摘要：人工智能正在重塑高等教育格局。于目标使命而言，关键在于平衡技术赋能和教育本质，坚守人的全面发展这一宗旨，规避技术工具化倾向。在知识和认知维度，其引发知识定义、知识生产模式等变革与挑战，极大冲击了传统的“高深知识”，但也蕴含重构知识版图的可能。同时，在学生能力培养、评价、伦理等高等教育实践和治理方面，人工智能技术也带来全新的变革与挑战。
关键词：高等教育；人工智能；知识生产；能力培养
一、引言：“可能性”的边界
人工智能带来的无限“可能性”正在重新定义我们的社会与生活。从神经网络到深度学习，从自然语言处理到人机协同，人工智能作为具有颠覆性的革新技术，正在以前所未有的广度和深度影响着教育的方方面面。然而，越是前沿的技术，越充满了未知与不确定性。在可能性不断延伸的同时，人工智能技术也使得人们对其技术局限性、伦理挑战、加剧社会不平等问题担忧与反思。
在这一技术浪潮中，高等教育面临着新的机遇与挑战。回顾历史，技术变革一直是推动高等教育进步的重要因素。每一次技术的革新，都使得高等教育重新定义自身的角色与责任，以适应新的社会变化。目前，全球已有70多个国家和地区发布了专门的人工智能战略或产业规划，多所知名高等教育机构已针对人工智能人才的储备开设了培养项目。但在技术的洪流中，如何寻找“变”与“不变”的平衡点，也成了高等教育不容回避的重点：确定自身在人工智能时代的定位、重新审视教育的价值与目的、革新治理模式、应对全新的伦理挑战，都是当下高等教育领域亟须讨论和解决的关键问题。高等教育必须保持理性与前瞻性，探讨技术的可能性边界与限制，以立德树人为根本任务，主动引导技术的应用方向，规划与设计真正面向未来的教育。
二、AI时代的高等教育目标与使命
在人工智能逐渐融入高等教育的背景下，技术为教育系统注入了新的活力，但也面临着如何平衡技术赋能与教育本质的根本问题。我们必须重新思考：高等教育的核心价值究竟是什么？教育最终应该服务于什么目标？新技术的功能性是否与教育的目的有所冲突？在技术渗透到教育的各个层面时，我们必须保持清醒认识，避免高等教育的目的被工具化和效率化的逻辑所替代。教育不仅传授知识和训练技能，更培养具有批判性思维、社会责任感和人文素养的个体。
人的可能性是教育的基础，是教育的生命所在，也是教育实践和理论的根本。人工智能为年轻人的发展提供了更大的可能性，但年轻人不能永远停留在可能性之中，他们必须将自身发展的可能性转化为一种现实性。由于数字化建设与人工智能的发展越来越多地替代了人的认知发展以及智育的部分功能，这就使得教育促进人的自我认同与德育的功能得以进一步凸显。由此可以明确教育的核心任务与本质特征，教育不仅仅是要帮助人向外认识和了解自然界和人类社会，更加重要的是引导和帮助他们向内认识自我。这两种教育任务对应着当代教育体系的两个方面：一方面，我们相信个体的独特性，并倡导个体应更多地掌控自己的生活；另一方面，教育体系仍然倾向于有固定的内容和时间节点的安排。基于既定的教学内容和目标，人工智能可以帮助学生实现个性化学习，但目前这种“个性化”仅仅是指学习路径的不同安排，还不是以学生为中心、培养学生主观能动性的个性化学习。因此，教育在适应技术变化的同时，也不应过度向技术倾斜。教育应帮助学生在不断变化的环境中找到自身的定位和方向，使他们能够充分把握技术带来的机遇而不被其限制。
新的技术应当成为赋能和服务教育的途径，但不应该是实现功利性目的的工具，更不能成为支配教育方向的力量。人工智能技术的赋能真正创造了教育回归本源的机会，让我们专注于追求真知、理性和自由，为促进人的全面发展开辟了新的可能。然而，新技术往往最初应用于高利润率的领域，因而要防范人工智能技术成为应试教育的助手。技术的进步并不总是能够立刻解决深层次关于“人”的问题，而“人”恰恰是教育最关心的。因此，面对技术的发展时，教育必须保持对“人”的价值的高度关注。此外，教育领域的特殊之处还在于，人工智能技术的使用并不是为了更高效地提高结果的准确性，而是为了更好地辅助学习过程本身。我们既要看到技术的潜力，也要保持冷静和理性的判断，谨防被技术的短期效果迷惑，而抛却了教育的初心。“中庸之道”是应对技术迅猛变化的合理态度，寻找“不偏不倚”的平衡点可能是高等教育真正实现技术与教育共生共长的关键。
三、AI时代的知识观与认知模式转型
