原標題：大數據人工智能模型下未來教育的“六個轉變”
當前，人工智能正超越運算智能水平，在感知智能水平上突飛猛進，正在向認知智能水平邁進，對教育的影響日益廣泛和深遠。要深入了解其影響，必須先剖析人類學習與機器學習的區別和聯系。
人類學習是機器學習的基礎，二者存在本質區別。
首先，學習起點的區別：有限設定與無限開放。機器學習的起點是初始輸入的編碼信息，只有完全符合學習起點的信息并被精準識別后，機器學習才會發生。因此，參數和算法是影響大數據模型效率的關鍵，目前現有的大數據模型參數大多超千億。人類學習的起點是一個無限開放的時空范圍，一切外在和內在的信息都能促發學習。
其次，學習邏輯不同：算法執行與自我創生。機器以邏輯迭代為學習方式，進行算法疊加，生成學習結果。人類學習是以信息內化為基礎的，是自我創生為主的，會創生不同知識間的新聯系，創生出原本沒有直接關聯的獨立事物間的聯結，產生許多新的聯想和感性表象，這種創生體現出鮮明的個體差異性，即同樣的學習活動會產生豐富多彩的結果。
最后，學習結果不同：標準比對與選擇偏好。機器學習將學習迭代后符合系統設置的指標體系標準的結果輸出或存儲，這就是機器學習的結果。因此，應用同一型號的學習機器在相同時空執行相同學習任務后的結果往往是一樣的。人類學習則基于自己的偏好，蘊含更多情感，如存在“棄好用差”等價值選擇可能，因此更容易獲得創新性、差異性結果，因此才有“一千個讀者就有一千個哈姆雷特”之說。
基于大數據模型的人工智能對教育的影響主要在兩個方面：一方面，大量繁重、機械的人類工作會被機器取代，使教育的價值、目標等發生改變，影響人們對教育功能的認識和教育需求；另一方面，直接影響教育場景、手段，使傳統教育形態發生變革，甚至改變人們的教育觀念。在大數據模型人工智能深化背景下，未來教育可能會產生以下轉變。
其一，教育功能從服務已知向服務未知轉變。人工智能快速發展，新舊領域和行業快速更替，未來科技、工作、生活等領域的發展具有更大的不確定性。因此，從知識本位向能力本位進而向素養本位轉變，成為未來教育的必然選擇和應然主流。未來的不確定性和難以預知性，要求學習內容從確定性結論轉向過程性內容，學習過程從理解性接受轉向生成性建構，學習應用從知識性強化轉向方法性化用，學習評價從終結性鑒定轉向過程性指導，實踐活動從學科性探究轉向跨科性融合。
其二，學校形態從時空同場向散點分布轉變。未來，大數據、人工智能、物聯網等技術將打破現有教育時空局限。云數據的大容量和人工深度挖掘技術，將使教育內容數據資源建設和個體學情數據分析更加立體而精準；虛擬仿真技術和多模態互動技術，將使時空異步的教育情境更加逼真和有效；基于全息媒體和網絡交互技術構建的大數據學習模型，將使學習協作和社交發展不再必然依賴現實的物理空間。因此，未來學校將體現出學習時空上的離散型特征，也會日漸增強虛擬性、泛在性、非在場性等特點。
其三，教學工作從人工為主向人機協同轉變。大數據模型能高度模擬知識、技能等教學情境并使之成為現實。未來，從事教學的將不再全部是教師，也不一定是“全職”教師，而會呈現出人機協同、精細分工特征：一是基于課程標準和選用教材的解讀與設計者，更強調學科性專業解讀能力和將內隱思維精準文本化的教學預案設計能力。二是將教學或活動方案制作成適合異步時空學習的多模態媒體課程，設計成可由人工智能機器實施的教學程序，并可由機器執行。三是指導學生借助大數據模型構建的學習情境進行個性化學習的人員，主要進行學習方法指導、培優補差、家校溝通等工作。
其四，知識獲取從知識存儲向信息鏈接轉變。從農業時代到工業時代，人們注重擁有知識和技能，以期提前儲備好未來需要的知識。但是，未來充滿不確定性，知識、技能、職業都不斷涌現，難以也沒有必要完全掌握。因此，未來教育要從重視知識和能力習得轉向重視信息獲取、建立信息鏈接等，重視基于知識提供的線索進行想象和發散性思考，重視共享經驗和知識并進行協作創新，強化知識鏈接能力。
其五，能力塑造從領域通才向兩極分化轉變。未來受社會歡迎的人才可能不再是通才，而呈現出兩極現象：一極追求專業性精深，在特定專業、領域、項目的某個具體點上做到極致，成為專家級人才并保持研究的前沿性和權威性。另一極追求跨界性整合，具備多個專業、領域、行業的一般性知識和能力，致力于突破單一領域局限，尋求跨學科、跨業界的整合和創新。簡言之，前者追求縱向深度，后者追求橫向鏈接，而在特定領域的一般能力水平將可能失去主導價值。
其六，學習策略從全面學習向定向攻關轉變。未來社會，人們的生活、工作和學習都將面臨更多的新理論、新知識、新技術，因此從事任何工作都要提高準確識變、科學應變的能力。面對新領域、新技術、新情況等，“識變”后的定向學習是“應變”的重要舉措。定向學習不是儲備性先期學習，而是針對性應急學習，其學習內容方向、多少、深淺、進度都依解決現實問題的需要而調整。
（鐘建林，作者單位：福建省教育科學研究所）
