摘要：ChatGPT的成功引發(fā)了教育界對(duì)生成式人工智能廣泛而又熱烈的討論。在此背景下，以深度學(xué)習(xí)為線索對(duì)生成式人工智能何以構(gòu)成教育奇點(diǎn)予以追問(wèn)，意在從前提上把握生成式人工智能之于教育的突破和局限。從深度學(xué)習(xí)的突破來(lái)看，生成式人工智能之于教育的深層價(jià)值在于擘畫(huà)了指向算法決策的新方向、指向大模型的新范式、指向智能機(jī)器的新賽道；從深度學(xué)習(xí)的局限來(lái)看，教育極有可能因?yàn)樯墒饺斯ぶ悄芏媾R不可知、不可用和不可信的風(fēng)險(xiǎn)。這對(duì)熱衷求證生成式人工智能何以構(gòu)成奇點(diǎn)的教育而言，仍不足以構(gòu)成可謂確切的答案；但對(duì)試圖訴諸更有深度的概念、問(wèn)題、目的以創(chuàng)造奇點(diǎn)的教育而言，卻不失為有益的啟示。歸根究底，與作為時(shí)下人工智能重要方向之一的深度學(xué)習(xí)相比，對(duì)人工智能跨領(lǐng)域、長(zhǎng)時(shí)間、多層次、辯證性的深度理解更有可能引申出教育奇點(diǎn)。

關(guān)鍵詞：生成式人工智能；奇點(diǎn)；深度學(xué)習(xí)；深度理解；算法

中圖分類(lèi)號(hào)：G434 文獻(xiàn)標(biāo)識(shí)碼：A

* 本文系教育部人文社會(huì)科學(xué)青年基金“雙減背景下教師適應(yīng)性測(cè)評(píng)與優(yōu)化機(jī)制研究”（課題編號(hào)：22XJC880006）、廣州市教育科學(xué)規(guī)劃重大課題“廣州市義務(wù)教育發(fā)展監(jiān)測(cè)方法與模型構(gòu)建研究”（課題編號(hào)：2021zd001）研究成果。

一、為何追問(wèn)生成式人工智能是否會(huì)帶來(lái)教育奇點(diǎn)

ChatGPT展示了生成式人工智能之于人類(lèi)社會(huì)的技術(shù)效用，也讓生成式人工智能一躍成為了教育數(shù)字化轉(zhuǎn)型中最受人關(guān)注且更能代表人類(lèi)未來(lái)想象的技術(shù)路徑，更令不少人開(kāi)始期待通用人工智能的到來(lái)。與此同時(shí)，從圍繞生成式人工智能的教育研究來(lái)看，它們中的不少觀點(diǎn)或始于、或支持了庫(kù)茲韋爾在《奇點(diǎn)臨近》一書(shū)中的論斷，“什么是奇點(diǎn)？奇點(diǎn)是未來(lái)的一個(gè)時(shí)期：技術(shù)變革的節(jié)奏如此迅速，其所帶來(lái)的影響如此深遠(yuǎn)，人類(lèi)的生活將不可避免地發(fā)生改變”[1]。加之考慮到，當(dāng)下奇點(diǎn)一般表述為由超越現(xiàn)今人類(lèi)并且可以自我進(jìn)化的機(jī)器智能或者其它形式的超級(jí)智能的出現(xiàn)所引發(fā)[2]。由此可見(jiàn)，人工智能已經(jīng)構(gòu)成了最能代表奇點(diǎn)的概念與符號(hào)，而生成式人工智能作為時(shí)下最受關(guān)注的人工智能方向，更可謂集奇點(diǎn)的想象于一身。反言之，如果人們不是假設(shè)生成式人工智能有可能讓人類(lèi)生活發(fā)生不可避免的重要改變，那么由ChatGPT引發(fā)的熱議又是為了什么？

如此一來(lái)，追問(wèn)生成式人工智能是否會(huì)帶來(lái)教育奇點(diǎn)也就構(gòu)成了一個(gè)意味深長(zhǎng)的學(xué)術(shù)話題。要知道，即便奇點(diǎn)出現(xiàn)的概率很微小，但它卻可能對(duì)教育造成顛覆性的影響。所以，前瞻性地思考生成式人工智能何以構(gòu)成教育奇點(diǎn)就顯得頗為重要。其中道理如庫(kù)茲韋爾所言，“理解奇點(diǎn)，將有利于我們改變視角，去重新審視過(guò)去發(fā)生的事情的重要意義，以及未來(lái)發(fā)展的走向”[3]。具體到教育，生成式人工智能的本質(zhì)是什么？與其他人工智能相比，它的突破在哪？它為什么能取得突破？它的突破是否等價(jià)于教育的進(jìn)步？它的突破究竟會(huì)讓教育產(chǎn)生怎樣的變化，而哪些變化又是前所未有的？面對(duì)種種猶未可知之處，教育中人應(yīng)如何予以認(rèn)知、應(yīng)用和授信？當(dāng)人們開(kāi)始思考這些問(wèn)題時(shí)，奇點(diǎn)的探討不僅能在教育中獲得一席之地，生成式人工智能的本質(zhì)也將在教育中得到解蔽，生成式人工智能何以構(gòu)成教育奇點(diǎn)更將因此得到新的探索和澄清。

現(xiàn)如今，奇點(diǎn)已經(jīng)因?yàn)閹?kù)茲韋爾的《奇點(diǎn)臨近》而成為了一個(gè)頗為新奇且流行的技術(shù)概念。但如果不對(duì)奇點(diǎn)理論加以批判性理解，那么技術(shù)便不再是現(xiàn)代性語(yǔ)境中“除魅”世界的理智化力量，而是被著上了宗教的靈韻和救贖的魔力，變成了一種“復(fù)魅”世界的虛假性力量和欺騙性力量[4]。更重要的是，不少科學(xué)家已經(jīng)指出“庫(kù)茲韋爾陷入了用人類(lèi)可以理解的技術(shù)來(lái)解釋人類(lèi)智能的陷阱”[5]。類(lèi)比到生成式人工智能，所謂“奇點(diǎn)是否臨近”完全取決于人對(duì)它的理解，若人理解不了這種技術(shù)便是“奇點(diǎn)未臨”，人可以理解這種技術(shù)之時(shí)便是“奇點(diǎn)已臨”。對(duì)此，人們可以用沙納漢在《技術(shù)奇點(diǎn)》中的話作為回應(yīng)，“這些觀點(diǎn)中有很多可以質(zhì)疑的地方，但同樣不可理喻的是把相信人工智能對(duì)人類(lèi)存在重要性的人指責(zé)為狂想家”[6]。但必須承認(rèn)的是，這樣的批評(píng)其實(shí)道出了奇點(diǎn)研究的深層弊端，即片面依賴(lài)人類(lèi)可以理解的技術(shù)。這也反過(guò)來(lái)表明，若要真正理解奇點(diǎn)之意，就必須超越“人類(lèi)可以理解的技術(shù)”這一前提。

事實(shí)上，從奇點(diǎn)研究的起源來(lái)看，它既非誕生于技術(shù)發(fā)展的概念，也非技術(shù)所專(zhuān)屬的概念。甚至于，奇點(diǎn)在不同領(lǐng)域擁有不盡相同的內(nèi)涵。比如，在數(shù)學(xué)領(lǐng)域，奇點(diǎn)意味著未經(jīng)定義的點(diǎn)；在物理領(lǐng)域，奇點(diǎn)標(biāo)志著大爆炸宇宙論所追溯的宇宙演化起點(diǎn)；在技術(shù)領(lǐng)域，馮·諾伊曼第一次提出了“奇點(diǎn)”這一概念，并將其表述為一種可以撕裂人類(lèi)歷史結(jié)構(gòu)的能力[7]。綜合數(shù)學(xué)、物理和技術(shù)的奇點(diǎn)內(nèi)涵來(lái)看，奇點(diǎn)就好比“數(shù)學(xué)中Y=1/ X函數(shù)曲線上X=0的點(diǎn)”“物理學(xué)上引力接近無(wú)窮大時(shí)產(chǎn)生黑洞”亦或“信息技術(shù)中的通用人工智能”一般，它除了指向加速發(fā)展或者帶來(lái)爆炸式改變，更因?yàn)檫@樣的發(fā)展與變化超出了一般正常模型所能預(yù)測(cè)的范圍，所以奇點(diǎn)終將指向某些未知區(qū)域。據(jù)此而言，不具技術(shù)偏見(jiàn)的奇點(diǎn)可以概括為技術(shù)大爆炸所構(gòu)成的加速發(fā)展及其未知區(qū)域。其中，大爆炸指向技術(shù)的本質(zhì)性變化，人類(lèi)加速發(fā)展立足于“人類(lèi)可以理解的技術(shù)”，未知區(qū)域則是以“不被人類(lèi)理解的技術(shù)”為前提。相應(yīng)地，本文對(duì)生成式人工智能何以構(gòu)成教育奇點(diǎn)的探討，亦可從“大爆炸”“加速發(fā)展”與“未知領(lǐng)域”分別探討生成式人工智能之于教育的變化、突破和局限。

最后需要說(shuō)明的是，本文之所以選擇從深度學(xué)習(xí)的視角去澄清生成式人工智能何以構(gòu)成教育奇點(diǎn)，一方面是沒(méi)有一個(gè)概念如生成式人工智能一般既被重視又被誤解，也沒(méi)有一個(gè)概念如奇點(diǎn)一般在被人賦予諸多想象的同時(shí)又能刺激更多人的幻想，所以，也很難有像算法這般“身為人工智能種子”[8]與“解構(gòu)教育深層問(wèn)題的前提”[9]的視角，既有益于從根本上澄清生成式人工智能的突破與局限，也有益于從前提上解構(gòu)生成式人工智能之于教育的大爆炸、加速發(fā)展與未知區(qū)域，更有益于在當(dāng)下凸顯深度理解之于教育奇點(diǎn)的不可或缺。

