高意識生成式學(xué)習(xí)：AIGC技術(shù)賦能的學(xué)習(xí)范式創(chuàng)新

祝智庭 戴嶺 胡姣

[摘? ?要] AIGC以開啟教育數(shù)字化轉(zhuǎn)型的新格局、創(chuàng)新多模態(tài)學(xué)習(xí)的新體驗、賦能人機協(xié)同的新智慧為教育領(lǐng)域帶來新的變革機遇，教育工作者亟須對這場即將到來的變革作全面冷靜的思考。文章旨在把握AIGC帶來的變革機遇，探索創(chuàng)新性的學(xué)習(xí)范式，引領(lǐng)教育數(shù)字化轉(zhuǎn)型和智慧教育發(fā)展。圍繞AIGC的生成特征和本質(zhì)機理以及AIGC技術(shù)在教育中應(yīng)用的實踐反思，文章通過探索其技術(shù)賦能的教育創(chuàng)變，提出高意識生成式學(xué)習(xí)是AIGC賦能未來學(xué)習(xí)范式的創(chuàng)新點，進而剖析AIGC諸多算法模型疊加和各要素間的關(guān)聯(lián)機制來明晰高意識生成式學(xué)習(xí)的內(nèi)在機理和發(fā)展需要。文章認為，高意識生成式學(xué)習(xí)由五種要素構(gòu)成：自主學(xué)習(xí)是高意識生成式學(xué)習(xí)的內(nèi)驅(qū)力、自監(jiān)督學(xué)習(xí)是高意識生成式學(xué)習(xí)的保障、思維技能是高意識生成式學(xué)習(xí)的關(guān)鍵、創(chuàng)新意識是高意識生成式學(xué)習(xí)的生命力、情感技能是高意識生成式學(xué)習(xí)的增強劑，五者共同構(gòu)建了新學(xué)習(xí)范式的邏輯機理與實踐路徑。

[關(guān)鍵詞] 高意識生成式學(xué)習(xí)； 人工智能生成內(nèi)容； 教育數(shù)字化轉(zhuǎn)型； 思維技能； 創(chuàng)新意識

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 祝智庭（1949—），男，浙江衢州人。教授，博士，主要從事教育信息化系統(tǒng)架構(gòu)與技術(shù)標準、信息化促進教學(xué)變革與創(chuàng)新、技術(shù)賦能的智慧教育、面向信息化的教師能力發(fā)展、技術(shù)文化等研究。E-mail：ztzhu@dec.ecnu.edu.cn。

一、引? ?言

Science公布2022年十大科技突破，正值火爆的AIGC赫然在列。高納公司（Gartner）更是將AIGC列入2022年頂級戰(zhàn)略技術(shù)之一，《MIT科技評論》也將其歸為2022年突破性技術(shù)[1]。隨后，ChatGPT的問世將AIGC行業(yè)徹底點燃，吸引了眾多用戶、投資人和教育研究者。2022年可謂是AIGC的元年，AIGC被給予了無限的期待。人工智能技術(shù)推動AIGC行業(yè)不斷發(fā)展，其中模型結(jié)構(gòu)的升級賦予了AI模型學(xué)習(xí)、歸納與創(chuàng)新能力，學(xué)習(xí)范式的更新賦予了AI模型主動學(xué)習(xí)能力。AIGC學(xué)習(xí)范式從基于規(guī)則的機器學(xué)習(xí)躍升到基于損失函數(shù)與梯度下降的大模型，模型自身可以對數(shù)據(jù)內(nèi)容進行深度學(xué)習(xí)和生成創(chuàng)造。生成式學(xué)習(xí)概念由來已久，技術(shù)迭代帶來的應(yīng)用和范式的進化是教育自我改革的一次重大機遇，教育領(lǐng)域應(yīng)把握人工智能帶來的便利，推動大規(guī)模生成式學(xué)習(xí)的推廣和實施。生成式AIGC不僅直觀地展示出其洞見未來的諸多可能性，而且推動著新范式的形成、新文化的構(gòu)建和新型學(xué)習(xí)型人才培養(yǎng)模式的誕生。對此，本研究擬探索AIGC的發(fā)展背景及其帶來的機遇和挑戰(zhàn)，提出高意識生成式學(xué)習(xí)的概念，并闡述AIGC賦能下高意識生成式學(xué)習(xí)的實踐路徑，為促進技術(shù)與教育融合、創(chuàng)新學(xué)習(xí)范式提供思路。

二、AIGC的發(fā)展背景及其帶來的機遇和挑戰(zhàn)：技術(shù)賦能的教育創(chuàng)變探索

AIGC獨特的智能模型能“理解”對話者的語義，并進行有效的反饋，達到“以假亂真”的程度，從之前的理解世界變?yōu)楝F(xiàn)在的生成世界。生成的內(nèi)容和形式也得到空前的強化，引領(lǐng)人工智能走向“模型即服務(wù)（Model as a service）”的未來。那么，什么是AIGC，其演進歷程和技術(shù)特征如何，為何能引領(lǐng)學(xué)習(xí)范式的變革？

（一）AIGC的概念、演進和生成特征

1. AIGC的內(nèi)涵解構(gòu)

從概念本體的角度，人工智能生成內(nèi)容（AIGC）是根據(jù)輸入指令通過人工智能算法模型對數(shù)據(jù)或媒體（圖像、音頻、視頻）進行生產(chǎn)、操控和修改的統(tǒng)稱[2]。從生產(chǎn)方式的內(nèi)涵出發(fā)，AIGC是利用AI自動生成內(nèi)容的生產(chǎn)方式，是繼PGC（Professionally-Generated Content）、UGC（User-Generated Content）、AGC（AI-assisted Generated Content）等由人主導(dǎo)的內(nèi)容生成技術(shù)后，利用深度學(xué)習(xí)網(wǎng)絡(luò)等框架將內(nèi)容的制作者從人或機構(gòu)變成了AI[3]，從而實現(xiàn)模糊搜索到精準推送的躍遷。從內(nèi)容發(fā)展的內(nèi)涵來定義，AIGC是擁有和人類一樣生成和創(chuàng)造信息能力的AI技術(shù)，能基于訓(xùn)練數(shù)據(jù)和生成算法等模型自主生成新文本、圖像、音樂、視頻等形式的內(nèi)容，擁有抓取、分析、創(chuàng)造信息等價值意義[4]（如圖1所示）。

2. AIGC的演進和生成特征

AIGC技術(shù)的演進階段受技術(shù)發(fā)展的影響，累積融合生成算法、預(yù)訓(xùn)練模型、多模態(tài)等AI技術(shù)，從而催生了AIGC的無限創(chuàng)造潛力和應(yīng)用前景。系統(tǒng)回顧AIGC主要支撐技術(shù)的誕生和進化可知，AIGC的發(fā)展主要分為四個階段：早期萌芽階段（1957年—2014年）、沉淀積累階段（2014年—2017年）、漸變發(fā)展階段（2017年—2021年）、快速發(fā)展階段（2021年至今）。各階段轉(zhuǎn)折點代表性技術(shù)分別為：（1）2014年一經(jīng)問世就被楊立昆（Yann Lecun）譽為“十年來機器學(xué)習(xí)領(lǐng)域最有趣的想法”的GAN（生成對抗網(wǎng)絡(luò)）[5]，并在短時間就發(fā)展為生成式學(xué)習(xí)的主流模型；（2）2017年，Google團隊提出的Transformer模型，基于Transformer模型，BERT、GPT-3、LaMDA等能引發(fā)AIGC技術(shù)能力發(fā)生質(zhì)變的預(yù)訓(xùn)練模型才得以建立；（3）OpenAI在2021年發(fā)布的跨模態(tài)深度學(xué)習(xí)模型（CLIP）推動了AIGC的內(nèi)容多樣性、多模態(tài)發(fā)展，成為DALL·E2.0等突破性AIGC技術(shù)成果的基石。各階段形態(tài)和特征見表1。

