人工智慧在最近20年有可能大量代替老師的工作嗎?

時間 2021-05-30 07:14:59

1樓:您好科技

實事求是的說,應該不大可能。

教育的本職是育人,教育是從心出發的偉大事業,而教師擁有著人工智慧所無法替代的特質,教師是富於感情和智慧型的,懂得在潛移默化中將優秀的品質融入教育。

人工智慧只是替代教師的部分勞動,並不能取代教師的角色。這是因為雖然機械人也有對話、動作等交流功能,但和人類豐富細膩的感情相比差距甚遠,更不用說達到教師以情育人的大愛境界了。

從人類的情感本質出發,教師的神聖的義務就是要教學生做人的道理。在學生踏入社會之前,他們需要獲取除了知識以外的東西,需要有相應的能力和素質來適應社會。教師是孩子們的引路人,這便是人工智慧時代教師在孩子們成長道路中所承擔的角色,而在人工智慧面前,學生們通過教師的指導來獲得自主學習的能力,他們需要在教師的引導下獲得不可替代的自主、自強、自由的能力。

所以,歸根結底,人工智慧在未來20年是不可能大量替代老師的工作,而是在老師部分工作的範圍內,以科技化、智慧型化、互動化的技術,幫助老師解決工作內容,達到更高質量的教學,讓孩子的學習更加有效率。

2樓:愛封別人號的知乎

老師這個工作需要口齒伶俐,口齒伶俐不像下棋,下棋是完全資訊博弈,而上課是不完全資訊博弈,即你不可能掌握所有的資訊,除非人工智慧取得突破,否則不可能大量代替老師工作。

3樓:喬嘎嘎

作為一名大學輔導員,立德樹人是我們的根本任務,人工智慧在未來可以幫助我們處理事務性工作,但是對於工作中的核心部分,對學生思想的引領與教育,這是我目前看不到有替代性可能的。反而是人工智慧的出現可以把我們解放出來,將中心真正放在人的培養上面。

4樓:西溪樹

不會。1.人類是群居生物,有強社交需求,需要線下社群學習,社群學習需要社群組建者和維護者,教師是當然角色

2.人類有強情感需求,在可預見的未來,機械人尚無法提供人類同類間的情感體驗,在情感提供方面人工智慧無法取代人類教師

3.僅定位於知識搬運工的教師未來(至少10年後的未來)堪憂,有能力培養學生能力和提供情感體驗的教師不會失業

5樓:「已登出」

已有答題的人都只在內容上想。我覺得學東西,除了內容外,氛圍也很重要。有真實的人教,有真實的同學,跟對著一台機器是不一樣的。

特別是小孩子時期。也是人格成長的過程。到一定年齡,可以有自學能力吧。

6樓:巴別守望者

教師的作用可以粗略分為教書和育人。

作為教書匠的先生們,不是不可替代,只是學生還不太習慣,不是技術難以突破,只是生態尚未完全角成。教書這事情,其實沒用到什麼智慧型,所以學習成績不佳的,往往走上了講台。無論是生動性,知識性,系統性,針對性,成本,人類都不是計算機的對手。

作為育人的角色,就實在難以琢磨。一棵樹搖動另一棵樹,一朵雲推動另一朵雲,乙個靈魂喚醒另乙個靈魂。這麼玄幻的能力,恐怕非強人工智慧不能勝任。

對著一雙水汪汪的大眼睛,是摸頭殺還是擁抱效果更好,這個…好玄奧的。

綜上,知識教育,大部分老師早已是多餘的;人格培養,也許是人類最後的職業吧。

7樓:

老師最核心的工作類似於獄警,守著小朋友們不出安全事故平平安安不吵不鬧長大才是最重要的,教書還是次要的。

再說了,老師又不貴。

8樓:致熵

二十年?這正好是不上不下的時間,很難推斷。如果問十五年,我認為不能。

即使減少了教師崗位也是由於其他原因造成的,而不是因為人工智慧。其他原因比如學生數減少。為什麼不能呢?

因為短時間內,在教育領域,人工智慧只能起輔助作用,而無法起主導作用。

如果問三十年,我認為能,並且替代得相當劇烈,特別是中學文化課的專任教師,將完全被人工智慧所替代。

但是現在問的是二十年,那麼應該是危機感臨近吧。

對人工智慧在未來的危險有哪些常見的誤解?

最為常見是終結者 西部世界以及我機械人這類科Phantom視作品帶來的誤解。人工智慧最大的優勢不是擬人,而是高維數向量計算帶來的對因果鏈的挑戰,它效率高,它能較好的填充關係空間,通俗的講就用搜尋引擎模擬,人工智慧檢索速度快,檢出比例高,檢索匹配度高。 DiVoMiner 目前人工智慧還停留在不具有自...

機械專業的想往人工智慧方向發展有可能嗎? ?

哈哈哈 在機械工程領域,故障診斷適合與人工智慧進行結合。這是因為,故障診斷在本質上就是個分類的問題。而人工智慧演算法,最擅長的就是分類。常見機械故障 深度殘差收縮網路 江濤說職場 1.機械專業關於擇業的12個行業選擇,和15個崗位的分析。裡面在講到汽車行業的時候就提到過這個細分的領域人工智慧。江濤說...

在2年內人工智慧ai有可能看得懂全世界的任何一本名著嗎?

除夕 能看懂!和把大象關進冰箱一樣,只需要三個步驟 收集全世界的名著作為訓練語料。省略龐雜的語料收集 預處理過程 用足夠容量的預訓練語言模型在該語料上預訓練。方法有很多,可參照 GPT 2 的預訓練方法。省略龐雜的模型演算法開發 調參過程 給定乙個上下文,GPT 2 就能自動往下續寫。效果 DEMO...