薛 貴 劉德建｜腦認(rèn)知科學(xué)和人工智能驅(qū)動的未來教育變革

近日，北京師范大學(xué)認(rèn)知神經(jīng)科學(xué)與學(xué)習(xí)國家重點實驗室教授薛貴與北京師范大學(xué)智慧學(xué)習(xí)研究院聯(lián)席院長劉德建博士，在《學(xué)術(shù)前沿》發(fā)表署名文章《腦認(rèn)知科學(xué)和人工智能驅(qū)動的未來教育變革》，文章介紹腦認(rèn)知科學(xué)和人工智能技術(shù)的發(fā)展趨勢，分析智能時代對人類生存和發(fā)展的新要求，重點闡述智能時代創(chuàng)新教育的設(shè)計原則和體系，最后就智能時代創(chuàng)新教育實踐的實施路徑給出建議。

 

據(jù)悉，《學(xué)術(shù)前沿》是人民日報社以國際權(quán)威大刊標(biāo)準(zhǔn)精心打造的中國頂級學(xué)術(shù)期刊，也是中文社會科學(xué)引文索引（CSSCI）來源期刊、全國中文核心期刊、中國人文社會科學(xué)期刊AMI綜合評價A刊核心期刊，連續(xù)三年榮獲國家哲學(xué)社會科學(xué)文獻(xiàn)中心“政治學(xué)最受歡迎期刊”，連續(xù)多年入選“復(fù)印報刊資料重要轉(zhuǎn)載來源期刊”，2023年被《新華文摘》全文轉(zhuǎn)載篇數(shù)在CSSCI來源期刊（含擴展版）中排名第四。

 

 

 

 

以下為文章原文——

 

摘要——

腦認(rèn)知科學(xué)與人工智能快速發(fā)展，推動人類社會加速向智能時代演進(jìn)，對人類生存發(fā)展能力提出了全新要求，也推動教育目標(biāo)和方式發(fā)生根本性變革。未來教育體系的設(shè)計需要突破知識傳遞的限制，以推動人類持續(xù)繁衍與進(jìn)化為目標(biāo)、以學(xué)習(xí)力培養(yǎng)為核心、以個性化按需學(xué)習(xí)為導(dǎo)向、以人腦學(xué)習(xí)規(guī)律為指導(dǎo)、以技術(shù)創(chuàng)新為依托，幫助個體培養(yǎng)有機的知識體系、強大的認(rèn)知能力和持久的學(xué)習(xí)動力。實現(xiàn)未來教育目標(biāo)，需要社會各界從教育政策、科學(xué)研究、教師教育、考試評價、課程設(shè)置和技術(shù)創(chuàng)新等方面協(xié)同行動，推動未來教育變革從理論走向?qū)嵺`。

 

教育通過傳授知識、培養(yǎng)技能和塑造價值觀來促進(jìn)個體的全面發(fā)展，并進(jìn)一步推動社會進(jìn)步和人類文明發(fā)展。隨著腦認(rèn)知科學(xué)和人工智能技術(shù)的不斷發(fā)展，世界正在加快進(jìn)入智能時代。在歷史上，每一次科技革命都對教育產(chǎn)生了深遠(yuǎn)的影響，推動了教育目標(biāo)、內(nèi)容、評價和技術(shù)的變革。如果說以蒸汽機發(fā)明和機械制造技術(shù)進(jìn)步為代表的第一次工業(yè)革命促進(jìn)了教育的普及和職業(yè)教育的興起，以電氣化和大規(guī)模生產(chǎn)為代表的第二次工業(yè)革命推動了學(xué)科的專業(yè)化，以信息化和自動化為代表的第三次工業(yè)革命推動了教育的信息化和個性化，那么腦認(rèn)知科學(xué)和人工智能推動的以智能化為代表的第四次工業(yè)革命則將從根本上改變教育的目標(biāo)、內(nèi)容和實現(xiàn)方式，從而帶來史無前例的教育底層變革。這是因為，不同于之前任何一次工業(yè)革命，智能化不僅將以更快的速度和在更大范圍內(nèi)推動技術(shù)變革和生產(chǎn)關(guān)系的改變，同時將第一次對人類最引以為傲的核心能力（即智力）和尊嚴(yán)構(gòu)成挑戰(zhàn)。未來已來，教育也必須迅速行動，以幫助兒童為未來做好準(zhǔn)備。在這樣的背景下，深入探討腦認(rèn)知科學(xué)和人工智能背景下的未來教育變革就顯得尤為重要與緊迫。本文將首先介紹腦認(rèn)知科學(xué)和人工智能技術(shù)的發(fā)展趨勢，分析智能時代對人類生存和發(fā)展的新要求；繼而，重點闡述智能時代創(chuàng)新教育的設(shè)計原則和體系；最后，就智能時代創(chuàng)新教育實踐的實施路徑給出建議。

 

腦認(rèn)知科學(xué)和人工智能技術(shù)的發(fā)展趨勢

 

腦認(rèn)知科學(xué)范式變革和前沿進(jìn)展。隨著神經(jīng)科學(xué)研究技術(shù)和方法不斷進(jìn)步，研究者能夠在前所未有的規(guī)模和分辨率上記錄和分析神經(jīng)細(xì)胞結(jié)構(gòu)、連接方式、基因表達(dá)和活動模式，這推動了人們對大腦結(jié)構(gòu)和功能的理解。在2020年被Nature Methods評為年度技術(shù)的空間轉(zhuǎn)錄組技術(shù)，可以清晰描述大腦的細(xì)胞類型，啟發(fā)其功能。結(jié)合空間轉(zhuǎn)錄組技術(shù)，研究者構(gòu)建了小鼠和靈長類動物的大腦細(xì)胞類型圖譜、初步刻畫了人類大腦圖譜以及海馬單神經(jīng)元的全腦空間組織投射。還有研究者結(jié)合空間轉(zhuǎn)錄組技術(shù)和顱內(nèi)腦電技術(shù)，將基因表達(dá)與腦振蕩聯(lián)系起來，確定了與記憶形成振蕩特征相關(guān)的基因。

 

在腦認(rèn)知領(lǐng)域，2017年Neuropixels的出現(xiàn)使得大規(guī)模記錄單個神經(jīng)元活動成為現(xiàn)實，幫助人們更好地理解大腦的復(fù)雜動態(tài)網(wǎng)絡(luò)。采用這種方法，研究者揭示了人腦在細(xì)胞層面如何編碼、理解和產(chǎn)生語言，甚至發(fā)現(xiàn)單個細(xì)胞就可以“聽懂”詞義。另外，采用先進(jìn)的分析思路，研究者也可以解析大腦復(fù)雜認(rèn)知功能的神經(jīng)機制，包括獼猴在空間序列記憶時的環(huán)狀結(jié)構(gòu)表征，前額葉通過增強和轉(zhuǎn)換記憶表征來減少干擾等，以及人類認(rèn)知地圖形成的機制。

 

腦認(rèn)知科學(xué)的進(jìn)展還帶來臨床應(yīng)用的突破。比如，腦機接口技術(shù)構(gòu)建了人腦和外部設(shè)備之間的直接信息橋梁，在動作、語言、精神疾病診斷、盲人重獲視力（如借助Neuralink的新產(chǎn)品Blindsight）、動作想象和思維等領(lǐng)域取得了廣泛進(jìn)展，從而被Nature提名為2024年七大關(guān)鍵科學(xué)技術(shù)之一。使用全新的雙向腦機接口技術(shù)，研究者可以通過對體感皮層的微刺激讓患者產(chǎn)生觸覺，使抓握物體所花費的時間從20.9秒減少到10.2秒，更接近健全人類能力。最新的語音腦機接口可以通過將嘗試講話引起的神經(jīng)活動解碼為文本或聲音，幫助癱瘓患者實現(xiàn)快速交流，解碼速度能達(dá)到每分鐘62個單詞；甚至還可以生成語音和虛擬形象，交流準(zhǔn)確率可以達(dá)到85%以上。

 

人工智能技術(shù)路線和最新進(jìn)展。近年來人工智能無論在AI芯片、網(wǎng)絡(luò)架構(gòu)和算法，還是在基礎(chǔ)和科學(xué)應(yīng)用領(lǐng)域都取得了較大進(jìn)展。在大家耳熟能詳?shù)膱D像識別、自然語言理解和強化學(xué)習(xí)等三大基礎(chǔ)領(lǐng)域，人工智能更是取得了令世人矚目的進(jìn)步。隨著2013年Word2Vec等詞嵌入技術(shù)的出現(xiàn)，以及后來的長短時記憶網(wǎng)絡(luò)和注意力機制的廣泛應(yīng)用，機器對自然語言的理解程度得到極大加深。Transformer模型通過自注意力機制（Self-Attention Mechanism）能夠捕捉序列數(shù)據(jù)中長距離依賴的關(guān)系。隨后幾年里，基于Transformer的大規(guī)模預(yù)訓(xùn)練語言模型迅速崛起，極大提高了自然語言理解和生成能力。在大模型基礎(chǔ)上，通過微調(diào)（Fine-Tuning）的方式適應(yīng)各種下游任務(wù)，極大地拓展了大語言模型的應(yīng)用范圍。另外，將圖神經(jīng)網(wǎng)絡(luò)與多模態(tài)學(xué)習(xí)結(jié)合，AI能更好地理解和生成復(fù)雜的人類語言和視覺場景，推動了Midjourney V5、ChatGPT-4o和Sora等多模態(tài)理解和場景生成的應(yīng)用。在強化學(xué)習(xí)領(lǐng)域，繼2016年DeepMind公司開發(fā)的AlphaGo戰(zhàn)勝圍棋世界冠軍李世石之后， 2019年AlphaStar又在《星際爭霸2》中戰(zhàn)勝了人類頂級選手， 2020年DeepMind開發(fā)的MuZero，不僅在圍棋，還在國際象棋和日本將棋等項目上展現(xiàn)出超越人類的游戲策略。

