ChatGPT开启人机软融合智慧教育时代.pdf

智慧教育 年第 期 开启人机软融合智慧教育时代王天恩摘 要以 为标志，大型语言模型一方面通过大数据纳入具有人类语境的语料，以软融合的方式让人类语境融入人工智能，另一方面通过人机交互的智慧化，以软融合的方式让人工智能融入人类智能，由此构成双向循环机制，造就其人机软融合的本性。在人机软融合交互进化过程中，大数据纳入人类语境构成智慧教育的大型语言模型条件；大型语言模型在语境学习强化阶段为智慧教育社会化奠定基础；在人机交互语境融合进化阶段，智慧教育中人的自我教育普遍发展成为可能。智慧教育是我国现代化建设的基础工程，大型语言模型的发展将不断提升智慧教育的人机软融合层次，不仅为更高层次的全球化智慧教育提供前所未有的语言条件，而且意味着智慧教育从形式的发展转向内容的升级。关键词 智慧教育 人机软融合 生成式人工智能 大型语言模型 人机交互作者简介：王天恩，哲学博士，上海大学智能哲学和文化研究院教授、博士研究生导师。基金项目：教育部哲学社会科学研究重大课题攻关项目“人工智能的哲学思考研究”（）。一、引 言 的发布正式拉开了人机软融合的大幕，揭开了人类生活更具戏剧性的全新篇章。通过大数据纳入人类语境，大型语言模型（，）得以用自然语言与人类自然交流；通过与人工智能的自然交互，人类得以将机器的大数据处理能力融入思维过程。两个方面构成的双向循环机制为人机软融合的全面展开奠定了机制基础，标志着人机软融合智慧教育时代的开启。作为基础工程，智慧教育的发展在我国现代化建设中居于越来越重要的地位；作为人类发展自己的信息创构，的本性是人机软融合。大型语言模型的要义就在于人机交互，而在人机交互中，最关键的是人与大型语言模型的智慧交互。人机交互的双向循环进化机制将不断助推教育智慧化或智慧化教育，从而开启人机软融合智慧教育发展的全新时代。智慧教育 二、的人机软融合本性作为硬件，工具本身具有人和物融合的性质。只有与人结合，工具才成为不同于其构成物的存在。作为软件，以 为标志的大型语言模型更是如此。标志着人工智能真正进入了具有范式转换意义的新阶段 大数据驱动的人工智能。它所代表的人工智能研究范式转换，在自然语言的机器翻译发展中体现得淋漓尽致。在自然语言机器理解的发展中，相对于传统自然语言的机器理解，通过大数据纳入具有人类语境的语料理解自然语言集中体现了人工智能发展的重要范式转换。在人类自然语言的机器翻译中，这种语言处理的范式转换表现得最为典型。一开始，自然语言的机器翻译路径是根据语法结构等语言学理论，理解原文之后再进行翻译。没有语境就没有理解，没有自己语境的人工智能就不具有理解能力，这种自然语言机器理解的范式和进路导致传统机器翻译发展举步维艰。大数据的发展为纳入具有人类语境的语料、理解人类语言提供了新的语言处理范式 通过具有人类语境的语料理解人类语言，这为人机交流的人性化创造了新的可能。的巨大成功在于：在大数据纳入由人类语境形塑的大规模语料的基础上，通过机器学习对大数据进行深耕，在数字化的人类语境中与人类进行自然语言交互。纳入人类语境是人工智能对人的融合，人与大型语言模型交互是人与人工智能的融合，二者构成双向循环机制。作为在大数据纳入具有人类语境的语料的基础上深耕机器学习的重要成果，大型语言模型开辟了人机关系纵深发展的巨大空间，正式开启了人机软融合及进化的进程。大型语言模型通过大数据纳入的语料是带有具体语境的，庞大的语料库不是由从上下文抽离出来的语词构成的“大型词典”，而是处于具体语境中的自然语言大数据。正是以大数据纳入具有人类语境的语料，成就了自然语言处理的真正机器机制和方式。两种不同的机制、完全不同的翻译效果根源于两种不同的翻译进路，在这个意义上，大型语言模型甚至涉及自然语言机器翻译范式的根本转换。本着“有用”（）、“无害”（）和“可信”（）的“”原则优化目标之后，通过预训练，在内容生成中成功地“驯服”了大数据“洪流”，没有这种预训练，大型语言模型将生成难以想象的低质内容，给出可想而知的有害响应。