高等教育如何在AI时代保持战斗力?

    21 世纪的第二个十年里,人工智能的进步,尤其是深度学习领域的进步,引发了新一轮的技术失业,给许多人带来了恐慌。
    一系列关于人工智能算法具有多么神奇能力之类耸人听闻的文章,以及公司高管模棱两可的言论,进一步加剧了这些恐惧,也让人们觉得人类级别的人工智能就在眼前。
    但冷静分析就会发现,过去几年的情况更多的是突显了当前人工智能技术的局限性。
    当前,为了防止新型冠状病毒的传播,全世界都采取了封锁隔离措施。那么,人工智能和机器人取代人类的承诺实现了吗?——答案是否定的。
    虽然人工智能还没有准备好取代人类,但不可否认的是,人工智能将改变就业前景,包括在那些以前被认为是自动化禁区的领域。
    人工智能虽不会淘汰人类,但它将重新定义经济,创造许多新的工作岗位,并淘汰一些旧的工作岗位,或使一些岗位不再依赖人类。
    美国东北大学校长 Joseph E． Aoun 在“Robot-Proof: Higher Education in the Age of Artificial Intelligence” 一书中,讨论了高校和高等教育机构将如何适应“将一切可预测的工作都进入机器的范畴”。
    Aoun 表示,为了在这种新的经济格局中保持与时俱进,高等教育需要进行重大调整。在 Robot-Proof 一书中,他为发展终身教育体系提供了一个路线图,让后代能够终其一生从事多种职业。
    人工智能何以与众不同?
    人工智能并非人类历史上首个改变人类工作方式的技术,像蒸汽机、电力、电话、铁路、汽车、飞机等技术的进步,都给人们的生产生活带来了根本性的变化。在每一次技术带来的变革中,人类的劳动都被一种能够更快速、更准确地完成工作的方法所取代。
    在每一次技术进步带来的产业变革中,旧工作岗位不断地随着新工作岗位的创造而消失。正如历史所示,人类通常不愿接受改变,但人们一直在做自己擅长的事情,那就是“适应”。历经一两代人的时间,人类改变了自己的生活习惯,学会了利用新技术,也使他们的生活更有效率。
    19 世纪中叶,人们无法想象世界上拥有数百万英里长的柏油路和快速行驶的汽车,同样,我们也无法想象没有这些设施的世界。
    在 20 世纪 60 年代,人们对第一台 ATM 机几乎并不信任,而如今,全球拥有数百万台 ATM 机。
    20 年前,还没有 Facebook 和 Twitter,而今天,它们已经成为全世界社会经济难题的基本组成部分。
    但让人工智能与众不同之处,在于它将带来的变革速度。人工智能本身不是一种产品,而是一种有助于完成许多不同任务的基础设施技术。吴恩达曾将人工智能描述为 "新的电力(new electricity)"。
    Aoun 教授在 Robot-Proof 一书中阐述道:"很明显,当前的数字革命不同于以往的技术飞跃,因为机器现在的潜在处理能力似乎没有了限制,它们的智能也没有了限制。在任何可预测的任务中,计算机都会让人类在认知上处于劣势,而且由于软件的复制成本很低,任何数字化的进步都可以瞬间在全世界范围内复制。"
    不过,"任何可预测的任务 "有些夸大其词。
    目前的人工智能算法在执行很多任务的过程中仍然表现得很差劲,特别是当现实世界中的任务与它们的训练实例偏离太多的时候。但 Aoun 说的没错,深度学习算法在很多领域表现得都比人类要好,尤其是当训练可以执行精确的分类和预测任务的深度神经网络时,如果有足够多的标注数据来训练模型,深度学习算法将表现出更加优越的性能。
    随着科学家们不断开发出新的方法和结构来克服算法的缺陷,人工智能算法擅长的领域还在继续扩大。
    TechTalks 创始人、软件工程师 Ben Dickson 曾表示,他也会反驳"计算机让人类处于认知劣势"这一说法,更准确的说法应该是,计算机让人类在 "计算 "方面表现出劣势。
    得益于计算机硬件的进步,在做同样一件事情时,人工智能算法可以只用人类用时的一小部分时间,就能在海量的数据中找到相关的模式。只要答案在数据中,无论是通过搜索还是模式匹配,由人类创造的、正确的人工智能算法都将超越人类的思维。
    这让我们得出了一个重要的结论:虽然人工智能不可能在短时间内完全取代人类,但它将填补人类的不足,加快人类执行任务的速度和准确性。
    在许多领域,这意味着我们最终将能够满足人类对专业知识不断增长的需求。网络安全就是一个例子,由于该行业需要越来越多的安全专家,来保障我们这个日益数字化的世界保持网络安全,因此这个行业存在着巨大的技术缺口。但是,在其他领域,如果供给已经满足需求,那么可能就会减少对人类专家的需求。
    Aoun教授提出的第三点,也是非常重要的一点,那就是任何数字化进步都可以在全球范围内被瞬间复制,这也是人工智能颠覆的核心所在。
    纯软件的解决方案并不依赖于昂贵的生产链,随着云计算和互联网的发展,连接变得无处不在,网络将迅速普及到每个人。这就是为什么人工智能带来的变革会比以前的技术革命更快得多。
    如何在AI时代保持战斗力?
