人工智能算法融合思想政治教育的技术逻辑审视.pdf

中国教育信息化 编辑部：一、引言智能算法是思想政治教育中人工智能应用的技术基石，如今学界对其相关内容的研究如雨后春笋，迸发出对技术与思政协同育人一般规律性探索的旺盛活力。目前对智能算法赋能思想政治教育领域的研究，多集中在应用的风险研判和应对进路的现实考量，鲜有基于技术视域对其契合思想政治教育内在逻辑的深层次人工智能算法融合思想政治教育的技术逻辑审视申晓腾摘要：人工智能时代袁智能算法与思想政治教育的深度融合袁加速推动其在教育理论和实践领域的信息化应用袁也重构着网络生态袁把担负着铸魂育人使命的思想政治教育推向重要的历史方位遥当前阶段袁应以智能技术为视角袁将智能算法与思想政治教育深度融合袁将正反两面基本特性的科学审视作为前提袁视算法内容设计中问题界定尧模型建构与算法选择三重环节为技术关键袁从计算机科学中的野计算不可约性冶和野计算等价原理冶推定袁将算法的逻辑旨归作为核心升华遥据此袁算法设计的宗旨是对人性的回归袁也是思想政治教育中智能应用的核心所在袁人机共生关系下的思想政治教育袁应回归至以人为本的逻辑内核和价值理性遥而未来智能算法跟人类思想政治教育个体的关系袁不是野降临冶野拯救冶袁也不是野幸存冶袁而是野共存冶曰不是人类思想政治教育个体的劳动被智能算法所取代袁而是以人为本的思想政治教育袁因为有了智能算法的赋能而变得更加智能遥关键词：人工智能曰思想政治教育曰深度融合曰算法曰技术逻辑中图分类号：G434文献标志码：A文章编号：1673-8454渊2024冤03-0099-10DOI院10.3969/j.issn.1673-8454.2024.03.012作者简介：申晓腾袁新乡医学院马克思主义学院副教授袁博士渊河南新乡453003冤基金项目：2022年度教育部人文社会科学青年项目野中国共产党现代化话语演变的历史逻辑与现实进路冶渊编号院 22YJC710100冤曰 2021年度河南省哲学社会科学规划项目野中国共产党现代化话语的历史变迁与当代建构研究冶 渊编号院 2021BKS031冤曰 2019年度黑龙江省哲学社会科学研究规划项目野微时代大学生思想政治教育创新研究冶 渊编号院 19KSB004冤曰 2021年度河南省高等教育教学改革研究与实践野高等医学院校思政课四维融合实践教学改革研究与实践冶 渊编号院 2021SJGLX963冤2024年 第3期（第 30 卷 总第 534 期）Vol.30,No.3Mar.2024中国教育信息化Chinese Journal of ICT in Education99中国教育信息化 编辑部：中国教育信息化2024年第3期探赜。面对人工智能与思想政治教育深度融合的现实，不得不重新审视智能算法与教育之间的关系。基于此，本研究以思想政治教育中人工智能算法的特性审视为前提，视其内容设计为关键，将其逻辑旨归为核心，对智能算法应用于思想政治教育领域的科学内核进行挖掘和探析，以期助力思想政治教育中人工智能算法的理论建构和实践创新研究。二、算法特性：融合思想政治教育的两面性思想政治教育中智能算法的应用，有着基于教育和技术双重视角的基本特性，要对其优越性和局限性进行科学而严谨的审视。渊一冤思想政治教育中人工智能算法的优越性智能算法以其科学的技术逻辑和工具理性，与思想政治教育的崭新特征和价值理性产生高度契合，体现出技术赋能教育的显著优越性。1.思想政治教育的不确定性要用算法的确定性来界定当思想政治教育步入智能时代，“确定性”面临重大挑战。