人工智慧堵住了應試教育的華容道

本文長度為6600字，建議閱讀8分鐘

本文從目前弱人工智慧學習的特點及其帶來的可預見的衝擊，和現行學科教育模式存在的問題為著眼點，探討學科教育的適時適度改變。

前言

人工智慧的大數據訓練和應試教育的刷題訓練，在訓練模式上具有高度相似性。但在算力和大數據處理上，人工智慧具有人腦無法企及的天然優勢。人工智慧正逐漸替代流程化和重複性的工作崗位，堵住了應試教育的華容道。人工智慧將從就業市場倒逼教育轉型發展，進而從各個環節擠壓應試教育的空間。

2017年7月20日，國務院印發《新一代人工智慧發展規劃》，提出要在中國小階段設置人工智慧相關課程，推動人工智慧領域一級學科建設，對智能時代的教育轉型發展作前瞻性布局。在增設人工智慧課程的同時，對現行學科教育體系和教育理念作整體的變革，才有可能從根本上應對人工智慧對教育和人才培養結構形成的巨大衝擊。只有走差異化、個性化的全面教育創新之路，發揮人性的特點優勢，才能與智能化浪潮相向而行。

本文不涉及強人工智慧下整個世界顛覆性變革的未來，僅從目前弱人工智慧學習的特點及其帶來的可預見的衝擊，和現行學科教育模式存在的問題為著眼點，探討學科教育的適時適度改變。

從可預見的未來，探討智能時代的學科教育思路改變

2016年，人工智慧60周年，AlphaGo在圍棋領域戰勝人類，確立了人工智慧新的里程碑，標誌著人類進入智能時代。人工智慧的高速發展，引發了社會各界的高度關注，人們對人工智慧既期待、又畏懼。

大批未來學家對於強人工智慧（智力可以與人類比肩）和超人工智慧（綜合能力全面超越人類）時代人類的未來生活做了很多超出常人想象能力的設想和預測，比如，「人工智慧會不會做夢（意識）？人工智慧會不會結婚（性別）？人工智慧會不會用錢（信用）？」。在這些預測中，機器取代人類，甚至統治人類的觀點甚囂塵上。

從人類發展的歷史和未來看，未來學家的這些思考可能是非常嚴肅的，但也不可否認，這些飽含著科學情感的設想對於普通人來說如同科幻小說一般，總給人觸手不可及的縹緲之感。筆者不能也無意預測未來，但就目前弱人工智慧的發展來看，在可見的未來10-20年，弱人工智慧技術的確將真實地改變我們的生活。

作為人工智慧的研究者，同時也是一名教育工作者，筆者將從目前人工智慧學習的特點為分析出發點，就學科教育的適時改變的問題加以討論。由於能力所限，筆者不涉及強（超）人工智慧下整個世界顛覆性變革的未來，也無意涉及教育的本質及人生終極目的的思辨問題，僅就學科教育適當調整作個人粗淺的思考。筆者也期待教育界和學術界的專家學者有更多更深的探討，為我們的教育找到應對人工智慧挑戰的出口。

人工智慧學習的特點

目前的人工智慧主要由演算法、算力、大數據三部分構成。演算法是人工智慧的大腦，算力是人工智慧的肌體，大數據是人工智慧成長的養分。下面以兩個棋牌人工智慧（眾所周知的AlphaGo和戰勝頂級選手的德州撲克人工智慧 Libratus）為例，說明人工智慧學習的特點。

圍棋是最複雜且最能體現人類智慧的棋類遊戲。AlphaGo是Google DeepMind開發的圍棋人工智慧。它的戰績為：2016年1月27日勝歐洲冠軍樊麾（與Zen/Crazy Stone等之前的圍棋軟體相比，棋力要高出4子），2016年3月15日勝世界冠軍李世石（與上一代相比，棋力高出3子），2017年1月初對61位棋手快棋取得60勝1和的不敗戰績，2017年5月27日在3：0完勝當時排名第一的人類棋手柯潔后被宣布退役。

