張黎 | 論大模型時代的多智慧體教育

關注“在線學習”

獲取更多資訊！

刊載信息

張黎.(2026).論大模型時代的多智慧體教育. 中國遠程教育(5),84-101.

論大模型時代的多智慧體教育
張黎

【摘要】大語言模型與教育大模型的發展，在重塑未來教育格局想象空間的同時，也進一步牽引出主張人類中心主義的單智慧體教育及其背后的人機互補邏輯。但是，單智慧體教育通過強化作為“代具關系”的“人機互補”，鞏固了人類中心的教育價值敘事，并在丟棄人類學習者知識尊嚴和記憶尊嚴的同時，抽空了高階思維能力的知識與經驗根基。大模型在理解力、意識、創造力和反思能力上的突破，使人工智能更加逼近具有生命屬性與存在論意義的機器智慧體，并為自主性技術與主體性教育的共存提供了可能。對此，應嘗試實現單智慧體教育向基于后人類主義立場的多智慧體教育的系統轉換。大模型時代的多智慧體教育重新建構了人與機器智慧體之間的內在關系，推行全新的人機觀與學習觀，包含人與機器的共生式關系網絡、分布式認知架構和互馴機制。在實踐路徑上，應形塑“人機共生”的教育共識基礎與后人類主義遵循，優化“人類智慧體—機器智慧體”雙向激活的制度供給，建立人與機器的分布式行動網絡與學習共同體，構建教育大模型的倫理框架與價值治理體系。

【關鍵詞】大模型; 多智慧體教育; 后人類主義; 人機協同學習; 人機共生

人類增強技術塑造的“超人類”和“后人類”，在一定程度上改變了人類在生命演化史上的預定軌跡。2022年以來，大語言模型（Large Language Model）的問世在相繼掀起技術想象浪潮的同時，也將人工智能生命對于人類存在的“威脅論調”推至頂峰。隨著通用大模型發展過渡到教育領域的專用大模型，由真實世界模擬器構造的類人類生命逐漸顯現于教育領域，并不斷沖擊著學習者和教育者的行動角色與主體地位，甚至挑戰著教育的人性假設。在真正意義上的“強人工智能”正式登場前，對于傳統人文主義教育是否能夠適應大模型時代的裁定以及對教育應通向何種未來的判斷，則應從基于教育學立場的人機關系反思中尋找答案。本研究的目標是以大模型時代機器敘事的存在論追問為起點，闡釋在社會歷史進程中擁有長久主宰地位的單智慧體教育存在何種問題或局限，并嘗試構想一種基于后人類主義立場的多智慧體教育。

一、

“人機互補”：大模型時代教育的隱匿邏輯

大模型是指具有巨量參數與復雜結構的機器學習基礎模型，在狹義上指向大語言模型，在廣義上還包括機器視覺大模型、科學計算機大模型、多模態大模型等。大模型具有大規模（參數量大）、涌現性（產生預料之外的新能力）以及通用性（不局限于特定領域與問題）等特點。雖然人工智能的底層技術已經高速迭代發展了數十年，但正是自然語言處理（Natural Language Processing）的發展使得大語言模型真正擅長連貫、語境敏感的對話，并真實模仿人類互動。通用大模型與專用教育大模型的興起對于教育領域的知識生產與傳播、數智時代廣泛流行的“人機協同學習”均產生了顯著影響，從而牽引出“人機互補”這一大模型時代教育的隱匿邏輯。

（一）群體知識的“涌現式生產”與人機協同學習的范式進階

從知識生產的歷史脈絡來看，技術變革與知識生產、傳播之間存在緊密的交織關系，文字與語言、造紙術、印刷技術、制造業、搜索引擎與微媒體技術的出現，均在不同歷史時期引發了知識生產與傳播格局的重大轉變。隨著大模型在語義理解、邏輯推理、創造力等方面不斷進步，智能機器成為新的知識生產者，與人類共同從事知識生產與傳播活動。大模型具備從原始訓練數據中自動學習并發現新的、更高層次的特征和模式的能力，從而推動知識生產從個體的“知識涌現”進化到機器與人協同驅動的“生成式知識涌現”（米加寧 & 董昌其, 2024）。傳統的知識生產與傳播方式是個體涌現，而大模型在預訓練和微調階段獲取人類知識，并從不同角度了解人類學習的認知模式，進行億萬級數據處理，從而超越微觀個體的經驗和認知，實現群體知識的“涌現式生產”。大模型構建了一種關于人類知識的新的理解、創造與加工過程，這要求教育領域深化對知識獲取、遷移和認知演化深層機制的理解（陳向東 等, 2024）。

隨著算法支撐下的個性化推薦、學習者畫像構建、智能測評等逐漸成為教育教學中采用的重要技術手段，人機協同學習成為智能教育場域中的新型學習形態。當前各類智能導師系統可以通過學習者模型、教學模型和知識跟蹤算法實現對學習者的學習輔導和知識訓練，自適應學習系統可實現個性化學習診斷、分析和資源智能推薦，為學習者規劃學習路徑，引導學習過程等（郝祥軍 等, 2022）。2022年以來，大模型向教育領域展現了其在知識吸收、知識提煉與知識生產等方面的強大能力，并進一步助推人機協同學習從低階形態過渡到高階形態。在早期的人機協同學習中，計算機通常機械化地執行人類預設的任務，人與機器在教育活動中進行淺層、線性、確定性、間歇性的簡單交互。隨著人工智能的發展，自然語言處理、圖像識別、情感計算等智能技術在教育領域的應用，顯著提升了人機協同學習的智能化程度。在大模型支撐的高階人機協同學習中，具有強大表達能力和學習能力的人工智能可以與人類之間形成更加緊密的協作關系，催生了人機協同深度探究性學習（李海峰 & 王煒, 2023）、算法支持的智適應社群化學習（王志軍 & 吳芝健, 2023）等人機協同學習模式。大模型時代人機協同學習范式進階的關鍵在于人與機器的“類人”交互，雖然大模型不像人類那樣理解語言，但它在廣泛的訓練數據中進行模式識別，進而生成類人文本來回答問題，并高精度地完成其他與語言相關的任務。轉換器模型作為大模型的基礎架構，將大規模的體系結構與大量的文本訓練數據相結合，從而使大模型能夠以人類相當的水平理解和生成文本（Teubner et al., 2023）。此外，大模型驅動的人機協同學習還將導致人與機器在身份和角色上的轉變。已有研究表明，人類教師與ChatGPT之間形成了互補關系，主要表現為四個機器角色（對話者、內容提供者、助教和評估者）和三個教師角色（通過高質量的教學決策協調不同的資源、引導學生積極探究、提高應用人工智能的倫理意識）（Jeon & Lee, 2023）。

