摘要：教育系统作为社会巨系统的一个关键子系统，在人工智能技术的驱动下，教育现象变得日益错综复杂，教育动因更加难以解析，教育风险也愈发难以预见。为了有效应对人工智能技术对教育系统的挑战与机遇，必须进行跨学科、跨圈层和跨领域的深入对话。为此，北京大学教育学院汪琼教授团队

教育系统作为社会巨系统的一个关键子系统，在人工智能技术的驱动下，教育现象变得日益错综复杂，教育动因更加难以解析，教育风险也愈发难以预见。为了有效应对人工智能技术对教育系统的挑战与机遇，必须进行跨学科、跨圈层和跨领域的深入对话。为此，北京大学教育学院汪琼教授团队与腾讯研究院杨健、孙怡、吴朋阳等产学研共创AI教育课题组，开展AI+教育思想系列沙龙，旨在推动各方对话，为智能时代的教育发展提供有价值的思路借鉴与参考。第2期于2024年11月上旬举行，聚焦“AI时代的教育变革”，本期采用4对4的方式展开辩论，辩论主题为“AI对教育的影响是革命性重塑还是渐进性演进”，分别邀请了高校资深教授、青年学者以及企业界的杰出代表共话AI对教育的影响。以下是辩论精编，推荐阅读。

正方观点：“革命性重塑”指的是一种彻底的改变与重构，而非对现有模式的细微调整。谈及革命或变革，首先需要明确，它并非一蹴而就的瞬时发生；其次，革命或变革总是伴随着模式迁移，通常在某些关键节点上逐步显现。以电子支付取代纸币支付为例，虽然纸币并未完全消失，但它在日常生活中的使用方式和地位已经发生了根本性转变。同样，将人工智能引入教育领域也是如此。它正在逐步取代传统教学方式，而这种取代是一种革命性的变革。

在这里，“革命性重塑”中的“革命性”只是一个修饰语，真正的关键在于“重塑”本身。重塑的本质并非简单地用一项技术替代另一项技术，而是以一种新的思想取代旧的思想。在这一过程中，如何将多样化的新技术有机融入，并将其整合到以人工智能为核心的新教育体验中，重新定义未来的教育教学场景，这才是需要我们关注的核心议题。

反方观点：“革命性重塑”和“渐进性演进”的核心区别可以总结为三点：第一，变革发生在短时间内且快速推进；第二，人工智能可能会取代原有系统；第三，它能够引发社会性的广泛深刻变化。然而，当前阶段，无论是人工智能发展的技术局限性，还是社会对于AI的接受程度，都让我们不得不思考：整个教育体系的各个层面是否已经准备好全面拥抱人工智能？这实际上是一个人类、技术与教育共同演进的过程。

“革命性”不仅仅是一个修饰词，其中蕴含了更深层次的意义。在社会变革中，教育体系的某些部分确实可能经历革命性的重塑，但这是否能完全归因于技术本身？事实上，这一过程往往伴随着文化和政治体系的复杂交织。因为教育的核心问题始终是“培养什么人、怎样培养人、为谁培养人”， 对这些问题的回答本身就是一个动态的、渐进的过程，在技术变革的同时，由社会、文化和政治力量共同塑造。

述评：正方对“革命性”的定义强调观念层、思想层的质变，以及由此引发的一系列彻底改变，并不否认这一过程是需要时间的。反方认为教育领域涉及错综复杂的政治、文化、社会等因素，不可能仅因技术的革新就带来革命。

二、新一代AI技术是否可能带来
教育领域的颠覆性变革？

正方观点：首先，智能技术已超越单纯的工具性技术范畴，实现一种新型的智能涌现。传统技术，如过去的机械技术或电力技术，更注重工具属性，而人工智能则以其类主体性为特征——能够与人展开对话，并自主执行复杂的教学任务，从而成为人的助手而非只是工具。这种能力的提升无疑是一种质的飞跃。正因如此，在当下这个时代，人工智能对教育的影响已成为不容忽视和无法躲避的社会现实。

