0
12月12日，第八屆 GAIR 全球人工智能與機器人大會于深圳正式拉開帷幕。
本次大會為期兩天，由GAIR研究院與雷峰網聯合主辦，高文院士任指導委員會主席，楊強院士與朱曉蕊教授任大會主席。
作為 AI 產學研投界標桿盛會，GAIR自2016年創辦以來，始終堅守 “傳承+創新” 內核，是 AI 學界思想接力的陣地、技術交流的平臺，更是中國 AI 四十年發展的精神家園。過去四年大模型驅動 AI 產業加速變革，歲末年初 GAIR 如約而至，以高質量觀點碰撞，為行業與大眾呈現AI時代的前沿洞見。
本次峰會之上，中國工程院外籍院士、英國皇家工程院院士、香港科技大學首席副校長郭毅可校長親臨現場，為與會者們帶來了一場精彩紛呈的開場報告。
深耕學界多年的他，見證了AI與高等教育的演進交匯。他從生成式AI重塑“知識獲取方式”談起，指出當下教育的對象已經不僅是孩子，也包括機器，而兩者之間存在著意想不到的共性。借此，他引出了對“教育范式即將轉向”的思考：
1、所有的教育，都基于一個基本假設：知識的稀缺性。但今天，大語言模型帶來了知識的通貨膨脹，本來的黃金變成了空氣，教育和學習還有意義嗎？
2、知識是具有共識的認知。而大語言模型是大量互聯網信息的壓縮，是統計學意義上的共識。
3、學習有兩個意義：理解世界（客觀建模），理解自己（價值建模）。現在的核心挑戰是：機器在客觀建模上已經開始超越人類。
4、當前AI在身份建模上能力仍顯薄弱。核心問題在于，身份模型具有個性化屬性，而強化學習所依賴的反饋卻是偏向共性化的，因此，人性與人格的培育或將成為我們后續教育行業發展的關鍵。
5、人工智能時代的教育，應從“知識傳輸”，轉為培養學生的能力、好奇心、學習主動性和共創意識。
6、不要老是擔憂AI會替代我們，而要把自己解放出來。尤其教育者，要對AI保持樂觀：如果學生還能用AI作弊，那就說明考試方式本身出了問題。
7、如今的生成式AI已具備“真”的能力，即掌握知識與事實，但一個只有效率、卻缺乏價值判斷的系統是危險的，因此，“善”與“美”也不可或缺。
8、人類攀登智能頂峰需要經歷三個境界：真、善、美。“善”對應著自我反省能力，“美”則是每個人獨特的自我展現。未來的教育，必須更注重價值觀、自省力、判斷力和欣賞力的培養，才能“創造智能的機器，去培養更聰明的人”。
9、AI的發展是一個正向循環：AI讓人變得更聰明；人更聰明后，會把AI造得更聰明；AI更聰明后，會再次使人更加聰明……這樣的循環，才是人類發展的方向。
10、你害怕AI會先進，害怕AI會發展，這種擔憂可以理解但沒有建設性。AI一定會越做越強大。我們的任務是：在它強大的過程中，把我們自己變得更加聰明，變善變真變美，讓AI跟著我們，這才是人類文明和科技發展的正確途徑。
以下是郭毅可校長演講的精彩內容，雷峰網作了不改變原意的整理與編輯：
今天我跟大家講講我對“人工智能與未來教育”的一些看法。
我是做人工智能的，也是做教育管理的。人工智能時代呼喚把教育管理和人工智能結合起來。于是我在想：人工智能的未來里，大學到底會有哪些變化？
最重要的一點是，這幾年我們教育的環境發生了根本性變化。本來是人和知識的交互，現在又多了一樣東西。本來教書育人，是老師和學生的事，現在多了一個智能體/大模型，你問它什么都可以，而且現在越問效果越好，這就導致出現了一個很大的問題——知識的通貨膨脹。
今天所有的教育，都基于一個基本假設：知識的稀缺性。之所以有教育，是因為知識掌握在少數人手里，這些人可以做教師，把知識傳授給大家，這是教育的基本定義。如果沒有知識的稀缺性，教育就麻煩了。
而今天的知識，就變得無處不在了。