（二）AIGC為教育領(lǐng)域帶來的發(fā)展機遇

1. 開啟教育數(shù)字化轉(zhuǎn)型的新格局

目前深入推進教育數(shù)字化轉(zhuǎn)型最基本的要素與首要瓶頸就是教育應(yīng)用場景的限制，亟須技術(shù)賦能突破路徑依賴，創(chuàng)新應(yīng)用場景。教育數(shù)字化不是簡單把數(shù)字技術(shù)疊加在已有的教育場景上，而要在人機有效融合上實現(xiàn)突破。雖然，教育具有比較明顯的路徑依賴特征，但AIGC多模態(tài)場景交互技術(shù)能突破既有制度限制，創(chuàng)新應(yīng)用場景，有助于統(tǒng)籌推進“學(xué)—教—管—評—研”五大應(yīng)用場景的數(shù)字化進程，將數(shù)字技術(shù)深度融入教學(xué)的全方位、全流程。在有限的校園區(qū)域創(chuàng)設(shè)無限的學(xué)習(xí)情境，在無垠的虛擬空間構(gòu)建有效的學(xué)習(xí)場是教學(xué)環(huán)境建設(shè)的重要支撐點。學(xué)習(xí)空間的優(yōu)化是教育應(yīng)用場景的基礎(chǔ)，也是AIGC多模態(tài)應(yīng)用教育領(lǐng)域的基本趨勢?；诙嗄B(tài)的特征，AIGC在教與學(xué)內(nèi)容呈現(xiàn)、課堂環(huán)境管理、教學(xué)互動方面能靈活調(diào)整和升級原有方式，通過物理空間與虛擬空間相融合的學(xué)習(xí)環(huán)境，創(chuàng)設(shè)靈活多變的適應(yīng)性環(huán)境，推動應(yīng)用混合式教學(xué)的發(fā)展，打造以智能終端為學(xué)習(xí)載體的課堂并使之常態(tài)化，構(gòu)建學(xué)生協(xié)作學(xué)習(xí)、個性化學(xué)習(xí)的網(wǎng)絡(luò)環(huán)境，滿足教師和學(xué)生多樣化的需求。多模態(tài)的人機交互方式能打造全面感知的校園環(huán)境，重塑教育形態(tài)，促進技術(shù)與學(xué)校全業(yè)務(wù)和教學(xué)全流程的深度融合，推動教學(xué)組織形態(tài)的轉(zhuǎn)變與優(yōu)化，通過提供精準、便捷的校園數(shù)據(jù)支持，創(chuàng)建人人皆學(xué)、時時能學(xué)、處處能學(xué)的智慧教育服務(wù)空間。

2. 創(chuàng)新多模態(tài)學(xué)習(xí)的新體驗

作為基于GPT-3.5的對話式AI，ChatGPT的爆發(fā)式發(fā)展首次讓各行各界感受到了AIGC的強大魅力。隨后，AIGC火速擴展到數(shù)字建模、虛擬人物、場景構(gòu)建、藝術(shù)創(chuàng)新等領(lǐng)域。AIGC不止于圖像和文本的生成，它的創(chuàng)作同樣也是多元化的，如音樂、視頻、編程等領(lǐng)域的生成技術(shù)在飛速沿革。教育的發(fā)展是一個因變量，通常來說是由若干個自變量推動的，多模態(tài)內(nèi)容生成方式和交互方式則是推動教育發(fā)展最大權(quán)重的自變量。AIGC的出現(xiàn)，昭示著技術(shù)對教育影響的變革性突變點已經(jīng)來臨。在ChatGPT4.0和更高版本的運行系統(tǒng)中，多模態(tài)會是用戶端交互的常態(tài)，例如：多模態(tài)升級交互體驗，實現(xiàn)“數(shù)字人”向“數(shù)智人”轉(zhuǎn)變等。隨著圖像、音視頻生成技術(shù)的突破，使得“元宇宙+教育”的應(yīng)用場景能普及和落實到真切的教育情境中。人工智能將在根據(jù)用戶的需求實時創(chuàng)建生成式體驗方面發(fā)揮重要作用，AIGC讓人人都能創(chuàng)造自己的“元宇宙”。元宇宙是一個多元技術(shù)集合，包含了現(xiàn)存大部分互聯(lián)網(wǎng)技術(shù)，其中人工智能占據(jù)重要位置。AIGC技術(shù)的進化為元宇宙的普及和應(yīng)用掃清了諸多障礙，走出了關(guān)鍵的一步。AIGC將會極大促進虛擬人和數(shù)字生命領(lǐng)域的進一步拓展，多模態(tài)化的生成空間將完善元宇宙的交互系統(tǒng)，類人化的對話機制和逼真的應(yīng)用場景將為學(xué)習(xí)者提供極致的學(xué)習(xí)體驗。

3. 賦能人機協(xié)同的學(xué)習(xí)智慧

學(xué)習(xí)必須從獲得知識向獲得智慧進行升維，如何利用人工智能協(xié)同學(xué)習(xí)亦是一種智慧。人與人工智能的智慧提升是相互的，AIGC的正向發(fā)展必然有利于人類從當前煩瑣、重復(fù)的生活中解放自我，引導(dǎo)人類重新構(gòu)建新的社會秩序，帶領(lǐng)人類進入更高階的智慧文明。隨著對人工智能研究的深入，制造者和學(xué)習(xí)者也在認識其意識和智能的過程中提升自我智慧。在教育領(lǐng)域，AIGC推動著教育理念、教育組織方式和教學(xué)運行方式的智慧化轉(zhuǎn)變，促使“工業(yè)化教育”向“智慧型教育”轉(zhuǎn)變，形成全新的跨班級、跨學(xué)科、跨學(xué)校、跨時空的學(xué)習(xí)共同體和人機協(xié)同的群智決策系統(tǒng)。根據(jù)智慧的層次結(jié)構(gòu)模型，數(shù)據(jù)是基礎(chǔ)的現(xiàn)象和事實，需要由人歸類成為有意義的信息。信息則需要進行組織和聯(lián)系才能成為知識。在知識中獲得啟發(fā)，外推指導(dǎo)解決問題便形成智慧，這個過程中需要“洞察”來從知識中汲取智慧。智慧層次結(jié)構(gòu)的頂層為智慧，而智慧的源頭是數(shù)據(jù)。由數(shù)據(jù)提煉為有意義的信息、探索知識間的相互聯(lián)系，最后逐層向上進化為智慧，這個過程就是智慧形成的機理?！岸床臁钡漠a(chǎn)生機理現(xiàn)在還是一個“黑匣子”，等待人類破解，但在ChatGPT4.0千億級的參數(shù)和龐大的算力下，冰冷的計算模型產(chǎn)生出了類人的“意識”和智能，這種“量變導(dǎo)致質(zhì)變”“大力出奇跡”的操作也使得“黑匣子”的封印漸漸松動?？梢?，在AIGC的賦能下，人機協(xié)同的學(xué)習(xí)方式更能觸及智慧教育的本質(zhì)。