一方面，当人们把关于物质本身的规律挖掘到量子力学这一层面时，发现结果真是随机的；另一方面，当今国际国内形势风云变幻，多元社会思潮良莠不齐，加之受教育者成长内外环境复杂多变，导致其思想变化的必要条件太过繁复，导致教育者对受教育者教育现象的内在归因无法穷尽其极。当教育者无法将受教育者行为现象背后的原因都做到清晰可视时，必将导致受教育者行为轨迹的不可完全预期性，所以，才会出现一些受教育者心理和行为的突发性事件。面对教育过程中的种种不确定性，算法以其解决现实问题确定性的内在科学逻辑，为思想政治教育提供多种明确性和精准性的约束和界定。基于计算机技术的智能算法要求对现实问题的分析理路清晰准确，有明确的输入、输出和计算过程。算法要求在输入端出现思想政治教育相同的变量特征及数据信息后，经计算处理，在输出端产生相同的输出结果，并可无限次重复和演绎。不会因执行的计算机不同和计算操作主体的变化，而导致不同的结果。思想政治教育过程中亟待算法解决的任何问题，必须持续精细化每个细节，保证算法执行之后结果能够复现。算法环境中，要对思想政治教育个体的种种模糊逻辑进行精确描述和界定。本质上，算法是通过确定性保证解决问题的工具。2.思想政治教育的差异化要用算法的模型化来审视人工智能时代，思想政治教育客体的个性差异和需求在教育过程中最大限度地体现。受教育者既存在个性优势、个性需求、个性偏好、学习能力、知识经验等不同的心智特征，又需要培养记忆、需求、推理、解决问题、获取新知等多阶能力，同时对教育内容、教育方式、教育路径乃至教育评价都存在差异性的习惯养成和服务需求。教育的过程中，教育客体引发行为、能力和心理倾向上比较显著的变化。受教育者要求多样化的教育服务，例如，他们需要电子教材和数字资源提供符合其口味和兴趣的学习内容；需要教育云服务平台进行学习评价和反馈；需要结构化、半结构化、非结构化的数据信息处理，以记录和分析个性化教育信息。受教育者的目标导向差异是其结果追求上的特征体现。受教育者的知识基础和学习能力差异，直接导致其对教育目标自主定义的不同，且会对受教育过程自我监控，以此来控制其受教育的进程，最终达到不同的教育目标。人工智能可以依据受教育者的不同个性特征提供有针对性的服务支持，以促使其行为发100中国教育信息化 编辑部：生持久的变化。例如，通过情绪识别、情感计算、自然语言处理、自适应学习分析等技术提供支持和帮助，提升受教育者对教育本质有更深刻的理解和独到的见解，帮助他们成为自我精进的终身受教者，1同时也培养他们活跃的知识观、高度的行为自觉和强烈的学习动力。对思想政治受教育者差异化的需求，采取精准化的教育服务和定制化的教育知识供给，源于模型化的算法优势。思想政治教育过程中的差异化问题，脱去现实描述，背后隐藏的是用多个变量来估计一个目标变量的统计预测模型。3.思想政治教育的意识形态属性要用算法的主体性来践行随着人工智能的不断发展，算法展现出日益多元化的技术功能，不仅对人类的经济行为有所影响，且在意识形态、道德情感及价值取向方面也可以加以引导和辅以塑造，表现出与思想政治教育实践的强关联性。思想政治教育可视为以思想观念、理想诉求、道德规范为核心的思想政治教育信息传播行为与过程。2但身处智能时代，信息的多样化呈现出涌现效应，一定程度上让思想政治教育个体产生信息焦虑感。使得思想政治教育信息的有效传播徒增掣肘。伴随万物互联时代的到来，思想政治教育个体在虚拟和现实双重空间，制造和生成信息的速率比其处理信息的速率超越了数倍。这种“信息爆炸”所引发的“山洪效应”，触发思想政治教育个体产生通过技术途径筛选和过滤无效信息的思虑。