導讀：2025 年 8 月 16 日，由中國自動化學會主辦的 2025 中國自動化與人工智能教育大會暨 2024-2025 學年全國青少年勞動技能與智能設計大賽全國決賽在浙江桐鄉召開。中國自動化學會監事長、中國科學院自動化研究所研究員王飛躍受邀參加本次大會并作題為“人工智能教育之 CASE: K21 = iSTREAMs + iCDIOs”的報告。
報告基于平行智能與智能教育的研究，提出面向人工智能時代和 K21 教育的新基礎課程——CASE（Control/Automation Science and Engineering，控制與自動化科學與工程），其核心思想是在K21教育過程中貫穿“干中學，學中干”，整合 iSTREAMs 和 iCDIOs，深度融合智能科技與新理工人文理念。通過虛實互動的智能方法，報告構建了知識生成傳授、能力培養與價值塑造的多維教育生態，為人工智能時代的復合型人才培養提供系統性解決方案。
報告中“CASE”并非指案例，而是控制自動化科學與工程（Control Automation Science and Engineering）。應當將其視為與數物化智能化變革之后同等的重要基礎學科，使之成為從小學到大學貫穿始終的課程，CA 不但是面向物理世界的Control/Automation, 還可基于Cyberspace 的Cybernetic/Automatic, 甚至加新文科走向社會科學的Convergence/Autonomous, 因為CASE 之本質是一門多學科交叉融合，最后可以形成一系列激勵創新型的跨學科或超學科性質的課程，能夠有效地綜合物理世界與虛擬世界的知識與應用。
一、教育的目的
當前我國的義務教育體系以小學初中學段的9年教育為主，美國正在討論K16（幼兒園到大學四年級）貫通培養，而隨著大模型等新一代人工智能教育形態的出現，教育體系應當直接擴展至K21（幼兒園到研究生畢業）全學段的系統設計。在這一背景下，當下博士水平的畢業生在未來可能相當于高中生甚至初中生的水平，因此教育體系的改革已勢在必行。在這一改革過程中，需要系統性地討論未來的教師、未來的教學、未來的課堂、未來的課程以及未來的學校。然而在此之前，應首先回歸教育的本源，即教育的本質問題。懷特海指出，教育即是“理解”。教育的核心在于讓學生體驗知識發現的過程，而知識發現的核心是“理解”，其目的在于幫助學生理解其身邊正在發生的事情以及可能遇到的情境，因為這構成了其人生的根本內容。關于“理解”的含義存在多種界定，可以簡要概括為“理解一切，即寬恕一切”。該表述來源于法國諺語，其內涵包含“Understand all is to pardon all”以及“Understand all is to forgive all”。從個人層面看，理解意味著寬恕；從社會與法律層面看，理解意味著寬容。理解的實質是承認和接納發生在身邊事物的現實主體。在當今時代，這一主體即是人工智能。人工智能經歷多次寒冬后仍不斷發展，如今已形成不可阻擋的趨勢，因此它已成為一個不可回避的現實存在。
二、AI 的本質
但什么是人工智能AI? 人工智能是否僅僅是過去以算法為核心，從推理、規劃到深度學習等多種算法所構成的體系？多數人的理解仍停留在這一層面，但事實上，這種意義上的人工智能在三年前已被視為“老AI”。三年前起，許多大型企業提出的方向不再是“All in AI”，而是“All in Agents”, AI 成了"Agentic Intelligence"，即“舊AI"，因為更新的又來了。例如，Salesforce 將其核心產品更名為Agentforce，當前普遍討論的AI Agents 已不僅僅是智能助理，而是逐漸演變為數字員工乃至社會的數字生產力即數字人類。然而，這種趨勢也可能很快過去，并最終回歸到自動化的本質——自主。未來的發展方向或將通過Agents的組織與協調，使其成為獨立的社會組成部分，從而形成“Autonomous Intelligence”，就是即將到來的“新AI”，催生新的社會生態。盡管“AI”在縮寫形式上相同，但其內涵已發生深刻變化，其本質在于“智能的自動化AI（Automation of Intelligence）”。
