在教育中有這樣一種說(shuō)法,即我們應(yīng)當(dāng)珍惜需要衡量的事物。通過(guò)在全球眾多學(xué)校當(dāng)中得到廣泛普及的標(biāo)準(zhǔn)化測(cè)試方式,我們?cè)诮逃⒆拥倪^(guò)程中始終重視單一且相當(dāng)狹隘的智力定義思路——解決工業(yè)時(shí)代單詞問題的能力,或者在源自第一次世界大戰(zhàn)時(shí)期的多項(xiàng)選擇題中選出正確答案。
問題在于,人類的智慧體系龐大而復(fù)雜,但如今卻難以衡量及估值方式處理。一旦人工智能能夠完成智商測(cè)試并掌握基于課程的知識(shí)傳遞方式,那么人類也許將徹底喪失脫離這一自造技術(shù)困境的能力。
擁有超過(guò)25年人工智能與學(xué)習(xí)研究經(jīng)驗(yàn)的倫敦大學(xué)學(xué)院學(xué)習(xí)中心設(shè)計(jì)教授Rose Luckin指出,“我認(rèn)為我們有可能令自身陷入困境。”這是因?yàn)槲覀円苑浅S邢薜姆绞胶饬恐橇Γ?ldquo;我們也只關(guān)注能夠產(chǎn)生這類智能行為的技術(shù)工具。”
Luckin的新書《機(jī)器學(xué)習(xí)與人類智能:二十一世紀(jì)教育的未來(lái)》認(rèn)為,如果我們不希望自己的孩子及他們的老師變成機(jī)器人,那么必須從根本上重新對(duì)智力做出重新定義。她主張利用人工智能幫助我們以各種形式開發(fā)并衡量人類智能,從而更好地為需要不斷適應(yīng)及學(xué)習(xí)的工作場(chǎng)景做好準(zhǔn)備。
Luckin確定了孩子未來(lái)茁壯成長(zhǎng)所必需的七種智力因素。
跨學(xué)科的學(xué)術(shù)智力,即能夠?qū)⒏鱾€(gè)科目聯(lián)系在一起而非將其視為彼此割裂的孤島。(在這方面,芬蘭處于世界領(lǐng)先的地位,其放棄了主題教學(xué)的思維,這有利于學(xué)生們?cè)凇笟W盟」等開放性主題之下建立數(shù)學(xué)、歷史、經(jīng)濟(jì)學(xué)以及語(yǔ)言等學(xué)科間的聯(lián)系。)
社交智力,或者說(shuō)建立起自身情緒的認(rèn)知,以及我們?cè)撊绾螌?duì)群體中的個(gè)人進(jìn)行管理。這是人類的專長(zhǎng),而機(jī)器人在這方面則表現(xiàn)不佳。
此外,Luckin還提到了以下四種元智力因素:
,或者說(shuō)我們與知識(shí)間的關(guān)系。Luckin設(shè)問道,“學(xué)生是否了解知識(shí)來(lái)自何處?他們將知識(shí)視為自己被硬性灌輸且必須學(xué)習(xí)的東西,還是他們意識(shí)到了這也是人類創(chuàng)造的產(chǎn)物并具有語(yǔ)境性?”具備這種智力因素的孩子能夠理解哪些論據(jù)質(zhì)量更高,以及如何根據(jù)這些論據(jù)做出判斷。
,或者說(shuō)了解自己并調(diào)整自己的認(rèn)知過(guò)程。(例如,如果意識(shí)到自己是拖延者且很清楚需要寫下學(xué)習(xí)內(nèi)容,那么我們不應(yīng)在考試前一小時(shí)才重新整理學(xué)習(xí)筆記。)
, 或者說(shuō)理解我們情緒及其與學(xué)習(xí)及幸福認(rèn)知的關(guān)系。動(dòng)機(jī)是其中的關(guān)鍵組成部分。 元語(yǔ)境智力,即了解學(xué)習(xí)過(guò)程發(fā)生的動(dòng)態(tài)環(huán)境——除了課堂之外,還包括與人、事物以及位置間的關(guān)系。Luckin表示,“我們的智力不僅存在于大腦當(dāng)中。有越來(lái)越多的證據(jù)表明,語(yǔ)境或者說(shuō)背景也在其中發(fā)揮著巨大作用,在這方面人工智能的表現(xiàn)同樣有所欠缺。”
, 我們能夠評(píng)估自身效能的能力,這也許是最重要的智力因素。Luckin問道,“我們能否準(zhǔn)確地預(yù)測(cè)我們是否有可能在某個(gè)方向上取得成功,以及我們的實(shí)際效能表現(xiàn)如何?”