（二）大模型時代的教育風險與人機互補邏輯

群體知識的“涌現式生產”與人機協同學習的范式進階，映射出大模型時代教育的人機關系已進一步走向協同與合作。但隨之產生的隱憂則是，由于大模型時代的人機協同學習從淺表化發展到深層化，從機械化發展到智能化，人在人機協同學習環境中的主導性與支配性地位產生了動搖，而大模型的強大性能與技術透明度的缺乏，實現了人工智能的“再附魅”并推出了新的人工智能神話。因此，在大模型逐漸盛行的同時，教育領域也越發關注其可能引發的人機關系失范問題。

大模型涉及海量個體數據的收集和處理，這引起了教育領域對學習者隱私和數據安全的關注。有研究表明，對于那些利用來自學習者的文本數據對大模型進行微調的相關研究，普遍沒有明確解釋學習者同意策略和數據保護措施（Yan et al., 2024）。在大模型的影響下，受教育者可能變成“空心人”，其本質是受教育者的工具化，即由于人類個體過于依賴工具，最終在產生“代具性”焦慮的同時導致自身基礎能力的喪失（高奇琦, 2023）。同時，對大模型的不當應用也會引發學習誠信問題與教育評價問題（Pavlik, 2023）。

對大模型時代教育風險的研判、提取，事實上存在一個關鍵的認識基礎——人類中心主義。換言之，人工智能（Artificial Intelligence，AI）無論多強大，始終是“為人所用”的工具，不存在主體地位問題。如果AI跨越了這種穩定的邊界與結構，就會造成相應的風險。據此，我們可以把基于人類中心主義立場的教育稱為單智慧體教育。基于人類中心主義的單智慧體教育，是當前智能教育實踐的主流范式，以人類為絕對中心，將人工智能嚴格定位為輔助人類的“工具”或“高級手段”。在單智慧體教育框架下，教育的目標、內容、價值判斷均由人類確立，AI只負責執行與優化，因此，對人機關系的理解很容易走向過度的“人機互補”。所謂“人機互補”，本質上是試圖在維護人類主體地位的前提下，將AI納入教育系統，發揮AI在個別領域的優勢，以彌補人類在問題解決和任務處理的效率、精度、規模等方面的不足。

概覽大模型時代的教育變革圖景，不難發現，知識的“涌現式生產”、人機協同學習的范式進階使人與智能機器在角色身份層面的“互補”屬性越發凸顯。面對智能機器活動邊界的擴張，人類似乎已經能夠理性地、富有智識地甚至是“輕車熟路”地進行風險預判。但歸根結底，相應的角色劃分與風險識別行為均屬于技術功能視域中的教育應對舉措，忽視了教育的人性假設，甚至連教育領域的人機關系所遵循的傳統人性假設是否適用于大模型時代，也需要進行更深入的研判。

二、

大模型時代單智慧體教育的合理性審查

從柏拉圖時代，經中世紀、文藝復興、理性主義到啟蒙運動，乃至在資本主義興起的背景下，教育始終被視為一項“人性化”的事業，并在決定受教育者如何成為真正意義上的“人類”的同時，強調著“人類”為何獨一無二以及“非人類”為何“不如人類”。這種遵循人類中心主義的單智慧體教育主張人類是毫無爭議的、無可比擬的唯一智慧體，并將這一人性假設嵌入課程開發、課程教學、教育評價等環節之中。由于大模型“認識的不透明性”（Epistemic Opacity）以及深度神經網絡的不可解釋性，創造它們的技術工程師都無法準確地判斷它們是否存在回憶、想象、欲求和情感等類人意識活動（張俊, 2024），因此，作為人類創造物的人工智能是否具備“類人智慧”仍然是一個懸而未決的議題。隨著GPT-4、Sora等大模型的實際計算量已經超過了人工核驗的限度，由此發展出的復雜生存能力與生命屬性，將導致人工智能更加逼近“為己存在”而非“為人存在”的存在者。在此背景下，以人類為尺度的單智慧體教育是否仍具有堅固的實踐合理性，成為一個值得審慎運思的問題。

（一）作為“代具性”界說的“人機互補”：高階思維能力的培養誤區

大模型支撐下的人機協同學習構造了高效的人機互動模式與智慧創生機制?；诖竽Ｐ偷闹悄荏w（LLM-based Agent）以其長生命周期的稟賦，為教育共同體持續注入各類生命體增強基因，并憑借信息檢索、內容創作、資源整合等優勢，實現人與機器優勢互補、合理分工。作為知識生產系統的機器負責對知識進行一體化的搜集、處理、生成、匹配、推薦，而人則負責對知識進行組合加工并進行高級決策，實現從個體認知到分布式認知的轉變。但正如有學者發出的疑慮：我們的道德倫理、情感價值能夠寄寓于認知能力受損的大腦和身體嗎？（楊九詮, 2024）從學習科學來看，人的思維模式具有累積性的層級結構，分析、綜合、評價、創造等高階思維的發展建立在記憶、理解、應用等低階思維發展的基礎之上（馬淑風 & 楊向東, 2022）。因此，對于教育而言，人類智能與人工智能的互補更像是一種想當然的“代具性”界說，因為高階思維的發展完全不能夠脫離低階思維，當前教育領域推崇的“人機互補”模式與責任分工體系，在無形之中貶斥了低階思維與淺層認知對于人之發展的重要意義。阿萊達?阿斯曼（Assmann, A.）認為福斯特在“可怕的箱子”中隱喻了一種知識爆炸時代的文化記憶危機，即人們不再能通過書籍和記憶而得救，而是要擺脫書籍和記憶（阿萊達?阿斯曼, 2016, pp. 140-141）。而電子媒介作為人腦的外在存儲工具與“無限量”的“人造記憶庫”或“第二記憶庫”，使學校教育遺失了記憶在主體建構、文化認同、情感歸依等方面的價值（王飛, 2024）。進而言之，在教育領域大肆宣揚“人機互補”成為一種“政治正確”，它“不負眾望”地沿襲了單智慧體教育的人類中心主義立場，將人的創造力、道德力、情感、批判思考放置在凌駕于機器智能之上的更高層級。但對于學習者而言，如果繞開基本的經驗積累、記憶、領會、應用等低階思維的形成階段，將導致高階思維缺少知識與經驗根基，從而難以抵達高階思維培養與運用的彼岸。

