人工智能技术发展迅猛、迭代加速，我们已然踏入了AI新时代。AI赋能教育势在必行，空间无限，大有可为。

2024世界人工智能大会人工智能与教育论坛召开。会上，来自人工智能领域和数学科学领域的国际组织负责人、大学校长、知名专家、企业代表齐聚一堂，以“人工智能赋能人才培养”为主题展开圆桌对话，共同探讨了AI在教育中的变革、挑战与未来。

“当然，AI对教育的意义远不止赋能，它还将为教育改革开辟更广阔的空间。”武汉理工大学校长、教育部教育数字化专家咨询委员会主任委员、圆桌会议主持人杨宗凯表示，加速培养高水平人工智能专业人才，并全面提升师生AI素养，迫在眉睫，需要我们共同努力，培养出适应未来、引领创新的AI时代的高阶人才。

那么，未来几年，AI较之人类将会达到什么水平？AI会否加剧教育鸿沟？AI与人才培养、科学研究等能否实现相互赋能？如何通过产教研融合，培养AI高端专业人才？如何保证AI的可持续发展？……这些问题需要我们一起思考并解答。

一、直面AI挑战，迎接广阔未来

“我预测，未来几年，AI在教育领域所体现出的认知水平、专业水平，可与高校教授、博士、研究生等比肩。”北京智源人工智能研究院理事长、北京大学多媒体信息处理全国重点实验室主任黄铁军表示，人工智能储备的知识特别丰富，它将大量的数据、资源凝练成一套体系，并基于此与人交流，能够回答人类的各种问题，甚至还可以给出启发式的答案，它的知识认知能力达到甚至超过了很多专业人员。

他同时强调，将AI与人类进行直接对比，其实并不公平，而简单模仿人类也不是AI的目的。我们应充分理解AI作为被动系统的特性。相较有情感、目的意识、主动思考能力的人类，AI缺乏情感、主观意识和主动探索的能力，这也决定了AI与人类存在本质区别。

“AI在未来三年内，在触及人类核心体验与深层理解方面，仍将面临重大挑战。”华为云人工智能领域首席科学家田奇提出类似观点。他认为，AI大模型在文字理解方面，尤其是处理百万字级别文本的高效信息提炼能力已显著优于人类，但人类情感和意识的微妙与复杂，难以通过数学或数字的方法去量化。

此外，AI的逻辑推理能力仍与人类存在差距。田奇提到，在语言理解和生成上展现出超凡实力的AI大模型，却在今年模拟高考数学的测试中，表现欠佳，其推理能力还无法与人类相比。

“当前，以LLM大语言模型为典范的人工智能，在驾驭语言对话方面已相当成熟。但在面对复杂逻辑推理的挑战时，AI仍未能企及人类智慧的高度，特别是未能超越顶尖数学家的思维境界。”复旦大学浩清教授、上海科学智能研究院院长漆远表示，未来，若我们能解锁在AI中融合人类直观推理与严密逻辑推理的潜能，新的曙光有望显现。这不仅是对AI能力边界的拓展，更是向着模拟并可能超越人类某些高级认知功能的目标迈出的关键一步。的确，不可否认的是，尽管人工智能具备巨大的潜力，能够发挥积极作用，但仍有许多复杂而模糊的问题有待解决。

“实际上，过去我们很多自以为了解的知识，有些已经偏离了正确的轨道，或者并没有触及问题本质。因此，如果人工智能依赖现有文献中的知识运行，那它只会强化错误的思维模式。”加拿大皇家院士、美国工程院院士、新加坡政府顾问、斯德哥尔摩水奖获得者（水领域的诺贝尔奖）、中国环境科学研究院国际科技顾问委员会外方主席、菲尔兹数学科学研究院可持续发展中心顾问约翰·切里表示，如何让人工智能在复杂、跨界且带有不确定性的挑战中发挥作用，成为一个值得深思的问题。

目前，AI发展迅猛，想要准确预测其未来全方位的能力趋势稍显困难。不过，专家已经窥探到了AI的局部发展趋势。田奇表示，AI在原生多模态处理能力上将迎来显著的突破与进展，这意味着AI将更高效地整合并理解跨越不同感官通道的信息，如文本、语音、图像乃至更多维度的数据，实现更加贴近人类的感知与交互方式。此外，AI大模型的智能创作能力将在手机、电脑、平板、眼镜等智能终端实现飞跃。