在转换模型（）的基础上，通过机器学习大大深化了对人类语境的大数据纳入、利用和集成。通过大数据纳入具有人类语境的语料实现自然语言互译，其机制本身就表明，大型语言模型的文本生成和自然语言交流能力并不建立在自身理解的基础之上。以基于大数据的机器学习深耕为核心机制，生成式人工智能（）不可能拥有真正的类人理解所需要的语境条件。正是包括（的最新版本）在内的大型语言模型的这一特点，决定了人机软融合的本性：一方面，通过大数据纳入具有人类语境的语料，以软融合的方式让人类语境融入人工智能；另一方面，通过人机交互的智慧化，同样以软融合的方式让人工智能融入人类智能。由此，可以看到 人机软融合本性的重要体现：离开了与人的关联，不与人交互，大型语言模型残缺不全的一面就一览无余。大数据纳入人类语境、机器学习发展使 在准确性、交互性、上下文连贯性和叙述细节上有很大提升。由于自身不具有理解能力，内容生成以词语序列上的概率分布阅江学刊 年 第 期为目标函数，即使是 及更高版本，当相关数据不足或遇到复杂人类语义情景时仍然会给出胡编乱造的结果。只要以大数据纳入人类语境作为理解自然语言的基本机制，相关数据不足时 输出的答案就可能出现符合语言逻辑但不符合事实（或不准确）的情况。所以，关于“一本正经地胡说八道”的有趣调侃具有严肃确切的内涵。之所以说“一本正经”，是因为 的输出文本语言逻辑严密；之所以说“胡说八道”，是因为它输出的文本有时候内容不准确或不符合事实。大型语言模型的这种特有现象，正式表述就是“流利但失实”（）。作为大型语言模型，的局限性还突出表现在另外两个方面。一方面，由于不是基于自己的语境来“理解”自然语言，借助人类语境理解数值计算显然类似通过形象的类比进行抽象的逻辑推理，不仅能力不强，而且可能出错。另一方面，问题响应涉及的语料非常庞大，大型语言模型根据关联强度生成的输出内容不得不压缩关联相对弱的数据 这正是生成摘要的基本原理。当压缩达到一定程度，就会出现相对于原数据而言的失真，甚至在数据相关关系盘根错节的情况下出现错位拼接，进而生成不存在的文献。因为在大数据的统计压缩中，根据相关性完全可以生成具体文献的拼接 具体文献的统计生成而非检索获取。当然，由于是相关数据的关联产物，这种拼接的文献有时也可以具有参考价值。大型语言模型的这些缺陷并不会简单地随着数据和参数规模的扩大而得到弥补，有时还会放大，例如 不仅更容易生成错误信息，而且这些错误信息看起来更真实可信。之所以出现这类情况，归根结底是因为不具有自己的理解能力。大型语言模型本身根本不具有理解能力，它们只是通过大数据纳入具有人类语境的语料，利用人类语境生成内容与人进行自然语言交流。由此可以得到几个重要结论：第一，大数据驱动的大型语言模型具有语言所特有的更广泛通用性，但其泛化能力并不意味着人工智能的通用化进路，不可能具有类人理解能力。第二，大数据驱动的大型语言模型不可能拥有类人理解能力，却有一个反映人类和人工智能内在关联的至关重要的本性：人机软融合。第三，大型语言模型的人机软融合本性使其在纳入人类语境基础上通过机器学习深耕造就数字化的语境，从而达到惊人的量化运行速度和效率，但由于大数据基础上内容生成的概率关联，不可避免存在所谓的“幻觉”现象。由此可见，大型语言模型的人机软融合本性凸显了人机交互策略对人类智慧的需要。由此可以得出很多进一步的结论，其中与教育相关联的最重要结论之一，即凸显了人机软融合智慧教育。由此表明，大型语言模型开启了人机软融合的智慧教育时代。三、大语言模型进化的人机软融合智慧教育意蕴作为将大数据纳入人类语料和语境的大型语言模型，越是希望达到高层次的有效使用，越要依靠智慧性的人机交互；作为人类发展自己的信息创构之一，大型语言模型没有独立存在的意义，它只有在与人类的软融合中被使用才能实现自身的价值，而且其价值取决于人机交互的智慧层次。因此，人机软融合中的智慧交互策略具有越来越重要的地位。从通过大数据纳入具有人类语境的语料开始，大型语言模型开启了人机语境，“”，（）智慧教育融合及进化的重要进程。