教育人工智能支持人類學習機制的兩種效應

1、    教育人工智能支持人類學習機制的兩種效應    摘要：隨著人工智能技術的快速發(fā)展，教育人工智能（eai）逐漸走入教育研究者的視野。eai是一個將人工智能技術與學習科學相結合的新興領域，是人工智能技術對教育領域引發(fā)影響的深刻表現(xiàn)。然而作為eai的邏輯起點問題eai緣何能夠促進人類學習，以及在對人類學習機制的支持時，又發(fā)揮了何種效應，這一課題尚未有定論。探討該課題對eai的理論研究和應用研究均具有重大意義，只有將其弄清理順，才能真正推動eai在教育理論上的完善與教育實踐中的運用。文章論證了eai支持人類學習機制的兩種效應，先比較了基于邏輯結構和基于物理

2、結構的學習機制（均從人類學習機制和機器學習機制兩個層面上給出探討）的不同，進而闡明人類和機器在學習機制上的聯(lián)系，重點論述eai對信息心理加工過程的延展效應、eai對大腦神經(jīng)網(wǎng)絡結構的強化效應。關鍵詞：教育人工智能，人類學習機制，機器學習機制，延展效應，強化效應一、引言2016年，美國發(fā)布了為人工智能的未來做好準備和國家人工智能研發(fā)戰(zhàn)略規(guī)劃，旨在進一步引領人工智能的應用與研發(fā)。12017年，我國正式印發(fā)了新一代人工智能發(fā)展規(guī)劃，這是我國針對人工智能領域的第一個系統(tǒng)部署的文件，要求把握全球人工智能發(fā)展態(tài)勢，找準突破口和主攻方向，全面增強科技創(chuàng)新基礎能力。2可見，人工智能對人類社會的影響越發(fā)廣泛。教

3、育，無疑也是在當前人工智能的時代背景下，受到影響的領域之一。教育人工智能（eai），既是教育在人工智能領域的上層應用，又是人工智能在教育領域的技術基礎。時下，通常將eai定義為“一個人工智能與學習科學相結合的新興領域”。1其中，eai包含的兩個基本概念人工智能和學習科學，皆具有跨學科性質。人工智能是以模擬人類智力行為和能力為研究目標的交叉學科，又同時涵蓋了計算機科學、工程學、數(shù)學等人工科學，以及認知科學、神經(jīng)科學、腦科學等智能科學。3學習科學則是以學習的發(fā)生、運作和促進為研究目標的跨界學科，涉及教育學、心理學、語言學等諸多學科。普遍而言，eai的研究目標為：通過人工智能技術，更深入、更微觀地窺

4、視、理解學習是如何發(fā)生的，是如何受到外界各種因素（如社會經(jīng)濟、物質環(huán)境、科學技術等）影響的，進而為學習者高效地進行學習創(chuàng)造條件。1eai主要有知識的表示方法、機器學習與深度學習、自然語言處理、智能代理、情感計算等關鍵技術，其應用集中在智能導師、智能助手、智能測評、學習伙伴、數(shù)據(jù)挖掘與學習分析等領域。1作為教育研究者，必須以前瞻性的視野看待人工智能技術帶來的深遠變化，這同樣是時代賦予教育工作者的責任和使命。然而，eai為什么能夠促進人類的學習，又是對人類學習機制有著怎樣的支持性效應，這個eai面臨的首要問題至今仍未有定論，該課題正是文章的研究主題。對該問題的正面回答，具有十分重要的價值。理論層面

5、上，是對已有eai有關理論研究的補充和完善；實踐層面上，可以在一定程度上指導eai的教育教學實際應用，并為后續(xù)類似研究提供參考。二、eai支持人類學習機制1.人類學習機制（1）信息加工理論視角下的人類學習機制以信息加工理論的視角來看，人類學習機制是建立在學生元認知水平基礎上的認知學習過程，是指個體的學習發(fā)生、進行、結束的整個發(fā)展過程。學習是一個信息內部心理加工的過程，主要包括信息輸入、信息處理、信息輸出與信息反饋這四個環(huán)節(jié)。該理論認為學習在于內部認知結構的變化。邁耶的多媒體學習一書中提及，這種心智認知結構歸屬于典型的邏輯結構（解釋、比較、概括、列舉、分類）。4學習者不斷接受各種刺激，經(jīng)過內心積

