作者简介：让-克洛德·鲁阿诺-博巴兰，欧洲教育与社会政策研究所所长，研究方向为高等教育与创新研究、创新与创造力等。
译者简介：张婧妍，《清华大学教育研究》编辑；赵琳，清华大学教育研究院副院长，《清华大学教育研究》副主编，副编审，研究方向为高等教育学、研究生教育。
摘要：许多分析及评论人士指出，人工智能在高等教育领域似有巨大潜力。同众多其他技术一样，人工智能常被视为大规模变革的支柱，它能够提供个性化的学习体验，并促进学生更深入的参与。诚然，若在以人类学习为中心的大学教育环境中运用人工智能工具，可以针对每个学生量身定制练习、提供反馈并激励批判性思维，帮助学生反思其学习或研究的伦理和思想维度。然而，这也引发了一个问题：人工智能的影响是否仅体现了技术融入教育的历史模式，这些模式虽然重要，但通常是适度的，并受制于教育或研究的多重“功能”；或者，如某些观点所认为的，此次科技突破标志着更深层次的变革，影响着高等教育运作的各个方面。针对这些问题，本文探讨人工智能在教育应用中的复杂性，对宣传性叙事与现实情况加以区分。本文审视了人工智能在重塑知识和学习方面的作用，同时提出不应忽视批判性方法的警告。尽管人工智能具有潜力，但其变革性的承诺目前看来仍较为遥远，实际应用往往加剧了现有的不平等，且未能实现完全的个性化。人工智能对创新教学、外语学习以及研究密集型学科的显著影响使得情况更为复杂。人工智能在模糊正规教育与非正规教育界限，以及在学习和知识的广泛“分配”（与其他数字技术一道）方面迈出了重要一步。总体而言，人工智能的影响力正在增强，但在教育方面的全部潜力尚未实现，且无法确保将达到技术预言家所期望的水平，这常常与人工智能公司或该领域的竞争性公共政策相关。
关键词：高等教育；人工智能；学习；科学与研究；技术-数字
在探讨人工智能对教育领域，尤其是高等教育的影响时，相关设想多聚焦于积极面，而对于其迅速发展可能带来的挑战或不确定性则关注不足，尽管相关困难并未被完全忽视。许多文章或报告一开始便考虑到人工智能正在引发深远变革，且波及面会愈发广泛。人工智能与人类在学习和研究方面的协作被认为很可能为个人及社会带来可观收益，但收益实现与否，取决于是否能确保批判性思维能力和学术诚信在众多分析人士所预见或倡导的这场变革中始终处于核心地位。无论当前人工智能是生成式的、专注于特定领域，还是发展得更为多用途，教育都应当全方位培养创造力并增强解决问题的能力。
将人工智能工具引入高等教育领域的多重益处，被诸如偏见（如有偏数据），学习评价及研究过程、数据中的潜在欺诈行为（如剽窃或滥用人工智能生成内容）等内在风险所消解。人工智能工具的不当使用可能会触发更广泛的伦理、政治和经济问题。在此背景下，大型科技公司在人工智能发展中的主导地位使得情况更为复杂。这些公司在技术采用与推广方面拥有既得利益，而这些利益并不必然与共同利益相一致，因此需要对其进行谨慎和批判性的审查，迄今为止这样的审查还非常有限。
尽管存在上述挑战，教育工作者，包括教师、研究人员和大学管理者等，须在确保人工智能“负责任”地融入教育过程中承担关键角色，就这一点已形成共识。其核心前提是，高等教育工作者依据各自职能获得专业发展、持续接受培训，并与来自实验室和产业界的人工智能专家展开积极合作。通过共同努力，教育工作者、产业工程师及研究人员能够促进发挥人工智能在提升学习成效、推动知识生产方面的潜力。
特别是在高等教育领域，人工智能被认为具有巨大潜力：它不仅可以用于生成内容和打造个性化学习体验，还能促进学生的深度参与。例如，人工智能驱动的学习平台可以根据学生的个人需求定制练习，并提供个性化的反馈从而激励主动学习。在更高层次的元分析层面，人工智能还有助于鼓励学生批判性地解读所看到的信息，深化理解并提升思维的严谨性。例如，抄袭检测、数据分析算法之类的人工智能工具可以帮助学生反思其研究的伦理维度或检验引用来源的可靠性。
仍需探讨的一个问题是：对于人工智能在教育领域，尤其是高等教育中的作用所持的乐观预期，是否与技术融合的历史趋势相符？同时，回顾教育领域技术发展的历史脉络，结合高等教育大众化和当前国际竞争加剧的背景，引出了其他重要问题。我们所目睹的究竟是一场深刻的制度转型，还是仅将技术部分地融入学习和教学过程的碎片化实践？本文通过评估那些通常高度评价人工智能在高等教育学习和研究中潜在正面影响的唯意志论者的话语（voluntarist discourses）是否反映并预见了其实际应用中的复杂现实，以探究这些关键问题。