眾所周知,人們?cè)陬A(yù)測(cè)自我方面表現(xiàn)往往不佳。一般來(lái)講,行為心理學(xué)家與經(jīng)濟(jì)學(xué)家已經(jīng)反復(fù)證明,我們傾向于過(guò)度自信或者存在其它形式的偏見。Luckin認(rèn)為,在這方面人工智能將擁有廣闊的發(fā)揮空間。
Luckin在《自然》雜志中寫道,“人工智能是打開「學(xué)習(xí)黑匣子」的一種有力工具,能夠提供對(duì)實(shí)際學(xué)習(xí)過(guò)程的發(fā)生時(shí)間與方式的深刻且細(xì)致的理解。”她提到,人工智能系統(tǒng)能夠幫助我們更好地開發(fā)出更具泛用性的智能——其中的部分原因在于,人工智能有望衡量知識(shí)以外的重要因素,包括協(xié)作、堅(jiān)持、信心與動(dòng)力等。其還將協(xié)助我們改進(jìn)用于評(píng)估學(xué)生學(xué)力水平的一次性測(cè)試手段。如此一來(lái),學(xué)生將能夠通過(guò)連續(xù)測(cè)試,并配合計(jì)算機(jī)、手機(jī)或平板電腦等工具對(duì)自身的社交、跨學(xué)科以及多元智力表現(xiàn)進(jìn)行追蹤。通過(guò)為孩子及老師提供能做什么以及不能做什么的更為準(zhǔn)確的概況,學(xué)習(xí)者們將能夠更高效地改進(jìn)具體方法。
Luckin表示,“我們經(jīng)常看到一些論據(jù),指出我們的行事方式將對(duì)當(dāng)前目標(biāo)帶來(lái)非常有益的推動(dòng)作用。”這種方法能夠讓教師們專注于理解數(shù)據(jù)并處理各類常見于學(xué)生身上的問題,例如動(dòng)機(jī)與毅力性障礙。雖然她承認(rèn)人工智能不可能全面衡量一切智力,但她相信“人工智能將幫助我們?cè)诟鱾€(gè)方面做得更好。”
Luckin還提供了一些人工智能幫助改善學(xué)習(xí)效果的例子。在《計(jì)算機(jī)科學(xué)》雜志上發(fā)表的一篇論文中,她研究了如何衡量人類以協(xié)作方式解決問題的能力——這種能力在現(xiàn)代職場(chǎng)當(dāng)中廣受重視。然而,在課堂的小組活動(dòng)當(dāng)中,老師們卻不可能完全了解哪些學(xué)生在一起碰撞出了新的火花。
在一項(xiàng)實(shí)驗(yàn)當(dāng)中,她和她的同事用相機(jī)拍攝了孩子們手部動(dòng)作與頭部方向,用以衡量他們?cè)趨f(xié)作中的實(shí)際效率。而后檢測(cè)工具與人將對(duì)結(jié)果進(jìn)行交叉檢查,以判斷這些分組是否真正進(jìn)行了協(xié)同工作。Luckin指出,其目標(biāo)在于建立起社交互動(dòng)的證據(jù),而這正是成功實(shí)現(xiàn)問題協(xié)作的重要因素。此類證據(jù)可被整理為一套儀表板,從而為教師們標(biāo)記出哪些團(tuán)體需要關(guān)注,最終提高授課過(guò)程的效率水平。
英國(guó)學(xué)習(xí)平臺(tái)Century Tech則是人工智能走入課堂的另一個(gè)實(shí)例。其利用人工智能與大數(shù)據(jù)技術(shù)根據(jù)個(gè)別學(xué)生的優(yōu)勢(shì)與短板定制教育內(nèi)容及活動(dòng)。教師可以實(shí)時(shí)獲取學(xué)生的進(jìn)度更新結(jié)果,從而為學(xué)習(xí)者提供最有力的支持。
