编者按：Graham Brown-Martin 是《重新想象学习》的作者，他曾经提出我们建学校是为了什么这个问题，并且一直在整个工业化的背景下思考科技如何改变教育。最近随着 AI 的崛起，他又提出了一个应景的问题：AI 对教育意味着什么？当 AI 在某些我们正在学校里培养的能力方面远远过人类时 AI 我们会怎么做？我们又应该怎么做呢？
IBM Waston AI 的广告里面有句话对我触动很深：
有了 Watson，这一代的问题解决者要学得快得多。
我在在教育与创意领域数字化平台工作了大概 30年，我注意到每次技术有了点进展之后都会出现这样的说法。Watson 当然是非常聪明的技术。它还没有通过图灵测试，但是已经击败了 Jeopardy! 人类智力竞赛的冠军。
在 Jeopardy! 获胜证明 Watson 懂人话（自然语言理解 NLU），也即是说你可以用人类语言问它问题，然后他可以迅速从事实库里面找出答案回答你。实现这一点需要可观的计算能力。Watson 可以在 3 秒钟之内回答问题，其主要创新是可以迅速用超过 100 种语言分析技术对问题进行分析，然后寻找和生成备选答案，并对答案进行记分和排名。Watson 的知识库包含了 2 亿页的结构化和非结构化内容，占用了 4TB 的存储。Watson 的硬件包括由 2880 POWER 7 处理器内核及 16TB 内存组成的集群，具备大规模的并行处理能力。
这种技术不是那种可以装进口袋里面的技术，围绕着人工智能的对话也不是什么新东西。有趣的是，广受认可的 AI 先驱（至少是在教育领域）是 MIT 的 Seymour Papert 和 Marvin Minsky，他们早在 1950年 代就研究这些东西了。
AI 最近变得时髦起来的原因在于尽管它属于计算密集型应用，但这种能力已经交给云端去处理了，同时利用了智能手机或可穿戴设备等便携设备做界面。这种办法使得翻译和语音识别系统变得流行起来。
这也是我们当中的一部分人发现自己的语音控制设备或者儿童玩具充当监控设备时变得神经过敏的原因。只要给云端足够的计算能力和数据，一切皆有可能。
另一方面，图灵测试仍然是验证 AI 的金科玉律—图灵在 1950年 那篇对未来具有深远影响的论文《计算机器与智能》中提出了一个问题，“机器自己能思考到什么程度呢？” 他指出，如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。
图灵并不是提出这个问题的第一人。比方说，笛卡尔 1637年 的《谈谈方法》中就提出了类似的问题，并最终得出了著名的哲学论断 “我思故我在”。当然，这个实际上要归结为意识了，而意识跟我们所说的 “弱 AI” 是有着显著不同的，后者在性质上是对智能而不是意识的仿真，属于某种无知觉的智能，比如象棋游戏使用的智能。
在我们深入探讨智能的定义之前，值得注意的是图灵测试是有瑕疵的，因为人类在计算和信息获取等方面相对而言并不是很好的问题解决者。但是我们在儿童教育方面还是花费了很多年的时间漫无目的地训练他们在这方面跟机器竞争。精准地获取事实也是一样，所以最后是 Watson 赢得 Jeopardy！智力竞赛（注：其实更应该叫做记忆力比赛）。
另一方面 “强 AI” 的一种说法声称，实际上正确书写的、运行在机器上的程序就是思想。这个想法的问题在于它假设人类大脑不过就是一台计算机，而我们的思维就是人家。这个理论认为，只要我们拥有足够的计算能力以及合适的软件去模拟大脑，则机器也能获得知觉。当然，这个一直只是科幻小说里面的东西，尽管 Google 首席未来学家 Ray Kurzweil 这样的人认为，到 2029年 我们可以通过上传意识给计算机来实现永生。好吧，这必须是真的，《花花公子》里面都有写了。
