很多年前，我写过一篇小文，题目是《搜索就是学习》。当时，我极力主张，会搜索才叫会学习。今天，生成式人工智能技术飞速发展，与大语言模型对话，构成了学习生态中重要的方式方法之一。2000年春，小埃德·赫希（E.D. Hirsch Jr.）在《美国教育家》（American Educator）杂志上发表了一篇题为《你总能查到答案——真的吗？》的文章。这篇文章将他毕生的洞见浓缩于寥寥数页之中。文章中，赫希批评了当时教育界流行的一种口号——“学生不必记太多事实，因为他们可以随时查资料”。他认为这种观点严重误解了学习的本质。赫希认为，教授“学习技能”而非知识的理念是大错特错的。他指出，查阅资料的前提是你已经掌握了一定的知识——足以识别哪些信息是相关的，能够解读你找到的信息，并能从无意义的信息中甄别出真正有价值的内容。赫希认为：“学习的准备意味着你已经知道了许多你要学习的东西。‘学会学习’并不是抽象的技巧，而是拥有使进一步学习成为可能的知识储备。”
其实，联系到今天的生成式人工智能教育应用，我常常列举的一个例子就是，作为乐盲的我，可以利用生成式人工智能的文生音（text 2 sound），在几秒中之内生成美妙的音乐。但是，如果你要问我，这AI 生成的音乐到底美妙何处？它到底好在什么地方，那可就彻底将我问住了！因此，与其说是我用人工智能创作了一段美妙的音乐，不如说是我用文本生成了一段响声。因为，我缺乏基本的音乐知识和最基础的音乐素养。查找信息的能力并不等同于理解信息。技能是空的容器，知识才是填充它们的东西。人工智能让人产生一种无需学习就能掌握知识的错觉，让学生和老师都跳过了最难的部分——思考。赫希在2000年写道：“没错，互联网让我们触手可及海量信息。但要能够运用这些信息——吸收信息，并在此基础上拓展知识——我们必须先拥有一定的知识储备。这就是认知研究揭示的悖论。”人工智能对这个过程来说是致命的。用户只要输入一个问题，它就能生成流畅的答案。文字自信，推理合情合理，来源（通常）可信。但用户的思维却基本处于停滞状态。依赖人工智能写作或解题的学生或许能提交优秀的作品，但他们并没有进行深入的思考。精雕细琢的成果掩盖了其背后认知能力的缺失。问题不在于技术本身，而在于我们对待技术的态度。人工智能只有在能够倍增现有能力时才能真正发挥作用。最容易滥用人工智能的人，往往是那些背景知识浅薄、辨别力弱或缺乏动力的人，他们恰恰最容易被人工智能的幻象所迷惑。
人工智能是知识的放大器，而非知识的替代品。教育不是一种可以交付的产品；它是一个需要通过努力才能实现的转变。人工智能的问题在于，它几乎无需任何“投入”就能完成教育的输出——论文、分析、答案。总之，对于那些求知欲强、积极进取的人来说，人工智能是一个强大的工具，而对于那些只想走捷径的人来说，它却是毁灭性的。
赫希的洞见至今仍然适用：要理解世界，你必须对它已有相当多的了解。正如他在2000年的文章中所写：“心理学最重要的原则之一是知识建立在知识之上。你懂得越多，就越容易学习新知识，因为你拥有更多的类比和联系点，可以将新知识与你已有的知识联系起来。”二十多年前赫希的警示在AI时代更显深刻：“真正的学习不是会查资料，而是能理解世界。”生成式人工智能让“查找”更方便，但也让“理解”更稀缺。教师的使命，不是培养会查的学生，而是培养有知识、有判断力的学习者。“知识丰富的课程”仍然是教育的根基，而AI和项目学习，是让知识更活的方式。我们应该像使用任何强大的工具一样使用人工智能，保持谨慎、好奇和明确的目标。但我们，无论是学生还是教师，都应该格外注意，不要用教学和学习中缓慢而不可替代的劳动来取代人工智能的效率。因为人工智能最大的危险不在于它会超越我们的思维，而在于它会诱使我们彻底停止思考。您觉得是这个理不？
© 版权声明
文章版权归作者所有，未经允许请勿转载。