 

除了這些通用領(lǐng)域的應(yīng)用，AI for Science是另一片人工智能大展身手的領(lǐng)域。AI在生物、化學(xué)、數(shù)學(xué)、神經(jīng)乃至考古等領(lǐng)域取得了重大的進(jìn)展。比如，DeepMind團隊開發(fā)的幾代AlphaFold破解了蛋白質(zhì)結(jié)構(gòu)這一困擾學(xué)界數(shù)十年的難題。2024年6月，Evolutionary Scale AI發(fā)布蛋白質(zhì)語言模型ESM3，支持蛋白質(zhì)序列、結(jié)構(gòu)和功能這三種模態(tài)的任意組合轉(zhuǎn)換。團隊用其設(shè)計出新型綠色熒光蛋白，而自然界可能需要5億年進(jìn)化才能產(chǎn)生這樣的結(jié)果。2023年12月，DeepMind用AI研究數(shù)學(xué)中的帽子集問題，發(fā)現(xiàn)了新的大型帽子集構(gòu)造。2024年1月，AlphaGeometry可以解答國際數(shù)學(xué)奧林匹克30道題目中的25道，達(dá)到競賽金牌得主的水平；2024年5月，MIT科學(xué)家用AI發(fā)現(xiàn)了3個新的可積偏微分方程。

 

腦認(rèn)知科學(xué)和人工智能的協(xié)同發(fā)展。腦認(rèn)知科學(xué)與人工智能在各自取得迅猛發(fā)展的同時，近年來也逐步融合并相互促進(jìn)。一方面，人工智能可以為腦認(rèn)知科學(xué)提供強大的分析和解釋工具。比如，通過深度學(xué)習(xí)算法模擬人腦的神經(jīng)活動，可以實現(xiàn)對人腦如何進(jìn)行圖像識別、自然語言處理、語音識別以及視頻觀看等的解釋和預(yù)測。從人工智能算法中獲取啟發(fā)，科學(xué)家還能解析大腦的計算過程，發(fā)現(xiàn)人腦中遞歸的網(wǎng)絡(luò)架構(gòu)有助于快速識別物體、嬰兒可以通過無監(jiān)督學(xué)習(xí)進(jìn)行圖像識別以及額頂皮層在語言加工中存在高層次、長時程的預(yù)測性編碼等現(xiàn)象。

 

另一方面，腦認(rèn)知科學(xué)可以深入評估人工智能的能力特征，理解其作用機制，啟發(fā)新的人工智能算法。認(rèn)知科學(xué)建立了完善的評估方法論用以準(zhǔn)確評估模型的能力，提供了多維度的基準(zhǔn)測試。比如，研究發(fā)現(xiàn)以ChatGPT為代表的大語言模型在瑞文矩陣推理、情感識別、文本注釋等多項能力上接近甚至超越人類表現(xiàn)，以及表現(xiàn)出與人類非常相似的心智理論模式。然而，模型在復(fù)雜類比推理、因果推理以及言語推理和計劃等方面仍有待提高。更為重要的是，認(rèn)知科學(xué)通過研究心智、大腦和行為，為人工智能提供了重要的理論基礎(chǔ)和靈感。早期的人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)借鑒了神經(jīng)元和視覺系統(tǒng)的工作原理，主流的Transformer則模仿了人類選擇性注意的方式，最新的GPT模型結(jié)合了基于人類反饋的強化學(xué)習(xí)機制（Reinforcement Learning from Human Feedback, RLHF）。還有研究發(fā)現(xiàn)，在神經(jīng)網(wǎng)絡(luò)中引入人類的元學(xué)習(xí)方法可以讓模型表現(xiàn)出與人類相似的系統(tǒng)性和靈活性；模擬海馬和內(nèi)嗅皮層的工作機制，可以成功實現(xiàn)認(rèn)知地圖的形成。最后，通過人類思維鏈（chain-of-thought）的方式給予GPT提示，可以顯著提高模型在任務(wù)中的表現(xiàn)。

 

可以看到，腦認(rèn)知科學(xué)和人工智能作為兩個前沿領(lǐng)域，近年來取得了飛速進(jìn)步。一方面，腦認(rèn)知科學(xué)通過刻畫神經(jīng)元集群和環(huán)路層面的大腦結(jié)構(gòu)和功能，正在深入揭示人腦智能的機制，推動大腦解碼（讀腦）和調(diào)控（寫腦）的相關(guān)研究及快速落地；另一方面，人工智能在硬件和算法架構(gòu)、基礎(chǔ)大模型和行業(yè)應(yīng)用，以及專業(yè)和科學(xué)領(lǐng)域也取得了很大進(jìn)展，正在日益推動各個行業(yè)的深度變革。隨著腦認(rèn)知科學(xué)和人工智能的深度融合，人類社會將很快進(jìn)入全面智能時代。

 

智能時代對人類生存和發(fā)展的新要求

 

時代演變帶來的是不斷變化的挑戰(zhàn)和機遇，也對個體能力提出了全新的要求。理解不同時代的特征和對能力的需求，能夠讓人們更好地應(yīng)對變化并保持競爭力。農(nóng)耕時代大約從公元前9000年至17世紀(jì)（在不同地區(qū)開始和結(jié)束的時間有所不同），是以農(nóng)業(yè)為主要經(jīng)濟活動的時期。社會結(jié)構(gòu)以家庭和部落為單位，生產(chǎn)活動依賴自然環(huán)境和勞動力。這個時代要求人擁有強壯的體力和長時間的耐力，掌握種植、養(yǎng)殖、灌溉等農(nóng)業(yè)技能，強調(diào)家庭和社區(qū)合作，互助勞作是常態(tài)。特別是水稻的種植所需要的灌溉系統(tǒng)的建立，需要廣泛的人際合作，中國南方人民合作精神的建立即是典型例子。

 

工業(yè)時代開始于18世紀(jì)的第一次工業(yè)革命（1760年～1840年），其主要特征是機械化生產(chǎn)、大規(guī)模工廠和城市化。工業(yè)時代要求人具有操作和維護(hù)機器的技能，機械工程和技術(shù)知識變得重要。特別是從機械化到電氣化的發(fā)展，對體能的要求逐步降低，但對專業(yè)分工和效率的要求越來越高。這就要求勞動者具有較高的基礎(chǔ)素質(zhì)，閱讀和書寫能力成為必需；同時也強調(diào)人的紀(jì)律性和守時性，按時上下班、嚴(yán)格遵守規(guī)章制度。亞當(dāng)·斯密（Adam Smith）在《國富論》中強調(diào)了勞動分工的重要性，認(rèn)為產(chǎn)業(yè)工人需要高度的專業(yè)化技能以提高生產(chǎn)效率。工業(yè)時代對基礎(chǔ)教育、專業(yè)技能、分工合作和紀(jì)律性的強調(diào)，成為現(xiàn)代教育體系設(shè)計的關(guān)鍵考量，其影響一直持續(xù)至今。

 

從20世紀(jì)末開始，人類進(jìn)入了信息化時代。信息和通信技術(shù)（ICT）快速發(fā)展，互聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)顯著改變了人們的生活和工作方式。這個時代要求人具備數(shù)字素養(yǎng)，掌握使用計算機和互聯(lián)網(wǎng)以及應(yīng)對信息冗余的能力。比爾·蓋茨就一直強調(diào)編程、數(shù)據(jù)分析等技能的重要性，他指出，創(chuàng)新和快速適應(yīng)變化能力是適應(yīng)信息化時代的關(guān)鍵。同時，面對信息化時代的復(fù)雜問題（如全球化、網(wǎng)絡(luò)安全等），需要人們具備系統(tǒng)思維和解決復(fù)雜問題的能力。世界經(jīng)濟論壇（WEF）在《未來就業(yè)報告》中提到，信息時代的勞動力需要具備“復(fù)合技能”，如復(fù)雜問題解決、批判性思維和情緒智能。然而，雖然教育信息化在技術(shù)層面逐步普及，但當(dāng)下的教育內(nèi)容和目標(biāo)卻還遠(yuǎn)沒有滿足信息時代對人的要求。

