【文章內(nèi)容簡介】 pbl項目式學習方式開展小課題研究，學生的學習方式由過去的像容器一樣被“滿堂灌”轉(zhuǎn)變?yōu)閷W生間“合作、交流、探究”式學習，掌握了隱含在問題背后的科學知識，形成解決問題的技能和自主學習的能力。在研究的過程中，學生保持開放的心態(tài)，敢于嘗試新鮮事物，從失敗和成功中汲取經(jīng)驗教訓，養(yǎng)成追求真理、鍥而不舍的科學態(tài)度，在課題研究中不斷優(yōu)化算法和改進搭建模型，設計實用的機械臂，進一步提升機器人的穩(wěn)定性和完成任務的數(shù)量和質(zhì)量。團隊成員在研究中不斷碰撞出智慧的火花，通過小組合作解決一個個課題研究過程中遇到的困難，掌握了科研活動的過程與方法，在探究中催生寶貴的創(chuàng)新意識。雄鷹只有經(jīng)過千百次的歷練，才能夠在蔚藍的天空中展翅翱翔。機器人比賽讓學生接軌前沿科技，開闊眼界，培養(yǎng)學生綜合素養(yǎng)，讓其在同齡人中迅速脫穎而出。通過參加機器人比賽活動，為學生搭建個性成長的平臺，創(chuàng)設真實的解決問題的情景，讓學生嚴格按照規(guī)則進行實戰(zhàn)對抗比賽，不斷修改機器人的設計，并對機器人重新進行編程，以期在合乎規(guī)則的情況下，取得盡可能好的成績，品嘗成功的快樂。通過參與各級各類機器人比賽，挖掘了學生的潛能，張揚了學生的個性，豐富了學生的學習生活，培養(yǎng)了學生的核心素養(yǎng)，促進學生人格的健全發(fā)展。隊員賈壹方談到參加機器人創(chuàng)意賽時，感觸良多：參加了機器人創(chuàng)意賽后，我受益無窮。我學到了許多關于編程、搭建的知識，更重要的是：我認識到了團體合作的重要性，一開始我們總是各執(zhí)己見，可是，在陳秀老師的帶領下，我們認真地聽取他人意見，齊心協(xié)力地克服了一個又一個困難，感謝福民小學為我們提供了這樣一個學習和進步的機會。未來，我們將繼續(xù)帶領學生行走在人工智能校本課程的探索和實踐道路上，完善課程內(nèi)容，認真參與課題實驗，帶領學生參與各種展示活動，為學生探索科技搭建更完美的平臺，培養(yǎng)人工智能時代的信息技術精英。參考文獻：[1]，2017，6，20.[2]戴玉梅，王健潼，[j].中國教育信息化，2018，1.摘要：崔政博士的新著《科學技術知識的政治經(jīng)濟學研究》以馬克思的“勞動”概念為中心，提供了一個劃定人工智能替代人類勞動的邊界框架。該書區(qū)分了重復性勞動與創(chuàng)造性勞動，提出創(chuàng)造性勞動是人類勞動的本質(zhì)也是人工智能不可替代的。但需要進一步指出的是，機器學習已經(jīng)在認識實踐中表現(xiàn)出對人類認知勞動的極大輔助作用，包括：人工智能能夠提升科學知識生產(chǎn)效率。人工智能擅于提取和傳遞默會知識。人工智能可以產(chǎn)生某種機器知識。以上原因使得我們在創(chuàng)造性勞動中很難將人工智能排除在外，未來可能的創(chuàng)造性勞動方式應當是某種人機協(xié)作或人機融合。關鍵詞：人工智能。創(chuàng)造性勞動?？茖W知識。默會知識。機器知識。產(chǎn)業(yè)科學出現(xiàn)以來，科技創(chuàng)新對經(jīng)濟增長的驅(qū)動作用已經(jīng)成為全球性的共識。崔政博士的新著——《科學技術知識的政治經(jīng)濟學研究》，試圖以“勞動”概念的歷史分析為切入點，討論科學技術在當代資本主義經(jīng)濟中所扮演的角色，進而以一種動態(tài)的勞動價值論表明當代社會經(jīng)濟運行的內(nèi)在動因[1]2。