教育的複雜性 #2

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。

社會各界人士普遍認可人工智慧在教育領域的應用優勢。首先，人工智慧可以幫助我們提高效率，因為有些任務借助人工智慧可以更輕鬆快速地完成（例如為學生產生摘要和筆記，為教師校對教材等）。自動化還可以幫助疲憊不堪的教師（長期）擺脫繁重的工作，或在他們因健康問題暫時無法工作時（短期）確保教學工作的連續性。此外，人工智慧和自動化還能讓我們節省時間，用於其他活動，例如發揮我們的人文情懷，或專注於其他重要的事情，例如人際關係（正如法國和葡萄牙的例子所示）。另一點是，人工智慧可以將我們從重複性或枯燥乏味的工作中解放出來，使我們能夠專注於需要高度智力投入、更具挑戰性或更有意義的任務。

然而，參與者也擔心人工智慧會帶來認知能力下降和自主性喪失的風險。透過自動化實現任務委託意味著我們會失去某些（專業技能）知識，並變得依賴機器。當我們無法獨立完成任務，而需要藉助機器時，我們就失去了自主性。此外，當我們不再需要自己完成任務時，我們也不再調用那些曾經幫助我們完成任務的認知能力，不再調用完成任務所需的腦區（例如，系統性地使用GPS會削弱與空間定向和記憶相關的腦區活動）。更重要的是，某些認知能力需要透過練習來發展（例如解決問題、創造力等），尤其是透過反覆試錯，因為我們也能從錯誤中學習。過度依賴人工智慧來獲取答案可能會阻礙我們進行足夠的練習。最後，我們認為一些不有趣或「較低層次」的任務，可能對培養重要的認知能力或價值觀（如耐心、成熟…）至關重要。

基於 Juan R. Vidal（法國里昂天主教大學認知神經科學副教授，UR CONFLUENCE：科學與人文（EA 1598）），Laura Di Rollo（法國里昂天主教大學 NHNAI 專案認知科學研究工程師，UR CONFLUENCE：科學與倫理（EA 1598）），以及 Brian P. Green（美國聖克拉拉大學 Markkula 科學與倫理學（EA 1598））

儘管人工智慧在教育領域有許多有益的用途，可以促進學習（例如，使用 ChatGPT 在考試前產生與課程相關的問題，或為寫作專案提供初步思路…），但學生很容易將其應用到盡可能多的學習任務中。人工智慧等技術使某些任務變得更容易，迎合了「最小努力」的原則，而這實際上可能不利於認知發展。一項研究[1]很好地說明了這一點，該研究表明，學生過度使用 ChatGPT 等生成式人工智慧可能會導致拖延症加劇、記憶力衰退，並影響學業成績。 [2]

學習新的（智力和實踐）技能需要練習，而且通常需要重複，才能提高行動的效率和質量，從而實現長期目標。練習（包括重複）離不開努力，也離不開在未能完全達到預期目標時所經歷的挫敗感。如果科技設備和人工智慧的使用簡化了這些重要的學習步驟，個人將無法獲得新的能力和知識，從而導致自身能力的匱乏。因此，評估人工智慧的使用必須從「學習努力」的角度出發，不應將其視為浪費時間，而應將其視為學習和掌握知識（無論是抽象的還是具體的技能）所需的時間。此外，付出努力本身也反映了學習的意義建構，這對個人的認同至關重要。

因此，我們應該將科技和人工智慧的使用視為增強人類能力學習的手段，而不僅僅將其視為教育體系中最大化評估分數的手段。我們應該將人工智慧作為一種輔助工具，而不是阻止人們付出認知努力。例如，人工智慧可以用來幫助我們記住需要做的事情，而不是僅僅替我們完成這些事情，從而剝奪我們成長和發展所需的經驗。人工智慧可以作為一種激勵工具，而不僅僅是或主要作為複雜任務（尤其是長期學習所需的任務）的輔助工具。教師和培訓人員有責任鼓勵學習者在技術輔助和個人努力之間取得平衡，以維護學習和認知發展，並盡可能減少科技可能帶來的干擾。

事實上，更好地理解我們如何學習以及我們如何受到環境和行為的影響，有助於我們認識到，人類的自由發展取決於其控制與環境各個方面互動的能力，尤其是與那些高效吸引註意力、使人們無法自由關注周圍事物的技術設備的互動。神經科學有助於我們更好地理解人類行為和思維的限制和機制，並為採取行動避免或控制與這些佔據我們大量注意力的電子設備的互動提供了依據。