AlphaGo可以看成是最新深度學習方法（演算法）、最新超算體系（算力）、棋譜大數據的總和。在戰勝李世石的AlphaGo 1.0人工智慧體系中，深度學習能夠發揮巨大威力的前提是要有大量的數據用來訓練深度結構，但是深度學習涉及到上億的參數，如果數據不夠，很容易造成過擬合、降低性能的問題，而要進行這樣大規模的訓練，就要有超強的計算能力。深度學習的概念和方法1998年就提出來了，當時只能解決簡單的手寫體字元識別問題，而現在卻可以戰勝李世石，其使用的深度學習結構基本沒變，主要是用了更強的CPU和以前沒有的GPU（圖形處理器），並且用了千萬倍的海量數據。

據說，AlphaGo 1.0存有1500萬個高手對局棋譜，訓練的時候會用到1202個CPU、176個GPU。AlphaGo 1.0是通過深度卷積神經網路和深度強化學習的演算法，實現「模仿高手+左右互搏」，這很大程度上靠外部的棋譜大數據。

戰勝柯潔的AlphaGo2.0配備了更優秀的深度學習演算法以及更匹配深度學習的張量處理器（TPU），能夠在「左右互博」中不斷發現全新的好棋與好局，完全不靠外部棋譜大數據，而是自身積累棋譜大數據。

德州撲克是世界上最流行的撲克遊戲。2017年04月14日，卡耐基梅隆大學（CMU）開發的人工智慧 Libratus 戰勝德州撲克頂級選手，是人工智慧研究繼 AlphaGo 之後又一突破。從計算複雜度看，德州撲克（10的160次方）略低於圍棋（10的171次方）。但是從博弈的角度看，不同於圍棋的完全信息博弈，德州撲克屬於不完全信息的博弈，牌手的兩張底牌對其他牌手是未知的，只能通過自己的下注影響其他牌手，其目標是基於數學(概率論)及心理學做出正確的決定。

在數學層面，Libratus主要靠的也是從零開始強化學習，Libratus主要依靠自己的近乎無限的計算量，通過無數盤德州撲克對決，把自己培養成能夠面對各種複雜牌局都能提供最優解的棋牌高手。

在心理層面，Libratus運用了美國著名心理學家、諾貝爾經濟學獎獲得者Kahneman提出的反事實思維（counterfactual thinking）、損失厭惡等非理性心理學理論。在計算量上，Libratus運行該程序同樣需要超級電腦，其價格需要數百萬美金，並且其每小時消耗的電費很可能要比贏來的錢還多。

綜上，目前的人工智慧在算力、大數據意義上已經遠超人類大腦。針對確定目標的演算法，可以不依賴外部數據從零開始積累大數據。同時，人工智慧在「體力」上只要擁有足夠電力就行，在「心力」(心理和情緒)上沒有任何波動、並且可以高度理性應對人類的非理性。

因此，我們有理由認為，在完成規則和目標確定的任務上，人工智慧已經完全可以超越人類智能，並且它還將以指數發展原理持續進化、以摩爾定理持續降低成本，人工智慧必然在眾多的流程化和重複性的工作崗位上替代人類。

人工智慧對應試教育帶來的危機

雖經過多年的教育改革，「題海戰術」仍然是教育的主流手段，而且越演越烈。讓教育回歸本源，讓教育幫助孩子們實現幸福人生，似乎永遠只是理念和口號。考慮到的人口基數，人才的競爭環境，考試作為人才分層的主要方式把教育推升成為人才競爭的主戰場，在這種局面下，應試教育的盛行也不難理解。畢竟對於大多數的普通人來說，升學是我們改變人生境遇的唯一方式，沒有寒窗苦讀，哪有金榜題名，也是基本上可以達成共識的認知。然而時代確實在變化，尤其面對人工智慧的衝擊，寒窗苦讀即便換來金榜題名，卻可能驀然回首，發覺人工智慧早已等在燈火闌珊處。

