雖然“人工智能＋教育”（AIED）僅在行業(yè)中有一個模糊的概念，但相信多數(shù)人對它的理解基本是“機器人教學”。

你相信機器人能代替真人老師授課嗎？

如果你不相信，理由或許是這樣的——

首先，從現(xiàn)有的技術條件來看，人工智能技術遠沒有達到成熟狀態(tài)；

其二，人工智能只能進行海量的學習和模仿，卻很難擁有超越知識的創(chuàng)造力，更加無法擁有人類的意識和情感，這決定了人類對其始終擁有掌控力。

此外，從現(xiàn)階段的產(chǎn)業(yè)環(huán)境來看，至少在中國，盡管行業(yè)和資本層面皆對人工智能抱有極大的熱忱，但的確與目前的學術理論和技術研發(fā)水平之間存在著巨大的溫差。

但是不得不承認，從打敗象棋冠軍的“深藍”，到攻克圍棋領域的“Alpha go”，再到打敗人類辯論選手的“Debater”，人工智能在挑戰(zhàn)人類智識和想象力層面的爆發(fā)力從來沒讓人失望過。

從事“人工智能＋教育”的松鼠AI CEO栗浩洋在11月24日的媒體活動上更是直言，藝術、想象力等人類最后躲藏的堡壘和洞穴，終有一天會被人工智能技術所解構。而當機器可以復刻好奇心、創(chuàng)造力等意識層面的能力，那就意味著它可以對真人老師進行全方位的替代。

或許關于人工智能＋教育的邊界，越來越值得我們有更多的思考。

為什么AI能在創(chuàng)造力上超越人類。

栗浩洋認為，“創(chuàng)造力”表現(xiàn)在四個維度——

第一個維度是知識廣博，沒有知識的鋪墊，就不能創(chuàng)造出與眾不同的東西。毫無疑問，人工智能的知識儲備必定比人類要廣博。IBM的超級電腦“沃森”（Watson）早在2011年初就已經(jīng)在益智類綜藝節(jié)目《危險邊緣》（Jeopardy！）中打敗了最高獎金得主布拉德·魯特爾和連勝紀錄保持者肯·詹寧斯，最終贏得100萬美元的獎金。

“這一點也不稀奇，也不令人恐懼，它就是搜索引擎，對于任何知識都可以直接在網(wǎng)上搜索后進行反饋，就好像挖掘機用蠻力戰(zhàn)勝了人類的鐵锨一樣”，栗浩洋評論稱。

應用于教育領域，栗浩洋稱，在當前的科技水平之下，人工智能可以做出每一個人類大腦中的“知識地圖”，其中包含幾千萬的知識點、題目、用戶畫像，以及它們之間的關聯(lián)性，而人類老師卻不可能做到窮盡所有的知識?！爱斠粋€孩子的知識畫像被AI獲知，它就可以幫孩子做出創(chuàng)造性的事”。

創(chuàng)造力的第二個維度是好奇心。

“好奇心是人類改變世界的動力，愛因斯坦發(fā)明狹義相對論，是源于兒時對于如果人比光快會怎么樣的幻想，這似乎也是人和任何機器不一樣的地方”，栗浩洋說。但他進一步指出，對機器來說，好奇心也是可以被學習的。

典型案例是AI對經(jīng)典游戲《Montezuma＂s Revenge》的攻克。

一般而言，AI會通過“強化學習”的訓練方法在游戲中通關。在這種訓練中，AI會因為某些結果而獲得獎勵（如得分），或是受到懲罰（如掉血）。因此，AI能在游戲中經(jīng)過大量試驗后找到“得到獎勵”的最佳策略，從而得到高分。然而《Montezuma＂s Revenge》的特殊性在于，它不能為AI提供獎勵，在這款益智游戲中，玩家必須不斷探索、收集才能步步為營，這顯然不符合AI的學習方式。

后來，專家開始教AI如何擁有“好奇心”，簡單來說，告訴AI不僅是跨越障礙可以得分，無目的的探索也可以。最終，AI取得了在9次闖關中平均得分一萬分的成績，而人類的平均得分只有4000分。

值得一提的是，在AI進行“好奇心”學習以前，它的得分是0分。

AI在《Montezuma＂s Revenge》中截然不同的表現(xiàn)，與“功利主義”和“自由主義”的對立很相像。“當學會好奇心的AI在游戲中開始不以勝利為目的，它就會進行不斷的玩樂和挑逗，因為它知道自己必勝，因而求勝變得沒有意思”，栗浩洋評論稱，“現(xiàn)在來看，教育最致命的問題就是功利。教育應該徜徉、幻想、浪費時間。沒有實際的獎勵和目標，黑暗中的探索或許才會發(fā)現(xiàn)智慧”。