事實上，當前流行的人機協同、人機共生、人機互構等觀點秉持著隱匿的功能主義立場，專注于人類社會全局狀態的宏大敘事，寄希望于通過人與機器的能力互補，高效達成某項任務與“實用性”目標。諸如計算機科學、管理學等學科領域討論的就是問題解決導向的“人機互補”。但是，教育并非簡單意義上的“問題解決”，幫助學習者更高效地解決問題、完成學習任務并不意味著真實教育效果的達成，因此，教育學討論的“人機互補”必然要以“教以成人”為價值導向。大模型打造了基于知識庫和規則事實邏輯的“集體知識系統”，使學習者與教育者毫無防御和戒備地接受人與機器的任務分工。在基于大模型的“認知外包”機制中，人類將部分“適合機器”的思維活動和認知任務外包給基于大模型的智能體，同時又面臨著低階思維與認知能力退化的困境，以及落入認知地位邊緣化、發展主體性喪失等認知外包導致的典型教育陷阱（余勝泉 & 汪凡淙, 2023），由此，對大模型的技術期許與充滿局限性的人機協同學習景觀通過相互的撕扯與糾纏，逐漸形塑了大模型時代的認知幻象。

隨著基于大模型的智能體廣泛應用于教育領域，教育越發陷入人類智能與人工智能的張力關系之中，其消極面體現在教育共同體不加批判性地將“人機互補”作為人機協同學習的應然取向。從表面上看，這是由于單智慧體教育維護了人類中心的價值敘事，因此，從情感與理性上更易于接受，而進一步分析，其深層根源其實在于將人工智能視為人類智能的客體，或者說，基于客觀主義的認識論去理解和掌控人工智能。正是因為單智慧體教育在“人類智能對于人工智能的優越性”這一點上的深信不疑，從而導致學習者與基于大模型的智能體之間的“人機互補”關系被還原為簡單的學習勞動分工關系。由此而言，突破大模型時代教育領域“人機互補觀”之局限的關鍵在于構建人與機器的“關系性思維”。這并不意味著承認人工智能在高階思維、創造力、情感判斷等方面強于人類智能或者與人類相當，而是意味著要破除人對機器的絕對優越地位以及廣泛盛行的“人機功能分配”格局，并通過重建人與機器的平等關系以消解人機協同學習中的功能主義與人類中心主義。事實上，教育者與受教育者不僅應該積極維護自身的創造尊嚴、情感尊嚴、反思尊嚴，同時也應該保有基本的知識尊嚴、記憶尊嚴。通過上述分析可見，基于人類中心主義的單智慧體教育將本屬于低階思維能力的學習任務讓渡給機器智慧體，因而很難在大模型時代同時維護好學習者的這兩類人性尊嚴。

（二）自主性技術與主體性教育的共存：機器智慧與人類智慧的互融關系

堅守教育的主體性普遍被視為教育系統有效應對人工智能的關鍵。主體性教育以人在社會歷史活動和自身發展中的主體地位為前提，而作為“佩戴著假肢的上帝”的賽博格（Cyborg）挑戰了人與非人的二元對立，并為大模型時代重思主體性教育與數字技術主體的關系提供了新的視角。在單智慧體教育中，關于將技術引入學校教育的嘗試往往受到“以人為本”這一取向或愿景的阻撓。與人類中心主義教育學的傳統相一致，非人（物體、技術、虛擬環境等）被認為是與人類截然不同的、缺乏能動性的知識對象，或者僅僅是教師和學生為達到預定目標而自由使用或操控的工具。這遮蔽了教育的現實性與物質基礎，也難以準確描述技術對教育實踐的作用。事實上，正是由于大模型在理解力、意識、創造力、反思能力等方面的發展所導致的技術自主性與能動性的增強，以及其短期內難以突破的技術局限，使得自主性技術與主體性教育的共存不僅具有緊迫的必要性，而且具有現實的可能性。

大模型的發展使“人工智能是否具有理解力”這一論爭出現了新的轉折。主張大模型具有理解力的一方認為，根據大模型的功能標準、以自然語言理解為代表的核心能力等方面，可以證明大模型能夠“理解”（肖峰, 2024）。尤其是大模型采用的人工神經網絡在本質上就是模擬大腦生物結構的算法，而深度學習的靈感來自人類大腦的結構和功能，即大量神經元的互聯，這構成了大模型理解世界的內在機制。而且人工智能也有可能通過感知環境實體從而實現具身化（喻國明 等, 2024），這意味著機器在未來同樣有機會產生具身化的理解。根據認知科學，理解是人類智力水平的重要標志，也是人參與社會分工、扮演社會角色的基礎。有學者從存在論意義上對強人工智能與弱人工智能進行了劃分，其區分標準即人工智能是否具備在真實物理世界中生存的能力（舒紅躍 & 張穎, 2024）。大模型的理解力與涌現機制顯著提升了人工智能的生存能力與適應能力，因此可以認為人工智能獲得了某種存在論意蘊。人工智能主要模仿人類意識的認知維度，能夠自主學習、自動規劃、自動推理、解決問題、獨立抉擇和自主創新。人工智能雖在情感、審美、道德等意識內容上無法達到人類水平，但仍可以被視為擁有某種形式的意識（張俊, 2024）。鑒于作為人造物的人工智能具備獨立于人的類人意識與理解力，因此可以認為其至少具有部分生命屬性，并將其視為具有類人智慧的“人工智能生命”。