該書以馬克思的“勞動”概念為核心構(gòu)建了一個哲學空間，將科學知識、技術創(chuàng)新、資本運行納入其中，完整地闡述了科學技術對經(jīng)濟社會的塑造作用。該書的敘事方式表達了兩個理論取向：第一，對科技創(chuàng)新的分析不同于傳統(tǒng)技術創(chuàng)新理論僅關注經(jīng)濟“增長”，而是從更為基礎的社會分工出發(fā)關注經(jīng)濟“發(fā)展”。第二，將科學知識的生產(chǎn)還原到馬克思的“科學勞動”概念，實際上已經(jīng)使用了一種擴展了的“科學”概念，蘊含著當代科學知識生產(chǎn)所具有的實踐性、情境化、多主體等特征。該書更為重要的貢獻在于討論了人工智能技術對于社會生產(chǎn)方式的挑戰(zhàn)和變革作用。書中提出：“人工智能的替代效應是建立在對人類勞動數(shù)據(jù)化和邏輯化的基礎上的，探索自在自然的創(chuàng)造性勞動是不可數(shù)據(jù)化和邏輯化的。因此，人工智能只能圍繞既有的對象進行重復性生產(chǎn)，替代重復性勞動。而人類則能夠探索自在自然，從而摸索新技術、建構(gòu)新對象，進行創(chuàng)造性勞動。也就是說，機器所不能替代的人類勞動的‘硬核’是探索自在自然的勞動，是創(chuàng)造對象和掌握技術的‘創(chuàng)造性勞動’?！盵1]25作者將馬克思的“勞動”概念區(qū)分為“重復性勞動”和“創(chuàng)造性勞動”，進而指出人工智能是對機器大工業(yè)的否定，它將替代人類勞動中可以重復、可以數(shù)據(jù)化的部分，但創(chuàng)造性勞動是人類勞動的本質(zhì)，是人工智能所不能替代的。作者提出：“人工智能可以在將重復性勞動數(shù)據(jù)化的基礎上，對人類勞動進行模仿，從而取代任何形式的重復性勞動。但人工智能卻不能取代人類的創(chuàng)造性勞動，創(chuàng)造性勞動是通過探索自在自然，經(jīng)過反復的摸索與實驗、征服反常和偶然、掌握技術、創(chuàng)造對象、實現(xiàn)對象從無到有的過程的勞動，這是一種原生性的勞動。”[1]27作者認為，創(chuàng)造性勞動是對馬克思的“自在自然”的探索，“自在自然”是在人類的現(xiàn)有認知能力之外，卻以反常和失敗等形式向人類顯現(xiàn)其自身。然而，在認知實踐當中，機器學習已經(jīng)可以幫助人類探索認知能力之外的“自然”，當然這種“自然”并不以反?；蚴〉男问酱嬖?。作者也指出：“尤其是在大數(shù)據(jù)和云計算的背景之下，機器學習的速度遠超人類的認知極限，甚至可能在數(shù)據(jù)中找到人尚未發(fā)現(xiàn)的方法和規(guī)則?！盵1]35因此，在認知勞動方面，我們可以在作者的概念框架下進一步區(qū)分出人工智能對人類“創(chuàng)造性勞動”的輔助作用，具體表現(xiàn)為三個方面：人工智能提高科學知識生產(chǎn)效率。人工智能擅于提取和傳遞默會知識。人工智能可以產(chǎn)生某種機器知識。機器學習的廣泛使用可以提升科學知識生產(chǎn)的效率，主要表現(xiàn)在文獻研究和實驗室研究兩個方面。人工智能系統(tǒng)可以通過自然語言理解獲取、閱讀和總結(jié)所有相關文獻。