二、始于深度學(xué)習(xí)的生成式人工智能大爆炸

正如人們不應(yīng)將17世紀(jì)的科學(xué)革命片面歸功于印刷機(jī)，當(dāng)下生成式人工智能的大爆炸也不能一味歸因于GPU（Graphics Processing Unit，圖形處理器）。要知道，即便生成式人工智能的成功離不開(kāi)GPU，但若僅僅只看到基于GPU的算力爆發(fā)，而不考慮支撐起這一切的算法基礎(chǔ)，這無(wú)異于撇開(kāi)牛頓三大定律將科學(xué)革命歸功于古騰堡發(fā)明的活字印刷術(shù)。正因此，即便庫(kù)茲韋爾在《奇點(diǎn)臨近》中不斷強(qiáng)調(diào)技術(shù)躍遷的重要性，但他卻在前言中寫(xiě)道，“技術(shù)的咒語(yǔ)便是蘊(yùn)含于現(xiàn)代魔術(shù)之中的公式和算法。只需應(yīng)用正確的序列，我們就可以讓電腦朗讀書(shū)籍、理解人類(lèi)語(yǔ)言、檢驗(yàn)并預(yù)防心臟病，甚至預(yù)測(cè)股市行情。哪怕咒語(yǔ)有點(diǎn)差錯(cuò)，魔法就會(huì)被削弱，甚至不起任何作用……通常，技術(shù)上一個(gè)顯著的進(jìn)步往往源于一個(gè)對(duì)公式進(jìn)行較小的改動(dòng)”[10]。在此意義上，如果說(shuō)GPU是生成式人工智能的“燃料”，那么，深度學(xué)習(xí)則是點(diǎn)燃生成式人工智能的“火燧”。反言之，若沒(méi)有深度學(xué)習(xí)這樣的算法構(gòu)思，GPU的用武之地從何而來(lái)？生成式人工智能構(gòu)成的教育奇點(diǎn)又從何談起？所以，如今的生成式人工智能大爆炸理應(yīng)從深度學(xué)習(xí)談起。

（一）深度學(xué)習(xí)的起源與本質(zhì)

支撐起如今深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)可以追溯到20世紀(jì)50年代伊始，由于維納提出的“基于機(jī)器和生物中的通信和控制系統(tǒng)的控制論”得到了廣泛關(guān)注，隨后，羅森布拉特從模仿人腦的數(shù)學(xué)系統(tǒng)中獲得啟示，發(fā)明了一種看似簡(jiǎn)單的感知機(jī)（Perceptron）[11]。該機(jī)器的獨(dú)特之處在于它背后的神經(jīng)網(wǎng)絡(luò)算法，即“如果已經(jīng)存在這樣一組權(quán)重，并且有足夠的訓(xùn)練樣本，那么它肯定能自動(dòng)地找到一組合適的權(quán)重”[12]。與如今生成式人工智能類(lèi)似之處在于，該感知機(jī)的設(shè)計(jì)目的是識(shí)別周?chē)奈矬w，而不需要程序員提前預(yù)測(cè)各種偶然事件。羅森布拉特發(fā)明的感知機(jī)一經(jīng)問(wèn)世便引起巨大轟動(dòng)[13]。此后，羅森布拉特的感知機(jī)可謂好評(píng)如潮且風(fēng)靡一時(shí)。不過(guò)，在彼時(shí)社會(huì)的巨大期望面前，羅森布拉特自己卻對(duì)感知機(jī)抱有相當(dāng)謹(jǐn)慎且清醒的認(rèn)識(shí)。他不僅宣稱(chēng)，感知機(jī)不是在人工智能方面的嘗試；更表示，該機(jī)器擁有明顯的局限[14]?？杉幢闳绱耍谏窠?jīng)網(wǎng)絡(luò)的人工智能想法還是在羅森布拉特的控制下逃出了“實(shí)驗(yàn)室”。后來(lái)的歷史表明，由于受制于硬件和算力，以及明斯基和帕普特在《感知機(jī)》一書(shū)中對(duì)神經(jīng)網(wǎng)絡(luò)局限的根本性批評(píng)，神經(jīng)網(wǎng)絡(luò)的寒冬隨之而來(lái)，直到辛頓研究團(tuán)隊(duì)在內(nèi)的一群人找到了利用強(qiáng)大的GPU去大幅提升神經(jīng)網(wǎng)絡(luò)的方法，并由此掀起了基于深度學(xué)習(xí)的人工智能變革。

從跌宕起伏的深度學(xué)習(xí)歷史來(lái)看，盡管它擁有的硬件基礎(chǔ)和算力供給已不可同日而語(yǔ)，但它與神經(jīng)網(wǎng)絡(luò)之間的概念關(guān)聯(lián)仍然無(wú)法割舍。歷史地看，1962年由羅森布拉特出版的《神經(jīng)動(dòng)力學(xué)：感知器和大腦機(jī)制的理論》最早詳細(xì)介紹了一種應(yīng)用于具有單層可變權(quán)重的神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)算法，該算法便是今天深度學(xué)習(xí)的前身?，F(xiàn)如今，深度學(xué)習(xí)其實(shí)是指機(jī)器學(xué)習(xí)的一個(gè)分支，它根植于數(shù)學(xué)、計(jì)算機(jī)科學(xué)和神經(jīng)科學(xué)。它的本質(zhì)在于，通過(guò)建立、模擬人腦的信息處理神經(jīng)結(jié)構(gòu)來(lái)實(shí)現(xiàn)對(duì)外部輸入的數(shù)據(jù)進(jìn)行從低級(jí)到高級(jí)的特征提取，從而使機(jī)器能夠?qū)W習(xí)數(shù)據(jù)并給出解釋?zhuān)ńo出數(shù)據(jù)的分層特征表示）[15]。通俗而言，深度學(xué)習(xí)意為從數(shù)據(jù)中學(xué)習(xí)。這也意味著，基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)可以嘗試從數(shù)據(jù)中學(xué)習(xí)一切所需，而不再依賴(lài)手工編程建構(gòu)的知識(shí)以及相應(yīng)的計(jì)算機(jī)程序。所以，深度學(xué)習(xí)其實(shí)代表了這樣一種可能，“為機(jī)器提供足夠、適當(dāng)?shù)臄?shù)據(jù)，它能發(fā)現(xiàn)相應(yīng)的知識(shí)；給它視頻流，它會(huì)觀看；給它圖書(shū)館，它能閱讀；給它物理實(shí)驗(yàn)結(jié)果，它會(huì)發(fā)現(xiàn)物理規(guī)律”[16]。對(duì)此，用謝諾夫斯基的話來(lái)總結(jié)便是，“如果數(shù)據(jù)是新時(shí)代的石油，那么學(xué)習(xí)算法就是從中提取信息的煉油廠；信息積累成知識(shí)；知識(shí)深化成理解；理解演變?yōu)橹腔邸g迎來(lái)到深度學(xué)習(xí)的新世界”[17]。概言之，深度學(xué)習(xí)仍然屬于基于數(shù)據(jù)和算法的人工智能，只不過(guò)隨著算力的爆發(fā)，它表現(xiàn)出了更多令人驚喜的內(nèi)容。

（二）深度學(xué)習(xí)與人工智能的關(guān)系

從人工智能的內(nèi)涵及其邊界來(lái)看，深度學(xué)習(xí)與人工智能之間的關(guān)系服從以下規(guī)律，人工智能>機(jī)器學(xué)習(xí)>深度學(xué)習(xí)，具體如圖1所示[18]。具體來(lái)講：（1）人工智能包括機(jī)器學(xué)習(xí)，也包括非機(jī)器學(xué)習(xí)的類(lèi)型，比如規(guī)劃式人工智能、推理式人工智能；（2）機(jī)器學(xué)習(xí)包括深度學(xué)習(xí)，但也包括非深度學(xué)習(xí)的算法，比如遺傳算法、概率學(xué)習(xí)。由此推知，就算基于深度學(xué)習(xí)的生成式人工智能代表了學(xué)術(shù)界、產(chǎn)業(yè)界、實(shí)務(wù)界甚至教育界最受關(guān)注且最易獲得投資的人工智能方向，但正如生成式人工智能不是人工智能的唯一技術(shù)和應(yīng)用，深度學(xué)習(xí)既非機(jī)器學(xué)習(xí)的全部?jī)?nèi)涵，也代表不了人工智能的全部未來(lái)，更支撐不了人們對(duì)奇點(diǎn)的全部想象。反倒是，多明戈斯在《終極算法》一書(shū)中所提觀點(diǎn)更加發(fā)人深省且富有教育意味，“不同算法對(duì)其中心問(wèn)題的解決方法都是一個(gè)輝煌、來(lái)之不易的進(jìn)步，但真正的終極算法需要把五個(gè)學(xué)派的五個(gè)問(wèn)題都解決，而不是只解決一個(gè)”[19]。這也意味著，“對(duì)不同算法的深度理解，以及多種算法的融通”更有機(jī)會(huì)引申出人工智能的奇點(diǎn)。

