Al思维视角下的语文教学变革

【摘要】互联网正在从互联网+慢慢转向AI+时代,AI其实不单单是一种技术,也是一种观念、一种思维方式、一种方法论。借鉴AI算法的边界意识,语文教学也应唤醒语文学科的边界意识;在AI算法中,只有被标注的数据才是有效的数据,课文也只有被标注出能力点,才可能成为有
阅读技巧Ctrl+D 收藏本篇文章

【摘要】互联网正在从“互联网+”慢慢转向“AI+"时代,AI其实不单单是一种技术,也是一种观念、一种思维方式、一种方法论。借鉴AI算法的边界意识,语文教学也应唤醒语文学科的“边界意识”;在AI算法中,只有被标注的数据才是有效的数据,课文也只有被“标注”出能力点,才可能成为有效的学习材料;AI靠试错反馈生成自我学习能力,有反馈机制与试错机会的语文教学设计,才有助于学生自主形成语文能力;AI思维遵循第一性原理做决策,语文教学在选择课程内容时,也不能不考虑语文学科的“第一性”任务到底是什么、

【关键词】AI算法标注数据第一性原理

2017年4月,中国(深圳)IT领袖峰会召开,百度总裁李彦宏认为,以前的互联网只是开胃菜,人工智能才是主菜。互联网正在从之前的“互联网+”或者“移动+”,慢慢转向为“AI+”,也就是“人工智能+”,人工智能正在慢慢渗透并在改变所有的行业。与时俱进,我们的思维方式也要从“Think Mobile”转变为“Think AI”,即从思考移动互联网,转变为思考人工智能。

人工智能( Artificial Intelligence),英文缩写为AI,是对人的意识、思维的信息过程的模拟。这种模拟,虽然不是人的智能,但能像人那样思考,所以AI其实不单单是一种技术,也是一种观念、一种思维方式、一种方法论。

当此之时,思考Al和语文教学的关系,研究AI的思维方式和学习方法是否对变革语文学习有所助力,或许有积极的意义。

一、边界意识

人工智能是靠“算法”来进行判断和“思考”的。所谓算法,是计算机完成一件事的逻辑和步骤。人工智能“思考”问题的时候,有着十分清晰的边界,比如AlphaGo只做围棋,活动范围限制在19×19的棋盘上,黑白两方轮流下子,边界和规则都很清晰。如果变成一个开放的问题,或者变成20×20的棋盘,或者变成黑白灰三方下棋,那它就玩不转了——清晰边界是AI思维能力形成的前提。

类比到语文学习中,情况正好相反,语文学习没有一种清晰的边界意识,常处于一种“开放”的无边界状态,以至于类似“大语文”“语文学习的边界等于生活的边界”之类的观念大行其道。这种学习领域无边界开放的状态,是由语文学科“人文性”+“工具性”+“实践性”+“综合性”的基本特质决定的,原本无可厚非,但具体到特定时空状态中的语文学习,这种情形却不利于学生特定语文能力的提升。

学生语文能力的提升之所以进步缓慢,其中一个原因便是学习内容缺乏清晰的边界。比如学习一篇课文,边界呈开放状态,从社会道德、思想认知、情感熏陶到表达、逻辑、修辞、人文背景等,样样不落,却没有一个具体的应用能力重点,也就是不知道单位学习时间中,语文学习的边界在哪里。这便使得语文学习处于一种模糊状态中,无谓地凭着惯性消耗着目标不明确的时间,而学生(甚至包括教师)却不知道究竟要做语文的什么事儿,掌握语文的哪些确定的能力。

鉴于这种现状,我们是不是应该从人工智能思考问题的方法上有所借鉴,也给语文学习划分出一定的“边界”呢?

要给原本混沌一体的“整体感悟式”的语文学习划分“边界”,其实就等同于从一个“领域”中选择出一些内容,把它确定为语文能力提升的“学习点”,用AI的行话说,就是要对数据加以“标注”。

二、标注数据

在人工智能的学习与思考中,只有被标注的数据,才是有用的数据。

什么意思呢?举个例子,人们说话的声音被传到网上,它并不是人工智能可用的数据,必须把声音数据里面的关键点标注出来,才是人工智能可用的有效数据。这个原理类比到语文学习中,就好比学生虽然学了大量的课文,但如果这些课文没有被标注出特定的“语文学习点”,那就如同没有被标注的数据一般,尽管数量庞大,但无法有效推进学生的“智能发展”。所以,教师要把所学课文变为有效数据,首先就需要把课文里面的关键学习点标注出来,这篇课文才可能成为学生言语应用能力提升的有效数据,否则,大量的课文学习可能是没有实际意义的。

