Quinn Simpson, 联合创始人，盖迪村 Quinn Simpson 联合创始人，盖迪村

人工智能能否在不使我们变得更加冷漠的情况下扩大学习范围？

人工智能在教育领域的崛起为个性化学习、即时反馈和提高参与度带来了真正的兴奋。虽然信息获取的增加具有不可否认的价值，但这本身从来都不是教育的目标。如果学习变得越来越无阻碍，那么好奇心、坚持和反思会发生什么？教育一直不仅仅是关于获取知识，还有关于塑造人们的思维方式、提问方式、合作方式和贡献方式。人工智能是一个强大的工具，但其最大的价值可能在于加强学习的人类体验，而不是取代它。随着人工智能继续改变教育，我们如何确保它能帮助培养“冷漠”的学习者：那些保持好奇、参与和关心的人？在这种情况下，冷漠并不意味着抵制技术或故意使学习变得困难。它意味着在过程中保持存在：提问、注意不清楚的地方，并对自己的理解负责。冷漠的学习者使用工具而不放弃好奇心、判断力或联系。学习不仅仅是信息传递学习中有一个重要的区别，即接收信息和发展理解。这种理论被称为建构主义，即学习者通过经验构建知识，而不是被动地接收信息。学习从来不仅仅是关于收集事实。学习发生在反思、实验和应用中。学习者经常在有机会发现答案，而不是简单地接收答案时建立更大的信心。这就是冷漠在实践中的样子。它是愿意在一个困难的问题上多花一点时间，保持投入，即使答案不是立即的，并且相信理解是我们构建的，而不是简单地消费的东西。指导提供了一种优先考虑思考而不是告诉的教育方法。指导者不需要急着提供答案。通常，更加有价值的回应是一个问题，帮助学习者得出自己的结论。对话通过让学习者接触到多种观点来加强批判性思维。这些对话中的错误、不确定性和重新考虑的时刻往往是最深层次的学习发生的地方。指导邀请学习者关心自己的思考。与其奖励速度或确定性，它鼓励冷漠学习者所定义的那种关注和好奇心。在其最佳状态下，教育发展判断力、适应性和自我意识。当学习主要集中在知识保留时，我们冒着忽视教育可以发展的更深层次能力的风险。使用人工智能学习的潜在风险主要问题不是学习者是否使用人工智能，而是人工智能是否开始取代他们的智力参与。这就是认知外包变得重要。 当我们依靠技术来进行思考时，我们失去了宝贵的机会来练习坚持和解决问题。好奇心通常始于一个未回答的问题，而不是立即的确定性。答案前的暂停很重要。保持冷漠意味着抵制急于跳过那个暂停的诱惑。它意味着在与一个想法搏斗之前保持足够长的时间，外包思考的工作。它给学习者时间来形成一个假设，测试一个想法，并注意他们的思考发生了什么变化。当那个暂停完全消失时，学习者可能会在没有清晰地了解他们如何到达那里的情况下达到正确的答案。很少有机会与想法搏斗的学习者可能会在遇到模糊性或陌生的挑战时感到不那么自信。知识产权来自于构建、辩护、修订和反思思想。 这并不是说人工智能缺乏价值。这意味着我们需要更有意图地要求它发挥作用。人工智能在教育中创造真正价值的地方人工智能有巨大的潜力来改善教育体验。它可以提供即时反馈，帮助学习者在错误成为习惯之前解决它们，并提供语言支持、分化教学和额外帮助。人工智能还可以帮助教育者更快地识别模式和潜在的学习差距。这些效率的真正承诺是，它们可以为指导、讨论和创造力创造更多空间，而不是减少它们。 人工智能的另一个价值在于它如何减少教育者的行政负担，为对话和关系留出更多时间。人工智能在支持教育的human方面而不是与其竞争时发挥作用。以这种方式使用，人工智能不会使学习者变得被动。它为对话、问题和关系创造了更多空间，这些对学习者自己的学习和对他人的学习都很重要。为什么在人工智能优先的世界中指导变得更加有价值指导更注重发展判断力，而不是提供答案。指导对话为信心、反思、责任感和自我意识的发展创造了空间。在许多情况下，最有价值的工作不是找到更快的答案，而是学习如何提出更好的问题。指导者帮助学习者注意盲点，挑战假设，并从他们的经历中找到意义。随着时间的推移，这个过程可以建立学习者需要来了解自己和内容的信任和心理安全。我们的成长发生在我们感到被看到、支持和适当挑战的关系中。人工智能可能会对学习者分享的内容做出回应，但它不能与他们的情感、愿望和生活经历建立发展关系。人工智能越强大，指导就越有价值。我们应该如何设计人工智能以鼓励更深入的学习？人工智能应该作为思考伙伴，而不是答案引擎。最好的教育人工智能不应该鼓励智力上的冷漠；它应该邀请学习者更全面地参与。我们可以设计提示，要求学习者解释他们的推理，辩护一个想法，比较观点，并反思他们的思考如何改变。人工智能可以生成问题，而不是提供答案。它还可以通过打开小组讨论而不是取代它来支持协作学习。 学习者应该有机会评估、批评和建立人工智能生成的想法，而不是把它们当作最终答案。 反思的作用必须成为学习过程的一部分，特别是当人工智能使得达到答案变得如此容易时。教育者可以故意创造人工智能与人类对话的开始，而不是学习过程的结束。也许这意味着要求学习者解释他们同意的内容，找出哪些内容不完整，或者将人工智能生成的想法带入同伴讨论中。我们应该设计学习体验，为好奇心和创造力留出空间，而不是仅仅奖励速度。这强化了这样一个观点：技术最有价值的是当它扩大学习者的能动性，而不是制造依赖性时。扩大学习而不扩大断开连接技术可以大幅扩大教育的获取和机会。我们不能仅仅通过效率、完成率或信息传递的数量来衡量成功。有意义的学习也反映在好奇心、信心、合作、批判性思维和学习者保持参与的意愿中。也许这就是教育的未来：不仅仅是生产更多知识的学习者，而是培养更多冷漠的学习者。教育应该帮助人们成为周围社区的有思想、有能力的贡献者。学校和组织应该不仅仅通过人工智能帮助学习者完成什么来评估人工智能，还应该通过它如何影响他们的成长、能动性和关系来评估。最大的机会不是建立思考的学习者的人工智能，而是建立邀请他们更深入思考的人工智能。教育的未来属于这样的系统：技术扩大人类的潜能，同时保留使学习具有变革性的关系和好奇心。