不同于人工智能领域的深度学习或将成为趋势

（文章来源：中国社会科学网）

深度学习不是教育学独有的概念。事实上，这一概念滥觞于20世纪50年代计算机科学的人工智能研究。1956年，在达特茅斯会议上计算机科学家首次提出了“人工智能”概念，期望能够制造出一种“类人”机器。这一概念逐渐发展成为一门旨在研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的技术科学。与此相关联，机器学习应运而生，这是专门研究计算机怎样模拟或实现人类学习行为的领域，是实现人工智能的一种途径。2006年之前，机器学习处于传统的浅层学习阶段，无法真正做到自组织运行，而且难以处理高度复杂的数据信息。

2006年，加拿大辛顿（Hinton）教授等提出了深度学习的概念。深度学习是一种能够模拟出人脑神经结构的机器学习方法，它源于对人工神经网络的研究，并得到了大数据技术的支撑。深度学习开发出了不同于浅层学习的算法，其实质是对人脑神经元网络进行抽象的计算模型，能够发现高维数据复杂的结构特征，大大拓展了机器学习的功能，目前已在图像识别、语音识别、自然语言处理等领域大显身手。由此可知，教育学中的“深度学习”与人工智能领域的“深度学习”是完全不同的两个概念，其出场域、问题指向和生命史均沿循着不同的理路。然而，当前人工智能的深度学习却在逐步侵入教育领域。

基于人工智能的图像识别、语音识别等技术在生活、工作中迅速普及，图像识别、VR/AR学习等在教育教学中迅速推广。很多研究人员受到技术便利和公共思潮的迷惑，不去深入探察深度学习在教育领域和人工智能领域的不同旨趣，或者混淆了这两个名称相同的概念，而盲目呼吁促使学生的学习向机器学习看齐，轻率断言用机器深度学习的原理和方法来指导人类学习是提高人的学习能力的有效途径。一些研究者已着手开展有关研究，基本思路就是借鉴机器深度学习的原理，设计程序以迫使学生不断重复学习循环的过程，从而达到提取和再现快速精准的目标。这类研究迎合了应试教育的需要，因此得到了广泛肯定和应用。

机器深度学习在教育领域的快速扩张是一种危险趋势，人工智能中的深度学习与教育学中的深度学习旨趣大相径庭，其酷炫技术背后的理念及结果可能与教育学中深度学习的追求背道而驰。例如，图像识别很可能强化了对学生的控制，增强记忆很可能加强了机械学习却损害了学生批判性思维和创新性思维的发展。学习的主体是“人”，这是必须坚守的信念。

任何技术的发展进步都应以提升“人”、完善“人”为目标，决不能危害甚至取代“人”自身。当下以深度学习为核心技术的人工智能依然处于“弱人工智能”阶段，机器的“智能”相对于人类的认知能力还不可同日而语。与机器人相比，人类自身的优势还是压倒性的。即使未来人工智能真的高度“智能”了，这样的智能技术更须坚守以人为本的底线。