人工智能堵住了应试教育的华容道

来源：小康视界

作者：杨小康

本文长度为6600字，建议阅读8分钟

本文从目前弱人工智能学习的特点及其带来的可预见的冲击，和现行学科教育模式存在的问题为着眼点，探讨学科教育的适时适度改变。

前言

人工智能的大数据训练和应试教育的刷题训练，在训练模式上具有高度相似性。但在算力和大数据处理上，人工智能具有人脑无法企及的天然优势。人工智能正逐渐替代流程化和重复性的工作岗位，堵住了应试教育的华容道。人工智能将从就业市场倒逼教育转型发展，进而从各个环节挤压应试教育的空间。

2017年7月20日，国务院印发《新一代人工智能发展规划》，提出要在中小学阶段设置人工智能相关课程，推动人工智能领域一级学科建设，对智能时代的教育转型发展作前瞻性布局。在增设人工智能课程的同时，对现行学科教育体系和教育理念作整体的变革，才有可能从根本上应对人工智能对我国教育和人才培养结构形成的巨大冲击。只有走差异化、个性化的全面教育创新之路，发挥人性的特点优势，才能与智能化浪潮相向而行。

本文不涉及强人工智能下整个世界颠覆性变革的未来，仅从目前弱人工智能学习的特点及其带来的可预见的冲击，和现行学科教育模式存在的问题为着眼点，探讨学科教育的适时适度改变。

从可预见的未来，探讨智能时代的学科教育思路改变

2016年，人工智能60周年，AlphaGo在围棋领域战胜人类，确立了人工智能新的里程碑，标志着人类进入智能时代。人工智能的高速发展，引发了社会各界的高度关注，人们对人工智能既期待、又畏惧。

大批未来学家对于强人工智能（智力可以与人类比肩）和超人工智能（综合能力全面超越人类）时代人类的未来生活做了很多超出常人想象能力的设想和预测，比如，“人工智能会不会做梦（意识）？人工智能会不会结婚（性别）？人工智能会不会用钱（信用）？”。在这些预测中，机器取代人类，甚至统治人类的观点甚嚣尘上。

从人类发展的历史和未来看，未来学家的这些思考可能是非常严肃的，但也不可否认，这些饱含着科学情感的设想对于普通人来说如同科幻小说一般，总给人触手不可及的缥缈之感。笔者不能也无意预测未来，但就目前弱人工智能的发展来看，在可见的未来10-20年，弱人工智能技术的确将真实地改变我们的生活。

作为人工智能的研究者，同时也是一名教育工作者，笔者将从目前人工智能学习的特点为分析出发点，就学科教育的适时改变的问题加以讨论。由于能力所限，笔者不涉及强（超）人工智能下整个世界颠覆性变革的未来，也无意涉及教育的本质及人生终极目的的思辨问题，仅就学科教育适当调整作个人粗浅的思考。笔者也期待教育界和学术界的专家学者有更多更深的探讨，为我们的教育找到应对人工智能挑战的出口。

 

人工智能学习的特点

目前的人工智能主要由算法、算力、大数据三部分构成。算法是人工智能的大脑，算力是人工智能的肌体，大数据是人工智能成长的养分。下面以两个棋牌人工智能（众所周知的AlphaGo和战胜顶级选手的德州扑克人工智能 Libratus）为例，说明人工智能学习的特点。

围棋是最复杂且最能体现人类智慧的棋类游戏。AlphaGo是Google DeepMind开发的围棋人工智能。它的战绩为：2016年1月27日胜欧洲冠军樊麾（与Zen/Crazy Stone等之前的围棋软件相比，棋力要高出4子），2016年3月15日胜世界冠军李世石（与上一代相比，棋力高出3子），2017年1月初对61位棋手快棋取得60胜1和的不败战绩，2017年5月27日在3：0完胜当时排名第一的人类棋手柯洁后被宣布退役。

AlphaGo可以看成是最新深度学习方法（算法）、最新超算体系（算力）、棋谱大数据的总和。在战胜李世石的AlphaGo 1.0人工智能体系中，深度学习能够发挥巨大威力的前提是要有大量的数据用来训练深度结构，但是深度学习涉及到上亿的参数，如果数据不够，很容易造成过拟合、降低性能的问题，而要进行这样大规模的训练，就要有超强的计算能力。深度学习的概念和方法1998年就提出来了，当时只能解决简单的手写体字符识别问题，而现在却可以战胜李世石，其使用的深度学习结构基本没变，主要是用了更强的CPU和以前没有的GPU（图形处理器），并且用了千万倍的海量数据。

据说，AlphaGo 1.0存有1500万个高手对局棋谱，训练的时候会用到1202个CPU、176个GPU。AlphaGo 1.0是通过深度卷积神经网络和深度强化学习的算法，实现“模仿高手+左右互搏”，这很大程度上靠外部的棋谱大数据。

