霍春雷

知識(shí)圖譜是近年來人工智能領(lǐng)域的熱門技術(shù)之一，通過知識(shí)圖譜可以將大量的數(shù)據(jù)和知識(shí)整合成結(jié)構(gòu)化的圖譜。隨著大模型、ChatGPT、生成式人工智能的爆發(fā)式發(fā)展，知識(shí)圖譜及教育賦能開展正在助力教育變革創(chuàng)新。據(jù)悉，清華大學(xué)在2024年將建設(shè)100門人工智能賦能教學(xué)試點(diǎn)課程，利用人工智能輔助或深度介入課程，打造人工智能助教、人工智能教師，持續(xù)創(chuàng)新教學(xué)場(chǎng)景，提升教與學(xué)的效率與質(zhì)量。為了貫徹、落實(shí)國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》、教育部出臺(tái)的《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》，很多高校、科研單位、公司都在緊鑼密鼓地建設(shè)知識(shí)圖譜及教育賦能系統(tǒng)。雖然人工智能對(duì)于高等教育教學(xué)、科研的顛覆性變化還沒有顯現(xiàn)，但“人工智能+”特色的高等教育生態(tài)正在重塑。

在此背景下，知識(shí)圖譜應(yīng)該扮演什么樣的角色？我們應(yīng)該怎樣利用知識(shí)圖譜下好“人工智能賦能教育”這盤棋？為了探討這個(gè)問題，我們要揭開知識(shí)圖譜的神秘面紗，理清知識(shí)圖譜的工作原理、分析知識(shí)圖譜的“能”與“不能”，然后才能用科學(xué)的態(tài)度和方法構(gòu)建知識(shí)圖譜及教育賦能系統(tǒng)。

知識(shí)圖譜能消除“孤島”，為教育賦能

知識(shí)圖譜是人工智能技術(shù)的一個(gè)專業(yè)術(shù)語，是由谷歌（Google）公司在2012年提出的一個(gè)新概念。知識(shí)圖譜由節(jié)點(diǎn)和邊組成，節(jié)點(diǎn)表示實(shí)體，邊表示實(shí)體與實(shí)體之間的關(guān)系。這樣一個(gè)簡(jiǎn)單的概念，對(duì)計(jì)算機(jī)及人工智能會(huì)有什么影響呢？使用過“百度”等搜索引擎的人都知道，我們?cè)谒阉鳈诶镙斎腙P(guān)鍵詞，哪怕輸入的關(guān)鍵詞是不同的語言、不同的形式或格式，搜索引擎也會(huì)快速、可靠地把相關(guān)答案返回。搜索引擎是如何完成這一任務(wù)的呢？它背后的關(guān)鍵技術(shù)就是知識(shí)圖譜。為了讓計(jì)算機(jī)像人一樣理解我們?nèi)祟惖闹R(shí)，知識(shí)圖譜會(huì)將輸入的關(guān)鍵詞轉(zhuǎn)換成計(jì)算機(jī)能夠理解的知識(shí)表示，然后“按圖索驥”地找到知識(shí)庫(kù)中相應(yīng)的節(jié)點(diǎn)，把相應(yīng)節(jié)點(diǎn)對(duì)應(yīng)的知識(shí)轉(zhuǎn)換成人類可以理解的形式返回給我們。由此看來，知識(shí)圖譜就像化學(xué)里的“元素周期表”，能夠?qū)?fù)雜、凌亂的人類知識(shí)整合成結(jié)構(gòu)化的、緊密關(guān)聯(lián)的計(jì)算機(jī)表示。換句話講，計(jì)算機(jī)依靠知識(shí)圖譜才能將零碎、孤立的知識(shí)形成“由此及彼、由表及里”的語義網(wǎng)絡(luò)；知識(shí)圖譜是實(shí)現(xiàn)知識(shí)表示、知識(shí)關(guān)聯(lián)、知識(shí)推理的基礎(chǔ)。

從上面的分析可以看出，知識(shí)圖譜的“能”在于其強(qiáng)大的知識(shí)關(guān)聯(lián)能力，能夠揭露海量知識(shí)之間的內(nèi)在關(guān)聯(lián)。這個(gè)“能”就是我們構(gòu)建知識(shí)圖譜及教育賦能系統(tǒng)的“棋理”。知識(shí)圖譜及教育賦能系統(tǒng)的構(gòu)建并沒有固定的思路和框架：只要符合“棋理”，教育變革創(chuàng)新賦能的途徑可以非常靈活；就如同下棋高手一旦精通了“棋理”，面對(duì)殘局他也能“起死回生”。下面僅從四個(gè)方面談一談知識(shí)圖譜及教育賦能的作用及途徑。