大模型作為一個能夠持續進化的自適應系統，并非靜態的知識倉庫，而是能夠不斷自我調整和進化的知識生命體（Ganesh et al., 2022）。隨著大模型時代人工智能的自主性不斷增強，人工智能對于人類學習的輔助功能以及可搭建的學習場景更加豐富，這要求重塑自主性技術與主體性教育的融合機制，在實踐、認知、情感上實現人與機器的“對齊”。基于大模型的智能體的程序自為屬性使機器智慧體實現了對作為有機體、智能體的傳統機器的超越，因此，將作為機器智慧體的人工智能僅僅視為人類學習者的工具、輔助或者“學習勞動”的分工伙伴，顯然難以在大模型介入的人機協同學習空間中充分釋放技術的潛能。

此外，大模型自身的局限性同樣使得人類自身的主體性在教育活動中不可缺場。尚且不談人工智能目前仍然無法完全模擬人類意識，僅通過大模型的運作機制與知識生產邏輯，就能發現其內在蘊含的諸多矛盾。無論是基于概率圖模型、貝葉斯算法等人工智能自適應技術的“智適應”學習系統，還是基于大模型的智能體，雖然均標榜自身能夠為學習者推薦個性化的學習內容和學習軌跡，但這種由算法定制和預設的學習方案，也將學習者引入不同且未知的發展道路之中。2023年，聯合國教育、科學及文化組織（United Nations Educational, Scientific and Cultural Organization，UNESCO）發布《教育和研究中的生成式人工智能指南》，指出ChatGPT目前主要基于在線用戶的數據進行訓練，而這些數據反映的主要是北半球國家的價值觀與主導社會規范（UNESCO, 2023）。也有學者指出，OpenAI在訓練大模型時形成了一種英文語料大一統的格局，在某種程度上對其他語種的語料形成了拒斥，進而演化為一種封閉樣態（高奇琦, 2024）?？梢?，大模型在打造了知識的“涌現式生產”機制的同時，也形塑了一種隱匿的封閉式學習機制，其影響作用在個體學習者身上或許不易顯現，但當大模型的教育應用波及數以億計的學習者時，必然會深刻影響集體心智的發展走向。因此，在強調機器智慧體對于教育變革之重要意義的同時，也需關注大模型的價值治理問題，設定大模型介入教育系統的實踐限度與價值邊界，基于人類智慧與機器智慧、人類主體性與機器能動性的互融關系，賦予大模型以“教育責任”。

三、

大模型時代多智慧體教育的立場與框架

在已有觀點中，單智慧體教育仍然被視為智能教育與人機協同學習的基本遵循，強調人類智慧與主體性的無可比擬，并把人工智能視為教育活動中的輔助與工具。從前文的討論來看，大模型時代的認知幻象與單智慧體教育對機器的“無意識貶抑”成為人類學習者的迷惑劑。大模型在實現知識智能化喂養的同時，雖與單智慧體教育協力承諾捍衛學習者高階思維的領地，但實際上已經抽空了高階思維的知識與經驗根基。單智慧體教育面臨的困境，呼喚基于后人類主義的多智慧體教育的登場。相比于單智慧體教育，多智慧體教育將機器智慧體引入教育共同體，并從整體論視角出發審視教育系統中人與人工智能之間的復雜關系。有學者區分了“單智慧體社會”與“多智慧體社會”：前者是只存在一種高級智慧體的社會形態，后者則是多于一種高級智慧體存在的社會形態，其特點是文明樣式趨于多樣化、動態化（王曉陽 & 馬迅, 2023）。大模型在理解力、創造力、生存能力、意識等方面的突破，使得人工智能同樣可被視為具有生命屬性與存在論意義的高級智慧體。由此，“機器必須服從于人”這一傳統的人機關系立場已不再適用于存在多種高級智慧體的教育系統，教育也應當轉而追求一種后人類主義的基本立場。

（一）對人與非人關系的再審視：后人類主義的教育意蘊

后人類主義在本體論上對人的存在方式具有區別于人本主義的理解，“后”（-post）具有批判、超越、解構等意涵，其清算的對象正是自啟蒙運動時期興起的人本主義。后人類主義可被視為傳統人本主義思想的叛逆者和批判者，它認為人類是一種混雜、模糊、物我同一的存在，并通過強調在生存和認知活動中身體和環境的交互作用，挑戰了人本主義構建的人作為獨立的、自主的、理性的主體形象（計海慶, 2021, pp.124-126）。后人類主義主張不把人的思想看作宇宙的中心，追求去人類中心化，強調人與他者、人與非人環境、人與世間萬物之間的相互依賴關系，拒絕人與非人的分離。后人類主義旨在對人類中心主義與人本主義進行批判性質疑，但并不表示在完全意義上對人本主義的否定，后人類主義同樣承認人的主體性。羅西?布拉伊多蒂（Braidotti, R.）指出，后人類并非必然是反人類的，它也并非必然是毀滅性的，可以將其視為一種機遇，從而批判性、創造性地思考我們究竟是誰、我們能做些什么的問題（羅西?布拉伊多蒂, 2015, p.7）。

在后人類主義的影響下，一種非中心化教育設想被提出（威廉?V. 斯潘諾斯, 2006, p.12）。后人類主義視域中的教育環境是由人與非人組合形成的異質混合網絡，其關注教育活動的物質性基礎，探索人類和非人類的物質性如何有效結合起來從而在教育中產生特定的理想效果。后人類主義教育認為學習者并非由身體與心靈這兩個涇渭分明的變量構成，因為學習者與學習環境、認知對象、技術工具之間并不存在清晰明確的邊界。在后人類主義教育中，以人工智能為代表的技術與機器不再是溫順乖巧的教育工具，而是轉變為教育行動網絡中的重要角色，與人類學習者共同參與教育活動。