2017年的聯考已經落下帷幕，國內人工智慧首次參加應試聯考，為聯考增添了科技的色彩。6月7日下午，國家863「超腦計劃」項目研製的AI-MATHS聯考機器人參加了2017年聯考數學的測試，在掐斷題庫、斷網、無人干涉的情況下通過綜合邏輯推理平台來進行解題，10分鐘交卷，分數達到105分。根據「超腦計劃」，的「聯考機器人」計劃在2020年綜合科目考上北大、清華。「聯考機器人」的出現預示著，被詬病多年的應試教育和聯考人才遴選方式真正遇到了重大危機。在演算法、算力、大數據運用等方面，人工智慧在應付應試教育上具有人類學生望塵莫及的優勢。

從學生的角度看，與人類學生相比，人工智慧無比勤奮、記憶力超群、響應急速，可以瞬間將目標明確的學習內容複製記憶、分析處理、整合提煉。

從老師的角度看，與眾多的普通的人類老師相比，人工智慧的老師是最頂尖的商業精英、科技精英、人文精英，無論是在知識儲備還是智慧境界方面遠超前者。

從教材的角度看，人工智慧的教材包括人類的知識與活動信息、以及人工智慧自身的知識與活動信息，其教材的數量和難度遠超現有教育機構的標準教材。人工智慧的算力足以支撐大數據的學習，人腦只能支撐小數據學習、往往陷於知識的海洋中。

從學校的角度看，人工智慧的學校是頂尖實驗室和無限信息空間，人類學生的教育環境質量和尺度遠不及人工智慧。

從教育模式的角度看，人工智慧的教育模式主要是用大數據訓練「演算法」，不斷演進智能思維軟體，具有高度的可複製性，在效率上遠超現有教育機構的針對人類學生的教育模式。

從教育成果的角度看，經過訓練的人工智慧同樣可以滿足企業、政府、社會的特定需求，完成特定的崗位工作任務，不存在體力、心理、工作態度的問題，也不存在家庭和社會的負擔。

因此，應試教育真正危機已經來臨。刷題的結局很可能是刷贏了人類的同學，卻贏不了人工智慧，若干年後，人工智慧將具備輕鬆考上北大、清華的刷題能力。在智能時代，我們的學生不僅要與同學競爭，還要與新的智能物種競爭，如果我們的教育機構和家長還以刷題和簡單記憶的方式培養自己的學生和孩子，則與人工智慧相比不僅「出才效率」低而且「出品質量」低，不但可能達不到家長的心理期望值，還可能重挫孩子的自信心。

同時我們必須看到人工智慧已經正在迅速取代眾多的傳統崗位，特別是流程化的工作崗位。預計十年內現有的傳統崗位中50%的工作將被人工智慧取代。

在金融領域，高盛在紐約總部600名銀行交易員變成2人，背後是自動交易程序在工作。這個例子說明，哪裡的工作崗位錢多，哪裡就會被最早取代。靠人工智慧削減人力資源成本並創造新的交易模式，從而獲取巨額暴利，是金融資本家的最愛，也是這個商業社會最基本的邏輯。

在財會領域，德勤推出了財務機器人，機械化、有規律可循的會計從業、會計電算化、憑證錄入、數據統計分析等基礎財務工作崗位很大程度上會被財務機器人替代。曾幾時，進入「四大會計師事務所」是高級白領的象徵，儘管勞動強度極高，每逢財年末期必須通宵達旦加班，但仍是大批畢業生擇業的首選。讓財務機器人替代部分財務人員，某種程度上是符合效率和人性追求的。

在醫療領域，IBM沃森機器人已經成為全世界各地醫院的醫療助手，依據全球相關的病例大數據，它已經可以通過美國的執業醫師資格評定考試。

在新聞編輯領域，「」公司的編輯機器人已經能夠自動寫比較規範的新聞報道了，騰訊推出了夢幻寫手，阿里與第一財經合作研發了DT稿王；8月8日四川九寨溝地震發生后的25秒內，「地震台網」已經發布了由機器人自動編寫的新聞消息。

