如何向AI学习，通过“编程”来优化我们的学习系

《教育动力革命：重塑教育体系，维系人工智能新时代》作者：宋绍伟版本：湛卢丨浙江科学技术出版社2025年2月当前，基础教育问题需要思考。学习厌烦、沉迷游戏、抑郁抑郁等话题屡屡成为舆论焦点。教育似乎已经成为一个社会问题。老师和家长普遍感到焦虑和无助，不知道该怎么做才能让孩子做好学习的准备；有些孩子认为学习是无效的、无聊的、无用的，在强迫学习和急于逃避之间挣扎。尤其值得关注的是日益突出的青少年心理健康问题。 《2022全国抑郁蓝皮书》显示，学业压力在学生抑郁原因中占比较高，仅次于人际关系和家庭关系s。事实上，世界上许多国家也存在基础教育滞后于社会发展和科技进步的问题。众所周知，现在举世闻名的公立学校系统起源于普鲁士王国。 1717年，普鲁士王国颁布了实行义务教育的法令——《普鲁士义务教育法令》。从那时起，教育就像服兵役一样，成为普鲁士王国公民对国家的义务。这种教育制度随着德国的统一而流行，欧洲国家也纷纷效仿。 19世纪下半叶，英、美、法、日等世界强国先后实行义务教育制度。到了20世纪20年代，资本主义国家普遍以普及大学作为义务教育制度。公立学校系统诞生至今已经三百多年了。人类社会经历了四次工业革命和两次世界大战，发生了翻天覆地的变化。然而，教育模式的本质并没有随着时代的变化而改变。直到今天，大多数公立学校仍然以知识转移和学科教学为主。在这个信息爆炸、科技飞速发展的时代，这种教育模式显然已经脱离了社会需求。大多数教育发达国家或地区都认识到了这一问题，并探索了教育改革的新路径。美国IBM公司于2011年创办P-Tech高中，以STEM教育为核心，致力于重塑高中教育模式。丹麦哥本哈根的一所职业学院采用了独特的教学方法：鼓励学生在巨型教室中协作交流，培养创新思维。作为世界教育改革的先驱，芬兰试图打破传统的限制近年来实行独立学科教学。目前，中小学每年都会组织学生进行现象学习或项目学习，没有传统的学科教学，时间近两个月。现象学习让学生综合运用所学知识分析问题，而项目式学习则让学生综合运用所学知识创造新价值、实现新想法。这些教育改革每一项都有其特点，但无一例外都强调激发学生的学习自主性，改变学科分离的教学模式，打破标准化考试的束缚，帮助学生展现真正的解决问题和创新能力。 《欢乐父母2》（2025）剧照。向AI学习，提升自我 随着AI的快速发展，一个新的时代正在开始。那么，人工智能在教育领域将为人类带来什么？教育？在2023年9月举办的“聚焦教育新生态与学习科学教育峰会”上，我转发了人类学习正在进入新“轴心时代”的观点。我们不仅让学生掌握各学科知识，更培养他们像人工智能一样准确、高效、快乐地处理数据。准确，不会出错；高效、快速、及时；快乐，不受情绪影响。对于家长和教育者来说，这意味着教育模式必须从“传统知识传递为主导”转变为“建立知识体系、培养方法思维、升级学习体系”三位一体。怎么理解呢？我们也可以想象，知识转移模式下曾经培养出一大批“好学生”。我们可以用“小镇问题”来形容这类学生。 “小镇问题”学习成功的关键是勤奋，能够背诵海量知识点，总结解题模板，通过不断的“解题”磨练解题超本领。必须承认，“小镇提问者”是时代教育的受益者，也为中国社会的发展贡献了重要力量。然而，以人工智能为代表的科技进步改变了国家和社会对人才的需求。党的二十大报告指出：“全面提高自主人才培养质量，努力争创一流，引领创新型人才培养的战略地位更加凸显。近年来，新高考、新中考改革呈现出一个显着特点：注重检验学生理解信息和解决实际问题的能力。这从两个方面可以看出：方面：一方面，试题包含真实情境和现实生活问题，更加灵活、务实；另一方面，新的题型定义出现，要求考生快速学习新知识并运用新知识解决新问题。此外，2023年9月，北京市教委发布中考新方案，宣布“四核校”（历史、地理、化学、生物）由统考改为统考。这确实削弱了对学生知识记忆的考核。以上衡量的是我国人才需求的全部变化。