The AI Tsunami: Reorienting CSCL Toward a Humanistic, Justice-Oriented, and Planet-Conscious Future

几十年来，一个特定的教育研究分支一直在研究人们在共同工作时如何能更好地学习。这个领域被称为计算机支持的协作学习（computer-supported collaborative learning），它研究技术如何帮助学生、同事或社区成员作为团队来构建知识。其核心理念简单而深刻：学习不仅仅是一个人吸收事实的孤独活动，它是一个社会化过程，理解是通过对话、分歧以及对理解世界的共同努力而增长的。该领域的研究人员花费了二十年的时间，研究如何设计数字工具来支持这种混乱且具有人性特征的过程，从早期关注小组如何解决问题的实验，转向了更近期的、考虑文化、身份和公平如何塑造这些互动的研究。随着人工智能成为日常生活的一部分，问题已从技术能否帮助我们学习，转向了当这种技术变得如此聪明以至于可以替我们思考时，会发生什么。

由海法大学和克拉克大学研究人员撰写的一篇新论文指出，生成式人工智能的到来不仅是该领域向前迈进的一步，更是一种威胁到数十年进步的突发性、压倒性的力量。作者将这种转变描述为一场“海啸”，用这个比喻来形容一种规模巨大且速度极快的浪潮，它不仅是沿着以往变革的路径前进，而是拥有彻底将其冲刷殆尽的力量。他们认为，早期的技术充当的是帮助人类沟通的工具，而现代人工智能则充当了一个可以自主生成流畅、精炼答案的参与者。这创造了一种危险的错觉：当一个群体使用这些工具时，最终产物可能看起来很完美，但实际的学习过程——理解的挣扎、不同观点的摩擦以及解决困惑的努力——可能会消失。研究人员警告说，如果该领域不立即改变方向，就有可能失去那些让协作学习变得有意义的人类特质。

为了理解这一警告的紧迫性，作者回顾了该领域在过去二十年里的演变，将其历史描述为三个不同的发展浪潮。第一波关注的是小组如何共同思考的机制，将团队视为由数字工具支持的单一智能单元。第二波将重心转向了人类体验，强调人们如何成为社区的一部分，以及他们独特的声线和个人历史如何塑造学习过程。第三波——在先进人工智能兴起前刚刚开始显现——开始直面关于权力、公平以及在这些数字空间中谁被遗忘的问题。作者认为，该领域正处于寻找伦理立足点的关键时刻，准备应对正义和身份等议题，然而生成式人工智能的迅速到来却扰乱了整个格局。

论文中确定的核心问题是，人工智能倾向于抹平人类思维的粗糙边缘。当人们一起学习时，他们往往始于不同的、不完美的想法。他们认为，人们会产生争论，并且必须努力向彼此解释自己的思考。这种挣扎正是真正学习发生的时刻。然而，生成式人工智能旨在生成统计学上最可能的、流畅且连贯的文本。当学习者使用这些工具时，人工智能可以将他们粗糙的想法润色成一段听起来完美的文字，从而有效地抹去了导致学习时刻的独特声音和具体的困惑。其结果是一个看似达成共识并快速推进的小组，但实际上，成员们可能仍然持有完全不同且未经审视的观点。工具隐藏了差异而非帮助小组解决差异，从而创造了一种虚假的共同理解感。

除了课堂之外，作者还指出了三个巨大的、相互关联的趋势，使得这个问题变得更加关键。首先，这项技术的发展目标是创造通用人工智能（AGI），即最终能在各个领域匹配或超越人类思维的系统，这引发了关于谁在控制这些强大工具的问题。其次，人工智能正在走出屏幕，进入物理世界，通过机器人与人类在医院、工厂和家庭中并肩工作，改变了物理协作的性质。第三，运行这些系统所需的架构消耗着惊人的能量，随着技术的增长，数据中心预计将使用超过 1,000 太瓦时（terawatt-hours）的电力，这对全球气候目标构成了直接威胁。作者认为，一个致力于研究人类如何共同学习的领域不能忽视这些力量，因为它们从根本上改变了学习发生的条件。

为了应对这些挑战，该论文提出了未来二十年研究的新方向，建立在三项承诺之上。第一项是重新关注人文主义，这意味着设计能够保护并珍视人类经验中那些混乱、不完美且真实部分的科技。与其使用人工智能让学习变得更快或更顺畅，目标应该是以鼓励深度思考、真实分歧以及导致真正理解的那种“挣扎”的方式来使用它。第二项承诺是明确关注正义。作者认为，由于人工智能是在往往反映了现有偏见的数据上进行训练的，它很容易强化不平等。研究人员必须积极工作，确保这些工具不会使边缘化的声音失声，或者让来自不同背景的人更难充分参与。这涉及与他们所服务的社区一起设计系统，而不仅仅是为他们设计。

最后一项承诺是“行星使命”，它要求该领域扩大其研究视野。这意味着要超越眼前的课堂，去考虑这项技术的更广泛的环境和社会成本。这也意味着要与其他群体合作，例如环境科学家、伦理学家和原住民知识传承者，以应对人类面临的复杂问题，如气候变化和社会分裂。作者相信，该领域的独特优势在于其对人们如何在现实环境中真正共同构建知识的深刻且务实的理解。通过将这种专业知识应用于人工智能带来的挑战，该领域可以帮助确保技术服务于人类的繁荣，而非取代人类。

论文最后呼吁研究人员开发新的衡量成功的方法。他们不应仅仅观察一个小组完成任务的表现或其最终产物的精美程度，而需要寻找方法来观察人工智能究竟是在帮助人们共同思考，还是仅仅在替他们完成工作。他们必须研究不同的群体如何体验这些工具，密切关注那些可能受到其伤害的人群，并且必须参与到关于这些强大系统应如何治理的公共对话中。作者认为，该领域未来的二十年将不在于发明一种新型软件，而在于阐明协作的真正意义。这是一个决定技术将被用于深化人类联系与理解，还是会被允许抹平人类学习与成长过程中那丰富而复杂的现实的时刻。