|
打破学科边界、教会学生提问…… |
“吃螃蟹者”眼中人工智能的“另一面” |
|
![](/upload/zgkxb/images/2024/5/202452867133870.jpg)
图片来源:视觉中国
■本报记者 温才妃
“2万字的初稿,4天内完成,其中有1万字是ChatGPT撰写的,而从前写学科大论文,从构思到完成至少需要一两个月。我很疑惑,这篇我和ChatGPT共同完成的论文,究竟该不该给它署名?”不久前,在“人工智能时代的高等教育”研讨会上,南方科技大学人文社会科学学院院长陈跃红幽默地分享了自己使用人工智能创作的经历。
相比陈跃红的“坦然”,一些教师在谈论人工智能时依旧“色变”,认为它给教育带来的最大问题是——学术不诚信、考试作弊。当然,还有不少学者将人工智能与创新性人才培养关联起来。而在这背后,一个必须直面的问题是——人工智能时代,大学究竟要教给学生什么?
超限:学会不可能的连接
李白是一位伟大的诗人,但如果让他做会计,并要求小数点后几位数不许出错,这对他的创造性思维、发散性思维都是很大的打击。在复旦大学人工智能创新与产业研究院院长漆远看来,“一个人特别严谨,又特别有创造性,其实是相互矛盾的”。
他举例说,桌子乱的人通常比较有创造力,而一丝不苟的公司首席执行官则偏向严谨。如果脑子里“左右互搏”,很可能一不小心就导致人格分裂。
除了海量数据,人工智能的另一个特点是跨模态、跨学科。传统的学科、专业将人固定死,一个学化学的人很可能不会关注心理学。如此,他便很难完成思维的提取、跨学科的迁移,而人工智能则可以把不同领域连接起来。
“这个时代最大的特点是原有的学科、专业边界正在消失。”中国工程院院士、华东师范大学校长钱旭红说。
如果把文盲视作人类的1.0版本,那么掌握知识的人可称为2.0版本,掌握知识点背后的相互关系以及背后规律、进入较高思维和精神境界的人可称为3.0版本,而能影响他人、影响人类发展的人可视作4.0版本。“如果我们只培养2.0版本的学生,那么他们正好是人工智能所能替代的。我们必须面对这一现实,思维训练、精神升华要高于知识的传承与传播。”钱旭红指出。
与当下的人工智能相比,人的最大优势无疑是思维。1984年,著名科学家钱学森指出,智能技术属于思维科学的工程技术层次。他梦想建立融合自然科学技术和人文社会科学技术的思维科学技术。
在钱旭红看来,人工智能时代的育人,就是要让每个人学会融会贯通、触类旁通。而有了人工智能这个工具和平台,我们忽然意识到,融会贯通、触类旁通可以实现大规模、个性化的培训,这在以前是不可想象的。
因此,个性化的策略应是超学科、重思维、智能化。“我们要通过人工智能完成对中国教育的变革,甚至走向前沿,更要思考如何让每个人超越自我,实现超限。”钱旭红说。
“一个人自由发展的切入口何在?就在于敢于提出问题并驾驭问题。”钱旭红说,然而学生在思维上的缺失,特别是批判性思维的缺失在我国的教育领域并不鲜见。我国古代忽视形式逻辑,缺乏健全的逻辑思维,后来靠平面几何加以弥补。如今我们虽然在基础教育中开设了平面几何,却不知道为什么要学习这些知识。后者常被认为是计算面积之用,可以帮着把学子培养成地产商人。
在他看来,在基础教育阶段,学生应完成形象思维和逻辑思维的构建;在高等教育阶段,学生的批判性思维和创造性思维应得到强化。
一个人的思维可以从单元思维到思维体系再到超限思维。如此,他便可以拥有多个思维体系,并相应地处理不同问题。“但问题在于,如今的教育方式过于热衷将一种思维方式灌输给学生,强调了批判性思维就容易忽略创造性思维,导致一个人只知道破坏,却不知道如何构建;强调了创造性思维就忽视了批判性思维,导致一个人为了所谓‘创造’,进行伪造、抄袭、剽窃。”钱旭红说。
早在上世纪70年代,日本就有一门创造学课程。由于当时没有先进的计算机,教师便在一个纸盒子里放入一堆写满关键词的小字条。学生抓到一个关键词“太阳”,再抓到一个关键词“肥皂”,就要联想太阳与肥皂的关系,并由此创造出一个与之相关的物件。
这样的关联在人工智能环境下容易许多,不仅能快速给出很多组合,还可以在此基础上进一步创造。人工智能不仅可以降低害羞学生提问的门槛,还能提高学生驾驭问题的能力。“教育要看重学生的逻辑提取能力、跨学科迁移能力,即触类旁通的能力,进而升级为超限的创造能力,让学生学会不可能的连接。”钱旭红说。
