随着生成式人工智能（Generative AI）的广泛应用，学习的基本条件正在发生深刻变化。从ChatGPT到多智能体系统，学习者不再孤立地面对知识，而是置身于一个由人类与机器共同构成的“认知生态系统”之中。在这一背景下，一个根本性问题浮现出来：既有学习理论是否仍然足以解释学习现象？在人工智能时代，我们是否需要提出一种新的学习理论？
https://pixabay.com/photos/child-learning-to-skate-skating-6998823/1、学习的本质正在发生结构性变化过去，学习意味着“把知识内化”。传统理论强调的 “内部建构”、“个体认知” 已经不足以描述当下的学习。现在，学习越来越意味着与外部智能（AI系统、智能体、知识网络）协同运作。学习的本质正在发生结构性变化。AI 改变了学习的基本单位：记忆可以外包，推理可以协作，问题解决可以人机协同。知识不再只存在于人脑内部，而是分布在人、AI、网络、社群共同构成的混合网络中。2、现有学习理论无法解释新的学习现象现有学习理论都诞生于 AI 出现之前，这些学习理论主要建立在“个体认知”的假设之上。例如，行为主义强调刺激—反应关系，认知主义关注信息加工过程，而建构主义则强调学习者主动建构意义。然而，这些理论均隐含一个前提：学习的主体是“人”，学习过程主要发生在“人脑内部”。今天，我们几乎所有人都认同这样的观点：AI 已经不再是简单工具，而是学习伙伴、认知延伸、知识网络节点，旧理论无法解释这种新型学习结构。这些学习理论都没有把人工智能作为学习系统的一部分纳入框架。现有理论要么偏技术应用，要么偏哲学思辨，要么只关注某一局部机制，在人工智能全面融入教育的今天，传统学习理论难以全面解释人机协同、知识网络化、认知外包、AI 作为学习行动者等等新型学习现象。3、教学实践已经远远走在理论前面AI 助教、自适应学习、人机合作项目、提示式学习、AI 支架式教学大量出现，但缺乏统一、系统的学习理论来指导、解释和规范。没有理论，实践容易盲目、碎片化。
4、已经有不少人工智能时代学习理论的新发现在过去一些年，人工智能赋能教育，学界已经围绕技术与学习开展了大量前沿探索，出现了许多重要的新发现、新尝试与新理论框架，例如，联通主义的进一步拓展、人机协同学习、自适应学习系统、AI 支架学习、分布式认知研究、基于神经科学与认知科学的学习模型等。有研究发现，人机协同能够显著提升人的高阶认知能力，有效促进批判性思维和创造性思维。不仅如此，分布式认知与记忆外包在许多人身上已经成为常态。知识不再局限于人的大脑内部，而是分布于个体、社群、设备和 AI 系统之中。完全依赖外部记忆，并不必然削弱内部认知的能力。也有研究发现，我们的学习模式正在从知识建构转向知识导航、知识评价与知识链接；学习的核心不再是记忆和理解，而更多体现在对知识的检索、筛选、整合、验证和共创。这些成果极大地丰富了我们对数字时代学习的理解，也为教育实践提供了新方向。同时，神经科学与认知科学的发展也为构建更科学、更整合的理论框架提供了基础。然而，这些探索大多仍处于分散、局部、碎片化的状态，尚未形成一个统一、系统、兼具科学性与解释力，并能整合认知、社会、技术与 AI 维度的完整学习理论。因此，即便已有大量新成果，我们依然需要提出一种更整合、更科学、更具时代适应性的新一代学习理论，将现有发现系统化，为人工智能时代的教育提供更坚实、一致、可验证的理论根基。在我看来，我们不仅需要，而且必须提出一种适应人工智能时代的新一代学习理论。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