其次，进入大模型阶段，人工智能技术迎来了颠覆性变革。以Transformer技术为例，它突破了人工智能技术长期以来在认知层面的瓶颈，将AI从判别式模式转向生成式模式。这种模式的转换本身就是颠覆性的，带来了类人智能的涌现。GenAI如今不仅能举一反三，还能够通过人类设计的各类常规考试，这一现象预示着技术有可能对教育带来革命性变化。其背后是人工智能从计算智能到感知智能再到认知智能的发展历程，这一演化本身便是突破性的。从产业层面看，某些数据密度高、人机交互频率高的行业正经历颠覆性变革。例如，许多客服角色已由机器人代替，而生成式AI的出现使这些机器人客服越来越接近真人，甚至让人无法分辨。

与此同时，AI技术的应用已渗透到各行各业。在营销领域，许多短视频广告由AI生成，其逼真程度往往让人误以为是人类创作。在办公与学习场景中，AI正在大量介入，例如会议记录和实时翻译等任务已高度依赖AI。这种变化让人类与AI的协作关系发生了明显变化：许多初级、程序化的工作被AI接管，而人类则逐渐向更高阶的任务迁移。

然而，我们需要谨慎区分技术的颠覆性与其对教育领域影响的颠覆性。教育领域引入的是AI技术，但其影响体现在教育场域内发生的变化。从时间维度看，无论是当下的AI技术，还是未来潜在的先进技术，都将与现有教育生态长期共生。作为教育领域的从业者，我们是否应该为下一代乃至所有孩子畅想一个充满美好与科技感的未来？因此，在讨论教育变革时，我们应关注从技术渐进演变到真正颠覆性改革的整体趋势，致力于推动教育体系的全面进化。

反方观点：第一点，AI技术的发展本质上是一个渐进演进的过程。人工智能的发展历程可以追溯到1950年图灵测试概念的提出，到1956年“AI”一词正式被明确，这个过程花费了六年时间。这引发一个值得深思的问题：一场真正意义上的“革命”究竟需要多长时间？从AI的算法、算力和数据储备三个核心要素来看，其发展同样呈现出渐进演化的特点。例如，早期的符号计算和深度神经网络的发展经历了数十年的演化，技术才逐渐走向成熟。正因如此，AI技术本身并非一蹴而就的革命性产物，而是一个持续演进的过程。未来，我们也可以预见，人工智能的技术和算法仍将在渐进中不断完善和迭代。

第二点，AI尚未解决的两大技术关键问题限制其革命性重塑的可能性。目前，人工智能在技术层面面临两大尚未攻克的挑战：第一，现有的大模型在实现多模态交互方面仍存在诸多不足，未能真正突破这一关键瓶颈。第二，构建能够与人类水平相媲美且完全遵循人类价值观和目标的超级AI系统仍是一个悬而未决的问题。OpenAI的技术变动以及全球范围内法律法规的限制，尤其是中美及欧洲对人工智能价值观对齐的关注，表明AI在与人类价值观的冲突中尚未找到解决方案。

在这两个技术问题尚未解决的前提下，谈论AI对教育的革命性重塑未免为时过早。教育作为一个复杂系统，内在的许多弊端无法仅凭AI技术解决，例如教育公平性和多样性。因此，我们不应对AI抱有过高期望，更不该将教育变革的希望完全寄托于大模型的进步。当前社会对AI的过度依赖值得警惕，仿佛没有AI，其他一切都无从推进。在这里需要提醒各位同仁，应将目光放得更广，关注那些更基础也更重要的问题，而不是将所有的“筹码”都押在AI技术上。

第三点，技术的颠覆性不等同于教育领域的革命性重塑。生成式人工智能等技术的出现确实在认知层面带来了对传统AI技术的颠覆性变化。然而，技术的功能性突破并不意味着在教育场域中会产生同样的革命性变革。教育不仅关乎知识的传递和认知的发展，更涉及情感、态度和价值观的培养。这种复杂性使得AI的影响在教育中始终受到多重因素的制约。尽管生成式AI能够提升认知效率和精度，但在育人功能上是否能带来同样的深远变革仍是未知数。教育的目标始终是要培养全面发展的人，而不是仅仅通过技术手段提升认知效能。因此，我们需要以更加审慎的态度看待AI技术在教育中的应用，而不是被技术的表面突破所裹挟。