“用原有的逻辑推理推不出来的,一定是想象力之外的东西。它可以帮助学生挑战思维极限,发现新的边界—— 一旦学生拥有这种思维能力,他便拥有掌握未来的本领。”上海交通大学教务处处长章俊良说。
提问:把人工智能问哑
刷题是中国学生的强项,但面对人工智能,特别是某个垂直专业领域的人工智能,人们在答题上很难超越它。此时,提问题就变得非常重要。
我国学生普遍不敢提出问题,学校对此也束手无策。香港理工大学教授胡祥恩分享了这样一组数据:科大讯飞董事长刘庆峰曾透露,没有用学习机和大语言模型时,一个班学生的提问率不足20%,用了人工智能做辅助工具,学生的提问率达到了60%~70%。
“我比较内向,但非常享受向ChatGPT提各种问题的感觉,既不必担心和人打交道,也不需要顾及ChatGPT的情绪,想问什么就问什么。外向的同学不怯于向ChatGPT提问,但可能缺少享受的感觉。”不久前,上海大学悉尼工商学院进行了一项“人机对战”研究,团队成员、上海大学研究生张力允向《中国科学报》分享了他的经历。
怎样提出一个好问题?更多的时候,人们会让人工智能演一出小话剧,在一定的情境下提问,一步步逼近终极答案。
“现场有3杯水,来了4个客人,我该怎么分配?”“把3杯水匀成4杯。”
“如果没有新的杯子呢?”“把三杯水摆到台前,让客人按需自取。”
“这样不太礼貌,有没有别的方法?”“让服务员再去买一瓶水。”
……
“如果客人看到第4杯水刚刚端上来怎么办?”“抱歉,我可能没有更好的方法了。”
“跟ChatGPT‘斗智斗勇’,你会发现一件事情有多种提问方式和角度,并产生多种可能,然后可以逐步完善解决问题的方案。这其实是一种批判性思维的训练。”团队成员、上海大学研究生时熠说。
“大模型给学生提供了一个永不会感到厌倦的学伴,学生可以调教、批判他的伙伴。”胡祥恩表示,“装傻”是一种很好的调教方式,让学生有意识地犯典型错误,“如果人工智能没察觉到,你可以把错误再犯得明显一些”。
“一定要学会设计提问、深度提问,把刨根问底的提问作为训练方式。问到最后,能让人工智能说出它不愿意说出的话,比如‘我也不知道’,你就成功了。”作为一名“发烧友”,胡祥恩正在尝试让人工智能“学会”向学生提问,将人工智能与启发式教学法结合,激发学生的自我探索、跨学科创新和独立思考能力。
默会知识:人的创造性之源
有人曾问爱因斯坦什么是教育?他的答案是——教育就是当一个人把在学校所学全部忘光后剩下的东西。
人工智能帮助人们快速获得知识,但现实的情况却是理论的细节可能最先被遗忘,但它会给你留下一种概念化的能力,即默会知识。比如,“我学了化学,却不清楚掌握了多少知识,但当我遇到化学问题时,会把这个问题与自身沉积的知识、能力进行对比,进而提出解决问题的思路和方案。默会知识实际上是一个人创造性的根源。”北京大学原校长、北京大学未来教育管理研究中心创始主任林建华指出。
他进一步解释,一个人之所以有特点,在于他的默会知识,而非他掌握的公共知识。当然,公共知识对默会知识的形成非常重要。而默会知识的形成除了学习知识、技术外,还需要有实践、有体验,甚至经历各种磨难。
以学习骑自行车为例,一个人虽然明白自行车的机械原理、齿轮传动等客观知识,但这并不代表他会骑自行车。当他真正学会骑自行车后,对于为什么行驶中的自行车不会倒,他不一定能说清楚。
在做化学实验时,有些人不但实验做得很潇洒,而且结果也很好;而有些人尽管做实验非常小心,却未必能收到很好的效果。对于实验的理解,实际上是由他的体验、知识、经验综合并沉淀而来的。
“教育的目的不是为了增加显性知识,而是为了让更多的默会知识作用在人身上。而且,不仅个人有默会知识,组织也有默会知识。”林建华举例说,诺贝尔奖总是在某个机构和高校扎堆出现,一些公司长期保持领先,实际上是组织的默会知识在起作用。组织内部共享的惯例、价值、技巧、思维方式,在共同的工作、交流和合作中形成并传承,决定了组织内在的潜力。
“值得注意的是,是否有人工智能,对一个人默会知识的形成并无实质性影响。人工智能只是一个形成默会知识的工具,但实际上更多的实践、研究都会增加一个人的默会知识。”林建华提醒道,“千万不能因为有人工智能就打乱我们对教育的理解,创造性思维、创造性行动才是教育的核心之处。”
那么,怎样运用人工智能帮助人们在默会知识中取得突破呢?