具有良好解释分析能力、解决问题能力和创新能力的人才更符合未来社会的需求。显然，这种人才不可能靠大量的知识和大量的“问题”来培养。新时代如何培养人才？索梅蒂也就是说，人工智能通过模仿人类来发展其智能；如今，人工智能已经在多个方面超越了人类。这个时候我们就应该考虑向AI学习来提升自己。建立知识体系、思维方法思考、升级学习体系，是以AI思维为核心的教育模式。这将引导我们运用学习系统理论和方法来分析和解决学习系统的学习问题，帮助他们逐步发展出类脑学习AI，从而避免成为“小镇问题解决者”。决策将由价值决定。人们的行为模式往往对学习有一定的观念，比如以下观念： ·学习就是记忆知识。想要取得好的成绩，就必须花费大量的时间来记忆知识，所以找到一种能够提高记忆力的方法非常重要。 · 勤奋是找出答案的唯一方法。如果不努力学习，怎么能取得好成绩呢？ · 好的学习者是生来就具有更多的智力。学习不好往往是因为缺乏天赋。 · 只要方法好，任何人都可以成为学习高手。因此，每天收集各种“学习秘诀”是很有必要的。价值确定位于学习系统的中心，对整个学习系统的运行起着总体控制作用。与AI相比，控制AI世界一切的神奇力量是算法，它定义了机器工作应遵循的标准或规则。在人类世界中，起着同样作用的神奇力量就是决策，它决定着人类行为的选择和执行，进而影响态度、倾向和偏好，让每个个体在独特的轨道上不断奔跑。价值决策决定着人的行为模式乃至人生命运的方向。仍然来自《人工智能》（2001）。一个人的决定价值在哪里sions从何而来？它不是来自于长辈传授的道理，也不是书本上的知识，而是人的成长过程中多种因素综合作用的结果。它可以从家庭成员、老师的言行中得到启发，可以从与他人交往中得到的教训中得到，可以从一次难忘的成功或失败的经历中得到，也可以从偶像的一个故事或一句话中得到……在决策价值的形成过程中，信息上的知识影响较小，个人的实际感受和经历影响较大。此外，特殊的生活经历也会对价值决策产生重大影响。在学习系统中，价值判断处于核心地位，负责为驾驶识别、语义分析等其他四个模块提供心理支持。这是连接学习（认知心理学）和非认知心理学的主要枢纽逻辑。从宏观层面来看，价值决策往往决定了孩子的整体教育状况。如果决策价值有缺陷，孩子可能会表现出学习兴趣不足、学习动力不足、做事精力弱、自信心低、失败挫败感低等；如果决策早上好，孩子在学习上就会表现出明显的主动性，不怕困难和失败，有很强的心理韧性和自信心。从微观层面来看，价值决策无时无刻不在影响着孩子的学习过程。再想一想，当你遇到问题时，你会怎么想？大多数人都会有以下两种态度。重视困难情况下的决策。摘自《学习革命》内页 学生没有形成良好的价值判断怎么办？显然，仅仅谈论或说教是不够的。基于近三十年的教育实践经验我认为，我们需要帮助孩子克服三个障碍：情感障碍、意义障碍和方法论限制。情绪关系，即情绪管理，决定了个体在遇到问题和困难时能否克服负面情绪，平静自己，积极面对问题和困难；如果他能调节好自己的情绪，以最佳的张力应对当前的问题和困难，就不会少得奖和造成错误。连接的意义，即意味着赋权，是个体根据一定的参考标准客观地评价某一事件的意义或价值。例如，每个人对于学习的重要性、某一科目的价值以及考试的权重都有自己的一套定义或价值标准。方法相关，或者说获得方法，涉及到个人在面对问题时如何选择方法，以及通过坚持不懈的尝试找到解决方案的能力。在调整决策值的过程中，孩子们要按顺序“通过”三个关卡。正常情况下，他们是无法越级的。首先，我们要帮助孩子将情绪固定在良好的状态。只有这样，我们才能调整定义标准并探索解决方案。如果孩子总是沉浸在“我笨”的自卑感或者“学习太无聊”的学习厌烦中，我们就很难激发他大脑的理性思维。在这种情况下，我们再讨论标准的定义或者教学方法，很难影响对方。同样，即使学生进入了良好的情绪状态，如果没有正确的定义标准，比如无法在先做作业还是先玩手机之间做出适当的选择，那么他此时考虑如何解决学习问题也是毫无意义的。