述评：正方用实例阐述以GenAI为代表的新一代人工智能技术今非昔比，已经带来各行各业流程优化、机构重组,教育领域也不会成为例外。反方一方面认为现在的AI技术离教育领域实用还有距离，另一方面认为AI等技术不是影响教育变革的关键因素。

三、AI推动教育发展的方式是
革命性重塑还是渐进性演进？

正方观点：

1、借助AI推动教育范式转型，回归教育育人本质

刚才我们提到“革命性”这一概念。谈及革命，关键在于看对象是谁。在教育领域，革命的重要动因在于旧弊的存在。如果不能革除旧弊，新弊端便会在原有体系中继续滋生。当前的教育体系中，无论是学生还是教师，都面临日益加重的负担。这种现象在一定程度上可以视为过去技术革命所遗留的弊端——因为技术的渐进式应用未能带来真正的革命性重塑，反而在过程中积累了诸多问题。因此，我们需要对教育进行“重塑”。

重塑的价值在于促进每个人的健康成长，这不仅包括学生的成长，也包括教师的成长。而最重要的是，思考如何让我们的孩子能够像正常的同龄人一样生活。回想30年前的孩子是什么样子，再看看今天的孩子，他们被大量的作业和课外负担压得喘不过气。我们不得不认真思考“重塑”的核心是什么？答案显然是推动教育范式的转型。

推动范式转型必然面临诸多阻力，其中最大的阻力来源于一种“渐进改良”的思维。回顾教育变革的历史，正是因为人们习惯于渐变的方式，认为旧的与新的可以并存，才导致问题的长期积累。这种“并存”的思维让我们在教育实践中是旧方法和新方法叠加在一起，形成了一种所谓的“渐进演进的”新方法。最终，这种混合方法因为变革不彻底，非但没有优化教育质量，反而导致师生负担加重。比如做了纸质作业，还需要扫描上传，系统网络不稳定的时候要多次上传。

要克服这种阻力，必须回归根本，思考我们教育的目标究竟是什么。答案很明确——为了让孩子们能够在当下这个快速变化的世界中找到适合他们学习与发展的途径。传统教育中的教师只能提供统一的教学方式和资源，这种“共同性”已无法满足每个学生的差异化需求。然而，人工智能技术的引入，为实现真正的因材施教带来了希望。通过AI的加持，我们有可能突破传统教育的限制，为每个孩子提供定制化的学习路径，从而将个性化学习的理念落到实处。

在推动范式转型的过程中，我们必须警惕技术依赖可能带来的副作用。技术本身并非万能，过度依赖可能会在新的体系中引发新的弊端。因此，在教育革命的进程中，务必保持清醒，以范式转型为核心，通过技术的合理应用推动教育质量提升，而非让技术本身成为教育改革的主导。只有这样，才能真正实现教育系统的健康重塑与长远发展。

2、借助AI推动人才培养变革

当前的教育体系整体上滞后于技术发展的步伐。在智能制造、无人驾驶、智能工厂等领域，人工智能已取得突破性进展，而教育却依然在传授相对固化的知识、技能和价值观，并沿用传统模式来培养未来的劳动者。然而，这样的培养方式很难满足未来社会建设者“悸动的心”。例如，学校课程内容虽然给学生带来了知识，但知识爆炸带来的课程内容扩展和膨胀挤压了学生用于高阶思维和个性化发展的空间。尽管我们反复提及培养高阶思维、创新能力的重要性，但实际教育实践中，却因课程内容过于繁杂、人工纸笔环境等限制了学生深度体验和发展的可能。

教育变革不仅涉及手段层面的改进，更要关注目的层面的调整。过去我们倾向于在方法和技术上做文章，却忽略了教育目标本身的重新定义。如果教育目的没有发生根本转变，手段层面的优化也难以实现预期效果。因此，我们必须跳出“补缺思维”，转向“系统思维”，将人工智能作为撬动教育系统变革的关键抓手。AI的加入，不仅推动教育的变革，更在理念、方式和目标上带来颠覆性重塑。