6、極的組織，將其形成和發(fā)展成認知結構。具有代表性的觀點有加涅的信息加工學習模式，以及邁耶的多媒體學習認知模式。如圖1所示，加涅的信息加工學習模式較為完整地描述了人類學習的信息加工過程，可分為以下幾個階段：信息輸入階段。外界刺激被注意，刺激通過感受器到達感覺登記器。信息處理階段。工作記憶的信息經(jīng)加工和轉換被編碼，信息編碼有助于對信息的理解和存儲，該階段會借助長時記憶的信息去幫助理解，編碼后的信息也會儲存進長時記憶。信息輸出階段。當信息需要使用時，通過檢索、提取，有的信息會直接進入反應生成器和效應器，有的信息則會經(jīng)過工作記憶的核實，確認后再通向反應生成器和效應器。信息反饋階段。信息被提取出后，在即將

7、錄入反應生成器和效應器時，會分別由“預期”和“執(zhí)行監(jiān)控”兩個環(huán)節(jié)，發(fā)揮激活和調節(jié)信息流程的功能。如圖2所示，邁耶的多媒體學習認知模式是對加涅的信息加工學習模式的一個更加詳盡的補充。信息由兩個通道在感覺記憶中被登記，經(jīng)由心向選擇進入工作記憶，工作記憶里的信息被加工組織為言語模型及圖像模型，再把長時記憶中的先驗知識整合進來，一起用作信息處理后的輸出內容。基于上述分析，信息加工理論視角下的人類學習機制強調從內部心理結構的變化來解釋整個學習發(fā)生過程。（2）認知神經(jīng)科學視角下的人類學習機制以認知神經(jīng)科學視角來看，人類學習機制是大腦神經(jīng)系統(tǒng)進行信息加工的過程，是腦對刺激產生的反應，它包括腦對信息的感知、處

8、理和整合。koizumi指出：學習是根據(jù)外界刺激建立神經(jīng)聯(lián)結的過程；而教育則是控制或添加刺激，或激發(fā)學習意向的過程。5認知神經(jīng)科學的研究證明，個體的心智是一個大腦神經(jīng)網(wǎng)絡結構系統(tǒng)。6個體在出生之前，大腦內的神經(jīng)元已經(jīng)建立了聯(lián)系，組成了原始的神經(jīng)網(wǎng)絡結構體系，從而形成了對外界環(huán)境的先天應答機制，為人類的學習做好了準備。隨著學習者與外界互動的加強，積累的經(jīng)驗不斷豐富，大腦會動態(tài)地擴展、重塑、調整網(wǎng)絡，以反映新的環(huán)境和新的信息。學習是神經(jīng)網(wǎng)絡結構的形成，知識以網(wǎng)絡的形式儲存在大腦中。在整個神經(jīng)網(wǎng)絡結構的形成過程中，新的、經(jīng)常使用的知識將在網(wǎng)絡中不斷地被激活，那些舊的、很少使用的知識將逐漸在網(wǎng)絡中被遺

9、忘。利用這種方式，大腦不斷提升適應性能力，進而發(fā)展出適合的神經(jīng)網(wǎng)絡結構系統(tǒng)。換言之，大腦的神經(jīng)網(wǎng)絡結構系統(tǒng)為學習提供了一個核心的生理基礎，在對一些內部或外部的因素產生作用的同時，也會受到這些因素的改變。學習就是發(fā)生在腦和外界雙向互動過程的一種活動?；谏鲜龇治觯摾碚撜J為心智認知結構屬于典型的物理結構，即大腦的神經(jīng)網(wǎng)絡結構，若將其比喻為物理電路，知識就是電路里蘊涵的電流、電壓。因此，在認知神經(jīng)科學視角下，人類學習機制強調從大腦的神經(jīng)網(wǎng)絡結構的變化來解釋學習機制的運作，影響學習的各種因素都由大腦神經(jīng)系統(tǒng)的網(wǎng)絡化發(fā)展來表現(xiàn)，大腦是整個學習機制的中心。學習過程中，一切變化都通過大腦來調節(jié)，學習機制也