我们从 推出后短短数月的应用形势可以越来越清楚地看到，从人机语境融合到人机语境融合交互发展的三个基本层次，每一个层次都具有特定的智慧教育意蕴。（一）大数据通过语料纳入人类语境的基础性层次大数据不仅为人工智能的发展提供了数据基础，而且在此基础上通过大数据中的语料将人类语境纳入语言模型，为人类自然语言的机器理解提供了不可或缺的语境基础。语言模型纳入人类语料的规模越大，涉及面越广，意味着语境越丰富，语境层次越高；语言模型的参数量越大，具有人类语境的语料加工的层次越丰富。这样，人工智能在没有自己语境的条件下利用人类语境理解人类语言，走出了传统自然语言处理机器语境举步维艰的无望困境。通过大数据纳入人类语境，由机器学习整合转化构成量化的数字语境，就有了机器理解的严密语言逻辑基础。所谓语言逻辑就是大数据纳入的人类语料中的语言表达逻辑。由于统计模型的内容生成以使用概率为选择原则，大型语言模型根据高概率生成的输出内容代表了更符合在大多数语境中所能理解的语言含义。在大数据纳入的具有人类语境的语料基础上进行机器语言翻译，最简单的方式只需输出大数据中与原文对应且出现频率最高的译文作为响应，也就是说，运用大数据纳入的人类语料就可以直接根据人类语境得到大多数人认可的翻译效果。在日常生活的简单语境中，这种翻译既简单又实用。而人机交互的自然方式，则为教育的智慧化发展奠定了人机软融合基础。知识教育问题为大型语言模型所解决，凸显的就是智慧教育问题。（二）上下文学习强化层次强化训练层次是在大数据纳入具有人类语境的语料的基本层次基础上，通过人类反馈进行强化学习。在人机软融合的这一层次，人类反馈强化学习是大型语言模型与人类价值观等规范对标的关键环节。运用下一单词预测（）方法，给定一个词语序列作为输入内容，让大型语言模型预测序列的下一个单词，在大数据纳入、机器学习深耕的具有人类语境的语料基础上，只要数据清洗质量得到保证，就可以确保输出结果具有严密的人类语言逻辑。作为 的机制基础，转换模型有一些独特的语境量化训练方式。通常的训练方式主要有两种：根据其性质可以概括为根据概率续词成句和语境填空。在根据概率续词成句中，的输出内容是其算法根据大数据中一个语词序列后续出现字词的概率和上下文共同生成的，而不是基于准确性和真实性的成熟思考和现成知识的累加。在根据概率完成的语境填空中，模型综合使用了上下文学习（）的训练方法，即基于上下文环境学习的机制。通过捕捉上下文关系和实时反馈机制，它能更好地理解和推断语言要素的含义。在涉及图像和声音等多模态语言模型中，上下文学习有点类似于人类语言学习中的“情景学习”。将语言和世界联系起来，涉及语言语境和现实情境的复杂关联。就语言模型而言，将上下文学习理解为“语境学习”可以得到更好的概念对应。上下文学习通过提示给出几个示例，有效完成自然语言处理任务，因此也被称为“基于提示的学习”（）。这是一种在大数据纳入人类语境基础上的语境继续学习。有了大数据纳入的语境，大型语言模型就能识别提示所给出的语境并达到学习的目的。语言模型越阅江学刊 年 第 期大，大数据纳入的语境越丰富，模型的语境识别能力越强，语境学习效果就越好；语言模型越小，语境学习能力越弱。这种类似完形填空（）的方法十分重要，自然语言的完形填空涉及最为具体的语境，一个空格填进什么词与句子的语境关联在一起。根据大数据纳入的人类语境，填入不同词的概率是不一样的。以这样的方式让机器做题，再根据语境判定对错并予以校正，不仅可以通过人为选择解决输出结果不一致的问题，而且能训练出语言逻辑严密的算法。机器通过计算不同语言元素之间的关系，学习到不同元素之间的关联。大型语言模型的强化训练为社会化智慧教育奠定了人机软融合的发展基础。在这一阶段，大型语言模型的强化训练与教育的社会化结合起来，为智慧化教育的社会化奠定基础。以经过强化训练的大型语言模型为基础，教师与学生相对的学校教育发展为人机软融合的社会化教育。（三）人机交互语境融合进化层次语言模型建立相应的机制之后，一旦生成式人工智能进入使用阶段，就可以在用户对话和互动中进化，不断丰富语料、优化语境，促进人机语境融合发展和进化。