虽然教育变革相对缓慢，但技术革命的浪潮已经涌现。例如，在互联网时代，慕课（MOOC）学习平台就已引发革命性变化。学生无须亲临国外，也能在线学习国际一流高校的课程，甚至通过远程教育获得学位。这一转变让教育的时间和空间边界被彻底打破。再看AI的具体应用，例如语言翻译技术，已对国际学术交流带来了颠覆性便利，小国名家思想也能得到关注。如今，大量的外语学习训练可以由AI代理完成，这种学习模式也加速了国际化人才培养。

技术变革的本质在于其影响的深度、广度及力度。尽管技术应用的具体过程可能是渐进的，但它对教育的冲击却是全面且深远的。AI的崛起已深入生活、学习和工作的方方面面，从学习过程到评价方式，从教学设计到教育目标，人工智能正推动一场不可逆的“革命性重塑”。这并非渐进式的演变，而是颠覆性的系统变迁，需要从观念层认识到这一点。

站在时代的风口浪尖，无论教育工作者是否愿意接受，这场技术变革已不可忽视，更不容低估。我们的任务是以积极、负责任的态度拥抱技术，以AI为契机，实现教育的个性化、高效性和公平性，构建面向未来的教育体系。

述评：正方认为一直以来的教育信息化渐进式思路造成了教育领域诸多问题叠加，只有革命性重塑才能破旧立新。而要做到这一点，需要重新思考智能时代的教育培养目标，推动教育领域借助AI技术改变教育范式，这包括改变教育内容的传播方式、教育活动的组织形式，以实现教育领域长期以来的理想:个性化、高质量、公平性。

反方观点：

我们认为，在某些自然发生的场景中，比如商业或医疗领域，技术的“野蛮生长”似乎是被容许的。在这些领域，新技术的涌现往往可以带来自主变革，甚至推动整个行业的重塑。然而，在教育领域，情况截然不同。教育的特殊性决定了我们不能允许技术以完全涌现的状态自然发展，而是必须以更谨慎、更有方向性的方式介入。

有些变革可以被称为“革命”，但这必须基于明确的价值判断，即这种变革确实能够带来积极且可持续的结果。反之，在自然状态下的某些变革可能会失败，原因包括以下几点：

一是结构路径的不明性。对教育系统中各种要素的路径和结构缺乏清晰认识，可能导致变革方向的迷失。例如，新技术的引入如果没有明确的规划，很容易忽略教育整体的系统性和连续性。

二是教学连续性的破坏。教学本身具有延续性和内在逻辑。在技术应用时，如果没有对这种延续性进行合理设计，可能破坏原有的教学结构，导致学习效果的不确定性。

三是权力结构的隐性转变。在自然发展的场景中，AI的引入未必能有效改变教育中的权力结构。例如，尽管AI理论上能强化学生的主体性，但实际上算法可能会以更隐蔽的方式实现对学生学习行为的控制。教师的传统权力可能被技术分散，但学生是否能真正回归教育中心仍需深入探讨。

四是教育公平的深化鸿沟。AI在某些场景下通过个性化、低成本和自动化手段促进了教育公平，但越来越多的研究表明，这种公平往往是表面的。技术可能在资源分配上加剧了既有的不平等，尤其是在技术获取能力差异较大的背景下，这种不平等会进一步放大。

五是知识多样性与合法化的限制。虽然AI能提供丰富的非正式学习场景，但教育体系和教材体系的知识生产逻辑依然受到政治经济等因素的制约。哪些知识可以合法化进入教材，哪些知识被排斥在体系之外，本质上反映了权力与利益的博弈。AI并未真正触及这一根源性问题，其提供的个性化内容仍然难以超越既有的政治经济框架。

在一个平行世界里，也许可以任由AI野蛮生长，充分释放其潜在的革命性。但在现实世界，尤其是教育领域，这种路径并不可取。教育具有深厚的社会性与制度性特征，任何技术变革都不能忽视其系统性约束和复杂性。因此，AI在教育领域的影响只可能是渐进的。

2、AI革命性重塑路径不清晰

在刚才的讨论中，隐含了一个值得深究的观点，即“应然性”、“应该”的判断。这个观点暗示，从价值本体论的角度出发，AI对教育的影响理应是革命性的，因为它确实能够回应当前教育系统中的诸多问题。然而，这种“应该”并不必然否定渐进性演进在解决旧问题上的潜力。换言之，AI技术的确具备改变教育现状的能力，但这种改变是否需要以革命性的方式展开，却未必是确定的结论。

