回归与重构：智能时代的新知识观

[摘   要] 近年来，关于新知识观的讨论日趋热烈。陈丽教授等提出的“回归论知识观”深刻揭示了网络时代知识的回归现象，具有重大的理论和实践意义，但也存在某些值得商榷的问题与局限。人工智能聊天机器人ChatGPT的诞生，对人类的知识和学习带来多方面的影响。为探讨智能时代知识观发生的变化，文章将回归论知识观与重构主义知识观进行了比较分析，指出回归与重构是智能时代知识变化的双向趋势。认为硬知识的重要性进一步下降，软知识的重要性进一步上升；事实性知识和程序性知识的重要性下降，原理性知识的重要性上升；与个人关系不大的知识重要性下降，与个人关系密切的知识重要性上升；外语类知识的重要性下降，本土语言知识的重要性上升；联通在学习中的意义下降，零存整取式学习的价值提升。未来人类将以与生成式AI组成“复合脑”的方式进行人机合作式学习。

[关键词] 新知识观； 回归论知识观； 重构主义； ChatGPT； 人机合作学习； 复合脑

[中图分类号] G434            [文献标志码] A

[作者简介] 王竹立（1963—），男，湖南衡阳人。教授，硕士，主要从事网络和智能时代学习理论研究和创新教育研究。E-mail：WZL63@163.com。

一、引   言

自笔者于2017年发表《面向智能时代的知识观与学习观新论》一文，被何克抗教授命名为以软、硬知识划分为特征的新知识观以来，围绕新知识观的文章和讨论开始增多[1-4]。北京师范大学陈丽教授及其团队于2019年正式提出了“回归论知识观”[5]。笔者认为，回归论知识观虽然对新知识的内涵和外延均有所拓展与丰富，但对知识的解读过于抽象宽泛，因而对教育教学实践指导意义有限[6]。陈丽教授等于2023年再发表多篇论文，对回归论知识观作了进一步阐释，强调联通是教育的新本质，教育是不断建立网络之间的连接并保证信息畅通流动的联通过程。回归论知识观认为，网络时代的知识不仅是表征出来的事实，还可以是通过“涌现”实现对认知客体的整体识别，知识已从精加工的符号化信息回归到人类的全部智慧[7-8]。这些新颖的观点给人以耳目一新之感。然而再三拜读之余，仍觉得有值得商榷之处，笔者认为，应与重构主义知识观互为补充，共同构建智能时代的新知识观。

二、 回归论知识观中若干值得商榷的问题

回归论知识观虽然站位较高、视野较开阔，但也存在某种模糊含混、实施不易等局限。导致这种现象的根源，笔者认为有以下三点：

（一）未对个体知识与社会知识进行区分

网络时代，由于信息与知识爆炸性增长，任何领域的知识都难以被全部存储在任何人类个体的大脑之中，而只能散在分布于不同的个体乃至非人类的机器内部。由此产生出个体知识与社会知识的分野。个体知识指存在于个体大脑内部的知识，它包括一些知識的具体内容，以及另一些知识的连接线索。个体知识既有可以用语言文字、图形符号表达的显性知识，也有难以用语言文字、图形符号表达的隐性知识。而社会知识则指那些在个体与个体之间、个体与机器之间“流动”的知识，即可用于交流、交换的知识。为了交流的便利，这些知识一般需要经过符号化处理，属于显现知识的范畴。但也有少量无需经过语言文字、图形符号表达，可以通过视频直接观察传递的隐性知识。即使是通过视频，其中也包含大量的需要借助语言文字传递的显性知识。既无文字也无声音的视频能够传递的信息是较少的，也是不容易确定的。视频图像的作用，主要是辅助语言文字传递更直观具体详实的信息，而非取而代之。

回归论知识观源自联通主义理论。联通主义在讨论知识时，没有对个体知识与社会知识进行区分，甚至不愿对知识进行明确定义。回归论知识观则索性将知识定义为“人类的全部智慧”，网络化知识则是信息的某种组织方式，是神经元以某种结构建立的网络，类似于传统教育理论中所说的能力，是在网络的群智汇聚中“涌现”出来的。网络化知识与传统知识是素养与素质的关系。因此，它不能单纯以符号化形式来呈现[7-9]，这些说法给人留下含混、模糊，乃至矛盾的印象。这种网络化知识到底是一种什么形态，它存在于个体的大脑之中，还是群体的网络之中。如果是一种能力，应该存在于个体的大脑之中；如果是群智汇聚的结果，又似乎应该与群体或网络有关。显然，人类的全部智慧不可能被任何一个个体所拥有，只能属于全部人类。正是由于对知识定义过于模糊与宽泛，导致该理论在指导个体学习和具体学习时显得无能为力。而个体学习是社会化学习的前提与基础，离开了个体的学习，社会化学习无由发生[6]。

