作者丨徐晓飞
12月12日，第八届 GAIR 全球人工智能与机器人大会于深圳正式拉开帷幕。
本次大会为期两天，由GAIR研究院与雷峰网联合主办，高文院士任指导委员会主席，杨强院士与朱晓蕊教授任大会主席。
作为 AI 产学研投界标杆盛会，GAIR自2016年创办以来，始终坚守 “传承+创新” 内核，是 AI 学界思想接力的阵地、技术交流的平台，更是中国 AI 四十年发展的精神家园。过去四年大模型驱动 AI 产业加速变革，岁末年初 GAIR 如约而至，以高质量观点碰撞，为行业与大众呈现AI时代的前沿洞见。
本次峰会之上，中国工程院外籍院士、英国皇家工程院院士、香港科技大学首席副校长郭毅可校长亲临现场，为与会者们带来了一场精彩纷呈的开场报告。
深耕学界多年的他，见证了AI与高等教育的演进交汇。他从生成式AI重塑“知识获取方式”谈起，指出当下教育的对象已经不仅是孩子，也包括机器，而两者之间存在着意想不到的共性。借此，他引出了对“教育范式即将转向”的思考：
1、所有的教育，都基于一个基本假设：知识的稀缺性。但今天，大语言模型带来了知识的通货膨胀，本来的黄金变成了空气，教育和学习还有意义吗？
2、知识是具有共识的认知。而大语言模型是大量互联网信息的压缩，是统计学意义上的共识。
3、学习有两个意义：理解世界（客观建模），理解自己（价值建模）。现在的核心挑战是：机器在客观建模上已经开始超越人类。
4、当前AI在身份建模上能力仍显薄弱。核心问题在于，身份模型具有个性化属性，而强化学习所依赖的反馈却是偏向共性化的，因此，人性与人格的培育或将成为我们后续教育行业发展的关键。
5、人工智能时代的教育，应从“知识传输”，转为培养学生的能力、好奇心、学习主动性和共创意识。
6、不要老是担忧AI会替代我们，而要把自己解放出来。尤其教育者，要对AI保持乐观：如果学生还能用AI作弊，那就说明考试方式本身出了问题。
7、如今的生成式AI已具备“真”的能力，即掌握知识与事实，但一个只有效率、却缺乏价值判断的系统是危险的，因此，“善”与“美”也不可或缺。
8、人类攀登智能顶峰需要经历三个境界：真、善、美。“善”对应着自我反省能力，“美”则是每个人独特的自我展现。未来的教育，必须更注重价值观、自省力、判断力和欣赏力的培养，才能“创造智能的机器，去培养更聪明的人”。
9、AI的发展是一个正向循环：AI让人变得更聪明；人更聪明后，会把AI造得更聪明；AI更聪明后，会再次使人更加聪明……这样的循环，才是人类发展的方向。
10、你害怕AI会先进，害怕AI会发展，这种担忧可以理解但没有建设性。AI一定会越做越强大。我们的任务是：在它强大的过程中，把我们自己变得更加聪明，变善变真变美，让AI跟着我们，这才是人类文明和科技发展的正确途径。
以下是郭毅可校长演讲的精彩内容，雷峰网作了不改变原意的整理与编辑：
今天我跟大家讲讲我对“人工智能与未来教育”的一些看法。
我是做人工智能的，也是做教育管理的。人工智能时代呼唤把教育管理和人工智能结合起来。于是我在想：人工智能的未来里，大学到底会有哪些变化？
最重要的一点是，这几年我们教育的环境发生了根本性变化。本来是人和知识的交互，现在又多了一样东西。本来教书育人，是老师和学生的事，现在多了一个智能体/大模型，你问它什么都可以，而且现在越问效果越好，这就导致出现了一个很大的问题——知识的通货膨胀。
今天所有的教育，都基于一个基本假设：知识的稀缺性。之所以有教育，是因为知识掌握在少数人手里，这些人可以做教师，把知识传授给大家，这是教育的基本定义。如果没有知识的稀缺性，教育就麻烦了。
而今天的知识，就变得无处不在了。