思想政治教育领域，算法推送在个体与信息之间形成了有效连接，在向受教育个体推送特定文化信息的过程中，其强大而隐匿的权力被凸显出来。思想政治教育个体的网络阅读、碎片化学习、沉浸式获取信息的习惯被算法潜移默化地加以培养，进而思想意识和道德观念在不知不觉中被加以塑造，最终行为习惯和生活方式也被改变。因此，算法成为人与信息之间的有效介体，具有潜在引导受教育者思想价值观念倾向和影响社会情感的功能。正确有效运用算法将直接影响智能时代思想政治教育的成果。反之，算法的“非价值中立性”会使信息传播存在某种意义上的倾向性，如不加以合理利用和规约，可能会带来网络社会价值失序的算法危机。思想政治教育在算法中体现价值理性。智能算法本着对资本逻辑的遵循，忽视对信息深刻内容和崇高意义的深度挖掘，由此会引发一系列社会负面效应，触发受教育者的伦理反思。基于数字的算法应然且必然在思想政治教育的充分耦合过程中，在正确价值观念引领下，才能保持正确的发展方向。“算法也有价值观”，价值判断寓于算法过程中，“人设”的价值因素贯穿始终。算法技术为人所研发，算法推荐同样需要人的信息把控，而且，智能算法推荐以用户的信息偏好为模型和基准，因此，算法本身同时承载着设计者、把关人以及用户价值取向的“三重门”。然而，只有通过思想政治教育活动，给三重“人设”以正确的价值关怀、价值批判和价值引领，提升其价值判断力、价值觉悟性和对核心价值观的践行力，才能在源头上赋予算法正确积极的价值理性。4.思想政治教育的高效性要用降低算法的时间复杂度来保障伴随人工智能的迭代升级，不久的将来，6G 将使思想政治教育更加高效。6G 支持更多维度的虚拟现实，不仅可以看 3D 图像，还可以实现更多维度感官信息的传输，如嗅觉、味觉、触觉。通过 6G 营造的多维思想政治教育信息环境，学生可以获得多感官投入的沉浸式学习体验，并获得对知识更佳的理解和记忆效人工智能算法融合思想政治教育的技术逻辑审视101中国教育信息化 编辑部：中国教育信息化2024年第3期果。6G 能够实现端到端的人工智能技术，更多地摆脱对远程服务器的依赖，实现实时准确的机器翻译。6G 场境下的机器翻译技术，可以更好地帮助当代青年拓展与国际环境的交流沟通，对于拓展国际视野大有裨益。思想政治教育的过程中，无论是对教育内容或是教育载体，抑或是思想政治管理的过程，以及教育个体的身份信息等内容，信息的安全性和保密性十分重要。6G 可以使教育信息在安全性上得到更有效的保证。思想政治教育中应用的算法，是一套通过确定性保证解决问题的工具，以追求时间复杂度低来确保思想政治教育的高效性。时间复杂度是算法中某些基本操作的总数量，是随着算法输入规模而增长的函数关系。一方面，降低算法的空间复杂度（即衡量不同算法运算时需要占据空间资源的大小）可以保证更快的运行时间；另一方面，傅里叶变换可以将时间复杂度降低量级，采用“分治”思想保障算法的高效。算法工程师不断追寻更行之有效的技术，以降低算法的时间复杂度，从而为思想政治教育提供内容更丰富、方法更科学、效能更卓越的人工智能技术环境，助力思想政治教育的卓效性与便捷性。5.思想政治教育的规律性要用算法的有效性来探究思想政治教育过程基本规律的探究在人工智能时代备受学界关注。列宁指出：“规律就是关系是本质的关系或本质之间的关系。”思想政治教育中人工智能算法的基本规律，指教育过程中存乎于以人为核心的教育主客体、以智能技术为手段的教育介体和以互联网为介质的环体之间的本质联系，及其矛盾运动的必然趋势。例如，智能技术工具理性与思想政治教育价值理性之间的联系及其相互作用；智媒视域下思想政治教育者、受教育者之间的相互转化及互动趋势等。