在神經科學和人工智慧時代，身為人類意味著要仔細探索複雜性的交會點，在這些交會點上，看似合理的觀點卻存在著張力，展現出不容忽視的微妙之處和挑戰。每一頁都表達了在集體討論中湧現的觀點之間以及每個主題內部存在的張力，並輔以NHNAI網絡研究人員的真知灼見。
教育的複雜性三：在不陷入本體論還原論的前提下，增進我們對人的理解
在法國和葡萄牙，與會者強調，神經科學和人工智慧的進步使我們能夠更好地理解大腦發育以及學習背後的生物學和神經機制。因此，人們期望神經科學和人工智慧能夠幫助識別有學習困難的學生，特別是透過神經影像學和診斷。這將使教師、家長和輔導員能夠更好地支持學生，並及早介入，以防止諸如自卑等負面後果。更了解神經多樣性，並識別學生的學習困難和/或精神障礙，也有助於調整學習工具和系統以適應學生的需求，例如利用人工智慧演算法進行個人化學習。
然而，與會者強調，不應將人框定在固定的模式或類別中，將其簡化為他們的數位檔案或神經特徵。因此，與會者表示，給兒童貼上精神障礙或學習困難的標籤也可能導致歧視和污名化，對個人是有害的。在葡萄牙，與會者強調，加強對認知能力高低兒童的識別做法可能會導致過度關注認知表現，從而過度刺激或刺激不足相關兒童，使他們相信沒有改進和改變的可能性。
來自NHNAI學術網絡的見解：
A. 學習者的分類方式多元
Laura Di Rollo（法國里昂天主教大學 NHNAI 計畫認知科學研究工程師，UR CONFLUENCE：科學與人文 (EA 1598)）和 Juan R. Vidal（法國里昂天主教大學 UR CONFLUENCE：科學與人文 (EA 1598)）認知神經科學副教授
為了避免將一個人的身份簡化為幾個特徵，我們應該將這些學習者的類別視為不同的功能模式（而非心理障礙），這可能導致不同的人在適應特定情境和環境時展現出獨特的能力。這些能力會隨著時間的推移而發展，並因情況而異。無論是醫生還是人工智慧系統提供的測試和診斷，都能讓我們深入了解一個人的認知功能，這些資訊對於理解其需求至關重要，並有助於為其提供適當的支援。然而，技術雖然能夠擷取資料並提供參數值，但卻無法完全掌握個體的複雜性，這其中也包括其內在層面，例如情緒和情緒。若不透過人際關係和互動，就無法全面理解一個人的獨特性和深度。儘管機器、測試和評估工具可以提供有用的數據，但它們在捕捉人類獨特性的完整整合譜系及其真正的複雜性方面存在不足，而個體正是在這種複雜性中認識自我。這其中也包括來自主體間互動空間的知識。因此，在以具身視角理解人的過程中，關係維度至關重要。然而，只要決策的重點在於幫助人們蓬勃發展，而非僅僅在簡化的評估框架下追求更高的生產力，這些資訊就能對決策有所幫助。從邏輯上講，分類雖然具有指示意義，但不應導致可能存在歧視和/或排斥的自動化決策，而應促進社會包容。
B. 個別化與差異困境
儘管21世紀提倡包容，但也帶來了挑戰和困境。正如露絲‧西格曼[1]所言，其中一個困境在於我們如何處理差異：
我們可以選擇將所有兒童視為基本上相同，這意味著盡可能公平地對待他們，但同時也存在忽略個體差異的風險。或者，我們可以區別對待他們，結果是某些兒童的境遇會比其他兒童更好，但同時也存在因對某些兒童投入更多資源或專業知識而造成不公平的風險。
此外，個人化可能導致環境過度適應個體需求，正如當前個人化趨勢（例如人工智慧應用）所體現的那樣。這種做法如果走向極端，可能會阻礙集體發展，並限制人們學習和適應各種環境的能力。如果環境總是根據個體需求量身定制，人類可能會喪失適應不同情況的關鍵技能，並且不會展現出發展這種適應技能的努力——而適應能力對於在世界中生存至關重要，因為適應能力並非生物體被動習得的。即使是基因驅動的適應也應納入行為改變的範疇。因此，我們需要一種平衡的方法，既要考慮社會環境的限制（例如，能否取得優異成績？），也要考慮生物因素的限制（例如，透過自我驅動的努力進行學習），並在保持總體平等標準的同時，為差異和（神經）多樣性留出空間。要實現這種平衡絕非易事。
簡而言之，我們需要一種整體性的方法來理解人，將人視為複雜的個體，每個人都有獨特的個性、經驗、信念和願望。這種複雜性無法透過簡單的分類或標籤來理解。雖然學習者分類可以幫助我們了解一個人在特定時期內的行為方式，但它們無法涵蓋個體的所有潛能。沒有什麼是一成不變的，人類會進化、改變，並展現出新的學習潛能。此外，分類可能會導致同質化，而例如，像是注意力不足過動症（ADHD）或閱讀障礙（以及其他一些障礙）在個體身上的表現方式並非千篇一律。
[1] Cigman R. (2007), Included or Excluded? The Challenge of the Mainstream for Some SEN Children (Oxford Routledge). op. cit., p. 137. Cigman, R., & Davis, A. (Eds.). (2009). New philosophies of learning (Vol. 2). John Wiley & Sons.
