首页 > 大众 > 科普/百科 >

AI助学：人工智能时代的学习跃迁（第2版）

作译者：滕启明

出版时间：2026-05 千字数：403 版次：01-01 页数：300

开本：16开装帧： I S B N ：9787121526398

换版：

纸质书定价：￥79.0

库存:无

分享到：

共有图书评论0条【查看评论摘要】

看了又看

{{data.bookName}}

￥{{data.price}}

内容简介

前言

上架建议

作者简介

编辑推荐

音视频专区

目录

第1章  术人  // 1
技术革命  // 1
文化  // 4
哲学与数学  // 6
学习技术  // 7
结论  // 11
第2章  什么是AI  // 12
AI的含义很宽泛  // 12
AI与智能  // 15
AI是一种没有理解力的能力  // 18
作为群体能力的AI  // 20
AI能够学习  // 21
AI在学习中的应用  // 23
第3章  学习理论与AI  // 26
生成式AI和学习  // 26
学习理论和生成式AI  // 34
AI、语言和学习  // 47
学习设计  // 56
结论  // 58
第4章  AI是新的用户界面  // 59
隐形界面  // 62
学习界面  // 64
学习中的语音  // 65
AI界面与学习  // 67
低门槛、高上限、广空间  // 70
结论  // 74
第5章  教学  // 75
在学习中拟人化AI  // 75
简化机器人谬误  // 76
教学与技术  // 79
使用AI开展教学活动  // 82
用于增强教学的AI  // 85
第6章  全能教师  // 90
21世纪技能神话  // 90
人类例外主义  // 95
生产力  // 96
还剩下什么吗  // 97
全能教师的概念  // 100
通用教学  // 104
AI和情感  // 108
结论  // 111
第7章  聊天机器人  // 113
愚弄了所有人的教师机器人  // 114
聊天机器人和学习理论  // 117
聊天机器人在学习中的用途  // 120
构建聊天机器人  // 125
个性化的聊天机器人  // 126
聊天机器人的滥用  // 128
糟糕的机器人  // 129
谨慎  // 130
结论  // 131
第8章  AI与绩效支持  // 132
AI与非正规学习  // 133
AI与绩效支持  // 136
组织化的学习  // 138
结论  // 139
第9章  AI内容创作  // 140
学习科学  // 140
从头开始创作内容  // 143
提示词  // 144
学习科学和教育学  // 148
分支场景  // 152
AI用于敏捷生产  // 156
主题领域专家的消亡  // 157
视频与AI  // 158
交替练习与分散练习  // 161
评估  // 164
结论  // 164
第10章  自适应学习  // 165
关于适应学习  // 165
自适应的类型  // 167
从LMS到AI  // 171
结论  // 172
第11章  数据分析  // 174
数据来源  // 174
数据陷阱  // 175
数据类型  // 177
学习者和数据  // 179
学习分析  // 180
学习分析和组织变革  // 181
结论  // 183
第12章  AI学习组织  // 184
AI改变一切  // 184
AI战略  // 185
使用生成式AI  // 186
AI与学习设计  // 188
AI与技术设计  // 192
AI与数据设计  // 193
AI与采购  // 194
结论  // 196
第13章  AI与伦理  // 197
道义论与功利论  // 199
伦理道德与监管  // 203
技术决定论  // 204
AI的发展  // 205
结论  // 212
第14章  AI与偏见  // 213
大脑与AI  // 214
人类偏见与AI  // 216
常见的指责  // 218
从统计学角度看AI  // 222
避免偏见  // 223
教学领域的顾虑  // 224
第15章  AI与就业  // 227
“47%的工作将被自动化替代……”  // 228
“今天65%的学生将从事尚不存在的工作……”  // 230
AI的影响  // 230
生产力  // 232
创造力  // 233
职业与AI  // 234
学习工作与AI  // 235
就业率不足与失业问题  // 238
结论  // 241
第16章  AI与灭绝  // 242
反乌托邦或乌托邦  // 244
结论  // 250