10、正是圍繞大腦這個核心要素而整體運行的。此機制不單有內部因素（大腦、心理）的作用，還包括外部因素（身體、社會）的作用，只是機制強調學習是發(fā)生在腦與外界之間的一種雙向活動，外部因素的影響也需要通過大腦神經(jīng)系統(tǒng)的調控來實現(xiàn)。2.機器學習機制（1）符號主義學派的機器學習機制正如紐厄爾和司馬賀所表述，“符號是一切智能活動的源頭，它是人工智能里不容置疑的核心”。7符號主義學派提倡直接從功能的角度來理解智能，利用“符號”抽象地表示現(xiàn)實世界，利用邏輯推理和搜索來替代人類大腦的思考、認知過程，而不去關注大腦的神經(jīng)網(wǎng)絡結構，并默認了一個圖靈一直堅持的觀點作為基本前提，即“智能是一個形式化系統(tǒng)（或符號系統(tǒng)），認知過

11、程的本質就是處理符號的過程，大腦的所有思考都是通過邏輯運算完成的”。符號主義學派的核心綱領為：人工智能來源于數(shù)理邏輯，需要使用符號、規(guī)則和邏輯來表征知識和進行邏輯推理。簡言之，符號主義學派倡導的機器智能立足于符號學和邏輯學，將邏輯推理作為工具，以模擬人的智能。因而，符號主義視界下的機器學習，其實現(xiàn)的關鍵就在于知識表征（如語義網(wǎng)絡）和推理算法（如啟發(fā)式算法），機器改進自身（即機器學習）的表現(xiàn)為：產生式推導出更多的邏輯規(guī)則（以規(guī)則來描述現(xiàn)實事物的屬性），并盡可能完善自我的數(shù)據(jù)庫。8專家系統(tǒng)作為符號主義學派的代表性產物，正是如此。值得討論的是，由于當今業(yè)界過于追捧統(tǒng)計學習和深度學習，以至于很多學者對

12、符號主義理論存在嚴重的偏見及誤區(qū)。有的學者認為符號主義只有“推理期”，沒有“學習期”。實際上，決策樹學習不應列為統(tǒng)計式機器學習的成果，它是基于符號的機器學習算法中最成功的案例。有足夠的理由說明這一點，決策樹的本質是樹結構，每個非葉節(jié)點都是一個屬性上的邏輯判斷活動，每個葉子節(jié)點則都存放著一個邏輯規(guī)則的分類結果，這種因結構而產生的效果要遠遠高于算法后期加入的、統(tǒng)計式的特征系數(shù)或高維空間等所發(fā)揮的效用。同時，對符號主義的“推理期”和“學習期”的看法不能太過狹隘，基于符號的機器學習也是從樣本中獲得知識，如果希望從最基礎最本質的知識推導出其他知識，對應到人類認知世界的兩個基本思路就是演繹和歸納，邏輯學學

13、科內更重視演繹，而人類更常用的是歸納，決策樹學習便是自然而然的歸納推理的選擇。由此可知，符號主義的機器學習的“推理期”是“演繹”，而“學習期”則是“歸納”。符號主義具有良好的可解釋性，從知識層面而言，無論是中間知識，還是最終得到的知識，都有清晰的解釋。但不可否認，符號主義目前遇到了極大的困境。筆者在這里有一些不同的見解，以為這并非一些學者說的符號主義理論性失敗，而是符號主義學派對智能只關注到上層的功能性，而忽略了底層的本質性，具體如下：基礎前提的缺陷。作為符號主義學派的假設性前提，目前來看，圖靈所述的智能觀是有問題的，他從最初就未能回答出香農對唯邏輯主義的質疑，智能系統(tǒng)很可能就不能完全視為“只