为了理解和回答这些问题，本研究将尝试把神话、一厢情愿的想法或宣传话语与我们所真正准确了解的内容区分开来，这些内容来自社会科学对技术及其与社会、组织、教育或知识生产和传播的复杂关系的认识。首先，审视科学和技术，如人工智能、数字技术等在重塑知识、教育和文化方面的作用。将这些变化不仅视为人类学习工具的演进，还是理性运用与大范围集体性非理性发展进入新阶段的潜在征兆。包括当前的人工智能在内的技术工具在教育与研究领域中有意或事实上的融入，已经使知识生产或学习/教学的过程标准化，也引发了对于批判性方法丧失的担忧。但新兴的跨学科努力，包括定义“技术-数字人文主义”（techno-digital humanism）的可能性，寻求平衡技术进步与社会哲学及艺术反思间的关系，或许能在复杂且不断变化的世界中促进对知识更深入全面的理解。
其次，回顾高等教育在研究、培训及行政中采用和推动人工智能方面所面临的巨大压力。正如许多报告和评论所指出的，人工智能有望实现个性化学习、自动化行政任务并支持研究，提升学生学习成效和机构运行效率。同时，大学正面临着与产业界的合作压力，以紧跟人工智能的发展步伐，并为学生提供相应的技能培训，延续长期以来将教育与技术、经济需求相结合的趋势。
第三，尽管人工智能通过形塑教学、研究和管理工作对高等教育产生影响，但它并非变革的唯一动力，且被策略性地应用于缓解职业压力和提升创新竞争力，这两者数十年来一直是高等教育的核心。须牢记一点，高等教育正经历着大众化过程，顶尖大学设定全球标准，其他院校则专注于本地应用。在强调创新和经济增长的管理模式驱动下，技性科学（technoscience）、数字工具以及人工智能得以重塑学习与研究。
人工智能彻底变革教育的承诺至今远未兑现。教育系统是复杂的，仅靠技术无法解决人类学习的多样目标和限制，也无法全面覆盖研究、社会服务或教学活动。人工智能在教育领域所承诺的，如实现完全个性化的学习，尚待成为现实。同时，人工智能、慕课等技术的应用往往加剧了现有的不平等现象，使得那些已具备自主学习能力的人受益，而其他人则可能因此落后。此外，在诸如语言学习等领域，人工智能工具虽然已被应用达数十年，但其进展仍然有限。大多数教育项目采用线性的、“一刀切”的方法，个性化水平很低。
尽管对于教育变革的承诺尚未实现，（生成式）人工智能已成为更广泛的数字生态系统中的一环，并逐渐改变着教育的面貌。人工智能工具凭借其多媒体功能和用户友好的界面，确实为语言学习、数学和计算机科学等学科的初学者提供了助力。这些工具还允许学生进行匿名练习，从而最大程度地减轻他们可能感受到的评判压力和尴尬感。
当然，人工智能技术的应用模糊了正规教育和非正规学习之间的界限，为个人提供了更为可及的教育体验。但高等教育机构对这些变化的接纳相对迟缓，尤其是在涉及学业评估或毕业资格授予等方面。在研究密集型领域，如硕士和博士项目中，人工智能的影响更为立竿见影，能够提升研究生产力和学习成效。
本文随后将聚焦于若干领域，以理解人工智能的实际影响。例如，人工智能也在艺术与创新教育领域引发了关注。尽管有观点认为，人工智能缺乏实现真正创造力所需的情感深度，但也有人将之视为拓展艺术可能性的工具。在一些教育机构中，人工智能和虚拟现实技术正在改变艺术教育，并对创意领域中关于在线学习的传统观念提出了挑战。
在另一个关键的应用领域如外语教学，聊天机器人、语言模型等人工智能工具为学习者，尤其是初学者，开辟了新的可能性。虽然这些工具为学习提供了宝贵的支持，但它们通常难以应对高阶、交流性任务所需的复杂性。人工智能驱动的智能辅导系统（ITS）则有望应对这些挑战，提供适应性反馈和个性化的学习体验。
然而，当前大多数应用在实现学习过程完全个性化方面的能力仍然有限。因此，尽管人们对技术中心主义的承诺持怀疑态度，人工智能通过数据驱动的算法和学习分析来实现个性化学习的潜力仍是非常大的；但在制度阻力的现实情况下，其获采用的速度可能会放缓。
一、神话背后