在大型语言模型中，思维链（）是一种通过与用户对话体现“提出问题解决问题”思维的“语言游戏”。在与用户的对话中，不断深度切入用户的具体语境，体现为人机语境融合和进化的过程。因此，大型语言模型所代表的生成式人工智能具有广阔的发展空间，在人机融合交互进化中具有不可替代的重要地位。在人机软融合交互进化的基础上，智慧教育可以发展到自我教育这一更高的阶段，从单向的灌输性知识教育升级为问答式交互性智慧教育。在人与大型语言模型的交互中，不仅人和语言模型都在软融合的基础上发展，而且二者构成双向循环机制，为智慧教育奠定不断进化的机制基础。四、人机软融合时代我国智慧教育的发展 的横空出世，意味着生成式人工智能一方面将对教育产生颠覆性影响，另一方面将为智慧教育的升级换代提供新的技术条件。大型语言模型的人机软融合本性，标志着人机软融合智慧教育时代的来临。目前，我国智慧教育的基础和方式还处于数字化发展层次。更高层次的智慧教育应当是在教育网络化和数字化的基础上，进一步升级内容，即不仅智慧教育的基础和方式，而且智慧教育的内容都升级到人机软融合的层次。以 为标志的大型语言模型的发展，为我国智慧教育的升级奠定了基础。（一）大型语言模型为我国智慧教育的全球规模发展提供了前所未有的条件大型语言模型为教育发展的全球化扫除语言障碍，我国智慧教育的发展就是典型的例子。目前，教育信息化层面的智慧教育在我国得到快速发展，不仅贯穿国民教育全过程，而且覆盖一些非国民教育领域。教育信息化的快速发展和全面铺开使得优质课程和师资为更多人所分享，大大提高了教育的公平性和整体水平，为培养更多优秀人才做出了重要贡献；更为重要的是，大型语言模型的发展为智慧教育的发展提供了新的条件，我国高等教育事业应当抓住 等新一轮信息科技革命带来的发展契机。通过大数据纳入人类语境，大型语言模型使不同语言的互译成为更准确的自动过程，智慧教育为我国智慧教育平台的国际化、高等教育发展的国际化创造了前所未有的条件。近年来，教育部国家高等教育智慧教育平台的国际覆盖面不断扩大，不仅在国外求学者了解中国和学习中国文化的过程中发挥了重要作用，而且为提升智慧教育的层次奠定了重要基础。由于语言等因素的限制，我国智慧教育平台的国际化水平不高，巨大潜力未充分发挥。生成式人工智能的发展将为我国智慧教育平台更高层次的国际化发展铺平道路。未来，智慧教育的发展空间随着信息科技的进步将越来越广阔。从数字化到网络化再到智能化，智慧教育的开放、共享、交互、协作和泛在等特征不断升维。目前，我国智慧教育平台在数字化和网络化方面已经得到良好发展，智能化还处于基础层次。以 为最新成果，生成式人工智能的发展既展示了目前我国智慧教育亟待完善之处，又展示了更高层次的发展前景。生成式人工智能不仅意味着智慧教育从教育数字化到教育智能化的进一步发展，还意味着从教育方式的智慧化发展为教育内容的智慧化。两方面发展的整合将对教育构成颠覆性影响，空前凸显智慧教育升级发展的重要性。（二）大型语言模型促进智慧教育从形式向方式的发展 对教育的影响，已经成为越来越多人关切的问题，但是，分歧同样存在。哲学家和语言学大师乔姆斯基的观点最引人注目，在 发布后不久，他在一次视频访谈中认为，的使用只是一种逃避学习的方式，“学生们从这里什么也学不到”。更多观点汇成共识：作为生成式人工智能，具有颠覆现有教育范式的重要潜力。透过各种不同观点可以看到，随着 应用的发展和人们认识的逐步深化，人机交互挖掘出的巨大教育潜力正逐渐在两个至关重要的方面展开。一方面，等大型语言模型是通过大数据纳入人类语境获得最大成功的人工智能，作为人类语境的大数据集成，其数据库包含着极为丰富的人类语境资源，正是基于这些语境资源，通过机器学习拥有某些方面甚至比人类个体更强的人类语言逻辑。大型语言模型具有知识的整合能力和相应的学习能力，随着人工智能和人机交互的发展，生成式人工智能将是比人类更好的知识传授者。这意味着生成式人工智能有可能完全取代知识传授型教育。另一方面，在人机对话过程中，大型语言模型不是像人那样回答问题。