要我说，Kurzweil 等人一定是受隐喻影响而误入歧途。资深研究心理学家Robert Epstein 博士的看法是人脑不是计算机。他引用了 AI 专家 George Zarkadakis 的工作，后者总结了人类过去 2000年 用来解释人类智能的 6 个比喻手法，比如圣经说人是由泥捏成然后再灌输 “精神” 进去的，比如笛卡尔断言人是复杂机器，后来到了 1940年 代人又被比作计算机。基本上每一种比喻手法都折射出了当时最先进的思想。Epstein 认为，到了未来的某个时刻，当技术取得进步之后，我们就会像抛弃从公元前 300年 开始延续了 1600年 左右的把人脑比作水力模型的观点一样，抛弃人脑是计算机的比喻手法。
我的看法是，当然这主要是基于直觉而不是专业知识，“强 AI”，比如机器意识不会很快实现，而且即便机器取得了意识，也会引发巨大的伦理问题，比如如何处理 “自我意识” 原型的问题。我还认为这方面还存在一个难题，即一旦你知道了某个东西是如何工作的话，那东西似乎就没那么智能了，因此也就不再是 “强 AI” 了。
那我们从媒体上不断读到的 AI 相关消息都是些什么东西呢？它们又如何取代我们所有的工作呢？
我是这么想的。工业化进程始于 1760年 左右，此后我们不断用越来越智能的机器来重复和取代任何我们可以衡量的东西，从铁路和汽车取代马匹，到工厂机器变革手工制作为大规模生产概莫若此。随着这一进程接近尾声，西方社会现在正处在过渡时期。尽管不能确定未来会出现知觉机器和强 AI，但可以肯定的是，相对而言，提供 NLU 的计算机处理能力，瞬时的事实回忆以及模拟的问题处理就在前面不远了。也许不用 10年。
然而，尽管其中一些看似智能，比如像复杂的象棋游戏那样的东西，但仍然只能算是研究人员所谓的 “弱人工智能”。但是靠测量、快速事实回忆以及分析的任务会被 AI 取代。从某种意义来说，过去几百年的工业化以及在此基础上发展出来的资本主义一直就是这样的走势。
我们在宣传手册、推销广告或者新闻广播上面看到的 AI，不过是有力地模拟智能的算法罢了，而且往往是基于庞大的数据集才能实现的。很快几乎你购买的一切东西，至少是数字化的那些都会吹嘘自己的 AI 能力。但你要非常清楚的是，那些所谓的智能也不过只是模拟，一样带有源自人类思维的种种偏差。
当我们听说 AI 正在用于教育和学习时（很快每一份产品推销的 PPT 都会就这一概念对客户展开连续轰炸），那些对学校和教育是干什么的观念还是过去几个世纪的东西。我的意思是说，AI 辅助技术的目的是用来帮助学习通过考试，从而取代教师的工作。
考虑到离开教师这个职业的数量以及为了满足联合国提出的可持续发展目标对教师的需求都在大规模增长，用机器取代教师似乎是个不错的选择。机器不会组织工会闹事，机器不会生病，机器不会有压力，机器不用付工资，而且上课出题总能 100%保证表现稳定。谁不喜欢呢？
随着上万名麦当劳员工组成联盟在股东大会上要求保证最低 15 美元的时薪，麦当劳前 CEO Ed Rensi 已经建议进入机器人。
在教育界，我们已经看到一些商业组织，比如 Bridge International Academies 就在有漏洞可钻的国家积极推进不利于教师工会的战略。有人认为这是破坏现状，但也有人认为这是降低成本和提高供给质量的手段。
最近，有一位大学助教被 AI 替代了，而学生甚至都没有注意到这一点，在我看来，这深刻反映出我们的教学方法是如何的过时。
但我们还可以换一种角度来看。
如果 AI 是以学生为中心的，每一位学生都有陪伴自己一起成长、能学会解决复杂、抽象问题的个人 AI 会怎样呢？
这样一种技术有可能会像今天的智能手机一样，被挡在许多教室外面，考试就更不用说了，我相当肯定这一点。但这同一批学生，那些现在正在学校的人要融入的世界，无疑将是一个被极端复杂的 “弱 AI” 所强化的世界。这种 AI 可以理解自然语言并作出响应，可以获取事实、信息，并且以比人类大脑快得多的速度对其进行分析。
我们人类对这些机器唯一的优势是，我们实际上掌握了 “强 AI”，但是我们的教育体系还要求我们跟机器的 “弱 AI” 进行竞争。在我看来，这毫无意义。
所有人都应该问一问这个问题：到什么时候我们能 “跨越鸿沟”，接受学生终究会在个性化 AI 系统的陪伴下，通过它们的帮助探索世界并大规模强化自身问题解决能力而茁壮成长这一事实。或者我们也可以对这一趋势视而不见，把这个世纪的东西挡在学校大门之外，彼此心照不宣地继续维持着过去的商业模式？