人工智能（主要指生成式和狭义人工智能设备），即数字通信与计算资源、工业自动化以及会话型生成式人工智能，首先是一种综合体，是三个相互联系且相互依存的过程共同作用的结果：（1）技性科学产品的生产（基于人工智能的设备）；（2）科学话语的生产（仍在形成中的人工智能学科，结合了计算机科学、神经科学等，并在不同学派和认知归属之间游移）；（3）围绕人工智能的利与弊所产生的神话、想象和话语，它们预言并伴随着产业发展和社会政治层面对人工智能的采纳过程。
人工智能是社会、人与技术互动关系的一种具体体现，对此无论是乐观还是悲观的“彻底变革”预言在历史上都并不鲜见。文学、神话（以及哲学）领域的相关讨论和内容已经非常丰富，尤其是在西方。回溯犹太-基督教文化背景下的科幻文学作品，常能见到造物主和创世论隐喻，其中人类同他所创造的模仿者之间的关系，与神从泥土中创造人类如出一辙。从“魔像”（Golem）到弗兰肯斯坦，从匹诺曹到各类文学和电影作品中的机器人形象，这些人造物与人类互动并常常试图取代人类，但通常未能成功。
在当代媒体与文化中，除了已经更新的神话背景之外，也充斥着关于这些技术可能带来的后果的讨论。主流观点认为，人工智能所能实现的承诺是正反两面的，有时甚至在心理或伦理层面存在很大问题，例如虚拟伴侣或虚拟“复活”已故亲人。这些评论适用于人工智能引发的大部分问题：
——当前对话式人工智能所依托的人工智能语言模型存在较高的错误率，使得数据安全性变得脆弱，并为网络犯罪提供可乘之机。
——人工智能或许不会威胁到工作岗位，但仍可能对工作者及其现有技能构成挑战。
无论如何，现实情况摆在眼前，在医学、工业、管理、教育或研究等领域，人工智能的潜力似乎是（并且愿意是）巨大的。相关直接涉及记者、学者和艺术家群体的多样辩论，既是媒体、艺术和文化领域的一部分，也是学术反思的重要内容。这要求我们持续更新分析性和批判性的谨慎视角，以免陷入对技术进步和创新的神话或意识形态的盲信。
二、人工智能与高等教育
技术-数字科学与产业，以及当前的人工智能，由于对日常生活和工作活动的影响，在流行文化、产业管理思想以及科学（包括科幻）叙事中被视为一个潜在新时代的象征。我们要认识到，这在不同文化和语言背景下存在显著差异。
尽管并非如叙事和预言中所描绘的那样，技术仍然发挥着重要作用。技术对当代“认知方式”产生直接影响，这不仅是指伴随着“工业4.0”和“工业5.0”的知识（及文化）转型。同时，技术也深刻地影响着对于培训/学习活动的构想与思考。
法定知识（即我们社会中的科学知识）的构建，以及表征与观念的流通/传播正在发展变化。作为这些变革过程的重要支柱之一，教育和研究领域在多个方面受到了尤为显著的影响并发挥着核心作用。研究和教育创造科技知识，或伴随这些知识的创生。它们为有读写能力的人适应新环境及培养个人技能（批判性思维等）作出了重要贡献。例如，作为科学知识项目的一部分，技术-数字和人工智能知识最近的发展，使得一般知识生产的标准化成为可能，并标准化了世界范围内学术和研究的竞争与比较。科技发展也体现（或主要体现）在工程和管理的标准化上，即过程性和结构性工具或装置的通用化，以及专业思维构建方式。总体而言，可以认为，大约半个世纪以来的技术-数字和人工智能/认知科学“革命”至少在监测大型复杂生产或教育系统能力方面，带来了一种规模上的变化。它深刻地影响了文化框架以及社会政治正当性或话语。
正如近期几乎所有探讨人工智能对高等教育影响的学术论文所指出的，大学正承受着创造并采用应用于其各项职能及管理工作（包括研究、培训、行政，以及为社会或与社会一道发展创新与科学的第三使命）的人工智能工具的压力，同时大学也是这场已宣告开始的彻底转型背后的推动力。尽管关于人工智能对高等教育影响的文献缺乏后见之明，且大部分建立在计算机科学家的假设或用于政策目的的表态式问卷调查（因此高度依赖于被调查者的观念）上，但文献的观点趋于一致。人工智能应用被寄望为拥有巨大潜力，能够“彻底”改变高等教育和研究的面貌。重点方面在于：（1）人工智能据称能够个性化学习体验的能力，（2）自动化行政任务的可能性，（3）对研究活动的可能支持。
上述潜力被认为有助于提升学生的学习成效和机构的运作效率，此种判断主要是在当前基于“质量”和“卓越”的竞争性评价模型下做出。然而，多数分析也指出，对人工智能的采用面临着重大挑战。首先，需要在基础设施建设和人工智能研究方面进行大规模的投资。对学术、准学术和行政人员的培训也被视为采用与人工智能相关工具和实践的重要议题。此外，还有许多其他关切，涉及数据保密、算法偏见（如幻觉、数据库中的语言偏见等）以及职位被取代的风险。