人工智能的創始人約翰·麥卡錫在1992年曾親口對我說，AI就是"Automation of Intelligence"的縮寫，而這一概念的核心就是“知識自動化”。麥卡錫在交流中強調，機器人研究的實質即是自動化，而他所從事的則是智能的自動化，其本質即是知識的自動化，如圖1所示。這一觀點也深刻地揭示了教育在未來必將受到重大影響。當前學校傳授的大量專業知識，在未來可能不再需要依賴專門教師進行講授，因為這些知識將逐漸轉化為普遍的科學素質與常識，成為不學也必須掌握、不會即可隨時獲取的內容。傳統教育中對經典著作的背誦，例如《論語》《道德經》，曾被視為博士學位的標準，歷史上2000年前后博士的界定就是基于對一部書中某一章節的掌握。而在后面的科舉時代，狀元所需掌握的知識總量若以今日的“Token size”或比特數量衡量，實際上相當于小學程度。由此可見，知識教育體系及其學位在歷史演進中不斷發生變化，我們必須構建與AI知識自動化相應的體系，特別是盡快消除“刷題”與應試的危害。
當下我們必須正視的是，知識的自動化、產生、傳播、理解與利用正經歷深刻變革。在這一過程中，最關鍵的兩項資源“TA”: Trust 信任力與Attention 注意力。人工智能的另一位創始人司馬賀曾認為，信任與注意原本是無法成為商品的，但今天人工智能，機器人與區塊鏈的發展卻將其轉化為新的商品與流通要素。這一轉變標志著人類社會正處于從工業時代向智業時代的跨越關口，其意義可與當年農業向工業的轉型相類比，但更重大。當時，工業革命的本質在于將“時尚”這一理念通過紡織機、羊毛與棉花轉化為可大規模生產與流通的商品，就是紡織品，由此工業時代走上普及階段。而今天，人工智能、機器人與區塊鏈正在以類似的方式重構信任力與注意力的商品價值與流通邏輯。
圖1 知識自動化
當前我們面臨的情境與以往相似，但又多了新的要素。以美團、滴滴以及快遞行業為例，其本質在于利用“TA”將原本并非“工作”的事務轉化為新的產業形態。因此，人工智能的出現并不會導致大規模失業，相反，它將創造更多、更優質的工作崗位。這一趨勢與計算機的歷史演進極為相似：計算機這個詞（Computer）在最初專門指代進行算數工作的女工，但隨著技術的發展，計算機逐漸由人轉變為機器，從而消滅了單純的手工計算行業，包括中國打算盤的行業，但同時催生出軟件工程師、算法工程師、架構工程師等全新職業群體。如今，這些新興崗位被統稱為“碼農”。由此可見，人工智能不會消滅就業，但會使當前被認為優越的部分崗位消失，并將許多原本不被視為工作的事務轉化為新的勞動形式。例如，快遞在過去并非職業，鄰居或同事之間的互助便能完成相關事務，而在人工智能支撐的平臺模式下，社會的信用與需求被托付給平臺，快遞由此演變為一個正規化的大行業。未來，類似的轉化將不斷出現，更多非工作的事務將逐步成為新的工作崗位，甚至是優質崗位。同樣，在科研領域，許多原本不被視為研究的問題將逐步發展為研究課題，而當前一些熱門課題則可能在人工智能的推動下失去研究價值，蛋白質結構研究就是一例。由此，知識生產將進入一個新的境界，實現“無中生有”，突破邊際效應遞減規律，知識的應用越多，其價值反而越大，邊際效應遞增，如圖2 所示。
圖2 智能經濟新邊際效應
自去年起，國際社會如UNESCO提出“可持續發展科學國際十年”，并倡導“全民科學”。這一倡議強調小學至高中階段的學生均應積極參與科研活動，認為這是推動全球社會變革的保障和關鍵十年。相關統計報告顯示，現有科研成果中僅有萬分之三至萬分之五真正涉及人類福祉的發展，其余大部分研究未能產生直接關聯。因此，必須確立新的“社會契約”，調整研究方向，將這一議題上升為人工智能時代的全球性核心課題。中國自動化學會也正在與聯合國教科文組織UNESCO及其他國際組織進行合作探討，尋求共同參與“可持續發展科學國際十年”。顯然，這一時代僅依靠技術已不再充分，必須從根本上改變思維方式。
三、卡爾?波普爾三個世界理論
按照科學哲學的一種觀點，現實由三個世界構成：物理世界、心理世界與人工世界，分別由“老IT”工業技術（Industrial Technology）, “舊IT”信息技術（Information Technology ）和“新IT”智能技術（Intelligent Technology ）為主進行開發。當前正處于人工世界開發的關鍵階段，這也是人工智能與大數據興起的根源。大數據已成為新的資源，被視為“石油礦產”；而信息技術則經歷了由一百年前的工業技術演進至今日的智能技術的轉變。在這一歷史脈絡下，我們必須承擔起新的責任與使命。
曾有美國學者指出，中國人口若要達到與美國相當的生活水平，從資源消耗角度上考慮幾乎不可能實現，因為美國不足世界5%的人口卻消耗了全球約1/4至1/3的資源，而中國人口占全球的20%，其效率還被普遍認為低于美國，若要實現相同生活方式則需3 至4 個地球。但思維轉變，不僅能夠保證中國人民的生活質量提升，也能夠實現全人類的共同福祉。由此，工業技術作為開發物理世界的核心工具，信息技術作為開發心理世界的核心工具，而今我們必須開發人工世界，這一使命需要依托新IT智能技術與新AI自主智能的拓展與應用。