虽然它有一些幻觉，但说句老实话，机器的幻觉比人的幻觉少。你问老师，老师一天到晚给你幻觉。但是你问机器，机器只有5%、10%的幻觉，你就觉得受不了了。
从这个意义上来讲，实际上，你现在获得知识很容易，你可以问ChatGPT所有的事情，比如今天晚上我要去北京，要请一个朋友吃饭，你问ChatGPT金融街附近最好的湘菜馆是什么？它马上就能告诉你，准得不得了，还能顺便就把这个餐馆给预订上，就这么简单。
你像我们平时看书也好，做翻译也好——英语都不怎么用学了，都变得容易且触手可及。这时候，“知识无处不在”就成了一个大问题，黄金变成了空气，这个问题是至关重要的。大家都在说人工智能是工具，它不是，它不是工具的革命，它是革命的工具，我们面临着知识通货膨胀的问题。
这里面有一个很大的灵魂拷问，如果在AI这儿所有的答案都有了，要我们教师有什么用？我们学习的意义是什么？大学应该干什么呢？这实际是一个灵魂拷问。我们今天讲了很多东西，最后拷问的就是这个问题：我们教什么？什么事情是机器不能做，而我们还能做下去的？我们的学生是不是可以通过无处不在的知识，自己去掌握就可以了？这是一个根本的问题。
在这些问题中，我们需要询问一个基本的第一性原理：什么是知识？机器生成的内容是不是知识？人教的知识和机器教的知识是否不一样？什么是学习？我们应该教什么？
以前这些问题都不用问，大家习以为常，但现在不是这样，现在这些问题很麻烦。什么时候是人教的知识，什么时候是机器教的知识，他们之间的区别在哪里？这些方面都要做一些思考和根本性的询问。
什么是知识？
听起来这是一个哲学问题，本来这种哲学问题，我们这种人不想讨论，也讨论不清楚，我们是科学家、工程师，清华大学教我们做的是，把事情解决了，不要去想这么多。但现在这个问题不一样，我们不想这么多的话，我们搞不清楚，所以需要考虑这个问题。
讲穿了，知识有很多定义。现在大家都能接受的一个看法：知识是一个具有共识的认知。
首先，知识是认知，这一点毫无疑问。两千多年来，很多哲学家们都是这么定义的。其次，知识还有一个很大的特点是verify（验证、核实、证实），既然是共识，你要同意/确认它。在古代，确认它不太容易，主要靠辩论，这就是过去的柏拉图时代，所以才会有议会制度的整套系统，通过辩论得到共治，像亚里士多德，都是这种人。
现在不一样了，现在我们有数据，我们现在讲的是毛主席的思想，实践出真知，实践是检验真理的唯一标准。什么意思？答案是：靠数据。这是我们今天的认识。
而大语言模型，是所有互联网信息的压缩。既然是压缩，它会去掉不同意的部分，留下同意的部分。从这个意义来说，压缩体现了统计意义上的共识。大家都是这么说的，所以今天的模型就是这么得的，这就是共识。
从这个意义上来说，的确，大模型提供的是一定意义上的知识，毫无疑问，所以你不得不信它，它跟我告诉你的知识有同等的意义，我这个知识还带有我自己的偏见，而它是没有的，它的偏见就是数据分布的偏见，而这个偏见是可以接受的，是统计性意义上的。共识这个概念，本来就是统计词汇。从这个意义来讲，大模型产生的东西，按照刚才的定义来说，确实是一种知识。
什么是学习？
What is Learning?仔细来看，它有两个意义。
第一，理解世界。从生物学的角度来讲，学习是人类或动物生存的本领，必须要适应环境。但对人来讲，适应环境是高阶的，是为了理解世界。
所谓的理解世界，就是怎样把客观世界反映到我的脑子里？人活着很重要的一个问题，就是要理解世界，要把独立于你以外的世界放到你的脑子里。换句话说，就是要建立一个内部模型。现在这个内部模型，本来是我们自己建立的，现在机器还给你建一点。现在的核心挑战，机器在客观建模上已经开始超越人类了，这是我们面临的客观挑战，以前是没有的。