消除知識(shí)孤島，為教育變革創(chuàng)新賦能。教育要面向現(xiàn)代化、面向世界、面向未來。知識(shí)孤島是教育變革創(chuàng)新的巨大阻力。一方面，教師缺乏合適的工具和抓手，難以確保教育革新的方向、內(nèi)容符合未來教育和教育未來的需求；另一方面，主觀的教育變革創(chuàng)新可能會(huì)加重學(xué)生的負(fù)擔(dān)，甚至“適得其反”。我們?nèi)ツ吧牡胤铰眯袝r(shí)都需要一張地圖，知識(shí)圖譜及教育賦能系統(tǒng)就如同教育變革創(chuàng)新的“地圖”。如果沒有地圖或地圖殘缺不全，我們?cè)诮逃兏飫?chuàng)新的道路上可能會(huì)迷路，甚至掉進(jìn)陷阱。有了知識(shí)圖譜及教育賦能系統(tǒng)，教育變革就如同擁有了“高清電子地圖”甚至“自動(dòng)導(dǎo)航系統(tǒng)”。

消除學(xué)科孤島，為學(xué)科融合與復(fù)合型人才培養(yǎng)賦能。目前，理科、工科、農(nóng)科、醫(yī)科與AI的交融如火如荼。但是，學(xué)科之間的孤島與鴻溝，嚴(yán)重制約了學(xué)科交叉融合及復(fù)合型創(chuàng)新人才培養(yǎng)。那么，在學(xué)科交叉融合與復(fù)合型創(chuàng)新人才培養(yǎng)過程中，知識(shí)圖譜與人工智能應(yīng)扮演什么角色呢？大家還記得在東京奧運(yùn)會(huì)上自行車公路賽的金牌得主安娜·基森霍夫 （Anna Kiesenhofer）嗎？她用程序自動(dòng)分析身體機(jī)能數(shù)據(jù)并據(jù)此調(diào)整自己的訓(xùn)練計(jì)劃與競(jìng)技策略。憑借由此建立的身體機(jī)能與競(jìng)技成績(jī)的正確關(guān)聯(lián)，她這個(gè)業(yè)余選手打敗了由頂尖教練指導(dǎo)的、已經(jīng)拿過3次世界冠軍的荷蘭選手范·費(fèi)羅騰（Van Vleuten）。如果說人工智能是“催化劑”，能夠加快學(xué)科融合的話，知識(shí)圖譜就是控制催化劑的種類、數(shù)量、時(shí)機(jī)的“菜單”。

消除理論孤島，為“產(chǎn)學(xué)研”深度融合賦能?！皩W(xué)以致用、理論聯(lián)系實(shí)際、產(chǎn)學(xué)研結(jié)合”一直是教育改革的目標(biāo)和重點(diǎn)。但是，由于產(chǎn)界、學(xué)界、研界的壁壘以及精準(zhǔn)知識(shí)圖譜的缺失，產(chǎn)學(xué)研的深度融合一直困難重重。用傳統(tǒng)方法研究產(chǎn)學(xué)研就如同手工繪制地圖，不僅費(fèi)時(shí)費(fèi)力，精度也無法保證；相比之下，用知識(shí)圖譜、大數(shù)據(jù)、深度學(xué)習(xí)等人工智能技術(shù)構(gòu)建“產(chǎn)學(xué)研知識(shí)圖譜”，精準(zhǔn)而且精致，可以達(dá)到“一覽眾山小”和“身臨其境”的感覺。產(chǎn)學(xué)研知識(shí)圖譜能夠?qū)a(chǎn)界的痛點(diǎn)、研界的難點(diǎn)、學(xué)界的熱點(diǎn)結(jié)合起來，每個(gè)人都可以在起點(diǎn)與終點(diǎn)之間找到合適的關(guān)聯(lián)與路線；知識(shí)圖譜的知識(shí)推理功能甚至還會(huì)為我們找到可能的解決思路與方案。

消除創(chuàng)新孤島，為科技強(qiáng)國(guó)賦能。什么是創(chuàng)新？創(chuàng)新就是在起點(diǎn)與終點(diǎn)之間建立新的關(guān)聯(lián)，或者改進(jìn)已有的關(guān)聯(lián)。科技創(chuàng)新的難點(diǎn)就在于科學(xué)問題的起點(diǎn)與終點(diǎn)之間存在壁壘、缺少關(guān)聯(lián)。所謂的“靈感”，實(shí)質(zhì)上就是連接起點(diǎn)與終點(diǎn)的一個(gè)關(guān)聯(lián)。哲學(xué)可以為科技創(chuàng)新提供思維工具和宏觀指導(dǎo)；而知識(shí)圖譜可以幫助我們建立知識(shí)之間的復(fù)雜關(guān)聯(lián)、提供可視化的創(chuàng)新路線，人工智能的自動(dòng)化工具甚至可以幫助我們實(shí)現(xiàn)創(chuàng)新方案。著名數(shù)學(xué)家、菲爾茲獎(jiǎng)獲得者陶哲軒（Terence Chi-Shen Tao）在人工智能輔助證明幫助下僅用三周就完成了多項(xiàng)式Freiman-Ruzsa猜想的形式化證明。雖然這項(xiàng)任務(wù)由多項(xiàng)人工智能技術(shù)完成，但知識(shí)表示、知識(shí)關(guān)聯(lián)的巨大優(yōu)越性和無窮潛力得到了充分證明。試想，如果無法數(shù)字化地表示各步驟、各知識(shí)點(diǎn)，或無法自動(dòng)獲取各步驟、各知識(shí)點(diǎn)的關(guān)聯(lián)，計(jì)算機(jī)如何能完成從條件到結(jié)論的復(fù)雜推理？陶哲軒為此呼吁研究人員一定要學(xué)會(huì)正確利用人工智能工具。這個(gè)創(chuàng)新案例深刻地告訴我們，知識(shí)圖譜及教育賦能可以幫助我們消除創(chuàng)新孤島，在“原始創(chuàng)新”“重大創(chuàng)新”方面更是大有作為。