也有一些方法能夠開發(fā)出超越人工智能的其它智能形式。有一些希望建立元認(rèn)知智力因素的教師正在使用一款名為“Betty’s Brain”的計(jì)算機(jī)程序。
在該程序中,科學(xué)專業(yè)的學(xué)生們將教授一個(gè)名為Betty的卡通人物,包括向其講述河流生態(tài)系統(tǒng)的組成——例如食物鏈、光合作用以及廢物循環(huán)等等。而后,他們將測(cè)試Betty,看看她學(xué)到了什么并觀察其在學(xué)習(xí)中的角色測(cè)試結(jié)果。《范德比爾特》雜志解釋稱,“在檢查過(guò)程中,學(xué)生們會(huì)意識(shí)到這實(shí)際上是在測(cè)試他們自己,并幫助他們了解到自我監(jiān)控才是適用于一切學(xué)習(xí)環(huán)境的重要策略。”開發(fā)該程序的范德比爾特電氣工程與計(jì)算機(jī)科學(xué)教授Gautam Biswas指出,“因?yàn)橐M(jìn)行教學(xué),他們必須首先完成學(xué)習(xí)。”
Luckin還提到,學(xué)生們可以通過(guò)研究人工智能本身也開發(fā)自己的智力因素。她指出,探索具有龐大知識(shí)基礎(chǔ)的IBM沃森將幫助學(xué)生們建立起元認(rèn)識(shí)基礎(chǔ)——即意識(shí)到知識(shí)不僅僅是我們所看到的信息,更是我們所構(gòu)建的成果。沃森之所以能夠回答復(fù)雜的問題,是因?yàn)槠湟跃幊谭绞将@得了觀察并建立論證體系、生成并評(píng)估假設(shè)、最終給出最佳答案的能力。換句話說(shuō),沃森掌握了很多學(xué)生應(yīng)當(dāng)具備的學(xué)習(xí)方式。Luckin表示,“我們可以以此為基礎(chǔ),讓學(xué)習(xí)者們了解到知識(shí)的獲取過(guò)程。”
Luckin承認(rèn),以這種方式應(yīng)用人工智能技術(shù)也存在著一些明顯的阻礙。一方面,教育體制是各類機(jī)構(gòu)當(dāng)中最僵化、最抗拒改變的部分。另一方面,人工智能對(duì)學(xué)生表現(xiàn)的追蹤也可能引發(fā)人們對(duì)數(shù)據(jù)隱私的重大擔(dān)憂。如果技術(shù)方案的功能在于不斷評(píng)估您孩子的智力水平,那么必然需要持續(xù)收集與個(gè)體優(yōu)勢(shì)及劣勢(shì)相關(guān)的數(shù)據(jù)。
另外,大家也很容易想象到這類方案可能被用于進(jìn)行學(xué)生分類,或者否定其未來(lái)潛力?!督鹑跁r(shí)報(bào)》的一篇報(bào)道即提供了一個(gè)有啟發(fā)性的例子,講述了中國(guó)東部地區(qū)某所高中對(duì)學(xué)生行動(dòng)進(jìn)行追蹤:“這套由面部識(shí)別與人工智能驅(qū)動(dòng)的監(jiān)控系統(tǒng)負(fù)責(zé)追蹤校內(nèi)的1010名學(xué)生,告知老師有哪些學(xué)生遲到或者缺課。它還能夠根據(jù)點(diǎn)菜記錄保留包含信息,從而了解哪些學(xué)生的油脂攝入量過(guò)高。”根據(jù)報(bào)道,“由于在當(dāng)?shù)匾l(fā)巨大爭(zhēng)議,學(xué)校最終停止了該項(xiàng)計(jì)劃,”但這樣的情形仍然令人不寒而栗。