 

更具有挑戰(zhàn)的是，隨著科技的不斷發(fā)展，世界正在加快進(jìn)入智能時代，從而對人提出更為不同的要求。

 

第一，智能時代更加突出人腦智能的價值。前文提到，腦認(rèn)知科學(xué)和人工智能在理解大腦運行模式的基礎(chǔ)上，還在模仿大腦的工作方式，在大數(shù)據(jù)和強計算支持的弱人工智能基礎(chǔ)上，將進(jìn)一步實現(xiàn)通用的強人工智能。正如工業(yè)革命后機器替代了大量的體力勞動，智能時代來臨人工智能會替代大量的技能勞動，包括生產(chǎn)線工人、汽車司機、外語翻譯、職業(yè)棋手、初級會計、律師、程序員、外科醫(yī)生等。以前人們認(rèn)知中的創(chuàng)新勞動，比如原畫師，甚至某些專業(yè)的科學(xué)領(lǐng)域，包括數(shù)學(xué)、化學(xué)、生物、考古等，其中部分有明確定義的邊界和目標(biāo)、可以依據(jù)大數(shù)據(jù)進(jìn)行計算和預(yù)測的領(lǐng)域勞動也逐步被人工智能所取代。這些新的變化迫使人們更加深入地思考人腦智能的本質(zhì)，并不斷提高智能的水平。如何突出人腦智能的優(yōu)勢，實現(xiàn)人腦智能和人工智能協(xié)作共生，教育必將在其中承擔(dān)更大責(zé)任，也必須作出重要變革。

 

第二，智能時代更加強調(diào)個體的學(xué)習(xí)能力。在人工智能時代，知識的爆炸式增長將成為常態(tài)，職業(yè)和工作的更迭也將更加頻繁，從而更加強調(diào)新知識技能的學(xué)習(xí)。依托互聯(lián)網(wǎng)以及生成式人工智能，知識獲取更加便捷高效；基于人工智能的知識圖譜構(gòu)建，知識分析和整合也更加精確；穿戴式甚至微創(chuàng)侵入式腦機接口將使得人機協(xié)作更加自然順暢。在這個背景下，生僻的知識、碎片化的知識、僵化的知識將失去在大腦中存儲的意義，而系統(tǒng)的知識、廣泛聯(lián)系的知識、能靈活應(yīng)用的知識才是能支撐創(chuàng)新問題解決的知識，才是人腦最值得識記的知識，也才是教育需要重點傳授的知識。同時，知識獲取的場所也從教室擴展到全空間，獲取的媒介從書本拓展到混合現(xiàn)實，獲取的途徑從被動接受拓展到主動構(gòu)建。因此，傳統(tǒng)的知識教育模式必將進(jìn)行重大變革，旨在培養(yǎng)強大的學(xué)習(xí)能力以及“學(xué)會學(xué)習(xí)”的學(xué)科也將變成像語文、數(shù)學(xué)等一樣的、人人必修的基礎(chǔ)學(xué)科。

 

第三，智能時代更加青睞綜合和專項知識技能兼具的T型人才。隨著知識獲取容易程度的提高，以及共用智能工具平臺的涌現(xiàn)，一個人能掌握的知識和使用的工具將越來越多。因此，掌握多學(xué)科領(lǐng)域知識，熟練使用多種工具的個體會越來越多，他們將展現(xiàn)出更大的競爭優(yōu)勢。未來，一個人將承擔(dān)多個人的角色，從而降低人際溝通和團隊管理的成本；少數(shù)人甚至一個人的企業(yè)在市場中將擁有更大的靈活性、更高的效率以及更強的競爭力。除了掌握多種知識和技能外，如果個體在某些特定領(lǐng)域擁有超過AI的專業(yè)技能，成為某個領(lǐng)域的頂尖專業(yè)人才，能夠創(chuàng)新知識產(chǎn)品，將具有更強大的競爭優(yōu)勢。從這個意義上講，智能時代更加青睞擁有綜合和專項能力的T型人才。

 

第四，智能時代將對個人成長動力提出更高要求。生命長度的增加和知識演變的加速讓一勞永逸式的學(xué)習(xí)成為過去。終身學(xué)習(xí)不僅是高品質(zhì)生活的必然要求，更是個體在未來生存和發(fā)展的前提。一方面，雖然腦認(rèn)知科學(xué)與人工智能的發(fā)展在客觀上能提高個體學(xué)習(xí)效率，但也極大地加劇了競爭的激烈程度，提高了取得競爭優(yōu)勢的門檻，從而對人的學(xué)習(xí)動力和耐力提出了更高的要求；另一方面，基于人工智能技術(shù)的消費品正在精準(zhǔn)地“劫持”個體的獎賞系統(tǒng)，通過高脂高糖食品、高情緒價值商品、沉浸式虛擬游戲、個性化短視頻推送、便捷的購物體驗、針對性廣告，乃至定向推送的消費貸，助推消費主義和享樂主義，分散精力并消磨意志，還可能導(dǎo)致抑郁焦慮等精神心理問題。因此，未來影響個人終身發(fā)展的最大挑戰(zhàn)不是資源的多少，而是個體是否擁有抵制誘惑的強大意志力和渴望成長的強大動力。

 

可以看到，智能時代將帶來全新的社會和經(jīng)濟形態(tài)，也對人的能力構(gòu)成提出了全新要求。同農(nóng)耕時代、工業(yè)時代和信息時代不同，智能時代要求人擁有更強大的智能、學(xué)習(xí)能力和學(xué)習(xí)動力，才能掌握多領(lǐng)域的知識和技能，在某些專業(yè)領(lǐng)域開拓創(chuàng)新并出類拔萃，抵擋誘惑并努力實現(xiàn)個人成長目標(biāo)。從這個意義上講，教育的目標(biāo)應(yīng)該遠(yuǎn)遠(yuǎn)超越傳統(tǒng)的知識講授，并回歸到支撐人類生存和發(fā)展的最底層能力，也就是人類適應(yīng)快速變化的不確定環(huán)境的能力，這也是未來教育要遵循的第一性原理。

 

智能時代的創(chuàng)新教育體系設(shè)計

 

教育是為未來培養(yǎng)人才。處在迅猛發(fā)展變化的時代，教育必須未雨綢繆、提前行動，這已經(jīng)成為了社會的廣泛共識。歷史上，應(yīng)對科技和社會的變革，教育也作出了積極的應(yīng)對。因應(yīng)工業(yè)革命而產(chǎn)生的教育1.0，是傳統(tǒng)的教師主導(dǎo)型教育。其主要特征是以教師為中心，教師是知識的主要傳授者，學(xué)生主要是被動接受者。同時采用固定的教材和標(biāo)準(zhǔn)化的考試。在教育2.0階段，教育所指向的學(xué)習(xí)則是以學(xué)生為中心的主動學(xué)習(xí)。其主要特征是強調(diào)學(xué)生的主動性和參與感，鼓勵自主學(xué)習(xí)，倡導(dǎo)教師與學(xué)生、學(xué)生與學(xué)生之間的互動，同時采用更加豐富的學(xué)習(xí)資源，以及項目、論文、實踐等更加多元的評估形式。信息技術(shù)的引入推動了教育3.0的發(fā)展，互聯(lián)網(wǎng)、計算機、多媒體等廣泛應(yīng)用于教育，在線學(xué)習(xí)，個性化學(xué)習(xí)和數(shù)據(jù)驅(qū)動成為其主要特征。那在智能時代，我們需要什么樣的教育呢？

 

一些專家強調(diào)科技進(jìn)步對教育的促進(jìn)作用，提出了教育4.0的概念。在教育4.0階段，智能化與全方位個性化教育成為主要特征。AI和大數(shù)據(jù)可以提供超個性化的學(xué)習(xí)路徑和資源，VR和AR則能夠提供沉浸式和實踐性的學(xué)習(xí)體驗。正如世界經(jīng)濟論壇在2024年4月的報告中指出，AI如一把雙刃劍，給未來教育帶來了巨大挑戰(zhàn)的同時，也有助于應(yīng)對教育的問題。為應(yīng)對挑戰(zhàn)，未來教育需要聚焦全球公民技能（global citizen skills）、創(chuàng)新和創(chuàng)造技能（innovation and creativity skills）、技術(shù)技能（technology skills）、人際交往技能（interpersonal skills）。而AI也能夠推動個性化的自適應(yīng)學(xué)習(xí)（personalized and self-paced learning）、可獲得與包容性的學(xué)習(xí)（accessible and inclusive learning）、問題導(dǎo)向的合作學(xué)習(xí)（problem-based and collaborative learning），以及學(xué)生驅(qū)動的終身學(xué)習(xí)（lifelong and student-driven learning）�？梢�，教育4.0的核心在于實現(xiàn)個性化和自驅(qū)動的學(xué)習(xí)，以使個體更好掌握未來所需的核心技能。

 