警惕知識(shí)圖譜及教育賦能系統(tǒng)的“不能”

值得注意的是，傳統(tǒng)的知識(shí)圖譜只是對(duì)已有知識(shí)的表示、關(guān)聯(lián)及推理，并沒有創(chuàng)造新的知識(shí)。生成式人工智能等新技術(shù)的出現(xiàn)讓知識(shí)圖譜“如虎添翼”，為知識(shí)圖譜及教育賦能系統(tǒng)注入了新的活力，甚至產(chǎn)生了“新”的知識(shí)。但是，不容忽視的是，恰恰是這些新興起的技術(shù)，給知識(shí)圖譜及教育賦能帶來了很大的隱患。例如，與GPT-3醫(yī)用聊天機(jī)器人聊天時(shí)，機(jī)器人甚至?xí)o出“自殺”的建議，這樣的引導(dǎo)是非?？膳碌?。又如，利用先進(jìn)的人工智能技術(shù)對(duì)圖像目標(biāo)的關(guān)系進(jìn)行推理時(shí)，除ChatGPT、Gemini等少數(shù)大模型外，很多大模型給出的答案正確率只有25%左右，與胡亂猜想差不多。上述這些問題的根源在于知識(shí)關(guān)聯(lián)和推理出現(xiàn)了錯(cuò)誤，這些錯(cuò)誤對(duì)于知識(shí)圖譜及教育賦能系統(tǒng)是致命的。從這個(gè)意義上講，運(yùn)用得當(dāng)，知識(shí)圖譜賦的就是“能”；運(yùn)用不當(dāng)，知識(shí)圖譜賦的就是“毒”。

因此，我們?cè)谕七M(jìn)知識(shí)圖譜及教育賦能建設(shè)時(shí)，要時(shí)刻警惕知識(shí)圖譜及教育賦能系統(tǒng)的“不能”。筆者認(rèn)為，我們?cè)跇?gòu)造知識(shí)圖譜及教育賦能系統(tǒng)時(shí)應(yīng)該注意以下問題：

用矛盾的觀點(diǎn)看待知識(shí)圖譜及教育賦能系統(tǒng)，時(shí)刻牢記初心。我們?cè)诶萌斯ぶ悄芗夹g(shù)構(gòu)建知識(shí)圖譜及教育賦能系統(tǒng)時(shí)要牢牢抓住主要矛盾和矛盾的主要方面。主要矛盾就是發(fā)揮知識(shí)圖譜及人工智能技術(shù)的“能”、避開知識(shí)圖譜及人工智能技術(shù)的“不能”，矛盾的主要方面就是一定要結(jié)合專業(yè)的特點(diǎn)和學(xué)生的實(shí)際情況。因此，一定要牢記知識(shí)圖譜及教育賦能的初心，知識(shí)圖譜及教育賦能建設(shè)要重“量”，更要重“質(zhì)”；不能為了建設(shè)而建設(shè)，不能生硬照搬別的學(xué)科、別的學(xué)校的模式。

用系統(tǒng)的觀點(diǎn)建設(shè)知識(shí)圖譜及教育賦能系統(tǒng)，提升綜合效能。知識(shí)圖譜是教育賦能系統(tǒng)的重要組成部分，但不是教育賦能系統(tǒng)的全部。知識(shí)圖譜必須與大數(shù)據(jù)、大模型、人機(jī)交互等多種人工智能技術(shù)結(jié)合才能發(fā)揮教育賦能系統(tǒng)的綜合效能，才能達(dá)到“1+1+1>3”的效果。因此，在構(gòu)建教育賦能系統(tǒng)時(shí)，要從實(shí)際需求出發(fā)，系統(tǒng)需要什么技術(shù)就選擇什么技術(shù)，而不能有什么技術(shù)就構(gòu)建什么系統(tǒng)。

用實(shí)踐的觀點(diǎn)檢驗(yàn)知識(shí)圖譜及教育賦能系統(tǒng)，避免急功近利。一個(gè)好的知識(shí)圖譜及教育賦能系統(tǒng)應(yīng)該經(jīng)得起時(shí)間和實(shí)踐的檢驗(yàn)。好的知識(shí)圖譜及教育賦能系統(tǒng)并不是指技術(shù)手段如何先進(jìn)、學(xué)生能提高多少分?jǐn)?shù)，而是通過實(shí)踐全面、系統(tǒng)、客觀地檢驗(yàn)和評(píng)價(jià)：看系統(tǒng)是否提高了學(xué)生的學(xué)習(xí)能力、創(chuàng)新能力，是否踐行了未來教育及教育未來的使命。