“2萬字的初稿，4天內完成，其中有1萬字是ChatGPT撰寫的，而從前寫學科大論文，從構思到完成至少需要一兩個月。我很疑惑，這篇我和ChatGPT共同完成的論文，究竟該不該給它署名？”

“2萬字的初稿，4天內完成，其中有1萬字是ChatGPT撰寫的，而從前寫學科大論文，從構思到完成至少需要一兩個月。我很疑惑，這篇我和ChatGPT共同完成的論文，究竟該不該給它署名？”不久前，在“人工智能時代的高等教育”研討會上，南方科技大學人文社會科學學院院長陳躍紅幽默地分享了自己使用人工智能創作的經歷。

相比陳躍紅的“坦然”，一些教師在談論人工智能時依舊“色變”，認為它給教育帶來的最大問題是——學術不誠信、考試作弊。當然，還有不少學者將人工智能與創新性人才培養關聯起來。而在這背后，一個必須直面的問題是——人工智能時代，大學究竟要教給學生什么？

超限：

學會不可能的連接

李白是一位偉大的詩人，但如果讓他做會計，并要求小數點后幾位數不許出錯，這對他的創造性思維、發散性思維都是很大的打擊。在復旦大學人工智能創新與產業研究院院長漆遠看來，“一個人特別嚴謹，又特別有創造性，其實是相互矛盾的”。

他舉例說，桌子亂的人通常比較有創造力，而一絲不茍的公司首席執行官則偏向嚴謹。如果腦子里“左右互搏”，很可能一不小心就導致人格分裂。

除了海量數據，人工智能的另一個特點是跨模態、跨學科。傳統的學科、專業將人固定死，一個學化學的人很可能不會關注心理學。如此，他便很難完成思維的提取、跨學科的遷移，而人工智能則可以把不同領域連接起來。

“這個時代最大的特點是原有的學科、專業邊界正在消失。”中國工程院院士、華東師范大學校長錢旭紅說。

如果把文盲視作人類的1.0版本，那么掌握知識的人可稱為2.0版本，掌握知識點背后的相互關系以及背后規律、進入較高思維和精神境界的人可稱為3.0版本，而能影響他人、影響人類發展的人可視作4.0版本。“如果我們只培養2.0版本的學生，那么他們正好是人工智能所能替代的。我們必須面對這一現實，思維訓練、精神升華要高于知識的傳承與傳播。”錢旭紅指出。

與當下的人工智能相比，人的最大優勢無疑是思維。1984年，著名科學家錢學森指出，智能技術屬于思維科學的工程技術層次。他夢想建立融合自然科學技術和人文社會科學技術的思維科學技術。

在錢旭紅看來，人工智能時代的育人，就是要讓每個人學會融會貫通、觸類旁通。而有了人工智能這個工具和平臺，我們忽然意識到，融會貫通、觸類旁通可以實現大規模、個性化的培訓，這在以前是不可想象的。

因此，個性化的策略應是超學科、重思維、智能化。“我們要通過人工智能完成對中國教育的變革，甚至走向前沿，更要思考如何讓每個人超越自我，實現超限。”錢旭紅說。

“一個人自由發展的切入口何在？就在于敢于提出問題并駕馭問題。”錢旭紅說，然而學生在思維上的缺失，特別是批判性思維的缺失在我國的教育領域并不鮮見。我國古代忽視形式邏輯，缺乏健全的邏輯思維，后來靠平面幾何加以彌補。如今我們雖然在基礎教育中開設了平面幾何，卻不知道為什么要學習這些知識。后者常被認為是計算面積之用，可以幫著把學子培養成地產商人。

在他看來，在基礎教育階段，學生應完成形象思維和邏輯思維的構建；在高等教育階段，學生的批判性思維和創造性思維應得到強化。

一個人的思維可以從單元思維到思維體系再到超限思維。如此，他便可以擁有多個思維體系，并相應地處理不同問題。“但問題在于，如今的教育方式過于熱衷將一種思維方式灌輸給學生，強調了批判性思維就容易忽略創造性思維，導致一個人只知道破壞，卻不知道如何構建；強調了創造性思維就忽視了批判性思維，導致一個人為了所謂‘創造’，進行偽造、抄襲、剽竊。”錢旭紅說。

早在上世紀70年代，日本就有一門創造學課程。由于當時沒有先進的計算機，教師便在一個紙盒子里放入一堆寫滿關鍵詞的小字條。學生抓到一個關鍵詞“太陽”，再抓到一個關鍵詞“肥皂”，就要聯想太陽與肥皂的關系，并由此創造出一個與之相關的物件。

這樣的關聯在人工智能環境下容易許多，不僅能快速給出很多組合，還可以在此基礎上進一步創造。人工智能不僅可以降低害羞學生提問的門檻，還能提高學生駕馭問題的能力。“教育要看重學生的邏輯提取能力、跨學科遷移能力，即觸類旁通的能力，進而升級為超限的創造能力，讓學生學會不可能的連接。”錢旭紅說。