例如，一個叫做iris的人工智能系統(tǒng)的運行方式是：從某個研究主題的演講切入，先使用自然語言處理算法分析演講的腳本，挖掘從開放渠道獲取的研究文獻，然后將相關研究文獻分組并進行可視化，再通過人工標注文獻使機器匹配精度增加，當機器能夠理解文獻的內(nèi)容和結(jié)構(gòu)時，可以幫助科研人員總結(jié)出該研究主題下的所有研究問題、假設、實驗結(jié)果等，從而將前人工作完整呈現(xiàn)。此外，機器學習的使用還能夠加快實驗研究的進程。例如，2016年5月，澳大利亞國立大學的研究團隊使用機器學習重復了物質(zhì)的玻色—愛因斯坦凝聚態(tài)的實驗室發(fā)現(xiàn)過程，從反復設置調(diào)整實驗設備的各種參數(shù)到產(chǎn)生凝聚態(tài)物質(zhì)，機器學習只用了一個小時，而憑借這一發(fā)現(xiàn)獲得諾貝爾獎的三位科學家是在直覺的基礎上經(jīng)過多年實驗才制造出了物質(zhì)的凝聚態(tài)。由此可見，作為技術的人工智能的進步已經(jīng)開始反向促進作為基礎研究的科學知識的生產(chǎn)。在當前人類社會所有已經(jīng)產(chǎn)生的信息中，文字只占極少的比例，大量的信息以圖片和視頻方式呈現(xiàn)，其中蘊含了大量需要通過親身體驗才能獲取的默會知識。如果有辦法將事物狀態(tài)用圖片或視頻記錄下來，就有可能使用機器學習從中萃取出知識。很多電影公司已經(jīng)使用人工智能系統(tǒng)觀看大量人類歷史上的影視作品，從而歸納提取出經(jīng)典橋段，創(chuàng)作出新的配樂、臺詞和預告片以供人類借鑒。更為重要的是，由人工智能系統(tǒng)獲取的默會知識是以神經(jīng)網(wǎng)絡參數(shù)集的形式存在的，這對人類而言仍然不可描述，也難以在人類之間傳遞，但卻非常易于在人工智能系統(tǒng)間傳播。例如，一臺掌握駕駛技能的自動駕駛汽車只要將參數(shù)集分享出來就可以快速讓所有汽車學會這項技能，而且可以實現(xiàn)機器間的協(xié)同行動。機器知識與科學知識或默會知識的核心差別在于：機器知識依賴數(shù)據(jù)，科學知識或默會知識依賴信息。信息是事物可觀察的表征，或者說信息是事物的外在表現(xiàn)。任何一個物體的信息量都非常大，要精確描述一個物體，就需要將其中所有基本粒子的形態(tài)以及它們之間的關系都描述出來，同時還要將該物體與周圍環(huán)境的關系都描述出來。而數(shù)據(jù)是已經(jīng)描述出來的部分信息，關于一個物體的數(shù)據(jù)通常要比信息少得多，例如只包含它的形狀、重量、顏色和種屬關系等。只有當信息經(jīng)過適當?shù)奶幚?，當它被用來進行比較、得出結(jié)論和建立聯(lián)系時，它才會轉(zhuǎn)化為知識。而知識可以理解為伴隨著經(jīng)驗、判斷、直覺和價值的信息，作為認知主體的人在其中扮演了關鍵角色。相較之下，機器知識可以被刻畫為數(shù)據(jù)在時空中的關系，這些關系表現(xiàn)為某種模式，對模式的識別就是認知，識別出來的模式就是知識，用模式去預測就是知識的應用。這些數(shù)據(jù)在時空中的關系只在少數(shù)情況下才能用數(shù)學工具進行表達，而多數(shù)情況下知識表現(xiàn)為數(shù)據(jù)間的相關性的集合，這些相關性只有一小部分可以被人類感知和理解。這源于人類感受能力的局限性：人類只能感受部分外界信息，人類的感官經(jīng)驗局限在三維的物理空間和一維的時間。因此，當數(shù)據(jù)無法被感知，它們之間的關系又無法用數(shù)學工具表達時，這些數(shù)據(jù)間的關系就超出了人類的理解能力之外而屬于機器知識。