众多研究和报告一致认为，为了在利用人工智能优势的同时降低其风险，大学需制定全局战略、整合其多重使命；这一观点与公共政策及大学治理中的管理取向相一致。显然，由于大多数分析人士所引用的报告源自位于科技创新主要国家的机构或大学，因此提出的建议往往倾向于该领域内的竞争性公共政策，并主张大幅增加技术基础设施（包括硬件和软件），尤其是对教学、研究及其他人员的培训和支持。
为了达成目标，在一种常被强调的竞争与紧迫性氛围中，大学（泛指高等教育机构）受到鼓励与产业伙伴建立直接合作关系，以便从人工智能工具中获益，跟上其发展步伐，并最终为学生提供可直接迁移的相关技能与经验。需要指出的是，强化产业与教育之间联系的理念并不新奇，无论是在宏观经济学还是微观经济学层面，自19世纪起，企业便与职业教育建立了直接联系，这种联系可能是基础性的，也可能是高阶的。问题始终在于如何使教育内容与工具——主要是职业教育——与技术进步保持一致，并在可能的情况下，与商业、管理或产业界的需求相契合。
三、人工智能是构建“完美”高等教育机构的关键吗？
人工智能涉及广泛的研究项目、社会政治话语和技术发展，这些因素作用于高等教育的教学、研究、管理与决策。然而，人工智能本身并不驱动制度转型。它不仅是如锤子般的工具，更是一种通过设计可能性来塑造使用者同时也被使用者所塑造的技术。与其他通信技术类似，人工智能应被视为社会行动者为减轻其专业活动中的压力和成本而策略性地利用的一种“可能性条件”。当人工智能能够减轻日常工作负担或在竞争日益激烈的学术环境中提供竞争优势时，它便在教学和研究中受到欢迎。例如，在以评价和传统教学为主的体系中，学生正在广泛使用生成式人工智能工具。
在探索人工智能如何影响这些活动之前，有必要认识到高等教育当前面临的结构性现实。如今的高等教育与过去相比已大不相同。最重要的变化之一是教育的大众化，2024年全球学生人数预计将达到2.54亿。伴随着这一快速增长的是知名研究型大学与众多其他类型院校之间的差距日益扩大。顶尖大学往往是国际化、数字化的，它们确立了全球标准，而其他学校则更加侧重于地方。
质的变化同样明显。从发展中国家到成熟知识中心的学生流动增加，英语作为学术通用语言的统治地位，以及技性科学和数字工具的发展，共同重塑了教学和研究。此外，大学管理已转向由管理者和技术人员而非传统教师主导的更注重问题解决和专业化的模式，强调创新与效率。
因此，高等教育全球格局呈现出既统一又极化的态势。知名研究型大学，尤其是美国、欧洲和亚洲的大学，它们确立了学术卓越的标准，而专业机构则专注于地方层面的教育与研究应用。这些转变改变了录取标准，加深了不平等，并影响了知识本身的定义。此外，大学越来越多地采用创业模式，在国际市场上争夺资源、学生和研究认可。
国家政策也在塑造高等教育方面发挥作用，如日本、中国等设立了卓越中心，欧洲国家则通过“伊拉斯谟”（Erasmus）和“欧洲地平线”（Horizon Europe）等计划跟进。这些项目强调跨学科方法、合作伙伴关系和创新，以应对经济和技术领域挑战。然而，在商学院和工程学院全球扩张的推动下，大学的创新动力植根于新自由主义理念和技性科学发展。
在此背景下，大学的作用已从教学和研究拓展至促进产业和地域创新，以及参与文化和社会事务。然而这些变化遭遇了阻力，特别是在法国等国的情境下，旨在与欧洲标准接轨的改革引发了传统模式与新的绩效驱动模式之间的紧张关系。
学术职业的转型是另一个明显存在紧张关系的领域。传统的“洪堡式”学术职业愿景——以教学与研究相结合为中心——日益面临评价体系变化和行政职责增加的挑战。目前，学术职业已分化为专业化角色，专注于研究的人员与主要从事教学或行政工作的人员之间的差异越来越大。这种学术身份的碎片化导致了职业生涯更侧重于个人成就，并加深了专业领域与学术领域之间的裂痕。
随着人工智能工具越来越融入高等教育，对其采用程度将取决于它们在缓解竞争压力和减轻教学研究工作负担方面的能力。例如，生成式人工智能已在协助学生和研究人员提高工作效率。然而，人工智能在革新个性化学习方面的承诺很大程度上尚未兑现。如同历史上的技术革命一样，人工智能对教育的影响是复杂、多样且通常是循序渐进的。单靠人工智能无法颠覆或改变教育，其成效将受到更为广泛的制度与专业变革因素的影响。