（三）深度學(xué)習(xí)的突破與局限

以ChatGPT為代表的生成式人工智能，既用自己的流行和成功揭示了深度學(xué)習(xí)的突破，也用自身面臨的非議和風(fēng)險(xiǎn)凸顯了深度學(xué)習(xí)的局限。要知道，在20世紀(jì)70年代后的相當(dāng)長(zhǎng)一段時(shí)間sV6Sr8CViHLmapLHM548+g==內(nèi)，人工智能領(lǐng)域的某種普遍共識(shí)是，所謂的神經(jīng)網(wǎng)絡(luò)方法是沒(méi)有希望成功的，因?yàn)榕c其他方法相比，神經(jīng)網(wǎng)絡(luò)不僅實(shí)現(xiàn)難度更大且效果不如其他方法[20]。只不過(guò)，以辛頓、楊立昆、本吉奧為代表的計(jì)算機(jī)科學(xué)家在長(zhǎng)期不被主流學(xué)術(shù)圈認(rèn)可的情況下，仍然堅(jiān)持深度神經(jīng)網(wǎng)絡(luò)會(huì)改變世界，進(jìn)而在黑暗中持續(xù)探索多年之后，終于推動(dòng)了基于深度學(xué)習(xí)的人工智能突破性進(jìn)展。在此意義上，ChatGPT的突破性?xún)r(jià)值并非它能在多大程度上媲美（或者超越）人類(lèi)智能，而是它背后的深度學(xué)習(xí)預(yù)示了人工智能的新方向、新范式和新賽道。其一，人工智能的新方向。選擇深度學(xué)習(xí)意味著，計(jì)算機(jī)科學(xué)家不必再細(xì)致定義機(jī)器應(yīng)該如何運(yùn)行，而是“使用算法替代部分傳統(tǒng)上人工進(jìn)行的決策”[21]。正因此，ChatGPT之于人工智能的創(chuàng)新意義在于，計(jì)算機(jī)科學(xué)家們有機(jī)會(huì)突破基于圖靈機(jī)的人工智能架構(gòu)，去構(gòu)建可以自行判斷如何執(zhí)行下一步程序的神諭圖靈機(jī)（即世俗意義上的通用人工智能）[22]。換言之，ChatGPT只是觸摸到了弱人工智能（機(jī)器能夠智能行動(dòng)，看起來(lái)有智能）和強(qiáng)人工智能（機(jī)器確實(shí)在思考，不只是模仿）的邊界。所以，深度學(xué)習(xí)其實(shí)是指出了通過(guò)算法進(jìn)行決策的人工智能新方向，而不是給出了通用人工智能的答案。其二，人工智能的新引擎。ChatGPT的核心工作機(jī)制是提示學(xué)習(xí)（Prompting），該機(jī)制去除了模型對(duì)數(shù)據(jù)的依賴(lài)，或者說(shuō)它解放了大模型，不再走多任務(wù)、子任務(wù)的訓(xùn)練路向，而是借助大模型已經(jīng)擁有的全局?jǐn)?shù)據(jù)內(nèi)在統(tǒng)計(jì)概率的優(yōu)點(diǎn)，以生成任何內(nèi)容[23]。如此一來(lái)，大模型也就構(gòu)成了比大數(shù)據(jù)更加值得關(guān)注的人工智能發(fā)展引擎。其三，人工智能的新賽道。當(dāng)下算力已經(jīng)因?yàn)镃hatGPT成為了全球共知且各國(guó)爭(zhēng)相布局的科技新賽道。除此之外，人工智能行為體（AI Agent）亦可能因?yàn)镃hatGPT而成為另一條不易為人所知卻影響更加深遠(yuǎn)的科技新賽道。AI Agent是一個(gè)在人工智能領(lǐng)域擁有近30年歷史的概念，意為能夠自適應(yīng)環(huán)境的自主控制系統(tǒng)[24]。在沒(méi)有ChatGPT之前，訓(xùn)練AI Agent只能通過(guò)強(qiáng)化學(xué)習(xí)等有限手段，而大模型的出現(xiàn)讓計(jì)算機(jī)科學(xué)家找到了新方向——從過(guò)去發(fā)明給人用的軟件到發(fā)明給機(jī)器用的軟件[25]。由此可見(jiàn)，深度學(xué)習(xí)除了指向算力的競(jìng)爭(zhēng)，也指向了AI Agent的競(jìng)爭(zhēng)，即如何構(gòu)建更加智能的機(jī)器。

與上述突破相對(duì)而立的另一方面則是，深度學(xué)習(xí)的局限正日益凸顯。首先，深度學(xué)習(xí)的“不透明”。隨著像深度學(xué)習(xí)這樣的機(jī)器學(xué)習(xí)不斷發(fā)展，算法結(jié)論將愈發(fā)難以解釋[26]。長(zhǎng)期來(lái)看，這樣的不透明不僅會(huì)帶來(lái)“技術(shù)黑箱”“隱私侵犯與侵權(quán)”“智能造假”等問(wèn)題，還將嚴(yán)重?fù)p害教育對(duì)深度學(xué)習(xí)的信任感和掌控感。其次，深度學(xué)習(xí)的“貪婪”。算力爆發(fā)成就了ChatGPT這樣的大模型，反言之，若要構(gòu)建超越ChatGPT的大模型，那么它所需要的算力也將是驚人且難以估量的。相應(yīng)地，算力的供給與分配也將伴隨著深度學(xué)習(xí)的成就衍生出“數(shù)字貧困”“算法霸權(quán)”“數(shù)據(jù)鴻溝”等問(wèn)題。再者，深度學(xué)習(xí)的“錯(cuò)誤”。正如ChatGPT會(huì)在一些復(fù)雜問(wèn)題與陌生問(wèn)題上“不懂裝懂”，亦或因?yàn)橄到y(tǒng)設(shè)計(jì)或者系統(tǒng)更新而莫名其妙的“胡說(shuō)八道”。所以，人們既可能無(wú)法用深度學(xué)習(xí)來(lái)探索未知的數(shù)據(jù)空間，也難以直接用它來(lái)做數(shù)學(xué)證明和科學(xué)探索。更糟的是，“內(nèi)容污染”“超脫現(xiàn)實(shí)”“網(wǎng)絡(luò)謠言”也將因?yàn)樯疃葘W(xué)習(xí)的流行而演變?yōu)殡y以克服的社會(huì)問(wèn)題。

必須指出的是，正是鑒于深度學(xué)習(xí)的不透明、貪婪和錯(cuò)誤，所以即便ChatGPT能為人們提供不少便利，但由于它既無(wú)法保證在人迫切需要解答問(wèn)題時(shí)為其提供正確答案，也不能保證自身在無(wú)法給出正確答案時(shí)，人們能想出辦法找到問(wèn)題所在，繼而排除故障。所以，ChatGPT更像是人們?cè)凇罢甄R子”，它反映的亦不過(guò)是人類(lèi)自身的思想、意識(shí)以及當(dāng)前多數(shù)人的傾向，而它的結(jié)果非但不能代表正確的真理，反而更像是人們?cè)诤陀杉w記憶構(gòu)成的幻想進(jìn)行對(duì)話[27]。由此看來(lái)，深度學(xué)習(xí)既可能加重人類(lèi)自欺的“思想悲劇”，也可能在未來(lái)某個(gè)時(shí)刻因?yàn)闊o(wú)益于切實(shí)解決問(wèn)題而淪為被放棄的“技術(shù)悲劇”。這也是為什么生成式人工智能越成功和流行，人們?cè)揭獙?duì)其保持警醒的根本緣由。

三、始于深度學(xué)習(xí)的教育加速發(fā)展

智能時(shí)代越是向前，深度學(xué)習(xí)之于教育的驅(qū)動(dòng)作用也將越發(fā)明顯[28]。不過(guò)，深度學(xué)習(xí)能否驅(qū)動(dòng)教育的加速發(fā)展，并不簡(jiǎn)單取決于它本身有多么高明、強(qiáng)大和美好，而是要看教育是否契合深度學(xué)習(xí)的前置條件。反言之，如果教育加速發(fā)展不受此限制，那么這樣的發(fā)展要么與其他技術(shù)混為一談，要么帶來(lái)無(wú)休止的誤解與濫用。因此之故，在回答深度學(xué)習(xí)如何驅(qū)動(dòng)教育加速發(fā)展之前，有必要闡明“何謂有限”。（1）立足深度學(xué)習(xí)的本質(zhì)，即基于數(shù)據(jù)與算法的人工智能。（2）把握深度學(xué)習(xí)的范疇，即充分理解深度學(xué)習(xí)與機(jī)器學(xué)習(xí)、人工智能之間的關(guān)系。（3）凸顯深度學(xué)習(xí)的突破，即強(qiáng)化深度學(xué)習(xí)的新方向、新引擎、新賽道。在此意義上，深度學(xué)習(xí)驅(qū)動(dòng)教育加速發(fā)展的支點(diǎn)是算法決策、大模型與智能機(jī)器。（4）約束深度學(xué)習(xí)的局限，即在教育中警惕深度學(xué)習(xí)的不透明、貪婪和錯(cuò)誤。反過(guò)來(lái)講，深度學(xué)習(xí)驅(qū)動(dòng)的教育加速發(fā)展有必要保持清醒的認(rèn)知、尋求必要的解釋與堅(jiān)持嚴(yán)謹(jǐn)?shù)恼撟C。在上述前提之下，深度學(xué)習(xí)驅(qū)動(dòng)的教育加速發(fā)展意味著算法決策、大模型和智能機(jī)器有機(jī)會(huì)讓教育在現(xiàn)有基礎(chǔ)上變得更高、更強(qiáng)、更好。

（一）教育的算法決策

如果將如今深度學(xué)習(xí)的硬件優(yōu)勢(shì)、訓(xùn)練優(yōu)勢(shì)和魯棒優(yōu)勢(shì)，與數(shù)字平臺(tái)的搭建、數(shù)據(jù)資源的挖掘、“人-機(jī)”交互的設(shè)計(jì)相結(jié)合，那么在教育中使用算法替代部分傳統(tǒng)上人工進(jìn)行的決策操作也就成為了可能。比如，一是治理風(fēng)險(xiǎn)，人們既可以在教育中嘗試應(yīng)用算法以提前感知風(fēng)險(xiǎn)，也能借助其自動(dòng)監(jiān)測(cè)算法風(fēng)險(xiǎn)。從“感知歧視的數(shù)據(jù)挖掘技術(shù)”（DADM）的來(lái)看，“監(jiān)督算法運(yùn)行的技術(shù)”不僅已經(jīng)具有較高的可靠性，而且它們的應(yīng)用也正處于日益成熟的階段[29]。它意味著，諸如深度學(xué)習(xí)這類(lèi)機(jī)器學(xué)習(xí)算法能夠以自動(dòng)化運(yùn)行的方式檢測(cè)出教育中其他算法是否存在身份歧視等有違公正倫理要求的情形，并發(fā)出預(yù)警，從而有效化解潛在的教育風(fēng)險(xiǎn)。二是規(guī)范行為，通過(guò)算法的路徑規(guī)劃，讓W9lDftmBCSBRj641VNySrjdsKhGEK2JOCHIcaqKLfjA=人的行為建立在教育預(yù)期之上。比如，通過(guò)算法對(duì)教育行為進(jìn)行排序、分類(lèi)、關(guān)聯(lián)和篩選，亦或強(qiáng)化、推薦、生成、推動(dòng)與教育預(yù)期相符的規(guī)范行為[30]。三是決策創(chuàng)新，將教育決策建立在“算法預(yù)測(cè)+人的判斷”之上。決策者一方面可以借助算法對(duì)不同群體所需信息、反應(yīng)意見(jiàn)進(jìn)行及時(shí)、快速、準(zhǔn)確的分類(lèi)與可視化處理，以便及時(shí)地掌握教育中的“痛點(diǎn)”“難點(diǎn)”或“盲點(diǎn)”；另一方面可以借助算法扭轉(zhuǎn)決策與行動(dòng)之間的信息不對(duì)稱(chēng)，以及打破長(zhǎng)期存在的領(lǐng)域（學(xué)科）壁壘與科層藩籬，以便實(shí)現(xiàn)統(tǒng)一且有效的教育決策[31]。必須指出的是，正是考慮到深度學(xué)習(xí)存在無(wú)從克服的局限，算法決策并不能替代人的判斷，所以，算法決策對(duì)教育的創(chuàng)新意義在于，通過(guò)算法客觀呈現(xiàn)預(yù)測(cè)結(jié)果（模擬結(jié)果），以便人類(lèi)決策者作出超越自身局限的科學(xué)決策。而要實(shí)現(xiàn)這一點(diǎn)，除了需要在教育中對(duì)算法與人進(jìn)行分工，還要為算法決策設(shè)定必要門(mén)檻與基線，更要加強(qiáng)培養(yǎng)人類(lèi)決策者的提問(wèn)能力、鑒別能力和綜合能力。