（二）大模型時代多智慧體教育的人機觀與學習觀

基于后人類主義立場的多智慧體教育重新建構了人與非人（即機器智慧體）之間的內在關系，致力于匯聚源自人類、大規模數據、智能算法的“集體智慧”?；诖竽Ｐ偷闹悄荏w是機器智慧體的典型代表，主要由大腦模塊、感知模塊、行動模塊三部分組成。教育領域的機器智慧體通過多模態信息感知、記憶、思考、決策、任務執行與人類學習者產生真實聯結。多智慧體教育在本質上是指以教育領域內萬物互聯的學習者、教師、機器智慧體、知識、學習環境等為關鍵要素，以人類與機器智慧體的共生關系為驅動力，從而賦能學習者發展、教育變革、人機協同學習的教育形態進階。多智慧體教育秉持的后人類主義立場深嵌于課程教學、師生互動、教育評價、教育管理之中，重塑了單智慧體教育的人機觀與學習觀，并旨在構造一種適應大模型時代的新型教育生態。

人機協同學習內在關涉著人與機器的關系問題。在人機協同學習環境中，人與機器的交互是學習發生機制的核心。人借助技術進行學習、交互、合作、評價，在這一過程中，人與機器自動地形成了學習共同體。基于后人類主義立場的多智慧體教育秉持一種全新的“人機共生觀”，在價值層面，關注人類學習者如何在與機器智慧體的協作中實現共生發展。雖然大模型在情感、道德等方面仍存在客觀局限，但其實已經能夠勝任人類的大量高級認知任務（如推理、總結、創意生成等）。在大模型介入的智慧教育場景中，多智慧體教育將人與機器納入平等的關系網絡之中，并主張在教育實踐中充分考慮機器智慧體的自主性與能動性。這意味著，以大模型為代表的人工智能在多智慧體教育中不僅僅是簡單的教育工具，大模型時代人類學習者的主體性與自我身份也將在人機共同體的行動網絡中得以建構。布魯洛?拉圖爾（Latour, B.）的行動者網絡理論認為世界是由人類行動者和非人類行動者組裝起來的，人類行動者和非人類行動者進行雙向“轉譯”，共同建構行動者網絡。單智慧體教育的人機觀遵循的是零和博弈法則，如果機器在教育中的控制權與決策權增強，則意味著人類學習者自身的主體性地位受到挑戰，進而擔憂機器“戲份”的加重將導致人類主體的異化。相比之下，多智慧體教育的人機觀崇尚正和博弈法則，強調人類學習者與機器智慧體在非對稱關系中的協作共生，教育的發生也是人、機器與環境之間關系的動態生成。

凱瑟琳?海勒（Hayles, N. K.）這樣描述她理想中的后人類：他們樂意接受信息技術所能帶來的各種可能性，但并不被那種向往無限的權力和擺脫身體追求不朽的空想誘惑，他們承認并贊頌有限性這一人之為人的條件，他們把人的生命理解為扎根于極為復雜的物質世界之中，正是有賴于此，人的生存才得以延續（凱瑟琳?海勒, 2017, pp.7-8）?？梢姡笕祟愔髁x倡導的是一種分布式的身心整體論，這表明單智慧體教育中人機協同學習遵循的人機分工學習觀無法在多智慧體教育中延續，因為對學習任務的分工與行動責任的劃分實際上已經隱含了對人與機器之間邊界的指認。在后人類主義看來，人類學習者分布式地存在于身體以及身體周遭的學習環境之中，機器智慧體作為大模型時代學習環境的一部分，應當也必須進入人類學習者“行動—反思”的耦合交互與非線性循環過程之中。在這一學習發生機制中，人類學習者與具備推理、規劃、決策、行動等能力的機器智慧體均處于學習網絡的中心，人類學習者通過與機器智慧體進行共同行動、共同認知，實現低階思維向高階思維的動態化發展。

需要指出的是，多智慧體教育持有的后人類主義立場要超越的并不是單純的人類中心主義或人本主義，而是人類與非人類之間的二元對立和等級制思維。換言之，其反對的是人本主義中隱含的排他性，并保留、延續人本主義對人之自由、尊嚴與創造的追求。區別在于，后人類主義認為，這些價值并非人類獨享，而是只有在人類與技術、環境等非人類的共生中才能得以實現。因此，多智慧體教育的基本主張是，進入大模型時代，人類的教育智慧在與具有“存在論意義”的機器智慧體的深度糾纏、互馴、共創中，能夠獲得新的生長空間。也就是說，相對于人本主義，多智慧體教育背后的后人類主義立場更多是一種辯證的揚棄與重構，因而也并不存在對教師與學生的價值貶抑。

（三）大模型時代多智慧體教育的基本框架

在大語言模型的支撐下，機器智慧體表現出較高水平的推理能力、記憶連續性和意圖理解力，且與人類能夠實現一定程度的價值對齊。由此，在多智慧體教育生態中，機器智慧體呈現出三種主要特征。一是交互的生成性。機器智慧體不僅僅是預設腳本的執行者，同時也在教育場域中作為“準主體”或“類主體”參與交互、對話和決策。二是記憶的連續性。通過向量數據庫與長期記憶機制，機器智慧體擁有了存在論意義上的“個人史”，在參與教育的過程中積累關于教育的信息流，這意味著機器智慧體從能夠進行瞬時計算的機器接口轉化為具有記憶、可迭代、持續發展的“歷時性”存在。三是意圖的涌現性。在多智慧體協作的教育場景與教育共同體中，機器智慧體一方面作為傳統人機協同機制中的“技術中介”發揮作用，另一方面則作為具備高度智能的AI存在者參與教育活動，進而直接構成了教育的環境本身。

