标签
AI时代的教育智慧：融合赫尔巴特与杜威
回顾教育史，赫尔巴特与杜威往往被视为对立面：前者侧重系统化教学与教师主导，后者推崇基于体验的学习与儿童中心。许多教材常将二者作为“传统教育”与“现代教育”对比的范本。然而，在人工智能教育（AIED）的当下，若仅将其视为二元对立，则可能忽视关键议题。AI教育既离不开赫尔巴特的严谨结构，也离不开杜威的亲身体验；既需有条理的组织，也需真实的探究。换言之，AI时代的教育学不应在“赫尔巴特还是杜威”中做单选题，而应思考：如何将二者的“结构”与“经验”有机融入实践。赫尔巴特警示教育不能仅是经验与技巧的堆砌，而应成为有
机器学习：让计算机从经验中进化
机器智能学习第十九章：范例学习样例学习指的是智能体持续从过往经验中汲取知识，优化自身决策并预判未来的机制。当智能体通过观察外部环境来提升自身能力时，这一过程称为智能体学习。这种学习既可以是基础性的，如记录购物清单，也可以是深奥的，如爱因斯坦推演宇宙定律。若智能体为计算机，则称为机器学习：计算机通过分析数据建立模型，该模型既是对现实世界的假设，也是问题求解软件的核心组件。为何要让机器具备学习能力？为何不直接编写完整程序一劳永逸？这背后有两大核心动因。第一，开发者无法预测所有潜在场景。例如，迷宫导航机器人需应