1、深度学习究竟是什么*来自历史、共时和未来维度的探问曾文婕摘要 从历史沿革探察，对浅层加工和深度加工的探讨开启深度学习研究端绪，深度学习产生之后，经由人工智能热点事件助推“成名”，已成为多国教育改革的一面“旗帜”。从共时视野探析，以家族相似理论解读，深度学习是一个横跨多领域的“复数”概念，使得关于学习的认识从重视认知维度拓展到兼顾知情意等多维度、从注重学习方式改进拓展到观照整体学习活动优化、从强调知识继承拓展到追求知识创造、从聚焦个体拓展到关注文化境脉。展望未来，启动超学科研究以“新型共通问题”统整多领域研究，有利于深度学习持续生成发展并展现出新样态。同时，需要避免将深度学习作为时髦“标签”肆意
2、滥用的倾向，也要避免将“浅层学习”与“浅层学习取向”相混淆，并将深度学习与浅层学习理解为“互斥”关系的误区，明晰深度学习在目标、内容、教师教学与评估等方面的要求，持续促成浅层学习转化为深度学习，进而在一定程度上扭转教育功利化倾向，祛除重育分轻育人痼疾，助力育人方式改革和学生核心素养发展。关键词 深度学习；核心素养；育人方式改革；学习理论；浅层学习作者简介 曾文婕，华南师范大学教育科学学院副院长、教授（广州510631）深度学习，已成热词，并为人熟知。但熟知非真知。熟知上升至真知，必须“超越名称 式的把握，而达到 概念 式的理解”。1“概念是人类认知思维体系中最基本的单位学术研究很重要的一个方面
3、就是概念分析，只有概念分析工作做扎实了，后面的论证才有意义。”2究竟如何理解深度学习？在纷繁复杂的表象背后，深度学习概念的演进有没有呈现出一些共识？要想稳妥而有力地回答这些问题，需要走进历史深处探察具体沿革，开启共时视野加以整体观照，进而面向未来发展提出具有前瞻性和全局性的建议。本文基于历史维度、共时维度和未来维度相结合的分析框架，尝试从学理上厘清深度学习的概念，以期深化相应的理解，为当前教育领域如火如荼的深度学习改革实践提供一定的参考。一、在历史沿革中辨识“与自然现象相比，文化现象更为明显地受到生成的制约。它们无论何时都不可能游离于过程的溪流。”3因此，需要“把所有单纯的事实都归溯到它们的生
4、成，把所有的*本文系国家社会科学基金2018年度教育学一般课题“以学习为中心的评估理论建构研究”（编号：BHA180125）的研究成果。52结果都归溯到过程，把所有静态的事物或制度都归溯到它们的创造性活力”4。深度学习这一概念，在生成发展的历史中获得并确证自身存在的合理性。（一）萌芽阶段（20世纪70年代初至中期）学界一般认为，马飞龙（Marton，F.）等人于 1976 年在 英国教育心理学杂志 发表的 论学习之质的差异：I-结果和过程5一文中最早提出深度学习概念。但该文用的是“深度加工”（deep-level processing），并未用“深度学习”一词。该文呈现了两项研究。第一项研究是
5、40名学生阅读著作的部分章节，分别在阅读完成时和约六周半后根据所读内容回答相同问题；第二项研究是30名学生阅读文章，分别在阅读完成时和约五周后概述文章内容，研究者还让学生反思自己是怎样学习这篇文章的，并将学生的反思情况划分为不同的加工水平。研究发现，学生学习的过 程 和 结 果 存 在 质 的 差 异；进 行 浅 层（surface-level）加工的学生，关注文本本身，或多或少地使用机械记忆策略；进行深度加工的学生，关注文本想要表达什么，即领会作者的观点。文献检索表明，马飞龙不是在1976年首次使用深度加工一词，早在 1974 年他已开始使用这一术语，指出如果满足一些前提条件，诱导深度加工是
6、改善学习的唯一途径。6往前追溯，1972年就有学者用“深度”（depth）描述认知加工水平，用“加工的深度”说明越有深度的分析越能充分利用规则和先备知识，越能带来更精细、更持久的记忆。7马飞龙虽未在 1976 年的论文中使用深度学习一词，但他用“浅层加工”和“深度加工”两个概念来归纳发现，开启了端绪，引发了后续的深度学习研究。（二）成型阶段（20 世纪 70 年代末至 90年代末）20世纪70年代末，为了让概念用词更为准确，有学者提出用“深度学习方式”（deepapproach to learning）替代“深度加工”。学习包括意图、过程和结果，马飞龙对深度加工的描述同时涉及意图和过程，用“方