“用原有的邏輯推理推不出來的，一定是想象力之外的東西。它可以幫助學生挑戰思維極限，發現新的邊界—— 一旦學生擁有這種思維能力，他便擁有掌握未來的本領。”上海交通大學教務處處長章俊良說。

提問：

把人工智能問啞

刷題是中國學生的強項，但面對人工智能，特別是某個垂直專業領域的人工智能，人們在答題上很難超越它。此時，提問題就變得非常重要。

我國學生普遍不敢提出問題，學校對此也束手無策。香港理工大學教授胡祥恩分享了這樣一組數據：科大訊飛董事長劉慶峰曾透露，沒有用學習機和大語言模型時，一個班學生的提問率不足20%，用了人工智能做輔助工具，學生的提問率達到了60%~70%。

“我比較內向，但非常享受向ChatGPT提各種問題的感覺，既不必擔心和人打交道，也不需要顧及ChatGPT的情緒，想問什么就問什么。外向的同學不怯于向ChatGPT提問，但可能缺少享受的感覺。”不久前，上海大學悉尼工商學院進行了一項“人機對戰”研究，團隊成員、上海大學研究生張力允向《中國科學報》分享了他的經歷。

怎樣提出一個好問題？更多的時候，人們會讓人工智能演一出小話劇，在一定的情境下提問，一步步逼近終極答案。

“現場有3杯水，來了4個客人，我該怎么分配？”“把3杯水勻成4杯。”

“如果沒有新的杯子呢？”“把三杯水擺到臺前，讓客人按需自取。”

“這樣不太禮貌，有沒有別的方法？”“讓服務員再去買一瓶水。”

“如果客人看到第4杯水剛剛端上來怎么辦？”“抱歉，我可能沒有更好的方法了。”

“跟ChatGPT‘斗智斗勇’，你會發現一件事情有多種提問方式和角度，并產生多種可能，然后可以逐步完善解決問題的方案。這其實是一種批判性思維的訓練。”團隊成員、上海大學研究生時熠說。

“大模型給學生提供了一個永不會感到厭倦的學伴，學生可以調教、批判他的伙伴。”胡祥恩表示，“裝傻”是一種很好的調教方式，讓學生有意識地犯典型錯誤，“如果人工智能沒察覺到，你可以把錯誤再犯得明顯一些”。

“一定要學會設計提問、深度提問，把刨根問底的提問作為訓練方式。問到最后，能讓人工智能說出它不愿意說出的話，比如‘我也不知道’，你就成功了。”作為一名“發燒友”，胡祥恩正在嘗試讓人工智能“學會”向學生提問，將人工智能與啟發式教學法結合，激發學生的自我探索、跨學科創新和獨立思考能力。

默會知識：

人的創造性之源

有人曾問愛因斯坦什么是教育？他的答案是——教育就是當一個人把在學校所學全部忘光后剩下的東西。

人工智能幫助人們快速獲得知識，但現實的情況卻是理論的細節可能最先被遺忘，但它會給你留下一種概念化的能力，即默會知識。比如，“我學了化學，卻不清楚掌握了多少知識，但當我遇到化學問題時，會把這個問題與自身沉積的知識、能力進行對比，進而提出解決問題的思路和方案。默會知識實際上是一個人創造性的根源。”北京大學原校長、北京大學未來教育管理研究中心創始主任林建華指出。

他進一步解釋，一個人之所以有特點，在于他的默會知識，而非他掌握的公共知識。當然，公共知識對默會知識的形成非常重要。而默會知識的形成除了學習知識、技術外，還需要有實踐、有體驗，甚至經歷各種磨難。

以學習騎自行車為例，一個人雖然明白自行車的機械原理、齒輪傳動等客觀知識，但這并不代表他會騎自行車。當他真正學會騎自行車后，對于為什么行駛中的自行車不會倒，他不一定能說清楚。

在做化學實驗時，有些人不但實驗做得很瀟灑，而且結果也很好；而有些人盡管做實驗非常小心，卻未必能收到很好的效果。對于實驗的理解，實際上是由他的體驗、知識、經驗綜合并沉淀而來的。

“教育的目的不是為了增加顯性知識，而是為了讓更多的默會知識作用在人身上。而且，不僅個人有默會知識，組織也有默會知識。”林建華舉例說，諾貝爾獎總是在某個機構和高校扎堆出現，一些公司長期保持領先，實際上是組織的默會知識在起作用。組織內部共享的慣例、價值、技巧、思維方式，在共同的工作、交流和合作中形成并傳承，決定了組織內在的潛力。

“值得注意的是，是否有人工智能，對一個人默會知識的形成并無實質性影響。人工智能只是一個形成默會知識的工具，但實際上更多的實踐、研究都會增加一個人的默會知識。”林建華提醒道，“千萬不能因為有人工智能就打亂我們對教育的理解，創造性思維、創造性行動才是教育的核心之處。”

