（文章來源：中國社會科學網）

深度學習不是教育學獨有的概念。事實上，這一概念濫觴于20世紀50年代計算機科學的人工智能研究。1956年，在達特茅斯會議上計算機科學家首次提出了“人工智能”概念，期望能夠制造出一種“類人”機器。這一概念逐漸發展成為一門旨在研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的技術科學。與此相關聯，機器學習應運而生，這是專門研究計算機怎樣模擬或實現人類學習行為的領域，是實現人工智能的一種途徑。2006年之前，機器學習處于傳統的淺層學習階段，無法真正做到自組織運行，而且難以處理高度復雜的數據信息。

2006年，加拿大辛頓（Hinton）教授等提出了深度學習的概念。深度學習是一種能夠模擬出人腦神經結構的機器學習方法，它源于對人工神經網絡的研究，并得到了大數據技術的支撐。深度學習開發出了不同于淺層學習的算法，其實質是對人腦神經元網絡進行抽象的計算模型，能夠發現高維數據復雜的結構特征，大大拓展了機器學習的功能，目前已在圖像識別、語音識別、自然語言處理等領域大顯身手。由此可知，教育學中的“深度學習”與人工智能領域的“深度學習”是完全不同的兩個概念，其出場域、問題指向和生命史均沿循著不同的理路。然而，當前人工智能的深度學習卻在逐步侵入教育領域。

基于人工智能的圖像識別、語音識別等技術在生活、工作中迅速普及，圖像識別、VR/AR學習等在教育教學中迅速推廣。很多研究人員受到技術便利和公共思潮的迷惑，不去深入探察深度學習在教育領域和人工智能領域的不同旨趣，或者混淆了這兩個名稱相同的概念，而盲目呼吁促使學生的學習向機器學習看齊，輕率斷言用機器深度學習的原理和方法來指導人類學習是提高人的學習能力的有效途徑。一些研究者已著手開展有關研究，基本思路就是借鑒機器深度學習的原理，設計程序以迫使學生不斷重復學習循環的過程，從而達到提取和再現快速精準的目標。這類研究迎合了應試教育的需要，因此得到了廣泛肯定和應用。

機器深度學習在教育領域的快速擴張是一種危險趨勢，人工智能中的深度學習與教育學中的深度學習旨趣大相徑庭，其酷炫技術背后的理念及結果可能與教育學中深度學習的追求背道而馳。例如，圖像識別很可能強化了對學生的控制，增強記憶很可能加強了機械學習卻損害了學生批判性思維和創新性思維的發展。學習的主體是“人”，這是必須堅守的信念。

任何技術的發展進步都應以提升“人”、完善“人”為目標，決不能危害甚至取代“人”自身。當下以深度學習為核心技術的人工智能依然處于“弱人工智能”階段，機器的“智能”相對于人類的認知能力還不可同日而語。與機器人相比，人類自身的優勢還是壓倒性的。即使未來人工智能真的高度“智能”了，這樣的智能技術更須堅守以人為本的底線。