此外，脱离现实畅谈技术对教育的美好蓝图固然诱人，但这种讨论往往只是一种理想化的构想。如果要证明AI对教育的影响是“变革性重塑”，则必须回答几个关键问题：这种重塑的路径是什么？具体通过哪些方式和手段实现？如果在其中的任意一条路径上出现了问题，是否会削弱其所谓“革命性”的结论？事实上，正因为教育变革过程中不可避免地会遭遇各种问题和阻力，彻底、一次性地从根本上变革教育并不现实。这就需要我们采用一种迭代改进和螺旋上升的系统化思维，逐步实现教育的优化和转型。

更重要的是，我们需要重申，所谓“重塑”一个关键特征在于：影响的速度非常快，并且往往以不可预测的方式出现。然而，教育领域的特殊性决定了这种快速、不可控的变化不可能，也不应该发生。教育肩负着培养人的重任，我们的最终目标是确保每一位青少年和儿童都能在健康、可持续的环境中成长。这一责任要求我们对技术的应用保持清醒，不能以价值上的主观判断简单认为技术带来的改变是革命性的。相反，我们需要从伦理道德和可控性的角度审视这种变化，确保它是在可接受的范围内逐步推进。因此，这一过程本质上属于渐进性演进，而非彻底革命。

3、革命性重塑并非唯一途径

如果教育确实存在问题，这些问题是否必须通过革命性的变革才能解决？其实，渐进性的演进同样可以有效应对教育中的许多挑战。以教育负担为例，许多负担并非单纯由教师的教学引发，而是人工智能的引入，尤其是AI教师、AI学伴、AI助教等新角色的出现，因为算法不透明，可能为教师增加更多的工作压力，比如有老师表示自从有一次AI出题不合适后，她会检查AI出的每道题。所以，AI影响教育的过程注定是渐进的，而非一蹴而就的变革。

与此同时，教育系统必须保持一定的可控性。这种可控性不仅由社会运行的逻辑所决定，也深受政治和经济背景的制约。我们无法容忍高风险变革的频繁发生。举例来说，如果一架飞机首次降落时偏离了预定位置，我们可能会认为这是技术发展中的容错空间，但若接连两次发生同样的错误，这项技术就不再被认为是可控且有益的。因此，技术的应用必须被限定在一个可控的范围内。尽管技术变革在自然状态下往往以非常规的方式涌现，但这些变革的边界在哪里？我们能够接受多大的风险？一旦风险超出可承受范围，变革性过程便难以为继，因此，AI在教育中的作用更应被视为一种可能性和渐进性，而非彻底的革命。

从另一个角度来看，教育的核心在于人才培养，而围绕这一核心，最重要的问题是：我们要培养什么人、怎样培养人、为谁培养人。各国在实践中都体现出具有自身特色的人才培养目标。近年来，人工智能在人才培养中的应用虽然逐渐增多，但这更像是对时代变化的适应，而非教育的变革性重塑。这种结合AI技术培养人才的模式，更多是一种局部的融合，而非完整的“重塑”。

教育本身是一个复杂的社会系统，其范围之广、演进过程之深，决定了它不可能因单一技术而被彻底改变。虽然AI技术的应用可能带来一些涌现性的变革特征，但这些特征并不能直接归因于AI技术本身，也无法在其中建立简单的因果关系。从系统性变化的角度看，这更多体现为一种渐进的演进过程，而非激进的转型。

当前，在教育实践中，AI尚未对整个教育系统产生如“变革”所描述的深远影响。AI的作用更多体现在特定的应用场景中，比如提升某些教学环节的效率，或在课程中利用生成式AI对话工具。这些改变虽有意义，但依然是局部性、辅助性的。

最终，教育的核心目标始终是明确的：培养什么人、怎样培养人、为谁培养人。这一目标关乎教育的整体系统，包括教学、指导、学校管理、地区政策，乃至国家战略。在这个大的社会框架下，教育的变革更多是渐进的、有序的。AI对教育的影响，也是这一漫长演进过程中的一个环节，而非颠覆性起点。

来源：腾讯研究院