AIGC賦能的學(xué)習(xí)智慧還體現(xiàn)在AIGC不是簡單的替代學(xué)習(xí)者，它拓展和改變了內(nèi)容服務(wù)供給的結(jié)構(gòu)和機制。適需服務(wù)是教育發(fā)展的本質(zhì)特征之一，而AIGC時代最大的特點是創(chuàng)造需求與供給。從社會經(jīng)濟學(xué)的角度來思考人工智能，本質(zhì)上它是一個智能化的形態(tài)，是有創(chuàng)造力但沒有工資的非機器的智能形態(tài)。由于AIGC的迭代進化和大量使用，把原本經(jīng)濟學(xué)中最簡單的“ABC”，也就是需求和供給的背后邏輯和“S（Saving）=I（Investment）”模型顛覆了。即投入產(chǎn)出比無限小，編輯成本無限小，以AIGC為主導(dǎo)的內(nèi)容創(chuàng)新已經(jīng)突破了生產(chǎn)力和勞動的邊界，生產(chǎn)的經(jīng)濟周期的改變直接導(dǎo)致人才培養(yǎng)周期的改變。本質(zhì)上，AIGC技術(shù)的最大影響在于能將整合和創(chuàng)造知識性工作的邊際成本降至零，以產(chǎn)生巨大的勞動生產(chǎn)率和經(jīng)濟價值。正如互聯(lián)網(wǎng)實現(xiàn)信息傳播和復(fù)制的零成本，AIGC將會實現(xiàn)自動化內(nèi)容生產(chǎn)的零成本，這一內(nèi)容生產(chǎn)的范式轉(zhuǎn)變會重塑整個內(nèi)容供需體系，給依賴于內(nèi)容、信息生成和處理的行業(yè)帶來巨大影響。另外，其多模態(tài)應(yīng)用場景僅是滿足人機交互的人類需求并不是其自身發(fā)展的需求，多模態(tài)只是其多維發(fā)展史中的階段性特征，可見AI具有不可想象的優(yōu)勢。人類中心主義發(fā)展的狀態(tài)會因為AI、AIGC的發(fā)展而被徹底打破，通往人機協(xié)同智能為中心的發(fā)展即將到來。

（三）AIGC為教育領(lǐng)域帶來的新挑戰(zhàn)

以AIGC技術(shù)引領(lǐng)的新一輪數(shù)字化革命正飛速地重塑教育系統(tǒng)格局。ChatGPT的爆發(fā)式發(fā)展讓業(yè)界深感到AIGC的強大能量，其擁有超強的信息抓取能力、邏輯推理能力、自然語言處理能力以及內(nèi)容生成能力，將生成式人工智能推向新的高度，實現(xiàn)人工智能從感知、理解世界到生成、創(chuàng)造世界的躍遷。目前，在技術(shù)創(chuàng)變的轉(zhuǎn)折點上，人文社會科學(xué)正面臨著第四次工業(yè)革命的沖擊，將迎來與新一輪信息技術(shù)革命的交叉融合趨勢，這種趨勢會推動人文社會科學(xué)學(xué)科研究范式等的演進與迭代[6]。

“生成式”是AIGC人工智能的內(nèi)容產(chǎn)出特征，也是基于人工神經(jīng)元網(wǎng)絡(luò)的深度學(xué)習(xí)的應(yīng)用方向，可以理解為其“智能”的來源。紅杉美國2022年發(fā)文《生成式AI：充滿創(chuàng)造性的新世界》，認為AIGC的誕生代表新一輪范式變革的開始[7]?！胺妒健笔浅Ｒ?guī)科學(xué)所賴以運作的理論基礎(chǔ)和實踐規(guī)范[8]，是學(xué)科或行業(yè)內(nèi)所共同遵從的世界觀和行為方式，能為科學(xué)共同體提供標準的理論框架與方法[9]。在學(xué)習(xí)領(lǐng)域，范式是一種符合人類學(xué)習(xí)基本規(guī)律和發(fā)展方向的學(xué)習(xí)理念，即被社會所承認的學(xué)習(xí)模式和思想框架。隨著生成式AIGC技術(shù)的出現(xiàn)，基于算法模型、知識圖譜、大數(shù)據(jù)的生成系統(tǒng)取得了超出意料的輸出效果，對學(xué)習(xí)范式和學(xué)習(xí)生態(tài)系統(tǒng)的改變產(chǎn)生重要的指導(dǎo)作用。AIGC所引領(lǐng)的學(xué)習(xí)范式的變革可以從以下三個方面探究其遞進迭代關(guān)系：本體論層面（學(xué)習(xí)形態(tài)）上，人機協(xié)同、虛擬現(xiàn)實交融、混合云學(xué)習(xí)、泛在學(xué)習(xí)、終身學(xué)習(xí)等趨勢正打破原有的學(xué)習(xí)場域和時空邊界，為學(xué)習(xí)范式創(chuàng)新提供條件和支撐；認識論層面（學(xué)習(xí)內(nèi)容）上，核心素養(yǎng)、關(guān)鍵能力、社會情感能力、思維技能等已成為人工智能時代下學(xué)習(xí)者必備的生存條件；從方法論層面（學(xué)習(xí)策略）上，發(fā)現(xiàn)式、合作探索式、游戲化、碎片化、項目式等學(xué)習(xí)方式更能觸及學(xué)習(xí)本質(zhì)和學(xué)習(xí)規(guī)律的掌握，既提高學(xué)習(xí)效率，又提升學(xué)生素養(yǎng)，適應(yīng)智能時代社會發(fā)展的需求。近年來，學(xué)界對學(xué)習(xí)范式變遷的研究集中于情境學(xué)習(xí)、設(shè)計型學(xué)習(xí)、技能本位學(xué)習(xí)等，而以方法論為主導(dǎo)的生成式學(xué)習(xí)范式的創(chuàng)新亟須得到更多關(guān)注。

以互聯(lián)網(wǎng)、人工智能等為代表的數(shù)字技術(shù)將對教育產(chǎn)生革命性影響，但教育變革的過程往往復(fù)雜且緩慢。如何突破技術(shù)層面的一階障礙，發(fā)展新的學(xué)習(xí)范式，以培育適合未來社會和生活的人，是AIGC等技術(shù)發(fā)展對教育提出的新挑戰(zhàn)。

三、高意識生成式學(xué)習(xí)：AIGC賦能的

未來學(xué)習(xí)范式反思和探索

當從業(yè)者局限于AIGC所呈現(xiàn)出的技術(shù)表象時，一定要深入思考隱藏在人工智能冰山底下的人才、文化、環(huán)境的變化以及更深層次的價值理性和規(guī)范秩序，以免落入人和人類社會被機器所異化的困境。基于人工智能技術(shù)對教育領(lǐng)域的沖擊和對范式變革的促動，需要從一種嶄新、高緯度的視角來審視現(xiàn)存的教育方式，設(shè)計面向未來的教育舉措。

（一）生成式學(xué)習(xí)作為一種學(xué)習(xí)范式

1. 技術(shù)領(lǐng)域的生成式學(xué)習(xí)