創(chuàng)造力的第三個維度是發(fā)散思維。

栗浩洋舉例稱，機器人“能寫會畫”已經(jīng)不是新鮮事。微軟機器人“小冰”在學習了近百年來519位詩人的詩之后已經(jīng)形成了獨特的風格、偏好和行文技巧，并通過1億用戶的情感融通做出了一本詩集。

“機器人不是一流的詩人，但是至少可以超過9成的詩人。而且它的作品具有很高的原創(chuàng)性，它曾匿名往北京晨報、長江商報等眾多主流刊物投稿并大量獲選”，栗浩洋稱。

同樣回歸教育領域，按照栗浩洋的說法，人工智能可以通過把控人的發(fā)散思維，然后再對人進行教授。

“當我們能精準的測試人的思維能力的時候，就能幫他舉一反三，就能訓練各種思維能力”，栗浩洋如是說。

創(chuàng)造力的第四個維度是邏輯歸納。

同樣是IBM的沃森研究中心，其開發(fā)了一種算法可供研究170萬種香水配方，然后將其成分與其他數(shù)據(jù)集進行比對。目前，IBM已經(jīng)與香水公司Symrise合作，向巴西第二大化妝品商店出售了兩款人工智能研發(fā)的香水。

Symrise高管Achim Daub表示，這兩種香水都得到了焦點小組的熱烈響應，即使在與其他受巴西千禧一代歡迎的香水進行測試時也能獲得最佳效果。

栗浩洋稱，AI總會不斷“冷血”的分析、計算最高的概率，并不斷的彌補缺點。“當AI變得沒有缺點，就不可戰(zhàn)勝”。栗浩洋認為，“AI老師”進行創(chuàng)造力教育的遠景或許是，通過掌握所有的創(chuàng)造能力，在老師問孩子問題時，能用系統(tǒng)激勵他們更多的想象力，并且無論孩子做任何回答，都能有足夠的語料庫與其進行互動，“不要囿于一個答案，而是充滿幻想”。

AI讓“中國式教育”的優(yōu)勢蕩然無存

即使以上“AI能在創(chuàng)造力上超越（大部分）人類”的技術命題為真，或許還不足以證明機器人能在需要“即興交互”的授課場景中做到完美，況且教育之于不同地區(qū)和人的習慣和意義都各有差異。

然而，至少從中國教育目前的特點來看，AI的出現(xiàn)至少已經(jīng)在教育思路上對現(xiàn)行的教育狀態(tài)發(fā)起了挑戰(zhàn)。

清華大學經(jīng)濟管理學院院長錢穎一曾在一篇演講中提及中國教育的特點。

他指出，中國教育的最大問題是我們對教育從認知到實踐都存在一種系統(tǒng)性偏差，“這個偏差就是我們把教育等同于知識，并局限于知識。高考也是考知識，所以知識就幾乎成了教育的全部內容”。

“而死記硬背、大量做題正是我們目前培養(yǎng)學生的通常做法”，錢穎一強調。

更引人擔憂的是，原本被社會大眾殷切的賦予個性化、創(chuàng)造力期望的知識教授者們，目前在教學隊伍的培養(yǎng)當中也局部呈現(xiàn)出一種“流水線生產(chǎn)式”的生產(chǎn)態(tài)勢。

起風財經(jīng)曾臥底某以青少年應試教育為主營業(yè)務的課外培訓機構進行走訪調查，發(fā)現(xiàn)此類連鎖培訓機構的師資隊伍中，存在大量非科班、兼職教學的情況。而該培訓機構對外的承諾則是，機構中所有的教學人員皆為資質過硬的在職教師。

為了安排此類非科班出身的兼職老師盡快“上手”，機構對其進行的培訓流程堪稱“高效”。以語文科目為例，培訓機構的教案編輯團隊會編制一本特殊的教案，其中逐句逐段的標注、注釋了教學重點，“我們老板的要求是，任何人一看，不用備課就能講出東西來”，該負責人稱。

當學生乃至教師都或多或少表現(xiàn)出嚴重程式化的教育人格后，人和機器的邊界開始變得模糊。

錢穎一指出，人工智能本身就是通過機器進行深度學習來工作，而這種學習過程恰是在大量地識別和記憶已有的知識積累。從這個角度出發(fā)，人工智能可以替代甚至超越那些通過死記硬背、大量做題而掌握知識的人腦。

而且事實證明，人工智能在和中國特色“填鴨教育”的契合度上早已取得了不錯的表現(xiàn)。

2017年高考第一天，一臺名為“Al－Maths”的人工智能機器人和考生一起參加了數(shù)學考試，其在22分鐘時間內完成了北京文科數(shù)學試卷，得分105分（滿分150分）。而另一臺人工智能教育機器人Aidam則對陣了6名來自不同地區(qū)的前文理科狀元，在數(shù)學答題中，Aidam拿到了134分（滿分150分）。