碎片化孤岛化:向大语言模型借力
运用人工智能技术,一个实验室在半年内可产生2亿个蛋白质结构,而此前人类在无数个实验室中,也只产生了17万个这样的结构,还有2万个尚在实验过程中。“在对化学反应的研究中,你要等上万秒时间甚至更长,观察一亿亿次,可能才会看到那么一次,大量时间花费在观察上。”北京大学理学部副主任高毅勤说。
化学、物理研究中也存在只可意会不可言传的“默会知识”。
深度学习的一个重要特点是不断升维、降维,在扭来扭去中把整个空间拽长、拆分,进而理解它的规律。细菌是怎么感知世界的?大脑是怎么作决断的……在人们眼中,这其中的信息提取是高维度且极其复杂的,但其破解之道往往存在于一个较低维度的“隐秘路径”中。
“人们通过肉眼很难意识到这样的连接,恰恰是计算机通过学习和迭代,将其‘吐’出来。你会发现原来‘字典’只有这么薄,可能只有区区几十个、几百个‘字’而已。”高毅勤说。
“我们希望大语言模型对改变生物和化学领域知识碎片化、孤岛化的情况有所帮助。”高毅勤说,把很粗浅的信息“喂”给大模型,信息可以是定量或定性,可以是模糊或清晰,可以是正或反,可以是文字或其他形式,大模型可以在短时间内整合各类信息,显著提高对分子结构、功能和变化的预测能力。
一个新问题随之出现——人工智能会不会成为一个独立的世界?它可以掌握人类总结出来的几乎所有客观知识和公共知识,会不会创造新数据、产生默会知识?
“从某种程度上说,让人工智能理解人的思维并非不可能。所幸的是,人工智能并不能直接与物质世界发生关系,尚无提出牛顿定律这样原理性思维的能力。”林建华说。
在场的学者们议论纷纷,大家认为现阶段仍然可以将人工智能视作工具。但基于其自身独立的进化能力,到了通用人工智能、超级人工智能时代,它们或许会让人类惊讶。
未来学习:高效产生思想碰撞
就像有了汽车,人们便再回不到马车时代一样,直面人工智能,高校到底要教给学生什么?这已成为教师普遍焦虑的根源之一。
我国高校要求完成的学分普遍偏高,一般本科专业在120~140个学分之间,医学本科专业甚至要达到250个学分以上。有教师曾问北京大学医学部副主任王维民一个问题——分子生物学一定要学吗?
在王维民看来,如果学生将来的志愿只是做一名外科大夫,学精、学深分子生物学的确没大必要。
让繁忙的临床医生编写病例库同样是一件勉为其难的事情。等飞机时,王维民让人工智能编写了一份梗阻性黄疸的病例,并要求附带化验指标和医学影像学检查结果。“一个完整的病例很快呈现出来,甚至比我写的还要好。”他又让人工智能生成知识图谱,相应的知识点、对应关系一下子就生成了。
“人工智能出现后,不要先去想怎么管学生、考核教师,而是更应该思考怎样助力高等教育。”王维民说。
虽然在编辑的劝说下,陈跃红最终没有给ChatGPT署名,但“人工智能如同一个如影随形的合作者、科研助手,让教师的书房不再有书山之感。它的功能超过上千家图书馆,甚至比你的博士生还要强大”。
在人工智能面前,“师未必贤于弟子”。上海交通大学曾在一项关于课堂出勤率的调研中发现,新冠疫情期间,学生的课堂出勤率大幅下滑,但个性化学习却大幅上升。“学生们反映教师授课也未必准确,有时学生动手搜索一下答案,便可更快地获得知识,这一现象值得重视。”章俊良说。
“继续给学生灌输专业知识可能变成‘浪费时间’,能否高效地与学生在碰撞中产生思想火花,在未来的教育中更加可贵。”章俊良表示,当专业知识变得“信手拈来”,大学里最需要学习的是微积分、基础生物学等一级学科知识,以及那些离开大学校园便很难有机会静下心来学习的知识。
未来的教育也会愈加倾向于用平等身份互相探讨、质疑、自证,具体知识很容易超出教师的认知边界。“教师的改变是第一步,也是相对而言更加困难的一步。”胡祥恩表示,让教师与人工智能多打交道,然后再来改变学生。
“大学阶段,教师要琢磨如何通过批判性思维提高学生的自学能力。研究生阶段,教师要拓宽学生的知识面,特别是对自己所熟悉的学科、专业的颠覆式探索,通过颠覆学科、专业的过程,让学生从中受到启发。”胡祥恩说。
《中国科学报》 (2024-05-28 第3版 高教聚焦)