二、AI赋能教育势在必行

“传统教育体系已经偏离正轨，好在中国已经意识到了这一点，并正在做出惊人的改变。”约翰·切里表示，传统的高等教育的宗旨之一是让学生在获取知识后能够运用知识。现行的教育体系，无论是中国试图改进的，还是加拿大尚未着手改革的，本质上并没有重视学生的质疑能力和好奇心，而是训练学生接受我们认为“已知”的知识，但这些知识往往存在错误之处。

“人工智能带来的机遇，超越了技术层面，超越了特定学科，而是为全球范围教育领域带来革新。”

菲尔兹数学科学研究院院长、加拿大皇家学会会员、印度国家科学院院士、美国数学会院士库马尔·默蒂表示，现有的教育体系，为了应对大规模学生群体的便利管理，不得不在一定程度上简化了人才培养的过程。而现在，因为人工智能的介入，学生批判性思维、开放心态，以及“在做中学”的能力的培养将会成为可能。

数学科学与人工智能密不可分，相互促进。

“尽管人工智能在高等数学直接证明上的贡献尚有限，但它作为辅助工具，在确保证明的准确性和可验证性方面正展现出其价值，并且这一领域的发展前景十分乐观。”库马尔·默蒂表示，在AI成规模应用之前，鉴于数学研究的复杂性，即便是在重大定理被确立之后，也很难有单个研究者能够完全理解其全部内容，往往需要多人合作。而借助AI辅助工具，验证和确认定理的正确性成为可能。

“未来三年，增强AI的数学推理能力将成为科研的前沿焦点，预计会得到迅速推进。同时，AI作为科研辅助工具的角色也将深化。”

田奇同时强调，AI彻底超越人类智慧，特别是达到或超越数学家的专业水平，依然是一个长期且极具挑战性的目标。

“事实证明，以往的文献资料不可能全都是正确的。而正是这样的矛盾与差异，蕴含着学术活动的活力，也是未来研究的方向所在。”约翰·切里表示，AI需要以某种方式谋求突破，解决我们所面临的矛盾。那些能够利用AI解决现有矛盾、引领研究方向的国家，将在全球竞争中占据领先地位。

“我们也应清醒地认识到，技术如同双刃剑，教育与AI的深度融合在带来机遇的同时，也可能潜藏风险，”杨宗凯表示，我们既要积极拥抱AI时代所带来的变革，也需谨慎前行。

三、以更大力度、更高效率，加速AI人才培养

“人工智能人才的供需存在严重失衡。鉴于挑战的规模与紧迫性，显然需要我们以更大力度、更高效率的策略来加速AI人才的培养进程。”

黄铁军表示，破局的关键在于打破人工智能教学科研与产业实践之间的壁垒，促进二者的深度融合。这也意味着教育体系需践行“在学中练、在练中学”的理念，鼓励学生在导师的指导下，积极参与项目实践，于实践中深化理论认识，在学习中提升实战技能，从而在快速迭代的技术浪潮中保持竞争力。

“回到教育领域，人工智能的崛起不仅深刻影响着科学研究，也正引领着一场教育模式的深刻变革。”漆远表示，面对AI技术的飞速发展，我们要树立“在实践中学习AI”的意识，让学生在项目实践中通过解决真实世界的问题来深化对AI原理和技能的理解。这种从“课本到实践”的思维转换，对于培养适应AI时代的新型人才至关重要。

此外，漆远认为，在AI能够高效处理重复性、数据密集型任务的背景下，教育体系的重塑应更加重视激发学生的创造力、批判性思维和逻辑推理能力，从价值观入手培养，保持人类自身优势。发挥企业优势，同样不失为人才培养的好办法。

“中国高校汇聚了大量杰出人才，但人工智能领域的重大科研突破为何多发于企业界？”田奇表示，根本原因在于高校往往受限于研究平台与关键资源，特别是算力与数据资源的局限，加之最顶尖的学生群体未能与此类稀缺资源有效整合。中国留学生在海外依托大型企业和先进平台，往往能迅速取得显著成果。这进一步证实了强大平台支撑与高水平导师指导对于人才培养的重要性。

因此，田奇呼吁，企业可以通过提供平台与应用场景的方式，吸引来自C9联盟及985工程等顶尖高校的学生参与实习，引导他们在实际情境中推进科研工作，促进理论与实践的深度融合。此外，为了更好地推动产学研合作，建议教育部及相关政府机构增加对企业联合培养博士生的支持力度，充分利用企业的资源优势，优化导师队伍结构，共同为培育下一代科研精英创造更为优越的条件。（文章摘自中国教育网络）