    Aoun教授认为,人工智能带来的变化将要求高校和学生重新思考他们的教育模式。对于学生来说,一个关键目标将是找到自己区别于机器的方法。
    Aoun表示,事实是,机器在执行技术性工作方面会越来越好。因此,许多人都认识到,教育需要转变为一种终生追求,促使人们通过不断培训保持工作技能的提升,以做到事事领先于可能让他们丢掉饭碗的机器人一步。
    今天的求学者在未来二三十年将从事的许多工作岗位,可能现如今都不存在。这意味着高校必须重新定位自己,做到在学生的整个工作生涯中为他们服务。
    Aoun 教授呼吁建立一种新的教育模式,在授课方式、内容和教学环境上都要有所区别。
    关键的变化在于转向加强创造力的教育,这也是人类将继续超越的一个领域。人工智能算法在检索模式和基于数据进行预测方面的效率确实很高,但当涉及到抽象思维、常识和迁移学习时,还是人类占优势。
    这也是为什么人类只需要几个小时就能学会一个新的计算机游戏,而深度学习算法需要数千小时的游戏时间才能达到新手水平的原因。同时,人类可以快速将从一个领域学到的抽象概念应用到另一个领域,而对于人工智能来说,每一个新任务都是一个必须从头开始学习的全新挑战。
    Aoun 教授表示:"创造力与思维灵活性相结合使得我们与众不同,成为地球上最成功的物种,这一因素也将继续支持我们在经济社会行为中脱颖而出。无论在哪个领域,从事何种职业,人类所从事的最重要的工作都将是其创造性的工作。"
    防范机器人的教育模式
    Aoun 教授说:"防范机器人的高等教育模式,并不仅仅是用高难度的知识来填充学生的思维。与之相反,这种教育模式应该是对学生的思维引擎进行改造,用创造性的思维模式和思维灵活性来校准他们,使他们能够发明、发现或以其他方式生产出有价值的、被社会认可的东西。防范机器人教育模式的目标不是培养劳动者,而是培养创造者。"
    Aoun教授强调,高等教育应该采用一种更加强调 "体验式学习 "的模式,消除课堂与现实生活之间的界限。
    Aoun 说:"通常情况下,学生通过实习、带新实习、勤工俭学、全球体验、原创性研究机会等方式进行体验式学习。"体验式学习通过知识和现实经验相结合的方式,取代了学生被动吸收知识的学习方式,使得学生能够实现 "差异性转移"的实践学习。
    当学生能够将从一个情境中学习到的技能或知识,成功地应用到另一个情境中时,就会发生转移。当情境相似时,如诗歌和戏剧之间,就会发生近似转移。但是,当情境在很大程度上都不同时,如诗歌和公共关系之间,这个转移就相差甚远。
    Aoun 说:"当学生们遇到一个完全陌生的情境时,他们能够退一步,思考如何运用所学知识在这种场合下解决这一问题。"
    通过将课堂所学应用到工作实践中,学生们在合作项目中反复练习差异性转移学习,既巩固了他们的认知能力,也可以培养他们的批判性思维、系统思维、创业精神和文化敏捷性。
    到目前为止,人工智能转移学习的工作还仅限于非常狭窄的任务,比如在一组新的图像上调整一个训练好的图像分类器。对于人类而言,随着人工智能不断改变我们周围的世界,将抽象的概念从一个领域应用到另一个领域将成为人类不断学习新技能的关键。
    历史表明,人类非常不善于预测未来,我们不知道未来的人工智能将如何发展。但可以肯定的是,随着算法越来越智能,当前和下一代的求学者在获取新技能时,将会非常灵活和多才多艺。
    Aoun 在 Robot-Proof 一书中写道:"我们掌握差别性转移的潜力,就是我们相对于智能机器的竞争优势。"
    排版:邹静雯编审:王新凯