举个例子，我们看见了一串氨基酸，我们想不出这个氨基酸的结构，这叫蛋白结构，而现在机器一做就出来了，你给它一个氨基酸序列，它告诉你这个蛋白的结构是什么样的，这个事情人干不了，这就是内部建模。
再比如你给出一个材料的特性，请它把材料的分子写给你，它能写出来，这又是人做不到的事情。所以从客观建模来说，机器正在大规模地超越人类。道理很简单，这么宽的大数据总结能力，不是我们的特长。
还有一点是，理解自己。这一点是反过来的，叫身份模型。我是谁、我是什么样的，我有什么性格，我有什么价值观，我怎么跟这个人相处，我怎么跟他吵架，我怎么管住他，这是人的第二个模型。
身份模型，现在AI是很不行的，它现在还没有往这个方向走，当然我们现在也在做这方面的事情，让它去做人类反馈的强化学习，“希望它像我”，但说句老实话，这方面还是很差劲的。因为整个对齐的过程中有一个很大的问题。首先，身份模型是个性化的，而整体强化对应的反馈是共性化的，这就导致我们对于人性以及对于人格的培养，可能会成为下一步的关键。
过去我就讲过，由于知识的稀缺性才产生了教育。但教育是人类的伟大发明，因为没有其他生物有教育的功能。教育跟生命是一样的，教育是为了传承。如果一个生物体没有传承的能力，那它就不是生物体了，这是达尔文进化论的基本观点。
所有动物生命主要的功能是传宗接代，这是我们的共性。但是传送阶段，人类信息传送的是DNA，而不是知识，知识没有传送机制，于是人类发明了教育，这就是传承。
现在又有一个新的有趣的想法出现，你不要忘记，大模型是我们教的，所以我们在教育孩子的同时还在教育一样东西，就是我们的机器、智能体。从这个角度来讲，实际图灵讲过很多话，图灵有一个观点，是他对人工智能的最大贡献。他认为，对人工智能能力的培养，应该像教育小孩一样，这是他最有名的一个观点，而这个观点，现在恰恰没有多少人注意。
最近我看Hinton（杰弗里・辛顿）讲了一句话，很有道理，他继承了图灵的观点。他说你们都在讲世界模型，其实做世界模型最好的办法，就是让机器像孩子们一样去做实验。这也就是图灵的观点。我自己做人工智能，现在我也在香港，领着一帮香港的人一块做大模型。做了四五年，我得出了一点很重要的感悟。其实我们训练人工智能的大模型也好，训练Agent也好，跟我们训练孩子是一模一样的。
我现在很多的场合，比如应该怎么调这个算法，怎么设计一个学习系统，最后我发现，这跟我自己教育小孩的办法是一模一样的。在这些观点的驱动下，我们可以思考一个问题，什么是人工智能时代的教育？
下面我会仔细谈谈这个观点，前面的部分是铺垫。
什么是人工智能时代的教育？
人工智能时代的教育，最大的问题是我们有三大改变。
首先，我们不需要灌输、传授或者让我们的学生记忆很多东西，没有意义，计算机都帮你记得好好的，你问它就可以了。但你要培养他问问题的能力，要培养他的好奇心，要让他时时刻刻问问题，还要判别机器回答问题的准确性，你要知道机器告诉你一样东西是真的还是假的，或者说你要知道如何判别一个事情的真假，要知道它是否是半真半假。
我们现在的考试，还是以你记住多少为主要目的，或者说你能够以你记住的东西解一个什么问题，解问题的本身，也是考他掌握知识的东西，这一点并不重要。重要的是判别知识真伪的能力，每一样东西告诉你，你要弄明白有百分之多少是真，百分之多少是假，或者说它不完全是假的。不这样做的话就不能真的学习。
第二，现在我们老师做的很多事情是，把我的信息传达给你，注入人性。比如我现在讲话，我不是平铺直叙，我有很多感情的色彩。但以后我们教育的目的，更多是要培养你建立一种信仰，培养你对于一个问题的自己角度的看法。