雖然它有一些幻覺，但說句老實話，機器的幻覺比人的幻覺少。你問老師，老師一天到晚給你幻覺。但是你問機器，機器只有5%、10%的幻覺，你就覺得受不了了。
從這個意義上來講，實際上，你現在獲得知識很容易，你可以問ChatGPT所有的事情，比如今天晚上我要去北京，要請一個朋友吃飯，你問ChatGPT金融街附近最好的湘菜館是什么？它馬上就能告訴你，準得不得了，還能順便就把這個餐館給預訂上，就這么簡單。
你像我們平時看書也好，做翻譯也好——英語都不怎么用學了，都變得容易且觸手可及。這時候，“知識無處不在”就成了一個大問題，黃金變成了空氣，這個問題是至關重要的。大家都在說人工智能是工具，它不是，它不是工具的革命，它是革命的工具，我們面臨著知識通貨膨脹的問題。
這里面有一個很大的靈魂拷問，如果在AI這兒所有的答案都有了，要我們教師有什么用？我們學習的意義是什么？大學應該干什么呢？這實際是一個靈魂拷問。我們今天講了很多東西，最后拷問的就是這個問題：我們教什么？什么事情是機器不能做，而我們還能做下去的？我們的學生是不是可以通過無處不在的知識，自己去掌握就可以了？這是一個根本的問題。
在這些問題中，我們需要詢問一個基本的第一性原理：什么是知識？機器生成的內容是不是知識？人教的知識和機器教的知識是否不一樣？什么是學習？我們應該教什么？
以前這些問題都不用問，大家習以為常，但現在不是這樣，現在這些問題很麻煩。什么時候是人教的知識，什么時候是機器教的知識，他們之間的區別在哪里？這些方面都要做一些思考和根本性的詢問。
聽起來這是一個哲學問題，本來這種哲學問題，我們這種人不想討論，也討論不清楚，我們是科學家、工程師，清華大學教我們做的是，把事情解決了，不要去想這么多。但現在這個問題不一樣，我們不想這么多的話，我們搞不清楚，所以需要考慮這個問題。
講穿了，知識有很多定義。現在大家都能接受的一個看法：知識是一個具有共識的認知。
首先，知識是認知，這一點毫無疑問。兩千多年來，很多哲學家們都是這么定義的。其次，知識還有一個很大的特點是verify（驗證、核實、證實），既然是共識，你要同意/確認它。在古代，確認它不太容易，主要靠辯論，這就是過去的柏拉圖時代，所以才會有議會制度的整套系統，通過辯論得到共治，像亞里士多德，都是這種人。
現在不一樣了，現在我們有數據，我們現在講的是毛主席的思想，實踐出真知，實踐是檢驗真理的唯一標準。什么意思？答案是：靠數據。這是我們今天的認識。
而大語言模型，是所有互聯網信息的壓縮。既然是壓縮，它會去掉不同意的部分，留下同意的部分。從這個意義來說，壓縮體現了統計意義上的共識。大家都是這么說的，所以今天的模型就是這么得的，這就是共識。
從這個意義上來說，的確，大模型提供的是一定意義上的知識，毫無疑問，所以你不得不信它，它跟我告訴你的知識有同等的意義，我這個知識還帶有我自己的偏見，而它是沒有的，它的偏見就是數據分布的偏見，而這個偏見是可以接受的，是統計性意義上的。共識這個概念，本來就是統計詞匯。從這個意義來講，大模型產生的東西，按照剛才的定義來說，確實是一種知識。
What is Learning?仔細來看，它有兩個意義。
第一，理解世界。從生物學的角度來講，學習是人類或動物生存的本領，必須要適應環境。但對人來講，適應環境是高階的，是為了理解世界。
所謂的理解世界，就是怎樣把客觀世界反映到我的腦子里？人活著很重要的一個問題，就是要理解世界，要把獨立于你以外的世界放到你的腦子里。換句話說，就是要建立一個內部模型。現在這個內部模型，本來是我們自己建立的，現在機器還給你建一點。現在的核心挑戰，機器在客觀建模上已經開始超越人類了，這是我們面臨的客觀挑戰，以前是沒有的。
