在神经科学与人工智能时代，作为人类意味着要仔细探索那些复杂交汇点——尽管其中存在有效的观点，但这些观点之间仍存在张力，从而显现出不容忽视的微妙之处与挑战。每一页都展现了观点之间以及各主题内部现存的张力，这些张力源于集体讨论，并辅以NHNAI网络研究人员的见解。
教育复杂性#1:教育中的人工智能和新兴技术与人类发展的关系
支持、自动化和认知发展
社会讨论的参与者认识到在教育中使用人工智能的优势。首先,人工智能可以帮助我们提高生产力和效率,因为有些任务通过人工智能更容易、更快地完成（例如为学生制作摘要和做笔记、为教师校对……)。自动化还可以成为缓解因繁重任务而精疲力竭的教师（永久）或在出现健康问题时确保连续性（暂时）的一种手段。此外,人工智能和自动化使我们能够节省时间,这些时间可用于其他活动来发挥我们的人性,或专注于人际关系等其他基本事物（如法国和葡萄牙所唤起的）。另一点是,人工智能可以让我们摆脱重复或无趣的任务,这使我们能够专注于需要高度智力活动并且可能更有趣或更刺激的更深层次的任务。
然而,参与者也担心人工智能会导致认知能力下降和自主性丧失的风险。通过自动化进行授权意味着被剥夺某种（专有技术）知识并变得依赖机器。当我们无法在没有机器的情况下独自完成任务时,我们就会失去自主权。此外,通过将自己从任务中解放出来,我们不再需要使我们能够执行这项任务的认知能力,我们不再需要实现任务所需的大脑区域（就像系统地使用 GPS 的情况一样,它会削弱与空间定向和记忆相关的大脑区域的活动）。除此之外,某些认知能力需要培养（例如解决问题、创造力……),特别是通过反复试验,因为我们也在从错误中学习。过度依赖人工智能来获取答案可能会阻碍我们进行足够的练习。最后,我们认为无趣或“较低水平”的一些任务可能是重要认知能力或价值观发展的关键（例如耐心、成熟度……)。
NHNAI学术网络的见解：
基于 Juan R。Vidal（认知神经科学副教授（UCLy（里昂天主教大学）,UR CONFLUENCE:Sciences et Humanités（EA 1598),里昂,法国）、Laura Di Rollo（NHNAI 项目认知科学研究工程师（UCLy（里昂天主教大学）,UR CONFLUENCE:Sciences et Humanités（EA 1598),里昂,法国）和 Brian P 的见解。格林（人工智能伦理学教授、马库拉应用伦理学中心（美国圣克拉拉大学）技术伦理学主任
A。逃避“最少努力”的法则
尽管人工智能在教育中可能有多种有益的用途可以增强学习效果（例如,使用 ChatGPT 在考试前生成有关课程的问题,或为开始写作项目提供初步想法……),但学生可能非常倾向于将其用途推广到尽可能多的学术任务中。人工智能等技术使一些任务变得更容易,并诉诸“最少努力”的原则,这确实可能对认知发展有害。一项研究[1]特别说明了这一点,该研究表明,学生过度使用 chatGPT 等生成式人工智能可能会增加拖延、记忆丧失并影响学业成绩。[2]
学习新的（智力和实践）技能需要练习,而且通常需要重复,以提高实现长期目标的行动的效率和质量。如果不付出努力,练习（重复）是不可能的,并且在没有完全实现预期目标时常常会感到沮丧。如果技术设备和人工智能的使用缩短了这些重要的学习步骤,个人将无法获得新的能力和知识,从而变得贫困。因此,通过这种“努力学习”的视角来评估人工智能的使用非常重要,这不应被视为浪费时间,而应被视为学习和保留知识（无论是抽象的还是具体的专有技术）所需的时间。此外,努力也能传达学习的意义,这对于一个人的身份很重要。
因此,重要的是要考虑使用技术和人工智能作为增强人类能力学习的一种手段,而不仅仅是通过教育系统中最大化评估分数的唯一视角。我们应该使用人工智能作为补充工具,它不会妨碍认知努力。例如,人工智能可以用来帮助我们提醒我们需要做的事情,而不仅仅是为我们做这件事,从而剥夺我们成长和繁荣的经验。人工智能可以用作激励因素,而不是仅仅或主要用作复杂任务（学习所必需的,尤其是长期任务）的促进因素。教师’和培训师’有责任鼓励学习者在技术援助和个人努力之间取得平衡,以保持学习和认知发展,并尽可能限制技术可能造成的干扰源。
事实上,更好地理解我们如何学习以及我们如何受到环境和实践的影响,可以培养这样一种观点:人类的繁荣自由取决于控制与环境各个方面互动的能力,特别是依靠能够非常有效地吸引注意力的技术设备,使人们无法自由地关注周围发生的事情。神经科学可以更好地理解人类行为和思维的限制和机制。它为采取行动提供了基础,以避免或驯化与精神垄断文物的互动。
[1] Abbas, M., Jam, F. A., & Khan, T. I. (2024). Is it harmful or helpful? Examining the causes and consequences of generative AI usage among university students. International Journal of Educational Technology in Higher Education, 21(1), 10.
