面對AI人工智慧的挑戰，基礎教育能做些什麼？

近日《哈佛商業評論》撰文，就人工智慧對經濟、教育的影響展開了思考。在他們看來，人工智慧的興盛要求教育必須跟上步伐，這樣才能讓人們在未來受益。以下為決勝網整理的全文內容。

對於我們這一代人，無人駕駛汽車、語音助手等人工智慧科技或許令人驚奇。但下一代可能沒有人會對此感到驚訝了。以後人工智慧將不僅是一種工具，更多時候，它會變成你的同事，成為你生活中不可或缺的一部分。

我們的下一代將能夠有效利用人工智慧和大數據，認識到自身的局限性，完善人工智慧平台和系統。而現在，我們就要幫助他們做好準備，也就是說，我們需要改進初級教育，優化中等教育的計算機科學教育。

看看現在的兒童是怎樣使用人工智慧和自動化技術的把。

如果你對Siri說，「打開身著橙色連衣裙的明星照片，」不到一秒鐘，手機上就會出現Taylor Swift的照片，現在這看起來像魔術，但顯然並不是。工程師們在設計人工智慧系統時，先將任務分解成許多小任務，找到針對每個小任務的解決方案，再讓彼此之間產生聯繫。

以Siri為例，人工智慧系統先將接收到的語音分成小的部分，並把它們發送到雲端，然後分析每個部分的含義，再將分析結果轉換成搜索請求。最後，對各種可能的解決方法進行篩選和排序。因為雲端足夠強大，這個過程只需要幾微秒的時間。

人工智慧系統並不像火箭科學那麼複雜，但它需要各方面的知識，比如用於破解語音的波形分析、讓機器識別裙子的機器學習知識、保護信息的加密設置等等。而且不少知識都相對基礎，能夠舉一反三應用於許多程序。因此，這並不是一個天才在閉門造車。投身於人工智慧科技的人必須具備組建團隊、發揮各個成員的能力。而這些就是我們需要教給下一代的東西。

隨著人工智慧不斷普及，我們需要將注意力轉移到人類區別於人工智慧的特質上——創造力、適應性和人際交往技能。

在初級教育階段，我們需要重視培養學生解決問題的能力和團隊合作意識。所幸，現在初級教育階段已經在這方面有了較大的投入。

另一方面，不論哪個階段，道德教育都應該得到更多的關注。很多時候，人工智慧科技都會面臨道德困境——比如怎樣克服種族、民族和性別偏見，無人駕駛汽車如何平衡車主和行人的生命權益等——這就需要我們和工程師共同努力，不斷優化人工智慧的應用。

當然，在初級教育階段，過分重視編程學習這種做法並不可取。教編程沒錯，而且兒童也樂在其中，Snap!和Scratch這樣的語言也很實用。但事實上，孩子們在更高的教育階段中再學習編程也來得及。有些人認為學習編程百利而無一害，但這種想法很容易誤導人。當今已經是數字時代，計算機科學變得與寫作和數學同等重要。對於個人來說，不管是成為一名計算機科學家還是選擇別的職業，編程技能都將有助於他們的職業發展。

現在，美國只有40%的學校開設了編程課程，而且教學的質量和規範性也參差不齊。參加計算機科學大學先修課程（AP）考試的學生數量近年來急劇增長。去年參加計算機科學大學先修課程A考試（APCS-A）的考生高達58,000人，但仍遠遠落後於參加微積分大學先修課程AB（APC-AB）考試的人數，而後者考生已達308,000人。而且，美國三分之一的州甚至沒有將計算機科學課程計入學生的畢業學分。

（來自code.org的數據）

令人沮喪的是，美國的計算機科學教育仍不及其他的發達國家。以色列已經把計算機科學納入了大學預科課程，英國最近在計算機學校的項目上進展良好，而德國、俄羅斯也不斷向前發展。歐巴馬在2016年年度國情咨文中提到了計算機科學教育舉措，這意味著美國朝著正確的方向邁出了遲來的一步。然而，由於川普政府削減預算，這個提案可能會擱淺。

加強高中階段的計算機科學教育不但會讓學生自身受益，也能鼓勵更多學生——以及更多樣的學生群體——未來選擇計算機科學作為職業，進而推動計算機科學的發展。

去年秋天，卡內基梅隆大學的大一新生中，將近一半都是女學生，這種情況讓人振奮。但同時，計算機科學領域仍然很難擴大女性和少數群體的比例。將聰明才智轉化為計算機系統、在漫無邊際的數據海洋里獲得真知灼見，這些願景都需要多樣化的人才。

想要在計算機科學上保持領先地位，編程教學方法的改進亟不可待。老師在課堂上總是按照上世紀九十年代的方法來教編程。那時候，計算機科學的核心是代碼的一些細節（想想Visual Basic）。如果你仍執著於這些細枝末節，或許會有所收穫，但將落後於時代。顯然，現在不應當如此。

編碼是一項創造性活動，因此開發一些富有趣味又受人歡迎的編程課程是完全可行的。比如在紐約市，女童子軍就參加了一個項目，女生學習使用Java語言創建和優化視頻。這類活動不僅有趣，而且與孩子們的生活息息相關，因此受到孩子們的喜愛。難道學校不應該參考這樣的案例嗎？

對於九年級以上的學生，學校應當開設計算數學、計算藝術之類的選修課，幫助那些有興趣又有天分的學生成長為計算機科學家。目前在美國，除了APCS-A備考需要的核心課程，很少有高中開設其他計算機相關的課程。雖然也有少數的例子——比如紐約市的Stuyvesant高中、弗吉尼亞州亞歷山大市的Thomas Jefferson科學技術高中、達拉斯市的精英高中TAG，這些學校都擁有一批盡職盡責的教員團隊，他們或是具備計算機科學的專業背景，或是接受過相關培訓。

同時，高中數學這個學科也應當減少包括高等微積分在內的數學課程，減少重複性，增加與計算機科學直接相關的數學課程，比如數據學、概率論、圖論和邏輯學。對於當今的人才，這些是最實用的技能。

接受過計算機科學培訓的教師數量嚴重不足，這是當前美國學校面臨的主要問題。在這方面，美國的科技公司已經有所表現。比如微軟公司便資助了TEALS項目，將計算機從業人員與高中教師配對，提供每周互相交流的機會。但我們需要的是上千名教師來教授數百萬的學生，為推動這一事業，仍需要更多的科技公司投入。而在學術層面，德克薩斯州立大學的Austin』s Uteach項目是為STEM學科教師提供培訓的模範案例，如今該項目已拓展到哥倫比亞區和美國21個州的44所大學。

不過這些還不夠。就像科學和數學一樣，K12階段的計算機科學也需要政府來制定標準，需要教材、課程以及接受過良好培訓的教師骨幹隊伍。美國計算機科學教師協會在該領域一直是個先行者，他們已經開發了一個標準的框架以及一套臨時標準。

總之，我們對下一代人工智慧和大數據的投資必須是長期的，而這些投入終究會讓所有人都受益。

本文編譯自《哈佛商業評論》，首發決勝互聯網+，轉載請註明來源。