：重构教学内容与方式，培养适应智能时代的综合性人才

教育教学是知识学习的重要途径之一，也是人类社会延续与发展的重要方式。如果还试图用昨天的方式教育今天的孩子去适应明天的生活，显然是不可取的。为了培养面向智能时代的综合性人才，教学内容与方式都要重构。在智能时代知识体量变得更加庞大，更新迭代速度飞快，信息爆炸带来的知识指数级增长使得知识的辨别与选择变得越来越困难。知识可获得的途径也逐渐多样、便捷和高效，形态与结构也都发生巨大变化，确定性的知识大厦已经成为明日黄花。面对知识的软化、碎片化和不确定性，教学要逐渐降低知识的传授比重，教会学生学会辨析知识。在人工智能突破人类知识生产局限、重塑知识生产主体以及实现知识生产科学飞跃的背景下，一些常规性的认知工作逐渐被智能机器取代，为培养学生适应智能社会需求的技能，也为使学生能够超越技术对人的改造，应在原有知识基础上增加人机协同、机器学习等内容，指向学生的知识动态获取、知识深度加工处理能力和知识创新能力，注重教会学生学习如何与人工智能技术协同合作，鼓励并引导学生实现自主知识创造，增强创新思维能力。教的方式也将随之打破学科独立、知识分散的局限而走向融合，以项目式、综合实践式的方式来培养学生的技能与素养。此外，数据驱动教育的应用更加倾向于循证决策，基于教育数据深度挖掘来发现问题、分析原因和提炼规律，为解决教育问题提供科学、客观的依据。

（二）人工智能时代的学习：从知识学习转向能力提升，在应对之中转变学的方向

智能时代的科技与社会发展形成了新的学习格局，人们需要重新思考学习（陆石彦,2020）。智能机器有远超人脑的知识存储量和强大的数据分析能力，重塑了知识生产主体，实现了知识生产的科学飞跃，在重复性、机械性的任务中解放了人类的双手和大脑，替人类思考、分析与归纳，甚至决策和创造知识。在此背景下，人们不再需要靠死记硬背的方式获取与被动接受“硬”知识，要将“硬”知识交给机器去处理。因此，要培养学习者基于高阶思维参与的知识运用，以此代替简单性、机械性的知识获取、记忆、储存等，使他们能从知识的观察辨别中得到根本、稳定的知识，从知识的组合联结中得到动态、稳定的后台知识，从知识的创造中得到更适应新时代的稳定性知识。因此，学习将从传统的知识学习为主转向能力提升为主。从知识角度来讲，这种能力可能包括知识获取能力、知识辨别能力、知识应用能力和知识创造能力。当然，这并不是否认知识学习的必要性和重要性，人类和人工的智能活动依然需要立足于知识（余清臣,2019）。智能时代的学习将把重点放在能力培养上，辅以知识学习为基础，形成“知能合一”，帮助学习者拥有能够适应未来社会的知识和能力，从而实现人的全面发展。

（三）人工智能时代的教师：重塑自身角色，提升人工智能素养

人工智能时代知识观变革给教师职业带来了严峻挑战。体量庞大、结构复杂、类型丰富、迭更飞快、传播迅猛、获取便捷、渠道多样的海量知识侵蚀着教师的知识权威。教师不再是“知识的代言人”“真理的化身”，甚至“教师”这一称谓都泛化为智能机器，出现“教师消亡论”的极端论调也就见怪不怪了。当然，由于教育的复杂性、特殊性和长期性，以及人类社会性发展的需要，教师职业绝对不会消亡（邹太龙,等,2021），但是这并不意味着某些教师或教师的某些功能不会被人工智能取代。人工智能融入教育已成为一种不可逆转的趋势，人工智能技术将与人类齐头并进，成为人类进步不可缺少的工具甚至“同伴”，这已是不争的事实，“人机共教”是智能时代教育的新形态。未来学校所面对的是在智能技术裹挟下成长起来的原住民和21世纪学习者，这对教师职业提出了更高的要求。一方面，教师要具备接纳和拥抱人工智能的开放心态，正确认识并积极应对人工智能对教师职业的冲击，主动适应人工智能技术在教育中的渗入和应用，找准角色定位；另一方面，教师要尽快更新自身的胜任力结构，在既有的信息素养和数据素养基础上提升集AI意识、AI知识、AI能力和AI伦理于一身的人工智能素养，积极探索与创新人机协同的教学模式。

五、结语

保罗·莱文森（2003）曾言，“一切知识在一定意义上都取决于技术，不止如此，我们还要有力地断言：如果没有技术，人的知识就不可能存在”。从这句话可以窥见技术之于人类知识的重要性。在人工智能时代更是如此。从某种程度上来说，我们正面临着一场知识观的重塑。立足当下，知识的样态从形式到内容，从本质到外观，已逐渐远离了当初的认知面貌。智能机器或将撼动人类的知识主体地位，为知识创造注入鲜活的生命力。对新知识观的研究和思考还没有结束，也永远不会结束。展望未来，亟须树立新知识观以及与之相适应的教学观、学习观、教师观，以构建未来智能教育的大厦。