在技術(shù)領(lǐng)域，生成式學(xué)習(xí)是一種機器學(xué)習(xí)的方法，它通過對數(shù)據(jù)的聯(lián)合分布進行建模來學(xué)習(xí)數(shù)據(jù)本身的特征和規(guī)律，并能夠根據(jù)模型生成新的數(shù)據(jù)。它能夠反映數(shù)據(jù)本身的分布信息，具有更強的泛化能力和表達能力，能夠處理更加復(fù)雜的語言任務(wù)。生成式學(xué)習(xí)在近幾年取得了令人矚目的進展。例如：使用GAN（生成對抗網(wǎng)絡(luò)）生成超真實的人臉圖片，使用GPT-2（自然語言處理模型）生成高水平的文章，使用MuseGAN（音樂生成模型）生成多軌道音樂等。目前，生成式學(xué)習(xí)已在很多場景中得到廣泛應(yīng)用，如圖像生成、文本生成、語音合成、異常檢測等。

2. 教育領(lǐng)域的生成式學(xué)習(xí)

在教育領(lǐng)域，“生成式學(xué)習(xí)”也被稱為“生成性學(xué)習(xí)”。 Osborne和Wittrock認為，生成性學(xué)習(xí)是學(xué)習(xí)者在原有認知結(jié)構(gòu)基礎(chǔ)上，與學(xué)習(xí)資源、環(huán)境、人員等因素相互作用，主動建構(gòu)信息意義的過程[10]。也有學(xué)者指出，狹義的“生成性學(xué)習(xí)”是在預(yù)設(shè)的前提下，教師和學(xué)生自主構(gòu)建教學(xué)活動的過程；而廣義的“生成性學(xué)習(xí)”則指向主體自身的學(xué)習(xí)思維和學(xué)習(xí)模式的生成性[11]。生成性學(xué)習(xí)理論認為，生成性學(xué)習(xí)過程是指學(xué)習(xí)者對重要信息進行選擇后，在工作記憶中將其組織成連續(xù)的新的心理表征信息，最終與先前知識整合并存儲在長時記憶之中[12]。學(xué)習(xí)者對新知識的理解， 通常是建立在已有的認知結(jié)構(gòu)基礎(chǔ)上，即人的學(xué)習(xí)過程是主動建構(gòu)的過程， 主動地接受或者摒棄信息， 并從中做出自己的推論。

具體來看，“生”即產(chǎn)生、出生，指事物從無到有，含有創(chuàng)造之意；“成”即形成、成果，強調(diào)事物的變化過程及其結(jié)果。生成式學(xué)習(xí)的“生成”包含兩層含義：一是非預(yù)設(shè)性，二是發(fā)展性?！吧伞北砻髡嬲膶W(xué)習(xí)是在活動過程中產(chǎn)生的，強調(diào)學(xué)習(xí)者個體的特征及其潛在的創(chuàng)造價值。生成式學(xué)習(xí)則是指學(xué)習(xí)者在面對一個問題時，能夠主動探索和嘗試，尋求高質(zhì)量和創(chuàng)新性的問題解決方案。Fiorella和Mayer提出的“選擇—組織—整合”（SOI）模型[13]劃分了生成式學(xué)習(xí)的三個階段：選擇階段，學(xué)習(xí)者從感知外界的內(nèi)容中選擇特定的信息；組織階段，這些信息在大腦已有的知識體系中流動，并可能構(gòu)建出新的分支以解決不同的問題；整合階段，學(xué)習(xí)者將新信息整合到既存圖式中，使先驗知識能夠指導(dǎo)新知識的思考，并能對既存圖式進行調(diào)整和適配。

（二）高意識生成式學(xué)習(xí)：學(xué)習(xí)范式的創(chuàng)新發(fā)展

1. AIGC技術(shù)在教育中應(yīng)用的實踐反思

隨著人工智能的飛速發(fā)展，人類正在加速邁向人工智能時代。在教育領(lǐng)域，先進的高新技術(shù)手段無疑能夠使教、學(xué)、管、測、評等各個方面產(chǎn)生巨大的變化，但也為教育提出了新的挑戰(zhàn)。對AIGC技術(shù)而言，其帶來的挑戰(zhàn)和問題可能有以下五個方面：第一，從人學(xué)的角度來看，便捷化和精準化的AIGC會消弭學(xué)生的自主能動性，使得學(xué)生過度沉迷于智能技術(shù)所帶來的新鮮感。這樣，學(xué)生的創(chuàng)造性、進取心等會被隱退和遮蔽，同樣也會導(dǎo)致學(xué)生身體和認知的隱退[14]。第二，技術(shù)的發(fā)展給教育帶來的最大沖擊就是學(xué)生評價的失衡。如今，人工智能能夠輕松擁有人類經(jīng)過多年學(xué)習(xí)才能掌握的邏輯運算、語言表達、文章寫作、總結(jié)概括、虛擬假設(shè)等能力，當知識能被便捷調(diào)取并能基于知識形成解決方案時，必須發(fā)展新的評價工具、評價方式，也必須發(fā)展新的評價理論和哲學(xué)。學(xué)生在智能化時代需要學(xué)什么知識，教育該評價什么，如何評價學(xué)生真實水平，值得教育工作者深究。第三，只有基于真實師生關(guān)系的教育情境才是充滿愛和溫暖的，面向彼此心靈世界的互動才能稱之為好的教育，它帶有顯著的倫理性與精神性[15]。學(xué)生將解決問題的希望寄托于AIGC等技術(shù)上，導(dǎo)致學(xué)生對教師的依賴減弱。同時，AIGC技術(shù)的發(fā)展對教師的能力提出了更高的要求，教師的數(shù)字素養(yǎng)變成教師培養(yǎng)的重點指標。第四，AIGC生成的信息準確性和內(nèi)容的正向價值觀還無法保證[16]，這將直接影響教育發(fā)展的歷史脈絡(luò)延續(xù)和學(xué)生的主體認知、價值觀。AIGC還會帶來數(shù)據(jù)泄漏風(fēng)險和原創(chuàng)性知識的評判等挑戰(zhàn)。第五，由于國家間技術(shù)發(fā)展水平和知識語言體系的隔閡，跨國界、跨文化的數(shù)字治理難度進一步加大。若AIGC技術(shù)成為資本逐利的工具，有可能會進一步加劇全球區(qū)域間的教育差距，勢必影響全人類的共同發(fā)展。

人工智能的快速迭代進化已在知識記憶提取、分析運算、學(xué)習(xí)語言、解釋預(yù)測等方面體現(xiàn)出特有優(yōu)勢。Genefe認為，世界是個多維的現(xiàn)實體，在低維度中充滿了無意識和斗爭，但在高緯度中充滿了美、極樂和圣賢[17]。面對步步緊逼的人工智能，人類不但需要以高意識來應(yīng)對挑戰(zhàn)，還需要立足高意識來設(shè)計人類世界。

2. 高意識生成式學(xué)習(xí)的內(nèi)涵闡釋

“意識”被視作衡量人工智能是否智慧的標準之一。Noam認為，人工智能和人類在思考方式、學(xué)習(xí)語言與生成解釋的能力，以及道德思考方面有著極大的差異，這類程序還停留在認知進化的前人類或非人類階段，它們最大的缺陷是缺乏任何對產(chǎn)生智慧至關(guān)重要的能力[18]。