（二）未区分学习的内部过程与外部过程

由于知识在网络（包括物理网络和虚拟网络）中的散在分布，学习也区分为内部过程（发生在个体大脑内）与外部过程（发生在个体大脑与其他个体大脑或外部节点之间）。联通主义主要是从社会层面和网络层面，也就是学习的外部过程来给学习提出建议。因此，它强调节点之间的联通，尽管这种联通也可能发生在个体大脑内部，但更多的还是侧重人与人、人与资源之间的交流互动。陈丽教授等认为，联通是教育的新本质，希望通过创设有利于个体与外界交流互动的情境（如cMOOC），来促进个体大脑内部知识节点之间的联通[8]。而对于如何促进学习的内部过程（即大脑内部的联通），则缺乏具体的、可操作的建议。即使由西蒙斯等首创，陈丽教授及其团队大力推崇和亲自实践的社区型在线课程（如cMOOC），似乎也很难在现实中普及与推广。笔者认为，单纯强调连通容易导致浅层学习，要进行深度学习，仍必须进行深度建构，而要进行深度建构，离不开个体的自主学习与探索。这种自主学习，有时固然需要群体的互动与协助，但更多时候还是独立的、乃至孤独的探索。

（三）将知识的回归现象片面化、绝对化

网络时代知识存在回归现象是客观事实，即人类的认识与经验不一定需要通过专家学者抽象概括和加工整理（即陈丽教授等所说的“提纯”），就可以通过网络进行传播与应用。有些知识甚至无需用语言文字图形等来表征（即符号化处理），仅仅通过视频图像的直接观察就可以交流与传播。知识的传播与存储方式从以前的一维（语言文字）和二维（图形图像），向三维（视频动画）和多维（虚拟现实、增强现实和混合现实等）转变。但也正因为如此，与知识的回归或还原相反方向的知识的概括与抽象（即“提纯”）不是变得不重要了，而是变得更重要更可贵了。因为知识只有经过符号化的“提纯”，才有利于进行逻辑分析与推理，才能进行深度思考；也只有经过“提纯”的知识，才是可迁移的知识、更有价值的知识。那种高度依赖情境的知识，在解决某个具体问题时固然非常有效，但难以迁移到另一种情境，因而不具有普遍意义。只有经过一定程度抽象概括的知识，才是具有指导性价值和普遍意义的知识。以我们正在讨论的新知识观为例，这种知识是经过高度概括与抽象的知识，其意义比某种具体的情境化知识（如如何做一碗红烧肉）要有价值得多。

笔者认为：知识与能力不宜混为一谈。知识是经过一定程度的“提纯”，可以分享、传播、交流的那一部分信息、认识与经验。即使是隐性知识，也有可能通过观察和“挖掘”而被显性化。而能力是无法分享、交流与传播的，只能靠个体在学习与实践的基础上自己去培养。知识是能力的基础，有助于加快能力的提升。

三、 重构主义知识观可弥补回归论

知识观的不足

（一）重构主义知识观的主要内容

重构主义是笔者在2011年提出的新建构主义理论基础上，经过重新梳理、命名和完善的网络时代学习与创新理论，是新建构主义的2.0版。它包括新知识观、新学习观、新教学观和包容性思维四大组成部分[10]。重构主义知识观主要包含三方面内容：

1. 将个体知识划分为三级结构

重构主义知识观将知识分为个体知识与社会知识两大知识形态，用榕树比喻个体知识，用河流比喻社会知识。知识在个体大脑内是以树状形态呈现的，而在社会网络中传播时则以知识流的形态呈现。个体知识树与社会知识流紧密相连、互相影响。知识树从知识流中摄取养分，同时也向知识流贡献自己的果实。个体知识分为一级结构（树根）、二级结构（树干）和三级结构（树冠），分别对应感性知识、理性知识和联想知识。感性知识根植于实践（土壤），是感官从实践中获取的初步认识；理性知识是借助语言文字等对感性知识进行抽象概括后上升的符号化知识；联想知识是在感性知识和理性知识基础上生成的个性化知识[11]。将联想纳入知识的三级结构中是重构主义理论的首创。联想是指由于某人或某种事物而想起其他相关的人或事物，由某一概念而引起其他相关的概念。我们在认识一个人和事物（名称、实体、性状等）时，不可能只停留在该事物本身，而会自然而然地产生相关联想，这是人类思维的特点。联想构成了我们对人和事物认知的不可分割的有机组成部分。对于同一事物产生的联想不同，代表我们对这个事物的认识不同。联想是个体知识中最活跃、最具个性的部分，也是与知识创新关系最密切的部分[12]。

