除非我们允许，否则AI无法取代教育

(SeaPRwire) –   在毕业典礼庆祝新一代毕业生的美好前景之际，一个问题浮出水面：人工智能会使他们的教育变得毫无意义吗？

许多首席执行官都这么认为。他们描述了一个人工智能将取代工程师、医生和教师的未来。Meta 的 CEO 最近预测，人工智能将取代编写公司计算机代码的中级工程师。NVIDIA 的 甚至宣布编码本身已经过时。

虽然比尔·盖茨承认人工智能发展的惊人速度“深刻甚至有点可怕”，但他赞扬了它如何使精英知识普遍可及。他也 设想了一个人工智能取代程序员、医生和教师的世界，提供免费的高质量医疗建议和辅导。

尽管大肆宣传，但人工智能目前还不能“自己思考”或在没有人类的情况下行动。事实上，人工智能是促进学习还是破坏理解，取决于一个关键的决定：我们是允许人工智能仅仅预测模式？还是要求它解释、证明并立足于我们世界的规律？

人工智能需要人类的判断，不仅要监督其输出，还要嵌入科学的防护措施，为其提供方向、基础和可解释性。

最近将人工智能聊天机器人比作参加口头考试的水平中等的学生。“当他们知道答案时，他们会告诉你，当他们不知道答案时，他们真的很擅长胡说八道，”他在宾夕法尼亚大学的一次活动中说。因此，根据 Sokal 的说法，除非用户对某个主题了解很多，否则可能无法抓住“胡说八道”的聊天机器人。对我来说，这完美地捕捉了人工智能所谓的“知识”。它通过预测单词序列来模仿理解，但缺乏概念基础。

这就是为什么“创造性”人工智能系统 和 就大型语言模型是否真正掌握文化细微差别 提出了质疑。当教师 认为人工智能辅导可能会阻碍学生的批判性思维，或者医生 诊断出算法误诊时，他们发现了同样的缺陷：机器学习擅长模式识别，但缺乏系统、累积的人类经验和科学方法所产生的深刻知识。

这就是 提供前进道路的原因。它侧重于将人类知识直接嵌入到机器的学习方式中。PINN（物理信息神经网络）和 MINN（机制信息神经网络）就是例子。这些名称听起来可能很技术性，但想法很简单：当人工智能遵循规则时，它会变得更好，无论这些规则是物理定律、生物系统还是社会动态。这意味着我们仍然需要人类不仅要使用知识，还要创造知识。人工智能在向我们学习时效果最佳。

我在我自己的 MINN 工作中看到了这一点。我们不是让算法根据过去的数据猜测什么有效，而是对其进行编程以遵循已建立的科学原理。以当地 为例。对于这种业务，开花时间至关重要。过早或过晚收获会降低精油的效力，从而损害质量和利润。人工智能可能会浪费时间梳理无关的模式。但是，MINN 从植物生物学开始。它使用将热、光、霜和水与开花联系起来的方程式来做出及时且具有经济意义的预测。但只有当它知道物理、化学和生物世界如何运作时，它才能发挥作用。这种知识来自人类发展的科学。

想象一下将这种方法应用于癌症检测：乳腺肿瘤会因血流量和新陈代谢增加而释放热量，预测性人工智能可以分析数千张热图像，仅根据数据模式识别肿瘤。然而，MINN，比如最近 ，使用体表温度数据并将生物传热定律直接嵌入到模型中。这意味着，它不是猜测，而是了解热量如何在体内移动，从而通过利用热量通过组织的物理原理来识别哪里出了问题、是什么原因导致了问题、为什么以及确切的位置。在一个案例中，MINN 在几毫米内预测了肿瘤的位置和大小，完全基于癌症如何破坏身体的热量特征。

结论很简单：人类仍然至关重要。随着人工智能变得复杂，我们的角色并没有消失。它正在转变。当算法产生一些奇怪、有偏见或错误的东西时，人类需要“胡说八道”。这不仅仅是人工智能的弱点。这是人类最大的优势。这意味着我们的知识也需要增长，这样我们才能引导这项技术，控制它，确保它做我们认为它应该做的事情，并在过程中帮助人们。

真正的威胁不是人工智能变得更聪明。而是我们可能会停止使用我们的智慧。如果我们将人工智能视为神谕，我们就有可能忘记如何质疑、推理以及何时识别出某些事情没有意义。幸运的是，未来不必这样发展。

我们可以构建透明、可解释且以科学、伦理和文化的累积人类知识为基础的系统。政策制定者可以资助对可解释人工智能的研究。大学可以培养将领域知识与技术技能相结合的学生。开发人员可以采用像 MINN 和 PINN 这样的框架，这些框架要求模型保持对现实的忠实。我们所有人——用户、选民、公民——都可以要求人工智能服务于科学和客观真理，而不仅仅是相关性。

在教授了十多年的大学水平统计学和科学建模之后，我现在专注于帮助学生通过学习系统本身来了解算法如何在“底层”工作，而不是死记硬背地使用它们。目标是提高数学、科学和编码等相互关联的语言的素养。

今天这种方法是必要的。我们不需要更多的用户点击黑盒模型上的“生成”。我们需要能够理解人工智能的逻辑、代码和数学，并抓住它的“胡说八道”的人。

人工智能不会使教育变得无关紧要或取代人类。但如果我们忘记了如何独立思考，以及为什么科学和深刻的理解很重要，我们可能会取代自己。

选择不是拒绝或拥抱人工智能。而是我们是否会保持受过教育和足够聪明，能够引导它。

“`