什么是高意識？意識邏輯層次模型（Neuro-Logical Programming，NLP）由格雷戈里·貝特森（Gregory Bateson）提出，經(jīng)羅伯特·迪爾茨（Robert Dilts）修改整理。NLP將意識分為六個層次，從下至上為：環(huán)境、行為、能力、信念價值觀、身份、精神愿景。在不同層次上思考問題，最終得到的答案和解決方案是不一樣的[19]。在NLP模型中，環(huán)境、行為、能力被稱為低三層，這是我們大多數(shù)人都可以抵達的層次，而信念價值觀（做某件事的意義）、身份（要有一個怎樣的人生，將如何實現(xiàn)生命的最終意義）、精神愿景（我與世界的關(guān)系，對世界的貢獻及影響）被稱為高三層，一般個人的最高（或者最深的）境界是第五層。目前，人工智能和人的差異便體現(xiàn)在低三層和高三層的區(qū)分。國內(nèi)學(xué)者蔡曙山等將人類心智和意識分為神經(jīng)、心理、語言、思維、文化五個層級[20]。在ChatGPT誕生前，人工智能已經(jīng)在以計算和推理為主要思維和決策方式的領(lǐng)域超過人類智能，如今在AIGC技術(shù)時代，人工智能已經(jīng)在第四層思維層級的認知上有能與人類智能相匹敵的趨勢，但在一些看似容易，但需要直覺、靈感、頓悟和創(chuàng)造性思維的領(lǐng)域，人工智能還有待升級。文化意識是五個層級中最高層級的認知形式，是以思維和文化為特征的高階認知，人工智能仍然不可企及。由此可見，人類需要在深意識，也就是高意識層級中強化自身的優(yōu)勢，同時提前布局數(shù)字社會的文化建設(shè)，構(gòu)建數(shù)字文明來引領(lǐng)人工智能的高度發(fā)展，從而實現(xiàn)人機共善并構(gòu)建網(wǎng)絡(luò)命運共同體。

如何立足于高意識層級？高意識指的是一種高度的認知和理解狀態(tài)，與精神成長和精神啟蒙有關(guān)。Filipe將意識分為了六個關(guān)鍵形態(tài)，理解每個形態(tài)的定義和內(nèi)容有助于學(xué)生達到高意識學(xué)習(xí)。第一層：意識到自己的生活（Life happens to you），能對經(jīng)歷和遇到的事情做出反應(yīng)，能規(guī)避某事；第二層：意識到生活由自己決定（Life happens by you），發(fā)掘自身的能力去控制生活，但也會導(dǎo)致壓力、焦慮和不滿；第三層：意識到生活由自己體驗（Life happens in you），發(fā)現(xiàn)自身能力的局限和事與愿違后，開始意識到生活是通過思想來體驗的，理解負面的情緒不是由事物所決定的，而是由自己的思想所引起的；第四層：意識到生活為你而生（Life happens for you），開始接受生活的波折并體驗生活，不再把它看作是一種需要塑造的東西，而是一種自然而然的生命體驗；第五層：意識到生活因你而起（Life happens through you），能明白生活中沒有平凡，每一刻都是獲得積極體驗的機會；第六層：意識到生活即自我（Life is you），人類意識的最終層次是在逐漸進化后才形成的，不斷地培養(yǎng)一種更開放、包容的生活態(tài)度，學(xué)生能將自己視為人類共同體的一部分，能肩負起人類的使命[21]。處于低意識層級，會使人對事物的看法變得狹隘，會將關(guān)注點局限于自身的生存發(fā)展，高意識則會超越自我利益和渴望，能對現(xiàn)實的本質(zhì)有深刻的理解，能以更開放的心態(tài)對待世界。Filipe用六個簡單的介詞和動詞（to，by，in，for，through，is）區(qū)分出了意識的形態(tài)差異，并提出了培養(yǎng)同理心、高理解力、正念呼吸、正念冥想（Mindfulness Meditation）等策略來提升自身的意識層級（如圖2所示）。

基于上述分析，本研究認為高意識生成式學(xué)習(xí)是學(xué)習(xí)者在對新舊知識建立關(guān)聯(lián)的基礎(chǔ)上，立足于高意識層級，首先能提出問題、設(shè)定議題，利用技術(shù)和工具幫助調(diào)查問題空間、解法空間等，接著學(xué)習(xí)者能甄別、篩選信息，最后經(jīng)過創(chuàng)新意識和思維技能（如邏輯、發(fā)散性、批判、設(shè)計思維等）重組和創(chuàng)生，構(gòu)建出自己的作品的學(xué)習(xí)范式。高意識學(xué)習(xí)的核心為主體意識，圍繞主體意識有六個要素：問題意識、協(xié)同意識、審辨意識、價值意識、創(chuàng)造意識和愿景意識。高意識生成式學(xué)習(xí)具體可以分為三個階段：（1）定題階段，技術(shù)賦能問題空間調(diào)查；（2） 設(shè)計方案，技術(shù)賦能解法空間調(diào)查；（3） 測試評價，技術(shù)賦能檢驗。

四、AIGC賦能下高意識生成式學(xué)習(xí)的實踐路徑

高意識生成式學(xué)習(xí)不僅是生成式人工智能技術(shù)發(fā)展對學(xué)習(xí)范式的大規(guī)模創(chuàng)變，也是通往人工智能時代人機協(xié)同智慧教育的階梯和圖式。基于生成式人工智能學(xué)習(xí)機理圖示，進而剖析諸多算法模型疊加和各要素間的關(guān)聯(lián)機制，有助于明晰高意識生成式學(xué)習(xí)的內(nèi)在機理和發(fā)展需要，即高意識生成式學(xué)習(xí)包含什么，該如何去做。

（一）自主學(xué)習(xí)是高意識生成式學(xué)習(xí)的內(nèi)驅(qū)力

主動學(xué)習(xí)是機器學(xué)習(xí)中的一種數(shù)據(jù)策略，是指挑選有價值的數(shù)據(jù)進行標記和優(yōu)先度排序，確定哪些數(shù)據(jù)對訓(xùn)練監(jiān)督模型影響最大，以便在任何給定的時間獲得最相關(guān)的數(shù)據(jù)，從而最大化模型性能。映射在學(xué)習(xí)中，主動學(xué)習(xí)是學(xué)生利用原有的認知結(jié)構(gòu)和知識記憶，主動用腦進行信息加工的策略。知識工作者的時代，解決教育組織內(nèi)部問題的主要著力點就是學(xué)生，根本途徑是激活、萃取學(xué)生的智慧。教育需要推動學(xué)生不斷建立學(xué)習(xí)的主體責(zé)任，引導(dǎo)學(xué)生從單一的外部輸入轉(zhuǎn)向兼顧內(nèi)外輸出。所以，主動選擇信息并構(gòu)建信息的意義是生成式學(xué)習(xí)的內(nèi)驅(qū)力。