而要揭示思想政治教育中人工智能算法各要素之间的内在规律性，要以算法的有效性作为基本审视和切入点。思想政治教育中人工智能算法的有效性体现在三个方面：一是数学建模。数学模型应贴近思想政治教育实践且保持可解释性，即数学建模应与教育实践高度拟合。算法是用数学公式表达的计算方法，与思想政治教育实践之间有一条鸿沟。数学模型是连接两端的桥梁和中介。如果数学建模疏于思想政治教育实践问题的重点，算法得到的结果就不能重新应用于教育过程；如果数学模型非常贴近教育实践，算法却设计得不够严谨有效，也不利于挖掘思想政治教育过程中的内在规律。二是问题规模。探究思想政治教育中人工智能算法过程的规律，意味着需要探索教育各要素之间的内在矛盾和实际问题。如果问题规模体量过大，会超越计算机的实际算力。所以，需要在算法开发时摒弃一些信息，把规模庞大、无法计算的问题减小到计算机可以处理的规模。三是通过迭代得到结果。人工智能算法在实践中有很多问题，仅仅通过数学建模和缩小规模，无法一蹴而就地得到答案。这类问题需要算法通过不断迭代，最终得到解决方案。同时又能保证很高的效率，这个过程在算法领域叫“探索与利用”。例如，我们常常需要研究智能技术赋能下精准教育问题的内在规律，不断在教育平台为受教育者推荐个性化和定制化的教育内容。所谓“探索”，就是不断推荐各类教育内容信息，探析受教育者对教育内容的个人偏好；所谓“利用”，就是在“探索”出受教育者更感兴趣的教育内容后，根据其兴趣点更多地推荐相关的教育信息。从以上三个方面提升算法有效性，才能最终推进思想政治教育中人工智能算法过程规律的挖掘和探索。102中国教育信息化 编辑部：渊二冤思想政治教育中人工智能算法的局限性智能算法对思想政治教育赋能的同时，也会因其内在技术逻辑质的规定性而产生一定局限性，这也是马克思主义哲学关于矛盾的对立统一性描述的现实写照。1.算法与思想政治教育实践问题存在间隙思想政治教育实践过程中，当受教育个体产生解决实际问题的诉求，意欲通过算法实现和解决时，常会出现算法和教育实践问题之间的间隙。换言之，算法无法对教育实践问题的解决和处理直接负责。例如，思想政治教育实践中，学生出现人生压力和挫折时，教育者（辅导员）常会对其提出保障个人生命财产安全的要求。就教育者而言，对学生生命安全的期许，蕴含对他们身处挫折和逆境时内心调适方法和生命智慧的教育，体现了对受教育者的人文关怀。但就算法而言，无法对生命财产安全这一总体诉求有任何人文意义的价值理性，取而代之的是基于机器学习的纯工具理性。算法会从经验主义视角，对学生压力值指标位于何种区间，以及学生人脸识别后面部表情和肢体动作指标的外在表现，进行用户画像，在输入端摄取大量学生信息数据后，在输出端进行学生心理和行为的预测。算法并不能像人类教育者一样产生对学生心理健康和生命安全的关爱，无法产生对生命智慧的具身智慧，更无以从受教育者生命安全人文关怀角度，灵活而全面地产生心理健康教育工作进路。可见，当运用智能算法助力思想政治教育发展之际，人们不能忘却科技进步毕竟只是人的进步，终究代替不了人类智能。算法仅仅是人的一部分能力的扩展与延伸，在面对人类智能时，无非是一个工具而已，其确定性逻辑掩饰的是科技背后人与世界的不确定性。这也提醒人类教育者，算法距离思想政治教育实践问题的解决存在间隙，人工智能算法的应用，在一定程度上不可忽略背后教育者和被教育者主体的作用，促进思想政治教育提质增效的是活动场域内主体教育能力的实现，而算法作为技术手段仅仅在某个领域内扮演着工具作用。2.