舉個例子，我們看見了一串氨基酸，我們想不出這個氨基酸的結構，這叫蛋白結構，而現在機器一做就出來了，你給它一個氨基酸序列，它告訴你這個蛋白的結構是什么樣的，這個事情人干不了，這就是內部建模。
再比如你給出一個材料的特性，請它把材料的分子寫給你，它能寫出來，這又是人做不到的事情。所以從客觀建模來說，機器正在大規模地超越人類。道理很簡單，這么寬的大數據總結能力，不是我們的特長。
還有一點是，理解自己。這一點是反過來的，叫身份模型。我是誰、我是什么樣的，我有什么性格，我有什么價值觀，我怎么跟這個人相處，我怎么跟他吵架，我怎么管住他，這是人的第二個模型。
身份模型，現在AI是很不行的，它現在還沒有往這個方向走，當然我們現在也在做這方面的事情，讓它去做人類反饋的強化學習，“希望它像我”，但說句老實話，這方面還是很差勁的。因為整個對齊的過程中有一個很大的問題。首先，身份模型是個性化的，而整體強化對應的反饋是共性化的，這就導致我們對于人性以及對于人格的培養，可能會成為下一步的關鍵。
過去我就講過，由于知識的稀缺性才產生了教育。但教育是人類的偉大發明，因為沒有其他生物有教育的功能。教育跟生命是一樣的，教育是為了傳承。如果一個生物體沒有傳承的能力，那它就不是生物體了，這是達爾文進化論的基本觀點。
所有動物生命主要的功能是傳宗接代，這是我們的共性。但是傳送階段，人類信息傳送的是DNA，而不是知識，知識沒有傳送機制，于是人類發明了教育，這就是傳承。
現在又有一個新的有趣的想法出現，你不要忘記，大模型是我們教的，所以我們在教育孩子的同時還在教育一樣東西，就是我們的機器、智能體。從這個角度來講，實際圖靈講過很多話，圖靈有一個觀點，是他對人工智能的最大貢獻。他認為，對人工智能能力的培養，應該像教育小孩一樣，這是他最有名的一個觀點，而這個觀點，現在恰恰沒有多少人注意。
最近我看Hinton（杰弗里?辛頓）講了一句話，很有道理，他繼承了圖靈的觀點。他說你們都在講世界模型，其實做世界模型最好的辦法，就是讓機器像孩子們一樣去做實驗。這也就是圖靈的觀點。我自己做人工智能，現在我也在香港，領著一幫香港的人一塊做大模型。做了四五年，我得出了一點很重要的感悟。其實我們訓練人工智能的大模型也好，訓練Agent也好，跟我們訓練孩子是一模一樣的。
我現在很多的場合，比如應該怎么調這個算法，怎么設計一個學習系統，最后我發現，這跟我自己教育小孩的辦法是一模一樣的。在這些觀點的驅動下，我們可以思考一個問題，什么是人工智能時代的教育？
下面我會仔細談談這個觀點，前面的部分是鋪墊。
人工智能時代的教育，最大的問題是我們有三大改變。
首先，我們不需要灌輸、傳授或者讓我們的學生記憶很多東西，沒有意義，計算機都幫你記得好好的，你問它就可以了。但你要培養他問問題的能力，要培養他的好奇心，要讓他時時刻刻問問題，還要判別機器回答問題的準確性，你要知道機器告訴你一樣東西是真的還是假的，或者說你要知道如何判別一個事情的真假，要知道它是否是半真半假。
我們現在的考試，還是以你記住多少為主要目的，或者說你能夠以你記住的東西解一個什么問題，解問題的本身，也是考他掌握知識的東西，這一點并不重要。重要的是判別知識真偽的能力，每一樣東西告訴你，你要弄明白有百分之多少是真，百分之多少是假，或者說它不完全是假的。不這樣做的話就不能真的學習。
第二，現在我們老師做的很多事情是，把我的信息傳達給你，注入人性。比如我現在講話，我不是平鋪直敘，我有很多感情的色彩。但以后我們教育的目的，更多是要培養你建立一種信仰，培養你對于一個問題的自己角度的看法。
首先，要從以知識為目標的教育轉型為能力為目標的教育。分析知識、判別知識的能力，用知識來跟別人辯論的能力，用知識來跟別人交互的能力，這些都是一個學生要有的最重要的技能，但這個技能我們現在沒有教。