教育4.0是否能成為未來教育的答案呢？前文提到，腦認(rèn)知科學(xué)和人工智能所推動的智能化革命，和之前的任何一次技術(shù)革命都有著顯著的不同。依據(jù)慣性和線性思維所設(shè)想的未來教育，可能無法真正全面反映時代變化的趨勢，以及對教育的全新需求。設(shè)計智能時代的教育體系，需要遵循全新的理念。這里，我們重點從五個方面進(jìn)行討論。

 

思維破界為前提。腦認(rèn)知科學(xué)和人工智能的快速發(fā)展趨勢，以及對人的能力要求的根本變化，要求我們?nèi)�面突破�?xí)慣思維的模式，跳出傳統(tǒng)教育的框架，從第一性原理來重新認(rèn)識教育的作用，這是真正實現(xiàn)教育變革的前提。

 

第一，未來教育需要突破知識傳遞的界限，轉(zhuǎn)向推動人類傳承和進(jìn)化的根本任務(wù)。智能時代的加速到來，給人類帶來翻天覆地的變化。知識迭代的加快、知識范圍的擴增、知識獲取的便利，都極大地降低了通過正規(guī)教育來獲得有限范圍、標(biāo)準(zhǔn)化知識的必要性�，F(xiàn)有教育體系中所規(guī)定的全員必須掌握的基礎(chǔ)知識，不僅缺乏系統(tǒng)科學(xué)的論證，也無法適應(yīng)時代發(fā)展的需求。而人類面臨的成長動力缺失、心理健康危機等更加嚴(yán)峻的考驗，迫切需要通過教育的變革來積極應(yīng)對。從這個意義上來講，教育的目的應(yīng)該從傳遞知識和技能轉(zhuǎn)向推動人類繁衍和進(jìn)化。這是教育使命的一個巨大轉(zhuǎn)變，也指引著未來教育變革的方向。

 

第二，未來教育需要突破傳統(tǒng)學(xué)科專業(yè)的界限，實現(xiàn)多學(xué)科和跨學(xué)科的教育創(chuàng)新。教育的學(xué)科劃分是基于工業(yè)時代的勞動分工而建立起來的。無論從大腦知識存儲的原理、學(xué)科發(fā)展趨勢、社會需求變化，還是人類發(fā)展需求來看，這種學(xué)科劃分的必要性都在日益降低。從知識獲取上看，跨學(xué)科的主題式、項目制學(xué)習(xí)將能更好促進(jìn)知識體系的形成和靈活應(yīng)用；從學(xué)科發(fā)展上看，學(xué)科交叉融合將是創(chuàng)新的源泉；從社會需求上看，未來專業(yè)分工將更加模糊，多專業(yè)和跨專業(yè)將更加普遍；從人類發(fā)展上看，教育需要從對人的知識技能的培養(yǎng)轉(zhuǎn)向?qū)θ说木C合培養(yǎng)，除了傳統(tǒng)的數(shù)學(xué)、語文、英語、物理、地理、生物、化學(xué)、計算機等基礎(chǔ)學(xué)科之外，如體育和健康科學(xué)、心理學(xué)、認(rèn)知科學(xué)與神經(jīng)科學(xué)、社會學(xué)以及其他更多與人相關(guān)的人文學(xué)科將更能促進(jìn)個人發(fā)展。

 

第三，未來教育需要突破教育方式的邊界，實現(xiàn)大腦塑造的全景教育。面臨智能時代的挑戰(zhàn)，教育的根本任務(wù)是提升人的學(xué)習(xí)能力，其本質(zhì)是對大腦的科學(xué)塑造。除了傳統(tǒng)的教育教學(xué)活動，還有很多的方式可以實現(xiàn)對大腦的科學(xué)塑造。比如，除了知識的講授，通過動手實踐不僅有助于知識的掌握，還有助于技能的習(xí)得；體育鍛煉，特別是有氧運動，是強身健體、調(diào)節(jié)情緒、鞏固記憶的有效方法；充足有效的睡眠是改善情緒、提升注意力和學(xué)習(xí)記憶的有效策略；基于大腦的學(xué)習(xí)原理的計算機游戲是提高學(xué)習(xí)動機和學(xué)習(xí)效率的科學(xué)方式；當(dāng)然，對大腦活動的直接調(diào)控，如采用藥物、神經(jīng)反饋和腦刺激等方式，雖然目前更多用于腦功能疾病治療、障礙康復(fù)以及學(xué)習(xí)困難矯正中，但未來在充分考慮安全和倫理的前提下，也將有可能應(yīng)用到正常人群的學(xué)習(xí)能力增強中。

 

最后，未來教育需要突破教育技術(shù)的邊界，實現(xiàn)符合大腦規(guī)律的高效教育。雖然信息技術(shù)和人工智能正在快速地改變教育樣態(tài)，但目前更多表現(xiàn)為技術(shù)能力，而更少考慮學(xué)習(xí)的規(guī)律和需求；更多注重數(shù)據(jù)的采集，而缺少有效分析和規(guī)律提取，沒有完成從數(shù)據(jù)到證據(jù)的轉(zhuǎn)化。為真正實現(xiàn)技術(shù)賦能的未來學(xué)習(xí)，一方面，需要更加突出腦認(rèn)知科學(xué)的重要地位。腦認(rèn)知科學(xué)不僅能夠為人工智能和大數(shù)據(jù)提供理論基礎(chǔ)和關(guān)鍵指標(biāo)，還能提供直接高效的技術(shù)，包括數(shù)據(jù)采集技術(shù)、指標(biāo)分析技術(shù)、評估診斷技術(shù)、干預(yù)訓(xùn)練技術(shù)等。另一方面，需要打破技術(shù)壁壘，實現(xiàn)腦認(rèn)知科學(xué)與物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能技術(shù)的深度有機融合，這將為未來教育提供強大技術(shù)支撐。

 

能力提升為核心。未來究竟需要什么樣的能力？傳統(tǒng)做法是基于對未來趨勢的洞察，定義一系列能夠符合未來社會形態(tài)的能力和素養(yǎng)體系，比如教育4.0所強調(diào)的技能素養(yǎng)、人際交往、全球意識，等等。雖然這樣的預(yù)測具有積極的意義，但也往往存在明顯的局限。這是因為人類往往高估短時間技術(shù)變革的影響，而低估長時間技術(shù)變革的力量。特別是基于腦認(rèn)知科學(xué)和人工智能技術(shù)的迅猛發(fā)展，未來社會形態(tài)必然會加速演變。對科學(xué)技術(shù)進(jìn)步、社會生產(chǎn)組織形態(tài)、人際交往模式乃至國際競爭形勢的預(yù)測，都會面臨極大的不確定性。

 

面對復(fù)雜多變，難以預(yù)測的未來世界，我們究竟需要什么樣的能力呢？對于這個問題，我們或許可以從人類漫長的進(jìn)化歷史中尋求啟示。人類經(jīng)過幾百萬年的進(jìn)化，大腦體積明顯增大，認(rèn)知能力顯著提高，知識技能獲取速度極大加快。盡管如此，個體在成長過程中所獲取的知識并不能通過基因遺傳給后代。嬰兒在出生的時候，除了本能行為，頭腦中并沒有外顯的知識和技能，包括語言、運動和社會交往，等等。相反，嬰兒卻擁有異常強大的學(xué)習(xí)能力，確保其在世界任何地方都能學(xué)會當(dāng)?shù)氐恼Z言，適應(yīng)當(dāng)?shù)氐淖匀缓蜕鐣�環(huán)境，熟悉當(dāng)?shù)氐奈幕�，掌握生存和發(fā)展的技能。這種強大的學(xué)習(xí)能力就是人類能夠以不變應(yīng)萬變，在數(shù)百萬年復(fù)雜的氣候環(huán)境變化中得以生存的根基，也應(yīng)該成為我們要重點強調(diào)的在未來快速多變的時代所要具備的關(guān)鍵底層能力。

 

未來人類所需具備的關(guān)鍵底層能力就是人類強大的學(xué)習(xí)力。學(xué)習(xí)力這個概念最早由美國麻省理工學(xué)院的佛睿斯特（Jay Forrester）于1965年在《一種新型的公司設(shè)計》一文中提出。20世紀(jì)90年代中期，學(xué)習(xí)力逐漸成為一項前沿的管理理論，被廣泛應(yīng)用在企業(yè)管理和企業(yè)文化領(lǐng)域。在教育學(xué)領(lǐng)域中，學(xué)習(xí)力是一個新的概念。國內(nèi)外的研究者對其內(nèi)涵的一般定義為：一個人的學(xué)習(xí)動力、學(xué)習(xí)毅力、學(xué)習(xí)能力和學(xué)習(xí)創(chuàng)新力的總和，是人們獲取知識、分享知識、運用知識和創(chuàng)造知識的能力。聯(lián)合國教科文組織出版的《學(xué)會生存》一書中提出：“未來的文盲不是目不識丁的人，而是沒有學(xué)會怎樣學(xué)習(xí)的人。”

 

