牢抓人工智能核心素养，不能将最基本的丢掉

人工智能并非一蹴而就。回顾人工智能七十余年的发展历史，我们能够清晰看到这样一个规律：人工智能的起起落落，主流技术此起彼伏，技术的发展呈现周期性的潮起潮落，即所谓的“三起两落”。在人工智能发展早期，上世纪五六十年代以符号主义为主的逻辑推理、知识表示与搜索算法一度主宰着人工智能的舞台，催生出著名的逻辑理论机、通用问题求解器等系统。

然而，到了八九十年代，以神经网络为代表的联结主义风潮崛起后，符号主义似乎被冷落甚至遗忘。彼时曾有学者断言，符号推理时代已经过去，神经网络等学习算法才是人工智能的未来。然而，事实证明符号主义的核心理念从未真正离开人工智能研究者的视线。近年来兴起的神经符号混合模型就是一次对于经典符号主义和现代深度学习技术的成功融合，体现了历史技术方法的周期性回归与融合。此外，知识图谱与大模型的融合也在解决一些如“幻觉”这样的棘手问题。

正是这些历史起伏告诉我们，人工智能并不是仅仅停留在一两个最热门技术上的学科，而是一个包罗万象、博采众长的知识体系。一个真正的人工智能从业者，必须同时具备扎实的基本功底、清晰的问题意识以及跨学科、跨领域的综合素养。

当前在不少学校或企业培训课程中，我们往往看到的是对当下最为流行技术的推崇和速成教学。比如当下流行的Transformer架构、GPT类模型技术、图像生成与自然语言处理工具，固然需要纳入通识教育的范畴，但这些只是人工智能技术海洋表面的浪花。而人工智能教育的本质和基本功培养，需要追溯到如下核心素养：

（一） 问题求解能力

人工智能的本质使命之一就是问题求解，早期人工智能研究重点放在启发式搜索、状态空间搜索、博弈树搜索算法等方面。这些经典方法尽管在今天看起来“老旧”，但它们所蕴含的状态空间表示、问题形式化思维能力仍然具有极大的价值。训练学生明确界定问题、构建明确的状态描述并探索解决方案，这些基本的能力塑造了学生缜密的逻辑思维能力和计算思维基础。

（二） 逻辑推理能力

逻辑推理与符号表示是人工智能的基本支柱。无论人工智能如何变化，逻辑推理都是通往智能体高级认知能力的一扇门。符号主义以精准表达知识、清晰的推理过程为特点，是构建可解释人工智能的重要基础之一。学习者在学习人工智能时，应牢牢掌握形式逻辑、谓词逻辑、知识图谱等基本的知识体系，培养严谨的思维能力。

（三）数据素养与数学能力

无论任何人工智能模型，数据都是基础。人工智能的教学中，基础的概率统计、线性代数、微积分能力，是支撑所有人工智能模型学习的关键基础。一些教师认为，在深度学习框架时代，模型训练参数调整和数据处理变得自动化，传统数学能力似乎意义下降，这种想法是片面的。数据与数学能力构成人工智能从业人员必备的基础认知能力。

（四）计算思维能力

计算思维是人工智能教育最基本也是最核心的素养之一，贯穿人工智能技术发展始终。计算思维具体体现为将复杂问题进行抽象、逻辑化分析，并设计出具体的计算步骤和算法的能力。无论是符号主义、联结主义还是行为主义，都需要具备计算思维能力作为基础支撑。这种能力不仅能提升学生分析问题、解决问题的能力，更有助于他们灵活驾驭人工智能技术，创造性地开发新模型、新算法。

（五）伦理意识与社会责任

人工智能教育必须涵盖对伦理和隐私的基本认知，特别是在生成式人工智能大行其道的今天，更需要学生形成对数据伦理、隐私保护、算法公平性等方面的系统认知。忽视这一点，只会造就“技术精湛、伦理淡薄”的失衡人才。

（六）跨学科综合能力与合作素养

人工智能是交叉融合型学科，从语言学、哲学、心理学到计算机科学、神经科学甚至医学、教育等多个领域，均能发现人工智能的广泛应用。培养学生跨领域协作与跨学科理解能力，是人工智能教育必须坚持的方向。

在当前高校、职校乃至基础教育领域的人工智能教学中，存在如下误区与倾向值得注意：

（一）重“术”轻“道”

不少人工智能教育重技术应用的速成、轻技术背后的基本原理。这种短期化倾向，忽略了培养学生扎实基础能力与对基本概念的深刻理解，长期看会阻碍学生更深入地探索人工智能本质问题。