在知识三级结构基础上，重构主义进一步提出教育教学是一种知识“嫁接”的思想。教育教学的本质就是把他人的知识（认识、经验、技能、情感、态度和价值观等）嫁接到学习者头脑中知識树上的过程。教育教学说到底是对人有目的的培养与改造，就像人类对植物的培育与改造一样。传统学校教育是一种自上而下的间接经验的学习，而从实践中获取直接经验的学习是一种自下而上的学习。只有将这两种学习有机结合起来，才是一种最有效的学习[11]。

2. 将社会知识划分为软、硬知识

重构主义理论从联通主义中汲取灵感，将社会知识划分为软知识与硬知识。社会知识就像一条河流，河流的上层是流速快、变化快的软知识，河流下层是流速慢、变化慢的硬知识[1]。硬知识是指那些经过专家学者符号化处理，已经结构化、系统化，被写进专著和教科书，被大众广泛接受的知识；软知识则是那些还没有被充分符号化、结构化、系统化的知识，是正在形成过程中的知识，是硬知识的前身[3]。在网络时代，这些尚未被充分符号化、结构化、系统化的软知识，也可以通过网络交流，借助视频、虚拟现实、增强现实和混合现实等先进技术进行传递，以“草根服务草根”的形式开展协作，解决某个具体情境中的具体问题。但也需要经过有心人在众多网友的帮助下，不断地进行“提纯”而最终上升为更有价值、更具普遍意义的知识。两者相辅相成、缺一不可。

为了实现从软知识到相对较硬的知识的提升，重构主义提出了自己的核心主张与策略，即零存整取、碎片重构。零存整取式学习策略包含积件式写作、个性化改写和创造性重构三个循序渐进又循环往复的环节。写作是个体知识的显性化和外部化过程，通过不断改写文章以实现知识的充分符号化、结构化、系统化目标。为了避免信息超载，重构主义又提出以个人为中心的选择原则，即以个人的兴趣爱好为中心、以个人工作学习生活的需要为中心，对信息与知识进行筛选。将以个人为中心的选择原则，与零存整取式学习相结合，构成重构主义所推崇的个人导向的系统学习[4]。由此可见，重构主义理论将个体知识与社会知识、学习的内部过程与外部过程、联通与建构有机整合起来。

3. 智能时代人机共同生产知识

针对人工智能日益发展的现状及对未来的评估，重构主义认为知识生产方式也将发生改变。从过去单纯由人类生产知识，向人机共同生产知识方向发展[13]。知识生产方式的变化，也将导致学习方式的变化。人类学习不仅包含个体学习、社会化学习，还将包括人机合作式学习。其中，个体学习仍将是社会化学习和人机合作式学习的前提和基础。

前文已经指出，在知识回归的大背景下，仍然需要对知识进行一定程度的“提纯”，需要对知识进行符号化处理，使之变成可被人类和机器识别、可迁移应用、具有一定普遍性意义的知识。换句话说，被回归论知识观还原为“人类全部智慧”的网络化知识，仍需向部分符号化、结构化、系统化的软知识和已充分实现符号化、结构化、系统化的硬知识方向转变。这一过程可视为知识“纯化”的过程，包含由情境化程度较高到去情境化；由多维呈现方式向二维、一维呈现方式转变；由数量庞大需占据大量网络和大脑空间的原初信息，向只占据较小空间、有利于推理、演绎、归纳的精加工信息转变。随着知识纯化程度的提高，知识的价值也随之提高。当这些经过纯化的知识变成硬知识，并被智能机器所掌握和使用之后，其价值又开始急剧下降，人类不再需要进行更多的学习，而应将时间和精力放在更多的知识提纯，即软知识的建构上。

必须指出的是，为了让智能机器人能够识别和学习人类的硬知识，需对这些知识进行另一种符号化改造，即数字化改造。这时的符号不仅仅指人类的自然语言、文字和图形，还包括程序、代码等。一些图形图像甚至无需变成语言文字，就可以直接实现代码化。将原初的信息进行代码化改造的过程，也是知识提纯的一部分，其中仍然需要人类语言文字符号的参与或帮助。未来的人们不仅需要掌握日常的语言文字，还需掌握与智能机器打交道的计算机程序语言。