第17章  接下来呢  // 251
科技  // 251
能源和排放问题  // 253
生物计算机  // 254
量子计算  // 255
核聚变  // 257
第18章  学习领域的前沿  // 260
AI学习  // 262
AI、AR和VR  // 264
神经技术  // 265
第19章  跨越学习边界  // 269
教学边界  // 269
教育边界  // 271
认知边界  // 273
艺术边界  // 275
社交边界  // 277
来自边界的最终启示  // 278
参考资料  // 280
索引  // 293

译  者  序	
		
在经历数次憧憬、幻灭、低潮的周期之后，人工智能(AI)再次成为全社会普遍关注的议题。近年来，受益于科学技术上的快速迭代，尤其是计算与存储能力的突破式增长和机器学习领域的创新，人工智能在音频、视频、文字处理等领域都涌现了丰富的成果，并且越来越多地被应用到各行各业。人工智能正在推动着全球的知识经济快速发展，孵化、催生新业态的同时，也在不断带动传统行业的深刻变革与转型。这样一种蕴含无限可能，同时又会对整个人类技术生态、经济秩序带来巨大冲击的技术，值得我们身处时代漩涡中的每个人去关注和思考。
在漫长的文明进化史中，人类发明创造了无数工具和技术来消除衣食住行上的不便，大量、高效地生产物质财富和精神财富来推动社会发展，满足自身不断膨胀的需求和欲望。在这些发明创造的背后，是人类杰出的社会组织能力和高效的知识积累与传播能力。以语言文字为主要载体的群体智慧薪火相传、生生不息，即便是电子计算机与互联网的兴起，也从未让我们担心未来会失去自身对地球文明进步的主导地位。我们曾经乐观地相信，我们所创造、生产的所有技术和工具都是用来服务于人类的，毕竟我们拥有独一无二的智识和对美好未来的强烈渴望。随着以大语言模型(LLM)为代表的新一代人工智能技术的崛起，这一看似稳固的信念基石不可避免地开始动摇。对于这一趋势，相信除科技工作者在孜孜以求之外，哲学、经济、社会、教育等众多领域都有很多团体和个人在努力理解和评估，尝试从不同角度去解读。本书便是一位教育领域工作者基于自身的理解，就这一主题所给出的分析与思考。
在传统的社会架构中，作为人类灵魂的工程师，教师的工作是神圣且不可或缺的，传道、授业、解惑的目的，是将人类长期积累的各类群体经验、智慧传递给下一代，让新一代为人类文明的接续做好准备。每个社会历史时期，不同的国家和区域，青少年这个群体都要接受长期的、有组织的知识灌输和技能培训，走上工作岗位成为社会化生产这一庞大机器的一部分之后，仍然需要不断学习、更新知识和技能储备，跟上社会进步的步伐。本书作者克拉克认为，有组织地学习固然可以在某种程度上提高效率，但是传统的课堂教学方法存在很大的局限性，例如，很难成倍地扩展规模，无法做到因材施教或者有针对性地调整教学内容与进度，等等。为此，教育领域亟需完成思维范式上的某种变革，拥抱新技术新方法带来的机遇，利用AI技术实现通才教师，构造可达性、规模性、针对性、适应性更好的教育模式。当然，这一过程不可能一蹴而就，其间可能遇到的与AI相关的问题有很多，例如技术成熟度问题、伦理问题、偏见问题等。
本书作者克拉克是英国人，他多年从事计算机辅助教育领域的学术研究与工程实施工作，具有较深厚的行业经验积累，对教育领域的很多现实问题都有着比较深入的思考和见解。作为一个普通家长，本人在最初翻阅本书英文原稿时，希望能够就两个问题得到答案或者启示。第一个问题是现在的孩子应该学什么，才能将自身兴趣与社会需求更好地结合起来，在未来AI到来的社会中应对自如、游刃有余。第二个问题是他们应该怎样去利用AI不断改进学习方法和学习习惯，从而更好地完成甚至享受学习过程。第一个问题不是本书的主题，因此相关的讨论并不多；但在第二个问题上，在阅读和翻译的过程中，本人作为译者感觉收获颇丰。尽管本人对作者的各种主张和见解并非全盘接受，在翻译的过程中还是尽量尊重作者原意，仅针对极少的有可能存在争议的段落与作者沟通之后进行了修订。
翻译这样一本通俗的学术作品是一个苦中作乐的过程。本人多年从事计算机领域科研和工程实践工作，但在教育学领域及相关的社会学、心理学、哲学等领域涉猎较少，翻译过程中经常遇到读起来平平无奇但在某个领域有专指的术语，需要反复检索考证。其中的辛苦，读者不难想象。即便如此，限于本人水平，书中仍难免有理解上的错误、术语上的不准确等问题，欢迎读者不吝赐教，批评指正。
总体上，本人认为此书适合的读者群体很广，既包括在机器学习、人工智能等计算机领域从事战略规划、技术攻关的工程技术人员，也包括教育相关(包括培训、传媒等)行业的从业者，还包括虽然从事其他领域但至少关心关注AI技术发展未来的人们，尤其是忧心忡忡的家长们。我们无法准确预测未来，但这并不表示我们应该放弃思考、听之任之；相反，我们或许应该密切地关注技术的发展进步，力求冷静客观地看待无法阻挡的变革趋势，在机会中看到风险，在风险中寻求机会。
寥寥数语，权当作序。