[2] 然而,这项研究不仅强调了过度使用 chatGPT 与认知贫乏之间的因果关系。它还显示了过度使用 chatGPT 与时间压力和高工作量水平之间的因果关系。因此,人工智能或技术本身可能不是认知贫乏的唯一触发因素。将它们纳入高估生产和消费、效率和速度的社会经济模型中似乎也存在因果关系。
B。身体和生活经验在学习中的重要性
神经科学表明,人类大脑实际上并不像计算机那样运作。与计算思维观点的想法相反,知识不是大脑执行的软件指定的抽象计算的结果。根据更具身化的观点,认知、知识和意义建构迄今为止都是通过身体与大脑的相互作用来实现的,是通过神经系统、身体和环境之间持续的相互作用,通过具身思维的主动参与来实现的。减少这些互动,特别是与社会环境的互动,相当于使学习体验变得过于丰富,从而失去对所有知识的整体意义建构和全球综合理解。
这种具体观点的结果是,学习“有意义的知识”或“对个人有意义的知识”与身体知识有关。数字技术和人工智能（尤其是对话式人工智能）主要通过书面（或音频转换）文本传递知识。所涉及的感觉运动操作或身体运动不仅仅局限于用手指点击或滚动屏幕（与环境的互动不足）。花费大量时间做屏幕工作,即使是为了“学习”,也可能无法充分刺激神经系统和身体之间的耦合。它将学习融入机器的功能:在预先分配的空间中存储信息。结果,认知和学习过程可能会被耗尽。因此,在学校教育期间,找到屏幕前时间和在感觉运动水平上更直接刺激身体的活动（在努力中,在更加多样化和扩展的生活体验范围内）之间的平衡可能至关重要。
无论如何,人工智能不应该增强屏幕和数字工具的吸引力和捕捉力对儿童的注意力和活动时间的影响。人工智能不应该以优化学习为借口,导致生活体验丰富度的减少。人类知识是一个体验（身体）过程,而不是一个算法信息处理过程。当减少经验的丰富性和多样性时,我们不可避免地会降低知识质量。人工智能工具可能提供更快地完成任务的机会,但会牺牲丰富多样的生活体验。人们可以与电影预告片进行类比。它们可能构成电影’内容的良好综合,但它们永远不会耗尽完整电影的体验。谁愿意加快电影观看速度以便更有效地观看“更多电影”？在许多情况下,类似机器的优化过程无法满足人类对丰富、多样和高质量体验的渴望（抑制这种渴望就意味着接受长期未优化的时间间隔的存在）。
B。防止技能丧失:批判性思维和创造力
人工智能的使用也带来了技能下降的风险。有些技能似乎是可以接受的,例如与过时的技术相关的技能等,但还有其他技能似乎是我们人性所固有的,例如生存、社会生活所必需的技能,或与真理相关的理性技能。我们究竟如何确定应该继续教授哪些技能以及我们愿意失去哪些技能是一个有点悬而未决的问题,但似乎确实有一些技能我们不应该失去。
无论如何,应始终牢记做出一些努力的经验的重要作用。学习不是一个被动的过程,这就是为什么努力是学习自然过程的一部分,特别是当所学内容具有一定程度的复杂性时。复杂的知识不是“负荷”的问题,而是思想之间的“关系”的问题。建立这些联系本质上需要付出比仅仅保留信息更多的努力。意义建构也走这条路。努力虽然效率较低,但却是知识和技能获取过程的保证。因此,一个重要的问题是:人工智能作为工具的使用何时会取代人类获取知识和技能的思维行动过程？学生何时、如何以及为何进行替代？回答这个问题可能有助于制定教育系统的策略和相互适应,以避免这种替代的发生。
在这方面,我们可能需要重新发明人工智能工具无法轻易解决的作业和活动,而是要求学生发挥创造力和批判性思维。此外,重视此类活动可以激励学生更深入地参与学习过程,并更愿意自己完成任务。[1]
然而,世界各地的许多评论者都担心人工智能可能会损害我们的创造力、批判性思维、智力发展、社会发展等。应认真对待这些威胁,尽可能避免,如果它们开始成为现实,则应迅速停止。
然而,教育也不仅仅涉及实用的技能–它还涉及享受生活中更抽象或理论的方面,思考宇宙的深层奥秘和意义。如果人工智能能够消除生活中的一些苦差事,让我们更有能力享受更高的追求,以及其他令人愉快的人类追求,那么这可能是一个很好的结果。
[1] Ibid.
