得益于深度思考和多模態(tài)能力的提升，大模型面對未經(jīng)訓練的全新題目測試，已經(jīng)達到人類優(yōu)秀考生的水平。

AI大模型豆包嘗試著做了今年的山東高考卷，得了690分左右，排名在前80位左右，甚至有望考上清華、北大。這只不過是大模型成為“考試明星”的最新一例。根據(jù)多份報告，人工智能系統(tǒng)已展現(xiàn)出通過大學入學考試及其他學術(shù)評估的能力。例如，ChatGPT通過了美國法學院和商學院的考試；同時，GPT-4模型能夠通過大多數(shù)STEM學科的評估，并在回答問題時實現(xiàn)高準確率。

人工智能通過這些考試的能力，引發(fā)了對教育的未來以及如何更好地培養(yǎng)學生掌握那些仍具有人類特質(zhì)的技能的思考。

大模型的考試成績意味著什么

首先，這可以理解為規(guī)?；哪Ｊ阶R別的成功。大模型在識別和再現(xiàn)語言、推理和問題解決方面表現(xiàn)卓越。縱觀大模型通過的考試，通常結(jié)構(gòu)清晰，格式固定，答案可以通過文本線索得出——而這正是大模型接受訓練的強項。

其次，大模型擁有廣泛的訓練數(shù)據(jù)來源，這使得它容易在考試中脫穎而出。許多考試題目與教材、輔導材料或歷年試題中的內(nèi)容高度相似，可能出現(xiàn)在模型的訓練語料中，或在結(jié)構(gòu)上與之類似。

再次，大模型實現(xiàn)了任務無關(guān)的通用性。通過這些考試的能力表明，大模型是通用型語言處理器——它們無須重新訓練就能在法律、醫(yī)學、STEM等領(lǐng)域間切換，這在系統(tǒng)設(shè)計層面非常了不起。

盡管成就不俗，我們也不必夸大大模型對人類考生的威脅。因為，考過并不等于“理解”，大模型的“成功”多是統(tǒng)計上的匹配，而非概念性的掌握——它們并不“知道”答案為何正確。

大模型還缺乏真實的推理基礎(chǔ)。如USMLE（美國醫(yī)生執(zhí)照考試）默認考生具備現(xiàn)實世界的經(jīng)驗積累和倫理判斷能力。大模型即使答對了題，也缺乏具身認知或臨床直覺。

我們還需認識到，大模型不存在原生的學習過程。它們并不會像人類那樣通過學習獲得知識——機器人不會因誤解而苦惱，也不會主動反思，更不會隨著時間內(nèi)化意義。

多元智能理論與大模型的考試表現(xiàn)

教育心理學家霍華德·加德納認為，智力是多元的，不能僅用傳統(tǒng)智商或考試成績來衡量。根據(jù)加德納的智能類型，我們會發(fā)現(xiàn)，大模型的能力展現(xiàn)參差不齊：

在語言智能，即使用語言進行閱讀、寫作方面，大模型表現(xiàn)優(yōu)秀。

在邏輯-數(shù)學智能，即抽象推理、問題解決、模式識別能力方面，大模型表現(xiàn)良好，對于數(shù)學題、邏輯題等結(jié)構(gòu)化問題的解答能力十分強勁，盡管在復雜推理中仍有不穩(wěn)定性。

在視覺-空間智能，即在頭腦當中想象和操控物體的能力方面，大模型功能有限：純文本模型本身不具備視覺-空間推理能力，多模態(tài)模型（擁有視覺能力）正試圖在一定程度上對此加以改善。

在身體-動覺智能，即控制身體動作、保持身體協(xié)調(diào)能力方面，非常遺憾，大模型付之闕如——它本身沒有身體，也無法展開物理體驗或動作。

在音樂-節(jié)奏智能，即對音高、節(jié)奏、旋律的敏感度和創(chuàng)作能力方面，大模型可以模仿歌曲或分析音樂理論，但缺乏真正的聽覺體驗與音樂直覺。

在人際智能，即理解他人情感、動機、關(guān)系的能力方面，大模型能模擬同理心，但沒有真正的社會意識、情感或動機。

在自我認知智能，即自我覺察、情緒反思和自我理解的能力方面，大模型沒有自我，并不像某些人聲稱的那樣獲得了自我意識、目標或主觀經(jīng)驗。

最后，在自然觀察智能，即識別自然界模式、給出生物分類的能力方面，大模型可以檢索事實，但缺乏對自然環(huán)境的直觀感知與互動能力。

經(jīng)由這些對比，我們可以發(fā)現(xiàn)，大模型在語言和邏輯智能方面表現(xiàn)卓越，但加德納強調(diào)具身性、情感性和經(jīng)驗性的廣泛智能，這是大模型在結(jié)構(gòu)上無法勝任的。

另一方面，從模擬與體驗的關(guān)系來看，大模型可以模擬某些智能（如共情或音樂創(chuàng)作），但缺乏真實的經(jīng)驗基礎(chǔ)，而加德納的智能理論強調(diào)智力的發(fā)展與現(xiàn)實世界的互動密不可分。

教育上的反思：過度依賴大模型的害處

從教育評估的角度看，人工智能不斷提升的考試能力，引發(fā)了對學術(shù)誠信和潛在濫用的擔憂，促使教育工作者不得不重新思考傳統(tǒng)評估方法。

不過，我們也可以看到，盡管人工智能可以通過識別模式并生成正確答案來通過考試，卻并不一定意味著其對考試內(nèi)容的理解與人類相同。人工智能在語言處理以及需要“常識”或主觀解讀的問題上仍面臨挑戰(zhàn)。今天，我們可以心存僥幸的是，人工智能還難以應對需要深入理解、批判性思維或個人反思的復雜或微妙問題。

這表明，理解意義是人類獨有的能力，而目前的人工智能系統(tǒng)仍缺乏這種能力。“高考出色”的機器人其實與一些學生非常相似，他們吸收知識，然后照本宣科，根本不理解其中的含義。所以，機器人超越這類學生毫不足奇。

多元智能理論主張因材施教、發(fā)展多種能力。如果學校在教育中過度依賴大模型完成寫作或數(shù)學等任務，可能會忽視身體性、人際交往和情感成長這些對人類發(fā)展至關(guān)重要的領(lǐng)域。

所以，必須思考一種新型的教育。如果大模型都能通過為人類設(shè)計的考試，教育工作者就迫切需要重新思考考試的目標——不應只評估機械記憶或格式化的解題能力，還應涵蓋創(chuàng)造力、判斷力與情感智能。

與其驚嘆于高級的人工智能水平，不如說“機器人考生”揭示了考試本身的結(jié)構(gòu)與局限性。我們的確打造了強大的工具，但它們終究只是工具。這些模型可以成為強大的教學助手，但若將它們完全替代醫(yī)學、法律等領(lǐng)域的專業(yè)人員，可能帶來倫理和安全隱患。

大模型能通過各種考試，是工程復雜性的里程碑，但并不是與人類認知能力等價的標志。人類未來將如何與人工智能共存，是我們必須基于確鑿證據(jù)認真思考的問題。同時，我們要盡快思考，因為時間不多了。

（作者系北京大學新聞與傳播學院教授）