在傳統(tǒng)教育機械化、競爭力普遍不強的情況下，AI的固有儲備優(yōu)勢已經(jīng)初步顯現(xiàn)，并且已經(jīng)通過“一對一AI教學”的理念提出了“因材施教”的命題。

“AI可以對孩子的知識點進行掃描，知道他們的知識體量，知道應該學多少，然后制定一些與分數(shù)對應的目標計劃。還有，不同的孩子對不同的知識點學習的時間不一樣，學霸也有要學很久的知識點。既然每個孩子都有不可知的學習時間的云圖，就不應該把所有孩子都放在45分鐘的課堂上，甚至不應該把兩個孩子放在同一間教室中去學習”，栗浩洋如是說。

與此同時，讓人擔憂的還有AI的交互和輸出能力。

2018年6月，IBM人工智能產(chǎn)品“Project Debater”與兩位經(jīng)驗豐富的辯手分別進行較量，最終在兩場由觀眾投票的辯論中贏得了其中一場。

根據(jù)IBM人工智能研發(fā)人員的分析，機器人接到辯題之后首先會努力理解辯題的意義，然后掃描幾億篇文章找到潛在的論據(jù)用來構成辯護材料，其間，辯論機器人采用獨有的自然語言處理方式、機器學習和推理技巧，在了解辯題的潛在主題的基礎上，將論據(jù)組織得有效且有說服力。

而在真實的辯論場景中，人類對手語速極快，并且會提出復雜的論據(jù)；這時候人工智能不僅要充分理解對手的核心思想，還要根據(jù)聽到的內容組織駁辯。

對此，IBM的研發(fā)人員把機器的搜索模式改成了研究模式，促使機器對命題進行研究，從而比搜索更深一個層次?！八阉饕粋€主題會搜出一個清單，如果以研究的方式去處理一個主題就能得出正反兩方的論據(jù)”。

讓人驚喜的是，Debater除了可以進行精準的抗辯，還可以遵循人類的語言邏輯開適當?shù)耐嫘Α１热缭凇罢欠駪撛黾涌臻g探索的費用”的辯題中，Debater說，“這個辯論對我來說尤其關乎我的命運，但是我不能興奮的熱血沸騰，因為我沒有血”。

可以說，從辯論的表現(xiàn)來看，人工智能在語言理解和交互能力方面已經(jīng)展現(xiàn)出更多可能。

“改變整個教育體系，這不是哪一個公司能做到的”

AI機器人代替人類老師并沒有成為既定結果，但的確存在技術上的可期，甚至價值上的啟發(fā)。事實上，在政策、消費和技術的推動之下，國內人工智能的設想和研發(fā)進程都不斷在出現(xiàn)新的進展。

據(jù)此前《2018－2023年中國人工智能行業(yè)市場前景及投資機會研究報告》數(shù)據(jù)顯示，2017年中國人工智能投資事件數(shù)達到353次，投資金額為582億元，后者與2016年相比增長65．34％。此外，隨著人工智能技術的逐漸成熟，科技、制造業(yè)等業(yè)界巨頭布局的深入，應用場景不斷擴展，預計2018年中國人工智能市場規(guī)模有望突破200億元，達到238．2億元，增長率達到56．6％。

當然，人工智能和所有產(chǎn)業(yè)的發(fā)展一樣，都無法倚靠單一力量一蹴而就。

在今年6月的IEEE SMC學會上，中國科學院自動化研究所復雜系統(tǒng)管理與控制國家重點實驗室主任王飛躍在接受媒體采訪時表示，人工智能最核心的是人才問題。據(jù)不完全統(tǒng)計，目前美中兩國的人工智能的人才比例約為13 ： 1。

王飛躍認為，人工智能的人才培養(yǎng)需要一個應用場景和一個平臺來推動，然后立即轉到行業(yè)開發(fā)中去、把各種各樣的應用場景做起來。

他同時強調，這不是一個公司可以憑一己之力完成的。

“現(xiàn)在的學校，現(xiàn)在教的東西，跟未來的時代脫節(jié)極其嚴重，這需要改變整個教育體系，這不是哪一個公司能做到的，將來會是一個社會運動”，王飛躍稱。

提到“人工智能＋教育”，王飛躍直言，“我們現(xiàn)在的老師一定程度上只能在未來的學校做輔導員，我們需要大批的輔導讓學生克服這種心理上、文化上的障礙。我們需要新的老師，能教智能產(chǎn)業(yè)、給智能產(chǎn)業(yè)提供基礎的老師?！?/p>