从教学维度理解,把课文当作“数据”,标注出其“学习点”,就相当于教师确定一篇课文有边界的“教学内容”。课文对学生语言应用能力的提升程度,其实取决于其所标注的学习点的正确性和有效性,而缺乏正确标注的数据,可能就是无效数据。对教师来说,要有明确的“标注”意识,并对课文加以高质量的“标注”——即在文本中提炼出高质量的有效的“能力提升”学习点,使课文变成被标注过的有效的“数据集”。比如谷歌做翻译的产品经理说,最新版的谷歌翻译之所以有了大幅度的提升,就是因为对所抓取的数据,进行了二次标注。

当然,真要对课文认真地进行“标注”,就会发现,未必所有的课文都有其“标注点”,即许多课文可能因为种种原因被选进了课文,但其实并无语文学习的价值,就像AlphaGo,一开始的时候,学习人类棋谱,后来随着自己能力的进步,觉得人类历史上的棋谱已经不能给它带来“学习点”,以至于最新的AlphaGo已经要去掉人类的棋谱——因为它觉得人类下得不好。而谷歌在进步中,也认为网上很多自己以前翻译的数据质量比较差,没有学习价值,所以他们正慢慢地通过标注,把差的数据剔除出去。我们是不是也可以把教材中的课文做一个梳理,进行详细的“学习点”标注?至于那些无法标注出有效“学习点”的课文,就可以剔除出学生的学习范围。

受此启发,我们其实可以尝试着重新理解课文的功用,不一定把每篇课文都当作“篇”来教,也不一定非要按照“生活主题”的方式组织单元,而是把部分课文加以拆解,按照零件组合的方式“标注”其学习功能,选择具有同类功能的课文,只以“标注点”为边界,加以学习。

三、试错反馈

AI已经具备了自我学习能力,那它的能力是如何形成的?

电脑程序会玩游戏,这一点也不稀奇,因为那是依照人类编制的程序规则加以运作。但是如果事先不给它安装预定程序,不告诉计算机怎么玩,而只给它三样东西:控制器、显示器和游戏得分的反馈,电脑会自己学会玩吗?

新华网2016年4月23日科技新闻报道,谷歌的DeepMind团队曾在著名的《自然》杂志上发表论文,说他们做出了一款人工智能里的游戏高手,高就高在,它可以靠自己不断试错学习,在游戏中拿高分,甚至打败专业玩家。过程是这样的:首先,它真的就只有控制器、显示器和得分反馈,连要玩什么游戏都不知道,但是游戏一开始,它就会仔细观察游戏视频,摸索出游戏的模式。然后,再开始操作控制器,操作的同时根据得分反馈进行调节,不断更新控制。结果就是,在完全没有编码,完全自学的情况下,这款人工智能产品学会了49种视频游戏,而且还玩得相当好。在一些游戏里,甚至掌握了只有相当老练的玩家才能掌握的技巧,在23个游戏里,打败了人类的专业玩家。这款人工智能产品的设计原理,简单来说,就是把深度神经网络和强化学习等方法结合起来,让电脑自行从数据中发现共有模式,并且熟练地掌控它。

语文学习可以从中受到什么启发呢?

自我能力的形成,原来是在不断地试错过程反馈中,自我反省、自我判断、自我调整、自我修订,而逐渐形成了自己的能力。这种能力是自己摸索出来的,一旦会了,就永远不会忘记,就能够实实在在地使用。

而反观我们当下的写作教学模式,基本上很少给学生“试错”的机会,从一开始,就给定学生以模仿的“范文”,然后让学生仿照范文的基本结构和布局模式,反复进行“同构”训练,在多次重复中逐渐形成能力。这种能力,其实由外在的逻辑结构所给定,而非真正来自于学生自我的内在生成,和学生发自内心地对世界的认知与理解结合并不紧密,所以,其掌握的牢固度和应用的熟练度效果就有限。对那些智商很高的有写作天赋的人来说,即使没有外在的反馈,他们也能够在敏感的自我反思中不断自我纠正,但对大部分人来说,如果缺少必要的一定数量的反馈,便不知道自己言语应用水平的实际,也不知道如何有意识地调整修订提高。

而人工智能形成学习能力,是在频繁的外部反馈中不断试错,这是人工智能进步的前提,没有反馈就没有进步。算法设计提供了无穷多的反馈操作,在不间断的外部反馈中,机器随时知道在什么样的情况、什么样的行为下,外部给出的反馈是什么,如何改进才能促进提高,满足需求。比方说AlphaCo,算法设计不断地让它进行对弈,并且告诉它对弈的输赢,它才能不断提升。