简而言之，无论具体的项目决策中存在问题，需要按照“情感问题、定义问题、方法问题”的顺序进行考察和排序。当然，任何一个层面的调整都会对其他两个层面产生积极的影响。孩子的意义标准改变后，更有利于唤起他的积极情绪，为他找到更有效的mga解决方案奠定基础；孩子的解决方法改进后，他的意义感会大大增加，并会引发良好的情绪。价值决定的内部结构。 “学习力革命”内页的图画接受了像人工智能这样的错误。我记得当Chatgpt刚在中国流行时，我在学校问了它一个基本的数学问题。起初Chatgpt像个无知的孩子一样给出了错误的答案。不过，经过我的提醒，它很快就意识到了问题所在。然后我把数字排列好，给它出了一道同类型的题。这次Chatgpt没有落入“陷阱”，明智地给出了正确答案。 ChatGPT呈现的学习能力令人惊叹，我不禁赞叹不已。他的回答是，“如果我犯了一个错误，我会从中吸取教训，并尽量不再犯同样的错误”，这让我思考。如果我们的孩子也有这样的决定权，能够积极面对错误，冷静地吸取教训，学习的路上还会有真正的困难吗？然而，现实中，很多孩子在被教导自己的错误后，会因为愤怒或羞耻而停止前进；很多孩子会因为一点小小的叛逆而不敢尝试而选择“躺下”。如果孩子能够学会快乐地接受错误，他们就会知道学习并不像他们想象的那么困难。但问题是，他们常常受到负面情绪的困扰，甚至难以唤醒自己。我曾经在网上看到一个机器人研究员的视频，他们给机器人设置了不同的障碍来测试它的反应。例如，当机器人向前行走时，突然受到一根棍子的攻击；当机器人刚蹲下举起一个箱子时，箱子突然被推开；当机器人终于举起盒子时，盒子无情地敲击着……天哪！如果是一个男人，受到这样的持续打击，肯定会倒下。然而，机器人却完全无动于衷。它只是一遍又一遍地重复它的动作，试图完成它的任务。人工智能不会因为爆发而感到不安，它一直在学习，并且从错误中学到更多。相比之下，人类儿童非常容易受到负面情绪的影响。想想看，有多少种情况会阻碍孩子读书呢？学习很无聊，觉得没意思，不想学习；考试没考好，心里难过，没有学习的心思；我和父母吵架，我感到愤怒，我无法读书；我担心考试，读不下去……仍然来自《人工智能》（2001）。这是为什么发生？认知心理学和认知神经科学研究发现，人类情绪就像认知活动的背景，对知觉、注意力、记忆等各种认知活动产生广泛的影响。这种效应主要表现为积极情绪和消极情绪对注意力转移功能和抑制阻止干扰刺激能力的不同影响。积极心理学家芭芭拉·弗雷德里克森认为，积极情绪可以增强人的主动性，使人更加开放和灵活，从而拥有更广泛的注意力和更高的创造性思维。目前，更多的实验研究也支持这一观点。在日常生活中利用AI参数方法激发学习动机，我们常常在不知不觉中做出价值决策。价值判断的定义是指人们在面对某种情境时选择决定自己行为的标准。规范是指人们的行为选择和行为模式。它就像人工智能模型中的一个参数，被分配了一定的值。这意味着什么？人工智能模型实际上是一种可以从输入数据中学习某种模式并根据该模式做出预测或决策的函数。参数决定函数如何处理输入数据以获得输出结果。对于AI模型来说，主要的学习是参数调整。同样，人类行为的研究也集中在参数调整上。这里的参数是值，配置的最终结果就是行为关联的标准。孩子在成长的过程中，不断地与他人或外部环境互动，从他们那里获取不同的信息。这些信息是用于训练孩子行为参数的数据。在这些数据的影响下，孩子们逐渐在头脑中理清各种意义标准，进而形成价值体系，最后形成关系。通过习惯形成稳定的个性化行为模式。所以，另一方面，当孩子的行为出现偏差时，我们应该思考的是其背后的标准的意义是什么，这些标准是否合理，以及如何修正。如果孩子的意义标准改变了，他的行为自然也会改变。 《全知读者的视角》剧照（2025）。有些孩子能够始终保持学习的热情。即使成绩下降或者遇到学习困难，他们也可以主动向老师和同学请教，积极寻求解决办法，直到问题解决。有学习热情的孩子，即使一开始的成绩并不突出，也会有很大的学习潜力。