□林 莉

人工智能日渐精进，AlphaGo“自学”40天的战绩告诉我们，在面向已知的学习领域时，机器深度学习的效率可能远远胜出人类。亦如BBC对职业“被淘汰概率”的预测：无须天赋，经由训练即可掌握的职业将面临最大可能被淘汰的风险。当我们终于感受到终身自主学习能力成为必须时，不无尴尬地发现，人工智能已经在不断迭代中开始无须人类干预的“终身学习”了。

人工智能时代，意味着我们每个人都将置身于一个智能的、可自我迭代学习的数据密集型环境：一方面，人工智能在面向已知的学习方面表现出胜于人类的潜在优势；另一方面，大数据提供的“量化自我”，可以帮助教师更了解学生，学习者更了解自我；大数据提供的“量化学习”，可以为学生提供定制的、个性化的学习服务。所有这些，在为终身自主学习能力提供新机遇的同时，也提出了新的挑战。

考察自然场景和学校场景两种不同的自主学习，可以帮助我们更好地理解这种挑战。重返生活场景，学习并非只是发生在精心设计的课堂里，而是一种浸润在我们日常生活中、甚至不为我们察觉的本能行为。撇开教学环境下的正式学习，其实在日常生活构成的非正式环境中我们也一直在学习。从呱呱坠地开始，儿童沿着自己探究世界的好奇心和适应生活的本能需求，学习自然地发生了，这是隐性的、“不由自主”发生的自主学习。还有一种显性的非正式学习，更多地发生在成人学习者中。学习者常常会意识到自己在学习，认识到学习的价值，并把学习过程看得很重要。有时，显性的非正式学习目的性很强，当成人的生活环境发生显著变化时，为适应全新环境会有意地观察周围人如何行事，周围的所有环境都成为他（她）全方位的学习资源，学习也自然地发生了。这些隐性或显性的学习，是每个人适应环境的自我主导行为，它的特点是学习意愿水平高，但学习资源、策略水平则因人而异。

自从有了学校，正式学习就成为区别于、甚至于取代非正式学习的一种特有形式。于是，在正式的、高度结构化的学习环境制约下，非正式学习中有着自主本能的独立学习者，逐步变成严格遵守学校教育“处方”的依赖型学习者，它的特点是统一的学习目标、课程内容和学习策略指导，但学习意愿水平则因人而异。也正是因此，有研究者认为现代学校的自主学习是学习材料导向而非学习者导向的，换言之，它是由外在的学习任务推动的自主学习。

随着人工智能量化自我、定制学习成为可能，以及“面向未知而学”越来越多地替代“掌握已有知识”，如何更好地帮助学习者发展自我学习动机，形成个性化的学习目标，将成为人工智能时代自主学习的突破口。它意味着，要鼓励学生建构个人意义的探究性学习、项目学习、情景学习等新兴学习方式，形成对事物的全局性理解。这种面向未知的无边界学习，不仅追求高学习策略水平，更要追求高主动性。在这样的学习活动里，学习内容、学习目标、学习方法都保留了一定的弹性和开放性，课堂里的正式学习是学习的锚点，学生不受限于甚至超越学校教育去选择学习内容、寻找学习机会、控制利用学习机会的方式。