在駕駛領域，谷歌無人駕駛已經累計行駛300萬公里的行程。

在翻譯領域，科大訊飛將語音識別的準確率已經從60.2%提升至95%。

在客服領域，支付寶現在已經使用了智能客服，成功提升自助服務率至97%，同時提高滿意度3個百分點。

在物流領域，物流領域開始廣泛使用無人機、RFID技術進行盤點和物流信息的記錄追蹤。

一大批「在思想層面上類人工智慧化、而在執行力層面上遠低於人工智慧」的學生在畢業之時可能面臨著被人工智慧淘汰的尷尬處境。人工智慧已經堵住應試教育的華容道，教育部門和機構應具備前瞻性的應對方案，家長和學生更需要轉變思路。

學科教育應儘快離棄人工智慧式的應試訓練，回歸教育的本源

智能時代，人類美好的願景是，人工智慧成為人類助手,兩者和諧共存。這個願景的前提是人類能夠善用人工智慧、充分發揮人類自身的特質。2017年7月20日，國務院印發《新一代人工智慧發展規劃》，《規劃》提出要在中國小階段設置人工智慧相關課程，推動人工智慧領域一級學科建設。國家在教育的各個環節布局人工智慧的學科教育，這從善用人工智慧的角度上來講，是非常必要的，也是非常具有前瞻性的。但是從教育的整體看，現行學科教育模式在很大程度上是接近於人工智慧訓練的模式的，是非常不利於發揮人類自身特質的，在增加人工智慧課程的同時，對現行學科教育體系作整體的改革，才有可能從根本上應對人工智慧對教育形成的巨大衝擊。

學科教育的主流方式與特點：

語言學習（中文和英文），過分強調字、詞、語法，取材碎片化，忽視文章的整體性和大的背景，有些課文生硬地摘抄自經典中的片段、甚至斷章取義。大量的課文缺乏時代感，忽略語言所承載的思維方式，有些課文頗具文藝范，看似優美實則空洞甚至違背邏輯。背誦了大量經典作文模板的孩子們並沒有形成真正的寫作能力，更談不上對於自我思考的準確、精彩表達。現有的對話機器人（語音識別與合成+自然語言處理）通過建立字、詞、語法的計算模型，已經能理解短句、根據語境造句，有的甚至還能蒙上幾句頗具飄渺感的詩、開幾個無厘頭的玩笑。但是，在自主設計場景、推演想象情節、推理論證構築文章框架上，在可以預見的未來，語言類的機器人仍不可能做出與人類思維相比的構建性自主命題寫作，不太可能做現場的長篇演講，更不太可能寫出像樣的小說。

數學，強調計算、題型、和公式套用，缺少邏輯推理訓練、原理背景介紹、知識點之間的邏輯關係。總體上而言，的學科教育中對數學非常重視，數學教育的基礎是紮實的，現有數學教材關於知識點上的要求已經足夠。但在一輪輪「幼升小，小升初，中考自招考試」的超常規選拔面前，全民奧數的加強訓練也非常普遍。這些看似超高難度的「數學雜技」，卻往往不過是將歸納好的解題規律強行灌輸，這與培養數學思維毫不相干，相反在打擊學習興趣上卻頗有成效。在高校，數學基礎課課程也往往呈碎片化、片面化，學生只是在學習簡單套公式應付考試，不懂具體數學分支的背景和內涵，不能掌握數學分支之間的聯繫，儘管會解題但往往不懂活用數學工具。目前，Matlab、Mathematica、R語言等數學和統計軟體工具非常強大，同時，現有的人工智慧的計算能力通常遠超人類。因此，對大部分非數學專業的大學生而言，關鍵在於具備一定的數學抽象思維能力，具備將現實問題用數學語言表達，建立數學模型的能力，具體的數學解法反而是其次的。

