摘 要：人工智能与教育深度融合，在人机协同教育中不断从教学工具向教育者转化。人工智能是否能成为真正意义上的教育者，其中最需要清晰认识的基本问题是人工智能机器人在发展中逐渐具备的“拟人性”与人的主体性之间的本质差别，这涉及人工智能应用于教育领域的基础认知。为了更好地认识人工智能，该文对其本质和实践形态进行深入剖析。一是，从内在机制分析发现，人工智能只是人类设计各种算法模仿人的认知和行动的技术，本质上仅仅是通过算法的数学计算进入到语言和思维领域实现机器智能，但算法本身缺陷限制了人工智能无法逾越人的主体性特征；二是，从机器外部赋能揭示出，人工智能是以人为目的，表达人的想法的实践工具，最具特征的人工智能的能动实则也是被人的主体性实践所支配。三是，从教育的初心和本质考察，人工智能也不能在教育实践中唤醒、激发、建构人的主体性成长，只是贯彻施行技术特征的教学实践工具。研究认为，在教育实践领域，要充分认识到人的全面发展并非主体性缺失的人工智能所能为。
关键词：人工智能；机器人；主体性；教育；算法
当下，人工智能不仅在理论方面取得了巨大进展，更在实践领域强势出现了ChatGPT、sora等为代表的生成式人工智能。惊叹之余，人们对人工智能的认识也出现了不同看法。主要焦点在于人工智能机器人的“拟人性”是否具有人的主体性特征，如自我意识、主观能动性等。比如，有学者认为，算法的不断优化使人工智能可试图模拟人的思维，积极地挣脱人类的束缚，主动地获得自我的自由与自觉。也有学者认为，AI伙伴是最高级的人机协同方式，此时AI具备了社会智能，其创造性和自主性达到人类教师的层次。人们对人工智能的认识已经从工具定位转化为可以成为教育主体。而能否成为教育主体，其核心在于，人工智能机器人与人的主体性之间是否存有本质差异。由此，本文尝试对人的主体性的特征进行全面考察，来探析人工智能是否拥有和人一样的主体性内涵，从而对人工智能在教育领域能否发挥主体性等颇为争议的话题进行探讨。为了行文方便，在不引起歧义的情况下，下文将人工智能机器人、智能代理、智能体等概念，统一使用“人工智能”。
一、主体与主体性的哲学考察
讨论人工智能的主体性，首先要理清哲学上对主体和主体性的一般认识。一般来说，主体这一概念有两种含义，一种是本体论意义上的物体或实体，另一种是认识论意义上的实践主体，具体指从事认识和实践的人，而不是其它实物对象，通常哲学上所说的主体都是指后一种。人作为主体，经历着从简单到复杂的“认识—实践”的循环反复过程。在此过程中，主体的认识和实践并非漫无目的，而是自觉地、有意识地主动建构。人是建构的主体，事物则成为人的对象，二者形成了一种主客关系，也就是说主体成为凌驾于对象之上的超越，人类成为主体，成了对象世界的主人。这样一来，人类认识实践活动在历史进程中都体现了人的思想和行为，从而建立了以人为主体的技术行为准则。久而久之，主体就在人实践的基础上被塑造。于是，人就成为向自然、社会立法的实践者，“主体是人，客体是自然”，即人之外的一切事物都是客体。当然这种观点在哲学上还需要深入讨论，但人作为主体的这种身份定位，成为学界的共识并保留了下来。
主体性是主体在实践认识活动中呈现出的本质特征。郭湛认为，人的主体性是人作为活动主体的质的规定性，是在与客体相互作用中得到发展的人的自觉、自主、能动和创造的特性。就其定义而言，主体性强调人的四个方面特征：自觉是人在精神、思想或认识支配下的实际行动，属于心理意识范畴；自主也是主动性，是人在自身意识基础上，明确认识目标并向着特定的方向努力，意味着主体对活动的自觉把握；能动是人的思想与行动相结合，主体作用于客体时主体的活动；创造意味着主体对已有认识形成新的知识或新的理论，达到更高的认识能力和掌握更有效的认识方法，推动思想、观念、理论或方法的更新。归纳起来，主体性体现在人自身认识世界与实践改造世界这两方面所表现出的特性。从这个意义上看，人的主体性和人的本质特性是一致的。一方面，自觉、自主、创造等主体特性表现在心理意识、生物本能等人的思维运动对客体的反应；另一方面，能动性又与人的实践是内在统一的，是人在社会活动中不断实践、反思、创造、再实践的过程。所以，主体性是最集中体现人的本质之所在，表现为人在能动的活动中运用理论和实践，通过自主创造，实现人的目的。凭借主体性，确立了人与自然、社会的基本形式，促进了人的自身全面发展，实现了人的本质力量。
