人工智能时代的学习连续性
如何在最需要的时候避免大脑萎缩
人工智能通过对每个问题提供即时答案，悄无声息地短路了认知机制，这些机制使学习不是一个结果，而是一个过程：努力、挫折、记忆重新激活、持久心理模式的缓慢构建。 我们在流畅性方面的收获，可能会在深度上失去：正是在世界的复杂性要求更加敏捷、更加批判和更加自主的头脑的时候，我们却倾向于将我们的智能委托给一台机器。
人工智能，我们智能的单向镜
2023年，一名美国著名大学的法学学生提交了一份完全由生成式语言模型撰写的60页论文。他的教授们没有发现任何异常。无论是结构、论证还是风格。一切都是连贯的、有文献支持的、令人信服的。然而，缺失的是看不见的：没有任何将信息转化为知识、将数据转化为理解、将答案转化为判断的智力努力的痕迹。这名学生获得了分数。他什么也没学到。
人工智能是一个无可避免的陷阱：它反映了人类积累的全部知识，但向咨询它的人隐藏了自己正在消失的思维形象。一方面，它代表了自印刷术发明以来知识获取最壮观的放大之一，即时的、个性化的、以所有语言提供并随时可用。另一方面，它悄无声息地短路了使学习不是一个结果，而是一个过程的认知机制：努力、挫折、记忆重新激活、心理模式的渐进构建。
这种紧张关系并非轶事。它定义了我们时代最深刻的教育挑战之一。要理解它，必须追溯认知革命的悠久历史，审视神经科学告诉我们关于学习大脑的内容，衡量算法神谕时代特有的风险，最后提出具体途径，以免在数字便利的祭坛上牺牲人类智能。
五个相互依赖的轴心构成了这一问题地图。
与进步一样古老的担忧
教育史充满了技术革命，每一次都引发了同样的根本焦虑。苏格拉底，在柏拉图的《斐德罗篇》中被引用，担心书写会削弱记忆并在头脑中灌输知识的表象而非真正的知识。他在诊断上没有错，但在结论上错了：书写并没有使人类变愚蠢，它重新配置了其学习方式。希腊的paideia（古希腊的教育和文化理想），建立在辩证法和思维努力的基础上，正是重视书写威胁要稀释的东西：与不确定性的生动对抗。
在中世纪，抄写僧侣体现了另一种通过努力学习的形象。手工复制文本不是机械任务，而是完整的记忆实践，是对他人思维结构的沉浸。当古腾堡革命性地改变思想传播时，伊拉斯谟热情洋溢，但其他人在书籍的大量复制中看到了对批判精神形成的威胁：如果一切都已经写好了，为什么还要自己思考？
伊拉斯谟，昆丁·梅西斯绘，1517年。
18和19世纪见证了共和学校的诞生，由孔多塞及其通过知识实现平等的梦想推动。但卢梭已经警告过纯粹传输性的教育，那种填充头脑而不塑造头脑的教育。杜威，在20世纪之交，理论化了我们今天称之为体验式学习的东西：学习就是做、摸索、重新开始。然后出现了广播、电视，以及麦克卢汉和波兹曼，他们警告基于被动消费图像和声音的文化的肤浅性。每个时代都有其认知衰退的预言家，每个时代都部分正确。
人工智能不是绝对的断裂。它是工具与使用它的智能之间千年辩证法的最新一幕。但其强度、速度和无处不在性赋予它前所未有的维度。它不满足于传播知识：它声称要产生、综合，现在还要以教学方式体现知识。如何不将此视为媒介与不仅仅是信息而且是其接收者的融合点？这就是问题性质改变的地方。
努力对抗流畅性：在节省时间时失去的东西
几千年来，学习方法一直是缓慢的、昂贵的，往往是痛苦的。正是这种缓慢性保证了它们的有效性。间隔重复，由赫尔曼·艾宾浩斯在19世纪末编纂，基于一个简单的原则：是对信息的定期回访，以递增的间隔，将记忆牢固地锚定在长期记忆中。苏格拉底的产婆术方法基于同样的逻辑：迫使学生自己生产知识，让他面对自己的矛盾。这些过程在认知上是昂贵的。正是它们的成本使它们有效。
新的数字方法优化了获取，但有时以牺牲深度为代价。像Khanmigo或Duolingo Max这样的平台提供了卓越的教学个性化，根据每个学习者的需求调整节奏、水平和格式。游戏化吸引注意力并激发参与，至少在最初是这样。微学习允许将学习整合到日常生活的间隙中。这些创新是真实和宝贵的。