（二）教育的大模型

自2012年美國(guó)前總統(tǒng)奧巴馬提出“數(shù)據(jù)是未來(lái)的石油”的看法以來(lái)，大數(shù)據(jù)便成為了世界各國(guó)爭(zhēng)奪人工智能技術(shù)高地的關(guān)鍵領(lǐng)域。與之不同，從ChatGPT的技術(shù)基礎(chǔ)來(lái)看[32]，相比于大數(shù)據(jù)，大模型不僅從前提上決定了人工智能需要什么數(shù)據(jù)與關(guān)注什么數(shù)據(jù)，還在邏輯層面規(guī)定了數(shù)據(jù)收集、數(shù)據(jù)清洗、數(shù)據(jù)分析和數(shù)據(jù)呈現(xiàn)的應(yīng)用路徑。而這種新認(rèn)知非但不會(huì)損害大數(shù)據(jù)的已有基礎(chǔ)，還會(huì)鼓勵(lì)人們從另一個(gè)視角認(rèn)識(shí)大數(shù)據(jù)，即“我們擁有這么多的數(shù)據(jù)，究竟要用它來(lái)干什么”。在此意義上，大模型既有益于擺脫教育的數(shù)據(jù)依賴(lài)，也能讓已有數(shù)據(jù)更好為教育所用。從當(dāng)下教育領(lǐng)域的大模型探討來(lái)看，強(qiáng)調(diào)應(yīng)用也已經(jīng)成為了某種共識(shí)。比如，在英國(guó)、美國(guó)、日本、澳大利亞，都在探索（或者嘗試）將以ChatGPT應(yīng)用于教育實(shí)踐[33]；在我國(guó)，“多模態(tài)漢字學(xué)習(xí)系統(tǒng)”[34]與“多模態(tài)大模型驅(qū)動(dòng)學(xué)科知識(shí)圖譜”[35]也已開(kāi)始嘗試應(yīng)用于教育實(shí)踐。實(shí)事求是而言，盡管教育大模型的應(yīng)用正如雨后春筍般涌現(xiàn)，但這些應(yīng)用是否適宜教育、是否能重塑教育生態(tài)亦或帶來(lái)更好的教育仍然有待觀察和驗(yàn)證。除此之外，與存在算力極限、模型幻覺(jué)且成本高昂的大模型相比[36]，輕參數(shù)、低成本、方便運(yùn)行的小模型是否更加適合教育，仍是個(gè)有待討論的問(wèn)題。所以，教育在歡迎大模型的同時(shí)，尤有必要堅(jiān)持自己的態(tài)度和思考。

（三）教育的智能機(jī)器

無(wú)論是人們擔(dān)憂深度學(xué)習(xí)指向媲美甚至超越人類(lèi)的人工智能，還是將其斥之為不足與人相提并論的人工智障，其實(shí)都是陷入“擬人詛咒”——以“人”為想象人工智能的藍(lán)本。要知道，雖然深度學(xué)習(xí)借鑒了人類(lèi)信息處理神經(jīng)結(jié)構(gòu)，但它既不是人，更以不依賴(lài)人為特色。反言之，“以人為本”固然有助于預(yù)防/消解深度學(xué)習(xí)的不良影響，但若因此把人視作用深度學(xué)習(xí)驅(qū)動(dòng)教育發(fā)展的藍(lán)本，這非但無(wú)益于人理解深度學(xué)習(xí)，反而有可能誤導(dǎo)深度學(xué)習(xí)的教育應(yīng)用。比如，將ChatGPT改裝為某種“素養(yǎng)”或者“能力”，然后開(kāi)啟人們相互比較的賽道。但正如前文所表，ChatGPT其實(shí)是代表了訓(xùn)練智能機(jī)器的新賽道。因此，與用深度學(xué)習(xí)開(kāi)啟人的“軍備競(jìng)賽”相比，打造更好的“模仿人類(lèi)和其他動(dòng)物的感知、運(yùn)動(dòng)、操作乃至交流的智能機(jī)器”[37]或許更能代表基于深度學(xué)習(xí)的教育加速發(fā)展。比如，指向模擬人類(lèi)情境感知、生物感知與社會(huì)感知的智能教學(xué)應(yīng)用；以ASIMO、Alpha Ebot、Nao為代表的兩足教育機(jī)器人[38]；智能學(xué)伴、智能導(dǎo)師、智能助手這類(lèi)立足于“人機(jī)交流”的智能機(jī)器。

四、始于深度學(xué)習(xí)的教育未知區(qū)域

如果說(shuō)由深度學(xué)習(xí)驅(qū)動(dòng)的加速發(fā)展，是要以“人類(lèi)可以理解的技術(shù)”為前提進(jìn)行正向推理，那么，始于深度學(xué)習(xí)的未經(jīng)定義之處則是要以“不被人類(lèi)理解的技術(shù)”為前提進(jìn)行反向推理。首先，既然深度學(xué)習(xí)是個(gè)不透明的“黑箱”，那么人們又憑什么理解這些未知的結(jié)果了？其次，既然深度學(xué)習(xí)對(duì)能源和算力的需求如此巨大，那么什么樣的教育問(wèn)題值得訴諸深度學(xué)習(xí)這般大費(fèi)周折？再者，既然深度學(xué)習(xí)存在無(wú)從克服的錯(cuò)誤，人們又何以相信深度學(xué)習(xí)一定導(dǎo)向更好的教育未來(lái)？上述未知、復(fù)雜和不確定既無(wú)法在“人類(lèi)可以理46MHptNKoBJ7DV4HAcPQZukSOZFQNFY3gIKBMwlVg08=解的技術(shù)”的前提下被關(guān)心和回答，也無(wú)法在教育的加速發(fā)展和大爆炸中被自動(dòng)消除，卻關(guān)系到生成式人工智能之于教育是否可知、可用和可信的前提。

（一）未知：如何理解深度學(xué)習(xí)得出的教育結(jié)果

生成式人工智能作為人類(lèi)探索世界的工具，若要像望遠(yuǎn)鏡一般將人的認(rèn)知拓展到前所未有之處，就必須如同伽利略一般解決以下難題，“為什么望遠(yuǎn)鏡數(shù)據(jù)應(yīng)該被當(dāng)作比裸眼數(shù)據(jù)更加優(yōu)秀的結(jié)果而加以接受”[39]。而伽利略解決這一問(wèn)題的方法便是用“光滲現(xiàn)象”向世人證明，人類(lèi)的直觀觀察并不可靠，進(jìn)而表明了用望遠(yuǎn)鏡探知行星的可靠性[40]。由此帶來(lái)的教訓(xùn)便是，若要真正拓展人類(lèi)的認(rèn)知范圍，就必須使人意識(shí)到自身的有限性，并訴諸公開(kāi)的途徑進(jìn)行理性的檢驗(yàn)。

這一點(diǎn)不止適用于望遠(yuǎn)鏡，同樣適用于生成式人工智能。一方面，人工智能已經(jīng)迫使人意識(shí)到，自己在邏輯、信息處理和智能行為領(lǐng)域的主導(dǎo)地位正面臨嚴(yán)重威脅，人類(lèi)不再是信息圈毋庸置疑的主宰，數(shù)字設(shè)備正代替人類(lèi)執(zhí)行了越來(lái)越多的原本需要人的思想來(lái)解決的任務(wù)[41]。另一方面，深度學(xué)習(xí)之于人類(lèi)認(rèn)知的最大啟示便是，它不可能、也沒(méi)必要簡(jiǎn)化為所有人能夠理解的東西，否則，它也就失去了自身的價(jià)值[42]。由此帶來(lái)的教訓(xùn)便是，正因?yàn)槿祟?lèi)的千年經(jīng)驗(yàn)積累與個(gè)人的認(rèn)知天賦抵不過(guò)“不知疲倦”的人工智能，所以人們有必要意識(shí)到自身在人工智能面前的認(rèn)知有限性；同時(shí)，正因?yàn)榇嬖谝匀祟?lèi)直觀與經(jīng)驗(yàn)無(wú)法理解的復(fù)雜現(xiàn)象，所以，教育需要訴諸深度學(xué)習(xí)以處理這些問(wèn)題。必須指出的是，在深度學(xué)習(xí)上接受人類(lèi)認(rèn)知有限以及由此構(gòu)成的未知，并不等于深度學(xué)習(xí)之于教育的不可知，甚至放_{QXOSoBjKs962xw+eCNEZbgZ3O8BFu0svFxpXc6c7S24=}棄理解深度學(xué)習(xí)的教育努力。若要使人真正接受始于深度學(xué)習(xí)的教育結(jié)果，那些真正理解深度學(xué)習(xí)與人工智能的人就必須站出來(lái)，并必須訴諸理性途徑予以闡明。這一方面要求那些懂得深度學(xué)習(xí)原理及其應(yīng)用的數(shù)學(xué)家、科學(xué)家、工程師、技術(shù)專(zhuān)家能夠有機(jī)會(huì)進(jìn)入學(xué)校（教育場(chǎng)域）發(fā)聲，以便教育中人獲得超越一時(shí)表象、一家之言、一事得失的深層洞見(jiàn)。另一方面則意味著，所有教育領(lǐng)域的智能應(yīng)用都有必要事實(shí)、數(shù)據(jù)、實(shí)驗(yàn)以及理性觀念的尺度上得到公開(kāi)檢驗(yàn)，以邁向貝葉斯求知路徑——“真理越辯越明，新證據(jù)不斷出現(xiàn)，科學(xué)觀點(diǎn)總能匯集到一起并且向真理逼近，無(wú)論計(jì)算的方法和結(jié)果怎么變化，只要踏上了貝葉斯之旅，所有正確甚至錯(cuò)誤的觀念都有機(jī)會(huì)得到審視，直至走向真理”[43]。當(dāng)教育愿意在有限認(rèn)知之上理性接受自身的未知之時(shí)，生成式人工智能或許也能像當(dāng)年的望遠(yuǎn)鏡一般開(kāi)啟全新的可能——“當(dāng)現(xiàn)代科學(xué)愿意承認(rèn)自己的無(wú)知，就讓它比所有先前的知識(shí)體系更具活力、更有彈性，也更有求知欲”[44]。