14、是一切邏輯推理的引擎”。9這是符號主義的“邏輯派”無法解決的問題。組合爆炸問題。這種np完全問題其實是一個表象問題（邏輯規(guī)則和數(shù)據(jù)庫的無窮增加），根本問題是：智能心理機制是無限的，無限不能用有限系統(tǒng)近似，圖靈機雖然滿足圖靈可計算性，但依然是有限機。近期已有數(shù)學研究證明，connes的嵌入猜想理論以有限簡化無限的思想是不合理的。10這是符號主義的“認知派”無法解決的問題。機器進步對其貢獻較小。與神經(jīng)網(wǎng)絡相比，基于符號主義的機器學習的效果增加受益于當前架構圖靈機提升的程度過小，換句話說，目前機器在硬件資源和數(shù)據(jù)資源上的飛速發(fā)展對符號主義學習的效果幫助不大，很可能是，依托于馮諾依曼架構的機器上的符號

15、主義學習效果已接近極限。然而，因果邏輯作為人類智能獨特性的體現(xiàn)，是人工智能領域里，絕對不能被拋棄、回避的重要課題，既要“人工”，也要“智能”。（2）連接主義學派的機器學習機制連接主義學派最初主要來自對人類大腦神經(jīng)網(wǎng)絡結構系統(tǒng)的研究學者，主張從生物結構角度出發(fā)，讓機器先去模擬人腦構造，再從中獲得智能。這條思路相比探究復雜、隱晦的“心智機制”，顯得更加有跡可循。7麥卡洛克深信，人類大腦就是一個天然能執(zhí)行某種思維語言的系統(tǒng)，一定存在著某種運作機制，將人類大腦中大量神經(jīng)元機械性放電的過程組織起來，由此形成思維、知識和記憶。連接主義學派的核心綱領是：人工智能源于腦的模仿，使用概率矩陣和加權神經(jīng)元來動態(tài)地

16、識別和歸納模式，代表性產物是神經(jīng)網(wǎng)絡。麥卡洛克-皮茨提出的“m-p神經(jīng)元模型”闡明了基于連接主義的機器學習的原理。如圖3所示，該模型中，一個神經(jīng)元會接受多個來自其他神經(jīng)元傳遞過來的輸入信號，不同的輸入信號的重要性各有差別，這種差別就通過連接上的“權重”大小來表示，神經(jīng)元要將接受到的輸入值進行加權求和運算，并將求和結果與該神經(jīng)元自身的“激活闕值”比較，以決定是否對外輸出信號。因此，連接主義視界下的機器學習，其實現(xiàn)的關鍵就在于神經(jīng)網(wǎng)絡的傳播（如前饋傳播）、權重優(yōu)化（如sgd優(yōu)化算法）和激活（如relu激活函數(shù)）。機器改進自身（即機器學習）的表現(xiàn)為：學習的內容就是“權重”，通過訓練使權重不斷更新，最

17、終提取出多維度特征向量（以特征來描述現(xiàn)實事物的屬性）。需要討論的是，雖然正值深度學習的高潮時期，神經(jīng)網(wǎng)絡取得了驚人的成果，但連接主義學派依然存在著長期難以攻克的問題，具體如下：可解釋性缺陷。神經(jīng)網(wǎng)絡的本質是依靠經(jīng)驗的曲線擬合，“黑箱”疑難始終存留，缺乏能夠說明神經(jīng)網(wǎng)絡因果性的系統(tǒng)性理論，“因為然，所以然”式的解釋明顯不符合人類對科學以及智能的理解。難以得到全局最優(yōu)解。事實證明，神經(jīng)網(wǎng)絡的最優(yōu)解往往都是局部最優(yōu)解，只能沿著全局最優(yōu)解的方向前進，卻很難得到全局最優(yōu)解。這是np完全問題在神經(jīng)網(wǎng)絡中的體現(xiàn)。人工神經(jīng)元比較“低能”。幾十年來，神經(jīng)網(wǎng)絡所采用的人工神經(jīng)元沒有太大改進，基本上依然是“m-p神