第二，從標準化到個性化。現在的教育是工業革命的產物，培養50個學生，用一個方法。訓練50個學生，用一個模板。最后用同一套考卷，得到的也是同一個分數，很流水線。但每個人獲得知識的方法和能力是不一樣的，每個人消化知識的能力也不一樣，運用知識的能力也不一樣。
第三，要從被動學習變成主動學習。現在就是被動學習，我講你聽。主動學習是我坐在那里，你問我答。
第四，從孤立學習變成共創學習。以后的老師就是一個教練員，一幫學生跟機器一起討論問題，我來組織，我跟你一起學習。
從這個角度來說，我認為教育要從四個方向進行進化。
首先是能力。現在我讓你學首詩或者學個劇本，拿文學舉例，現在的文學主要是干嘛？就是背。告訴你莎士比亞的作品，你背就可以了。但實際并不是這樣，你可以用AI來分析莎士比亞，或者分析莎士比亞其他的作品，這是新的學習方法，從標準化到個性化。
第二種是貝葉斯，根據過去對你的學習的總結，比如用信息系統來看你學得怎么樣，然后進行觀察，給你幾個問題，最后發現你在哪些方面有邊界，在哪些方面的理解不夠，在哪些方面的能力是差的，自動調整對你的教學。
第三種是被動主動，學生應該是提問者，提個問題比得個回答要難得多，因為這個回答都是GPT給你的，你問得好和不好差遠了，如果你能把GPT問倒，那你的水平很高。
四是從孤立到共創，原來都是你自己看書，聽老師講課，而現在真正的學習應該是團隊運動，這個團隊里不光是你個人，還應該有很多AI Agent。
舉個例子，學習國際關系。現在學國際關系最好的辦法真不是聽課，而是打游戲。比如你把美國作為一個Agent，中國作為一個Agent，俄國做一個Agent，烏克蘭做一個Agent，然后開始博弈。你這樣去學習國際關系，比聽課要好多了。從這個意義來講，這些進化都在開始。
我想講講整個態勢的過程是什么樣的。我這個PPT里面有很多人工智能的成分，很多的圖和內容都是PPT寫的。
任何的進化，就是兩個部分，一個是時間（long-term、short-term）一個是空間（一部分、全部分）。
我問大模型什么東西是無論時間有多長，你都不可能把它完全AI化的？大模型回答說是人性，我覺得很有道理。什么是短期馬上就可以賦能的？大模型回答是：把AI當工具用。什么是長期可以全部AI化的，是平臺，將來的教育平臺，出考題的，做教學輔導的，都可以。
上面這張PPT就是人工智能做的，我把我剛才講的所有東西輸進去，它給我畫了一張表。這張表就是Gemini畫的，很簡單，橫坐標是能力學習、個性化成長、主動探索、共創學習。它縱坐標給我列的是模型構建者、自我導航者、問題定義者、創意總監。誰說AI沒有理解能力？
上圖右邊是我畫的，左邊是AI畫的。什么意思？人類和機器智能同步。
首先我給了它一張PPT。我提出，大模型今天要回答什么問題，比如這個世界是什么？下一步，闡述觀點。以此類推，最后大模型給了這樣一張圖：第一個觀點是真（客觀事實，統計規律，AI的絕對優勢），第二個觀點是善（主觀價值，因果倫理，人類的比較優勢），最后一個觀點是美（創造可能，審美原創，人類的終極生態位）。這就是人類與AI的同步進化。
上面這個也是AI做的。我跟AI說，你給我舉個例子講講沒有價值觀的危險性。它給我列了“回形針最大化者”。什么意思？
做回形針最有效的辦法是什么？AI不知道什么是好的、壞的，不知道什么是可以的、不可以的，它想到，人類身上這么多原子，做回形針，要很多原子和分子，人類的原子和分子是最豐富的，那怎么辦？最大化回形針產量的辦法就是拿人來做原料。它所說的尼克·博斯特羅姆實驗，我根本不知道，后來我查了一下，我發現的確挺有道理的。
