■董毓

　　人工智能的浪潮正在席卷从科技到教育，乃至全社会的各个角落，中国教育界正在积极推动学习和应用人工智能，以便乘势站在时代前列。另一方面，鉴于人工智能有“幻觉”等问题和风险，世界各国普遍认识到，人工智能使批判性思维变得更重要了。今年1月，《瞭望》周刊探讨了人工智能时代下大国博弈需要怎样的人才，国内受访专家的第一共识就是批判性思维。专家认为需要“重塑大国人才培养体系”，要调整人才培养指挥棒，尤其是提出问题的能力——这几乎是创新的必要条件。

　　实际上，教育界早已知晓这些观念，特别是以批判性思维结合人工智能来培养提问能力，在人工智能快速发展和大国竞争的时代背景下变得更为迫切。但是，人工智能与批判性思维如何结合，尤其是如何培养提问能力仍是当前教育界的痛点。大家都意识到这种需求，但未必清楚该如何落实与实现。这是中国学生提问能力差的现象长期存在的原因之一。

　　今年6月，中国工程院院士、华中科技大学校长尤政提出，人工智能和批判性思维结合形成DNA式的“双螺旋结构”，将有力推动创新。

　　确实，以“双螺旋结构”做类比，形象表明人工智能和批判性思维如果像DNA双链那样密切耦合、相互补充，其作用必然强大。不过，关键还是要进一步明确两者如何耦合，这样才能具体了解它们如何促进创新、如何培养提问能力。近年来我们一直在研究两者在问题、概念、论证、证据、推理、假设、辩证和综合这八个认知和思维要素上的结合方式。

　　比如，在启动认知的“问题”要素上，这样的耦合关系是将批判性思维的二元问题分析法和人工智能嫁接。二元问题分析法从问题的对象和问题的认知两大方面分析问题构成要素和机制。比如针对这一问题——“为什么这里有雾霾”，问题的对象是雾霾，问题分析就要从它的深层的构成——要素、属性、关系、机制、过程、演化等来提出细致的子问题。问题的认知是诸如“雾霾是汽车尾气导致的”“雾霾是烧煤引起的”等观念，问题分析要从认知的背景、假设、证据、推理、争议等方面提出细致的子问题。这样从对象和认知两方面就生成大量供探究和发散思维的好问题。

　　如果运用人工智能，可以大大加速这些子问题的生成。反过来，它们也优化了对人工智能的提问，构造好的提示词，使之能探究深度的信息、检测信息的缺失和盲区。这类探究性问题特别有助于科技和学术研究中的发散思维和创新，我们可将其称为促进创新的第一类好问题。

　　探究深度的信息，也正是“假设”要素上的耦合方式之一，这将推进深度学习。深度学习要理解知识的隐含基础、假设和意义。二元问题分析法要挖掘问题对象的要素、基础、关联、原因、机制、变化和局限，这正是深度学习所需的信息。比如，“这个城市的雾霾和其他城市的雾霾是一个问题吗？”“它们的生成因素和条件不同吗？”这些深度和开放的理解问题可破除教条式的死记硬背、帮助创新。它们是第二类好问题。

　　“辩证”要素的耦合方式，是对知识的深度构成进行批判性反思。这是第三类好问题——有具体理由的质疑问题。这样元思考的问题要审视知识的依据，发掘可能的反例等。比如，“关于雾霾构成的判断在这里还适用吗？”“它有不同观点吗？”“有无异常原因？”人们常说批判性思维的质疑有助于创新，指的就是这类反思问题。

　　限于篇幅，这里仅简述“概念”“证据”“推理”要素上的探究和评估的耦合方式。语言本是生成式人工智能的强项，但它也有模糊、偷换、空洞、生造概念等问题，所以文本中的关键概念，经常需要澄清和辨别。因为生成式人工智能输出的“幻觉”和套话、误导、片面等局限性，促使批判性思维评估证据的真实性和全面性。批判性思维也探究和评估它们的“推理”机制。这些也都是好的反思问题。

　　最后，在”论证”和”综合”要素上，耦合方式之一是对人工智能文本进行批判性阅读，通过有序分析和评估，产生对论证和结论的反思问题，发展新知并作出合理决策。

　　可见，在这八个要素上，人工智能和批判性思维有协同、澄清、辨别等耦合方式。这样的结合将实现两者协同增效，特别是能产生探究、理解和反思的三大类好问题，从而促进创新。诚如尤政所说，人工智能和批判性思维的密切结合和迭代，将是智能时代新型教育生态的内核和动力。

　　为此，我们急需补上探究和创新导向的批判性思维教育，实现它和生成式人工智能的全面耦合，并由此重点推动对提问能力的培养——这是人工智能时代培养急需的批判性思维和创新能力的最佳突破口。

　　（作者系华中科技大学创新教育与批判性思维研究中心首席专家）