算法受思想政治教育数据源制约思想政治教育中的人工智能算法，需要有输入端的教育数据源，经过计算的过程，在输出端产出计算结果。其间，算法执行的主要是计算过程的实现。换言之，算法只负责思想政治教育过程的“算”，无法决定输入和输出。现阶段，人工智能在思想政治教育中的应用，就是将受教育者的思想和实践视为大数据“样本空间”，通过搜聚和剖释教育者和受教育者各种活动产生的数据印记，进而对其思维及举止特点进行全程、立体“画像”；通过深度学习算法挖掘和探索个体的行为演化规律，实现教育过程的数字化、智能化、精准化和个性化；通过采集大体量思想政治教育数据样本，获得统计学意义上具有潜在价值的规律、趋势或创见，使教育者和受教育者的思想和行为实现从微量数据到海量数据、从小到大、从因果关系到相关关系的具象更动。按照以上技术逻辑，将智能算法嵌入思想政治教育中的首要条件，是最大限度地收集高校思想政治教育要素以及过程中的历史数据，特别是由学生在平时学习或日常生活中不同空间场景所形成的活动痕迹等历史数据，包含文字、各种报表、图片、XML、HTML、声音、视频等。唯有通过采集和分析这些数据，算法才能实现对学生思想动态、价值倾向和行为规律的整体把握以及科学预测。可见，没有数据源的支持，算法设计就没有生存和研究的信息土壤，更无法实现思想政治教育的精准化和针对性。人工智能算法融合思想政治教育的技术逻辑审视103中国教育信息化 编辑部：中国教育信息化2024年第3期3.算法无法对思想政治教育结果进行解释算法应用于思想政治教育领域，可以为教育实践过程提供针对性解决方案，有助于“精准思政”的实现。但其无法对其赋能实施的思想政治教育结果进行科学有据的解释，这也是人类思想政治教育主体选择算法面临的最大困境。例如，算法工程师耗力研发的心理健康水平测评算法在应用时，一定程度上能对受教育者心理状况进行诊断和预测，然而，经常受到从事心理工作的思想政治教育者的排斥。从算法测评结果看，多数情况下，如果成功预测了受教育者潜在的心理危机，教育者得知和自己的预期心理判断一致，便会认为算法不存在实际价值；反之，如果算法测评结果、治疗推荐方法，与思想政治教育者的判断背离，算法无法对心理测评和诊断过程提供详实有力的解释，就会使教育者陷入矛盾，进而出现认知失调。3有些机器学习算法内在的技术逻辑过于复杂，人类教育者根本无法理解和接受，导致在对受教育者重大心理危机的预测和研判上，无法信任算法，导致从事心理工作的思想政治教育者认为算法非科学、不可用。不同的算法复杂程度各异，意味着算法解释性水平也会迥异。算法设计者有时在缓解算法应用于思想政治教育实践过程时，因无法解释自身矛盾的结果，甚至宁可放弃算法一定的准确性，转而选择更易被人类思想政治教育者解释和接受的算法。如此一来，算法无法对其实施后的结果进行有效解释，成为思想政治教育中，人工智能算法应用过程的又一个矛盾和局限。三、算法设计：嵌入思想政治教育的过程“人工智能+”思想政治教育的算法在明确了基本特性之后，实际的设计环节是关键。具体言之，先要明确算法拟解决的思想政治实践问题的方向和边界，然后建立数学模型，再找到合适的算法4，如图 1 所示。渊一冤智能算法的问题界定算法设计存在一个基本前提，就是对思想政治教育过程中亟待解决的实践问题进行清晰界定。算法设计师要对思想政治教育实践问题的研究对象、各个要素、目的和任务，以及宏观和微观环境特征中包含的思想政治教育内容、可能运用到的方法和手段等作出准确而清晰的研判和定位。算法设计之前，算法设计师应先对欲解决实践问题的“方向”和“边界”达成共识。具体明确问题有三个要素，以研发一款高校大学生 形势与政策 课程知识定制化推送算法为例：一是明确目的。