战胜柯洁的AlphaGo2.0配备了更优秀的深度学习算法以及更匹配深度学习的张量处理器（TPU），能够在“左右互博”中不断发现全新的好棋与好局，完全不靠外部棋谱大数据，而是自身积累棋谱大数据。

德州扑克是世界上最流行的扑克游戏。2017年04月14日，卡耐基梅隆大学（CMU）开发的人工智能 Libratus 战胜德州扑克顶级选手，是人工智能研究继 AlphaGo 之后又一突破。从计算复杂度看，德州扑克（10的160次方）略低于围棋（10的171次方）。但是从博弈的角度看，不同于围棋的完全信息博弈，德州扑克属于不完全信息的博弈，牌手的两张底牌对其他牌手是未知的，只能通过自己的下注影响其他牌手，其目标是基于数学(概率论)及心理学做出正确的决定。

在数学层面，Libratus主要靠的也是从零开始强化学习，Libratus主要依靠自己的近乎无限的计算量，通过无数盘德州扑克对决，把自己培养成能够面对各种复杂牌局都能提供最优解的棋牌高手。

在心理层面，Libratus运用了美国著名心理学家、诺贝尔经济学奖获得者Kahneman提出的反事实思维（counterfactual thinking）、损失厌恶等非理性心理学理论。在计算量上，Libratus运行该程序同样需要超级电脑，其价格需要数百万美金，并且其每小时消耗的电费很可能要比赢来的钱还多。

综上，目前的人工智能在算力、大数据意义上已经远超人类大脑。针对确定目标的算法，可以不依赖外部数据从零开始积累大数据。同时，人工智能在“体力”上只要拥有足够电力就行，在“心力”(心理和情绪)上没有任何波动、并且可以高度理性应对人类的非理性。

因此，我们有理由认为，在完成规则和目标确定的任务上，人工智能已经完全可以超越人类智能，并且它还将以指数发展原理持续进化、以摩尔定理持续降低成本，人工智能必然在众多的流程化和重复性的工作岗位上替代人类。

 

人工智能对应试教育带来的危机

虽经过多年的教育改革，“题海战术”仍然是我国教育的主流手段，而且越演越烈。让教育回归本源，让教育帮助孩子们实现幸福人生，似乎永远只是理念和口号。考虑到我国的人口基数，人才的竞争环境，考试作为人才分层的主要方式把教育推升成为人才竞争的主战场，在这种局面下，应试教育的盛行也不难理解。毕竟对于大多数的普通人来说，升学是我们改变人生境遇的唯一方式，没有寒窗苦读，哪有金榜题名，也是基本上可以达成共识的认知。然而时代确实在变化，尤其面对人工智能的冲击，寒窗苦读即便换来金榜题名，却可能蓦然回首，发觉人工智能早已等在灯火阑珊处。

2017年的高考已经落下帷幕，国内人工智能首次参加应试高考，为高考增添了科技的色彩。6月7日下午，国家863“超脑计划”项目研制的AI-MATHS高考机器人参加了2017年高考数学的测试，在掐断题库、断网、无人干涉的情况下通过综合逻辑推理平台来进行解题，10分钟交卷，分数达到105分。根据“超脑计划”，我国的“高考机器人”计划在2020年综合科目考上北大、清华。“高考机器人”的出现预示着，被诟病多年的应试教育和高考人才遴选方式真正遇到了重大危机。在算法、算力、大数据运用等方面，人工智能在应付应试教育上具有人类学生望尘莫及的优势。

从学生的角度看，与人类学生相比，人工智能无比勤奋、记忆力超群、响应急速，可以瞬间将目标明确的学习内容复制记忆、分析处理、整合提炼。

从老师的角度看，与众多的普通的人类老师相比，人工智能的老师是最顶尖的商业精英、科技精英、人文精英，无论是在知识储备还是智慧境界方面远超前者。

从教材的角度看，人工智能的教材包括人类的知识与活动信息、以及人工智能自身的知识与活动信息，其教材的数量和难度远超现有教育机构的标准教材。人工智能的算力足以支撑大数据的学习，人脑只能支撑小数据学习、往往陷于知识的海洋中。

从学校的角度看，人工智能的学校是顶尖实验室和无限信息空间，人类学生的教育环境质量和尺度远不及人工智能。

从教育模式的角度看，人工智能的教育模式主要是用大数据训练“算法”，不断演进智能思维软件，具有高度的可复制性，在效率上远超现有教育机构的针对人类学生的教育模式。

从教育成果的角度看，经过训练的人工智能同样可以满足企业、政府、社会的特定需求，完成特定的岗位工作任务，不存在体力、心理、工作态度的问题，也不存在家庭和社会的负担。