（二）追逐“热点”、忽视基础

盲目追求大模型、生成式人工智能热点技术的表象性教学，而忽略了基础知识如启发式搜索、逻辑推理的积累，可能造成人才的浅薄和短视。

（三）忽视综合育人、情感与伦理培养

只关注技术应用而忽视学生对技术伦理、社会责任和人文情怀的培养，可能导致“工具人式”人工智能技术人才的产生，而非具有长远发展潜质的综合型人工智能人才。

为此，我们需要进行以下的反思与重塑：

（一）要回归经典，掌握历史发展的底层逻辑与经典思想

人工智能学科从诞生至今，经历了符号主义、联结主义、行为主义等多种思想流派的更迭与融合，每个阶段都涌现出具有里程碑意义的算法和思想。回顾经典，并不是让学生盲目地怀旧，而是要让学生深入理解经典算法如启发式搜索、决策树、逻辑推理系统、专家系统，以及经典理论如图灵测试、符号推理、贝叶斯决策论等背后的思想逻辑，建立起清晰的历史脉络和演进规律。

尤其是在大语言模型风靡全球的今天，我们更应强调经典知识和方法的掌握，因为未来技术的进步，很可能再次回归经典思想的底层逻辑之中。通过开设更多基础性、历史性的人工智能通识课程，让学生深入理解技术发展的底层逻辑，从而夯实理论基础，形成可持续的学科发展观。

（二）要统筹规划，促进基础与应用并重的人才培养路径

人工智能的教育与培养，不应简单地停留在前沿技术的短期热点上，而应建立起全面、系统的教育体系。为此，我们需要设计一种统筹协调的教育模式，合理安排符号主义、联结主义、行为主义等多种理论流派的教学内容。

在基础教育阶段，应重点培养学生的逻辑推理能力、计算思维、数据素养与数学建模能力；在高等教育阶段，则要通过项目驱动、专题研讨、学科融合的方式，帮助学生深入掌握技术在现实场景中的应用与创新，构建跨学科知识体系与协作能力。

只有基础与应用协调推进，既抓住底层理论，又能灵活地驾驭前沿技术，才能培养出理论扎实、创新能力强、视野开阔的人工智能综合人才。

（三）要强化实践与理论结合，形成有效的闭环学习体系

当前人工智能领域技术更新迅速，学习者面临的挑战是如何在纷繁复杂的技术变化中形成稳定的知识体系。强化实践与理论结合尤为重要，这需要构建完整的学习闭环：

以理论引领实践：帮助学生明确问题本质，了解所用技术的原理及适用场景；

以实践验证理论：鼓励学生在实践中主动回顾所学理论知识，加深对基本原理的理解；

以反思深化理解：引导学生在实践中不断反思，寻找理论与实践之间的差距与联系，提升学生的自主学习与反思能力。

通过这一完整的闭环学习体系，学生不仅掌握了技术的“术”，更能深入理解技术背后的“道”，使其真正成为驾驭人工智能技术的专业人才，而非单纯的工具使用者。

（四）要培养批判性思维与伦理意识，落实技术工具与人文伦理并重的理念

人工智能作为高度影响人类社会发展的技术，伦理问题与社会责任成为必修课。批判性思维的培养，能够使学生在技术应用中避免盲目跟风、片面迷信技术，而能清醒地认识技术的优势、缺陷与局限性，始终保持反思和审慎的态度。

伦理意识的培养则要从人文精神与社会责任入手，使学生始终关注技术应用带来的社会影响与道德挑战。具体路径包括：

1. 设立专门的人工智能伦理课程，强化伦理、隐私、安全、公平等重要价值观念；

2. 鼓励跨学科交流与研讨，引导学生从哲学、社会学、心理学、法学等视角审视人工智能发展；

3. 推动案例教学与反思型学习，通过具体的社会事件、案例分析，让学生深入理解伦理规范与技术发展的辩证关系。

只有培养出同时具备批判性思维与伦理意识的人工智能人才，才能使人工智能的发展真正造福社会，服务人类的长远福祉。

习近平总书记举了一个生动的案例：过去，到商店买东西，发现有的人找零钱得一个个数去算，往往判断这是数学基本能力不足的表现。而用上计算机以后，这方面的基本能力要求跟以前打算盘时不一样了。即便如此，“教育，不能把最基本的丢掉”。

正如习近平总书记所说，“教育，不能把最基本的丢掉”，在人工智能这个新兴且变化迅速的领域，更应该守住“基本”的底线。人工智能教育应秉承初心、固守基础，培养兼具扎实基本功和深厚人文情怀的复合型人才，让学生不仅懂得技术如何使用，更要理解为何而用、如何用得更加合理。只有在传授前沿技术的同时守住这些基本的能力与素养，人工智能教育才能行稳致远，培养出真正面向未来、有能力肩负时代使命的栋梁之才。

作者简介：

龚超，博士，深圳清华大学研究院副研究员，北京未来基因（北京）人工智能研究院院长。

夏小俊，博士，东南大学生物科学与医学工程学院教师。