對學(xué)習(xí)力的要素，英國布里斯托爾大學(xué)Claxton教授于2002年首先提出了學(xué)習(xí)力構(gòu)成的四個要素“4R”：堅韌力（resilience）、策應(yīng)力（resourcefulness）、反省力（reflection）、關(guān)系力（relationships）。在此基礎(chǔ)上，英國ELLI項目進(jìn)一步豐富了學(xué)習(xí)力的構(gòu)成要素，提出了七要素理論，分別是：變化和學(xué)習(xí)（changing and learning）、批判性好奇心（critical curiosity）、意義形成（meaning making）、創(chuàng)造性（creativity）、學(xué)習(xí)關(guān)系（learning relationships）、策略意識（strategic awareness）、堅韌力（resilience）。美國哈佛大學(xué)Kirby教授在長期的教學(xué)實踐中豐富了學(xué)習(xí)力的內(nèi)涵，并于2005年出版了專著《學(xué)習(xí)力》。他認(rèn)為學(xué)習(xí)力應(yīng)該是一個包括學(xué)習(xí)動力、學(xué)習(xí)態(tài)度、學(xué)習(xí)方法、學(xué)習(xí)效率、創(chuàng)新思維和創(chuàng)造力的綜合體。

 

在總結(jié)學(xué)習(xí)力的既有研究，結(jié)合腦認(rèn)知科學(xué)的發(fā)現(xiàn)后，我們從腦科學(xué)的視角提出了面向未來的學(xué)習(xí)力的三大要素，包括有機的知識體系、強大的認(rèn)知能力和持久的學(xué)習(xí)動機。其中有機知識體系，是指能夠從具體到抽象之間形成多個層級，各層級內(nèi)部和層級之間緊密聯(lián)系，從而構(gòu)成復(fù)雜的、有結(jié)構(gòu)性的知識網(wǎng)絡(luò)，進(jìn)而加快新知識掌握的速度，促進(jìn)知識的遷移、靈活應(yīng)用和創(chuàng)新。人腦的感知運動皮層、顳葉皮層和頂下小葉等區(qū)域構(gòu)成了人腦有機知識知識存儲的主要生理載體。強大的認(rèn)知能力是指人們獲取和加工信息并且創(chuàng)造知識的一系列認(rèn)知能力的組合，包含了信息的選擇（注意力）、短時存儲（短時記憶）、分析與加工（計劃與推理）、更新與抑制（執(zhí)行功能）、長時保存和轉(zhuǎn)化（長時記憶）以及元認(rèn)知監(jiān)控等成份。這些高級的認(rèn)知功能主要由大腦前額葉及其所在的執(zhí)行控制網(wǎng)絡(luò)來完成。持久學(xué)習(xí)動機則包含了充滿激情、熱愛和好奇，渴望成長的動力系統(tǒng)；善于調(diào)節(jié)情緒、控制沖動、延遲滿足，擁有強大復(fù)原力和堅韌力的控制系統(tǒng)；追求卓越，擁有明確的人生目標(biāo)和意義的方向系統(tǒng)。這個部分需要大腦古老的邊緣系統(tǒng)和最近進(jìn)化的內(nèi)側(cè)前額葉系統(tǒng)的共同作用。

 

大量的研究表明，學(xué)習(xí)力不僅是預(yù)測一個學(xué)生學(xué)習(xí)成績的重要指標(biāo)，更是預(yù)測個體長遠(yuǎn)發(fā)展，包括職業(yè)、收入、生活滿意度，甚至身體健康和壽命的關(guān)鍵。因此，基于腦認(rèn)知科學(xué)的學(xué)習(xí)力體系，不僅可以幫助學(xué)生適應(yīng)未來，也能夠解決當(dāng)下的現(xiàn)實需求，從而實現(xiàn)教育中短期目標(biāo)和長遠(yuǎn)目標(biāo)的協(xié)調(diào)統(tǒng)一，以及應(yīng)試教育和素質(zhì)教育協(xié)調(diào)統(tǒng)一。

 

按需學(xué)習(xí)為導(dǎo)向。每個人的大腦都是獨一無二的，這是個人獨特的基因和環(huán)境因素共同作用的結(jié)果，也是人腦充分成熟的標(biāo)志。腦功能影像的研究發(fā)現(xiàn)，成人個體的腦功能連接模式具有獨特的特征。就像指紋一樣，我們也可以通過個體的腦網(wǎng)絡(luò)連接模式來準(zhǔn)確識別個人。這種大腦結(jié)構(gòu)和功能的獨特性，是個性化的教育底層生物基礎(chǔ)。近年來，“內(nèi)卷”現(xiàn)象在教育領(lǐng)域表現(xiàn)得尤為明顯，主要特征表現(xiàn)為社會、學(xué)校和家庭以單一和統(tǒng)一的標(biāo)準(zhǔn)為目標(biāo)，在狹窄的賽道激烈競爭，從而導(dǎo)致學(xué)生壓力過大，身心健康遭受威脅。而個性化教育被認(rèn)為是破解教育內(nèi)卷的最有效方法。因人而異、因材施教，這不僅是教育的理想狀態(tài)，更是教育的最終目標(biāo)；這不僅是尊重個體差異、充分實現(xiàn)個人潛能的重要途徑，也是破除教育內(nèi)卷的必然要求。而學(xué)生數(shù)量減少和人工智能技術(shù)的應(yīng)用普及將大大提升個性化教育的可行性。未來，按需學(xué)習(xí)將成為一種必然的學(xué)習(xí)范式，學(xué)習(xí)者可以在自然情境中，根據(jù)多樣化的學(xué)習(xí)需求，滿足多層次學(xué)習(xí)目標(biāo)的進(jìn)階要求，通過智能技術(shù)有效連接學(xué)習(xí)資源、環(huán)境與服務(wù)。更重要的是，以按需學(xué)習(xí)為導(dǎo)向，將能更好地提升學(xué)生學(xué)習(xí)能力。

 

首先，按需學(xué)習(xí)可以幫助個體更好構(gòu)建有機知識體系。根據(jù)加德納的“多元智能理論”，不同個體可能在語言、邏輯數(shù)學(xué)、空間、音樂、身體運動、人際、內(nèi)省和自然觀察等方面具有不同的智能優(yōu)勢。在具體的知識領(lǐng)域，不同學(xué)生在知識背景、學(xué)習(xí)風(fēng)格、興趣愛好和能力水平上存在差異。通過按需學(xué)習(xí)，可以依據(jù)學(xué)生自身的知識背景選擇恰當(dāng)?shù)慕虒W(xué)內(nèi)容，根據(jù)學(xué)生的學(xué)習(xí)風(fēng)格調(diào)整學(xué)習(xí)方式，從而使得教育資源的投入更加高效和有針對性，避免教育資源和時間的浪費，從而提高教育效率。

 

其次，按需學(xué)習(xí)能更好照顧每個孩子的認(rèn)知能力，提供針對性的訓(xùn)練。教師可以根據(jù)每個學(xué)生的認(rèn)知能力水平，提供適當(dāng)支持和任務(wù)挑戰(zhàn)。對于學(xué)習(xí)困難的學(xué)生，按需學(xué)習(xí)可以提供額外的資源和幫助，讓其趕上進(jìn)度；對于學(xué)習(xí)優(yōu)秀的學(xué)生，按需學(xué)習(xí)可以提供更高難度任務(wù)和機會，激發(fā)其潛力。此外，按需學(xué)習(xí)可以在精準(zhǔn)評估學(xué)生學(xué)習(xí)能力的基礎(chǔ)上，有針對性地改善學(xué)生認(rèn)知能力短板，強化優(yōu)勢能力，從而實現(xiàn)“均衡＋優(yōu)勢”的能力發(fā)展模式。

 

最后，按需學(xué)習(xí)能最大程度激發(fā)學(xué)生的學(xué)習(xí)動機和興趣。按需學(xué)習(xí)根據(jù)每個學(xué)生的優(yōu)勢量身定制學(xué)習(xí)計劃，使他們能夠在自己的擅長領(lǐng)域得到認(rèn)可。按需學(xué)習(xí)注重學(xué)生的興趣和內(nèi)在動機，通過關(guān)注和利用學(xué)生的興趣點來設(shè)計課程內(nèi)容和教學(xué)方法，能夠更好地激發(fā)他們的學(xué)習(xí)熱情和主動性。按需學(xué)習(xí)還注重學(xué)生的心理和情感需求，通過建立良好的人際關(guān)系和學(xué)習(xí)環(huán)境，更好地支持學(xué)生的心理健康和情感發(fā)展。內(nèi)卷現(xiàn)象往往源于外在動機（如排名和升學(xué)壓力）驅(qū)動下的同質(zhì)競爭，而按需學(xué)習(xí)通過關(guān)注和培養(yǎng)學(xué)生的內(nèi)在動機，培養(yǎng)其發(fā)自內(nèi)心的熱愛，為自我發(fā)展注入持久的動力。

 

