人工智能推动教育具身何以可能公开课教案教学设计课件资料.docxVIP

人工智能推动教育具身何以可能

——HowArtificialIntelligencePromotestheEmbodiedTurnofEducation:OnEmbodiedArtificialIntelligenceandEmbodiedEducationalPractice

作者：

xxx/xxx/xxx

作者简介：

xxx，博士，xxxxxxxxxxxxxx教授，研究方向为教育技术学基础理论，E-mail：xudong＠mail.ccnu.edu.cn(湖北xx430079)；xxx，xxxxxxxxxxxx学院(湖北xx430068)；xxx，xxxxxxxxxxxxxx(湖北xx430079)。

原发信息：

《xx教育技术》(京)2023年第20236期第5-14页

内容提要：

文章从认知的具身观点出发，探讨了基于“表征—计算”的符号型人工智能向基于“模拟—复现”的具身型人工智能转变的逻辑必然。在此基础上，文章认为，具身人工智能实现了从身体延伸到技术赋能的跨越，为构建超生物肢体、超生物感官和超生物大脑整合的具身型智能教育技术系统，以具身认知基础科学与人工智能技术创新的耦合发展促进教育与经验的统一，推动教育实践具身水平持续提升，为解决长期以来存在的知行分离等离身教育难题开辟了新道路。

HowArtificialIntelligencePromotestheEmbodiedTurnofEducation:OnEmbodiedArtificialIntelligenceandEmbodiedEducationalPractice

xxx词：

人工智能/具身认知/教育实践/具身教育

期刊名称：《教育学》

复印期号：2023年11期

长期以来，受经典认知科学和技术理性的影响，教育实践陷入单向度离身发展的困境，导致知行分离、高分低能等一系列问题产生。人工智能作为新一代认知科学与教育技术一体化发展的结晶，在推进教育实践具身转变方面发挥了革命性作用。本研究从基础科学层面解读和分析人工智能的发展历程及其对教育的影响，揭示人工智能推动教育具身何以可能的内在逻辑，由此推进具身认知与智能技术在教育领域的融合创新，是增强教育系统变革之内生动力，促进教育实践由离身向具身、由封闭向开放发展的必由之路和必然选择。

一、从计算到模拟：具身视角下人工智能发展逻辑的新解读

过去，我们对人工智能的理解大多从技术层面来分析，鲜有研究从基础科学层面解读人工智能的发展逻辑。从认知科学的视角来看，人工智能的发展经历了符号型人工智能、具身型人工智能两个阶段：符号型人工智能以符号主义、计算主义等为代表的第一代认知科学为理论基石，坚持“表征—计算”的研究纲领，在模拟人的左脑思维方面表现非常出色；具身型人工智能则以具身认知(EmbodiedCognition)、嵌入认知(EmbeddedCognition)、生成认知(EnactiveCognition)、延展认知(ExtendedCognition)等为代表的第二代认知科学为理论基石，主张“模拟—复现”的认知过程，在模拟人的右脑思维方面具有巨大优势。

1.基于“表征—计算”的符号型人工智能

从20世纪50年代中期到20世纪80年代后期，人工智能的研究和发展一直以符号型人工智能为主，它以表征和计算为核心理念，认为符号具备表征事物和组合表达的功能，在标识和解释事物意义上发挥了非常重要的作用，是智能体与外部世界互动的关键媒介。任何基于符号型人工智能的智能体都需要一个关于外部世界的表征模型，智能活动的本质就是执行内部表征的组织序列，即计划——智能体的等级进程，它可以控制运行序列的执行次序[1]。基于这一理念，符号型人工智能采用自上而下的“目的—手段”式分析方法，提供了一种等级耦合：一个计划分解成若干子计划，子计划又分解成系列的更小计划，直至最小单元的计划。但是，做出计划再采取行动的前提是可以对任务涉及的所有要素及其属性进行明确的符号表征，并根据有限的逻辑推理(符号的“合法”操作规则)做出决策，而这正是符号型人工智能后期发展面临的最大困境。

符号型人工智能在解决复杂的数学问题、证明极难的几何定理等方面表现出色。20世纪50年代，Newell和Simon[2]基于符号主义设计的“通用问题求解器”(GeneralProblemSolver)，通过将一个目标分解成几个子目标、再构建子目标实现路径的方法，在国际象棋、跳棋等推理游戏中取得巨大成功；其研发的“逻辑理论家”(LogicTheorist)程序，更是开创了人工智能证明数学定理的先河[3]。然而