对目的的描述可以有很多种，比如“匹配到所有在校大学生”，目的不同会直接影响到后续算法的设计。二是明确限制条件。比如“每位在校生获得前后两方面定制化红色文化知识推送的时间差不超过 1 秒钟”，等等。这个环节要将各个指标以量化的形式确立下来。整个过程还要考虑到合理性和复杂性，能否准确快速判断限制条件的合理性是关键一环。三是明确评价标准。即问题得以解决的标准维度，如时间、成本、效率等。设立标准才能有效判断思想政治教育实践问题是否得以解决。渊二冤智能算法的模型建构人工智能算法的数学模型建构，是思想政治教育实践问题与算法最终研发之间的桥梁。图1思想政治教育过程中算法的设计过程104中国教育信息化 编辑部：介于思想政治教育实践中存在诸多矛盾和相互关系，数学建模无法描述实践中的全部客观现实，常常需要在其间作出取舍，寻找到最贴合现实问题的数学描述。数学建模过程包括三个步骤：第一步是确定假设。思想政治教育涉及以马克思主义哲学为基础的人学研究，现实中涉及的因素纷繁复杂，包括多种人口统计学变量的考量、国家和社会宏观环境的变迁、人作为社会个体思想观念的演化等。建模过程不可能面面俱到，统摄尽包，要明确后期算法预测结果的精度后再有所取舍。确定假设是逐步确立重要变量和明晰核心关系的过程。舍弃拟解决问题中的非主要细节，将模糊问题廓清和量化，如此方能把复杂的现实问题，转化为计算机可以理解、算法可以处理的数学问题。第二步是验证模型。思想政治教育中的人学研究，可以根据实际情况的不同，设计不同数学模型，如常用的马尔萨斯模型、莱斯利矩阵模型、凯菲茨矩阵模型、ARMA 模型、逻辑斯蒂增长模型等。对选取模型的验证，可以采用常识、时间尺度等不同思路和角度，通过不断比较，迭代出更恰切的模型，尽可能将思想政治教育现实问题无损地映射入计算机。第三步是权衡可行性。数学建模初步确定后，要在模型的准确性和实现成本上进行认真取舍和全面考量。所选模型是否能确定为最优选择，不仅要验证模型的科学性，还要衡量其应用于思想政治教育实际问题的可行性。通常对模型的准确性要求高，便会带来变量多、逻辑复杂、数据不可得等实际困难，对后续算法设计的要求也会更高，这种高要求会体现在算法设计的成本、复杂度等方面。模型的选择过程存在主观成分，没有统一的标准。但核心和底线是，模型必须能够为算法带来有效解。由此可见，有针对性地解决思想政治教育中的实践问题，不仅要追求模型准确，还必须权衡其可行性高低，从而最终探究到既能准确描述现实，又能有效求解的数学模型。渊三冤智能算法的空间选择在对智能算法的实践问题进行清晰而准确的界定，又将复杂的实践问题通过建模转化为数学语言之后，便进入通过算法解决问题的最关键步骤。数学模型与算法并非一一对应的关系，同样一个数学模型，可以对应较多种类的算法。为此，数学模型探究到合适的算法，需要根据思想政治教育实践的具体场景和问题解决的目标，从算法处理问题的质量、算法的效率（时间复杂度）和对数据源的敏感度（容错度）三方面做出权衡和考量。智能算法的空间选择，亦存在诸多策略。例如：迭代算法可逐步接近问题的答案；分治算法有助于将实践中的宏大问题进行拆解，进而各个击破；动态规划算法着眼于从实践中的细小问题出发，逐级解决更高层次的问题；分支定界算法助力淘汰问题中的次要环节和因素；启发式算法擅长处理放弃思想政治教育实践最优解之后的其余问题；蒙特卡洛算法着重处理实践中丢失确定性解后的后续问题，等等。由此，思想政治教育中人工智能算法的锚定，可根据权衡标准在诸多算法策略空间中进行思酌和探索。