C. 這個問題背後的爭論：心智能力與大腦之間的關係
Federico Giorgi（那慕爾大學生物學哲學博士後研究員，ESPHIN）和 Nathanaël Laurent（比利時那慕爾大學生物學哲學副教授）
關於如何承認並整合神經學資訊以及來自自然科學的其他輸入以更好地理解人類（尤其是在教育領域）的爭論，可能會受到對心智能力（例如學習）與大腦之間關係的一種狹隘視角的負面影響。儘管目前流行將心智簡化為大腦，但認為任何學習困難都可以透過神經影像技術預測的觀點既值得懷疑，也存在危險。
從科學角度來看，這種觀點值得懷疑的原因有很多。首先，必須對心理現象與神經或生理事件之間已建立的經驗相關性保持謹慎。心理狀態與大腦狀態之間的相關性可能並不充分。也應該探究這些相關性是否顯示了因果關係或同一性關係（Manzotti & Moderato，2014）[1]。這第二層探索可能極為複雜。此外，還需指出第二個難題。在過去的幾十年裡，神經科學常常將大腦功能簡化為神經元，並以電腦作為大腦活動的隱喻。透過這種簡化和隱喻，大腦的功能往往被等同於程式的執行。這種方法主要源自於認知科學，認為大腦的運作方式與電腦非常相似。然而，這種觀點因忽略身體和情緒的作用而被批評為「神經中心主義」。如今，神經科學變得更加包容，認識到大腦的功能與其他器官和身體其他部分密切相關。例如，現在的研究強調了腸道和微生物群在心理健康中的重要性[2]，以及呼吸和心率對大腦活動的影響[3]。
除了這些基於生物學和神經科學的還原論所受到的批評之外，還原論還會引發一些特別尖銳的實際問題。例如，它可能會誤導學生認為他們的困難源於生理因素——即使事實並非如此——並讓他們覺得自己的困境是無法克服的。
當然，我們也不否認腦損傷會對人的認知能力造成非常嚴重的後果，也不否認有些情況下，這種負面影響是不可逆的。然而，我們真正質疑的是目前占主導地位的還原論觀點，這種觀點認為，所有心理現像都可以完全透過神經科學知識來理解，或者換句話說，心理學完全可以還原為神經學。心理學的定義是研究個體作為一個整體。神經科學致力於理解這個整體的神經基礎和組成過程，探索自下而上和自上而下的機制。然而，它遠遠不能提供一個簡單易懂的整體視角。過度簡化和還原論的觀點對年輕人尤其有害，因為他們最需要的是自由感和開放的可能性，以便找到應對學習困難的方法，無論這些困難是大是小。
[1] R. Manzotti & P. Moderato, “Neuroscience: Dualism in Disguise”, in A. Lavazza & H. Robinson (eds.), Contemporary Dualism. A Defense, Routledge, 2014, pp. 81-98.
[2] Morais, LH., Schreiber, HL, Mazmanian SK (2020). The gut microbiota-brain axis in behavior and brain disorders. Nat Rev Microbiol. 2021 Apr;19(4):241-255. doi: 10.1038/s41579-020-00460-0. Epub 2020 Oct 22.
[3] Engelen, T, Solca M, Tallon-Baudry C (2023) Interoceptive rhythms in the brain. Nat Neurosci.2023 Oct;26(10):1670-1684. doi: 10.1038/s41593-023-01425-1. Epub 2023 Sep 11.