7、式”一词兼顾意图和过程，更为恰当。8马飞龙也表示用“加工”一词描述学习的差异过于狭隘，认可“深度学习方式”这一用法。9自此，深度学习概念正式产生，越来越多学者对其展开研究，“deep learning”这种更简洁的表达也沿用开来。这一时期的代表性研究成果如下。恩特威斯尔（Entwistle，N.）团队探明，选择深度学习方式的学生会运用理解、建构关联、使用证据和检查论证等学习策略，属于意义取向，源于内部学习动机；采用浅层学习方式的学生属于复制取向，源于外部学习动机，以完成作业或考试为目的。10比格斯（Biggs，J.B.）团队分析了促进学生深度学习的因素，包括适当的动机背景、高质量的学习活动、学
8、生同伴间和师生间的高度互动以及良构的知识基础等。11帕斯克（Pask，G.）团队发现，深度学习者有整体论者（holist）和序列论者（serialist）之分，前者追求对不同事物及其相互关系的整体性理解，后者喜欢针对单个主题循序渐进地学习。12（三）发展阶段（21世纪初至今）深度学习概念产生之后，虽陆续有相关成果发表，但深度学习能一跃成为研究热点，与深度学习在人工智能领域取得非凡成就带来的轰动效应密切相关。深度学习主要在人工智能的分支之一机器学习领域得到运用。机器学习是指“从有限的观测数据中学习（或对Ference Marton的称呼多种多样，如马顿、马尔顿、马腾或马登，有说是美国或芬兰学者。
9、事实上，他是瑞典学者，长期任瑞典哥德堡大学教授，后来在香港大学和香港教育学院（现香港教育大学）工作过一段时间，有自己认可的中文名马飞龙。53猜测）出具有一般性的规律，并利用这些规律对未知数据进行预测的方法”。13机器学习与人的决策有相似之处。人从已有经验中归纳规律用于帮助未来的决策，机器则是通过数据处理提取规律得出模型，并运用于新的认知场景。机器学习也分浅层学习和深度学习。浅层学习不涉及特征学习，由人工提取特征供给机器。深度学习致力于让机器自动提取特征。机器要能逐步提取底层特征、中层特征和高层特征，就必须构建具有一定“深度”的模型。为此，就需要一种学习方法从数据中学习一个“深度模型”，这就是深
10、度学习。14深度学习中的深度模型，主要是一种人工神经网络，15是受人脑神经系统工作方式启发而构造出来的数学模型，包括一个输入层、多个隐藏层和一个输出层，以便逐层自动提取特征。人脑神经系统是一个由生物神经元组成的高度复杂网络，能将声音和视觉等信号经过多层编码，从最原始的底层特征开始不断加工、抽象，最终得到更抽象的语义表示。16比如，在视觉皮层内部，神经元按多层结构排列，感官信息在皮层间层层传递，对世界的表征越来越抽象。17人工智能领域深度学习的实质就是依据人脑对信息的多层处理模式，采用海量数据进行逐层训练，让人工神经网络中的每一层都提取一些新的特征，原始的信息通过逐层传递与转换，成为更抽象的表示
11、，以便对事物进行区分，从而进行模式识别等。深度模型的层数即深度学习的深度。目前，模型深度已从早期的几层增加到十几层甚至上百层。经由人工智能热点事件等助推，教育领域愈发重视对深度学习的研究。美国教育传播 与 技 术 协 会（Association for EducationalCommunications&Technology，以 下 简 称AECT）2005年发布“教育技术”新定义，即“教育技术是通过创建、使用和管理合适的技术过程与资源以促进学习并改进绩效的研究和合乎道德规范的实践”18，该定义中的学习指不同于浅层学习的“深度学习”。19深度学习是学生将现有想法与先前知识联系起来寻找隐含的规则