在以往的教育教學(xué)模式中，學(xué)生處于泛化的被動接受狀態(tài)，教育者忽視了學(xué)生對學(xué)習(xí)資源的理解與思考，從而導(dǎo)致學(xué)生不能將知識與社會、文化、實踐相結(jié)合。由于學(xué)習(xí)內(nèi)驅(qū)力不足，學(xué)生會產(chǎn)生對學(xué)習(xí)的消極、敷衍和逃避情緒，因此，把自主學(xué)習(xí)能力培養(yǎng)融入學(xué)校教育之中，是教育教學(xué)的首要任務(wù)?？梢詮囊韵滤膫€方面培養(yǎng)學(xué)生的自主學(xué)習(xí)能力：第一，明確學(xué)習(xí)動機，掌握學(xué)習(xí)策略，形成個性化學(xué)習(xí)機制。第二，激發(fā)學(xué)生學(xué)習(xí)內(nèi)驅(qū)力，引導(dǎo)學(xué)生進入學(xué)習(xí)的“自燃狀態(tài)”。古人云：“不憤不啟，不悱不發(fā)。” “憤者，心求通而未得之狀也；悱者，口欲言而未能之貌也?！薄白匀紶顟B(tài)”就是指學(xué)習(xí)個體在深度學(xué)習(xí)后逐漸達成的一種憤悱狀態(tài)。第三，優(yōu)化教學(xué)資源、創(chuàng)新教學(xué)方式，提升學(xué)生學(xué)習(xí)興趣。第四，整體創(chuàng)設(shè)情境與任務(wù)，增強學(xué)生交流互動，從而培養(yǎng)學(xué)生的主動性，強化學(xué)習(xí)者的內(nèi)驅(qū)力，激發(fā)學(xué)生的“自燃狀態(tài)”，實現(xiàn)學(xué)生的主體性。

同時，人機協(xié)同學(xué)習(xí)作為未來教育的基本特征，加快了人腦和人工智能的合成智商。AIGC作為外化于個體的外腦，需要通過訓(xùn)練加強與內(nèi)腦的相互作用，不斷調(diào)整內(nèi)外腦的能力關(guān)系，從而強化個體的決策行為。所以，自主學(xué)習(xí)中需要引導(dǎo)學(xué)習(xí)個體與外部世界建立積極的互動行為，幫助個體復(fù)合腦的建構(gòu)與整體能力提升，讓個體在健康的學(xué)習(xí)生態(tài)系統(tǒng)中學(xué)習(xí)，打造教育數(shù)字生態(tài)的基本樣貌。

（二）自監(jiān)督學(xué)習(xí)是高意識生成式學(xué)習(xí)的保障

學(xué)習(xí)者要在學(xué)習(xí)上完全達到自主性狀態(tài)，除了有明確的學(xué)習(xí)目標和充足的學(xué)習(xí)動機外，還應(yīng)具備自我監(jiān)控和自我調(diào)節(jié)的能力。自監(jiān)督學(xué)習(xí)（Self-supervised Learning）主要是通過解決自定義的輔助任務(wù)（Pretext Task），從大規(guī)模的無監(jiān)督數(shù)據(jù)中挖掘自身的監(jiān)督信息，利用這種構(gòu)造的監(jiān)督信息進行模型的預(yù)訓(xùn)練，從而學(xué)習(xí)到對下游任務(wù)有價值的表征。自監(jiān)督學(xué)習(xí)可以被解釋為一種無監(jiān)督的、半監(jiān)督的或其自我訓(xùn)練的策略。自監(jiān)督學(xué)習(xí)是自主學(xué)習(xí)的重要組成部分，包含對知識的監(jiān)控、對體驗的監(jiān)控和對監(jiān)督認知的元監(jiān)控三個方面。對知識的監(jiān)控體現(xiàn)在對學(xué)習(xí)材料和學(xué)習(xí)策略的認知，對體驗的監(jiān)控體現(xiàn)在對自身認知體驗或情感體驗的意識，也是培養(yǎng)“乞火不若取燧，寄汲不若鑿井”的探索性精神的關(guān)鍵，監(jiān)督認知的元監(jiān)控體現(xiàn)在主體反思和評價對自監(jiān)督的認知和自監(jiān)督全過程的調(diào)節(jié)。

自監(jiān)督學(xué)習(xí)是學(xué)習(xí)者擺脫外驅(qū)力，發(fā)揮自主作用，促進自我學(xué)習(xí)，實現(xiàn)內(nèi)驅(qū)力發(fā)展這一目標的前提和基礎(chǔ)。例如：對學(xué)生進行元認知的訓(xùn)練（如自我提問、自我反思、自我評價等）、高階思維的培養(yǎng)、豐富情感能力的鍛煉等，可以提高學(xué)生的自監(jiān)督學(xué)習(xí)能力。同時，AIGC讓每個學(xué)生都有了自己的博學(xué)導(dǎo)師、人工智能助理和私人學(xué)習(xí)顧問，提供個性化的反饋，促進人機協(xié)同學(xué)習(xí)。

（三）思維技能是高意識生成式學(xué)習(xí)的關(guān)鍵

知識讓我們看到表象，而思維能讓我們洞察底層規(guī)律，思維是我們認識這個世界的工具和方法，認識的過程和結(jié)果便是可以傳遞的知識。目前，技能本位的學(xué)習(xí)范式已然成為全球共識[22]?！督逃?030：未來的教育和技能》報告、教育4.0框架、《未來技能：學(xué)習(xí)和高等教育的未來》報告等均凸顯了技能本位學(xué)習(xí)范式的教育理念。世界銀行（The World Bank）則將現(xiàn)代社會所需的技能類型分為認知、社會和行為、技術(shù)技能三大類，進一步強調(diào)了認知技能和解決問題能力的重要性，并提出高階思維技能（如計算思維、推理、創(chuàng)造性思維等）是認知技能的核心[23]。人工智能技術(shù)深度學(xué)習(xí)算法中分類思維、聚類思維等能實現(xiàn)機器利用加注標簽信息將數(shù)字信息轉(zhuǎn)化為超常知識，達到“淺入深出”“無師自通”的效果，證明了思維技能在深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中的核心作用。愛因斯坦曾說：“教育就是當一個人把在學(xué)校所學(xué)全部忘光之后剩下的東西?！盵24]即強調(diào)教育的核心價值并不在于學(xué)科本身傳遞的知識，而在于學(xué)生獲得更好的思維技能。杜威認為，教育的目的應(yīng)該是教人如何思考，而不是教人思考什么，教育需要改善學(xué)生的頭腦，使學(xué)生能夠自己思考，而不是讓記憶中充斥著別人的想法[25]?？梢姡谀壳爸R化智能社會， 進行高級思維技能的培養(yǎng)對社會發(fā)展和知識創(chuàng)新尤為重要。

