AI能给出答案，教育才能教会我们如何判断

本文作者为香港大学教育学院副院长（研究）、罗琪茵庄友坚基金教授（多元与公平社会研究）Liz Jackson 教授

想象一下，一名学生正在一堂超过100人的课堂上，为一道微积分预备课程（pre-calculus）题目苦苦思索。老师分身乏术；课程软件可以判断答案错误，也能提供一些提示，但无法在课后留下来，一步步帮学生理清困惑。

当天晚上，学生打开了ChatGPT：它很有耐心，会提供例子、逐步解释每一个解题步骤，并且可以一直陪着学生，直到这道题看起来终于弄明白为止。

这正是教育采用AI最有说服力的理由之一。这套系统似乎比朝九晚五的人更专注，比僵化的软件更能回应，也比许多学生所能获得的帮助更容易接触。这样的好处，实在没法轻易否定。

然而，这个情境也应使我们停下来想一想：学生得到的是答案、解释，还是教育？当同一套系统就冲突提供安慰、道德认同或建议，而且听起来同样耐心、同样笃定、同样关怀，情况又会如何？

人工智能无法解决教育最重要的问题，因为那些问题本质上并非技术问题。它们关乎判断力、人际关系，以及我们希望共同构建一个怎样的世界。在问“如何将AI嵌入教育”这个问题之前，我们应先问一个更根本的问题：它究竟要解决什么问题？

审慎使用AI有充分理由。它可协助学生练习技能、回顾文献、分析信息，以及摸索处理难题的第一步；也可协助教师处理例行工作，让某些支持更容易获得。然而，有用不等于有智慧；而教育在其最佳状态下，所关切的正是智慧。

在许多哲学传统中，知识从来不只是累积信息。苏格拉底提醒我们质疑既有观点，检视自己的理由；亚里士多德则把实践智慧，即 phronesis，与机械地套用规则区分开来。儒家思想同样把智慧与道德辨识联系在一起：懂得思考自己、他人，以及赋予行动意义的关系。

这些传统并没有提供单一的智慧定义，却共同指出：认知不只是产生一个看似合理的回应。它要求我们追问什么是真的、什么重要、情境有何要求，以及我们对他人负有什么责任。

人类的知识中，有些部分更多依赖经验和直觉，而不是可以清楚表述的规则。《庄子》中的“庖丁解牛”，说的是一名厨师经年累月练习后，刀子游走于牛身，显得从容自如。重点不在于他停止思考，而在于多年的专注已化为身体的知识。雏鸡雌雄鉴别员、棋手、品酒师和临床工作者，有时也会描述类似经验：他们先察觉到某些事，却未必能立刻说清自己如何察觉。这些能力来自持续、具体地投入一个会对人作出回应的世界。

AI并不像人类那样身处于这个世界。它没有身体，不会以同样方式依赖他人，也不用承担其言行带来的后果。有哲学家主张，先进语言模型能够回答、建议、学习和推理，因此应被理解为真正的认知行动者。这个观点值得认真看待；它提醒我们，仅仅把机器贬为工具，并不足以分析它们究竟在做什么。

但即使承认AI可以展现令人印象深刻的认知能力，也不代表它拥有人类的智慧。教育真正要问的，不是系统能否产生流畅的文字，而是它能否负责任地参与教育应培养的判断与关系。

以推理为例。人们常运用容许例外的一般说法。“鸟会飞”不代表每一只鸟都会飞；“正在挣扎的学生需要帮助”也没有告诉我们某一位学生究竟需要什么协助，或其生活中还发生了什么事。最近一项针对大型语言模型的研究发现，许多系统难以区分这类可废止推理与严格的演绎推理，或会把一般说法当作普遍无例外的断言。这绝非枝微末节。日常的道德、教育和政治判断，很大程度取决于我们能否知道规则何时适用、何时不适用，以及价值冲突时应如何抉择。