（二）復(fù)雜：究竟用深度學(xué)習(xí)來(lái)解決什么教育問(wèn)題

如果人們?cè)噲D從生成式人工智能在其他領(lǐng)域表現(xiàn)出的應(yīng)用潛力，以推測(cè)其可能的教育效用，這不僅混淆了教育與其他領(lǐng)域的不同，也容易犯下張冠李戴似的謬誤。更糟的是，這樣的動(dòng)機(jī)歸因難免讓教育被其他領(lǐng)域的利益和目標(biāo)所定義[45]。鑒于此，探究用生成式人工智能的教育效用不能簡(jiǎn)單參照它在其他領(lǐng)域的表現(xiàn)及其訴求，而應(yīng)先從“深度學(xué)習(xí)”的角度想清楚它善于解決什么問(wèn)題，以便“教育”想明白它需要用深度學(xué)習(xí)解決什么問(wèn)題。首先，觸發(fā)深度學(xué)習(xí)這類(lèi)算法變革的根本原因之一便是人類(lèi)社會(huì)對(duì)復(fù)雜性有了更高的需求[46]。也可以說(shuō)，因?yàn)橛辛松疃葘W(xué)習(xí)，人們方才有機(jī)會(huì)弄明白比之前復(fù)雜得多的教育現(xiàn)象。同時(shí)，算法運(yùn)用大數(shù)據(jù)意味著被分析的數(shù)據(jù)擁有龐大體量和高度復(fù)雜性，這只會(huì)令問(wèn)題變得更加復(fù)雜[47]。而為了應(yīng)對(duì)這樣的復(fù)雜，人們必須依靠深度學(xué)習(xí)這樣更復(fù)雜的算法[48]。由此可知，如果教育僅僅試圖解決簡(jiǎn)單問(wèn)題，則沒(méi)有必要訴諸深度學(xué)習(xí)。其次，教育作為一種日益復(fù)雜的存在，無(wú)論是它的問(wèn)題還是答案都日益依賴(lài)人們對(duì)這個(gè)復(fù)雜多變、充滿聯(lián)結(jié)又遠(yuǎn)超人類(lèi)所能理解世界的深刻闡釋。對(duì)此，用富蘭的話來(lái)表示便是，“解決今天的教育問(wèn)題是一件復(fù)雜的事情；它像一門(mén)火箭科學(xué)”[49]。由此可見(jiàn)，既然如今的教育已經(jīng)是如此的不簡(jiǎn)單，那么它也沒(méi)有理由從深度學(xué)習(xí)中尋求簡(jiǎn)單的答案。上述兩點(diǎn)可以表明，那些真正需要訴諸深度學(xué)習(xí)予以解決的教育問(wèn)題必然是一些復(fù)雜問(wèn)題。不過(guò)，這也引申出了另外一個(gè)問(wèn)題：什么樣的復(fù)雜問(wèn)題才能在深度學(xué)習(xí)中被解決？要知道，當(dāng)前教育中那些令人頭疼的問(wèn)題往往都是一些因?yàn)闂l件不完整、相互矛盾、經(jīng)常變化且不易確認(rèn)而難以或無(wú)法解決的抗解問(wèn)題[50]。而圖靈意義上的人工智能不但可計(jì)算，而且必須算出結(jié)果。所以，對(duì)于“抗解問(wèn)題”這類(lèi)不可計(jì)算的命題，深度學(xué)習(xí)也給不出答案，反而可能如其局限所示，淪為人們自我欺騙的思想悲劇。

有鑒于此，與將深度學(xué)習(xí)浪費(fèi)在不可解的教育問(wèn)題上相比，立足復(fù)雜且可解更有必要構(gòu)成教育的應(yīng)用前提。歷史地看，從邱奇-圖靈論題第一次從邏輯上建立起算力與價(jià)值的關(guān)聯(lián)開(kāi)始，算力便成為了解決種種計(jì)算問(wèn)題的關(guān)鍵所在，不過(guò)受制于算力局限與不可計(jì)算函數(shù)的存在，科學(xué)家們逐漸將精力轉(zhuǎn)向研究“計(jì)算機(jī)在多長(zhǎng)時(shí)間和多大空間內(nèi)，才能計(jì)算出一個(gè)有意義的結(jié)論”，從而發(fā)展出計(jì)算復(fù)雜性理論[51]。自此，可以在空間上更好發(fā)揮算力優(yōu)勢(shì)的深度學(xué)習(xí)方才能引領(lǐng)生成式人工智能的爆發(fā)。以之為鑒，人們?cè)谔骄可墒饺斯ぶ悄苁欠窨捎糜诮逃埃斜匾紤]以下兩個(gè)前提。（1）教育的可計(jì)算，即深度學(xué)習(xí)究竟可以在多大范圍計(jì)算出有意義的教育結(jié)果。也可以說(shuō)，正因?yàn)樯疃葘W(xué)習(xí)不可能窮盡教育的所有答案，為它尋求“更好用途”方才顯得有意義；正因?yàn)樯疃葘W(xué)習(xí)無(wú)法用于那些無(wú)從判斷和檢驗(yàn)的教育問(wèn)題，所以要優(yōu)先考慮那些能夠清晰描述且理解起來(lái)無(wú)歧義、擁有明確判定標(biāo)準(zhǔn)和程序的問(wèn)題。（2）教育的復(fù)雜性計(jì)算，即哪些教育問(wèn)題需要訴諸深度學(xué)習(xí)“用能源換時(shí)間”的算力優(yōu)勢(shì)。比如，什么樣的問(wèn)題值得教育投入大量的算力資源，把原本需要10年來(lái)完成的事情，壓縮到1年時(shí)間；什么樣的問(wèn)題值得教育投入更大的算力資源，以便將決策時(shí)間提前；什么樣的問(wèn)題需要訴諸算法決策、大模型和智能機(jī)器，以實(shí)現(xiàn)比人更高的效益和更低的成本；或者說(shuō)，讓人類(lèi)教育體系借助深度學(xué)習(xí)擁有如同“可控核聚變”與“天氣預(yù)報(bào)”一般的穩(wěn)定性與可預(yù)測(cè)性，這一切是否值得。一旦教育中人開(kāi)始思考這類(lèi)問(wèn)題，那些看似有理實(shí)則無(wú)解或者入不敷出、純粹重復(fù)或浪費(fèi)資源的問(wèn)題解決方案不僅會(huì)得到祛魅，一些真正值得訴諸生成式人工智能的教育應(yīng)用也將得以涌現(xiàn)。

（三）不確定：何以相信深度學(xué)習(xí)導(dǎo)向更好的教育

如前所述，既然深度學(xué)習(xí)存在這樣無(wú)從克服的謬誤，那么，人們憑什么相信基于生成式人工智能的教育具有無(wú)與倫比的優(yōu)越性與先進(jìn)性？無(wú)論生成式人工智能在當(dāng)下表現(xiàn)出多么令人贊嘆的實(shí)力和潛力，人們都有理由懷疑，與其他算法相比，或者與其他人工智能相比，深度學(xué)習(xí)憑什么導(dǎo)向更好的教育？那些鑿鑿之言究竟是技huyxwWcP0hBJcLHqBWUYVg==術(shù)的想象，還是不知所云的幻想？在人們親身經(jīng)歷這一切之前，所有的回答都只是猜想。要知道，凱文·凱利在《科技想要什么》已經(jīng)用事實(shí)和數(shù)據(jù)表明，“我們這個(gè)時(shí)代不是第一個(gè)放大了技術(shù)所承諾的好處的時(shí)代”[52]。

列舉上述觀點(diǎn)既無(wú)意、也無(wú)法證明，深度學(xué)習(xí)無(wú)法導(dǎo)向更好的教育。但這確實(shí)意味著，人們有必要清醒的追問(wèn)，面對(duì)撲面而來(lái)的生成式人工智能浪潮，如果教育中人僅僅按照“已經(jīng)理解”的美好去談?wù)摵驮O(shè)計(jì)與之有關(guān)的未來(lái)，是否會(huì)沉耽于經(jīng)驗(yàn)的片面、習(xí)慣的重復(fù)和表面的繁榮？或者像當(dāng)年義無(wú)反顧地?fù)肀в?jì)算機(jī)與互聯(lián)網(wǎng)那般，爭(zhēng)先恐后地?fù)肀ХN種人工智能，然后在解決問(wèn)題的同時(shí)，留下更多說(shuō)不清、道不明的難題？這些問(wèn)題不僅人類(lèi)給不出答案，深度學(xué)習(xí)也不行。就像“圖靈停機(jī)問(wèn)題”所表明的那般[53]，正因?yàn)樗惴ú荒芡耆忉屗５氖挛?，即便所有教育?wèn)題都可以用算法進(jìn)行描述，這樣的人工智能也解決不了所有問(wèn)題。所以，人們只能慢慢看著教育是否會(huì)因?yàn)樯疃葘W(xué)習(xí)而變得更好，而不能借助深度學(xué)習(xí)以窺見(jiàn)“未來(lái)”或“結(jié)果”；并且，世界上有些教育問(wèn)題，人們只能看著它發(fā)生，而無(wú)法解釋它為什么會(huì)發(fā)生，即便訴諸深度學(xué)習(xí)也是如此。由此，教育中人亦能理解現(xiàn)代人工智能的另一層涵義，即“當(dāng)不確定性最終成為世界決策中的一個(gè)普遍問(wèn)題時(shí)發(fā)生的革命”[54]。在此意義上，無(wú)論是深度學(xué)習(xí)驅(qū)動(dòng)的教育變革，還是其他算法和人工智能驅(qū)動(dòng)的教育變革，它們都意味著“不確定事件”。這樣的結(jié)果或許會(huì)破壞人們對(duì)生成式人工智能的某些共識(shí)，或許會(huì)令那些篤定生成式人工智能之人感到憤怒或沮喪，或許讓那些圍繞生成式人工智能開(kāi)展的實(shí)踐陷入迷茫。但與假裝確定或者無(wú)視不確定相比，將生成式人工智能視作教育“唯一方向”“唯一引擎”“唯一賽道”不僅危害更大，也將使得那些不同于生成式人工智能的教育被忽視和中斷，更可能延誤那些于國(guó)、于人、于教育更為有利的算法創(chuàng)新。

