生成式AI，是教育領(lǐng)域的救世主嗎？

廣受好評的ChatGPT4發(fā)布以來，生成式AI已經(jīng)被許多人當(dāng)作了教育領(lǐng)域的救世主。英國教育專家安東尼·塞爾登(Anthony Seldon) 爵士就曾預(yù)測，到2027年，AI將在全球范圍內(nèi)取代人類教師。

不過，40多年來探索人類認(rèn)知的學(xué)術(shù)研究表明，生成式AI也可能會損害從在線輔導(dǎo)到員工培訓(xùn)的所有層面的學(xué)習(xí)，原因有三：

同理心

比爾·蓋茨和薩爾曼·可汗(Sal Khan)等知識分子認(rèn)為，ChatGPT和其他基于大語言模型的生成式AI所支持的個性化輔導(dǎo)，將縮小教育中的成績差距。然而，個性化教學(xué)并不是學(xué)習(xí)的最重要驅(qū)動力。在分析了數(shù)千項研究數(shù)據(jù)后，教育研究員約翰·哈蒂（John Hattie）最近的報告表示，具有強烈共鳴的師生關(guān)系對學(xué)習(xí)的影響是個性化學(xué)習(xí)的2.5倍。

荷爾蒙催產(chǎn)素是共情的基礎(chǔ)。當(dāng)兩個人同時連接和釋放催產(chǎn)素時，雙方的大腦活動開始同步——這個過程被稱為“神經(jīng)耦合”，它不僅會讓我們相互學(xué)習(xí)，還能讓人們想法一致。鑒于算法既沒有大腦也沒有催產(chǎn)素，人類和AI在生物學(xué)上無法發(fā)展共情關(guān)系：同理心的超個人性質(zhì)阻止了它在數(shù)字領(lǐng)域的出現(xiàn)。

這也是在純數(shù)字環(huán)境中學(xué)習(xí)的學(xué)生成績會比在面對面教學(xué)環(huán)境下學(xué)習(xí)的學(xué)生差，畢業(yè)率也低得多的一個重要原因。如果沒有同理心，學(xué)生就會成為被動的信息接收者，幾乎沒有動力去克服學(xué)習(xí)過程中固有的困難。

即使是高技能的人類教師，如果不能與學(xué)生培養(yǎng)共情關(guān)系，也會不可避免地阻礙學(xué)習(xí)。這只是對AI的進一步警告，因為它揭示了知識和教育學(xué)（大概是數(shù)字導(dǎo)師的強項）都不足以實現(xiàn)有效教學(xué)。

高階思維能力

倫敦大學(xué)學(xué)院教授羅斯·拉金（Rose Larkin）最近指出，由于ChatGPT可以獲取和組織起全世界的所有知識，學(xué)習(xí)者不再需要浪費時間學(xué)習(xí)“事實”，而是可以專注于高階思維技能，比如創(chuàng)造性和批判性思維。

遺憾的是，我們所說的“創(chuàng)造性”和“批判性”思維，大多是通過依賴內(nèi)化知識的潛意識過程發(fā)生的。有意識地思考問題時，由于記憶的認(rèn)知限制，人類只能積極思考非常有限的信息量。

然而，一旦停止有意識地思考問題，我們就會進入一個潛伏期，在這個潛伏期內(nèi)，我們的大腦會下意識地通過尋找相關(guān)想法來整理我們的記憶庫。正是在這個整理過程中，我們建立了新聯(lián)系，并產(chǎn)生了更好的思維。

問題就在這里：潛意識的重新整合只對存儲在長期記憶中的信息起作用，這意味著它無法利用外部訪問或存儲的信息。這就解釋了為什么專家在自身專業(yè)領(lǐng)域內(nèi)，幾乎總會比新手表現(xiàn)出更強的解決問題的能力，但在專業(yè)領(lǐng)域之外卻很少表現(xiàn)出來。這也解釋了為什么語義癡呆癥（患者失去長期記憶，但保持認(rèn)知能力）對創(chuàng)造力的損害，幾乎是額顳葉癡呆癥（患者失去認(rèn)知能力，但保持長期記憶存儲）的兩倍。