有的孩子学习却恰恰相反，一开始能学得很好，但遇到“瓶颈”后就很难崩溃，甚至从一门学科弱化到整体成绩下降。对象。为什么两种类型的孩子会有如此巨大的差异呢？这是因为他们对努力的意义有不同的理解。前者相信努力会帮助他们解决困难、提高技能、变得更好；后者认为努力的效果有限，学业成绩的好坏主要由天赋决定。斯坦福大学心理学教授卡罗尔·德韦克（Carol Dweck）将上述两种思维概括为两种思维模式：成长型思维模式和固定型思维模式。卡罗尔·德韦克教授通过监测、采访和研究数百名各个年龄段的儿童，发现了以下现象。固定型思维模式的人相信能力是与生俱来的，努力收效甚微。他们遇到挫折时喜欢找借口，并关注自己目前的表现。他们常常担心自己表现不好而直接放弃努力，想要留在自己的舒适区。固定心态是一种由恐惧驱动的思维模式。具有成长心态的人相信，能力可以通过后天的努力来提高。他们目标明确，热衷于学习，想要探索新事物，相信一切皆有可能，注重学习机会和进步空间。成长心态是一种成就驱动的心态。可以看出，成长型思维的孩子善于在逆境中为克服困难赋予积极的意义，更容易克服“意义障碍”。因此，我认为成长心态是调整“差距意义”的有效模式。在为孩子做出价值决定时，我专注于帮助他们塑造成长心态。区间的定义是价值决策的第二个环节，也是主要的一个环节。这将对孩子最终的学习产生重大影响。它需要前面是情感层面，后面是程序层面。如果一个孩子陷入了情感的障碍而无法摆脱，他往往是非理性的，那么意义的标准就无法对他产生影响。对于通过情绪测试并且还可以被赋予积极意义的bata来说，测试的意义会让他的情绪更加积极，让他在通过测试程序时更有动力。向人工智能学习，找到解决问题的方法。 “孩子的学习成绩没有提高，是因为他们的学习方法不对。”你想过吗？很多人认为，只要孩子掌握了正确的学习方法，就不需要担心学习成绩。然而，我却发现了一些不寻常的现象：有的孩子从大师那里学到了很多学习方法，但不知道如何运用；有的孩子从老师那里学到了很多学习方法，但不知道如何运用；有些孩子把学习方法讲得很清楚，但他们不会使用学习方法。实际学习时要注意。这是为什么？由于他们将学习方法作为表达性知识来学习，他们只记住了一些知识，而无法将其付诸实践。其实，技术是一种程序性知识，让使用者一遍又一遍地执行，并在实践中不断调整，真正实践其有效性。 《全知读者的视角》剧照（2025）。那么，在学习情境中，孩子如何掌握最有效的学习方法呢？它涉及一个决策过程。方法是价值决策的最后一个环节。它不是指具体的方法，而是指人们遇到问题或问题时寻找解决办法的方法。这实际上是一个反复试验、探索并最终找到解决方案的过程。当AI遇到难题时，通常会按照这样的思路处理：首先使用不同的算法设计大量可行的解决方案；然后调用程序一及时处理和解决；最后，比较各个解决方案的结果并选择最佳解决方案。举个例子来详细说明这一点。假设：您有一个智能衣柜助手，可以帮助您每天搭配旅行服装。有一天，你会对它说：“我想要一套适合今天季节的时尚服装。”这个问题对于这位乐于助人的衣柜助手来说是个新鲜事。因为今天的天气情况很特殊（比如大雨），以前从来没有遇到过。然后，它需要尝试不同的服装组合，并且会按照以下顺序进行： · 首先，它会选择基本的服装组合，例如牛仔裤和风衣。 · 接下来，它会尝试添加一些配饰，例如帽子或围巾，看看是否更合适。 ·然后还会考虑换鞋，把运动鞋换成靴子，以适应今天的天气情况。 · 最后，还可以尝试不同颜色的衣服，找到更时尚的搭配。以上只是基于“牛仔裤与风衣”基本搭配的巧妙衣柜助手的尝试。它会根据这个过程提出不同的搭配方案，最终选择合适且时尚的衣服组合推荐给你。 AI的计算速度比人类更快，它几乎可以进行“无限”的试错，直到找到最优解。人们倾向于根据现有的经验和知识进行较小规模的尝试。以上内容节选自《学习力革命》，对原文进行了桥接和修改。经出版商许可出版。原作者/引用宋绍伟/编辑何野/校对/张进/赵琳