上面這個圖也是AI給我的，我后來查了一下，這是教育心理學的東西。我問它怎樣培養“善”？如果我們要教育人類，人類“善”的思維是什么？它跟我講，你要知道世界應該是什么。最重要的是“元知識”，我未必同意它，但它講得很有道理。
什么叫元知識？就是思考你是怎么思考的，控制你的思維過程。因為所謂的善，就是控制自己的過程。它給了我兩個實驗，一個是“考試包裝紙”，你要思考的不是為什么你答錯了，而是去想，你為什么會這樣去想這個問題？第二個是“最模糊觀點”，匿名寫下你最不理解的描述，然后看看你跟理解的差距。它教你什么？教你自我反省。
人類的善，就是自我能力的培養。如果你要教機器善，怎么教，在人類反饋的強化學習上做改進，你錯了，你錯了我給你扣分，你贏了我給你加分，這不夠，更進一步，我教你錯的原因，慢慢地把價值觀培養出來，這就是元知識的學習方法，非常有意思。
最后是美的生態位，后來我查出來了，所謂生態位的意思就是“你獨有的”。它在說一個很重要的觀點，你是一個協作框架，AI是演員，你是評論家，AI不斷創作美的享受，而你是評論家。這是很有趣的新的教育方式——真善美。
對學習者也好，教育者也好，以我剛才所說的觀點，大家可以充分認識到，在未來的教育中，對于人的價值觀能力，對于人的自信能力、欣賞能力、判斷能力的要求，遠遠高于對于知識的掌握，因為知識已經不重要了，就在你手邊。
認知很重要，真正獲得所謂的創造力和批判性思維。什么叫批判性思維？批判性思維的第一條，你認為什么是對的。第二條是懷疑，你認為別人可能錯在哪里。第三條是自省，為什么我認為這樣是對的。第四條是審美，如果要變化的話，應該變化哪個方向？
講到知識和智力的關系，今天我們的教育是一個函數，如果把知識積累看成是一個函數的話，那未來的教育是它的一階導數和二階導數。所謂的一階導數就是知識獲取速度的培養，二階導數是知識獲取方向的培養。第一階我們已經不需要了，知識已經被大模型做掉了。
講到這里，我們的本職工作，必須要以思想來指導行動。我們是全球第一所宣布ChatGPT是好東西，在教學中要廣泛使用它的，2023年2月份宣布的，那個時候全世界都在禁止它。但是光宣布沒有用，我們要改革。怎樣改革我們的考題和教學方式，使ChatGPT不成為有負面作用的工具？
比如大家都說，如果你要拿ChatGPT來考試的話，可以作弊。不是ChatGPT錯了，而是你考試的方式太老了，你改方式就可以了。應該怎么考？我們有一套方法。我們的智能教育研究中心不干別的事情，我給了他們三千萬，就做一件事情，把考試改了，課不能這么教。包括我們的Course Design（課程設計），都在改變，把我們的學生變為另外一種方式。
關于AI，我們不要老是擔憂它來了以后我們怎么生存，我們要把自己解放出來，全身心投入到人的本性上，思考人的效率怎么才能更高，要思考更深、更精，更有哲學意味，更豐富的知識面，怎么獲取更多的信息，要最后的怎么創造。
我是AI領域里面非常樂觀的一個人，我認為AI的發展是一個正向循環。AI讓我們變得更聰明。我們更聰明以后，會把AI造得更聰明。它更聰明以后，會使我們更加聰明。這樣的循環，我認為才是人類發展的方向。
你害怕AI會先進，害怕AI會發展，這種擔憂可以理解但沒有建設性。AI一定會越做越強大。我們的任務是：在它強大的過程中，把我們自己變得更加聰明，變善變真變美，讓AI跟著我們，這才是人類文明和科技發展的正確途徑。（演講完整視頻，詳見鏈接：https://youtu.be/oS-atIKhK94 ）雷峰網雷峰網(公眾號：雷峰網)
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
