编者按

人工智能技术将如何重构学习的边界？人类智慧又将在何处绽放光芒？近日，在清华大学文科沙龙第38期暨清华教育沙龙第4期“人工智能赋能教育研讨会”上，校内嘉宾们围绕人工智能时代教育创新与变革的前沿议题分享灼见、探讨交流。本报特摘选部分嘉宾观点，以飨读者。

从概念到实践

引领人工智能教育时代

在人工智能（AI）深刻影响社会各个方面的时代，高等教育不仅需要适应变革，更需要引领变革。

以“从理念到实践”为主线，在线教育中心主任王帅国展现了清华大学在AI赋能教育领域的开创性探索。他阐述了学校基于“AI增强教育”与“AI重塑教育”双维度战略的教育变革，前者将AI融入传统教学作为得力助手，后者则借AI之力重构教育的传递与体验模式。在这一理念指引下，学校深耕教学方法创新与学习平台迭代，秉持“全校协调、院系实施、教师参与、学生共创”的原则，构建了涵盖AI课程、AI知识引擎与AI教育生态系统的智慧学习空间。

从2023年秋季学期启动的8门AI赋能教育教学试点课程，迅速扩展至2024年秋季学期的117门AI赋能课程，学校打造了一个融合AI教学助手、数字人教学空间与个性化学习路径的创新体系。这一体系不仅让教师能够开发示范性课程、构建智能知识引擎，更让学生享受沉浸式自主学习体验。在全球影响方面，学校创建的学堂在线平台汇聚了1.45亿全球学习者，并牵头组建了横跨六大洲的全球慕课与在线教育联盟，通过国际会议促进教育公平与创新。

面对AI教育的技术应用与期望落差挑战，学校构建了独特的三层系统架构，巧妙平衡了用户体验与专业精准性——应用层专注优化师生互动，引擎层通过知识图谱提升专业领域的精确输出，模型层则整合各类大模型提供基础算力支持。展望未来，王帅国将这场AI赋能的教育变革比作继美国麻省理工学院开放课程与大规模开放式在线课程慕课革命之后的又一历史性时刻，“未来的教育不是等待我们去发现，而是需要我们主动塑造。”他说。

突破思维边界

深度推理赋能教育变革

AI推理能力的突破性进展正在重新定义认知与学习的可能。当机器能够模拟人类思维过程，教育必将迎来范式转变，一场从单向知识传递向人机协同探索的互动模式转型正在悄然开启。

计算机系长聘副教授王宏宁以一组数据展示了AI推理能力的显著飞跃——OpenAI的o1模型在2023年9月展示出在博士级科学测试中获得78.0分的成绩，已超越人类专家69.7分的平均水平；同期，在国际信息学奥林匹克竞赛中，同一模型的表现超过51%的顶尖选手。在现有评价方法下，面对机器短短一个月训练即可达到人类二十载苦学水平的现实，教育的本质与方法亟需重新审视。王宏宁剖析了AI推理成功的核心机制——“一步步思考”的链式推理方法，以及验证、回溯、子目标设置和反向链接四种认知行为，并指出这些机制与人类学习过程高度契合，为AI教育应用提供了扎实的理论基础。

计算机系团队在完成学校关于AI赋能教育教学的整体工作部署中，创新性地打造出一套将以思维链为基础的推理技术与教育学理论融合的智能教学系统。该系统不仅能精准解读学生的手写作业，更能系统评估解题过程中每一步推理的合理性。基于建构主义教育理论，采用多智能体协作框架，实现互动式提问和思维引导机制，帮助学生在对话交互中掌握解题思路，深化知识的结构、层次和关联，加深对知识的理解和掌握。以“数字电路”课程的教学实验为例，当学生提出“如何设计4位加法器”的问题时，系统能敏锐识别出学生思维链条中的薄弱环节，并基于教学理论灵活调整回应策略——从初始的知识点解析，逐步转向“引导学生联系课堂内容并自主探索”的深度互动。这种植根于认知支架理论的多维自我反思机制使AI助教超越了简单答疑的局限，成为促进学生深度思考的智慧伙伴。

“过去我们可能低估了技术的价值，将展示正确解题过程视为最重要的目标。如今我们认识到，教学的核心在于帮助学生将背后的原理化为己用。”王宏宁总结道。在AI迅猛发展的时代，教育创新的唯一边界或许是想象力本身。通过将教育理论与技术创新有机结合，人机协作正在描绘未来教育的新图景，为学生提供个性化的认知支持，共同应对更具挑战性的科学问题。

“智能悖论”

效率与思维的博弈

AI技术与教育的深度融合正推动学习者行为模式发生前所未有的变革，这些变化不仅重塑了课堂互动形态，更引发了关于认知形成本质的深层思考。

通过为高中物理学习构建智能反馈系统，教育研究院党委书记张羽教授团队发现技术增效与认知独立之间存在难以调和的张力。这套系统并不直接提供标准答案，而是引导学生有效思考。随机对照实验的结果耐人寻味：AI反馈确实提高了学习困难学生的物理成绩，却意外降低了他们的自我调节学习行为。即使研究团队将系统改进为“按需帮助”模式，这一矛盾现象依然存在。这一现象引发了研究者的深入反思，并提醒师生在AI时代要更加注重学生主体性的发展，加强人文教育，才更有可能驾驭技术。

当研究目光转向高等教育领域，张羽团队组织的人类教师与AI教师对比实验则揭示出教育与AI融合的更多维度。参与实验的200余名大学生通过不同教学模式的学习后表现出显著差异：尽管学生在价值观和伦理层面更认同人类教师，但跟随AI教师学习的学生却报告了更高的学习行为控制感，并在最终测试中取得更优异的成绩。协作学习实验的结果同样具有启发性：人与人协作促进了更丰富的情感交流和认知参与，而人机协作则在任务完成质量上更为出色。

“科学的本意是理智德性，知识学习的根本目的在于培养理智德性。”张羽从西方科学哲学的起源和孔子“不愤不启，不悱不发”的教育智慧出发，对AI时代的教育本质进行了审慎反思。她表示，在知识获取门槛显著降低的当下，教育的核心价值应聚焦于培养学生将知识转化为智慧的能力。基于这一思考，张羽团队开发了融合教育理论的混合AI对话分析系统，尝试在提升学习效率与保护深度思考能力之间寻求平衡，为解决智能时代教育中“效率与自主”的核心悖论开辟新的探索路径。

AI教育的机遇与挑战

研讨会上，教育研究院院长石中英教授、教育研究院史静寰教授等与会嘉宾围绕AI介入教育的深层议题展开了对话讨论。一个引人深思的问题贯穿始终：当AI学习的效果赫然超越传统师生互动时，教师的角色将如何重新定位？经过多维度的思维碰撞，一种辩证观点逐渐成形——尽管AI在知识传递方面表现亮眼，但在情感共鸣、复杂问题引导和创造性思维培养领域，人类教师仍然不可或缺。

通过比较AI与历史上各类教育技术变革的特质，AI的独特之处亦愈发清晰：它不仅能提供精准解答，更能模拟并深化推理过程本身，为教育领域带来前所未有的变革空间。面对这场教育的技术浪潮，讨论最终凝聚为一个具有建设性的共识：技术发展势不可挡，教育研究者的使命是前瞻性地勾勒安全应用边界，提供方法论指导，协助教育工作者平稳过渡，让技术成为教育的得力助手而非简单替代者。

（文科处）