综上所述，重构主义知识观明确划分了知识的两种不同形态，即个体知识形态和社会知识形态，用形象化的比喻，对两种知识形态的特征及关系进行了描述；用“嫁接”一词整合了多种学习理论的教与学主张，认为教与学仅仅依靠联通是远远不够的，还需要建构，有时还需要观察、模仿和复制等。信息时代知识变得越来越碎片化，更需要采用零存整取式的学习策略。建构主义所主张的“意义建构”适用于个体知识树的生长，主要描述了学习的内部机制；联通主义所强调的“联通”适合促进社会知识流的畅通，主要描述了学习的外部过程；重构主义所倡导的“零存整取、不断重构”则是知识碎片化时代学习的最佳联通与建构方式。

（二）回归论知识观与重构主义知识观可以互为补充

回归论知识观与重构主义知识观都属于网络与智能时代新知识观的范畴，都强调知识的网络属性，但又各有侧重。回归论知识观从知识本质属性认识的高度，审视网络时代知识发生的变化；重构主义知识观则从应对网络时代学习挑战的视角出发，发现与知识碎片化密切相关的知识软化现象。回归论知识观是一种自上而下的观察，具有宏观性、全局性。从某种意义上看，重构主义描述的知识软化现象，也可视为知识回归现象的一部分；重构主义知识观是一种自下而上的探索，具有直接性、实用性。例如，对网络时代知识碎片化的应对策略，具有实操性。两者互为补充，殊途而同归。回归论知识观与重构主义知识观的比较见表1。

由表1可知，回归论知识观长于抽象概括，重构主义知识观长于具体实操，两种可以互相取长补短，合二为一。

四、 智能时代新知识观的变化与展望

生成性人工智能聊天机器人ChatGPT（Chat Generative Pretrained Transformer）[14]的横空出世，标志着人类社会向智能时代又迈进了一大步。它向我们提出了一系列尖锐的问题：如果未来智能机器人不仅能替代我们的体力，还能替代我们的脑力，人类还能干什么，知识还有什么用处，学习还有必要吗，教育是否会消亡，智能时代的知识观、学习观是否需要重新构建。

对上述问题，笔者将从以下几个方面进行分析：

（一）AI能做什么，不能做什么

1. AI只是应用知识，还不能创新知识

无论是ChatGPT，还是以前的AI技术，都是在学习人类已知的大量知识、经验的基础上，结合具体的问题，找出最优的解决方案。对于人类未知的问题，AI并不能给出突破人类现有认知水平的答案[15]。迄今为止，AI尚未独立提出任何有价值的新观点、新概念、新理论、新模式。

2. AI不能进行独立的、多方式的思考，但可进行人类驱动的高效运算

ChatGPT是通过搜索已有的信息并根据算法来匹配出最佳的回答，而不是通过基于逻辑和因果关系推理来得出结论[16]。这一点与人类思维有很大的不同，人类的思考类型和方式比AI要更多、更复杂、更灵活。AI的思维可能在某种算法上做到极致，却还没有达到人类思维的灵活多样。

此外，AI不是一个有机生命体，没有主观意识，不能进行独立思考。它的所有活动都是由人类驱动的。一旦被驱动，它的思维效率可以远远高于人类。以ChatGPT为例，人类若不主动向它提问或发起对话，它不会有任何回答举动。但一旦被人类问到，它能在极短的时间内作出比较完整、准确的回答。

3. AI已具有初级的创新思维能力，但还不具有高级的创新思维能力

AI是否已具有創造力，也是一个颇有争议的问题，涉及对什么是创造力的理解。创造力的核心是创新思维。如果我们将创新创造定义为从无到有，AI目前还不能做到；如果将对事物的更新、改造、重构也归入创新创造的范围，AI在某种程度上则已经做到了。例如，笔者曾与AI（如6pen Art、盗梦师等）合作创作了大量的图画。其中，AI并不是简单执行人类的指令，而是有自己的“想象”和“创造”，与人类能互相启发[17-18]；笔者还曾让ChatGPT创作故事、诗歌，它也能较好地完成，不亚于人类的一般创作水平。笔者还用测试人类创新思维能力的数种方法，对ChatGPT进行了多次测试，发现其水平略高于人类大学生平均水平，但还未达到人类最高水平[19-24]。说明AI已经具有了一定的创造力，但AI的创造力是建立在基于大量训练数据的模型生成的基础上，而不是像人类那样具有独立思考和主观意识。AI的回答可能包含一些创新的元素，但都是基于之前的训练数据和语言模式的组合，而不是像人类一样，能从自己大脑的主观思想中“顿悟”出来。从某种意义上看，AI不能原创，只能在移植、借鉴、组合基础上仿造。这种仿造本身也是一种初级的创造力。如果没有人类的深度参与，单靠AI尚不能实现真正意义上的创新与突破。