思維技能是成功執(zhí)行、解決復(fù)雜任務(wù)和問題的基礎(chǔ)，也是實現(xiàn)高意識生成式學(xué)習(xí)的核心要素。那應(yīng)該培養(yǎng)哪些思維技能，如何培養(yǎng)思維技能？例如：布魯姆修訂后的認知目標分類理論將認知過程分為記憶、理解、應(yīng)用、分析、評估、創(chuàng)造，其中，前三者是認知的基礎(chǔ)目標，即低階思維能力，后三者涉及更復(fù)雜和更具挑戰(zhàn)性的工作，是高階思維能力。加涅認為，學(xué)習(xí)智慧技能有五個層次，依次是：辨別、具體概念、定義性概念、規(guī)則和高級規(guī)則，其中，高級規(guī)則是思維技能的頂層，即運用規(guī)則來解決問題。高階思維技能建立在低階思維的基礎(chǔ)上，與先前的知識建立聯(lián)系，再對知識進行分析和處理，并用來解決問題和創(chuàng)造性地產(chǎn)出新的知識[26]。低階思維技能包括理解、辨別、分類等，高階思維技能包括邏輯、發(fā)散性、創(chuàng)造性、批判性、問題解決、系統(tǒng)性、計算、設(shè)計、文化思維等，是面向復(fù)雜高難度和人機協(xié)同活動的必備思維，需要學(xué)生靈活根據(jù)情況調(diào)整知識應(yīng)用，要求學(xué)生具備主動性和獨立的理性思考。思維的養(yǎng)成需要刻意和充分的練習(xí)，教學(xué)中培養(yǎng)思維技能主要有融合路徑和綜合路徑兩種方式。融合路徑指更具思維技能和學(xué)科知識的特點，將具體某一思維技能融入某一學(xué)科的單元課程中，選擇合適的教法針對性地加以提升。綜合路徑則以學(xué)生能綜合運用知識技能解決問題為導(dǎo)向，強調(diào)跨學(xué)科融合和情境創(chuàng)設(shè)，采用基于問題的學(xué)習(xí)（PBL）、翻轉(zhuǎn)課堂、角色扮演、團隊合作、頭腦風(fēng)暴等教學(xué)方式來幫助提升高階思維能力?？梢?，發(fā)展思維技能不僅需要學(xué)生在特定情境中獲得知識，建立知識邏輯體系以形成高階技能，并將學(xué)到的技能遷移到不同場景中，還需要對已有的思維技能加以調(diào)整、監(jiān)控和融合。最終上升到融合了系統(tǒng)、批判、創(chuàng)新、設(shè)計、數(shù)字等思維的綜合智慧，形成升維思考、降維行動的態(tài)勢[27]。

（四）創(chuàng)新意識是高意識生成式學(xué)習(xí)的生命力

教育的兩大功能：一是為促進社會經(jīng)濟發(fā)展，二是為實現(xiàn)人自由而全面的發(fā)展，都離不開創(chuàng)新意識的驅(qū)動。AIGC以高效率、低成本滿足個性化需求，完成基礎(chǔ)性工作，釋放人類創(chuàng)造力，推動教育創(chuàng)造領(lǐng)域與基礎(chǔ)概念革新。教育的目的不僅是引導(dǎo)學(xué)生理解已知世界，還需要讓學(xué)生能不斷地適應(yīng)未知世界和創(chuàng)造性地設(shè)計未來。人的創(chuàng)新意識體現(xiàn)在兩個方面：一是從0到1的洞見與靈感，二是基于原有知識結(jié)構(gòu)創(chuàng)造性生成新的觀點和處理方式。由于AIGC創(chuàng)造性意識的不確定性，是否能脫離已有數(shù)據(jù)創(chuàng)造性地提出靈感還待有考證，但是AIGC已經(jīng)能提供從1到10的所有解決方案，而從0到1的創(chuàng)造則體現(xiàn)人類創(chuàng)新意識的魅力。

在人工智能飛速發(fā)展的時代，教育需要的是更高層次的學(xué)習(xí)內(nèi)容和新的思維能力的構(gòu)建，培養(yǎng)能獨立思考和有正確價值判斷能力的人，而不再是獲取和記憶陳舊的知識。知識本身固然重要，但是知識背后蘊含的大量價值判斷、思維工具和解決問題的方法更重要。即衡量學(xué)生學(xué)習(xí)的成效度，不能以速度為標準，也不能以記憶性知識的背誦量為標準，應(yīng)該是超越知識學(xué)習(xí)，關(guān)注學(xué)生創(chuàng)新意識的提升。例如：培養(yǎng)學(xué)生的判斷力、創(chuàng)新創(chuàng)造力、協(xié)作交流能力和發(fā)掘?qū)W生的“靈感（Eureka）”和“超感（Extra Sensory Perception，ESP）”等均有助于培養(yǎng)學(xué)生的創(chuàng)新意識。從0到1的創(chuàng)造體現(xiàn)在牛頓發(fā)現(xiàn)了萬有引力、阿基米德發(fā)現(xiàn)了浮力定律、瓦特發(fā)明了蒸汽機等無數(shù)推進了人類文明進化的創(chuàng)新發(fā)現(xiàn)，證明了人類所特有的靈感和洞察是人類文明得以延續(xù)、不被取代的瑰寶。同時，在人機協(xié)同學(xué)習(xí)范式下，AIGC目前雖然還未擁有真正的創(chuàng)造力，但是它賦能學(xué)習(xí)者擁有創(chuàng)新知識的新能力，以開拓知識創(chuàng)造的邊界，探索新形式和新方向。

（五）情感技能是高意識生成式學(xué)習(xí)的增強劑

情感交互是人主體性發(fā)展的必須，也是人工智能時代虛擬交往和人機協(xié)同的盲區(qū)。《未來簡史》的作者尤瓦爾·赫拉利表示，人類與人工智能真正的區(qū)別在于“意識”[28]。人工智能在意識領(lǐng)域短期內(nèi)無法媲美人類，它不能理解人類使用高層次意識和情感感受解決的問題。情感技能指人的情感品質(zhì)和社會技能， 包括情緒、興趣、動機、理想、意志、品德、信念與價值觀、態(tài)度等情感品質(zhì)和語言能力、社交能力等社會技能。人類的生存價值或?qū)⒃诤艽蟪潭壬先Q于我們的社會情感能力。學(xué)術(shù)、社會和情感學(xué)習(xí)聯(lián)合組織（Collaborative for Academic，Social，and Emotional Learning，CASEL）界定了社會情感學(xué)習(xí)的五種核心能力：（1）自我意識，即準確地判斷和認識自身的感受、興趣、信念與價值觀和能力優(yōu)勢；（2）自我管理，能夠有效管理自身情緒、控制沖動，在挫折與阻礙面前堅持不懈，設(shè)置學(xué)業(yè)目標并監(jiān)督自己不斷向目標靠近和進步；（3）社會意識，能夠理解并同情他人，接受來自不同文化背景的人的觀點及思維方式；（4）人際交往能力，即溝通、協(xié)商、合作能力；（5）做出負責(zé)任決策的能力[29]。對照意識邏輯層次模型，高意識層級的“身份”和“愿景”正是通過情感技能的增強達到思維的理性和情感的感性融合，從而通往精神愿景的最高意識境界。學(xué)習(xí)品質(zhì)的培養(yǎng)，向來與技術(shù)無直接關(guān)聯(lián)，技術(shù)只供輔助和參考，學(xué)生學(xué)習(xí)從興趣上升到志趣，從外驅(qū)力內(nèi)化為內(nèi)驅(qū)力，從專注力提高到鉆研精神和韌性，從隨性發(fā)展到有責(zé)任的發(fā)展等，這些品質(zhì)和意識的生成是人不被人工智能代替的必要條件，也是未來人類引領(lǐng)科技發(fā)展的充要條件。此外，學(xué)生在處理日常交往問題時，通過向AIGC提問：“朋友要求抄我的作業(yè)，如何拒絕？”“我可以通過哪些具體方式向他人表示善意或歉意？”“明天要考試了，我很緊張，你能給我一些放松的策略嗎？”等問題，能夠提升自身的社會交往技能。

五、結(jié)? ?語

人的智慧來源于從知識和經(jīng)驗中洞察“新知識”，從不確定中尋找確定，如今的AIGC正是用這種確定去重塑一個不確定的未來。在智能時代，教育領(lǐng)域一定要堅守“有教無類、因材施教、寓教于樂、教學(xué)相長、學(xué)以致用、學(xué)而時習(xí)、循序漸進、持之以恒”的原則。同時，應(yīng)對未來種種的不確定性和人工智能所帶來的道德倫理危機，可以提前預(yù)訓(xùn)練AI技術(shù)的意識形態(tài)和核心價值觀。意識形態(tài)和核心價值觀是建構(gòu)社會秩序的內(nèi)核部分，或曰“新禮”，或曰“新綱?！保葱聲r代倫理觀、道德觀。最后，我們應(yīng)抱著“不畏浮云遮望眼，自緣身在最高層”“前路漫漫亦燦燦”“不懼歲月不懼風(fēng)”“平蕪盡處是春山”的心態(tài)面對AIGC所贈予我們的新未來。

[參考文獻]

[1] GARNTER. Generative AI， machine customers and AR/VR are expected to transform sales in the next five years[EB/OL].（2022-10-10）[2023-03-01]. https：//www.gartner.com/en/newsroom/press-releases/2022-10-10-gartner-identifies-seven-technology-disruptions-that-willimpact-sales-through-2027.