首先，要从以知识为目标的教育转型为能力为目标的教育。分析知识、判别知识的能力，用知识来跟别人辩论的能力，用知识来跟别人交互的能力，这些都是一个学生要有的最重要的技能，但这个技能我们现在没有教。
第二，从标准化到个性化。现在的教育是工业革命的产物，培养50个学生，用一个方法。训练50个学生，用一个模板。最后用同一套考卷，得到的也是同一个分数，很流水线。但每个人获得知识的方法和能力是不一样的，每个人消化知识的能力也不一样，运用知识的能力也不一样。
第三，要从被动学习变成主动学习。现在就是被动学习，我讲你听。主动学习是我坐在那里，你问我答。
第四，从孤立学习变成共创学习。以后的老师就是一个教练员，一帮学生跟机器一起讨论问题，我来组织，我跟你一起学习。
从这个角度来说，我认为教育要从四个方向进行进化。
首先是能力。现在我让你学首诗或者学个剧本，拿文学举例，现在的文学主要是干嘛？就是背。告诉你莎士比亚的作品，你背就可以了。但实际并不是这样，你可以用AI来分析莎士比亚，或者分析莎士比亚其他的作品，这是新的学习方法，从标准化到个性化。
第二种是贝叶斯，根据过去对你的学习的总结，比如用信息系统来看你学得怎么样，然后进行观察，给你几个问题，最后发现你在哪些方面有边界，在哪些方面的理解不够，在哪些方面的能力是差的，自动调整对你的教学。
第三种是被动主动，学生应该是提问者，提个问题比得个回答要难得多，因为这个回答都是GPT给你的，你问得好和不好差远了，如果你能把GPT问倒，那你的水平很高。
四是从孤立到共创，原来都是你自己看书，听老师讲课，而现在真正的学习应该是团队运动，这个团队里不光是你个人，还应该有很多AI Agent。
举个例子，学习国际关系。现在学国际关系最好的办法真不是听课，而是打游戏。比如你把美国作为一个Agent，中国作为一个Agent，俄国做一个Agent，乌克兰做一个Agent，然后开始博弈。你这样去学习国际关系，比听课要好多了。从这个意义来讲，这些进化都在开始。
我想讲讲整个态势的过程是什么样的。我这个PPT里面有很多人工智能的成分，很多的图和内容都是PPT写的。
任何的进化，就是两个部分，一个是时间（long-term、short-term）一个是空间（一部分、全部分）。
我问大模型什么东西是无论时间有多长，你都不可能把它完全AI化的？大模型回答说是人性，我觉得很有道理。什么是短期马上就可以赋能的？大模型回答是：把AI当工具用。什么是长期可以全部AI化的，是平台，将来的教育平台，出考题的，做教学辅导的，都可以。
上面这张PPT就是人工智能做的，我把我刚才讲的所有东西输进去，它给我画了一张表。这张表就是Gemini画的，很简单，横坐标是能力学习、个性化成长、主动探索、共创学习。它纵坐标给我列的是模型构建者、自我导航者、问题定义者、创意总监。谁说AI没有理解能力？
上图右边是我画的，左边是AI画的。什么意思？人类和机器智能同步。
首先我给了它一张PPT。我提出，大模型今天要回答什么问题，比如这个世界是什么？下一步，阐述观点。以此类推，最后大模型给了这样一张图：第一个观点是真（客观事实，统计规律，AI的绝对优势），第二个观点是善（主观价值，因果伦理，人类的比较优势），最后一个观点是美（创造可能，审美原创，人类的终极生态位）。这就是人类与AI的同步进化。
上面这个也是AI做的。我跟AI说，你给我举个例子讲讲没有价值观的危险性。它给我列了“回形针最大化者”。什么意思？