四、技术是否会瓦解高等教育？
技术决定社会或制度变革的假设是一种历史悠久的观点，它在工业时期尤其是当前社会中经常被重新提起。尽管这一论断在许多分析中有很强的存在感，但它并非事实。这不是因为技术没有发挥极其关键的作用，而是理解社会变革不能仅仅依赖于单一因素，正如当代历史学家和社会科学家所展示的；即使经济增长与技术发展之间存在明显的系统性联系。
在教育领域，可以以此为例：托马斯·爱迪生曾于1913年预言电影将在十年内取代书籍在教育中的地位。然而十年过去，连他本人也承认这一预言并未成真，尽管他仍然相信这是未来的必然趋势。如今我们已认识到这一观点并不准确，更一般而言，我们了解到通信技术以及用于创造和传播知识的技术如人工智能，乃至智性知识，都并非取代原有技术，而是对其加以补充。这些技术为人类保持自身本质所在的体系增添了复杂性：最重要的是，人类作为政治和社会动物，通过通信交流建立社会政治联系是一种演进过程，因此也是至关重要的能力和素养。对技术革命“过度预测”的倾向一直存在，特别是在教育、文化、经济和政治等复杂领域。应当铭记，这类预测往往成为商业或政治宣传的概念工具，其目的在于加速产品和愿景的购买或采纳，而发表此类言论的人本身未必是出于恶意。
当前的关注焦点无疑是人工智能，得益于人工智能编程、数字化、互联网、机器人化以及包括认知科学、语言学、人类学等在内的联动科研项目的共同发展，人工智能已迅速取得进展。众所周知，21世纪10年代发生的重大“突破”，其显著标志为超高速信息处理和超大规模数据分类的巨大进步。近期，诸如ChatGPT等对话式人工智能工具迅速普及，提升了多种标准任务的执行效率。
人工智能的发展受到强大产业和大量公共及私人投资的推动，尤其是在美国和中国。预计人工智能将对全球经济、国家安全、国际贸易以及社会和专业实践，特别是高等教育和研究产生重大影响。然而该领域存在争议，人们担心数据偏见、错误信息以及人工智能广泛使用所引发的伦理问题。而且尽管人工智能潜力巨大，它往往会加剧现有的社会不平等问题，并增强监视与控制能力。
人工智能领域的主流方法，即强调数据、速度和处理能力，并非唯一路径，也并非始终如此以数据为核心。21世纪10年代的快速发展催生了无处不在的数字和通信环境，这一环境在赋予个体权力的同时，也对个体施加了控制，这种现象在城市中上阶层中尤为突出。技术的这一双重角色——赋权与控制——折射出人工智能对当代社会的更广泛影响。
21世纪初，以技术为中心的新兴预言家们——他们通常与产业相关联——宣称，教育将因大规模远程学习的能力而发生巨大变化。主要有两大承诺：一是学习将实现个性化（例如慕课），二是地球上几乎每个人都有机会从西方精英大学的“顶尖”教育工作者和教授处受教。然而，这场预期的变革同样并未发生——不妨简单回顾一下，慕课在合作方面表现极差：注册人数持续下滑，整体完成率极低，仅为注册者的5%至12%。
教育系统，与人类学习一样，是极为复杂的，其目标多元且受到诸多限制，因此全球范围内的迅速改进似乎并不现实。教育仅是技术所承诺的政治、人类学或社会革命涉及的众多领域之一，其复杂性远超技术乐观主义者的一般预期。即使新的通信形式和虚拟或非物质的文化实践已经出现并得以传播，它们仍然受制于既有消费习惯，此间的社会和政治关系也依旧保持着其固有的“人”性。
当前的技术进步，包括那些能够实现教育路径彻底个性化的技术，并不能替代人类干预的必要性。在最佳情况下，这些技术能够使接受过正规人类教育的个体信任自己的独立学习能力，并深化他们的知识。但这一过程往往也会加剧受教育机会的不平等，因为它预设了个体已经掌握批判性思维和问题解决技能。
在对技术与教育交织关系的重要理解基础之上，考虑到这些系统的日益复杂性，以及人工智能学习环境的发展，或许有望使教育更加适应学习者的异质性，并可能实现高水平的学习和实践，但目前还仅处于发展初级阶段。结合实际的教育生活实践，我们确实需要审慎对待由新技术推动的教育实践变革速度。以语言教学为例，尽管外语学习应用程序是互联网上使用最为广泛的应用之一，计算机辅助语言学习（CALL）软件也被广泛采用了几十年，但至今只有少数应用能够提供超越线性路径、简单反馈机制（好或坏）或“一刀切”方法的学习体验。