二、人工智能本质及其产生机制
从目前人工智能技术发展来看，美国工程院士、谷歌人工智能负责人杰夫·迪恩认为，人工智能的核心技术涉及算力、数据和算法三要素。这三要素涉及人工智能的物理本体和智能认知两个基本特征。一方面，算力对应的是物理本体层面，与计算机紧密相连。人工智能的核心技术无非是由电子芯片、集成电路等电子元件以及程序系统所组成的机械实物，其物理运作本质与之前的机器工作机理并无本质差异。所以，计算机是人工智能看得见摸得着的实体，是算力运行载体，更是人工智能之“体”。另一方面，数据和算法对应的是智能认知层面。数据是算法计算样本的描述数值，是经验被处理成为可计算、可加工的信息化表达形式。而算法实际上是用一个适当的数学模型对一类现实问题建立的计算方法。由此就不难理解这三要素之间的相互关系，算力是数据和算法不可或缺的动力之源，数据依靠算法分析与理解，算法依靠数据学习与训练。从某种程度上来说，人工智能离不开算力和数据，但算法是人工智能认知的关键，是人工智能的“大脑”。所以，芯片技术的更新迭代能够决定人工智能的算力速度，数据的数量和维度也决定了它的智能精确度，但无论如何提升计算速度和增加计算数据，都无法改变算法才是其智能认知的决定性因素。因此，算法是人工智能解决问题最根本的策略机制，也是最重要的技术途径。
溯源历史，人工智能经历了从20世纪50年代以逻辑推理技术导向的符号主义，发展到80年代以机器学习为典型特点的联结主义，随之到20世纪末出现行为主义的三种研究范式。人工智能发展的不同阶段，面临不同的问题，分别由不同的人群发展出各不相同的研究范式。这三种研究范式的划分，主要是基于其背后所蕴含的人工智能方法论的不同。符号主义者试图用符号演算模拟人类大脑；联结主义者试图通过人工神经网络的并行计算建构大脑；而行为主义者则试图通过遗传算法进化出大脑。无论是符号主义的逻辑推理算法，还是联结主义和行为主义倡导的机器学习算法，其实质是，研究者们针对特定问题诉诸不同算法模型。所以，从根本上讲，人工智能是为解决不同问题而采用不同算法方案，即提出各种算法并开发出相应的程序去解决现实中遇到的各类问题。
基于以上认识，结合人工智能在教育应用的现实，我们尝试从以下三个方面讨论人工智能的主体性问题。
三、从内在机制分析发现，人工智能算法存在主体性缺陷
人工智能引起争论的焦点主要体现在实际应用中功能表现突出，就被认为人工智能具有主体性。而实际上，这种认识是完全错误的，是被人工智能技术表象所蒙蔽。如果审视算法，并与人的主体性特征进行对比，就会对人工智能有更为清晰地认识，也就会消除对人工智能的盲目崇拜。
第一，离开人的智能，算法无法实现脱胎换骨的进化。能否成为主体，关键看人工智能可否像人一样可以实现自我进化？如果说，人工智能自身可以进化，那必然是，算法可以打破旧有模式进化成新算法？显然，结论是否定的，这是把人工智能的算法进化与人的主体实践等同了，二者的实现机制是不在同一维度上的。探寻二者实践背后的深层逻辑，人的认识实践活动总是以“新问题—创造方法—解决问题”的方式不断循环演进，而人工智能是沿着“需解决问题—算法—应用”的逻辑实现的。对比不难发现，新问题的出现与人的实践活动意义直接相关，而人工智能的演进逻辑则是停留于解决问题的算法层面。目前从技术层面可见，算法的核心是解决现实生活中的具体问题，即算法的第一步需要明确一个问题，最后一步是解决这个问题。换言之，算法还是停留在方法维度，是人实践的解决方法，而非能跳到人发现问题的实践价值维度。另一方面，算法也无法实现自身质变。事物的演进在方法层面上总是呈现两种路径，一种是在量的方面积累，即在深度和广度上对旧方法更新迭代；另一种是质的变革，即以革命性的新思路、新发现、新范式解决问题。而所谓人工智能的进化也都表现在针对具体问题上优化算法框架，而非旧算法自身消亡，新算法产生。同时，人工智能认知突破也并非来自算法自身的质变，这实际上是人的智慧创造，实现算法从量到质的突变。因此，人是人工智能的设计者，更是人工智能进化的引领者。