18、經(jīng)元模型”，而脈沖神經(jīng)網(wǎng)絡中l(wèi)if（leaky integrate and fire）等神經(jīng)元模型，目前幾乎沒有實際運用。然而，最新的研究表明，人類大腦的單個神經(jīng)元就能夠完成極其復雜的運算，包括“異或”運算（單個人工神經(jīng)元無法完成），生物神經(jīng)元的能力遠超人類的想象。11除此之外，作為表現(xiàn)神經(jīng)元功能的激活函數(shù)，在近幾年雖出現(xiàn)得越來越多，效果不斷增強，如gelu函數(shù)，但沒有任何一個激活函數(shù)可以與真實神經(jīng)元的情況相類似。3.eai對人類學習機制的兩種支持性效應（1）學習機制的一般性規(guī)律依據(jù)以上對學習機制（包括人類學習機制和機器學習機制）的分析，無論是從基于邏輯結構的學習機制（信息加工理論與符號主義理

19、論）出發(fā)，還是從基于物理結構的學習機制（認知神經(jīng)科學理論與連接主義理論）思考，機器學習機制同人類學習機制之間都存在著顯著的共性，這就闡釋出“eai能夠促進人類學習”最重要、最本質的原因。邏輯結構層次上，所有的學習發(fā)生機制都是通過學習主體（人或機器）的一系列心理操作對外部知識信息進行內部加工（以符號形式）的過程。物理結構層次上，所有的學習運作機制都是學習主體（人或機器）的大腦根據(jù)外部知識信息，調整、建立神經(jīng)網(wǎng)絡結構，最終形成平衡的神經(jīng)網(wǎng)絡結構系統(tǒng)的過程。這就是學習機制的一般性規(guī)律。（2）eai對信息加工過程的延展效應eai改進基于邏輯結構的人類學習機制，著重表現(xiàn)為eai對信息加工過程具有延展效應

20、。信息加工過程分為信息輸入、信息處理、信息輸出、信息反饋四個流程，以系統(tǒng)論的觀點來看，每個流程實際對應了一個符號系統(tǒng)，分別為輸入系統(tǒng)、處理系統(tǒng)、輸出系統(tǒng)、反饋系統(tǒng)。所謂eai的延展效應，就是eai能夠通過人工智能技術延展這四個信息加工系統(tǒng)，具體如下：延展輸入系統(tǒng)。學習輸入環(huán)節(jié)開始于感受器受到了外界環(huán)境的刺激，教學媒體理論觀點認為，感受器官（如眼、耳、手）是接受外界信息的媒介。目前的學習輸入，主要是教師展示多媒體學習內容，學生的視聽感官接受刺激。近年來，已出現(xiàn)可以模擬人類各種感官的人工智能產品，通過該產品可使多種感官同時受到刺激，提高學習效率，從而延展了輸入系統(tǒng)。延展處理系統(tǒng)。處理系統(tǒng)對外界信息

21、進行處理，得到有意義信息，然后在原有知識結構的基礎上，利用這些外界的有意義信息，整理、優(yōu)化原有知識結構，進而產生新知識。人工智能技術通過機器的智能解析、智能決策等關鍵技術，替代或部分替代原有處理系統(tǒng)的一些工作，從而延展了處理系統(tǒng)。延展輸出系統(tǒng)。目前，學生學習輸出的信息主要以交流、提問、作業(yè)、考試等形式表現(xiàn)，這種獲得多是顯性學習結果，難以全方位判斷學生的認知狀態(tài)、思維框架構建、知識深層次理解等情況。人工智能技術通過智能識別、自然語言理解等關鍵技術，支持測量學生的隱性學習結果（如一些非結構化的、復雜的、中間過程性的數(shù)據(jù)），從而延展了輸出系統(tǒng)。延展反饋系統(tǒng)。人工智能技術通過智能診斷，鑒定出學生的學習