五、人工智能与教学/学习过程及现实
如前文所述，生成式人工智能作为更广泛的数字和文化生态系统的一部分，有望重塑我们与知识的关系，影响我们的生活方式，并改变我们的期望。鉴于人工智能工具在专业活动或社会互动上的迅速发展及其市场的潜在增长，人工智能与教育领域的交汇面已显著拓宽。人工智能工具变得越来越先进，对于许多学科的初学者尤其有用，这主要得益于它们能够适应和配置学习空间和环境以匹配人类学习过程。这些工具提供了用户友好的界面，并可以在移动和桌面设备上使用，实现了时间和空间上的灵活学习。借助多媒体功能，这些工具使得学习者可以通过音频、视频和书面形式进行练习，对于语言学习、数学、计算机科学及依赖于记忆或动作的学科尤为有利。此外，学生在匿名且由人工智能驱动的环境中可能会感到更自在，因为他们的错误或个人信息得以保密，且不会受到评判性的副语言（paralinguistic）暗示的影响。
数据驱动的算法和多层技术的最新进展，以及诸如学习分析等复杂的分析过程，为个性化学习、形成性评价和以学生为中心的教育体验创造了可能性。教育数据挖掘理论上可以实现学习过程的高度个性化，但尽管存在这样的潜力，教育组织内部的制度和教学阻力也是现实中不容忽视的因素。
再次强调，除非被嵌入适宜的学习环境和空间中，仅凭技术本身并不能促成教育的个性化。如果竞争性考试、等级评定以及持续的负面强化依然盛行，且缺乏进行重大变革的充分理由，技术亦难以改变教育过程，而教育过程的目的不应止于让学生学习！
学习空间和环境正在发生变化，在社会经济和社会政治功能（如工业和管理人员配置、精英选拔等）方面亦然。人工智能技术有望助力于模糊正式构建的学习环境（如学校、大学）与非正式学习机会之间的界限，非正式学习可能发生在闲暇时间或家中。这一趋势并非新现象，但对于学习者而言正变得更加普遍和可及。然而，高等教育系统，包括教学、评价和文凭授予等方面，可能不会完全接纳这些变化。除非是在高等教育的某些特定部分，如研究生教育（硕士和博士）和研究工作中，人工智能的影响则可能是显著的，这主要源于其对生产力的直接提升，降低了个体在高度竞争和紧张的专业生涯中获取高价值资源（如信息）或进行耗时写作活动的能量成本。
随着人工智能的不断发展，它与教育环境的融合预计将在塑造未来教学和学习方面发挥越来越重要的作用，但这一作用将因教育领域、学科、所采用的教学法或评价方式等因素而有所不同。技术工具为教育者、学习者和教育机构既带来了挑战，也创造了机遇。为了衡量其影响，最佳做法是选取一些学习与教学领域进行考察。
六、艺术或创新教育中的人工智能
在艺术或创新教育领域，人工智能引发了极大的兴趣，无论是在实践层面还是更为哲学性的问题层面。对于后者，数字工具和人工智能的影响在艺术家、设计师、建筑师、计算机科学家以及人文学者之间引发了重要的讨论。讨论的核心议题在于机器是否真正具备创造力。尽管与人工智能对劳动力的影响、自主武器或人工智能发展出意识的潜能等问题相比，这一问题似乎并不那么紧迫，但它触及了艺术和创新实践的本质特性。
创造力并不仅限于创作审美上的佳作，它还涉及新思想、策略和视角的生成，这些均与人类的认知及情感紧密相连。在传统哲学观念中，创造力被视为人类经验的显著特征。当我们思考人工智能在艺术与设计领域的角色时，就引出了关于创造力本质的深刻问题。
反对人工智能具备真正创造力的主要论点聚焦于艺术学习或实践与情感之间的关系。人类的创造力通常被视为与意识及情感体验密不可分，而这是人工智能所难以企及的。在艺术创作过程中，我们将内心情感世界全方位地融入作品中，使之成为我们主观体验的映射。这一过程不仅是技术性的，还是意识的表达，而缺乏主观体验的机器无法复制这一点。机器并不具备人类式的“感受”或“理解”，因此，许多人认为尽管人工智能可以参与创作艺术，但它缺乏源自人类情感表达的深度与真实性，使得有人将人工智能的创作视为人工的或不真实的——至少在目前是如此。
尽管存在上述争议，当代艺术实践却日益广泛地融合数字工具与人工智能，并重塑传统艺术表现形式。在设计、视觉艺术、手工艺、视频游戏、电影、现场表演以及艺术媒介等领域，人工智能不仅被应用于提升创作过程，更是彻底改变了创作过程。技术为表达和实验开辟了新的可能性，推动了艺术与设计领域边界的拓展。