第二，算法不是一种能解决所有问题的通用方法。人们对人工智能有太多的期许，大多被直观感受到的人工智能应用所迷惑。这也就产生了模糊认识，认为人工智能算法具有普适性问题。然而，目前人工智能算法仅有十余种类型，无论是来源于小球落地实验的贝叶斯算法，还是受巴普洛夫的“狗”和卡哈尔的“手”启发的神经网络算法，这些算法恰恰是人为了解决实践中不同问题而创造出来的不同方法。换句话说，实践中能找到一个解决问题的合适算法都不是一件容易的事情，遑论其通用性。而且，每一个算法自身也有局限性，还会受到数据规模、数据结构等诸多因素影响。此外，还要看到，虽然人工智能的算法进步斐然，但也还有许多问题很难用算法实现。人的认知中还有情感、意志、直觉、灵感等要素，存在大量基于本能的“凭感觉行事”的现象，这些方面的能力还未能开发出相应算法（如情感算法、意志算法……），甚至它们能否被算法化都是存疑的，至少迄今还未能与某种算法的类型建立起成熟的关联。因此，将一个现实问题转化为抽象模型是困难的，建构起与之相应的算法就更难了，并且也没有哪一个算法能够解决所有问题。
第三，算法只是模仿，无法做到像人的思维一样实现创造。本质上看，创造是思维对感性材料的抽象然后上升到思维的具体的过程，这二者的思维辩证和思维运动构成了创造性。同时，在创造的过程中，也包含着不同种类、不同层次的思维形式，不仅有与逻辑思维相对的非逻辑思维（灵感、直觉、想象力等），也包含发散思维、形象思维、直觉思维、逻辑思维、辨证思维和横纵思维等方面。可以说，创造不但是非常复杂的人类思维活动，而且创造活动所呈现的思维形式也是多样的，正是这种思维特征才产生了创造。而人工智能的实现逻辑是算法模仿人的思维，通过计算产生创造。那么这是真创造么？很明显不是，只能说是程序整合人已有成果的算法模式。创造性思维事先不可能有固定的程序。如果创造思维有模式可循，可以通过模仿习得，那么不就可以重复创造新思想了？所以，根本上来说，算法模式的创造本身就谈不上思维创造，因为这种模式产生的思想已经不是创造了。正如古希腊哲学家亚波罗琉斯所说：“想象比起模仿是一种更聪明灵巧的艺术家。模仿只能塑造出见过的事物，想象却能塑造出未见的事物。”所以，现在的人工智能还不具备创造性思维的能力。
第四，算法基于数学模型，但隐含其中的数学规范也可能限制了终极智能。现代自然科学的特点便是表述诉诸量化，事实上，人工智能也是如此，采用数学模型对数据进行量化计算。具体来讲，就是把现实问题转换为数学模型，然后用数学计算的方法求解问题。由此，人工智能对所有事物的认知关键在于建立一个适宜的数学模型，同样在智能应用过程中，也需用数学模型解构万事万物。数学模型的重要意义为人工智能提供了行之有效的认知途径，但另一方面，它又受到数学规范的限制。因为数学模型是用数学结构来表示的，它的内在规范是以数学逻辑做基本运算。换言之，在分析与表述实际问题的过程中，人工智能的认知必然依据数理逻辑。这就造成了困难，人工智能很难突破数学自身逻辑规范，存在着形式的、有界性等局限，很难进入到另一个全新的世界中去。究其根本，这也是人工智能只是模仿，无法创造的根本原因。于是，就人工智能的未来征途而言，这是一个必须面对的终极智能挑战，无论人工智能是否具有主体性，都必然面临着数学规范堡垒的难题。
第五，算法可以回答“是什么”事实经验，却很难给出“为什么”等深层次答案。人工智能的优势在于计算事物现象挖掘数据事实。因为人工智能是纯理性的，在判断事物的时候，是不掺杂、也不会受到任何感性因素影响。在这种意义上，算法的优势能判断事物“是什么”，然而，很难说清楚事物“为什么”。实际上，这也是客观事实，算法内在机制限定了人工智能无法厘清事物内在价值关联。在面对涉及复杂价值取向问题，人工智能无法澄清和揭示价值主体负载的目的及诉求。原因在于，事物是多样性统一，不但本身充满矛盾，事物之间也是相互关联。想要弄清楚事物的特征属性关系本就很困难，又要符合实践需求，进行多角度、多层次、全过程的分析和判断，更非易事。如果还想要结合实际，联系事物的特殊本质，这就更非人工智能所及了。所以，作为价值客体的人工智能虽然“认识”世界的能力不断提高，但仅仅都是一般意义上的事实判断，而真正转向内在的价值关系，算法不能完全胜任。这就需要人付出更多劳动，通过反复地、深入地把握辩证思维关系，才能客观地、全面地澄源正本。