簡單來說，用AI幫助學(xué)習(xí)者避免記憶事實的繁瑣過程，會阻礙高階思維能力的出現(xiàn)。

當(dāng)然你可能會問，如果我們只是使用AI幫助記憶事實呢？好吧，想想看，教科書一直都是由專家編寫的，他們擁有足夠深厚的知識，能夠恰當(dāng)?shù)貙徍诵畔ⅲ⑵浣M織成有意義的結(jié)構(gòu)化課程。而大語言模型（至少在目前）既沒有監(jiān)督，也沒有審查。這意味著，使用AI的學(xué)習(xí)者很可能會遇到錯誤、排序奇怪或不相關(guān)的信息。對這些信息的記憶很可能會破壞我們掌握知識的途徑。

多任務(wù)處理

多任務(wù)處理會影響學(xué)習(xí)的準(zhǔn)確、速度、記憶的形成，甚至學(xué)習(xí)樂趣。

一項新冠疫情前的調(diào)查顯示，美國學(xué)生每年使用數(shù)字設(shè)備進行學(xué)習(xí)的時間接近200小時。然而，他們使用這些設(shè)備在不同媒體間快速跳轉(zhuǎn)的時間，超過2000小時，是使用時間的10倍。其他研究表明，當(dāng)人們使用計算機指導(dǎo)自己學(xué)習(xí)時，通常堅持不到6分鐘就會被數(shù)字設(shè)備分心，而當(dāng)在課堂上使用筆記本電腦時，學(xué)生通常每小時會有38分鐘的時間是在任務(wù)之外。換句話說，學(xué)習(xí)者用來訪問和參與ChatGPT的數(shù)字設(shè)備本身，已經(jīng)成為名副其實的多任務(wù)機器。

不是電腦不能用于學(xué)習(xí)，而是它們不是常用的學(xué)習(xí)工具，所以每當(dāng)試圖將這個功能塞進去時，我們就會在學(xué)生和預(yù)期結(jié)果間設(shè)置一個非常大且不必要的障礙，許多人都很難克服這一點。

如何有效學(xué)習(xí)

不過生成式AI在一個學(xué)習(xí)領(lǐng)域是有幫助的：認(rèn)知卸載（cognitive offloading，CO)。這是一個我們使用外部工具來管理“苦力工作”的過程，用于防止這些工作消耗我們的認(rèn)知能量。

不過正如上面所說，當(dāng)新手試圖卸載記憶和組織工作時，學(xué)習(xí)就會受到影響，高階思維能力也會被扼殺，而且由于缺乏深厚的知識和技能積累，他們也無法充分審核輸出結(jié)果。

經(jīng)驗豐富的學(xué)習(xí)者或?qū)＜铱梢詮恼J(rèn)知卸載中受益，比如數(shù)學(xué)家會用計算器而不是自己算術(shù)，活動策劃者會使用數(shù)字日歷安排繁忙的會議日程，或者律師會使用數(shù)字索引來按字母順序排列案卷。這些人都具備必要的知識和技能，可以保證輸出更好地符合預(yù)期結(jié)果。

不過依賴數(shù)字技術(shù)的風(fēng)險依然存在。當(dāng)我們經(jīng)常卸載某些任務(wù)時，我們的相關(guān)技能和思維能力也會隨之退步。例如，十多年來，我一直使用數(shù)字程序進行統(tǒng)計分析。雖然我掌握著審核輸出結(jié)果的相關(guān)知識，但卻再也記不起每個統(tǒng)計測試所用的具體方程。因此，除非重拾教科書，否則我現(xiàn)在只能依賴這些程序。

考慮成本

每當(dāng)我們使用數(shù)字工具來放大、加速或規(guī)避特定流程的某些方面時，都不可避免地會損失一些東西?；蛘?，用托馬斯·索維爾（Thomas Sowell）的話來說，“沒有解決方案，只有權(quán)衡取舍?！保═here are no solutions, only trade-offs.）

有時這種權(quán)衡是值得的，比如放棄復(fù)雜的方程，在幾秒鐘而不是幾小時內(nèi)運行統(tǒng)計分析。然而，當(dāng)我們使用AI補充教育時，失去的正是教育工作本身的精髓：學(xué)習(xí)。

每當(dāng)使用一種工具的主要原因被其本身的采用所否定時，我們就有充分的理由質(zhì)疑，是否還要繼續(xù)用下去。