但它们有一个盲点：它们偏向外在动机（奖励、徽章、分数）而牺牲内在动机，只有内在动机才能实现持久和自主的学习。卡尼曼（现在在他的会议中被Yann Le Cun经常引用），在他对系统1（快速、自动思维）和系统2（缓慢、深思熟虑的思维）的区分中，为我们提供了宝贵的分析框架：为流畅性设计的数字工具几乎完全激活系统1。然而，正是系统2，费力的、不舒适的、抗性的，构建深刻的理解。
综合不是拒绝新方法，而是认识到它们需要有意识的教学治理。人工智能优化了知识获取，但它不能替代锻造人类智能的缓慢和昂贵的机制：努力、挫折和时间。
当机器代替大脑思考时，大脑失去了什么
神经科学今天对认知外化的影响提供了令人震惊的启示。由唐纳德·赫布正式化的大脑可塑性原则规定，神经连接通过重复使用而加强，一旦不再被激发就会减弱。大脑根据分配给它或免除的任务字面上重新配置自己。当机器代替我们思考时，我们节省的不仅仅是几秒钟的反思时间：我们让神经回路萎缩。
Betsy Sparrow和她的同事们在2011年证明了他们称之为"谷歌效应"的现象：当我们知道信息可以立即在线获取时，我们的大脑投入更少的努力来记忆它。海马体，长期记忆的所在地，被较少激发。前额皮质，控制抽象推理和决策制定，被绕过。我们存储的不再是知识，而是找到它的地址。斯坦尼斯拉斯·德哈内在他关于学习的工作中强调，深度阅读、手写和解决复杂问题激活广泛和分散的神经网络，正是那些人工智能委托使用倾向于少用的网络。
元认知，这种对自己思维进行思考的能力，由弗拉维尔理论化，可能构成这种委托最沉默的受害者。使用语言模型撰写论文的学生不会激活与阅读、综合、犹豫、重新表述和写作的学生相同的神经网络。前者存储答案；后者构建心理模式。维果茨基提醒我们，认知发展在近端区域中进行，这个不舒适的空间介于我们已经知道如何做的和我们还不知道如何独自做的之间。将人工智能放在这个空间中，就是恰好消除大脑成长的地方。
算法神谕和全知的幻觉
除了个人机制之外，人工智能产生了一个新规模的认识论问题：它给出答案。不是问题。然而，从苏格拉底到波普尔，智力形成的核心恰恰在于怀疑的艺术，在于制定假设，将不确定性作为活思维的条件来接受。
当一个未来的医生将鉴别诊断的识别委托给算法系统时，他可能获得正确的答案。但他没有发展临床推理，这将使他能够处理非典型病例、矛盾的症状、不符合训练模型的患者。他也没有发展迈克尔·波兰尼所说的默会知识，这种体现的、不可形式化的智能，通过重复经验、失败和人际关系获得。接受算法神谕训练的医生会知道如何诊断，但很少倾向于倾听和预期。
还有第三个风险，更结构性的：大型语言模型复制并放大其训练数据的统计偏见。哈拉里，在他对智人的反思中，预见了逐渐将决策委托给不透明系统的人类。凯西·奥尼尔，从她的角度，记录了算法如何在数学客观性的表象下制度化不平等。人工智能不会教我们我们还没有知道要教它的东西，通过标准化知识，它有使构成人类思维真正财富的认识论多样性贫困的风险。
在机器时代重新学习学习
面对这些风险，激进拒绝的诱惑是可以理解的但无用的。人工智能就在那里，其好处是真实的。问题不是在它和人类智能之间选择，而是定义解放性共存的条件。
对于学生来说，这意味着采用我们可以称之为三E规则的东西：努力作为默认姿态，错误作为知识的构成阶段，探索作为对预制答案的拒绝。具体来说，这通过诉诸主动记忆技术、心智地图、费曼互教原理、间隔重新激活以及对人工智能在激发批判性思维的任务中的有意限制使用来体现。
对于教师，优先考虑的是教学而非技术：学会质疑人工智能而不是服从它，构建混合序列，其中数字工具管理信息获取，而人类承担综合、辩论、判断。师生关系，在其情感和即兴维度中，仍然不可替代。正是在这种关系中进行默会知识的传递。
对于机构，评估方式的改革是紧迫的。更少的记忆复述，更多的跨学科项目、开放情境设置、没有唯一解决方案的问题。培训人工智能的局限性、其偏见、其幻觉、其无法产生真正问题的能力，必须成为与阅读或计算同等重要的基本技能。我们距离这一点还很远，尽管善意的迹象似乎正在显现。
