上海交通大学杨小康 | 人工智能堵住了应试教育的华容道
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。但是，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。
——杨小康
杨小康，上海交通大学电子信息与电气工程学院“长江学者”特聘教授，图像通信与网络工程研究所副所长。
研究方向:图像处理、计算机视觉
人工智能迄今已发展60周年，随着AlphaGo在围棋领域战胜人类确立的里程碑，人工智能正在深刻地改变人类的观念、生产和生活，也势必给学科教育带来深刻变革。
学科教育目前大多为人工智能训练式的应试教育模式。应试教育的刷题训练与人工智能的大数据训练，在训练模式上具有高度相似性。但在算力和大数据的处理上，人脑则无法与人工智能匹敌。因此，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。
人工智能学习的特点
人工智能主要由算法、算力、大数据三部分构成。对于人工智能而言，算法是大脑，算力是肌体，大数据是其成长的养分。围棋是最复杂且最能体现人类智慧的棋类游戏。AlphaGo是DeepMind开发的围棋人工智能，可以将其看成是最新深度学习方法（算法）、最新超算体系（算力）和棋谱大数据的总和。在战胜韩国围棋九段高手李世石的AlphaGo Lee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。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、性能降低的问题，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在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，并且用了千万倍的海量数据。
AlphaGo Lee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 Lee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”，这很大程度上依靠外部的棋谱大数据。
2017年10月19日，DeepMind发布了其最新成果AlphaGo Zero。AlphaGo Zero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4月14日，卡内基梅隆大学(CMU)开发的人工智能Libratus战胜了德州扑克顶级选手，是继AlphaGo之后人工智能的又一突破。从计算复杂度看，德州扑克(10160)略低于围棋(10171)。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而言是未知的，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主要依靠从零开始强化学习和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卡内曼(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元，而且其每小时消耗的电费很可能比赢来的钱还要多。
综上可见，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”上只要拥有足够的电力就行，在“心力”(心理和情绪)上没有任何波动，并且可以高度理性地应对人类的非理性。
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规律持续进化，以摩尔定律持续降低成本，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。
应试教育的危机
虽然经过多年的教育改革，“题海战术”仍然是我国目前教育的主流手段，而且还有愈演愈烈的趋势。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和人才的竞争环境，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。然而时代在变化，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，国内人工智能首次参加高考，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，与众多普通的人类教师相比，“人工智能”的教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”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，而人脑只能支撑小数据学习。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，应试教育的真正危机已经来临。若干年后，人工智能将具备轻松考上北大、清华的能力。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来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”也低，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。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，正在被财务机器人替代。让财务机器人替代部分财务人员，某种程度上也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出比较规范的新闻报道了，腾讯推出了“梦幻写手”，阿里巴巴与第一财经合作研发了“DT稿王”。2017年8月8日四川九寨沟地震发生后的25秒内，“中国地震台网”就发布了由机器人自动编写的新闻消息。
此外，谷歌的无人驾驶已经累计行驶300万公里；科大讯飞的语音识别准确率已经提升至95%；支付宝现在已经使用了智能客服，自助服务率达到97%；无人机、无线射频识别(RFID)技术在物流领域的应用已很普遍。
当前，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。
离弃应试训练，回归教育本源
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，国务院印发了《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。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来讲是非常必要的，也非常具有前瞻性。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的训练模式的，非常不利于发挥人类自身特质，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以及人工智能在各学科的应用特点如下：
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。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，有的甚至还能做出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、原理背景介绍和知识点之间的逻辑关系介绍。总体而言，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。在一轮接一轮“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，反而在很大程度上打击学习兴趣。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，不能将知识点融会在一起，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，目前的学科教材都很薄，缺少细致的背景介绍和详尽的推演过程，没有将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。
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。但是，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宏大的话题，只能提几点粗浅的建议：
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，提升学生对自身和社会的思考深度、广度和厚度。
2. 数学在理解基本运算规则定理的基础上，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”重要；不仅要懂得“解空间”的求解，更要懂得“问题空间”的求索。
4. 不影响孩子健康成长的任何兴趣都应给予支持。兴趣是创新的源动力，只有不断鼓励孩子的兴趣，才能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。
📚往期文章推荐
🔗经济学人万字总结17年AI领域并购趋势 | 谷歌领跑，人才竞争白热化
🔗人工智能名人堂第56期 | 机器学习之父：Tom M. Mitchell
🔗92岁院士，一件衬衣穿了30年，却将420万全部积蓄捐给了他们
🔗刚刚获得“科学奥斯卡”的中国80后数学家 | 网友曾说：强到无法理解
🔗最会玩的清华博士 | 我给自己发了五千万个红包，得出来这样一个规律
🔗北大清华学霸用神经学理论论证烤串为啥好吃，发过SCI就免单
德先生公众号 ｜ 往期精选
在公众号会话位置回复以下关键词，查看德先生往期文章！
人工智能｜机器崛起｜区块链｜名人堂
虚拟现实｜无人驾驶｜智能制造｜无人机
科研创新｜网络安全｜数据时代｜人机大战
……
更多精彩文章正在赶来，敬请期待！
点击“阅读原文”，移步求知书店，可查阅选购德先生推荐书籍。
相关内容
微信扫码咨询专知VIP会员