可以看到，通過按需學(xué)習(xí)，可以更好匹配學(xué)習(xí)內(nèi)容、學(xué)習(xí)難度和學(xué)習(xí)方式，從而實現(xiàn)高效的有機知識體系建構(gòu)；也能夠通過認(rèn)知能力的精準(zhǔn)評估和個性化干預(yù)訓(xùn)練，實現(xiàn)認(rèn)知能力的科學(xué)提升；最后，還通過匹配個體目標(biāo)與價值來提高學(xué)習(xí)興趣和內(nèi)在動機，從而提升學(xué)習(xí)動力。因此，按需學(xué)習(xí)可以更加有效地培養(yǎng)學(xué)習(xí)力，從而成為未來教育的必然選擇。

 

大腦規(guī)律為指導(dǎo)�；�于學(xué)習(xí)力的培養(yǎng)目標(biāo)，為實現(xiàn)科學(xué)高效、切實可行的教育變革，我們還需要尊重大腦發(fā)育規(guī)律、大腦運作規(guī)律、大腦學(xué)習(xí)規(guī)律，制定科學(xué)的課程大綱和培養(yǎng)體系，應(yīng)用有效的學(xué)習(xí)方法和策略，實施科學(xué)準(zhǔn)確的考核評估方式。

 

學(xué)習(xí)的一個主要目的就是要建立有機的知識體系。有機知識體系的重要特征是模塊化、層級性和結(jié)構(gòu)化。為了建立有機的知識體系，可以依據(jù)材料之間的相似性和聯(lián)系性來安排學(xué)習(xí)材料，開展大單元、跨主題和項目制學(xué)習(xí)，通過運用組塊或思維導(dǎo)圖等方式來更好組織知識。更重要的是，有機知識的形成需要從根本上轉(zhuǎn)變教育方式，要從“老師的教”轉(zhuǎn)向“學(xué)生的學(xué)”，實現(xiàn)從輸入到輸出的轉(zhuǎn)變，包括采用“費曼學(xué)習(xí)法”以及布置完成綜合性作業(yè)等，從而更好地發(fā)現(xiàn)知識間關(guān)系、更有序組織知識，構(gòu)建符合自己已有知識背景的知識體系。另外，大量研究表明，分散學(xué)習(xí)和以測代練是非常有效的學(xué)習(xí)方法，當(dāng)前卻沒有被師生很好地使用。

 

我國現(xiàn)有的教育體系還沒有將認(rèn)知能力培養(yǎng)提高到其應(yīng)有的重要地位。除了少數(shù)學(xué)校在拔尖創(chuàng)新人才選拔中開展認(rèn)知能力測試，大多數(shù)學(xué)校還是更看重學(xué)習(xí)成績和學(xué)科競賽。這里面有多方面原因。首先，學(xué)校長期以來都是通過考試來進(jìn)行評價，而對認(rèn)知能力的影響認(rèn)識不足；其次，雖然有些教育工作者認(rèn)識到認(rèn)知能力的重要性，但錯誤地認(rèn)為其是先天決定的，后天無法改變；再次，部分教育工作者重視認(rèn)知能力評估和訓(xùn)練，但認(rèn)為常規(guī)教學(xué)就能很好地培養(yǎng)學(xué)生的認(rèn)知能力，無需開展專門訓(xùn)練；最后，部分教育工作者認(rèn)識到系統(tǒng)性、針對性培養(yǎng)學(xué)生認(rèn)知能力的必要性，但尚未掌握認(rèn)知能力的科學(xué)定義、還不會使用科學(xué)的測評工具和訓(xùn)練手段�；�于腦科學(xué)的認(rèn)知能力培養(yǎng)，需要認(rèn)識到認(rèn)知能力在學(xué)生學(xué)習(xí)和長遠(yuǎn)發(fā)展中的重要作用，認(rèn)清其發(fā)展規(guī)律和影響因素。同時要掌握科學(xué)的測評方法，更要掌握科學(xué)訓(xùn)練認(rèn)知能力的方法。比如，小學(xué)階段是大腦前額葉成熟的一個主要時期，也是大腦注意、工作記憶等認(rèn)知能力快速發(fā)展的時期，是通過教育促進(jìn)前額葉發(fā)展的重要機會窗口。對學(xué)生開展科學(xué)的學(xué)習(xí)能力評估和干預(yù)訓(xùn)練，是提高學(xué)生學(xué)習(xí)能力的一個重要策略。大量研究表明，通過長期針對性的工作記憶訓(xùn)練，并注重訓(xùn)練的生態(tài)學(xué)效度和可遷移性，確實可以提高學(xué)生的認(rèn)知能力以及學(xué)業(yè)表現(xiàn)。

 

人的動力系統(tǒng)的培養(yǎng)也同樣需要遵循大腦的規(guī)律。人的情緒動機包含了多條復(fù)雜的通路，包括多條多巴胺通路，負(fù)責(zé)預(yù)期、學(xué)習(xí)、決策和愉悅體驗等；五羥色胺通路則與人的情緒狀態(tài)密切相關(guān)，其異常可能導(dǎo)致抑郁、沖動、酗酒、自殺、攻擊及暴力行為等；下丘腦-垂體-腎上腺軸（HPA）則與人的壓力水平和應(yīng)激反應(yīng)密切相關(guān)，調(diào)節(jié)消化系統(tǒng)、免疫系統(tǒng)、情緒系統(tǒng)、代謝系統(tǒng)以及性行為等。這些通路共同構(gòu)成了人的基本動力系統(tǒng)，比如接近和規(guī)避。喜好和厭惡影響人是否增加或者減少某種行為；面對未知與不確定性，人會產(chǎn)生強大的好奇心，但也會規(guī)避風(fēng)險；自控力使人可以根據(jù)目標(biāo)，對動機進(jìn)行調(diào)節(jié)；而習(xí)慣是經(jīng)過長期行為所習(xí)得，不依賴外在獎勵和懲罰的持久穩(wěn)定動力。這些基本的情緒動機系統(tǒng)與各種學(xué)習(xí)生活經(jīng)驗進(jìn)行連接，就會產(chǎn)生個體獨特而復(fù)雜的動機模式。

 

從腦科學(xué)的角度認(rèn)識人的動力系統(tǒng)，可以為動機塑造提供很多創(chuàng)新的思路。一是學(xué)校要特別關(guān)注動機情緒的培養(yǎng)，將之放在與知識和能力同等甚至更高的位置，而不是僅僅為了減少心理健康問題或者進(jìn)行危機干預(yù)；二是在教學(xué)的組織中，在注重知識技能傳授效率的同時，要更多培養(yǎng)學(xué)生的內(nèi)在學(xué)習(xí)動機和興趣，例如，通過建立起知識與真實生活的聯(lián)系，適宜的難度以及及時正面的反饋，鼓勵創(chuàng)新和包容失敗的氛圍，等等；三是在各個學(xué)習(xí)階段都要特別注重生涯規(guī)劃和價值觀的塑造，這不僅決定了人才成長的方向，也決定了成長的動力和個性化的發(fā)展路徑；四是鑒于現(xiàn)階段學(xué)生的物質(zhì)生活水平和發(fā)展需求，要用更高的目標(biāo)和價值觀，包括全球視野、家國情懷、探索未知、科技創(chuàng)新、社會平等、人際關(guān)懷等來激發(fā)其成長動力；五是要綜合利用各種動機系統(tǒng)的力量，包括獎勵、懲罰、習(xí)慣和自控力，等等，提升動機系統(tǒng)的持久性和靈活性；六是在傳遞學(xué)習(xí)動機相關(guān)知識的同時，更要注重社會情緒技能的培養(yǎng)，將強大的學(xué)習(xí)動力變成一種自發(fā)的習(xí)慣。

 

在未來教育的設(shè)計中，我們還需要充分認(rèn)識到體育的重要作用。體育活動尤其是有氧體育運動不僅有助于增強體質(zhì)，還對學(xué)業(yè)成績和心理健康有顯著影響。大量有關(guān)青少年的研究發(fā)現(xiàn)，體育運動與學(xué)校表現(xiàn)，如閱讀和數(shù)學(xué)成績甚至是平均績點和認(rèn)知之間存在正相關(guān)關(guān)系。有氧體育鍛煉可以促進(jìn)腦源性神經(jīng)營養(yǎng)因子（BDNF）分泌，增加海馬體的體積——海馬體在記憶習(xí)得和鞏固中起著關(guān)鍵作用，從而增強記憶能力和提升學(xué)習(xí)成績。另外，有氧運動對青少年情緒調(diào)節(jié)和心理壓力釋放具有顯著的積極作用。一方面，體育鍛煉通過改善內(nèi)分泌系統(tǒng)，如促進(jìn)多巴胺、血清素等神經(jīng)遞質(zhì)的分泌，可減輕抑郁和焦慮等負(fù)面情緒。另一方面，體育鍛煉可以幫助青少年轉(zhuǎn)移負(fù)面情緒并增加積極情緒體驗。根據(jù)世界衛(wèi)生組織最新的身體活動指南建議，5歲～17歲的兒童青少年每天應(yīng)至少進(jìn)行60分鐘以有氧運動為主的中等到劇烈強度的身體活動，每周至少應(yīng)有3天進(jìn)行劇烈強度有氧運動以及增強肌肉和骨骼的運動。