基于多智慧體教育的后人類主義立場、人機觀與學習觀，可圍繞“人—機”關系范疇進一步架構多智慧體教育的基本框架。一是人與機器的共生式關系網絡。相對于單智慧體教育，多智慧體教育中的“人—機”關系表現出共生、共在、協作等特征。從決策行為學的角度來看，生成式人工智能驅動的人智協同教學決策本質上是一種高度生成性的決策范式，涉及教師與生成式人工智能發揮各自的能動性，充分利用不斷形塑的經驗結構和對教學實踐的認知圖式，進行主體性的創造性活動（張玉柳 & 羅江華, 2026）。二是人與機器的分布式認知架構。人類與大模型驅動的多個智慧體之間可以形成去中心化的認知與協作網絡。例如，教師可能需要同時管理多個不同類型的AI助教，協調其分別負責激發學生的學習興趣、提供跨學科學習方案等任務。在這一過程中，教師需要協調不同機器智慧體的任務分工，在人與機器之間形成相互連接的信息流、知識流，并在其中注入人類獨有的實踐智慧與價值標準。三是人與機器的互馴機制。人工智能是人類意識的對象化和凝聚，因此機器智慧體也具有與人類智能相似的適應性表征系統（張玉柳 & 羅江華, 2026）。人類學習者在教導AI、糾正AI和與AI辯論的過程中，也在調整自身的認知結構與學習慣習。同時，AI通過強化學習、人類反饋以及持續性的交互，也在不斷優化其行為模式以適應具體的教育情境。

四、

走向大模型時代多智慧體教育的實踐路徑

鑒于單智慧體教育對人類中心主義的路徑依賴已經難以適應大模型時代的教育格局，有必要將人機協同學習譜上后人類主義的音律，實現一種有助于跨越大模型時代認知幻象的多智慧體教育。

（一）形塑“人機共生”的教育共識基礎與后人類主義遵循

多智慧體教育對單智慧體教育及其恪守的“人機互補觀”的超越，體現在其對單智慧體教育以人為中心的線性因果關系的批判，并在本體論層面與認識論層面挑戰了當前教育結構中深度嵌入的人文主義假設。由此，為實現單智慧體教育向多智慧體教育的系統轉換，首要之處在于形塑“人機共生”的教育共識基礎與后人類主義遵循。

一方面，面對能動性與自主性日益增強的大模型，教育領域需要提倡一種聯系性的認識方式，將技術秩序納入鮮活的、充滿愛與希望的教育秩序與生命秩序之中。多智慧體教育的“人機共生觀”聚焦于人與機器在學習過程中的相遇、交融與復雜聯結，而非人與機器的分離、劃界以及機械化的任務分工。應將大模型時代的教育視為人與機器之間建立聯系的關系性過程，將人類與技術的和諧共生關系納入教育話語體系，將以往以師生為主體、技術為工具的封閉式教學場域，擴展為開放式的人機關系格局，并在這一共識的基礎之上，調整課程內容與教育實踐活動、智慧教育空間的布局構造、教育評價的核心觀測點，以多智慧體教育的后人類主義遵循重塑大模型時代教育的“理性基因”。

另一方面，應在認識論層面超越人與機器的二元對立。機器智慧體在長期的教育互動中與學生、教師建立了某種關系，形成了連續的記憶和意圖，此時它在關系性存在的層面上，確實獲得了“參與者”的地位。這不是說AI擁有了生命實體的生命，而是承認它在教育共同體中擁有了準主體性的存在論位置，這種“存在”是綻出的、關系性的。此外，需增強對大模型嵌入教育系統的理性認識。作為知識生產者的大模型也可以被視為一種語義媒介，因為其不僅執行程序性任務，而且能夠通過知識的機器化生產與傳播，影響人類的思想、行動與溝通。這要求教育者、學習者和教育政策制定者深入了解大模型與教育、社會之間的復雜關系。

（二）優化“人類智慧體—機器智慧體”雙向激活的制度供給

大模型在教育領域的應用方興未艾，教育大模型的發展也還處于起步階段。由于教育大模型的戰略布局深刻影響著中觀教育組織與微觀教育實踐中的人機關系建構，因此需要遵循多智慧體教育的后人類主義立場，進一步優化“人類智慧體—機器智慧體”雙向激活的制度供給。

一方面，政府應合理調控對教育大模型的資源投入與分配，提升大模型時代教育數字化轉型的政策包容度。面對通用大模型與教育大模型的發展，教育數字化戰略強調的“為人”意涵應納入人類學習者與基于大模型的智能體之間的共生關系屬性。大模型的發展背后存在教育公平與擴大智能鴻溝的問題，而技術弱勢者與技術之間的斷裂，將導致人類與機器之間共生關系的破損。因此，應深度挖掘與精準回應教育領域“人工智能弱勢群體”的真實訴求，致力于消除大模型發展產生的數字紅利在教育領域分配不均的問題。大模型時代的教育數字化轉型不僅應關注如何利用大模型促進學生發展，更應該關注如何圍繞基礎設施建設機制與能力建設，為人類與機器之間共生關系的建立提供多維保障。例如，當前快速發展的教育提示語工程，正是希冀為人類學習者與基于大模型的智能體之間的相互理解提供一種“語言通道”。大模型的知識生產以有效的人機交流與機器的預期響應為前提，因此應發展教育提示語工程，創建面向不同場景的教育提示庫，研制教育提示語工程的技術規范（趙曉偉 等, 2023）。

另一方面，教育系統應基于多智慧體教育的基本框架與根本立場，針對大模型的基本特性，進行結構性響應與制度性響應。應在教育系統中制定明確的策略和方法，以在學習環境、課程教學中整合和充分利用大模型。同時，需建立多智慧體教育的涌現式評估機制，完善價值對齊的監控機制。應全方位評估多智慧體教育生態，包括智慧體之間的協作流暢度、學生創新思維的激發頻率以及人類與機器之間的信任關系。由于引入了具有“存在論意義”的機器智慧體，教育系統的價值安全會受到一定的挑戰。因此，需要建立多智慧體教育的監控工作體系，負責仲裁不同智慧體之間可能產生的價值沖突和知識沖突，確保多智慧體的協作不偏離教育的根本目標。