（二）什么知识变得重要，什么知识变得不重要

1. 硬知识的重要性进一步下降，软知识的重要性进一步上升

权威著作和教科书中有大量的硬知识，这些知识以前大都依赖人脑去记忆和掌握，以便在有需要时可以随时调用，但以后越来越不需要了，因为只要向ChatGPT类的聊天机器人提出问题，它就能够快速给出答案，而且这个答案是在对现有知识的快速检索之后综合出来的，比大多数人类个体的答案要更加准确与全面。而软知识大都属于尚在建构中的新知识，AI还来不及掌握，软知识中还包含有人类的隐性知识与个体经验，AI也无从知晓。而这正是人类可以发挥最大作用之处。

导致硬知识重要性下降的另一个原因是知识更新迭代的速度进一步加快。这就好比河流的流速加快时，无论上层还是下层水的流速都会加快，不稳定性增加。未来硬知识会越来越少，而软知识会越来越多。

2. 事实性知识和程序性知识的重要性下降，原理性知识的重要性上升

事实性知识指“是什么”的知识，如历史、事件、人物、数据等；原理性知识指“为什么”的知识，如血液为什么能循环流动、智能机器人是如何工作的等；程序性知识指“怎么做”的知识，如程序、规范、方法、操作、公式、步骤等。这些知识都很容易被AI所掌握。其中，程序性知识一旦被AI所掌握并使用，人类就完全没有学习的必要了。事实性知识有些还是重要的，如一般性的社会科学与自然科学常识，是形成共识和主流价值观的基础，还是需要教给大众的。而除此之外更多的事实性知识，则可以在用到的时候才进行即时学习，或向AI请教。原理性知识人类仍须掌握，否则无法理解事物运动变化的规律，无法理解和评判AI的行为，也无法设计、改进AI的程序。

3. 与个人关系不大的知识的重要性下降，与个人关系大的知识的重要性上升

智能时代，那些大规模、标准化、专门化的工作都将逐渐被AI取代。人类只剩下新的、快速变化的工作领域和任务可以从事。此时，培养具有跨领域知识和创新创造能力的新型人才成为必需。在一个日益多元且快速变化的社会环境中，每个人面对的问题和需求是不同的，除了一些大家都需要的人文社会和自然科学常识之外，没必要提前学习那些跟自己关系不大的知识，因为那些知识可在有需要的时候随时随地学习。传统学校中的学科导向的系统学习将不再重要，代之以重构主义所主张的个人导向的系统学习。学习者将从繁重的各科课业学习中解放出来，把时间和精力用在自己感兴趣或有需要的事情上，建立个性化的知识体系；学习與受教育也不再局限在校内，终身学习、社会化学习将取代学校教育成为主流学习模式。

4. 外语类知识的重要性下降，本土语言知识的重要性上升

ChatGPT能识别具体的情境和上下文关系，能洞悉不同文化、地域的语言风格，作出更符合当下实际的语言生成。未来这一技术将可以用在移动终端上，还可以直接从事图文和语音翻译。对于大多数非外语专业的人们来说，学习外国语言已非必须；而对于外语专业人士来说，要求则会更高，否则就会被AI取代。但语言文字是人们进行表达、交流、思考的必备技能和工具，对本土语言文字的学习和掌握仍然必须，且在AI替代了很多人类思维的情况下变得更加重要。人类要想进行深度思考，离不开语言和文字。

（三）联通在学习中的意义下降，零存整取式学习的价值提升

联通主义理论主张学习是建立知识网络的过程，联通比建构更重要。知道谁、知道在哪里，比知道什么、知道怎样更重要。陈丽教授等把联通上升为教育的新本质。如今AI能迅速收集网络中各个节点上的相关信息和知识，还能帮助人类快速整合相关信息与知识，从而大大增强个体联通相关知识节点的能力与效率。尽管联通和整理网络上的知识和信息还不能等同于联通主义所主张的联通，例如，人和人之间直接的联系仍无法替代，网络中各种信息、思想、观念的交流碰撞仍必不可少，但已经能帮助我们大大减轻联通所需的时间和工作量。同时，我们必须清醒地意识到，用AI写出的文章，不代表个体真正拥有的知识；从AI获得的答案，不意味着我们真正懂得为什么。正如我们用AI画出的画，不代表我们真正拥有的绘画水平一样。要想让知识和能力成为自己真正拥有，仍然必须亲自动笔动脑和动手实践。个人从实践中获得的认识和经验，也必须经过符号化的加工整理才能更好地交流与传播。零存整取式学习的最大意义，不是让我们记住和理解已有的知识，而是培养我们整合已有知识碎片，进行创新创造的能力。在意义建构和创新创造方面，AI可以充当我们的助手乃至平等的伙伴，但最核心、最关键的部分仍然需要我们自己来完成。而且，对未知事物的认知从来不是一蹴而就的，要经过不断地更新迭代才能逐渐走向全面与深刻。例如，笔者对ChatGPT的认知过程，就是通过一次又一次的反复测试与学习，采取零存整取、碎片重构的方式逐步深化的。从这个意义上看，重构主义所主张的零存整取式学习，是最适合智能时代探索新知的学习方式。