	
前言

本书的写作被证明是一种先见之举。多年来，我一直在撰写文章和主题演讲文稿，讲述从技术和学习领域角度看人工智能(AI)如何成为一次独一无二的重大技术性变革，同时我还在使用AI技术来提供学习服务。后来，在2022年11月30日，这件事情终于发生了—ChatGPT 3.5发布了。
全球各地的人们都在对着ChatGPT说话，技术引发的好奇心异常浓厚。世界上所有主要的技术公司都已采纳AI作为其核心技术。AI曾经在我们的生活中扮演重要角色，随着它可以被嵌入到我们日常使用的工具和服务中，它的重要作用也会持续。
新的AI技术会带来学习领域中一种泛型上的迁移，从现在的搜索和提取模型切换到一种更为直接、有用且人性化的模型，从独白模式迁移到对话模式。它会带着我们离开不自然的学习方式(平面印刷的课本教材和沉闷的在线学习、讲座与视频所使用的平面屏幕)，进入一个完全不同的、能够激发我们主观能动性的新世界。
我出生于1956年，也就是现代AI研究开始的那一年，美国的常青藤达特茅斯学院在那年召开了一场意义重大的学术研讨会。在那次会议上，约翰·麦卡锡(John McCarthy)创造了“人工智能(Artificial Intelligence)”这个词语，进而启动了这个领域中的一些基础性工作。作为一个年轻的本科生，我曾有幸在那里求学，并在那里第一次接触到计算机。我之前的编码经验都是使用穿孔卡片，需要在学校的时候把卡片寄给位于爱丁堡的本地政府大型计算机技术部门。程序的结果是打印出来的表单，会在一周之后寄回来。在达特茅斯，我们能够访问一台大型计算机，玩战舰(Battleship)游戏，可以编码。对我来说，那是像主显节一样的日子。回到爱丁堡之后，我买了一台家庭用计算机，我所编写的第一个计算机程序是用来教授基础俄语的。
我的第一个严格意义上的AI应用是在20世纪80年代开发的，用途是智能辅导。克里夫·谢菲尔德(Clive Shepherd)和我一起构造了一个训练程序，使用动态收集的学习者数据，为准备去英国电信(British Telecom)面试的人提供针对训练计划的学习路径建议。我们从中积累了很有价值的经验。我们当时使用的计算机在处理能力和内存空间上都很有限，无法很好地完成我们想做的事情，但是这个方向是很有前景的，随着时间的推进也慢慢有了成果。时机最终还是到来了，我们后来成立了一家成功的公司，在股市上名为Epic plc，帮助创建了英国的在线学习行业。
再后来，有了AI驱动的Google搜索，为研究和学习活动的效率带来革命性的变化，并促成一种教学方法上的变革。出售了公司之后，我摆脱了工作的压力，让自己深度下潜，学习了塞巴斯蒂安·特龙(Sebastian Thrun)在MOOC(Massive Open Online Course，大规模开放在线课程)上的AI课程，这门课程对算法背后的机理做了非常深入、非常实在的阐述，还讨论了在应用中算法所能发挥的效力。
这门课程让我相信AI会是在线学习背后的主要驱动力，所以我开始在全球的各类学术会议上谈论这个想法，同时也发现很多听众对这种可能性很感兴趣。于是我开始在“自适应学习”领域投资，为我担任董事的另一家公司制订AI战略，并亲自冒险尝试，设计开发了一个AI驱动的内容创建、整理和练习工具。这个工具获得了英国高等教育界的主要技术团体JISC(Joint Information Systems Committee，联合信息系统委员会)颁发的三项大奖：学习领域最具创新的新产品奖、最佳在线学习项目奖和最佳教育技术(EdTech)奖。