做回形针最有效的办法是什么？AI不知道什么是好的、坏的，不知道什么是可以的、不可以的，它想到，人类身上这么多原子，做回形针，要很多原子和分子，人类的原子和分子是最丰富的，那怎么办？最大化回形针产量的办法就是拿人来做原料。它所说的尼克·博斯特罗姆实验，我根本不知道，后来我查了一下，我发现的确挺有道理的。
上面这个图也是AI给我的，我后来查了一下，这是教育心理学的东西。我问它怎样培养“善”？如果我们要教育人类，人类“善”的思维是什么？它跟我讲，你要知道世界应该是什么。最重要的是“元知识”，我未必同意它，但它讲得很有道理。
什么叫元知识？就是思考你是怎么思考的，控制你的思维过程。因为所谓的善，就是控制自己的过程。它给了我两个实验，一个是“考试包装纸”，你要思考的不是为什么你答错了，而是去想，你为什么会这样去想这个问题？第二个是“最模糊观点”，匿名写下你最不理解的描述，然后看看你跟理解的差距。它教你什么？教你自我反省。
人类的善，就是自我能力的培养。如果你要教机器善，怎么教，在人类反馈的强化学习上做改进，你错了，你错了我给你扣分，你赢了我给你加分，这不够，更进一步，我教你错的原因，慢慢地把价值观培养出来，这就是元知识的学习方法，非常有意思。
最后是美的生态位，后来我查出来了，所谓生态位的意思就是“你独有的”。它在说一个很重要的观点，你是一个协作框架，AI是演员，你是评论家，AI不断创作美的享受，而你是评论家。这是很有趣的新的教育方式——真善美。
对学习者也好，教育者也好，以我刚才所说的观点，大家可以充分认识到，在未来的教育中，对于人的价值观能力，对于人的自信能力、欣赏能力、判断能力的要求，远远高于对于知识的掌握，因为知识已经不重要了，就在你手边。
认知很重要，真正获得所谓的创造力和批判性思维。什么叫批判性思维？批判性思维的第一条，你认为什么是对的。第二条是怀疑，你认为别人可能错在哪里。第三条是自省，为什么我认为这样是对的。第四条是审美，如果要变化的话，应该变化哪个方向？
讲到知识和智力的关系，今天我们的教育是一个函数，如果把知识积累看成是一个函数的话，那未来的教育是它的一阶导数和二阶导数。所谓的一阶导数就是知识获取速度的培养，二阶导数是知识获取方向的培养。第一阶我们已经不需要了，知识已经被大模型做掉了。
讲到这里，我们的本职工作，必须要以思想来指导行动。我们是全球第一所宣布ChatGPT是好东西，在教学中要广泛使用它的，2023年2月份宣布的，那个时候全世界都在禁止它。但是光宣布没有用，我们要改革。怎样改革我们的考题和教学方式，使ChatGPT不成为有负面作用的工具？
比如大家都说，如果你要拿ChatGPT来考试的话，可以作弊。不是ChatGPT错了，而是你考试的方式太老了，你改方式就可以了。应该怎么考？我们有一套方法。我们的智能教育研究中心不干别的事情，我给了他们三千万，就做一件事情，把考试改了，课不能这么教。包括我们的Course Design（课程设计），都在改变，把我们的学生变为另外一种方式。
关于AI，我们不要老是担忧它来了以后我们怎么生存，我们要把自己解放出来，全身心投入到人的本性上，思考人的效率怎么才能更高，要思考更深、更精，更有哲学意味，更丰富的知识面，怎么获取更多的信息，要最后的怎么创造。
我是AI领域里面非常乐观的一个人，我认为AI的发展是一个正向循环。AI让我们变得更聪明。我们更聪明以后，会把AI造得更聪明。它更聪明以后，会使我们更加聪明。这样的循环，我认为才是人类发展的方向。
你害怕AI会先进，害怕AI会发展，这种担忧可以理解但没有建设性。AI一定会越做越强大。我们的任务是：在它强大的过程中，把我们自己变得更加聪明，变善变真变美，让AI跟着我们，这才是人类文明和科技发展的正确途径。