[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，這項研究不僅揭示了過度使用聊天GPT與認知能力下降之間的因果關係，也揭示了過度使用聊天GPT與時間壓力和高工作負荷之間的因果關係。因此，人工智慧或技術本身可能並非認知能力下降的唯一誘因。它們被納入過度重視生產和消費、效率和速度的社會經濟模式中，似乎也與認知能力下降有因果關係。

神經科學揭示，人腦的運作方式並非如電腦一般。與基於計算思維的觀點相反，知識並非大腦執行軟體預設的抽象計算的結果。根據具身認知的觀點，認知、知識和意義建構在很大程度上依賴身心互動，依賴具身思維透過神經系統、身體和環境之間持續不斷的互動而主動參與。減少這些互動，尤其是與社會環境的互動，會削弱學習經驗，導致整體意義建構和對所有知識的全局整合理解的缺失。

這種具身認知觀點的一個結果是，學習「有意義的知識」或「對個體有意義的知識」與身體的感知能力密切相關。數位技術和人工智慧（尤其是對話式人工智慧）主要透過書面（或音訊轉換）文字傳遞知識。其中涉及的感覺運動操作或身體動作僅限於用手指點擊或滾動螢幕（與環境的互動不足）。長時間沉浸於螢幕前，即便是為了“學習”，也可能無法充分刺激神經系統與身體之間的連結。這會將學習等同於機器的工作：將資訊儲存在預先分配的空間中。結果，認知和學習過程可能會因此變得貧乏。因此，在學校教育階段，找到螢幕時間和更直接刺激身體感覺運動層面的活動（例如，透過實踐，以及更豐富多樣的生活體驗）之間的平衡至關重要。

無論如何，人工智慧不應增強螢幕和數位工具對兒童注意力和活動時間的吸引力。人工智慧也不應以優化學習為藉口，導致生活體驗的豐富性降低。人類知識與其說是演算法資訊處理過程，不如說是一個體驗式（身體）過程。當我們減少體驗的豐富性和多樣性時，知識的品質必然會下降。人工智慧工具或許能讓我們更快完成任務，但卻犧牲了生活體驗的豐富性和多樣性。這就像電影預告片一樣。預告片或許能很好地概括電影內容，但永遠無法完整呈現觀看完整電影的體驗。誰會為了「更有效率地看更多電影」而加速觀影速度呢？在許多情況下，機器式的最佳化過程無法滿足人類對豐富、多樣和高品質體驗的渴望（而滿足這種渴望意味著要接受長時間未經優化的體驗）。

人工智慧的應用也帶來了技能退化的風險。有些技能似乎可以接受失去，例如與過時技術相關的技能等等；但有些技能似乎是我們人類與生俱來的，例如生存技能、社會生活技能，以及與真理建立聯繫的理性技能。我們究竟該如何確定哪些技能應該繼續教授，哪些技能可以接受失去，這仍然是一個開放性的問題，但確實存在一些我們不該失去的技能。

無論如何，我們應該始終牢記努力學習經驗的重要性。學習並非被動的過程，因此努力是學習自然過程的一部分，尤其是在學習內容具有一定複雜性時。複雜知識的關鍵不在於“資訊量”，而在於概念之間的“關係”。建立這些聯繫本身就比僅僅記住資訊需要付出更多努力。理解事物的意義也遵循同樣的規律。努力雖然效率較低，但卻是知識和技能習得過程的保障。因此，一個重要的問題是：人工智慧作為一種工具，何時取代人類獲取知識和技能的思考行動過程？學生何時、如何、為何會進行這種替代？回答這個問題或許能夠引導我們在教育體系中發展策略和情境調整，以避免這種替代的發生。

在這方面，我們可能需要重新設計那些人工智慧工具難以輕易解決的作業和活動，轉而要求學生運用創造力和批判性思考。此外，重視這類活動可以激勵學生更深入參與學習過程，並更願意獨立完成任務。 [1]

然而，世界各地的許多評論者都表達了擔憂，認為人工智慧可能會損害我們的創造力、批判性思維、心智發展、社會發展等等。這些威脅應該被認真對待，盡可能避免，如果開始成為現實，則應迅速制止。

儘管如此，教育也不僅僅是實用技能的傳授——它也包括享受生活中更抽像或理論性的層面，思考宇宙的深奧奧秘和意義。如果人工智慧能夠減輕生活中的一些繁瑣工作，讓我們更有能力享受更高層次的追求以及其他令人愉悅的人類活動，那麼這可能是一個好的結果。

[1] Ibid.