最近，在另外一些意义重大的时刻，我进一步确定了自己对在学习领域应用AI技术的信仰。这几件事情发生在一些奇怪的场合和环境中。其中一件比较特别的事情还有点儿让人觉得恐怖。当时我在费城大学教授如何在活动中使用AI的课程，在美国总统大选的那天早上，我展示了一份AI预测结果，认为特朗普会胜出。嗯，大家都笑了。第二天早上，气氛非常压抑，有些人甚至哭了。这件事情进一步确认了我的看法。那就是旧的媒体和民意调查方法已经过时了，还停留在使用亚历山大·格拉汉姆·贝尔(Alexander·Graham·Bell)发明的电话来做民意调查的阶段，而整个世界已经大步向前，走向使用社交媒体或其他数据源来采集数据的阶段。他们出错是因为他们不懂技术。传统媒体从内心里抵触新技术，将之视为对自己的威胁。同时，在更深的层次，特朗普胜出也是因为技术。深层原因是技术对大量生产类型工作岗位的替代已经发生了，这种替代无可避免。农业被机械化，我们搬进了工厂；工厂被自动化，我们搬进了办公室；而现在办公室工作正在被AI自动化……。我们并不确定这个过程什么时候会结束。对于接下来50年或更远的时期，AI会是一个主要的政治、经济和道德问题。
AI取得了令人震惊的成功。Google打败了围棋世界冠军，而围棋是我们所知道的最复杂的一种游戏。接着Google还打败了扑克冠军。一次又一次，AI过关斩将。DeepMind破解了2亿种蛋白质的三维结构，为研究人员节省了10亿年时间。同样，在药品和材料科学领域，都出现了令人瞠目的进展。在人类努力的任何一个领域，只要把AI用起来，你就有了一门新的生意。
在去宾州大学做演讲的路上，我见到了一些让我很感兴趣的机器人项目。乔治亚理工机器人成功地欺骗了所有人，让人以为它是一个真人助教。人们甚至提名它参与一项教学奖的评选，这实在是一种突破。我还见到一个为训练教师准备的学生机器人，其行为方式设定为类似于学校里的问题男学生。这个机器人所展示的是自然语言界面的新方法会对我们与AI之间的交互带来多么深远的影响。AI自身已经在自然语言处理方面进步飞速，这进一步使得它很快就会在消费者层面成为人人可访问的事物。
后来，我在柏林参加了一场辩论。我的观点是“AI能够、必将也应该替代教师”。我输了这场辩论。但是如果时间切换到两年后，我肯定会赢下那场辩论，尤其是针对对方“在学习领域AI带来的伤害会大过益处”这一观点。那次是一个很好的机会，可以基于Google在AI上取得的成果来验证，有时候，认为AI会消灭律师、医生、会计和经理这些职业而唯独不会触碰“教学”这个职业的看法是荒谬可笑的。这种说法简直是一种欺骗。很多人见到学习内容创建、个性化反馈、评价与增强学习等方面的真实案例时，都感到很讶异。问题在于，我们讨论的不是即将到来的某种变化，而是一种已经真真切切发生的变化。
我的两个儿子都痴迷于技术，其中一个还获得了AI方向的学位。这简直是天赐的福气。能够在工具使用方面随时得到明确的建议，能够与对AI情有独钟的人深入交谈，真不是一句“很有帮助”就能形容的。
AI会改变学习的核心本质。也就是说，它会改变我们学习的原因、学习的内容以及学习的方式。我们今天在线上所做的几乎所有事情背后都有AI的影子：Facebook、Twitter(X)、Instagram、Amazon、Netflix—除学习活动之外的所有事情。而这点现在正在发生改变。