 

可以看到，腦認(rèn)知科學(xué)的研究可以為學(xué)習(xí)力的培養(yǎng)提供全新的認(rèn)識，為科學(xué)和高效學(xué)習(xí)力提升提供重要的理論支撐和實踐指導(dǎo)。未來教育的設(shè)計，包括相關(guān)的政策制定、課程體系，教學(xué)方法以及評價體系，都需要充分依據(jù)大腦的規(guī)律。

 

技術(shù)創(chuàng)新為依托。在智能時代，科技進(jìn)步將有可能為未來教育的變革提供強有力的支撐，但前提條件是要符合未來的教育的目標(biāo)以及學(xué)習(xí)的規(guī)律。其中，腦認(rèn)知科學(xué)將為未來教育設(shè)計提供理論基礎(chǔ)、關(guān)鍵指標(biāo)和科學(xué)方法，而人工智能和物聯(lián)網(wǎng)等技術(shù)則將一方面為教育提供強大的工具來變革傳統(tǒng)的教育手段和評價方式，另一方面通過對管理和教學(xué)工作的自動化和提質(zhì)增效來釋放教育管理者和教師的時間，讓他們有更多精力從事人工智能無法勝任的工作；最后，虛擬現(xiàn)實和游戲引擎等技術(shù)將為教育提供更加真實的環(huán)境，提高學(xué)習(xí)動機和效率。

 

腦認(rèn)知科學(xué)除了能加深對人腦功能的本質(zhì)認(rèn)識，幫助重新定義未來教育的目標(biāo)外，還將從多個方面推動未來教育技術(shù)的進(jìn)步。首先，腦認(rèn)知科學(xué)揭示了人腦發(fā)育的規(guī)律以及人腦學(xué)習(xí)記憶的規(guī)律。這些規(guī)律不僅可以在認(rèn)知層面更新教育管理者、教師和學(xué)生的觀念，改善教育政策、教學(xué)行為和學(xué)習(xí)方式，更可以為人工智能和虛擬現(xiàn)實等未來教育技術(shù)的應(yīng)用提供科學(xué)的指引，包括產(chǎn)品理念和功能設(shè)計、關(guān)鍵指標(biāo)的制定、針對性的數(shù)據(jù)收集，以及基于腦認(rèn)知科學(xué)原理的模型建構(gòu)和數(shù)據(jù)驗證等。

 

其次，腦認(rèn)知科學(xué)能提供很多用于學(xué)習(xí)能力評估和訓(xùn)練效果提升的技術(shù)。比如，認(rèn)知測評技術(shù)結(jié)合腦影像技術(shù)可以更加精準(zhǔn)測量個體的大腦功能和認(rèn)知能力。根據(jù)Anderson于1982年提出的認(rèn)知技能發(fā)展理論和Glaser等人于1985年對認(rèn)知技能維度的分類理論，一些認(rèn)知技能測量的技術(shù)可以更好地實現(xiàn)，包括知識獲取、組織和結(jié)構(gòu)的測量；問題表征深度的測量；心理表征模型的測量；元認(rèn)知技能的測量；任務(wù)完成自動化程度的測量；程序技能效率的測量。這些都大大超過了傳統(tǒng)的教育測評手段，能夠?qū)崿F(xiàn)對有機知識體系和認(rèn)知技能的深度評估。腦認(rèn)知科學(xué)還能夠更好地評估學(xué)生的學(xué)習(xí)動力，相關(guān)技術(shù)包括：傳統(tǒng)的問卷測量、心理投射技術(shù)、內(nèi)隱聯(lián)系技術(shù)以及腦影像，等等。這些技術(shù)和人工智能、大數(shù)據(jù)以及虛擬現(xiàn)實相結(jié)合，未來將使評估和輔助具有更好的精度和干預(yù)效果。

 

最后，教育的本質(zhì)就是塑造大腦，腦認(rèn)知科學(xué)所提供的技術(shù)和方法，可以實現(xiàn)對大腦的精準(zhǔn)調(diào)控。一些相對無損的技術(shù)，比如，神經(jīng)影像技術(shù)、無損腦刺激和腦機接口技術(shù)，以及一些神經(jīng)類的藥物，已經(jīng)在醫(yī)療領(lǐng)域得到了廣泛的應(yīng)用，在治療大腦疾病和改善大腦認(rèn)知和情緒功能等方面起到了良好的作用，未來也有可能成為改善和治療學(xué)習(xí)障礙以及使正常人認(rèn)知增強的技術(shù)。還有一些微創(chuàng)技術(shù)，如侵入式腦機接口、侵入式神經(jīng)刺激調(diào)控（包括光、電、聲、磁、光遺傳等），神經(jīng)遞質(zhì)、荷爾蒙和激素等藥物技術(shù)等，在解決了安全和倫理問題的前提下，未來都有可能成為有效的教育手段。

 

在人工智能領(lǐng)域，菲爾茲數(shù)學(xué)科學(xué)研究院院長庫馬爾·默蒂表示：“人工智能帶來的機遇，超越了技術(shù)層面，超越了特定學(xué)科，而是為全球范圍教育領(lǐng)域帶來革新。”世界經(jīng)濟論壇在2024年4月發(fā)布的報告中也指出，AI可以通過修改（augmentation）和自動化（automation）來支持教師的角色。可以自動化的工作包括：編制特定主題的書籍、期刊、文章和視聽材料清單；使用標(biāo)準(zhǔn)參考資料核實事實、日期和統(tǒng)計數(shù)據(jù)；使用答題紙或電子標(biāo)記設(shè)備對家庭作業(yè)和考試進(jìn)行評分，計算和記錄結(jié)果�？梢再x能的工作包括：分析績效數(shù)據(jù)以確定教學(xué)系統(tǒng)、課程或教學(xué)材料的有效性；設(shè)計學(xué)習(xí)產(chǎn)品，包括基于網(wǎng)絡(luò)的輔助工具或電子績效支持系統(tǒng)；開發(fā)教學(xué)或培訓(xùn)材料，如講義、學(xué)習(xí)材料或測驗；為教師助理或志愿者布置作業(yè)。這樣老師有更多的時間從事課程設(shè)計，完善教學(xué)方法，提供社會情緒支持，提供個性化的教學(xué)指導(dǎo)和與家長交流等。

 

與此同時，我們也要警惕人工智能技術(shù)的誤用、濫用。比如，在傳統(tǒng)的應(yīng)試教育思想的指導(dǎo)下，人工智能可能被作為高效的刷題機器。通過知識點的精細(xì)拆分和習(xí)題匹配，人工智能指導(dǎo)下的習(xí)題推送可以幫助學(xué)生掌握碎片化的知識點，但卻不利于有機知識體系的形成。這種基于有限知識邊界來促進(jìn)知識掌握的學(xué)習(xí)模式，只能培養(yǎng)更多千人一面的學(xué)生，而與因人而異、按需學(xué)習(xí)的個性化教育模式背道而馳。還有一些人工智能技術(shù)采集了大量數(shù)據(jù)，但并沒有形成有效共享，從而成為信息孤島；更沒有通過科學(xué)系統(tǒng)的分析形成有價值的科學(xué)證據(jù)，因而難以對教學(xué)實踐形成指導(dǎo)，造成大量資源的浪費；更有一些人工智能技術(shù)被濫用為隨時監(jiān)視教師和學(xué)生的工具，加大師生壓力和不安全感，甚至阻礙學(xué)習(xí)。

 

除了腦認(rèn)知科學(xué)和人工智能技術(shù)，虛擬現(xiàn)實和游戲技術(shù)也可以為未來教育賦能。虛擬現(xiàn)實技術(shù)通過模擬現(xiàn)實情景，在培養(yǎng)學(xué)生學(xué)習(xí)力方面具有眾多獨特價值。首先，它可以讓學(xué)生更加具身地體會文字所不能描述的信息，更好構(gòu)建具體與抽象知識相融合的有機知識體系。更重要的是，通過與生成式AI技術(shù)相融合，人工智能和虛擬現(xiàn)實可以形成有關(guān)數(shù)量、幾何、物理、化學(xué)、生物、政治，經(jīng)濟、歷史、社會和心理等的世界模型。學(xué)生通過與虛擬的世界模型的交互來獲得科學(xué)的知識。這將從根本上改變教師傳授的方式，真正實現(xiàn)知識的生長，促進(jìn)有機知識體系的形成。其次，虛擬現(xiàn)實和游戲技術(shù)可以用于認(rèn)知能力的測評和提升。相較于傳統(tǒng)的認(rèn)知測評和訓(xùn)練，結(jié)合虛擬現(xiàn)實的游戲化測評和訓(xùn)練技術(shù)將具有生態(tài)化的優(yōu)勢，從而大大提高測評的準(zhǔn)確性與訓(xùn)練的效果，特別是訓(xùn)練效果的遷移。最后，虛擬現(xiàn)實和游戲技術(shù)有助于學(xué)習(xí)動機的培養(yǎng)。虛擬現(xiàn)實和游戲技術(shù)所提供的良好的視聽效果、沉浸式體驗和及時反饋，可以極大提高學(xué)生的學(xué)習(xí)動機和興趣，甚至可能上癮。此外，這兩類技術(shù)還可以用以提高學(xué)生的心理品質(zhì)和學(xué)習(xí)動力。比如，通過模擬物理和社會壓力環(huán)境，可以訓(xùn)練學(xué)生的抗壓能力和心理韌性；通過創(chuàng)設(shè)個性化的成功環(huán)境，可以增強學(xué)生的成功體驗，極大提高成長動力。