人文社科（政治、地理、歷史等），強調知識點的記憶，缺少縱深、尺度、思辨、比較。人文科學，是以人類的精神世界及其沉澱的精神文化為對象的科學，僅靠知識點而不聯繫生活、不反省自身，則無法真切感受人的主體地位和人的觀念、精神、情感和價值，也無法真正提升思想境界。社會科學則是一種以人類社會為研究對象的科學，不能將知識點融匯在一起，就無法認知人類社會的發展歷程。人文社科是關於人類自身的科學，人文社科的問題很難轉化為具備可計算性的具體任務。儘管人工智慧可以輕鬆存儲人類人文社科的主要典籍和知識點，但人工智慧很難真正具備人文社科思考的能力。

數學之外的理科，強調結論性，忽視問題的提出、過程的探究、實驗設計的原始思路。理科教育不僅要讓學生認識自然，更要讓學生思考和探索自然。近現代科技的發展，使得人類對很多自然現象具備了確定結論的認識，但未知世界是無限的，無數的自然現象還有待於人類去思考和探索。關於自然問題和工程問題的提出、探究、實驗，主要還是靠人類智能，人工智慧只能起到輔助作用。

更值得關注的是，目前的學科教材都貌似很薄、貌似減負，實則教輔材料五花八門、試捲成堆、導致學生和家長負擔沉重。無論是中國小還是大學，的教材通常比國外的教材簿很多。這樣的教材缺少細緻的背景介紹，詳盡的推演過程，在講解知識點時沒有將章節的知識點貫穿於要思考的問題的邏輯主線之中，只進行知識點的羅列。反而要靠大量反覆訓練來加強對於概念的理解，這樣靠刷題來強化理解和記憶的方法有本末倒置之嫌。大學的學科教育融會貫通不夠，這樣的教育模式顯然不能適應智能時代的發展態勢。

總結

我們目前的教育方式與人工智慧的學習特點高度重合，在人與人的競爭中，比別人勤奮一點，通過大量練習，在同類中勝出的幾率可以大幅提升。但當我們與人工智慧競爭時，這樣的做法無異於以卵擊石。唯有揚長避短，才有取勝的可能。

因筆者學識所限，本文無法真正觸及全面的教育改革創新這個極其宏大的話題。筆者只能提幾點粗淺的建議，來結束本文，供個人適當調整學科教育的觀念和思路：

1. 在識字、表達流暢的基礎上，將語言學習與其他社會科學結合，形成人文社科的整體思維訓練方式，提升學生思考自身和社會的深度、廣度和厚度。

2. 數學在理解基本運算規則定理的基礎上，要重視將實際問題轉化為數學語言的能力，要具備「算」的技能，更要具備「數」的邏輯。

3. 給孩子充分的時間，引導孩子學會從觀察中提問，人工智慧時代，「會提問」必定比「會解題」要重要。不僅懂得「解空間」層面的求解，更要懂得「問題空間」層面的求索。

4. 不影響孩子健康成長的任何興趣都應給予支持。興趣是快樂的源泉，也是創新的源動力。孩子們的興趣可能很廣泛，有的興趣來得快、去得也快，只有不斷鼓勵孩子的興趣，才使孩子找到真正的持久的興趣，進而在未來快樂地生活並創新。

5. 讓孩子懂一點人工智慧，具備與人工智慧攜手工作、共同創造的能力。然而畢竟不是人人都要成為人工智慧的專業人才，尊重孩子的個性特點，讓教育幫助每個孩子找到自己的興趣才可能不被人工智慧堵住成長的空間。

為保證發文質量、樹立口碑，數據派現設立「錯別字基金」，鼓勵讀者積極糾錯。

若您在閱讀文章過程中發現任何錯誤，請在文末留言，或到後台反饋，經小編確認后，數據派將向檢舉讀者發8.8元紅包。

同一位讀者指出同一篇文章多處錯誤，獎金不變。不同讀者指出同一處錯誤，獎勵第一位讀者。

感謝一直以來您的關注和支持，希望您能夠監督數據派產出更加高質的內容。