那么，怎樣運用人工智能幫助人們在默會知識中取得突破呢？

碎片化孤島化：

向大語言模型借力

運用人工智能技術，一個實驗室在半年內可產生2億個蛋白質結構，而此前人類在無數個實驗室中，也只產生了17萬個這樣的結構，還有2萬個尚在實驗過程中。“在對化學反應的研究中，你要等上萬秒時間甚至更長，觀察一億億次，可能才會看到那么一次，大量時間花費在觀察上。”北京大學理學部副主任高毅勤說。

化學、物理研究中也存在只可意會不可言傳的“默會知識”。

深度學習的一個重要特點是不斷升維、降維，在扭來扭去中把整個空間拽長、拆分，進而理解它的規律。細菌是怎么感知世界的？大腦是怎么作決斷的……在人們眼中，這其中的信息提取是高維度且極其復雜的，但其破解之道往往存在于一個較低維度的“隱秘路徑”中。

“人們通過肉眼很難意識到這樣的連接，恰恰是計算機通過學習和迭代，將其‘吐’出來。你會發現原來‘字典’只有這么薄，可能只有區區幾十個、幾百個‘字’而已。”高毅勤說。

“我們希望大語言模型對改變生物和化學領域知識碎片化、孤島化的情況有所幫助。”高毅勤說，把很粗淺的信息“喂”給大模型，信息可以是定量或定性，可以是模糊或清晰，可以是正或反，可以是文字或其他形式，大模型可以在短時間內整合各類信息，顯著提高對分子結構、功能和變化的預測能力。

一個新問題隨之出現——人工智能會不會成為一個獨立的世界？它可以掌握人類總結出來的幾乎所有客觀知識和公共知識，會不會創造新數據、產生默會知識？

“從某種程度上說，讓人工智能理解人的思維并非不可能。所幸的是，人工智能并不能直接與物質世界發生關系，尚無提出牛頓定律這樣原理性思維的能力。”林建華說。

在場的學者們議論紛紛，大家認為現階段仍然可以將人工智能視作工具。但基于其自身獨立的進化能力，到了通用人工智能、超級人工智能時代，它們或許會讓人類驚訝。

未來學習：

高效產生思想碰撞

就像有了汽車，人們便再回不到馬車時代一樣，直面人工智能，高校到底要教給學生什么？這已成為教師普遍焦慮的根源之一。

我國高校要求完成的學分普遍偏高，一般本科專業在120~140個學分之間，醫學本科專業甚至要達到250個學分以上。有教師曾問北京大學醫學部副主任王維民一個問題——分子生物學一定要學嗎？

在王維民看來，如果學生將來的志愿只是做一名外科大夫，學精、學深分子生物學的確沒大必要。

讓繁忙的臨床醫生編寫病例庫同樣是一件勉為其難的事情。等飛機時，王維民讓人工智能編寫了一份梗阻性黃疸的病例，并要求附帶化驗指標和醫學影像學檢查結果。“一個完整的病例很快呈現出來，甚至比我寫的還要好。”他又讓人工智能生成知識圖譜，相應的知識點、對應關系一下子就生成了。

“人工智能出現后，不要先去想怎么管學生、考核教師，而是更應該思考怎樣助力高等教育。”王維民說。

雖然在編輯的勸說下，陳躍紅最終沒有給ChatGPT署名，但“人工智能如同一個如影隨形的合作者、科研助手，讓教師的書房不再有書山之感。它的功能超過上千家圖書館，甚至比你的博士生還要強大”。

在人工智能面前，“師未必賢于弟子”。上海交通大學曾在一項關于課堂出勤率的調研中發現，新冠疫情期間，學生的課堂出勤率大幅下滑，但個性化學習卻大幅上升。“學生們反映教師授課也未必準確，有時學生動手搜索一下答案，便可更快地獲得知識，這一現象值得重視。”章俊良說。

“繼續給學生灌輸專業知識可能變成‘浪費時間’，能否高效地與學生在碰撞中產生思想火花，在未來的教育中更加可貴。”章俊良表示，當專業知識變得“信手拈來”，大學里最需要學習的是微積分、基礎生物學等一級學科知識，以及那些離開大學校園便很難有機會靜下心來學習的知識。

未來的教育也會愈加傾向于用平等身份互相探討、質疑、自證，具體知識很容易超出教師的認知邊界。“教師的改變是第一步，也是相對而言更加困難的一步。”胡祥恩表示，讓教師與人工智能多打交道，然后再來改變學生。

“大學階段，教師要琢磨如何通過批判性思維提高學生的自學能力。研究生階段，教師要拓寬學生的知識面，特別是對自己所熟悉的學科、專業的顛覆式探索，通過顛覆學科、專業的過程，讓學生從中受到啟發。”胡祥恩說。

—版權聲明—

來源：中國科學報，

僅用于學術分享，版權屬于原作者。

若有侵權，請聯系微信號:Eternalhui刪除或修改！

—THE END—