不过，我在这个领域中所做的事情一直全凭自己，使用AI创建世界上第一个内容创建工具WildFire，还与Learning Pool一起合作，改进他们的LXP(Learning Experience Platform，学习体验平台)、聊天机器人和LRS(Learning Record Store，学习记录存储)，通过向真实的组织中真实的学习者交付真实的获奖项目，获得了现实世界的第一手体验。CogBooks是另一个非常实际也非常有价值的项目，它为亚利桑那州大学和世界上一些其他组织交付最早的自适应学习课程。在ChatGPT出现之后，我还参与了一些其他项目，与出版商、培训公司和其他伙伴合作，努力发掘 AI的潜力。
虽然ChatGPT的年纪很小，还是个“小孩”，但我已在美国、英国、挪威、德国、瑞典、荷兰、比利时、西班牙、葡萄牙、希腊、瑞士、俄罗斯、塞内加尔、南非和新加坡各地作“用AI学习”相关的主题演讲或参加相关辩论和研讨会，还持续更新系列播客。这些活动让我有机会当着不同类型的观众来试验很多想法，同时也见到很多本书中提及的相关项目。这是一次美妙的“学习”体验，而因为个人对AI和学习的痴迷才有了这本书。我还在伦敦的一间工作室创建了我的化身形象，我走遍世界都在使用它；与它一起使用的还有我的个人数字孪生聊天机器人Digital-Don。
在本书第一版和现在的第二版出版之间，我写了另外三本书—《学习体验设计》(Learning Experience Design)、《学习技术》(Learning Technologies)和《在元宇宙中学习》(Learning in the Metaverse)。我对AI带来的革命深信不疑，所以我在三本书中都用了整个章节讨论AI。尤其是在Learning Technologies这本书中，我着重强调要重新评估学习技术，将它视为我们人类物种所发明的最重要的技术—书写、字母、印刷、广播媒体、计算机、互联网、数字化内容以及现在的AI。没有这些技术，就不会有文化上的档案、积累和访问，也就不会有科学、医学和人类自身的进步。学习技术进步的顶峰就是将我们所积累的这些文化档案作为训练数据集提供给大语言模型(Large Language Models，LLM)。我们人类整个的文化都被充分利用起来，这让我们能够向前迈进一大步。
本书毫不掩饰地以积极、热情且乐观。的态度看待人工智能领域的最新进展。AI为学习领域里长期以来阻碍效率提升的问题提供了解决方案。无论在中小学、高等学府还是工作场合，比学习活动的效率更低的部门很少见了。没有人为此感到开心，无论是教师、父母、政客还是学生。经历过很多技术性的革命之后，我们发现这次真的不同。
本书中的文字最终会被提取出来，作为数据输入将来的LLM，而那些LLM模型会最终帮助我们解决我们眼下和未来将面对的问题。对于我认为是我们物种的历史中最重要的一次变革，亲历其中的感觉既让我开心也让我骄傲。AI改变了一切！

查看更多 > 图书评论

暂无评论

发表图书评论

评论标题：
评论内容：
验证码：: 看不清楚
点击刷新
: 您还没有登录，请登录后再评论。
点击“登录”

购买过本书的顾客还买过

{{data.bookName}}

￥{{data.price}}