近日 (6月17日), 法国西部天主教大学（UCO）经济学教授卡尔－弗里德里希·伊斯拉埃尔（Karl-Friedrich Israel）在《地缘政治情报服务》杂志发表评论－－“人工智能如何改变教育”。请君一读：

简而言之

• 人工智能正在改变知识的创造、获取和使用方式
• 自动化可能减轻教育工作者的行政负担
• 整合是否成功取决于制度设计，而不仅仅是技术本身
• 如需全面了解相关见解，请收听我们的人工智能驱动播客

教育是人力资本的重要驱动力。能够培养其人口技能和才能的国家，在生产力、创业活动和科学发现方面享有持久优势。因此，教育政策始终与国家长期竞争力密切相关。

然而，今天的全球教育格局正面临一项重大挑战。人工智能正在开始改变知识的生产、获取和应用方式，从而引发了关于教育体系如何为学生做好准备、使其适应人工智能驱动经济的根本性问题。

人工智能有可能削弱核心认知能力的发展。在过去二十年里，互联网的兴起——尤其是基于视频和图像平台的社交媒体——已经引发了人们对年轻一代注意力持续时间下降以及阅读和分析能力减弱的担忧。能够即时生成文本、解决问题或完成作业的人工智能工具，可能通过取代培养阅读、写作、计算和批判性思维能力所需的智力投入而加剧这一趋势。

同样的技术如果被明智使用，也有可能显著改善教育成果。人工智能能够实现个性化学习，根据个人能力调整练习内容，并持续向学生和教师提供反馈。因此，核心问题在于应当如何将人工智能融入教育体系。如果使用不当，它可能加速基础技能的流失；如果使用得当，它则可能大幅提升人力资本的发展。

鉴于这项技术仍属新兴事物，政策制定者应保持开放态度，认识到不同年龄群体和教育环境可能需要截然不同的方法，在某些情况下甚至需要限制或完全避免使用数字工具。

人工智能在教育中的变革潜力

现代教育体系面临一个持续存在的结构性问题：标准化教学必须服务于高度异质化的学生群体。课堂通常采用统一课程、统一教学进度，并由一位教师负责许多学生。但学生在能力、动机、兴趣和已有知识方面存在巨大差异。他们吸收新概念的速度不同，需要重复练习的程度不同，有助于他们理解复杂内容的讲解方式也各不相同。有些学生进步很快，当教学推进过慢时会感到无聊；而另一些学生则难以跟上进度。

有关教育政策的讨论往往忽视了这一矛盾。学生多样性经常被赞扬为有助于培养某些社会技能，但它也带来了一个根本挑战。能力、兴趣和学习速度差异巨大的学生，仍然必须在同一个教学框架内接受教育。在传统课堂环境中，满足个别学生具体需求的能力极为有限。

人工智能或许能够通过实现真正的个性化学习来帮助解决这一结构性问题。人工智能支持的教育工具可以根据每位学生的独特需求调整难度水平、学习进度和呈现方式，从而量身定制练习和讲解。掌握概念较快的学生可以提前学习更高级内容；需要额外帮助的学生则可以获得更多练习机会或替代性解释，直到他们完全理解基础知识。原则上，这使得同一课堂中的学生能够沿着不同学习路径前进，同时仍在共同课程框架下学习。

如果实施得当，这类工具可能使长期以来关于包容性教育的愿景更容易在实践中实现。人工智能系统不再迫使所有学生以相同速度学习，而是能够根据每位学生的能力和兴趣提供个性化任务、反馈和阅读材料。教师仍将是教育过程中的核心，但他们的角色可能从常规教学转向指导与辅导。

教师将不再主要承担授课或管理标准化练习的职责，而是更多地专注于监测学习进度、帮助学习困难的学生以及激发求知欲。人工智能系统或许能够有效提供标准化讲解和练习任务，但它们无法取代教育中的人性化要素——激励学生、发现个人才能，以及帮助年轻人培养智力纪律和求知精神。如果运用得当，人工智能能够补充而非取代教育工作者的作用。

人工智能还可能通过减少行政性和重复性任务来提高教育体系效率。自动评分、协助备课以及基于数据的反馈系统，都可能大幅减少教师用于官僚事务的时间。这将释放更多资源用于教育的核心目标：教师与学生之间有意义的互动。