12、，批判性地审视各种主张并反思自己的理解；而浅层学习主要是对事实的记忆，将材料视为无关联信息碎片加以处理，不假思索或策略地执行例行程序。20AECT定义引发多国学者的广泛讨论，特别是深度学习对 21 世纪技能培养和核心素养发展的重要作用被彰显出来，使之成为教育改革的一面“旗帜”。21 世纪呼唤培养具有专家思维和复杂沟通能力的人才，而深度学习正是培养学生 21 世纪技能的主要途径。21富兰（Fullan，M.）团队于 2014 年开始以多国协作的方式来推进深度学习，已有澳大利亚、加拿大、芬兰、荷兰、新西兰、美国、乌拉圭等国上千所学校参与。22针对仍然存在的学生机械学习、被动训练和死记硬背等问题以及
13、本应指向学生全面发展的教育活动被有限的、重复性的知识学习和应试策略训练替代等困境，原教育部基础教育课程教材发展中心于 2014 年着手研究开发“深度学习”教学改进项目，明确提出深度学习是全面深化课程改革、落实核心素养的重要路径。23在培育学生核心素养的政策引领下，深度学习的研究与实践呈增长态势。二、在共时视野中辨析源源不断发生的深度学习研究与实践，已经形成杂多的认识。立足共时视野，辨析出历史脉络中一些核心要素及要素间的关联，启动一种秩序化整合的努力，就显示出独特的意义。（一）以“家族相似”分析深度学习从历史沿革来看，深度学习起源于心理学领域，活跃于教育学领域，兴盛于人工智能领域，正在扩展至更多
14、领域。而“多中求一”的思维习惯，要求启用一种新的思维方式来 54考察、统整和解释众多认识，增进对深度学习的理解。对此，“家族相似”可以作为思维的指引。作为维特根斯坦（Wittgenstein，L.）后期思想中的一个理论，家族相似在人文社会科学的概念分析上发挥了效力，影响深远。他指出，传统概念理论认为要理解一个概念就一定要给该概念下一个明确的定义，而定义的方法就是抽象出这个概念的本质，这一本质是该概念下所有成员共有的特征。他不赞同这种思路，而是主张以对某个特定概念下属成员“亲缘关系”的追求，即彼此部分分享的相似性，来代替传统概念理论对“共同特征”的追求。这样，维特根斯坦用“相似性”追求替代了“同
15、一性”追求，使一个概念下的家族成员呈现既多样又收敛的关系形态。语词基本含义的多样性是不可避免的，虽然找不到哪一个特征可以在家族成员中普遍化地存在进而能够用它来标识该家族的所有成员，但语词意义的一致来自众实例构造出的众意义的“互搭交叉”，犹如众纤维的互搭交叉而非一条贯穿始终的纤维构成了一根线的一致性。这种一致性所具有的“强韧度”，完全能够满足理性要求和使用目的，比如形成一个科学常规研究范式的目的或保障科学语词意义一致性的目的。24运用家族相似理论分析深度学习，将多领域的深度学习视为彼此独立但又具有相似性的概念，承认深度学习是横跨多领域的一个多姿多彩的庞大家族，就能够“看到”深度学习历史上的代表人
16、物、研究问题、所持观念与理论学说形成了复杂的关系网络。“看”的方式，得以改变和升华。（二）作为“复数”的深度学习以家族相似理论分析，深度学习成为一个“复数”概念，各领域的深度学习研究分别探讨了深度学习的某些维度、侧面或意涵。（见下表）将深度学习视为“复数”概念，主要有三重价值。一是正视深度学习的多样化。面对各领域对深度学习的不同理解，不必在“单数”意义上考虑哪一种“深度学习”的认识优于另一种认识，或哪一种“深度学习”的认识才是对的，而是将多种认识放到相应的学术脉络中去理解，将不同看法置入更广阔的学术讨论场景中去辨析，这会更有建设性。每种深度学习的界定都是在特定语用环境中发挥自身的作用，随语用环境的变化而合理变化。二是厘清深度学习家族网络及成员分布。要真正理解深度学习的含义或用法，就不可能脱离这个家族网络。某一类型的深度学习只是家族网络中的一个成员，该成员只有在家族网络中才能洞察到自己在网络中的哪一格，明确自己与其他类型的深度学习在历史谱系上和研究主题上的关联，进而更加清楚自己的基本定位与独特价值以及还可以与网络中的哪些成员发生联结、尚欠缺什么、发展空间如何。由此，既有利于对深度学习的接