馬斯克最近的感嘆和認識：“The path to solving hunger, disease and poverty is Al and robotics (解決饑餓，疾病和貧窮的途徑是人工智能與機器人）”，很有道理，但遠遠不夠。人類的生命離不開“空氣”，英文就是AIR，未來人類的智慧生存同樣離不開智能時代的“新空氣AIR”：Automation自動化+Intelligence智能化+Robotics機器人”。該概念不僅凸顯了技術進步在社會治理與經濟發展中的基礎性地位，也為探討智能時代人類生存方式與社會可持續發展之間的關系提供了新的分析框架與理論支撐。未來的智慧生命離不開Automation、AI與Robotics的結合。這一組合不僅是人類智慧生存和發展的基礎，也是推動社會進步的關鍵。因此，我們需要不斷擴展我們的知識體系，將描述性知識、預測性知識與引導性知識相結合，并在認識論層面補充“信念”的維度，在“Being”與“Becoming”之外再加上“Believing”，以保證我們在科學探索和事業追求中的價值與理性的自然延展，如圖3 所示。這一理念，為中國古代哲學的“以虛無為本，以因循為用”思想注入了享新的智能科技之內容。
圖3 三個世界，三種意識
從近代歷史來看，人工智能起源于控制論的研究，具體可追溯至1943 年，維納等首次正式提出“循環因果”產生智能的思想，并啟發麥卡洛克和皮斯提出人工神經網絡的MP 模型，從而建立了計算智能的有效機制，這一思路逐步發展為今天的深度學習、Transformer 和當下的大語言模型，這一源頭在現有文獻中具有唯一性，分別見于1943 年1 月與8 月的兩篇奠基性論文，盡管至今幾乎無人提及。
回到控制論的本源，其核心理念在于反饋與閉環，而這正是“循環因果”與“三個世界”理論相契合之處。若站在不同的世界立場，笛卡爾“我思故我在”可延展為“我在故我信，我信故我思”，最終形成整體的哲學邏輯。這種邏輯既能將社會科學中的“What if”與工程理科的“If then”結合起來，也能實現從小知識到大數據，從大數據到深智能的演化。同理，在教育領域，可以通過這一機制將個人零散的教育知識匯聚為教育大數據，再依托人工智能構建“教育深智能”。因此，教育與管理是人工智能未來最先應用和變革的關鍵領域，由此可實現“天人合一：人機結合、知行合一、虛實一體”的理想狀態。在此過程中，理工與文科將不再分立，而是融合為“一科”：“融科”。
圖4 三個世界，三種意識
四、未來學科結構
教育過程將從小學到研究生形成“從1 到無窮大”的認知路徑，再通過虛實反饋平行循環實現“從無窮大到1”的落地，從而真正改善人類生活，如圖5 所示。這一進程無論被稱為“具身智能”還是“嵌入智能”，其實質均是人類物理知識與人工智能相結合的具體化體現。未來世界將由三個世界和三種人類構成，廣義人類的主體將是數字人類，即AI Agents，數字化的“你”將成為社會常態, 占80%以上，生活在算力世界里。機器人將不超過15%，而真正具有生物人類身份的比例將不到5%，必須成為社會的主宰者或游戲規則制定者。傳統文化中“望子成龍”“衣錦還鄉”的觀念往往以犧牲他人為代價，因而不可持續，而在數字人和機器人社會中，人類有機會將這種理念轉化并延伸至數字人類與機器人群體，使95%以上的廣義人類得到合理配置，從而維持人類作為最終主宰的地位。
為此，我們應該認識到人工智能本身不可被完全解釋，但必須納入治理框架，使其服務于人類。從前這一目標僅存在于夢想之中，而如今大模型為這一愿景提供了現實路徑。
圖5 基于學科交叉的元學科
如圖6所示，當前的大模型呈現為“大問題，大模型”的形式，能夠回答幾乎所有問題，但未來必然會發展為“小問題，大模型”的業務大模型的模式，即圍繞具體問題進行更加精準的解答，最終由人類作為主宰進行選擇。在這一邏輯下，未來公司與組織最重要的知識產權與資產將是“場景工程”，其核心在于教育案例、管理案例與工程案例的場景化表達。如果數字員工、機器人員工與人類員工在這些場景中的表現不能達到90分甚至95分以上，則無法勝任重要崗位。當然，每個人仍然擁有生存權，這意味著未來每個人自出生便擁有基本收入保障(Universal Basic Income, UBI)，并輔以普遍人道關懷，使其享有基本體面生活(Universal Humanitarian Income, HBI)，但若不努力則只能維持在基本收入保障水平。最終，計算機的操作系統與人類的管理系統將分別向上與向下發展，最終合二為一，構成面向三類人類的統一系統(Human Oriented Operating Systems, H?O)，涵蓋優先權、調度機制、任務分配與中斷機制，由此方能邁向可持續發展的未來。