然而，实现这些好处更多取决于其如何融入教育体系，而非技术本身。人工智能为个性化学习创造了新的机会，但它并未消除关于教育应如何组织的不确定性。

允许更多制度性实验的国家，或许能够更好地发现人工智能辅助教育的有效模式。

制度不确定性与教育竞争的必要性

尽管人工智能可能扩展个性化学习的可能性，但如何将这些技术最佳地融入教育体系仍然存在高度不确定性。人工智能工具正在迅速演进，而其对学习成果的长期影响仍然知之甚少。不同学科、年龄群体和教育环境可能需要完全不同的方法。在某些情况下，人工智能辅助学习可能提升理解能力并加快学习进度；而在其他情况下，对自动化工具的过度依赖则可能削弱核心认知能力的发展。

尽管存在这种不确定性，教育体系在面对技术变革时往往倾向于采取集中化解决方案。政府和教育官僚机构可能试图通过国家平台、统一数字课程或详细监管框架，在学校之间标准化人工智能工具的使用方式。这类方法承诺提高效率并加强行政控制，但也可能在尚未充分理解其效果之前，就将整个教育体系锁定于单一模式。如果所采用的模式最终被证明存在问题，其造成的错误可能影响整整一代学生。

在知识有限且技术快速变化的情况下，制度多样性与竞争具有重要优势。经济学家弗里德里希·哈耶克曾著名地指出，竞争是一种发现过程。当不同机构尝试不同方法时，关于什么有效、什么无效的信息会逐渐显现出来。

应用到教育领域，这意味着学校、大学以及教育体系应被允许探索将人工智能融入教学与学习的不同方式。一些机构可能大量依赖人工智能支持的辅导系统，而另一些机构则可能采取更谨慎或更有限的整合形式。随着时间推移，成功的模式将被识别出来，并被其他机构借鉴和调整。

这种多样化方法可能尤其重要，因为在人工智能赋能教育中，一个诱惑是利用技术持续“便利化”和简化学习过程。然而，教育不可避免地需要付出努力。阅读复杂文本、构建结构化论证、解决困难问题以及练习核心技能，都需要持续的专注力和重复训练。

如果人工智能工具主要被用于消除这些挑战，那么它们可能会削弱教育本应培养的认知能力。因此，确定哪些领域适合人工智能辅助、哪些领域必须保留智力投入作为核心，将需要实验和细致观察。

允许更多制度性实验的国家，或许能够更好地发现人工智能辅助教育的有效模式。相比之下，依赖集中规划和统一实施的体系，则面临犯下大规模错误的风险。

事态发展的可能性

最有可能：集中化人工智能整合

在这种情景下，政府通过制定教育领域人工智能使用的标准化框架来应对人工智能的兴起。国家平台、统一数字课程以及监管指南决定人工智能工具如何被整合进课堂。这种集中化方式承诺提供行政控制和技术平等获取机会，但也可能限制制度性实验。

如果所选择的模式被证明无效——无论是因为削弱了核心认知能力，还是未能改善学习成果——其后果都可能影响整个教育体系。集中监管的吸引力以及教育官僚体系的强大影响力，使这一情景具有现实可能性，尤其是在教育体系高度集中的国家。该情景发生的概率为50%。

较有可能：教育领域的竞争性实验

在这种情景下，政府允许学校、大学和私立教育机构拥有相当大的自由度，去试验人工智能辅助教学模式。不同机构采用不同工具和教学策略，探索将人工智能融入学习过程的各种方式。有些方法可能被证明无效，但另一些方法则可能通过将人工智能支持教学与对核心认知能力的高度重视相结合，从而改善学习成果。

随着时间推移，成功模式将通过模仿和竞争得到传播。由于技术创新经常为私人主动性和新教育机构创造机会，即使在监管相对严格的教育体系中，这种情景仍然具有现实可能性。该情景发生的概率为30%。

最不可能：人工智能应用仍然有限

在这种情景下，教育体系基本继续按照今天的方式运作。政府采取谨慎监管立场，而学校对于将人工智能工具融入日常教学仍持保留态度。官僚惯性、制度保守主义以及对学术诚信的担忧减缓了新技术的采用。虽然人工智能工具可能在课堂之外广泛普及，但其在正规教育中的系统化应用仍然有限。因此，在未来十年中，学校教育的整体结构变化不大。

这种情景能够减轻技术过早应用带来的一些风险，但也会使人工智能辅助学习的许多潜在益处无法实现。尽管技术变革往往会迫使机构进行调整，但公共教育体系历来缓慢的改革步伐表明，这种惯性也不能被完全排除。该情景发生的概率为20%。