人工智能技术的应用正在深刻地改变知识的定义、生产、传播和应用方式。教育与知识相辅相成，知识观的变化影响着我们对教育的理解。一方面，教育是筛选、传播、分配、积累和发展知识的重要途径；另一方面，知识又是教育的重要内容与载体，离开了知识，教育就会成为无米之炊，各种各样的教育目标也就无法达成。然而，生成式人工智能的崛起，不仅重新塑造了学生获取和处理知识的路径，而且也引发了对知识本质的思考——什么才是知识？人工智能所生成的内容是知识吗？这一切正挑战着教育在传递知识过程中的传统角色。
从知识本质看，生成式人工智能生成的内容仍不具备传统“高深知识”的特征，它既不具备可检验性和系统性，也缺乏社会实在性，加剧了学生与现实世界的“脱嵌”，使学习变得更加抽象和空洞，学生无法将碎片化知识整合成系统的知识体系，难以完成复杂的内化、联想过程，缺乏真正的理解和批判性思考，缺乏对复杂价值问题的判断能力。此外，我们还应该对“知识”与“意义”做出区分。生成式人工智能更像是“意义处理器”，能够根据语境生成有意义的回应，但这些回应未必是知识。生成式人工智能有工具性和语义性两类功能：从工具性层面看，能识别大型数据集中的模式，但并不像人类那样能理解这些模式，而是对符号、单词、单词序列和体裁之间的统计关系进行建模，这表明其生成的结果只是基于数据规律和语义关联；从语义层面看，它在个人思想和社会交流之间进行调节，促进持不同概念或语言框架的人之间的理解，主要是促进意义传递与理解的工具，而非知识创造者。因此，在使用生成式人工智能时，必须对其生成内容进行严谨的验证和评估。而应对其带来的教育问题与挑战，关键在于要转变教育与知识附属于技术的观念与方法，还原教育与知识在社会与技术变革中的基础性地位与本质功能。
人工智能技术还影响着知识生产模式的变革。人工智能拓展了知识的生产主体，还带来以“知识+数据+算法+算力”为标志的新型知识生产模式。人类未来对精神世界的教化可能将交付于技术主体，人类所教授、学习和评价的客观知识系统也将受到技术影响。人工智能时代，个体不再完全了解自己获取知识的来源，这种转变意味着人类的知识生产将不再由人类完全主导，这标志着教育模式的重大变革。
然而，虽然人工智能冲击了传统知识生产模式，使得符号生产成本大幅降低、内容泛滥并带来了严重的认知负担，对知识版图产生了一定负面影响，但人工智能技术也可以利用“对齐”技术去除“知识泡沫”，发挥重构人类知识版图的积极作用，这也是当下高等教育变革专业、课程和教学变革的基础。有学者认为，云计算与人工智能结合可以促使不同类型智能互动融合，产生新型云端集体智能。思维可以超越个体大脑，进入一个分布式的智能网络中，扩展和重塑我们的知识和认知。该智能具有可扩展性，能整合多方认知力，提升问题解决能力，通过机器学习算法持续优化，形成新学习范式，推动跨学科创新，从而让思维突破个体大脑限制，进入分布式智能网络，对知识和认知起到扩展与重塑的重要作用。
面对知识生成与认知模式变化的复杂背景，我们应该重新反思知识在教育中的地位。人工智能改变了学生接触知识、理解知识、使用知识的过程，因此改变了学生所需的知识能力、认知素养和培养模式。教育不只是传授知识，也要培养学生面对技术的洞察力和判断力，分辨技术对认知过程的正向与负向影响。
四、AI时代的能力培养与评价
当下，人工智能素养的培养变得愈发重要，它不仅关乎学生对技术的理解与应用，而且关乎学生如何在技术驱动的知识环境中批判性思考和创造性应对复杂的挑战。因此，面对技术变革，学生不仅要具备对知识的掌握，而且还要培养适合于AI时代的新能力。大学及政府部门都面临着重大挑战，包括提升“数字素养”“数据素养”“人工智能素养”等能力的重要性。
能力的培养不仅仅是教导学生如何使用AI工具。AI工具虽能提升学生的任务性技能，但仅靠技术工具并不能发展核心技能。研究表明：学生在AI辅助下表现出了短期的能力提升，但一旦AI支持被移除，学生的表现便显著下降。这说明AI辅助学生提升的技能并不等同于真正的能力，需要长期支持和元认知的引导，帮助学生发展自主学习的能力。我们需要强调AI支持与人类技能结合的重要性，最终的目标是在发展人类技能的同时从人工智能中获益，前者强调作为“脚手架”的人类学习能力，而后者关注在人工智能辅助下解决任务的能力。两者结合的人智协同模式可以帮助学生拓展问题解决的能力、丰富问题解决的体验、提升探究学习的深度。