（三）建立人與機器的分布式行動網絡與學習共同體

后人類主義秉持的分布式身心整體論，將學習者的存在置于身體與環境的行動之網中進行理解，這要求多智慧體教育建立人與機器的分布式行動網絡與學習共同體。首先，基于大模型時代多智慧體教育的人機觀與學習觀，建立人與機器的分布式行動網絡。在行動者網絡理論視域中，平等多樣的各類主體作為具有能動性的結點，通過主體間的互動編制行動網絡，這種互動具有強烈的不可控性。因此，在大模型介入的教育場景中，應更加關注人與機器之間對話的不確定性、開放性以及更多的可能性，學習者與機器智慧體的聯結突破“主客二分”關系。同時，建立以學科專家、教學設計師、測評分析師等多個垂直領域智慧體為節點的分布式網絡，每個智慧體擁有獨立的上下文記憶和角色設定，通過統一的通信協議進行協商與仲裁。其次，建立健全數字素養與算法素養的培育體系，強化學習共同體建立及運轉的能力基礎。這要求學習者、教育者能夠有效通過與機器智慧體之間的交互，實現教育過程的改進以及學習者自身的發展，并與機器智慧體之間建立積極聯系。建立積極聯系還意味著以自身的主體自覺與實踐理性有效抵制技術對人的異化。例如，學習者、教育者應通過提升算法素養以應對大模型背后的算法邏輯，實現對技術的“反規訓”。最后，政府和學界應鼓勵教育領域與研究領域開展大模型的教育應用實踐以及研究工作。實現人機共生的基礎是理解技術，對此，應動態分析大模型介入的人機協同學習與教育教學改進之間的關系，探究大模型對學生發展和教育評價可能產生的不良影響，從而為建立大模型介入的人機共同體提供有效參照。

（四）構建教育大模型的倫理框架與價值治理體系

正是由于人工智能的行為決策主要源于形而下的經驗積累而非形而上的超驗規定，因此需要對數字化教育技術進行價值治理（金生鈜, 2023）。對此，應從教育大模型的前期開發端與教育應用端入手，加強教育大模型的價值治理，構建教育大模型的倫理框架與價值治理體系。首先，賦予基于大模型的智能體以教育倫理責任。基于提倡技術道德化的機器倫理學，通過編程將人類的教育道德決策分解為可計算的模塊，把抽象的教育倫理原則和教育價值觀加載到教育大模型上，使教育大模型具備正確的教育道德鑒別力。應基于“人在回路”（Human in the Loop）機制，將人類知識與道德納入教育大模型的建模過程，并確保學習者、教育者可參與教育大模型研發與應用的各個環節，對機器智慧體的決策進行審查和干預。其次，構建教育大模型的倫理框架與倫理準則。以人工智能倫理框架和教育人工智能倫理框架為基準，形成能夠有效處理人類學習者與機器智慧體之間關系的倫理準則和價值觀，開發教育大模型的倫理框架。在治理目標上，以促進可持續創新與能力發展為導向，秉持負責任創新技術和治理態度，建構本土化的教育人工智能治理體系（梁泳詩 等, 2026）。最后，建立健全教育大模型的倫理監管機制。政府應對開發教育大模型的技術公司和研發團隊進行審查與監管，加強對數據樣本來源、隱私協議、機器學習算法的倫理考量，在教育系統中建立相關企業以及教育大模型產品的準入機制。

五、

結語

人工智能的發展始終要回答什么是智慧本身，即智慧本體的問題。隨著知識的智能涌現、人機協同學習的范式進階以及學習者成為“空心人”、損害教育公平等諸多教育風險盡顯于大模型時代的教育變革圖景之中，重新審視人類學習者與機器智慧體的存在性狀顯得極為迫切。關鍵的問題是，面對人類智能與人工智能的張力，學習者的創造力、道德力、情感應置于何處？在大模型時代，單智慧體教育對于人類智慧的推崇是否能實現其理想化的本體論承諾？立足于對仍然未脫離傳統的人類中心主義的“人機互補觀”的批判及匡正，本研究指出大模型時代的教育應追求一種人與機器關系的全新理解范式與實踐范式，實現基于后人類主義立場的多智慧體教育。本研究與其說是在大模型時代對單智慧體教育之合理性的勘察以及建構多智慧體教育的嘗試，毋寧說是對大模型時代教育本性的追問，并為未來的教育數字化轉型提供一種可能的認識基礎。但無論如何，在賽博格化的人機關系充斥于教育場域的今天，有必要將多智慧體教育及其后人類主義立場納入大模型時代教育數字化轉型的話語譜系之中。

參考文獻

阿萊達?阿斯曼. （2016）. 回憶空間：文化記憶的形式和變遷（潘璐 譯）. 北京大學出版社.

陳向東, 趙麗娟, & 劉澤民. （2024）. 拓展學科的疆域：大模型的涌現能力對學習科學的影響. 現代教育技術（1）, 44-54.

高奇琦. （2023）. 大模型技術引發的教育革命與“空心人”風險：從洛克出發的思考. 學習與探索（12）, 33-40.

高奇琦. （2024）. 基于大模型的知識生產與啟蒙辯證法. 江蘇社會科學（1）, 46-56, 241, 242.

郝祥軍, 顧小清, 張天琦, & 王欣璐. （2022）. 人機協同學習：實踐模式與發展路向. 開放教育研究（4）, 31-41.

計海慶. （2021）. 增強、人性與“后人類”未來——關于人類增強的哲學探索. 上海社會科學院出版社.

金生鈜. （2023）. 數字化教育技術的能動性、價值治理及教育性物化. 教育研究（11）, 14-28.

凱瑟琳?海勒. （2017）. 我們何以成為后人類：文學、信息科學和控制論中的虛擬身體（劉宇清 譯）. 北京大學出版社.

李海峰, & 王煒. （2023）. 人機協同深度探究性教學模式——以基于ChatGPT和QQ開發的人機協同探究性學習系統為例. 開放教育研究（6）, 69-81.

羅西?布拉伊多蒂. （2015）. 后人類（宋根成 譯）. 河南大學出版社.

梁泳詩, 莊彥淦, & 彭虹斌. （2026）. 何以負責任應用：英國一流高校學生生成式人工智能技術使用規范的框架、特征與啟示. 外國教育研究（1）, 96-115.