此外，数字工具与人工智能正在显著改变艺术领域内的社会、教育和培训实践。（它们在转变艺术家学习、创作及分享作品的方式，并影响着艺术在社会中持续演化的角色）
这种转变的一个相关例证是中国一所私立预科学校的发展历程，该校致力于培训学生参加法国艺术学校的竞争性入学考试。这所学校成立于2014年，最初提供的是传统的艺术教育工作坊，通过面授与远程教学相结合的形式来展示艺术作品。随着新冠疫情的暴发，该项目经历了彻底的转型——全面转向线上教学，并融入了人工智能与虚拟现实技术。
在线艺术教育平台的构建围绕三个教学方向展开：语言与文化、艺术与创作、艺术理论与批判性思维。这一举措旨在将疫情前的教育模块全面转换为远程学习形式，从而超越了疫情期间仅开设在线艺术创作课程的权宜之计。每个教育组成部分都有其独特的组织特点，它们的共同目标是提供全面的学习体验。
这一转变带来的影响虽然从经济和管理角度来看是显而易见的，但从学习的角度得出的初步发现却相当反直觉。全面转向远程学习并结合人工智能与虚拟现实沉浸式工具，似乎并未对中国学生在法国艺术学校竞争性考试中的表现产生负面影响。这一现象挑战了关于在线教育和人工智能增强教育在高度依赖创造力和艺术实践领域的局限性的假设，甚至在所有被认为应当推广所谓混合或融合教育形式的学习过程中。
最后，我们可以认为，人工智能及数字工具融入艺术与教育正在重塑创作过程和教学模式，引发了关于艺术教育、创造力的未来、人类情感表达以及机器在艺术协作中不断演变的角色等复杂问题。
七、外语教学
在外语教学领域，大语言模型（LLMs）和聊天机器人的兴起显著推动了技术转型的假设。这些工具能够访问丰富的语言语料库，且精确度不断提升，为语言学习者尤其是初学者带来了巨大潜力。鉴于基础词汇和短语通常遵循明确的结构，语义、句法或词汇复杂度较低，这些工具在学习的初期阶段提供了有价值的帮助。同时，在设计上还考虑到用户友好性，以直观的界面呈现，并便于在移动和桌面平台上广泛使用。此外，它们的多媒体功能使学习者在进行语音识别或书面练习时综合运用音频、视频和图像形式。对于那些易感焦虑的学习者而言，这些工具提供了相对匿名的互动环境，让他们能够在无需顾虑面对面评价、可能透露出不感兴趣或批评的副语言暗示的情况下进行练习。
现代外语教学以复杂的交流型学习任务和基于任务的语言学习（TBLL）为核心，着重于功能性沟通技能的全面发展。有效的语言学习任务应当促进学习者使用目标语言进行有意义的交流，在关注信息内容和含义的同时保持真实性。此类任务的目的在于实现明确的语言学习效果。在学习的进阶阶段，学习者被期望能在现实场景中展开真实交流与行动，根据产出假设（production hypothesis），这种类型的产出对语言习得至关重要。
在推动智能外语练习过程中，必须优先考虑学习者的交流需求，尤其是对使用目标语言的流利度和能力需求。练习应保持语言和内容上的真实性，同时促进自主性和个性化反馈，包括语言错误纠正和策略性交际方法指导。此外，语言练习应与学习者的认知及情感需求相契合，以目标为导向，保持透明性，注重元认知和语言技能的发展。这与传统方法形成了鲜明对比，后者依赖于对缺乏交流目的的语言结构的机械记忆。通过针对学习者的个人需求定制教学过程，外语教学与基于能力的任务相一致，确保学习者参与到得以匹配他们的最近发展区（ZPD，该理论由维果茨基提出）的提供足够刺激的练习中。在此过程中，高质量的反馈和同伴间的社交互动至关重要，因为它们有助于学习者在支持性的学习环境中成长。
随之而来的一个基本问题是，数字学习项目能否以及在何种程度上能够充分支持这些学习目标。理论上，人工智能驱动的智能辅导系统具备解决个性化和适应性学习环境所提出的部分核心挑战的潜力。然而，现有语言学习项目的有效性仍待商榷。研发智能语言辅导系统（ILTS）面临诸多挑战，尤其是在实现对学习者语言发展（即中介语）的准确自动分析方面。自然语言处理（NLP）技术必须考虑到人类语言的巨大变化性，特别是在学习者语言使用持续变化的情况下。此外，这种建模必须与任务建模和学习者建模相结合，使用学习者语料库来分析不同任务和练习的效果。