因此，应试教育真正危机已经来临。刷题的结局很可能是刷赢了人类的同学，却赢不了人工智能，若干年后，人工智能将具备轻松考上北大、清华的刷题能力。在智能时代，我们的学生不仅要与同学竞争，还要与新的智能物种竞争，如果我们的教育机构和家长还以刷题和简单记忆的方式培养自己的学生和孩子，则与人工智能相比不仅“出才效率”低而且“出品质量”低，不但可能达不到家长的心理期望值，还可能重挫孩子的自信心。

同时我们必须看到人工智能已经正在迅速取代众多的传统岗位，特别是流程化的工作岗位。预计十年内现有的传统岗位中50%的工作将被人工智能取代。

在金融领域，高盛在纽约总部600名银行交易员变成2人，背后是自动交易程序在工作。这个例子说明，哪里的工作岗位钱多，哪里就会被最早取代。靠人工智能削减人力资源成本并创造新的交易模式，从而获取巨额暴利，是金融资本家的最爱，也是这个商业社会最基本的逻辑。

在财会领域，德勤推出了财务机器人，机械化、有规律可循的会计从业、会计电算化、凭证录入、数据统计分析等基础财务工作岗位很大程度上会被财务机器人替代。曾几时，进入“四大会计师事务所”是高级白领的象征，尽管劳动强度极高，每逢财年末期必须通宵达旦加班，但仍是大批毕业生择业的首选。让财务机器人替代部分财务人员，某种程度上是符合效率和人性追求的。

在医疗领域，IBM沃森机器人已经成为全世界各地医院的医疗助手，依据全球相关的病例大数据，它已经可以通过美国的执业医师资格评定考试。

在新闻编辑领域，“今日头条”公司的编辑机器人已经能够自动写比较规范的新闻报道了，腾讯推出了梦幻写手，阿里与第一财经合作研发了DT稿王；8月8日四川九寨沟地震发生后的25秒内，“中国地震台网”已经发布了由机器人自动编写的新闻消息。

在驾驶领域，谷歌无人驾驶已经累计行驶300万公里的行程。

在翻译领域，科大讯飞将语音识别的准确率已经从60.2%提升至95%。

在客服领域，支付宝现在已经使用了智能客服，成功提升自助服务率至97%，同时提高满意度3个百分点。

在物流领域，物流领域开始广泛使用无人机、RFID技术进行盘点和物流信息的记录追踪。

一大批“在思想层面上类人工智能化、而在执行力层面上远低于人工智能”的学生在毕业之时可能面临着被人工智能淘汰的尴尬处境。人工智能已经堵住应试教育的华容道，教育部门和机构应具备前瞻性的应对方案，家长和学生更需要转变思路。

 

学科教育应尽快离弃人工智能式的应试训练，回归教育的本源

智能时代，人类美好的愿景是，人工智能成为人类助手,两者和谐共存。这个愿景的前提是人类能够善用人工智能、充分发挥人类自身的特质。2017年7月20日，国务院印发《新一代人工智能发展规划》，《规划》提出要在中小学阶段设置人工智能相关课程，推动人工智能领域一级学科建设。国家在教育的各个环节布局人工智能的学科教育，这从善用人工智能的角度上来讲，是非常必要的，也是非常具有前瞻性的。但是从教育的整体看，我国现行学科教育模式在很大程度上是接近于人工智能训练的模式的，是非常不利于发挥人类自身特质的，在增加人工智能课程的同时，对现行学科教育体系作整体的改革，才有可能从根本上应对人工智能对我国教育形成的巨大冲击。

我国学科教育的主流方式与特点：

语言学习（中文和英文），过分强调字、词、语法，取材碎片化，忽视文章的整体性和大的背景，有些课文生硬地摘抄自经典中的片段、甚至断章取义。大量的课文缺乏时代感，忽略语言所承载的思维方式，有些课文颇具文艺范，看似优美实则空洞甚至违背逻辑。背诵了大量经典作文模板的孩子们并没有形成真正的写作能力，更谈不上对于自我思考的准确、精彩表达。现有的对话机器人（语音识别与合成+自然语言处理）通过建立字、词、语法的计算模型，已经能理解短句、根据语境造句，有的甚至还能蒙上几句颇具飘渺感的诗、开几个无厘头的玩笑。但是，在自主设计场景、推演想象情节、推理论证构筑文章框架上，在可以预见的未来，语言类的机器人仍不可能做出与人类思维相比的构建性自主命题写作，不太可能做现场的长篇演讲，更不太可能写出像样的小说。