从哲学和历史的角度审视，人工智能不仅仅是一种技术，而作为科学，它既是理论科学，也是自然科学，还是属于人文学科的“文化科学”——它是一种高度融合的知识领域。因此，人工智能相关的教学不仅应包括数学、统计学、计算机科学等技术维度，还应纳入伦理、社会和人文维度。AI素养教育的双重维度——技术维度和人文维度——都应该得到重视。总之，尽管人工智能技术很重要，但也不应忽视采用自动化决策背后的人、权力和政治动机。强调人工智能素养的人的维度，是要让每个人都能够了解与人工智能共存意味着什么以及如何在最大限度利用人工智能提供优势的同时，保护人的行为或尊严不受任何负面影响。在各学科探索人工智能在其学科领域应用的同时，伦理教育应贯穿课堂的每个环节。
生成式人工智能的崛起，更凸显了培养人工智能素养的重要性。生成式人工智能的不透明性带来了诸多挑战：黑箱算法使得人们难以理解其输出的过程，但在决策过程通常不透明的情况下，普遍存在的误解可能会导致人们对生成式人工智能系统的误用和不当信任。如果没有较高的人工智能素养，学生可能会将人工智能拟人化或高估其能力。因此，教育者需要培养学生判别信息的能力，批判性地使用人工智能技术，能够识别这些技术的局限与挑战。
AI时代下的学生评价也成为教育领域的关键议题。评价是教育的核心，评价内容反映了教育价值观，并引导学生、家庭、雇主和政府如何理解并使用教育成果。在人工智能时代，要关注人类和AI技能的协同作用。我们需要重视长期评价，只有通过长期评价才能更全面地观察到AI与人类技能结合的效果，而短期评价无法揭示学生的元认知发展及长远的学习成果。但是，当下评价改革进展缓慢，许多大学未能及时跟进评价治理的调整，甚至忽视了评价的整体重要性。
五、AI时代的教育伦理风险
随着生成式人工智能在教育中的应用迅速扩大，技术进步与伦理风险的矛盾愈加突出。在高等教育领域，AI技术引发了隐私泄露、学术诚信危机、数据偏见等诸多新的挑战。教师和学生的角色正在发生深刻变化，教育的公平性、透明性以及师生间的人际互动都亟待重新定义的局面。
在教育的属性方面，人工智能可能使教育更加技术化、商业化、工具化。信息安全和法律方面，在缺乏规范意识和风险感知的情况下，很多被高校师生上传至大语言模型的信息可能涉及隐私、知识产权和信息安全风险；教育伦理及道德方面，学术诚信受损和教育不公平加剧；教育质量方面，误导性信息会损害知识体系构建，过度依赖生成式人工智能可能导致教育质量下降；教师职业发展方面，生成式人工智能对教师角色的替代可能引发教师失业及适应新技术过程中的转型困境；语言与文化影响方面，生成式人工智能可能会复制社会偏见，延续全球性数据处理中的殖民主义遗留和结构性不平等。
部分学者基于顺应技术发展的视角提出了较为开放和积极的伦理观点。人工智能与人类在伦理问题上存在本质的不同，人工智能也有在人类道德框架内运行的可行性。虽然在伦理问题上，人工智能只能够遵循道德规范，并不具备真正的道德动机，但在设计符合道德伦理的人工智能时，并非没有参考方向：人工智能应具有严格按照规范执行任务的能力，具备能够预测和应对未来挑战的鲁棒性和可信性以及对不确定性的开放态度。面对人工智能未来的复杂性和变化，我们需要保持谨慎但开放的态度。具体到高等教育应用场景中，比起完全抵制的态度，讨论知识原创性的本质、重新设计评估方式，才能将人工智能在知识生产中的正向作用最大化，推动人类与人工智能的协作，同时从技术层面限制其负面影响。
六、AI时代的高等教育实践与治理
在AI技术飞速发展的时代，新型治理不仅是对新兴技术的回应，更是对高等教育形态的重塑。高等教育治理的核心在于如何平衡技术发展的速度与其带来的风险。在管理方式上，高校应认识到实施敏捷治理的重要性。面对纷繁复杂的人工智能应用风险，敏捷治理倡导治理规则的快速制定和实时调整，在快速变化的环境中保持治理的前瞻性和针对性。具体而言，随着人工智能在高等教育中的渗透，隐私、安全、学术诚信等问题日益凸显，高校应该通过分级风险管理，建立分类管理和灵活调整的风险规制体系，针对不同类型的风险采取相应的治理措施。例如：在诸多风险中，信息安全与法律风险的后果较为严重，应强调并优先建立信息分级和应用分级制度，可以通过数据分级、隐私保护机制和AI工具的透明化来减少风险。而在学术诚信问题上，则需要通过设立清晰的责任划分与评估体系来保证教学和研究的公正性。
不仅如此，大学治理还需要重新审视其组织结构和资源配置方式。AI技术能够在资源管理、战略规划、组织优化等方面显著提升大学的治理效能。然而，AI在情感处理、价值观理解和领导决策等方面存在局限，尤其在涉及复杂情感和人际关系的问题上，AI无法替代人类领导者。大学治理应采取“人机协同”的方式，既要充分利用AI提升管理效率，也要保持人类领导者在决策中的核心作用，以实现大学治理能力的全面提升。
（《北京教育》（高教）2025年3期）