[2] 詹希旎，李白楊，孫建軍.數(shù)智融合環(huán)境下AIGC的場景化應(yīng)用與發(fā)展機遇[J].圖書情報知識，2023，40（1）：75-85，55.

[3] 翟尤，李娟.AIGC發(fā)展路徑思考：大模型工具化普及迎來新機遇[J].互聯(lián)網(wǎng)天地，2022（11）：22-27.

[4] 騰訊研究院.AIGC發(fā)展趨勢報告2023：迎接人工智能的下一個時代[EB/OL].（2023-02-16）[2023-03-01]. http：//www.199it.com/archives/1558601.html.

[5] MIT TECHNOLOGY REVIEW.一項AI革命性技術(shù)將“造假”推向極致[EB/OL].（2017-12-09）[2023-03-13].https：//www.mittrchina.com/news/detail/873.

[6] 黃萃，陳靜，陳惠玲.第四研究范式：數(shù)據(jù)驅(qū)動下的人文社科研究模式躍遷[J].中國高?？萍迹?021（10）：10-14.

[7] SEQUOIA. Generative AI： a creative new world[EB/OL].（2022-09-19）[2023-03-13]. https：//www.sequoiacap.com/article/generative-ai-a-creative-new-world/.

[8] KUHN T S. Book and film reviews： revolutionary view of the history of science， the structure of scientific revolutions[J]. The physics teacher， 1970，8（2）：96-98.

[9] 祝智庭，胡姣.教育數(shù)字化轉(zhuǎn)型：一個劃時代的教育范式躍遷[J].中國教育政策評論，2022（1）：3-21.

[10] OSBORNE R J， WITTROCK M C. Learning science： a generative process[J]. Science education， 1983，67（4）：489-508.

[11] 劉同舫.如何理解和貫徹“生成性學(xué)習(xí)”[N].寧波日報，2021-07-22（07）.

[12] MAYER R E.Multimedia learning：second edition[M].Cambridgeshire：Cambridge University Press， 2009：318.

[13] FIORELLA L， MAYER R E. Learning as a generative activity[M]. Cambridgeshire：Cambridge University Press，2015：21.

[14] 邱燕楠，李政濤.挑戰(zhàn)·融合·變革：“ChatGPT與未來教育”會議綜述[J/OL].現(xiàn)代遠程教育研究：1-10[2023-03-14].http：//kns.cnki.net/kcms/detail/51.1580.g4.20230309.1125.002.html.

[15] 鐘秉林，尚俊杰，王建華，等.ChatGPT對教育的挑戰(zhàn)（筆談）[J].重慶高教研究，2023，11（3）：3-25.

[16] 蔣華林.人工智能聊天機器人對科研成果與人才評價的影響研究——基于ChatGPT、Microsoft Bing視角分析[J].重慶大學(xué)學(xué)報（社會科學(xué)版），2023，29（2）：97-110.

[17] GENEFE N. Higher consciousness： the epic guide to your higher self[EB/OL].（2019-06-07）[2023-03-13]. https：//ideapod.com/higher-consciousness-the-epic-guide-to-your-higher-self/.

[18] NOAM C. The false promise of ChatGPT[EB/OL]. （2023-03-08）[2023-04-25]. https：//www.nytimes.com/2023/03/08/opinion/noam-chomsky-chatgpt-ai.html.

[19] SAJJAD H， DURRANI N， DALVI F. Neuron-level interpretation of deep nlp models： a survey[J]. Transactions of the association for computational linguistics， 2022（10）： 1285-1303.

[20] 蔡曙山，薛小迪.人工智能與人類智能——從認知科學(xué)五個層級的理論看人機大戰(zhàn)[J].北京大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2016，53（4）：145-154.

[21] FILIPE B. What is higher consciousness？ A deeper look at an elusive concept [EB/OL]. （2022-06-16）[2023-03-13]. https：//mindowl.org/higher-consciousness/#.

[22] 祝智庭，趙曉偉，沈書生.技能本位的學(xué)習(xí)范式：教育數(shù)字化轉(zhuǎn)型的認識論新見解[J].電化教育研究，2023，44（2）：36-46.

[23] ETF. Digital skills and competence， and digital and online learning[M]. Torino：European Training Foundation，2019：17.

[24] 余小茅，毛丹丹.愛因斯坦“忘掉……留下”的教育定義及其當代教育意蘊[J].現(xiàn)代大學(xué)教育，2020，182（2）：9-15.

[25] 張麗，闞閱，張雪軍.大學(xué)通識教育：杜威的經(jīng)驗啟示[J].高教探索，2022（2）：107-112.

[26] 鄧莉.美國21世紀技能教育改革研究[D].上海：華東師范大學(xué)，2018：12-15.

[27] 祝智庭，戴嶺.綜合智慧引領(lǐng)教育數(shù)字化轉(zhuǎn)型[J].開放教育研究，2023，29（2）：4-11.

[28] 尤瓦爾·赫拉利.未來不是科幻小說[J].中國經(jīng)濟周刊，2018，731（31）：82-83.

[29] JAGERS R J，RIVAS-DRAKE D，WILLIAMS B.Transformative social and emotional learning（SEL）：toward SEL in service of educational equity and excellence[J].Educational psychologist，2019，54（2）：1-23.

[Abstract] AIGC brings new opportunities for change in the field of education by opening a new pattern of digital transformation in education， innovating a new experience of multimodal learning， and empowering a new wisdom of human-computer collaboration. It is urgent for educators to think about the upcoming reform comprehensively and calmly. This paper aims to grasp the transformative opportunities brought by AIGC， explore innovative learning paradigms， and lead the digital transformation of education and the development of intelligent education. Focusing on the generative characteristics and essential mechanism of AIGC and the practical reflection on the application of AIGC technology in education， this paper proposes that higher consciousness generative learning is the innovation of AIGC to enable future learning paradigm by exploring its technology-enabled educational innovation. Furthermore， the superposition of many AIGC algorithm models and the correlation mechanism among various elements are analyzed to clarify the internal mechanism and development needs of higher consciousness generative learning. This paper argues that higher consciousness generative learning consists of five elements： self-directed learning is the internal drive， self-monitoring learning is the guarantee， thinking skills are the key， innovative consciousness is the vitality， and emotional skills are the enhancement of higher consciousness generative learning. The five elements jointly construct the logical mechanism and practical path of the new learning paradigm.

[Keywords] Higher Consciousness Generative Learning; AIGC; Digital Transformation of Education; Thinking Skills; Innovative Consciousness