人回答问题是根据对问题和对相关内容的理解组织答案，而大型语言模型则是在大数据基础上，根据其所纳入的人类语境，以一个词后面出现什么词的概率来组织语言、生成答案，因此无论关于问题还是关于答案，都完全没有对语言含义的理解，由此生成的语言逻辑并不能确保内容的准确性和真实性。正如有些专家所指出的，本质上还是一个文本生成模型，对比生成代码，它更擅长生成以假乱真的文本。而且，生成的文件并不能保证是可运行的，解决方案更不能保证具有真正解决问题的能力，但是这种以假乱真的文本会迷惑很多提出问题、查询信息的人。大型语言模型之所以这样，就因为其语言组织机制是以严密的语言逻辑包装没有语义根据的内容。由此可见，大型语言模型既有巨大教育潜力，又存在新的问题。利用生成式人工智能可以更有效地学习，但普遍需要教师提供越来越具有智慧性的指导或采取智慧性的人机交互策略。由于大型语言模型基于概率的语言组合是完全没有理解的机械过程，其响应阅江学刊 年 第 期需要由人来认定是否准确和符合事实，是否具有创新价值。一方面，这意味着教师必须从知识传授转向生成式人工智能教育条件下的学习指导；另一方面，这种个性化的学习指导需要大量具有智慧性指导能力的教师。在这种条件下，学生的学习涉及越来越复杂深入的人机交互，教师的指导既不是知识性的，更不是操作性的，必须是智慧性的。这就要求教师的作用从知识性传授完全转向智慧性指导，意味着智慧教育必须向更高层次发展。（三）大型语言模型为智慧教育的内容升级奠定了必不可少的基础生成式人工智能的发展为智慧教育发展到更高层次提供信息科技条件。智慧教育由数字化、网络化向智能化发展，教育方式的数字化向教育内容的智慧化升级。生成式人工智能的发展意味着知识型教育者将完全为人工智能所取代，人类的教育者将转变为生成式人工智能基础上的教育指导者，教育的性质将是越来越智慧的，智慧教育将在教育数字化的基础上向更高层次的智能化智慧教育发展。在更高层次的展开中，智慧教育应当包含两个基本层面的内容：一是教育方式的智慧化，即信息科技手段在教育中的普遍应用；二是教育内容的智慧化，即教育内容从知识传授转向智慧启迪。目前，智慧教育发展主要处于第一个层面，第二个层面还处在由知识教育向智慧教育发展的起始阶段。在数字化和网络化发展阶段，智慧教育主要体现为教育手段和方式的发展；在智能化发展阶段，智慧教育主要体现为教育方式和教育内容的智慧化。随着生成式人工智能的发展，知识百科全书式的人工智能意味着知识型教育者很快会被智慧教育完全取代，生成式人工智能的教育应用将逐步显露知识型学校教育的局限。生成式人工智能将根本改变人的学习过程，减轻学生不必要的知识学习负担，更有利于学生提升思维能力，更好地发展创造力。对于教师来说，生成式人工智能时代的教育关键在于智慧型教学内容的设计和教学指导，在学生与生成式人工智能的交互中提供提问方式启发、输出结果的合理应对和选择策略等。而基于生成式人工智能的自我教育则侧重于智慧性人机交互策略的不断发展。这预示着一个智慧教育学的新领域，提出了一系列新的教育学课题。由于生成式人工智能输出的结果可能存在准确性和真实性得不到保证的问题，有时甚至可能是在“一本正经地胡说八道”，合理的应对之道是将其输出的内容看作思维资源或者建议。因此，与生成式人工智能进行富有成效的对话，充分挖掘其潜力，提出对其输出结果进行合理选择和利用的策略，就成了智慧性的工作，而且随着人机交互的发展，未来对智慧的要求会越来越高。在生成式人工智能发展的基础上，教育方式智慧化和教育内容智慧化的整合发展层次将越来越高。教育方式和教育内容的整体智慧化决定了创造性人才培养的质量，决定了一个国家的核心竞争力。五、结 语 的出场和大型语言模型的发展，预示着智慧教育的生成式人工智能赛道中将产生更激烈的竞争。从数字化发展到智能化，在智慧教育的生成式人工智能赛道上，竞争结果不仅在量的方面表现为差距拉大，还在质的方面表现为效果甚至价值的巨大区别。值得庆幸的是，我国智慧教育的发展为人机软融合时代教育的历史性升级提供了重要条件，为在智慧教育的人机软融合赛道中领跑奠定了重要基础。责任编辑：沈 丹阅江学刊 年 第 期 ：，：，