上面的讨论表明，人工智能是人类设计各种算法模拟人的认知和行动的技术。所以，人工智能所呈现的是人的主体性的功能性模仿，并非有自我意识，也无法进行自我创造，这与人的主体性有着截然不同的机制差异。它的优势在于模仿人所进行的各种形式性、计算性、确定性的归纳和总结，看起来表现得像人一样，但它却无法逾越最能体现人的自觉、自主、创造等主体性特征。实际上，人工智能是被囚禁在算法的边界范围内，其局限性也在数学模型早已预先设定的前提规则中。原则上讲，人工智能具有算法认知，但并非哲学意义上的认识主体，也没有创造事物所需的必备思维能力。由此，我们不难得出结论，在技术的内在机制上，人工智能是不可能具有主体身份和地位的。人工智能与人类不同，它没有全部的、具体的、丰富的主体性内涵。
四、从外部赋能揭示出，人工智能的定位始终是人的实践工具
和以往的技术不同，人工智能一直存在“机器能动”的争议。人工智能已经不再是被动的，而是具有一定程度上的能动性。那么，人工智能的能动与人有什么区别呢？马克思认为，任何人如果不同时为了自己的某种需要和为了这种需要的器官而做事，他就什么都不能做。这个观点表明，真正的能动源于人自身内在生物体征需求，需要不断被满足而持续产生的能动。而人工智能没有这种内在动能，正如上文已述，算法自身并无自觉、自主、创造等主体性特性，即人工智能的内在结构和机制不会产生能动。那么，人工智能的能动性又是如何产生的呢？从人工智能发展的动因来看，其深层聚焦就是人类希望用算法赋能机器，代替人的一部分脑力劳动。所以，人工智能的能动并非自身的真“能动”，确切地说，不是一种自身满足的刚性需求，只是对外界响应的算法行为。它的能动周期实则是人类赋能机器能动，目标达成即结束。从这一点上，我们可以看出，人工智能的能动其实来自人的实践目的，为了从劳动中更好地解放人，只不过，这种机器能动掩盖了人实践赋能的本源。尽管人工智能的某些功能确实是令人望尘莫及，但决定其能动的关键不仅在于算法是否可行，更在于人类对其赋能的大小。所以，人工智能内在的逻辑就是技术依附人，是被人的主体性实践所支配的，否则人工智能就不可能获得能动的力量。
那么，人工智能的赋能本质又是什么呢？答案是人的实践工具。人是为了满足自己的需求来创造机器人的，机器人就是人用来满足自己需求的工具。事实上，从研制人工智能以来，这种设计初衷一直未变。在人的实践中，人要生存是主体的内在生物本能驱动，由此，人就走上了有意识地应用技术工具，从而不断增强自身主体实践能力的发展进路。在技术价值符合人类需求的实践路径上，确立了实践工具是人工智能价值的决定因素，也是赋能人工智能的唯一目的。对此，人工智能的赋能将始终体现着实践工具的特征。如果离开了工具价值属性，那么人工智能也失去了存在的基础，将是空中楼阁，变得毫无意义。
实践工具定位，确立了人工智能存在的逻辑起点，也决定了它未来发展的规则法度。准确地说，人工智能是非生命的实践工具，不可能被赋予与人相同的主体身份。一方面，人的主体地位是人工智能赋能的枷锁。对于人类自身而言，人工智能只是人的实践工具。人工智能只需根据人的需求，在技术概念范畴内加以应用即可。如果朝着颠覆人的主体地位方向发展人工智能，把人工智能从工具属性赋能为主体，那就与应用人工智能的初衷背道而驰了，这岂不是作茧自缚！所有的技术赋能都要回到人是主体的最终目的，人工智能也是一项“人为的”和“为人的”价值活动，必须始终坚持以人为本或以人为中心的原则。所以，就像机器人三定律为人工智能制定的原则性纲领一样，人的主体地位价值规则必定走向算法技术准则，以保持人工智能的行为界限。另一方面，人工智能赋能存在着主体认同逻辑，即以人的认同决定的，并不是技术自身的为所欲为。人是一切社会关系的总和，人与其他事物都是主客关系。技术的发展规律就是人的实践活动的规律，技术的可能性就是人的可能性。所以，人工智能不能逾越人的创造和认同，即使在功能上超越人类，但这并不是说它的技术发展就能脱离人的束缚，其很难甚至无法从主体的认同中摆脱出来。