Luckin承認(rèn),數(shù)據(jù)隱私是其中的核心矛盾所在,而她自己并不一定能拿出有效的解決方案。她表示,“這是一項(xiàng)必須進(jìn)行全面討論的議題”,教師與政策制定者應(yīng)該與已經(jīng)高度這方面問題的人工智能學(xué)者及工程師共同交換意見。
至于教育制度長(zhǎng)久以來(lái)對(duì)變革潮流的抵制問題,Luckin并不是惟一一個(gè)對(duì)人工智能進(jìn)入課堂抱有樂觀態(tài)度的人。英國(guó)威爾斯大學(xué)助理教授Simon Balderson就組織了一場(chǎng)關(guān)于人工智能與教育的國(guó)際會(huì)議,他在接受媒體采訪時(shí)表示:
“截至目前,我們?nèi)匀辉谝员粍?dòng)方式向?qū)W生灌輸知識(shí)并進(jìn)行評(píng)估。但隨著人工智能進(jìn)入課堂,一切都將發(fā)生改變。人工智能正在迅速發(fā)展,未來(lái)其將能夠通過(guò)學(xué)生們的微表情確定其正在努力理解某一概念、接受了該項(xiàng)概念并在解決問題時(shí)應(yīng)用這個(gè)概念。”
與老師們一樣,人工智能也會(huì)根據(jù)不同的學(xué)生調(diào)整具體傳授方法。但人工智能的優(yōu)勢(shì)在于,其會(huì)持續(xù)不斷地為每位學(xué)生提供這樣的個(gè)性化服務(wù)。“沒有哪位老師能夠?yàn)榘嗌系娜w學(xué)生提供針對(duì)性引導(dǎo)。相比之下,人工智能還可以管理每位學(xué)生的數(shù)據(jù),確保其課業(yè)量始終處于適當(dāng)?shù)乃健V辽倬湍壳岸?,這樣的差異化教學(xué)還完全無(wú)法實(shí)現(xiàn)。”
看起來(lái),學(xué)校似乎不太可能在短期內(nèi)放棄風(fēng)險(xiǎn)高企的學(xué)術(shù)測(cè)試手段。然而,歐美地區(qū)的人們正越來(lái)越多地意識(shí)到考試制度的重大弊端:其獎(jiǎng)勵(lì)學(xué)生反芻信息,而非真正從中汲取意義; 激勵(lì)外在性而非內(nèi)在動(dòng)機(jī)。Luckin認(rèn)為,人工智能有望取代某些測(cè)試性考核。她指出,“現(xiàn)在我們已經(jīng)擁有了收集以及分析數(shù)據(jù)的方法,能夠幫助我們構(gòu)建起非常準(zhǔn)確的形成性、持續(xù)性評(píng)估流程。如果需要,這是一種完全能夠取代考試的新機(jī)制。”
她對(duì)于改變智力衡量方式,進(jìn)而顛覆教育體系價(jià)值觀這一可能性感到無(wú)比興奮:“如果我們能夠接受現(xiàn)有評(píng)估體系需要改變這一結(jié)論,那么這扇大門就已經(jīng)被打開。換言之,我們將真正嚴(yán)肅地重新思考教育制度的意義所在。”
當(dāng)然,目前我們還很難判斷Luckin的愿景屬于烏托邦、反烏托邦抑或是老生常談。但最近英國(guó)上議院關(guān)于人工智能的報(bào)告性結(jié)論中也引入了她的思路:
所有公民皆應(yīng)有權(quán)接受教育,確保他們能夠在人工智能的幫助下健康建立起自己的精神、情感與經(jīng)濟(jì)認(rèn)知。
這一思路也預(yù)示著學(xué)校的運(yùn)作方式將發(fā)生改變。Luckin總結(jié)稱,“以此為起點(diǎn),將帶來(lái)極為龐大的發(fā)展空間。”
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。