當前機器學習的主流形式——人工神經(jīng)網(wǎng)絡的最大特點就是發(fā)現(xiàn)并記憶數(shù)據(jù)中的相關性，例如在看了很多汽車圖片后會發(fā)現(xiàn)汽車都有四個輪胎，人類對圖片這類直觀的數(shù)據(jù)間的相關性也能發(fā)現(xiàn)并記憶一部分，這就是默會知識。但當數(shù)據(jù)量很大且不直觀時，例如股票市場的數(shù)據(jù)或者核電站的內(nèi)部數(shù)據(jù)，人類就無法應對了。而隨著人工神經(jīng)網(wǎng)絡層級和數(shù)量的增加，人工智能系統(tǒng)能夠處理大規(guī)模的復雜數(shù)據(jù)，這就是機器知識。機器知識當前的主要表現(xiàn)形式類似于alphagozero中的神經(jīng)網(wǎng)絡的全部參數(shù)。概言之，科學知識和默會知識多是基于信息的因果性知識，而機器知識多是基于數(shù)據(jù)的相關性知識。此外，科學知識是易于記錄、易于陳述、易于傳遞的。默會知識是難以記錄、難以陳述、可傳遞的。機器知識則是可記錄、不可陳述、易于在機器間傳遞的。當然，基于人工神經(jīng)網(wǎng)絡的機器學習仍有兩個核心的局限性導致人工智能系統(tǒng)還不足以承擔創(chuàng)造性勞動。第一個局限是，人工神經(jīng)網(wǎng)絡需要依賴特定領域的先驗知識，也就是需要特定場景下的訓練，這是因為人工神經(jīng)網(wǎng)絡的學習本質(zhì)上是對相關性的記憶，人工神經(jīng)網(wǎng)絡將訓練數(shù)據(jù)中相關性最高的因素作為判斷標準。這個問題在自動駕駛汽車中表現(xiàn)的非常突出，鑒于道路交通情境的復雜性和交通標示的多樣性，自動駕駛系統(tǒng)難以避免很多交通事故。第二個局限是，人工神經(jīng)網(wǎng)絡無法解釋產(chǎn)生某個結(jié)果的原因，這種不可解釋性在許多涉及安全和公共政策的領域顯現(xiàn)的比較突出，例如在智能醫(yī)療中，人工神經(jīng)網(wǎng)絡在影像識別和輔助診斷中都對其結(jié)果缺乏醫(yī)學上的解釋性，都需要專業(yè)醫(yī)生的復核。基于人工神經(jīng)網(wǎng)絡的人工智能系統(tǒng)在記憶和識別這兩個基礎智能方面超越了人類，但在推理、想象等高級智能方面還相差較遠。與人類相比，人工智能無法承擔創(chuàng)造性勞動的原因還不止于以上的局限性，還包括：人工智能沒有常識和物理世界的模型。人工智能沒有自主和自發(fā)的通用語言能力。人工智能沒有想象力，需要大量常識、反事實假設和推理能力。最重要的是人工智能沒有自我意識。自我意識的缺乏導致能夠產(chǎn)生機器知識的人工智能系統(tǒng)仍然無法被視為認知主體，其知識的“創(chuàng)造性勞動”是一種無意識認識活動。人工智能系統(tǒng)在提升科學知識生產(chǎn)效率、處理默會知識以及產(chǎn)生機器知識方面的優(yōu)勢，使得我們在創(chuàng)造性勞動中很難將其排除在外，未來可能的創(chuàng)造性勞動方式應當是某種人機協(xié)作或人機融合。