因此，人工智能将始终在“人是实践主体”的哲学内涵框架下，诠释着人与工具的角色关系。人工智能的能动依附于人的实践，它无法脱离人的赋能走向自我设计实现自身能动。尽管为了确保人类未来发展，人要不断地拓展认知范围，对未知展开无限的探索，但人是唯一主体的最基本法则，将会始终贯穿在人工智能的工具使命之中。
五、从教育真谛考察，人工智能无力表达教育最为深层的底蕴
上文已述，无论是内在的算法机制，还是外在的实践赋能逻辑，人工智能都不具有主体性。如果这还不足以说明人工智能在教育领域中的角色，那么，十分有必要进一步深入阐释，人工智能在教育实践过程中是否可以完全表达出教育主体所具有的全部内涵。对于这个问题，答案依旧是否定的。
一方面，人工智能的内在算法机制与教育的本真蕴意之间的矛盾。雅思贝尔斯对教育的阐释，彰显着哲学家特有的深邃，他认为，所谓教育，不过是人与人的主体间灵肉交流活动（尤其是老一代对年轻一代），包括知识内容的传授、生命内涵的领悟、意志行为的规范、并通过文化传递功能，将文化遗产教给年轻一代，使他们自由地生成，并启迪其自由天性。在这里，他不但揭示了教育的核心要义在于教育对象在知识、智慧、品德等方面获得发展，更表述了教育的根本任务是依靠人的心灵唤醒教育对象的心灵，就像云朵推动云朵一样，陶冶和生成人的自我意识，进而促进人的身心发展。因此，对于教育来说，重要的不仅是传授知识，而是在不断地体验中实现人自身的完善。那么，实现雅思贝尔斯所言的“唤醒”和“启迪”的教育，人工智能究竟是力所能及还是望洋兴叹呢？也许，人工智能最大的困难在于实现心灵的沟通。上文有关人工智能的内在机制分析已经阐述了，人工智能是试图寻求聚焦算法功能达成能动，表面上可以实现人机互动，但不要忽视了算法的局限性问题，这种模拟人的数学算法所实现的互动并非真正人的心灵的聆听和感受。这一重要区别是，不具有心灵的人工智能可以按照算法做事情，但它却不能从源头上真诚真心倾听感知，即无法做到像人一样，可以去用一个眼神触及对方内心影响他人，用心交流传递启迪的力量，而这也是人工智能无法获得的智能。所以，没有灵魂的人工智能只会把教育限制在“信息发送与接收”的封闭的算法之中，而达到教育理想状态还必须依靠人与人的心灵交往实现真正意义上的对学生心灵的启迪与唤醒。
教育离不开情感，即教育人的成长需要依赖情感发挥作用。在教育实践中，情感是在心与心的接触交流中产生认同，表达出非知识所能直达心灵的感受。而人工智能仅仅是模拟人类情感的“类”表达，缺少维持主体间真情实感的互动基础，而且这种交互根本不会入心，更不可能交心，从而使情感交互“有来无回”。所以主张人工智能技术至上，必然无法与学生进行真正意义上的情感互动。它缺少创造性思维，也缺少情感体验和道德判断，它可以改变教育形式，但改变不了教育本质。如此下去，算法机制“塑造”的情感互动将会一直在“受阻”中磕磕绊绊，教育活动的灵魂不复存在！缺失灵魂的教育，纵使应用最先进的技术也枉然，所以说，教育是人的灵魂的教育，而非理智知识和认识的堆集。只有主体间的沟通，教育才能在彼此心灵共鸣关系中，创建人的精神力量，去探索，去质疑反思，去面对未知的挑战。这才是为什么人与人之间的教育唤醒能作为影响人类发展的重要内核所在。这就是教育本真的丰富内涵。
另一方面，人工智能的赋能逻辑与教育实践之间的矛盾。教育实践是人类有意识地培养人的活动，培养人是非常复杂的，因为教育实践不仅在教育内容方面培养人的知识、思维、情感、品格、意志等，还需根据教育对象的年龄、心理等不同发展阶段采用不同的方法。对此，教育的本质特征要求必须从教育对象的实际出发，根据人的身心发展的规律进行工作。这就要因人而异，因时有别，灵活运用教学原则和教学规律正确地对待和处理教育实践。可见，教育实践并不全是纯理性的教学活动，也没有一刀切的教学规则，而需深入观察、探索思考才能有的放矢。教育实践不能完全按照程序化的方式展开，正如教学法上早有言之的“教学有法，教无定法”。因此，如若过度崇尚人工智能，教育实践也必定异化成为单向度的、机械的算法共性而无自我特征的教学机制。根源在于缺失主体性的人工智能只会完全遵循赋能规则贯彻施行教学策略，而不能彰显人的能动性。虽然试图依据数据样本模型构建算法可以实现知识的个性推荐，然而这种教育实践仅仅是教育对象被采集到的知识教育的数据分析，既非数据全貌，也非教育全部，只能说是应用数学模型来应付复杂教育实践。长此以往，师生的思维方式和思维能力将会发生变化，拥有高阶思维和创造性的人脑机能被智能技术削弱，教学主体在新时代安身立命的创造性智慧很可能停滞和退化。因此，面对复杂的教学，就不要奢望人工智能可以随机应变，视情况采用不同教学方法调节教育实践活动。