数学，强调计算、题型、和公式套用，缺少逻辑推理训练、原理背景介绍、知识点之间的逻辑关系。总体上而言，我国的学科教育中对数学非常重视，数学教育的基础是扎实的，现有数学教材关于知识点上的要求已经足够。但在一轮轮“幼升小，小升初，中考自招考试”的超常规选拔面前，全民奥数的加强训练也非常普遍。这些看似超高难度的“数学杂技”，却往往不过是将归纳好的解题规律强行灌输，这与培养数学思维毫不相干，相反在打击学习兴趣上却颇有成效。在高校，数学基础课课程也往往呈碎片化、片面化，学生只是在学习简单套公式应付考试，不懂具体数学分支的背景和内涵，不能掌握数学分支之间的联系，尽管会解题但往往不懂活用数学工具。目前，Matlab、Mathematica、R语言等数学和统计软件工具非常强大，同时，现有的人工智能的计算能力通常远超人类。因此，对大部分非数学专业的大学生而言，关键在于具备一定的数学抽象思维能力，具备将现实问题用数学语言表达，建立数学模型的能力，具体的数学解法反而是其次的。

人文社科（政治、地理、历史等），强调知识点的记忆，缺少纵深、尺度、思辨、比较。人文科学，是以人类的精神世界及其沉淀的精神文化为对象的科学，仅靠知识点而不联系生活、不反省自身，则无法真切感受人的主体地位和人的观念、精神、情感和价值，也无法真正提升思想境界。社会科学则是一种以人类社会为研究对象的科学，不能将知识点融汇在一起，就无法认知人类社会的发展历程。人文社科是关于人类自身的科学，人文社科的问题很难转化为具备可计算性的具体任务。尽管人工智能可以轻松存储人类人文社科的主要典籍和知识点，但人工智能很难真正具备人文社科思考的能力。

数学之外的理科，强调结论性，忽视问题的提出、过程的探究、实验设计的原始思路。理科教育不仅要让学生认识自然，更要让学生思考和探索自然。近现代科技的发展，使得人类对很多自然现象具备了确定结论的认识，但未知世界是无限的，无数的自然现象还有待于人类去思考和探索。关于自然问题和工程问题的提出、探究、实验，主要还是靠人类智能，人工智能只能起到辅助作用。

更值得关注的是，目前的学科教材都貌似很薄、貌似减负，实则教辅材料五花八门、试卷成堆、导致学生和家长负担沉重。无论是中小学还是大学，我国的教材通常比国外的教材簿很多。这样的教材缺少细致的背景介绍，详尽的推演过程，在讲解知识点时没有将章节的知识点贯穿于要思考的问题的逻辑主线之中，只进行知识点的罗列。反而要靠大量反复训练来加强对于概念的理解，这样靠刷题来强化理解和记忆的方法有本末倒置之嫌。大学的学科教育融会贯通不够，这样的教育模式显然不能适应智能时代的发展态势。

总结

我们目前的教育方式与人工智能的学习特点高度重合，在人与人的竞争中，比别人勤奋一点，通过大量练习，在同类中胜出的几率可以大幅提升。但当我们与人工智能竞争时，这样的做法无异于以卵击石。唯有扬长避短，才有取胜的可能。

因笔者学识所限，本文无法真正触及全面的教育改革创新这个极其宏大的话题。笔者只能提几点粗浅的建议，来结束本文，供个人适当调整学科教育的观念和思路：

1. 在识字、表达流畅的基础上，将语言学习与其他社会科学结合，形成人文社科的整体思维训练方式，提升学生思考自身和社会的深度、广度和厚度。

2. 数学在理解基本运算规则定理的基础上，要重视将实际问题转化为数学语言的能力，要具备“算”的技能，更要具备“数”的逻辑。

3. 给孩子充分的时间，引导孩子学会从观察中提问，人工智能时代，“会提问”必定比“会解题”要重要。不仅懂得“解空间”层面的求解，更要懂得“问题空间”层面的求索。

4. 不影响孩子健康成长的任何兴趣都应给予支持。兴趣是快乐的源泉，也是创新的源动力。孩子们的兴趣可能很广泛，有的兴趣来得快、去得也快，只有不断鼓励孩子的兴趣，才使孩子找到真正的持久的兴趣，进而在未来快乐地生活并创新。

5. 让孩子懂一点人工智能，具备与人工智能携手工作、共同创造的能力。然而毕竟不是人人都要成为人工智能的专业人才，尊重孩子的个性特点，让教育帮助每个孩子找到自己的兴趣才可能不被人工智能堵住成长的空间。

扫码关注公众号“小康世界”

编辑：黄继彦

校对：朱江华峰

为保证发文质量、树立口碑，数据派现设立“错别字基金”，鼓励读者积极纠错。

若您在阅读文章过程中发现任何错误，请在文末留言，或到后台反馈，经小编确认后，数据派将向检举读者发8.8元红包。

同一位读者指出同一篇文章多处错误，奖金不变。不同读者指出同一处错误，奖励第一位读者。

感谢一直以来您的关注和支持，希望您能够监督数据派产出更加高质的内容。