 

可以看到，腦認(rèn)知科學(xué)和人工智能技術(shù)可以在多個方面推動未來教育體系的設(shè)計，包括對教育本質(zhì)的重新定義、重新設(shè)定以學(xué)習(xí)力為核心的教育目標(biāo)、提供尊重大腦規(guī)律的學(xué)習(xí)方法、千人千面的按需學(xué)習(xí)路徑，以及切實助力完成上述目標(biāo)的全新教育科技。這些將為未來教育變革的實現(xiàn)提供全面的支撐。

 

智能時代創(chuàng)新教育實踐的實施路徑

 

為推動智能時代的教育深度變革，社會各界，包括政府和教育管理者、科研工作者、教師、學(xué)生和家長，以及教育科技的從業(yè)者，等等，都必須統(tǒng)一認(rèn)識、協(xié)調(diào)步伐、積極行動，從而實現(xiàn)教育變革從理論走向?qū)嵺`。

 

在政府和政策層面，需加大和加快教育的科學(xué)化和智能化轉(zhuǎn)型，加快相關(guān)政策出臺和標(biāo)準(zhǔn)制定，加大在基礎(chǔ)和應(yīng)用研究與實施中的經(jīng)費投入、過程監(jiān)管和證據(jù)累計，強調(diào)依據(jù)科學(xué)證據(jù)指導(dǎo)教學(xué)變革并客觀獨立評估實施效果，從而實現(xiàn)從數(shù)據(jù)、證據(jù)到實踐的正向循環(huán)。同時，要大力推進(jìn)優(yōu)質(zhì)均衡教育的全面落地，特別是要實現(xiàn)因材施教的公平而不是絕對的平均主義。要為拔尖創(chuàng)新人才、學(xué)習(xí)困難兒童提供充分的資源以促進(jìn)其發(fā)展，也要為具有不同能力特長和興趣愛好的學(xué)生提供充分的選擇和差異化發(fā)展路徑；積極推動小班化教學(xué)，更好照顧到每個學(xué)生的需求；在學(xué)校辦學(xué)模式上，要鼓勵學(xué)校特色化辦學(xué)，為不同孩子提供充分的選擇；在考核指標(biāo)和方式上，要發(fā)展多元綜合考核，避免單一標(biāo)準(zhǔn)。

 

在科學(xué)研究方面，我們對大腦的認(rèn)識還有待持續(xù)深入，對微觀大腦活動與教育實踐的關(guān)系也需要持續(xù)研究。人工智能底層技術(shù)和教育領(lǐng)域的應(yīng)用需要加快發(fā)展。國家應(yīng)在腦認(rèn)知科學(xué)、人工智能與教育融合領(lǐng)域進(jìn)行重大戰(zhàn)略布局和資源投入，加快相關(guān)的研究基地建設(shè)、項目立項、人才引進(jìn)和培養(yǎng)；面對未來教育的重大問題，腦科學(xué)、信息科學(xué)、計算機科學(xué)、教育科學(xué)等相關(guān)學(xué)科的工作者應(yīng)該開展跨學(xué)科交叉聯(lián)合攻關(guān)。

 

在教師教育方面，要加強對教師的腦認(rèn)知科學(xué)知識、研究方法和實踐應(yīng)用的教育。在師范院校開設(shè)腦科學(xué)通識課程；在心理學(xué)、教育學(xué)等相關(guān)專業(yè)開設(shè)腦與學(xué)習(xí)、腦科學(xué)與教育等專業(yè)課程；對現(xiàn)有教師加強腦認(rèn)知科學(xué)的繼續(xù)教育和實踐指導(dǎo)；加強對教師人工智能和信息素養(yǎng)的培養(yǎng)，使其熟練掌握教育相關(guān)人工智能工具，提高教學(xué)效率和質(zhì)量；引導(dǎo)教師轉(zhuǎn)變思想、提升技能，使其對學(xué)生的學(xué)習(xí)能力、心理品質(zhì)和知識體系狀況能夠進(jìn)行科學(xué)評估，充分了解學(xué)生興趣和需求，成為學(xué)生個性化發(fā)展的有力指導(dǎo)者。

 

在課程建設(shè)方面，學(xué)校需要改革現(xiàn)有的學(xué)科課程，加大主題式和項目制等深度學(xué)習(xí)課程，促進(jìn)有機知識體系形成；學(xué)校要積極推動學(xué)生學(xué)習(xí)能力課程的建設(shè)，通過設(shè)置專門“腦育”課程，改造“心理健康”課程，發(fā)展腦科學(xué)與學(xué)科教學(xué)結(jié)合的“融合”課程，設(shè)置腦科學(xué)理論指導(dǎo)下的課后選修等“輔助”課程，組織多種特色活動或主題活動等“活動”課程，將腦科學(xué)融入學(xué)校教學(xué)的各個方面；加強信息和人工智能素養(yǎng)課程，提高學(xué)生的人工智能思維，促進(jìn)其對人工智能底層知識的掌握并培養(yǎng)其相關(guān)技能；同時，更加重視體育課程，特別是有氧運動，改善學(xué)生身體素質(zhì)、心理品質(zhì)和學(xué)習(xí)能力；最后，加強人文學(xué)科課程，提升學(xué)生的人文素養(yǎng)，為學(xué)生長遠(yuǎn)發(fā)展提供正確方向和持續(xù)動力。

 

在考試評價方面，要突破傳統(tǒng)單一考試模式，拓展多種測查形式，更加強調(diào)對基礎(chǔ)素養(yǎng)、學(xué)習(xí)能力和優(yōu)勢特色的考察，形成“綜合性＋個性化”的評估體系；突出對學(xué)生知識體系掌握、基礎(chǔ)認(rèn)知能力水平的測查，以及對知識靈活使用和創(chuàng)新能力的考察；采用多種手段對學(xué)生的學(xué)習(xí)動機和心理品質(zhì)進(jìn)行精準(zhǔn)有效評價，將其作為教育質(zhì)量監(jiān)測以及升學(xué)和選拔的重要依據(jù)；在考試評價實施上，要科學(xué)設(shè)置考察節(jié)點和反饋機制，形成報告和發(fā)展性評價以促進(jìn)學(xué)生發(fā)展。

 

在技術(shù)研發(fā)方面，要圍繞基于腦認(rèn)知科學(xué)和人工智能時代下的教育目標(biāo)，創(chuàng)新融合人工智能技術(shù)、腦認(rèn)知測評和干預(yù)技術(shù)，虛擬現(xiàn)實技術(shù)、物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)，神經(jīng)反饋和調(diào)控技術(shù)，開發(fā)和推廣能真正推動學(xué)生有機知識體系的形成、強大學(xué)習(xí)能力的培養(yǎng)和持久學(xué)習(xí)動機的塑造，且符合人腦學(xué)習(xí)和教育規(guī)律的產(chǎn)品和技術(shù)體系；在加強產(chǎn)品研發(fā)的同時，也要注重實踐驗證，特別是在嚴(yán)謹(jǐn)科學(xué)實驗基礎(chǔ)上的數(shù)據(jù)化驗證、數(shù)學(xué)模型發(fā)展和一般性科學(xué)規(guī)律總結(jié)，讓上述科學(xué)技術(shù)成為推動學(xué)習(xí)力提升、促進(jìn)未來教育變革的強大力量。

 

總之，腦認(rèn)知科學(xué)和人工智能正在以前所未有的廣度、深度和速度推動著科技進(jìn)步和社會轉(zhuǎn)型，給人類提出全新的要求并帶來前所未有的挑戰(zhàn)。在全新的時代，未來教育擔(dān)負(fù)著促進(jìn)人類發(fā)展和推動人類進(jìn)化的使命，需要迎接挑戰(zhàn)、主動變革并立即行動。腦認(rèn)知科學(xué)基于對人腦智能本質(zhì)、大腦發(fā)育規(guī)律、學(xué)習(xí)記憶規(guī)律、動機情緒規(guī)律等的深入認(rèn)識，以及創(chuàng)新的大腦評估和調(diào)控技術(shù)，通過與人工智能技術(shù)等的有機融合，將為未來教育提供目標(biāo)定位、實施路徑和技術(shù)手段等方面的強大支持，推動未來教育變革的真正實現(xiàn)。

 

文章來源：《學(xué)術(shù)前沿》雜志2024年第17期（注釋從略）