需要捍卫的智能
人工智能是知识的加速器，但没有努力，它就成为智能的刹车。这个悖论不是宿命：它是认知、教学和制度治理的挑战。
在乐观情景中，人工智能成为最佳技术一直以来的样子：人类能力的放大器，将头脑从机械任务中解放出来，使其能够上升到创造、细致入微和同理心的高度。在悲观情景中，它成为那些从未发展过质疑其答案所需的认知肌肉的学习者世代的思维替代品。
这两个情景之间的选择不是技术性的。它是深深人性的。它取决于将努力保持在教育核心的集体意愿，在即时文化中重视深思熟虑的缓慢，以及抵制便利等同于进步的幻觉。
终极挑战是这样的：如何使人工智能成为解放而非依赖的工具？答案既不在算法中，也不仅在公共政策中，它在我们的大脑中，在继续锻炼它们的有意识决定中。
附录 — 资源和参考文献
神经科学和认知
- Dehaene, S. (2018). Apprendre ! Les talents du cerveau, le défi des machines. Odile Jacob.
- Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
- Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google Effects on Memory: Cognitive
- Consequences of Having Information at Our Fingertips. Science, 333(6043), 776–778. https://doi.org/10.1126/science.1207745
- Hebb, D. O. (1949). The Organization of Behavior. Wiley.
- Ebbinghaus, H. (1885). Über das Gedächtnis. Duncker & Humblot.
教育科学
- Vygotski, L. S. (1934/1985). Pensée et Langage. Éditions Sociales.
- Dewey, J. (1897/1990). The School and Society. University of Chicago Press. Flavell, J. H. (1979). Metacognition and Cognitive Monitoring. American Psychologist, 34(10), 906–911.
- Piaget, J. (1970). L'Épistémologie génétique. Presses Universitaires de France.
人工智能、社会和认识论
- O'Neil, C. (2016). Weapons of Math Destruction. Crown Publishers.
- Polanyi, M. (1966). The Tacit Dimension. Doubleday.
- Postman, N. (1985). Amusing Ourselves to Death. Viking Penguin.
- McLuhan, M. (1964). Understanding Media: The Extensions of Man. McGraw-Hill.
历史和哲学参考文献
- Platon. Phèdre (trad. L. Robin). Gallimard, coll. Pléiade.
- Condorcet, N. de (1791/1994). Cinq mémoires sur l'instruction publique. Flammarion.
- Érasme, D. (1511). Éloge de la folie. (éd. de référence : Flammarion, 2011).