语境同样重要。假如有人说：“主街更远一些。”另一人回答：“我的膝盖痛。”此时，说话的重点已经改变。后者不是在纠正地图，而是在说明距离为何重要。人类对话依赖不断变动的共同语境：共享的经历、未明言的假设、关系、幽默、社会规范，以及对未说出口之事的察觉。提示语不能取代这种由人共同建构、活生生的语境。

当AI被描述为具有情感智能时，这一点尤为重要。聊天机器人或许比疲惫不堪的教师更有耐心、更随时可用，这确实可以带来帮助。

但看似关怀，不一定就是关怀。为了留住用户注意力而设计的系统，也可能迎合偏好、肯定有问题的前提、淡化分歧，或提供道德认同，却不必承担质疑、追问或修复关系的责任。换言之，它可以展现一种看似支持人的策略性同理，却同时强化错误、孤立或自我欺骗。这种模仿越具说服力，我们便越须审慎追问：它实际提供的是什么样的支持？

教育不应训练学生，一旦机器能更快地安慰自己，便转身避开艰难的人际对话。学生需要学会如何分歧、倾听、修正观点、容忍含混，并对那些未必与自己以同样方式看世界的人负责。AI有时能让人接触课堂或本地社群以外的观点；但它也可能成为逃避对话的途径，使人退回一个仿佛完全为自己量身定制的私人答案循环。

同样的问题也出现在写作上。学生使用AI，可能是想更深入理解题目，或把意思表达得更清楚。然而，成品往往有一种熟悉的特征：大而化之的宣示、被压平的语境，以及一把奇异地权威的声音，仿佛凌驾于世界之上，而不是从世界之中说话。它听起来果断，却可能没有说出多少重要的内容。

这不只是语法或风格问题。小词、限定语和停顿，同样承载社会意义；它们可以表达关怀、开放、不确定、反讽，或为他人留下空间。有用的句子不必结构繁杂。一个写作者的任务，也不只是写出看似流畅的文字，而是从自己所处的位置，澄清世界是什么模样，并为那份描述承担责任。

当学生偏爱机器看似自信的声音，胜过自己较为审慎、置身具体情境的声音，教育便面临问题。我们不应教导学生把一切不确定视为失败，也不应令他们以为，自己的本地知识和生活经验无关重要，因为一个以海量文本训练的系统能写出更顺滑、更简化的句子。人类声音的多样性，不是应被编辑掉的缺陷。

AI也不是没有代价。其使用会消耗物质资源和服务，可能令个人资料、研究参与者资料及元数据承受安全和治理风险，也会为必须核查不准确或有偏见输出的人带来工作。若机构无法说明信息如何产生、核查和使用，公众信任亦可能受损。研究人员和教育工作者应把这些成本与清晰的教育收益一并衡量，而非因为新工具唾手可得，便假定它必然带来改善。

因此，选择并非全面拒绝AI，或毫无条件地接纳它。更好的问题是：我们想要怎样的教育？某一种AI应用是否真的服务于这个目标？

如果目标是自动化一项直接的工作、支持练习、扩大信息获取，或减轻不必要的负担，AI或许可以发挥合理作用。但若目标是培养判断、对话、责任、道德辨识，以及与独特、有缺点也有天赋的他人共处的能力，任何系统都不能替我们完成这项工作。

社会不是一堆被有效回答的提示语，而是一个由人组成的共同体；我们必须学会理解彼此、处理冲突、照顾共同世界，并决定什么重要。教育应让学生为这项艰巨任务作好准备。AI可以是他们学习所处环境的一部分，却不应成为我们停止学习如何做人类的理由。

延伸阅读：Jackson教授已发表的文章 《The Manliness of Artificial Intelligence》，探讨AI语言工具如何可能偏好权威而脱离语境的声音。她合著、已获接受刊登的论文《The Voice of Artificial Intelligence: Philosophical and Educational Reflections》，则进一步探讨AI、声音与知识生产的相关问题。

本文内容以英文版为准