目前已知，AI有可能制造出更多虚假的信息与知识，如ChatGPT可能会出现创造不存在的知识，或者主观猜测提问者的意图等问题[14]，或出现明显的张冠李戴式的错误[20]，会制订与现实情况完全脱节的旅行计划[25]，还可能存在意识形态偏见[26]。这些现象提示我们，单纯的联通越来越不足够，对AI提供的信息与答案，还需要由人类自己来甄别与取舍。因此，更需要人类掌握批判性思维和包容性思维能力，建构真正属于自己的知识体系。如果人类完全放弃自己的学习与思考，把所有问题的答案都交由AI来提供，人类的思维能力将极大地退化，将会被AI制造出来的虚假信息所误导，后果不堪设想。

（四）回归与重构是智能时代知识的双向变化趋势

对ChatGPT引发的全网讨论的观察，可以发现当今知识运动变化的一般规律。关于ChatGPT的知识是一类典型的新知识和软知识。在还没有被专家学者加工整理成硬知识之前，就以“草根服务草根”的方式，被大众传播与应用。一项调查显示，截至2023年1月，美国已有高达89%的大学生使用ChatGPT完成作业[14]。对比互联网还不太发达时期，那时一种新技术的出现，需要由专家先写成各种纸质教程才能逐渐普及，说明现在知识回归现象已经非常显著。与此同时，ChatGPT也迅速引起业界、学界的关注。众多专业人士和高校学者也开始对ChatGPT及其所带来的影响进行探讨，出现了经过不同程度“提纯”的文章，碎片重构趋势明显且进展迅速。回归与重构双向运动是智能时代知识运动变化的普遍现象，回归论知识观和重构主义知识观的出现恰好反映了这一趋势。

（五）人机合作与协同将成为未来主流的学习方式

由于AI具有强大而高效的运算能力，人类会越来越多地利用它帮助自己思考，以弥补人类思维能力的局限和不足，同时AI也需要人类来驱动它、训练它、引导它，才能发挥自己的能力。人机合作与协同成为必需。

智能时代学习生态将发生巨大的变化。人类将不再仅仅依靠自己的大脑进行学习与思考，还将与ChatGPT类生成式AI紧密合作，以“复合脑”的方式进行学习与思考。“复合脑”的概念最初由沈书生、祝智庭教授提出[27]，笔者作了进一步阐释，如图1所示。

图1   智能时代的学习生态

笔者认为，智能时代人类不仅从实践中获取第一手信息与知识，还从互联网中间接获取他人的知识和经验，并与智能机器共同处理这些知识和经验。未来的智能机器也不仅限于ChatGPT类生成式AI，还可能出现更先进的AI，它不仅能从网络数据中获取人类已知的信息和知识，还可以直接参与部分实践活动，直接从现实中获取第一手的信息（如自动驾驶汽车利用各种传感器直接获取路面信息），并产生出新的知识。在人类大脑与智能机器共同构成的“复合脑”中，人类大脑处于启动和主导的优势地位，相当于复合脑中的“优势半球”。但人类大脑这个“优势半球”扮演的是类似人类右脑的角色，而智能机器扮演的是左脑的角色，即人类大脑更多的是发挥灵感、顿悟、想象等软性思维作用，而智能机器则主要发挥分析、计算、综合等硬性思维功能。未来新产生的知识主要是人机知识，未来的学习主要是人机合作乃至人机一体化学习。

运用复合脑开展人机合作学习的基本模式是：人类先设定主题，或提出问题，并给出初步的构想或设定；AI根据人类的意图搜索匹配出答案、建议，或提出方案、完成作品；人类对AI的答案、建议、方案、作品进行甄别、评判、筛选、重組、修改、细化，直到满足需要为止。这一过程也许不是一次完成的，需要经过反复多次的尝试与探索。在这一过程中，人类始终处于启动和主导地位，AI则扮演执行和反馈的角色。人类是一个领导者，AI则类似在人类领导下的强大的合作团队。AI不仅仅作为人类的工具和手段，还可作为人类重要的合作伙伴。

[参考文献]

[1] 王竹立.面向智能时代的知识观与学习观新论[J].远程教育杂志，2017（3）：3-10.

