清华AIGE红皮书解读（6）：人工智能通识教育：一种新的教育形态

（来源：图灵人工智能）

在前面的解读中，我们已经讨论了智能社会的形成，以及人在这一社会中保持认知自治的必要性。然而，认知自治不是天然形成的，它需要教育的主动参与。那么，什么样的教育才能承担起这样的时代使命呢？红皮书给出的答案是：人工智能通识教育。下面是红皮书对人工智能通识教育的定义：

人工智能通识教育是通识教育与人工智能教育相融合形成的教育形态。它以人工智能的知识、方法、系统及其社会运行为学习内容，承担通识教育在智能社会中培养认知自治能力的使命。

这一定义说明了人工智能通识教育的来源、内容与目标。为了深入理解这一定义，需要解释“人工智能”和“通识教育”为什么走向交融，以及这种新的教育形态何以能够完成“认知自治能力培养”这一时代使命。

一、两种教育的双向奔赴

1.通识教育的时代使命

通识教育关心的是人在专业分工之外应当具有的共同认知基础。人们可以从事不同职业、拥有不同专长，但仍然需要理解共同生活的世界，能够交流、判断并参与公共事务。科学、人文与社会知识，都与这一教育目标密切相关。学习这些知识，使人获得认识世界的基本方式，也为不同专业背景的人提供相互理解的条件。

随着智能社会的逐渐成型，通识教育拥有了新的使命：当智能系统能够提供解释、组织理由和建议行动时，通识教育要帮助学习者在依赖智能系统的过程中保持独立的认知能力，即认知自治。如何完成这一使命，是通识教育面临的关键问题。

2.人工智能教育的通识化倾向

从另一个方向看，智能社会的教育正在重新定位自身的价值。随着技术的发展，知识获取变得越来越容易，技术性工作在AI的助力下门槛越来越低。随之而来的一个结果就是：传统以知识学习与技能培训为主体的“专业化教育”功能性下降，而关注可迁移能力的“通识教育”成为主体。我们将这一趋势称为“教育通识化”。

人工智能教育同样需要回应这一变化：它固然应该教授人工智能专业知识，但越来越重要的是，如何找到自己的公共教育角色，培养公民在某一方面的基础的、可迁移的心智能力。因此，人工智能教育也在寻找自身的通识教育定位。

3.学科交融

通识教育需要一种能培养认知自治能力的新方案，而人工智能教育需要建立自己通识教育的定位。二者因此形成一种双向奔赴，逐渐形成一种相互融合的教育新形态，即“人工智能通识教育”。

在这样的教育形态中，人工智能教育提供教育的素材，通识教育提供方向，即“认知自治能力培养”。这样，通识教育完成了自己的时代使命，人工智能教育也走向了通识化。

这里有一个关键问题：人工智能所提供的教育素材，是否真正能够完成培养认知自治能力的使命？如果无法完成这一任务，前述的定义就只是概念包装。

红皮书并没有用假设和断言来回答这一问题，而是从人工智能的学科特性以及人工智能进入社会活动的具体路径开始分析，给出了理论可行性和具体实现路径，从而为人工智能通识教育奠定了学理基础。

二、人工智能的基础逻辑：智能活动计算化与社会活动计算化

人工智能是用计算机模拟人类智能行为的科学，本质上是用计算模型复现人类的智能行为。这一过程可以称为“智能活动的计算化”。

智能活动的计算化，使得识别、学习、推理、规划、判断等活动，具有了可以建构、运行和检验的数学形式。以机器学习为例，系统如何从数据中学习，依据什么目标调整模型，在怎样的条件下接受评价，都可以具象化为可观察的计算过程。

人们可以改变训练样本，比较不同模型的表现，检验系统在新情境中的错误。虽然模型的内部机制可能难以解释，但其输入、输出、运行条件和表现差异，能够成为可以分析、实验的对象。这就为人的智能提供了可供深入探究的外在形式。

另一方面，人工智能还将社会活动纳入计算过程。现实对象被表示为数据，社会活动的目标被转化为训练指标，历史经验进入模型；模型输出又通过平台、组织和制度进入实际行动。例如，一个推荐系统需要将用户行为转化为数据，以某种目标组织内容排序，再通过界面展示影响用户的选择。用户的新行为又可能被记录下来，成为后续计算的依据。

智能系统的这些过程，可以实例化成可拆解、可分析的计算流程，并通过适当规模的数据进行模拟，从而提供研究、学习的样例。通过这些样例，学习者可以对人工智能进入社会活动的路径有清晰的认知，也可以对人工智能的社会影响进行深入分析。