馬淑風, & 楊向東. （2022）. 什么才是高階思維？——以“新舊知識關系建立”為核心的高階思維概念框架. 華東師范大學學報（教育科學版）（11）, 58-68.

米加寧, & 董昌其. （2024）. 大模型時代：知識的生成式“涌現”. 學海（1）, 81-96, 214-215.

舒紅躍, & 張穎. （2024）. 人工智能生命：演化方式、危險與倫理考量. 江漢論壇（2）, 53-60.

王飛. （2024）. 論智能時代學校教育中記憶的價值. 中國教育學刊（3）, 58-63.

王曉陽, & 馬迅. （2023）. 從單智慧體社會到多智慧體社會：人工智能與人類的共同未來. 自然辯證法通訊（11）, 26-36.

王志軍, & 吳芝健. （2023）. 人工智能時代在線學習新形態——算法支持的智適應社群化學習. 遠程教育雜志（5）, 49-55.

威廉?V. 斯潘諾斯. （2006）. 教育的終結（王成兵, & 亓校盛 等 譯）. 江蘇人民出版社.

肖峰. （2024）. 大模型的理解力之爭與理解觀新敘事. 社會科學（1）, 41-51.

楊九詮. （2024）. 想象的困境：生成式人工智能世代的價值教育. 中國遠程教育（2）, 12-23.

余勝泉, & 汪凡淙. （2023）. 人工智能教育應用的認知外包陷阱及其跨越. 電化教育研究（12）, 5-13.

喻國明, 蘇芳, & 金麗萍. （2024）. 缺席的對話：大語言模型的認知想象與差異彌合. 現代出版（1）, 20-35.

張俊. （2024）. 人工智能意識問題的哲學省思. 山東社會科學（2）, 48-58.

張玉柳, & 羅江華. （2026）. 人智協同教學決策：動因、適應性表征與實踐進路. 電化教育研究（3）, 85-91.

趙曉偉, 祝智庭, & 沈書生. （2023）. 教育提示語工程：構建數智時代的認識論新話語. 中國遠程教育（11）, 22-31.

Ganesh, V., Seshia, S. A., & Jha, S. (2022). Machine learning and logic: A new frontier in artificial intelligence. Formal Methods in System Design(3), 426-451.

Jeon, J., & Lee, S. (2023). Large language models in education: A focus on the complementary relationship between human teachers and ChatGPT. Education and Information Technologies(12), 15873-15892.

Pavlik, J. V. (2023). Collaborating with ChatGPT: Considering the implications of generative artificial intelligence for journalism and media education. Journalism & mass communication educator(1), 84-93.

Teubner, T., Flath, C. M., Weinhardt, C., van der Aalst, W., & Hinz, O. (2023). Welcome to the era of chatgpt et al. the prospects of large language models. Business & Information Systems Engineering(2), 95-101.

UNESCO. (2023). UNESCO publishes guidance for generative AI in education and research. UNESCO. https://www.infodocket.com/2023/09/07/unesco-publishes-guidance-for-generative-ai-in-education-and-research/

Yan, L., Sha, L., Zhao, L., Li, Y., Martinez-Maldonado, R., Chen, G., Li, X., Jin, Y., & Ga?evi?, D. (2024). Practical and ethical challenges of large language models in education: A systematic scoping review. British Journal of Educational Technology(1), 90-112.

Multi-Agent Education in the Era of Large Models

Zhang Li

Abstract:The development of large language models and educational large models, while reshaping the imaginative space of future education, further underscores the human-centered single-agent education model and the underlying logic of human-machine complementarity. However, by reinforcing “human-machine complementarity” as a “prosthetic relationship”, single-agent education reinforces the anthropocentric narrative of educational values. It hollows out the intellectual and experiential roots of higher-order thinking while discarding the epistemic dignity and memory dignity of the human learner. The breakthroughs in comprehension, consciousness, creativity, and reflective ability of large models have brought AI closer to machine agents with lifelike attributes and existential significance. This opens up the possibility of coexistence between autonomous technology and subjective education. In this regard, attempts should be made to realize a shift from single-agent education to multi-agent education based on a posthumanist stance. In the era of large models, multi-agent education reconstructs the intrinsic relationship between humans and machine agents, promoting a novel human-machine perspective and learning paradigm that encompasses symbiotic relational networks between humans and machines, distributed cognitive architectures, and mutual domestication mechanisms. In terms of practical approaches, it is essential to establish a foundational consensus on “human-machine symbiosis” and adhere to posthumanist principles, optimize institutional provisions for bidirectional activation between “human agents and machine agents”, create distributed action networks and learning communities for humans and machines, and construct an ethical framework and value governance system for educational large models.

Keywords:large models; multi-agent education; posthumanism; human-machine collaborative learning; human-machine symbiosis

作者簡介

張黎，東北師范大學教育學部講師（長春 130024）。

基金項目

國家社會科學基金2024年度教育學重點項目“教育學教學研究體系深層變革研究”（項目編號：AAA240019）

責任編輯：劉莉

期刊簡介

《中國遠程教育》創刊于1981年，是教育部主管、國家開放大學主辦的綜合性教育理論學術期刊，名列中文社會科學引文索引（CSSCI） 來源期刊、全國中文核心期刊、中國人文社會科學期刊AMI綜合評價（A刊） 核心期刊、中國科學評價研究中心（RCCSE） 權威期刊、中國期刊方陣雙效期刊、人大復印報刊資料轉載率最高期刊，面向國內外公開發行。

本刊關注重大教育理論與政策，推動科技賦能教育，反映國際學術前沿，聚焦本土教育改革，注重學術研究規范，提倡教育原創研究。

地址

北京市海淀區西四環中路45號

郵編

電話

010-68182514

電郵

zzs@ouchn.edu.cn

網址

cjde.ouchn.edu.cn

來源丨中國遠程教育微刊

聲明：轉載此文是出于傳遞更多信息之目的。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與我們聯系，我們將及時更正、刪除，謝謝。