而我们的语文教育,长期以来,老师习惯了进行正面传输知识,学生习惯了被动接受并记诵正确结果,在这个过程中缺少一种对知识掌握情况的“试错”反馈机制,即使有反馈,也被局限在考试测验中检测学生对知识的记忆和背诵,或者是课堂上那种貌似一问一答但其实毫无思维含量的伪反馈。这样的一种学习机制和流程,便使得学习者缺乏对学习效应加以验证的外部反馈,而无反馈则往往失去形成应用能力必不可少的试错机会。在这一点上我们是不是应该向人工智能的学习方式借鉴经验,把传授正确格式的学习方法,变革为在情境实践中的自我试错一实践反馈一修正提高式的学习方式?

四、第一性原理

进行语文教学,我们面临教学点、教学内容、教学方法的选择时,常常纠结不已。人工智能处理问题时,是不是也一样有选择纠结呢?我们是否可以从人工智能的决策中学习一二呢?

人工智能在做决策时,遵循的是“第一性原理”(由2300年前的古希腊哲学家亚里士多德提出,认为在每一系统的探索中,存在第一原理,即最基本的命题或假设,不能被省略或删除),用物理学的眼光思考世界,抛弃已有的全部成见,一层一层剥开表象,直接从本质出发思考问题,判断决策,而不理会其他外围的次要因素。

AlphaGo下棋时,是怎样进行价值判断决策的?它是靠概率算法来赢棋的,即它在下每一步棋的时候,都只计算自己在当前局面下的赢棋概率,而不考虑其他。它每一个决策点都是独立的,这一步和此前的那些棋没有什么关系,它就从当下这一步出发,计算获胜的概率。它做判断时候,从来不纠结,不理会“沉没成本”,绝不感情用事,也不会对未来心存侥幸。它只是聚焦于一件事情:赢棋。它只用一种标准衡量自己:获胜概率。

而我们在进行语文教学时候,考虑的因素就要复杂得多,既要考虑道德熏陶,又要考虑思维培育,还要考虑语言学习,更多地考虑考试答题学生的分数情况,最后,现实的考试需求会成为进行价值判断、教学内容和教学方法选择的主要依据。除此之外,有时候还要考虑主流的教学方式、圈子里这一段流行的教学观念以及特殊场合中某专家、某流派对课程的评价甚至学生家长的评价等因素。这众多的、非语文的、过去的经验和功利的社会收益等,都会影响我们客观地进行语文教学内容和方法的选择。

而人工智能考虑问题,就可以摒弃这些因素,能科学地实事求是地进行认知,只看逻辑、证据,不在意其他因素的影响,不让过去的经验影响现在,也不让未来的妄念影响当下,只纯粹地关注当下的目标。AI的这种工作“价值观”是不是也对我们的语文教学进行价值选择有一定的指导意义呢?如果我们在进行教学选择判断的时候,能依照主要的教学目标,先把目标分解为任务,再把任务拆分为操作环节,摒除其他无关因素的干扰,会不会提高我们的语文教学效率呢?

AI的思维方式有许多值得我们学习的地方,但反过来说,人类也有AI永远也不可能具备的优势。说到底,AI也只是一种工具,它固然在算法和数据占有量上远远强于人类大脑,但它只有智能,却无意识。意识是靠感觉来决定的,而人工智能是靠算法推算来决策的。人工智能知道事物“是什么”,甚至知道第二种知识——“怎么做”,但它永远不会知道第三种知识——“为什么”,——因为人工智能没有意识。

人的优势,是具有意识和情感。人之所以为人,正是因为我们有情感、会思考、懂生死,具有自我意识、生死意识是人类的特质。而语文学科,说到底,是一门人文学科,学科的底色是人的情感、意识对世界的认知与理解,所以,在语文教学中,我们可以从AI的思维判断策略和学习方式上有所借鉴和学习,帮助提高学生的语言应用能力,但说到底,语文学习还是人的学习,其本质与核心还是人对世界的理解、认知与情意,所以,我们不用担心AI思维方式的借鉴会使语文学习“变质”,语文是工具性与人文性统一的本质并不会因为学习方式的变革而改变。

(上海市浦东教育发展研究院200127)

转载请注明来源。原文地址:http://www.lw54.com/html/zhlw/20170906/7215550.html   

Al思维视角下的语文教学变革相关推荐


联系方式
微信号 byLw8com
热点论文
14705193098 工作日:8:00-24:00
周 日:9:00-24:00