概言之，與因?yàn)椴淮_定而損失的舒適感、熟悉感和控制感相比，那些因?yàn)椴淮_定而涌現(xiàn)的自由、創(chuàng)新和多元更能確保教育的美好未來(lái)。因此之故，“何以確定深度學(xué)習(xí)導(dǎo)向更好的教育”的更好回答是，人們可以不相信深度學(xué)習(xí)一定導(dǎo)向更好的教育，但一定要相信深度學(xué)習(xí)之于教育仍有太多未知、復(fù)雜、不確定以及由此形成的精彩之處需要有心之人去探索、去經(jīng)歷和去發(fā)現(xiàn)。在這個(gè)意義上，真正令人確信深度學(xué)習(xí)一定導(dǎo)向更好教育的原因，一定不是深度學(xué)習(xí)本身，而是那些凝結(jié)在深度學(xué)習(xí)上的人類(lèi)探索、經(jīng)歷及其發(fā)現(xiàn)。

五、深度理解：生成式人工智能構(gòu)成教育奇點(diǎn)的進(jìn)路

綜上所述，本文對(duì)生成式人工智能何以構(gòu)成教育奇點(diǎn)的探討，與其說(shuō)是想證明或證否生成式人工智能是否可以徹底改變教育，或者能否將教育置于某種前所未有的美好境地，不如說(shuō)是想從前提上對(duì)生成式人工智能作出澄清，以警醒那種僅僅著眼于一種選項(xiàng)、一隅之見(jiàn)、一事得失、一時(shí)表象的視角固著、知識(shí)殘缺與急促心態(tài)。這對(duì)熱衷于關(guān)注奇點(diǎn)是否會(huì)來(lái)的教育而言，或許不足以構(gòu)成可謂確切的答案，但卻足以引申出深度理解之于教育的重要性和必要性。

（一）何謂深度理解

進(jìn)一步而言，生成式人工智能之所以需要被深度理解，一方面是因?yàn)橐呀?jīng)有研究者指出，“總體來(lái)看，人工智能有可能走錯(cuò)了路，目前的大量工作都致力于沒(méi)有那么智能的機(jī)器，這些機(jī)器主要依賴(lài)統(tǒng)計(jì)預(yù)測(cè)和大數(shù)據(jù)，而不是我們所說(shuō)的深度理解。我們認(rèn)為這是一個(gè)巨大的錯(cuò)誤，因?yàn)檫@導(dǎo)致了某種形式的人工智能青春期，機(jī)器不清楚自身的力量，也沒(méi)有能力去考慮自己行為的后果”[55]。并且，“現(xiàn)階段深度學(xué)習(xí)的最大價(jià)值并不在于它可以從數(shù)據(jù)中學(xué)到什么，而是透過(guò)它，人類(lèi)學(xué)會(huì)了什么”[56]。換言之，正如圖靈的理解孕育了基于圖靈機(jī)的智能革命，同理，也只有當(dāng)人們深度理解了生成式人工智能，諸如圖靈革命這樣的奇點(diǎn)才有可能在教育中誕生。另一方面則是出于奇點(diǎn)研究的深層期待。就像奇點(diǎn)的著名支持者庫(kù)茲韋爾所言，“我們所預(yù)測(cè)的技術(shù)持續(xù)進(jìn)步和社會(huì)反響都是基于以往的經(jīng)驗(yàn)。但事實(shí)上，未來(lái)發(fā)展將遠(yuǎn)超大多數(shù)人的認(rèn)識(shí)”[57]。這也反過(guò)來(lái)表明，與簡(jiǎn)單關(guān)注（或者爭(zhēng)論）奇點(diǎn)是否臨近相比，深度理解生成式人工智能究竟會(huì)給教育帶來(lái)怎樣的變化，或許才是探討奇點(diǎn)的教育價(jià)值所在。除此之外，“深度學(xué)習(xí)”一詞的誕生更是蘊(yùn)含了對(duì)深度理解的期許?！吧疃葘W(xué)習(xí)從原理上看就是多層神經(jīng)網(wǎng)絡(luò)，但是辛頓提出這個(gè)詞，意在激勵(lì)研究者們?cè)谝粋€(gè)失寵的領(lǐng)域堅(jiān)持自己的正確信念。深度學(xué)習(xí)這個(gè)概念在接下來(lái)的10年里大獲成功”[58]。與之相比，人工智能一詞的提出者麥卡錫卻失望的表示，“人工智能這個(gè)詞被發(fā)明之后，該術(shù)語(yǔ)并未對(duì)研究工作發(fā)揮應(yīng)有的作用”[59]。甚至于到了當(dāng)下，人工智能之于教育的作用不僅沒(méi)有如期得到體現(xiàn)，反而衍生了諸多像魔法一般的幻覺(jué)[60]。歸根究底，教育中人不僅對(duì)人工智能抱有諸多不切實(shí)際的期待，更有太多浮于表面、囿于一隅、急于求成、耽于美好的理解。這既是始于深度學(xué)習(xí)的生成式人工智能可能在教育中被辜負(fù)的理由，也是在教育對(duì)生成式人工智能的探討何以從深度學(xué)習(xí)邁向深度理解的緣由。

因此之故，與探討生成式人工智能何以構(gòu)成教育奇點(diǎn)相比，教育中人更有必要撫躬自問(wèn)，他們是否能跨領(lǐng)域、長(zhǎng)時(shí)間、多層次、辯證性地深度理解生成式人工智能。（1）跨領(lǐng)域意味著，無(wú)論是數(shù)學(xué)、物理、生物學(xué)、計(jì)算機(jī)科學(xué)，還是政治、歷史、社會(huì)、心理學(xué)和教育，它們都能為生成式人工智能提供自己的見(jiàn)解和證據(jù)，且不能相互替代。所以，就算數(shù)學(xué)和物理能為“智能”提供堅(jiān)實(shí)的支撐，但這替代不了政治和歷史對(duì)于“人性”的洞見(jiàn)。更何況，智能是“順流而下”地助漲人性下墜（貪婪、恐懼、懈怠），還是“迎難而上”地引領(lǐng)人性上升（自覺(jué)、勇敢、奮發(fā)）這類(lèi)與物無(wú)關(guān)卻于人有根本意義的問(wèn)題，它們無(wú)法在“智能”意義上被設(shè)計(jì)，而需要在人性中獲得理解。（2）長(zhǎng)時(shí)間意味著，理解生成式人工智能，除了看當(dāng)下的流行與趨勢(shì)、贊美與熱情、創(chuàng)新與潛力，還應(yīng)將視野拉升到過(guò)去的風(fēng)光與失落、經(jīng)驗(yàn)與教訓(xùn)、起源與演化，以及未來(lái)的無(wú)知與求知、復(fù)雜與多元、不確定與自由。也只有在更長(zhǎng)的時(shí)間范圍，當(dāng)教育中人發(fā)現(xiàn)算力、數(shù)據(jù)、模型等令人激動(dòng)的新詞匯并不能解決所有教育問(wèn)題，一場(chǎng)人造的繁榮局面回歸于真實(shí)的平淡之后，他們方才能看清生成式人工智能“是與非”的本質(zhì)、“能與否”的邊界、“好與壞”的價(jià)值。（3）多層次意味著，理解生成式人工智能，除了需要理解它的實(shí)現(xiàn)與應(yīng)用，更要理解它的原理與影響。因?yàn)榕c當(dāng)前教育中人對(duì)實(shí)現(xiàn)與應(yīng)用的巨大關(guān)注相比，原理和影響顯然是個(gè)短板。a.對(duì)于原理，人們需要清醒認(rèn)識(shí)到的是，如果某種應(yīng)用在原理上被允許和限制，那么后續(xù)的結(jié)果非但不難被預(yù)料，更難以被改變；反言之，如果人們總是在教育的“下游”發(fā)現(xiàn)種種應(yīng)用的問(wèn)題，卻不思考“上游”出了什么問(wèn)題，那么它的所有改進(jìn)都難免陷入被動(dòng)和徒勞。所以，“它是什么”“它的成立前提是什么”“它的運(yùn)行規(guī)則是什么”有必要在教育中得到關(guān)注。b.對(duì)于影響，人們有必要追問(wèn)，生成式人工智能的發(fā)展如此之快，快到人們?nèi)狈ο鄳?yīng)的知識(shí)和智識(shí)去解讀它們，人們應(yīng)該怎么辦？如果人們輕率地創(chuàng)造了一個(gè)連自己都搞不明白的未來(lái)，人們應(yīng)該如何與之相處？又該如何告訴后人？有沒(méi)有可能當(dāng)生成式人工智能鋪滿校園后，人們才發(fā)現(xiàn)自己既不確定自己需不需要它，或者沒(méi)有它也有更好的教育選擇？這并非危言聳聽(tīng)。因?yàn)椤翱屏指窭锲妗币呀?jīng)表明，“一項(xiàng)技術(shù)的社會(huì)后果不能在技術(shù)生命的早期被預(yù)料到。然而，當(dāng)不希望的后果被發(fā)現(xiàn)時(shí)，技術(shù)卻往往已經(jīng)成為整個(gè)經(jīng)濟(jì)和社會(huì)結(jié)構(gòu)的一部分，以至于對(duì)它的控制將會(huì)變得非常昂貴、困難和費(fèi)時(shí)”[61]。所以，無(wú)論基于生成式人工智能的教育實(shí)現(xiàn)及其應(yīng)用多么激動(dòng)人心且卓有成效，它所構(gòu)成的教育影響都有必要得到審視，以便人們?cè)谒枷牒鸵?guī)則上做好準(zhǔn)備。（4）辯證性意味著，除了要關(guān)注與生成式人工智能的支持、機(jī)遇、成功、得到、建設(shè)、助力以及由此構(gòu)成的美好，還要留心那些與之相伴而生的反對(duì)、挑戰(zhàn)、失敗、遺失、破壞、阻力以及由此構(gòu)成的苦澀；除了看到生成式人工智能可能加速的滿足、期望和成效，也要想到那些可能被加速的不滿、失落與謬誤；除了要強(qiáng)調(diào)那些需要訴諸生成式人工智能以獲得根本扭轉(zhuǎn)的短板與不足，也要捍衛(wèi)某些不想被爆炸式改變的人類(lèi)基本價(jià)值，以便不偏不倚地開(kāi)出生成式人工智能之于人類(lèi)的得失清單和利弊說(shuō)明，清醒地拋棄那些曾經(jīng)不知不覺(jué)的浮夸、偏狹、輕信和自欺。