圖6 三個世界，三種技術
未來人類的日常生活應以AI 自主模式(AM, Autonomous Mode)為基礎，“早晨”AM的時間由機器人與數字人獨立完成大部分工作，要求占二十小時以上；進入“下午”PM（Parallel Mode）模式時，人類可通過遠程或云端指令讓機器人和數字人繼續處理事務，要求占三小時以上；而剩余約不多于5%的時間，即不超過一小時，需要處理治理、復雜或不可預判任務，進入“晚間”EM（Expert/Emergency Mode），即專家/應急模式，人類必須親臨現場，在機器人與數字人的輔助下完成任務。這才是理想的人類生活狀態：新技術的應用目絕非是讓人類陷入過勞模式，而是實現“機有機用，人有人用，人類應過人類的生活〞，減輕勞動強度，實現從傳統996式的碼農工作文化，向“1023”智儂工作模式轉變：即每天早上十點上班、下午兩點下班，每周工作三天；而且，每年1023的10月23日的“智儂節”開始放假，直到第二年的1月23日，形成一年內合理安排的休假與工作周期。實現這一目標的前提在于教育體系的革新，需要重新思考未來教師、學校與學習的定義，明確新一代學習者的特征。
五、新教育
我們秉持平行教育理念，即虛擬與現實結合，核心方法為“干中學、學中干”，通過K21=iSTREAMs+ iCDIOs體系實施平行學習，如圖7-8。該體系起源于2013 年QAII開啟的教育創新實踐，其中教師與學生均為學習者，數字化教師與學生將伴隨個體終身，可根據選擇持續承擔教育角色。教育理念遵循懷特海的觀點，即優質教育應避免灌輸過多內容，而應專注于精深教學，由此提出“Make a Case for CASE”，將控制自動化理論與新物理、新數學、新化學融合，實現跨學科教學。AI 中的“A”轉化為自主Autonomous，并將社會科學與人文科學納入CASE教育，通過傳統三步曲MAC(Modeling, Analysis, Control)、大模型等工具推動從分析到計算認知，從控制Control到收斂Convergence 再到MetaControl和MetaConvergence，實現新的“三步曲MAC”: MetaScience, AI, Circular Causality，最終將小知識轉化為大數據，再由大數據形成深度智能。每個行業應將多樣性、涌現性與收斂性整合為可教可學的流程，將復雜多變的世界轉化為敏捷、聚焦、可控的體系。
為此，我們開始了從3D 打印和社會制造入手的創新教育實驗，并于2014 年在ASEE（美國工程教育學會）年會上介紹經驗。之后，持續推進K21 教育體系，在原STEM和CDIO體系上改進，加入“I”，強調教學需具激勵性與國際化視角等；加“S”強調安全，包括物理、信息與生態安全，并結合機器人，AI與藝術元素，構建新的人工智能教育體系。
圖7 “干中學”跨學科問題解決能力培養：iSTREAMs
圖 8 “學中干”跨學科問題解決能力培養：iCDIOs
六、面向終身學習的K21
自2017 年起，中國自動化學會設立智航教育基金，在云南、貴州、甘肅推廣智航學校，現已覆蓋32 所學校，并逐步擴展至拉薩。云南的實踐經驗表明，通過競賽激發學生學習興趣，傳統考試可轉化為競賽資格賽，學生可通過計算機自測，主要培養交流、表達、溝通、調度與協調能力，這些技能與未來生活密切相關。智航教育已被國務院評為50 個扶貧樣本工程之一，并在國際上推廣，包括在匈牙利與馬來西亞進行的人工智能K21 教育合作。中國自動化學會通過將智能科學與技術同教育相結合，推動教育深度改革，實現物理世界、信息世界與生態世界的安全，保障個人與集體利益，為人類命運共同體服務，最終走向共同智慧的社會。
*本文根據作者所作報告速記整理而成
嘉賓簡介：
王飛躍，1990 年獲美國倫塞利爾理工學院（RPI）計算機與系統工程博士學位。1990 年起在美國亞利桑那大學先后任助教授、副教授和教授，機器人與自動化實驗室主任，復雜系統高等研究中心主任。曾任中國科學院自動化研究所副所長，現任中國科學院自動化研究所復雜系統管理與控制國家重點實驗室主任，中國自動化學會監事長。主要研究復雜系統、智能控制、智能機器人、無人駕駛、平行智能、平行情報、平行管理、社會計算、知識自動化等領域。