[2] 何克抗.也论“新知识观”——到底是否存在“软知识”与“硬知识”[J].中国教育科学，2018（2）：36-44，137.

[3] 王竹立.再论面向智能时代的新知识观——与何克抗教授商榷[J].远程教育杂志，2019（2）：45-54.

[4] 王竹立.新知识观：重塑面向智能时代的教与学[J].华东师范大学学报（教育科学版），2019（5）：38-55.

[5] 陈丽，逯行，郑勤华.“互联网+教育”的知识观：知识回归与知识进化[J].中国远程教育，2019（7）：10-18.

[6] 王竹立.新知识观：从硬知识、软知识到网络化知识——与陈丽教授等商榷[J].电化教育研究，2022（7）：5-11，26.

[7] 陈丽，何歆怡，郑勤华，等. 重构认识论基础：成人终身学习的新知识观[J].现代远程教育研究，2023，35（1）：3-9，19.

[8] 陈丽，何歆怡，郑勤华，等. 论终身学习的新哲学基础[J]. 现代远程教育研究， 2023，35（2）：3-10.

[9] 王怀波，陈丽.网络化知识的内涵解析与表征模型构建[J].中国远程教育，2020（5）：10-17，76.

[10] 王竹立，卢瑶. 网络时代学习理论构建十年回顾、反思与展望——从新建构主义到重构主义[J].电化教育研究，2022（12）：61-69.

[11] 王竹立.知识嫁接学说：一种更具包容性的教学理论[J]. 现代远程教育研究，2013（1）：33-39.

[12] 王竹立.论联想与创新的关系[J].数字教育，2016（6）：1-9.

[13] 王竹立.论智能时代的人—机合作式学习[J].电化教育研究，2019（9）：18-25.

[14] 百度百科.ChatGPT[EB/OL].[2023-02-08]. https：//baike.baidu.com/item/ChatGPT/62446358？fr=aladdin.

[15] 王竹立.看我如何“刁难”ChatGPT[EB/OL]. [2023-02-11]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NTkzNA==&mid=2247489164&idx=1&sn=600f9a79849fec7404e3dbbbb90c2c68&chksm=ce9bf8fdf9ec71eba42e8a8a234550cc7cbc255200c75a3fc143 8155cbbe8f6ca98191b7bfe3&token=1216266521&lang=zh_CN#rd.

[16] 王竹立.ChatGPT没有“思”只有“算”[EB/OL]. [2023-04-08]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NTkzNA==&mid=2247489471 &idx=1&sn=04e926cb7db866c5a6f18b76e0dfc9f8&chksm=ce9bf9cef9ec70d8beaab5dc82cb219ec76d53fbeb986d0e86b9d581210afa 2fafdaa43d2fa1&token=489280261&lang=zh_CN#rd.

[17] 王竹立.人+AI藝术创作规律初探[EB/OL].[2023-02-11]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NTkzNA==&mid=2247488 996&idx=1&sn=950e131cdbf4238acb8ab52c9444d3af&chksm=ce9bfb95f9ec7283f8a7874ab52d5c0100514e8c39ce3731f53e810c90 0752a3120023545901&token=1216266521&lang=zh_CN#rd.

[18] 王竹立.AI作画不是画，而是组装[EB/OL].[2023-02-11]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NTkzNA==&mid=22474880 87&idx=1&sn=f11780856f849930181fb1c30c2841a5&chksm=ce9bfc26f9ec7530a372a5aedc06ef346692f9cdc23d3ff64f856f9cce7c07 ecedddb4d60e55&token=1216266521&lang=zh_CN#rd.

[19] 王竹立.对ChatGPT是否有创造力的测试[EB/OL].[2023-02-11]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NTkzNA ==&mid=2247489248&idx=1&sn=6acc673df7f129e5ca3788f153fae8b5&chksm=ce9bf891f9ec7187459cd86bc95d06109a202858c839b7b7d67 0293e0777835bd0d7ef553852&token=1768664084&lang=zh_CN#rd.

[20] 王竹立.三测ChatGPT：如同与一位“智者”对话[EB/OL].[2023-03-05]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NTkzNA==& mid=2247489289&idx=1&sn=1a93f1d663a0f56425fa38ab133a54db&chksm=ce9bf978f9ec706e0de74f936dfb212b6129167bec5240d 18a456d8d443b876bc2bc74927d44&token=880406002&lang=zh_CN#rd.