而且，不合逻辑的教育实践在现实中也很难被接受。教育实践的本质在于建构学习型主体，逐步确立和发展学生在学习过程中的主体地位。教育主体的确立并不是外在地或者机械地赋能可以达到，其独特性在于涉及人的认知、实践、价值等各种方面因素，而并不能简单等同于其它活动。这也许对于人工智能来说就更为困难，原因在于，人工智能延续的只是技术特征教学活动，就其内在结构而言，很难能构建一个与教育对象同等丰富的主体世界，进而达到教育实践的同步。究其原因，原本算法并非万能，教育又属于复杂的混沌现象，教育中存在着大量用线性科学所无法解决的难题。显然，靠堆砌人工智能技术实现教育的本真，必然有违当下对教育实践的认知，而且这也难以令人信服。
归根到底来说，无论赋予什么样的技术外壳，人工智能无力胜其任，无法满足教育实践最为关键的实质精髓，也没法最大限度地表达教育实践的内涵底蕴。所以，对人工智能要采取一种“祛魅”后的眼光，回归到人工智能只是教育的实践工具的认识。一定程度上，人工智能是可以依据大数据建构出有规律可循的教育技术行为。例如，对于固定重复的教学场景、机械具体的教学过程、定量分析的教学评价等，这是人工智能的优势。但最为重要的是，教育要唤醒人自身主体性，更多地关注如何让学生感受温暖的心灵情感交流，如何培养学生的思维创造，如何确立学生正确的人生价值。这是人工智能难以完成的，也是无法通过算法整合可以达到的，恰恰这正是决定未来教育的深度、广度和高度之所在。也许我们很难预知人工智能引领未来教育会带来哪些变革，但面对教育的主体是人的这一永恒的事实而言，教育的本真不容改变、不能丢弃。
六、结语
综上所述，我们从人工智能内在机制、人类研发目的、教育活动的本质需求等三个方面，论证了人工智能机器人的主体性问题。由此可以进一步明确，虽然人工智能机器人，从称呼上也有“人”这个字，但是它本质上，还是工具，不具有、不可能有、也不必要有人类的主体身份，当然也就没有人类的主体性。明确了这样具体的定位，未来人工智能在教育领域的应用，以下三点特别值得关注。
其一，人工智能被广泛应用并发挥优势，是因为这些领域或者环节均符合其本身内在逻辑和工作机制，如我们熟知的翻译、语音合成，包括作诗、下棋无不如此。由此可见，人工智能赋能教育，也应首先着力发掘、提取、分离出类似的领域、方面或环节的独特优势，然后再将其与教育活动恰当结合，只有如此，人工智能才能发挥优势，更好地服务未来教育发展，这应该成为当下人工智能教育应用需要关注的焦点问题。
其二，警惕人工智能的“算法智障”。人工智能“成也算法”，但往往“败也算法”，啼笑皆非的失败案例比比皆是。人们对人工智能教育应用的美好愿望极易造成虚妄定位，从而忽视对其内在原理、机制进行深刻剖析以得到合理认识。人工智能的成功是有限的，未经考量查证，就赋予人工智能机器人教学评价师、情感导师等身份，不仅不能发挥人工智能的优势，不利于未来教育发展，而且还会破坏它在人们心目中的美好形象，从而影响它的合理应用。
其三，相比以往教学工具，人工智能与人的关系要复杂得多。人工智能要与人“融合”“协同”“内脑加外脑”，实现强强联合，共同促进未来教育发展。但无论何时，技术的发展都需要持续秉持以人为本的价值原则，必须以人为中心。注重人的主体性成长才是教育的内核，也只有这样才能规避人工智能的负面影响。人工智能虽然没有主体身份，但是由于人性的弱点等因素，它却能很容易诱导人按照它的逻辑开展工作，从而掣肘人的主体性的发挥，使教育教学活动变得模式化、标准化，破坏教育活动本身应有的丰富性和生命意蕴，五十多年前马尔库塞关于单向度人的警示，在智能时代，更应引发关注。
（本文参考文献略）