22、基礎、學習風格和特點、學習需求等，實時監(jiān)控和調整學習者的元認知、理解過程等自我認知發(fā)展，使學生與機器共同協(xié)商去解決問題，促進了學生更高水平的認知出現(xiàn)，從而延展了反饋系統(tǒng)。（3）eai對大腦神經(jīng)網(wǎng)絡結構的強化效應eai改進基于物理結構的人類學習機制，著重表現(xiàn)為eai對大腦神經(jīng)網(wǎng)絡結構具有強化效應。前文說到，學習活動之所以能順利運作是建立在大腦與內部因素（大腦、心理）和外部因素（身體、社會）的相互作用基礎上的，所有這些作用的發(fā)揮都離不開大腦的調控，離不開大腦神經(jīng)網(wǎng)絡結構系統(tǒng)的協(xié)調與統(tǒng)籌。從基于物理結構的學習機制的視角來看，機器的神經(jīng)網(wǎng)絡結構模仿了人的大腦神經(jīng)網(wǎng)絡結構，學習是一個大腦神經(jīng)網(wǎng)絡結構不斷

23、優(yōu)化的過程，最終形成能解決當前問題下不平衡狀態(tài)的大腦神經(jīng)網(wǎng)絡結構系統(tǒng)。所謂eai的強化效應，即eai近似于大腦的運作過程，分擔并幫助了大腦的神經(jīng)活動，增強大腦神經(jīng)網(wǎng)絡結構的組建能力。這種組建主要表現(xiàn)為學習者對大腦神經(jīng)網(wǎng)絡結構的激發(fā)、構建、重組，具體如下：激發(fā)舊神經(jīng)網(wǎng)絡結構。先前知識經(jīng)驗存儲于舊的神經(jīng)網(wǎng)絡結構，當學生面對一個新的問題情境時，會首先激發(fā)、回調相關聯(lián)的舊神經(jīng)網(wǎng)絡結構，提取出存放的知識，將之與新信息對照。所以說，學習機制的運作是從已有神經(jīng)網(wǎng)絡結構的激發(fā)開始的。構建新神經(jīng)網(wǎng)絡結構。學習時，學生會聯(lián)系已有關聯(lián)性知識去試圖領會新信息，之后往往生產出面對當下問題情境的新意義，這些新意義的產生就

24、是一個個新神經(jīng)網(wǎng)絡結構的建立，并聯(lián)結到一起的結果。要注意的是，這種變化不是連續(xù)的，更不是一步到位的，而且若學生的知識框架被重塑，他的參照性舊神經(jīng)網(wǎng)絡結構也很大可能被重構。重組新舊神經(jīng)網(wǎng)絡結構。新的神經(jīng)網(wǎng)絡形成后，它也必須時刻處在可調用的狀態(tài)。正因為大腦不斷整理它的“存貨”，才能達成實時、動態(tài)的重組。這種新舊結構之間的重組會提供應對新的問題情境的方式，從某些意義來說這種重組是一種學習的完結，同時也是一種更新、更高層次的學習的起步。通過重組機制，腦就能不斷地適應新環(huán)境，獲得新知識，就能發(fā)展出最佳的大腦神經(jīng)網(wǎng)絡結構系統(tǒng)。人工智能技術通過接近的神經(jīng)網(wǎng)絡結構（如cnn卷積神經(jīng)網(wǎng)絡結構），使大腦整個運作過程的效率得到提高，從而顯示出eai對大腦神經(jīng)網(wǎng)絡結構的強化效應。三、總結本文探索了eai對人類學習機制的兩種支持性效應，eai同時具有對學習發(fā)生過程的延展效應以及對學習運作過程的強化效應，前一個過程實質是基于邏輯結構的信息心理加工過程，后一個過程實質是基于物理結構的大腦神經(jīng)網(wǎng)絡結構改組過程。參考文獻：1閆