由此出發(fā)，辛頓在長(zhǎng)期不被主流學(xué)術(shù)圈認(rèn)可的情況下堅(jiān)持深度學(xué)習(xí)，然后卻在ChatGPT大獲成功后對(duì)其感到懷疑和憂慮，才能得到恰當(dāng)解釋?zhuān)粺o(wú)論生成式人工智能是否足以改變世界，仍有后來(lái)者堅(jiān)持探索其他可能，或者在其虎頭蛇尾之后仍有人堅(jiān)持這個(gè)方向，才能從羅森布拉特開(kāi)始被講述一個(gè)邏輯自洽且生動(dòng)精彩的教育故事；那些無(wú)法用于預(yù)測(cè)奇點(diǎn)是否來(lái)臨，卻關(guān)系到奇點(diǎn)能否來(lái)臨的世代傳承、求知樂(lè)趣與自發(fā)信念方才能在教育中得以釋放。所以，無(wú)論生成式人工智能是否構(gòu)成教育奇點(diǎn)，它都值得被教育中人深度理解。

（二）深度理解何以構(gòu)成教育奇點(diǎn)

承前所述，教育中人若是可以跨領(lǐng)域、長(zhǎng)時(shí)間、多層次地辯證理解生成式人工智能之于教育的未知、復(fù)雜與不確定，而不是將之視作某種必然的簡(jiǎn)單事實(shí)，那么，無(wú)論當(dāng)下之人是否有幸見(jiàn)證始于生成式人工智能的教育奇點(diǎn)，這樣的深度理解都能通過(guò)加深教育對(duì)概念、問(wèn)題和目的的理解，以引申出奇點(diǎn)臨近的可能。

其一，立足深度概念。ChatGPT的全球爆紅使得不少人覺(jué)得在自己無(wú)法確切了解的地方發(fā)生了一件很重要的事，但又無(wú)法確切知道它是什么。這樣的朦朧與巨大沖擊反而喚起了人們的好奇與熱情。而這不禁使人懷疑，生成式人工智能之所以在當(dāng)下有如此巨大的影響力，其中很大一部分原因便是人們不知道它究竟是什么。事實(shí)上，如果人們對(duì)生成式人工智能的探究能夠立足于一些更具深度的概念，比如“圖靈機(jī)”“控制論”“命題邏輯”“神經(jīng)突觸理論”，等等。那么，他們便不難理解，“ChatGPT其實(shí)是基于重大工程的技術(shù)創(chuàng)新，它既非科學(xué)發(fā)現(xiàn)，也沒(méi)有什么新理論，而是組合了多種技術(shù)，融入了一些巧妙的想法，最終解決了一個(gè)過(guò)去沒(méi)有解決的重大問(wèn)題”[62]。而它真正具有科學(xué)價(jià)值的部分，僅僅是突破圖機(jī)靈架構(gòu)的可能；而它在數(shù)學(xué)層面的突破則幾乎為零；不過(guò)，它的技術(shù)創(chuàng)新與工程意義顯然是巨大的；倘若因此，學(xué)校只講技術(shù)與工程，那些在數(shù)學(xué)與科學(xué)上真正值得研究和突破的難題又如何說(shuō)起了？總之，教育中人對(duì)生成式人工智能的探討能否深入其理，不僅決定了生成式人工智能的教育幻覺(jué)及其謬誤能否從源頭上得到祛魅，也決定了教育中人能否站在離人工智能更近的位置理解當(dāng)前發(fā)生的一切。

其二，提出深度問(wèn)題。無(wú)論是深度學(xué)習(xí)的局限，還是那些始于深度學(xué)習(xí)的未經(jīng)定義之處，它們都能表明，與將生成式人工智能視作教育的答案相比，將之視作更好問(wèn)題的來(lái)源或許更為恰當(dāng)。也可以說(shuō)，生成式人工智能決定了什么樣的教育問(wèn)題有待解決?，F(xiàn)如今，諸如深度學(xué)習(xí)這樣的機(jī)器學(xué)習(xí)算法可以依托數(shù)據(jù)的自我訓(xùn)練、自我學(xué)習(xí)過(guò)程完成參數(shù)調(diào)整與模型構(gòu)建，進(jìn)而表達(dá)出超乎人類(lèi)所知的內(nèi)容[63]。這不僅推翻了西方文明“只有人類(lèi)才能探知宇宙真理”的基本共識(shí)[64]，更衍生出了以下仍無(wú)判斷卻事關(guān)人類(lèi)知識(shí)本質(zhì)的問(wèn)題：面對(duì)以ChatGPT為代表的人工智能，什么樣的知識(shí)仍必須由人來(lái)進(jìn)行生產(chǎn)/傳播？什么樣的知識(shí)生產(chǎn)/傳播需要由人與人工智能來(lái)合作完成？什么樣的知識(shí)生產(chǎn)/傳播可以委托給人工智能？諸如此類(lèi)問(wèn)題不僅值得被教育中人深度理解，更指向了教育奇點(diǎn)的真正意義。

其三，解蔽深度目的。如果應(yīng)用構(gòu)成了生成式人工智能之于教育的全部目的，那么今天教育中人因?yàn)樗杏茫ê糜茫┒С炙?，明天就可能因?yàn)樗鼪](méi)用（不好用）而反對(duì)它。與此同時(shí)，僅僅關(guān)注應(yīng)用也解釋不了，“即便知道可用也不用”的教育品格。所以，與關(guān)注生成式人工智能究竟能在教育中做到什么相比，教育中人更有必要關(guān)心師生究竟可以從中知道什么，以開(kāi)展有求知意義的育人活動(dòng)。首先，只有在這樣的目的之下，人們?cè)谏墒饺斯ぶ悄堋耙呀?jīng)知道”和“需要知道”之間的差異及其謬誤，才會(huì)被視作一個(gè)亟待解決的求知問(wèn)題與育人問(wèn)題。其次，只有在這樣的目的之下，教育中人才能把生成式人工智能安放在更為恰當(dāng)?shù)那笾慌c育人之位，而不是被其誤導(dǎo)、蒙蔽或裹挾。反言之，如果教育不反思生成式人工智能的求知意義與育人價(jià)值，那么相關(guān)探討不僅偏離了教育的本質(zhì)，更可能助漲生成式人工智能的誤解和濫用。再者，只有在這樣的目的之下，人們才會(huì)從“有求知意義的育人活動(dòng)”的視角，去檢驗(yàn)生成式人工智能的合理性、必要性和正當(dāng)性，而不是在生成式人工智能浪潮中隨便選擇某個(gè)產(chǎn)品將其應(yīng)用于教育，然后發(fā)現(xiàn)這樣的應(yīng)用非但無(wú)益于育人且沒(méi)有什么求知價(jià)值。最后，也只有在這樣的目的之下，“奇點(diǎn)人”才能因?yàn)榍笾陀松仙秊楸取捌纥c(diǎn)”更加值得關(guān)注的教育議題。與當(dāng)前教育中人對(duì)奇點(diǎn)的熟知相比，“奇點(diǎn)人”這個(gè)更重要甚至離教育更近的兼具求知價(jià)值和育人內(nèi)涵的概念卻鮮有人知。如今之人往往將庫(kù)茲韋爾的《奇點(diǎn)臨近》一書(shū)視為“探討奇點(diǎn)的科技著作”，卻不曾看到，庫(kù)茲韋爾在介紹完他心中的奇點(diǎn)含義之后，馬上寫(xiě)道“一個(gè)人真正理解奇點(diǎn)的含義，將從根本上改變他的人生觀和他的人生。我將那些理解奇點(diǎn)并在生活中履行奇點(diǎn)價(jià)值觀的人視為奇點(diǎn)人”[65]。從庫(kù)茲韋爾的觀點(diǎn)不難看出，奇點(diǎn)人比奇點(diǎn)重要，正如圖靈比圖靈機(jī)重要。這種重要性體現(xiàn)為，只有當(dāng)可以深度理解某個(gè)技術(shù)的奇點(diǎn)人出現(xiàn)時(shí)，奇點(diǎn)才會(huì)降臨。歷史也已表明，當(dāng)圖靈用自己理解的人工智能來(lái)表達(dá)它時(shí)，人工智能確實(shí)迎來(lái)了自己的奇點(diǎn)。一旦明白這一點(diǎn)，“有求知意義的育人活動(dòng)”的重要性自然也將躍升于生成式人工智能之上。畢竟，與可能構(gòu)成奇點(diǎn)的生成式人工智能相比，有益于涌現(xiàn)奇點(diǎn)人的教育更值得被關(guān)注。

六、結(jié)語(yǔ)

歷史地看，智能教學(xué)系統(tǒng)早在20世紀(jì)60年代得到了承認(rèn)，但它至今仍未給教育帶來(lái)革命，其中的重要原因便是，教育中5d15a0dc170f53ef63cb7b63a85f8ef603a6c27c32c1a3401869dd982717ba5f人理解不了這樣的智能教學(xué)系統(tǒng)[66]。類(lèi)似地，無(wú)論今日之人如何強(qiáng)調(diào)深度學(xué)習(xí)的優(yōu)越性和先進(jìn)性，亦或因之設(shè)計(jì)出怎樣的智能應(yīng)用，若是它們超出了教育中人的理解范疇，它們所帶給教育的影響不僅會(huì)變得極為有限，更有可能因此變得未知、復(fù)雜且不確定。也正鑒于此，教育若想藉由生成式人工智能擁抱亦真亦幻的奇點(diǎn)，并因此而受益，它就絕不能止步于欣賞和使用種種人工智能，而應(yīng)深度理解人工智能的本質(zhì)、突破與局限。這既是本文追問(wèn)生成式人工智能何以構(gòu)成教育奇點(diǎn)的邏輯遵循，也是從深度學(xué)習(xí)到深度理解為何需要在教育尺度上被關(guān)注和討論的根本緣由。

參考文獻(xiàn)：

[1][3][7][10][57][65] [美]庫(kù)茲韋爾.董振華，李慶誠(chéng)譯.奇點(diǎn)臨近[M].北京：機(jī)械工業(yè)出版社，2011.