三、人工智能如何培养认知自治能力

“智能活动计算化”与“社会活动计算化”共同确定了人工智能通识教育的基础内容。但要实现认知自治能力的培养，还需要进一步分析这些内容在通识教育中可以承担的角色。我们将其总结成两个方面：知识本体与训练样例。

1.知识本体

作为知识本体，人工智能提供关键的概念、方法和系统结构。数据如何表示现实，模型如何形成能力，结果如何接受检验，系统在什么条件下有效，这些都构成实质性的知识内容。人工智能进入社会以后，数据来源、平台目标、组织流程和责任分配，也成为理解其实际运行所必需的基础内容。

这些知识可以帮助学习者对人工智能形成有依据的认知。例如，理解训练数据与实际应用条件可能存在差异，才能具体说明一个模型为什么会在新情境中失效；理解推荐系统采用的目标与反馈机制，才能分析自己所看到的信息为什么经过了特定选择。没有这样的知识基础，认知自治的训练就会沦为空谈。

这也意味着，人工智能通识教育首先要提供科学、系统的知识结构。它应帮助学习者逐步建立概念之间的联系，能够解释系统的基本机制，理解技术与社会运行之间的关系。学习内容的深度可以随年龄、经验和任务而变化，但知识理解始终是教育过程的重要组成部分。

2.训练样例

作为训练样例，人工智能进一步把许多认知问题转化为可以观察、比较、干预和检验的具体过程。“样例化”所强调的，是借助实际或经过教学设计的系统，把结论如何形成、错误如何发生、后果如何产生以具体、可操作的形态呈现出来，比如代码、模型、运行流程与环境。学习者由此能够具象化地理解系统的运行过程，探究结果产生的条件与依据。

例如，可以设计一个识别两类动物的任务，让训练图片中的动物类别与背景颜色高度相关。模型即使在类似图片上表现良好，也可能在更换背景以后频繁出错。学习者可以通过补充样本、控制背景条件和比较测试结果，检验模型是否依赖了不恰当的线索。样本的代表性、依据的有效性和结论的适用范围，都成为具体的研究问题。

社会运行同样能够形成可分析的样例。例如，可以设计一个简化的内容推荐实验，比较以点击率和内容多样性为目标时，信息排序会出现什么变化；还可以进一步讨论，当某些内容因排序而获得更多展示机会时，后续行为数据是否会受到影响。在这样的样例中，算法如何影响排序，排序如何影响行动，行动又如何形成反馈，都获得了具象化的展示及可操作的训练流程。

四、对人工智能通识教育的启示

理解了人工智能的基础原理及其对认知自治能力的贡献方式，还需要设计合理的课程方案，以实现认知自治的总体目标。

同样一个人工智能系统，可以用于算法教学、工具培训，也可以用于通识教育。

因此，在人工智能通识教育中，知识内容的选择与组织，必须以“认知自治”为总体目标。例如，学习分类模型时，要理解它如何从数据中形成分类能力，也要分析分类标准如何确定、哪些错误值得特别关注、结果在什么条件下可以采用。知识本身固然重要，更重要的是通过知识的学习培养出归纳、泛化、判断、自醒和认知自治直接相关的能力。

在学习评价方面，也应做出相应的设计。模型运行成功，并不足以说明学生已经理解其原理；一次项目完成，也不足以说明学生能够在新情境中作出合理判断。教育需要关注学生能否解释自己的选择，是否知道结论成立的条件，以及发现问题后能否重新检查和修正。这些，都是认知自治的基本能力要求。

五、结语

红皮书对人工智能通识教育的概念边界有明确的认定。它是一种新的教育形态，其中通识教育使人工智能的学习获得“认知自治”这一统摄目标，人工智能则为实现这一目标提供扎实的知识内容和能够深入探究的运行样例。通过二者的交融，学习者既理解自己正在借助的系统，也逐步学会调节自己与系统之间的关系：依据什么相信一个结果，在什么条件下采用它，何时需要重新核查，以及如何对自己的行动负责。

从此以后，“认知自治”不再是一个口号，而是落实到一个具体、系统的学习过程。

从此以后，“人工智能通识教育”也不再是一个可以随意使用的“万金油”式的模糊概念，而是一种具有明确目标、内容、实现路径的崭新的教育形态。

从此以后，面对复杂的智能社会，我们拥有了一种可以抵抗认知退化的教育工具，让我们的后代得以保持独立的个性，完整的人格。