Empowering Rural Teachers’ Professional Development Through Digital Transformation: Realistic Resistance and Practical Direction——Based on the Analysis of “AGIL” Model
FangHong ZhangTianya
Abstract: Rural teachers are the key force to revitalize rural education. The digital transformation of education gives the professional development of rural teachers a new connotation and favorable opportunity, and at the same time puts forward more urgent requirements for the construction of high-quality rural teachers. In order to further strengthen the effect of digital transformation to empower the professional development of rural teachers, and promote the efficient and standardized development of rural education digital system. This paper uses Parsons AGIL model to analyze the practical resistance of digital transformation to empower rural teachers’ professional development practice, it is found that there is insufficient endogenous development motivation and slow progress of digital actions. There are deviations in research and training, and it is difficult to change the role of teachers; The participation of co-construction subjects is limited, and the support system is weak; Lack of digital value recognition and digital responsibility need to be strengthened. The practical direction of rural teachers’ professional development based on AGIL model includes activating professional development consciousness and ensuring the implementation of digital actions; Innovative teacher training methods, clear digital action strategies; Release the vitality of subject support and smooth the resource support system; Shape digital value identification and practice digital social responsibility.
Key words: digital transformation; rural teacher; teacher’s professional development; “AGIL” model; social action theory
初审：曹洪家
复审：孙振东
终审：蒋立松