尽管计算机辅助教学（CAI）和智能语言辅导系统具备互动式问题解决、智能分析错误、适应性反馈以及个性化课程排序的潜力，但此类系统仍然相对较少。许多现有应用提供的反馈质量较低，要么侧重于交流目标，要么仅限于孤立的语法和词汇练习。此外，这些练习的排序往往过于僵化、预设，缺乏实现真正个性化教学所需的灵活性。大多数现有系统尚未整合实现自适应学习所需的人工智能方法。因此，尽管市场上充斥着计算机辅助语言学习项目，但真正意义上的智能计算机辅助语言学习（ICALL）仍然相当稀缺。
为了有效地支持学习者，教师和培训师需深入理解练习的语言要求、学习者的个人长处与短处，以及他们的错误、情感特征与整体进展情况。开发一套能够支持自适应外语学习的计算机化智能系统，需要构建一种包含特定相关组成部分的架构。领域模型提供所教授语言的信息，以及经过实证检验而非仅限于语法概念的不同难度的练习。评估模型持续测量学习者的表现，识别错误类型，监控学习时长，并跟踪反馈功能与教程的使用情况。同时，学习者模型在学习过程中更新并收集学习者对内容的掌握数据，指导个性化的学习体验。该架构指导整个学习过程并决定适当的响应措施（如提供反馈、引入新内容、安排复习），这必须与学习分析、自然语言处理和错误分析技术深度融合。设计此类系统是一项艰巨的任务，它融合了多元技术和教育需求，需要专家间的跨学科合作，以充分挖掘人工智能在语言教育领域的潜力。
八、结论
若要设想人工智能对教学/学习过程的真实影响，我们可以展望几十年后在资源充裕的国家和地区的课堂景象：学习空间与环境/教室将成为循证混合式学习环境，每个课堂和科目都采纳自带设备（bring-your-own-device）方案，配备高速网络和标准化的内容管理系统，混合式教程和学习材料构成了基础设施的主体。来自不同背景的学习者将享有平等的参与机会。届时，纸质教科书将演变为一种交互式、多媒体且适应性的学习和实践环境，满足面对面教学及个体练习和自我导向学习阶段的需求。学科知识、教育学、计算教育与人工智能、机器学习与大数据、机器人、学习心理学和认知科学等领域的专家，以及多媒体设计师，应紧密合作，共同创建多元学习环境。未来的数字增强学习场所和环境将有助于诊断学习需求与进度，提供对差异化、基于需求的支持服务的直接获取。因此，部署的学习平台将是一个基于人工智能的数字学习支持系统，它将成为学生和教师的资源与工具，用于提升学习过程的价值。未来的课堂将巧妙地融合数字学习的优势与传统无电脑教学方法的精髓。
未来的课堂或学习平台应融合数字学习的优势与传统教学方法、内容及任务（即无电脑的面对面教学），后者对于学习的成功仍将是不可或缺的，而且至关重要。即使在这样的未来设想中，教育仍将需要教师：他们应当经过良好训练、具备数据素养、有能力，且在使用媒体和技术支持教学时能够保持批判性和反思能力。教育工作者将运用基于实证的数字教学场景，这些场景与实用学习内容紧密相关，并与有意构建的、刺激性的学习任务及练习机会相结合，以支持个性化学习。为了使教师熟悉人工智能技术，作为非技术统治论叙事（non-technocratic narrative）的一部分，一种可持续的发展路径或许涉及一个混合过渡阶段，直至人们有信心取代个人学习和优势的真实评价。
但无论未来如何，高等教育院系及行政部门都面临着重大挑战，这包括提升新素养（如“数字素养”“数据素养”“人工智能素养”）的重要性，以使各方都能采取一种开明的态度。事实上，为了准确规划未来教育，确保其立足于培养人类的推理能力、发展创造力和批判性思维，并规避人工智能工具可能带来的风险，我们需要明确界定所使用的术语（如数据、数字、生成式人工智能等），并将人工智能在教育及高等教育中的问题置于“培训产业化”背景下试图将技术引入学习的漫长历史之中。
由技术-数字和人工智能设备对教育、研究及社会的影响所催生的新的人文主义，构成了高等教育所面临的挑战和研究实践的核心。这类问题亟需在高等教育体系中的学习/教学和知识生产方面予以解决。也恰好符合全球公共政策参与者（如联合国教科文组织、欧盟、国际科学理事会、科学院、研究机构等）的倡议，即在使用新的技性科学和人工智能工具的同时，促进科学、艺术、人文学科、行为和社会科学间的交叉共荣。这不仅是一个持续推动数字技术和人工智能应用的问题，还关乎理解与思考人类系统与技术在知识生产和传播中的相互作用及日益增长的同质性。
（《清华大学教育研究》2024年第5期）