[2] 何懷宏.奇點(diǎn)臨近：福音還是噩耗——人工智能可能帶來(lái)的最大挑戰(zhàn)[J].探索與爭(zhēng)鳴，2018，（11）：50-59+117.

[4] 朱彥明.奇點(diǎn)理論：技術(shù)“復(fù)魅”世界 ——批判地閱讀庫(kù)茲韋爾的《奇點(diǎn)臨近》[J].科學(xué)技術(shù)哲學(xué)研究，2020，（6）：83-88.

[5] 萬(wàn)赟.從圖靈測(cè)試到深度學(xué)習(xí)：人工智能60年[J].科技導(dǎo)報(bào)，2016，（7）：26-33.

[6] [英]默里·沙納漢.霍斯亮譯.技術(shù)奇點(diǎn)[M].北京：中信出版社，2016.

[8][16][19][46][56] [美]佩德羅·多明戈斯.黃芳萍譯.終極算法——機(jī)器學(xué)習(xí)和人工智能如何重塑世界[M].北京：中信出版社，2017.

[9] 楊欣.教育數(shù)字化轉(zhuǎn)型的算法機(jī)遇、挑戰(zhàn)與調(diào)適[J].高等教育研究，2022， （2）：13-22.

[11][12][17][28] [美]特倫斯·謝諾夫斯基.姜悅兵譯.深度學(xué)習(xí)：智能時(shí)代的核心驅(qū)動(dòng)力量[M].北京：中信出版社，2019.

[13][14] [美]凱德·梅茨.桂曙光譯.深度學(xué)習(xí)革命[M].北京：中信出版社，2023.

[15] 尹寶才，王文通等.深度學(xué)習(xí)研究綜述[J].北京工業(yè)大學(xué)學(xué)報(bào)，2015，（1）： 48-59.

[18][55] [美]蓋瑞·馬庫(kù)斯，[美]歐內(nèi)斯特·戴維斯.龍志勇譯.如何創(chuàng)造可信的AI[M].杭州：浙江教育出版社，2020.

[20] 侯宇青陽(yáng)，全吉成等.深度學(xué)習(xí)發(fā)展綜述[J].艦船電子工程，2017，（4）：5-9+111.

[21] [英]凱倫·楊，[英]馬丁·洛奇.林少偉，唐林垚譯.馴服算法：數(shù)字歧視與算法規(guī)制[M].上海：上海人民出版社，2020.

[22][23][25][27][48][51][58][62] 吳翰清.計(jì)算[M].北京：電子工業(yè)出版社，2023.

[24] 王吉偉.AI Agent發(fā)展簡(jiǎn)史，從哲學(xué)思想啟蒙到人工智能實(shí)體落地[J].大數(shù)據(jù)時(shí)代，2023，（12）：6-19.

[26] [美]蒂姆·奧萊利.楊晨曦，戴茗玥等譯.未來(lái)地圖：技術(shù)、商業(yè)和我們的選擇[M].北京：電子工業(yè)出版社，2018.

[29] Binns R.Algorithmic accountability and public reason [J].Philosophy & Technology，2018，（1）：543-556.

[30] 楊欣.教育數(shù)字化轉(zhuǎn)型中的算法權(quán)力及其規(guī)制[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2024，（1）：114-126.

[31] 楊欣.教育評(píng)價(jià)改革的算法追問(wèn)[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2022，（1）：19-29.

[32] 錢(qián)力，劉熠等.ChatGPT的技術(shù)基礎(chǔ)分析[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2023，（3）：6-15.

[33] 曹培杰，謝陽(yáng)斌等.教育大模型的發(fā)展現(xiàn)狀、創(chuàng)新架構(gòu)及應(yīng)用展望[J].現(xiàn)代教育技術(shù)，2024，34（2）：5-12.

[34] 盧宇，余京蕾等.多模態(tài)大模型的教育應(yīng)用研究與展望[J].電化教育研究，2023，（6）：38-44.

[35] 羅江華，張玉柳.多模態(tài)大模型驅(qū)動(dòng)的學(xué)科知識(shí)圖譜進(jìn)化及教育應(yīng)用[J].現(xiàn)代教育技術(shù)，2023，（12）：76-88.

[36] 戴瓊海.大模型技術(shù)：變革、挑戰(zhàn)與機(jī)遇[J].中國(guó)科學(xué)基金，2023，（5）：713.

[37] 賈積有，張譽(yù)月.人工智能與教育：機(jī)遇、挑戰(zhàn)與對(duì)策[J].北京大學(xué)教育評(píng)論，2023（1）：49-61+188-189.

[38] 公雪，劉秉新等.兩足教育機(jī)器人的歷史發(fā)微與設(shè)計(jì)邏輯[J].現(xiàn)代遠(yuǎn)距離教育，2023，（4）：41-52.

[39][40] [澳]艾倫·查爾默斯.蔣勁松譯.科學(xué)及其編造[M].上海：上?？萍冀逃霭嫔?，2007.

[41] [意]盧西亞諾·弗洛里迪.王文革譯.第四次革命：人工智能如何重塑人類(lèi)現(xiàn)實(shí)[M].杭州：浙江人民出版社，2016.

[42][63][64] [美]戴維·溫伯格.劉麗艷譯.混沌：技術(shù)、復(fù)雜性和互聯(lián)網(wǎng)的未來(lái)[M].北京：中信出版社，2022.

[43] [美]納特·西爾弗.胡曉姣，張新等譯.信號(hào)與噪聲[M].北京：中信出版社，2013.

[44] [以]尤瓦爾·赫拉利.林俊宏譯.人類(lèi)簡(jiǎn)史：從動(dòng)物到上帝[M].北京：中信出版社，2017.

[45] 楊欣.未知的精彩冒險(xiǎn)——教育數(shù)字化轉(zhuǎn)型的圖景透視[J].教育學(xué)報(bào)，2024，（3）：59-71.

[47] [意]亞歷山德羅·韋斯皮尼亞尼，[意]羅西塔·里塔諾.潘源文譯.算法與預(yù)言：復(fù)雜科學(xué)如何預(yù)測(cè)和改變未來(lái)[M].北京：中信出版社，2023.

[49] [加]邁克爾·富蘭.趙中建，陳霞等譯.教育變革新意義[M].北京：教育科學(xué)出版社，2005.

[50] 楊欣.教育治理數(shù)字化轉(zhuǎn)型的利弊及其調(diào)適[J].中國(guó)電化教育，2022，（11）： 45-52.

[52] [美]凱文·凱利.嚴(yán)麗娟譯.科技想要什么[M].北京：電子工業(yè)出版社，2023.

[53] [美]愛(ài)德華·阿什福德·李.張凱龍，馮紅譯.柏拉圖與技術(shù)呆子：人類(lèi)與技術(shù)的創(chuàng)造性伙伴關(guān)系[M].北京：中信出版社，2020.

[54][66] [美]斯圖爾特·羅素.張羿譯.AI新生：破解人機(jī)共存密碼——人類(lèi)最后一個(gè)大問(wèn)題[M].北京：中信出版社，2020.

[59] [荷]彼得·阿德里安斯，[荷]約翰·范·本瑟姆.殷杰，原志宏等譯.信息哲學(xué)[M].北京：北京師范大學(xué)出版社，2015.

[60] 楊欣.魔法與科學(xué)：人工智能的教育迷思及其祛魅[J].教育學(xué)報(bào)，2021， （2）：18-31.

[61] Collingridge D.the Social Control of Technology [M].Milton Keynes：Open University Press，1980.

作者簡(jiǎn)介：

楊欣：副教授，博士，研究方向?yàn)榻逃龜?shù)字化。

Why Generative AI Constitutes Education Singularities

——From Deep Learning to Deep Understanding

Yang Xin

Basic Education Research Centre， Southwest University， Chongqing 400715

Abstract： The success of ChatGPT has sparked widespread and heated discussions in the education community about generative artificial intelligence. In this context， using deep learning as a clue to question how generative artificial intelligence constitutes the singularity of education， the aim is to grasp the breakthrough and limitations of generative artificial intelligence in education from the previous context. From the perspective of breakthroughs in deep learning， the deep value of generative artificial intelligence in education lies in charting new directions towards algorithmic decision-making， new paradigms towards large models， and new tracks towards intelligent machines； From the limitations of deep learning， education is highly likely to face unknown， unavailable， and untrustworthy risks due to generative artificial intelligence. For educators who are enthusiastic about verifying how generative artificial intelligence constitutes a singularity， this is still insufficient to provide a definitive answer； But for education that attempts to appeal to deeper concepts， problems， and purposes to create singularities， it can be a useful inspiration. Ultimately， compared to deep learning， which is one of the important directions of artificial intelligence today， a deep understanding of AI’s cross disciplinary， long-term， multi-level， and dialectical nature is more likely to lead to educational singularities.

Keywords： generative AI； singularity； deep learning； deep understanding； algorithm

收稿日期：2024年7月11日

責(zé)任編輯：李雅瑄