腦機接口（brainputerinterface）是當前一個重要的人機協(xié)作研究方向，而其中最激進的方式是馬斯克提出的neuralink，即通過柔性電極對接在人腦的神經(jīng)網(wǎng)絡上，neuralink要解決的是人類的信號輸入與輸出，但其問題在于人類的高級思維（如邏輯推理或描述場景）必須依賴語言，而目前基于人工神經(jīng)網(wǎng)絡的機器學習能力主要是對環(huán)境的識別能力，還遠沒有達到語言和邏輯推理，但人類智能通過語言進行溝通。這背后就隱含了人類的科學知識與人工智能系統(tǒng)的機器知識之間的不可通約，以上例子也表明基于人機協(xié)作的創(chuàng)造性勞動還有很大的技術障礙需要克服。參考文獻：[1][m].石家莊：河北人民出版社，2019.[2]——基于默會知識維度[j].中國社會科學，2018（7）.[3]eepistemologyandbigdata[a].inmcintyre，lee，andalexrosenberg，tledgepaniontophilosophyofsocialscience[c].tayloramp。francis，2016.[4]董春雨，？[j].自然辯證法研究，2019（8）.（一）人工智能的發(fā)展。1950年，艾倫，麥席森，圖靈發(fā)表了一篇劃時代之作《制作機器會思考嗎？》里面提出了測試機器是否具有智能的方法，并因此摘得“人工智能之父”的桂冠。約翰，麥卡錫在1956年的達特茅斯學術會議上，第一次提出人工智能（artificialintelligence，ai）。1997年，ibm公司“深藍”電腦擊敗了人類的世界國際象棋冠軍更是人工智能技術的一個完美表現(xiàn)。2017年7月，國務院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，這是我國首個面向2030年的人工智能技術的戰(zhàn)略發(fā)展藍圖，也表現(xiàn)出我國對發(fā)展人工智能技術的重視與支持，同時，人工智能人選“2017年度中國媒體十大流行語”。人工智能是計算機科學的一個分支，可以對人的意識、思維的信息過程的模擬，人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。人工智能在會計、審計、稅務等行業(yè)的廣泛運用，使得傳統(tǒng)、簡單、重復性的基礎會計工作崗位將面臨被智能化取代，人工智能已成為促進會計行業(yè)轉(zhuǎn)型發(fā)展的重要推手。近三年來，德勤、普華永道、安永、畢馬威4大國際會計師事務所通過利用財務機器人進行會計、審計等工作，使得數(shù)據(jù)的準確性、工作效率、管理決策水平等明顯提升，由此可見，人工智能早已潛移默化的影響到了會計工作的方方面面。（一）會計工作效率提高了。人工智能技術與財務管理系統(tǒng)的對接，實現(xiàn)了系統(tǒng)自動識別票據(jù)、生成會計記賬憑證、記錄明細賬戶以及生成總賬和各類報表。作業(yè)過程中系統(tǒng)按時間順序記錄每筆業(yè)務，對每一筆賬務進行核實和驗證。財務機器人還實現(xiàn)了信息的語音、掃描錄入，財務軟件可自動生成證、帳、表，這將更加高效準確地完成基礎會計核算工作，提高此項工作的效率，會計人員因此節(jié)省了大量用于基礎核算工作的時間，從而能將更多的精力投入在企業(yè)內(nèi)部管理型的工作上，同時又提高了管理工作的效率。（二）會計信息質(zhì)量提高了。受自身能力、專業(yè)素質(zhì)以及外部環(huán)境等因素的影響，會計信息數(shù)據(jù)的滯后性和人為失誤在所難免。人工智能將會計模型和方法程序化，它既減少了人為失誤又極大地提升了數(shù)據(jù)處理能力，工作重心逐