[21] 王竹立.ChatGPT的创新思维测试不亚于大学生[EB/OL].[2023-03-09].https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5 NTkzNA==&m id=2247489348&idx=1&sn=4357ea2656456939ea4580cb9ede8580&chksm=ce9bf935f9ec7023d22ea062e027bded34b5652fa5e 75e9 337535ab9b65d93c431787b46e69e&token=894563190&lang=zh_CN#rd.

[22] 王竹立.ChatGPT的创造力略高于人类个体的平均水平[EB/OL].[2023-03-09]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NT kzNA==&mid=2247489358&idx=1&sn=ddb12f2cc322d2ec86eabfda592f5ebf&chksm=ce9bf93ff9ec70292ec40bbbd9735e28ecc2085e 1c3fe7e933ddd2ff93480d6a252940d3a7aa&token=894563190&lang=zh_CN#rd.

[23] 王竹立.ChatGPT能很好地完成创新思维游戏[EB/OL]. [2023-03-10]. https：//mp.weixin.qq.com/s？__biz=Mzg2O TU5NTkzNA==& mid=2247489359&idx=1&sn=226f88257f9d2fac7fdb05663ed51837&chksm=ce9bf93ef9ec7028a43cf1fce5bdb4f15beaa404cf96702f5 d89a6cc4f303fe8858549b5c97c&token=894563190&lang=zh_CN#rd.

[24] 王竹立.ChatGPT能很好地完成创新思维游戏（二）[EB/OL].[2023-03-11]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5NT kzNA==&mid=2247489363&idx=1&sn=a21b271a41cfe86723bc677c7b514a3d&chksm=ce9bf922f9ec70345a16c016c7ebdcf2b21ff00 6b9207b790b2e4ab69094e504c5909079008f&token=894563190&lang=zh_CN#rd.

[25] 王竹立.ChatGPT（聊哥）做的攻略还不靠谱[EB/OL].[2023-03-09]. https：//mp.weixin.qq.com/s？__biz=Mzg2OTU5N TkzNA==&mid=2247489339&idx=1&sn=9085835d0ea18921a04a27003684eda5&chksm=ce9bf94af9ec705c179588061d434c8012c3e9048f0a0a9a26 ef4b7e951db5def2c2dc5adbfc&token=894563190&lang=zh_CN#rd.

[26] 定风波里.ChatGPT非常危险，中国该禁了ChatGPT，否则全民将被洗脑？[EB/OL].[2023-02-11]. https：//www.toutiao.com/article/7198181645130711613/？app=news_article×tamp=1675995331&use_new_style=1&req_id=20230210101530C915556FDD75B A502BBD&group_id=7198181645130711613&wxshare_count=3&tt_from=weixin&utm_source=weixin&utm_medium=toutiao _androi d&utm_campaign=client_share&share_token=851f85ad-80e0-435b-9d47-74182aafa0d6&source=m_redirect&wid=1676123783531.

[27] 沈書生，祝智庭. ChatGPT类产品：内在机制及其对学习评价的影响[J]. 中国远程教育，2023，43（4）：8-15.

Returning and Reconstructing： A New View of Knowledge in the Intelligent Age

—A Discussion with Professor Chen Li and Others

WANG Zhuli

（College of Educational Sciences， Shanxi Normal University， Taiyuan Shanxi 030031）

[Abstract] In recent years， the discussion about the new view of knowledge has become increasingly heated. The return theory of knowledge proposed by Professor Chen Li and others has profoundly revealed the phenomenon of knowledge regression in the network era， which has great theoretical and practical significance， but there are also some problems and limitations that are worth discussing. The birth of ChatGPT， an artificial intelligence chatbot， has brought about various impacts on human knowledge and learning. To explore the changes occurring in the view of knowledge in the intelligent era， this paper compares and analyzes the return theory of knowledge and the reconstructionist view of knowledge， pointing out that regression and reconstruction are two-way trends of knowledge changes in the intelligent era. It is believed that the importance of hard knowledge will further decline， while the importance of soft knowledge will further rise; the importance of factual and procedural knowledge will decline， and the importance of principled knowledge will rise; the importance of knowledge unrelated to personal relationships will decline， and the importance of knowledge related to personal relationships will rise; the importance of foreign language knowledge will decline， and the importance of native language knowledge will rise; the significance of connectivity in learning will decline， and the value of accumulating knowledge bit by bit will increase. In the future， humans will conduct human-machine cooperative learning by forming a "composite brain" with generative AI.

[Keywords] New View of Knowledge; Return Theory of Knowledge; Reconstructionism; ChatGPT; Human-machine Cooperative Learning; Composite Brain