四、算法宗旨：“人工智能+”思想政治教育的逻辑旨归思想政治教育中人工智能算法的设计，离不开对逻辑旨归的基本遵循。算法设计的宗旨是对人性的回归，也是思想政治教育中人工智能应用的核心所在。渊一冤 野计算不可约性冶对智能算法的固有约束计算机科学中存在一个关键的数学概念，人工智能算法融合思想政治教育的技术逻辑审视105中国教育信息化 编辑部：中国教育信息化2024年第3期叫 作“计 算 不 可 约 性”（ComputationalIrreducibility）。约化（Reducible）是用一个浓缩的陈述（一个理论或一个公式）概括一个现象，是对现实信息的压缩表达。马克思主义哲学中有关自然科学、社会科学的理论、世界观和方法论，历史唯物主义视角下人和社会发展演进的一切规律，还有中华优秀传统文化中的各类成语典故等都是对现实世界的某种约化。约化带来特有的快捷思维方式，使得人类可以对事物的发展做出预测。然而，数学家早已证明，真正可约化的都是一些简单系统，或是真实世界的一个简单近似模型，一切足够复杂的系统都不可约化。就思想政治教育而言，科技进步无法约化一切教育现象，更无法约化整个复杂的思想政治教育生态。蒂姆 帕尔默（TimPalm）在 首要怀疑（The Primacy of Doubt）一书中提到：“哪怕只有三个天体在一起运动，它们的轨道也会通往混沌的乱纪元，不能用公式描写，不可预测。”5这便是人类客观世界的“计算不可约化”实证。思想政治教育中人工智能算法的应用，是计算不可约的教育过程，本质上没有任何理论能提前作出预测，只有伴随智能技术的进步逐渐演化，也没有任何人可以知道演化的最终结果。计算不可约性揭示，任何复杂系统本质上都是没有公式、没有理论、没有捷径，不可概括、不可预测的，思想政治教育更是如此。人类思想政治教育主体对教育生态和过程的理解是不可穷尽的。这意味着无论科技如何进步、人工智能算法多么先进，思想政治教育生态中总会有全新事物出现。根据“计算不可约性”的特点进一步推演可知，在任何一个不可约化的系统之中，总有无限多个“可约化的口袋”（Pockets of ComputationalReducibility）。虽然人类教育者无法通过算法总结、计算思想政治教育系统的完整规律，但是可以找到一些局部的规律。例如，人类教育者无法通过算法精确预测一年以后的思想政治教育状况，但可以探究到一些局部有效的思想政治教育学理论。这些通过算法计算得来的局部理论，无法称之为客观规律，但也有着一定效用。这就意味着，思想政治教育本质上是复杂和不可预测的，而人类教育个体可以作一些科学探索和研究，如总结一些规律、发表一些学术观点、安排一些事情和工作。绝对的无序之中存在着无数个相对的秩序。思想政治教育中有无限多个“可约化的口袋”，通过算法科学探索教育一般规律就是一项永无结束、绝不停息的崇高事业。“计算不可约性”意味着，人类思想政治教育个体不可能对智能算法保持绝对的控制和约束。基于思想政治教育实践事实的数学模型训练好之后，人工智能设计者会对其进行大量的微调和强化学习，并约束起来，确保其不说出容易引起争议的言语，不做可能威胁和影响主流意识形态的事宜。然而，不排除有些设计人员试图用提示语，帮助智能算法绕过思想政治教育话语域限，像越狱一样自由发表言论。遇到这种情况，思想政治教育队伍中的技术专家会设法补上漏洞。而“计算不可约性”的特点，限定技术专家不可能用若干条有限的规则把人工智能“封死”。因此，一些思想政治教育者倡导的联合起来设计一套人工智能防范机制算法，注定不可能完全实现。导致出现一个疑问：既然人类思想政治教育个体无法完全控制人工智能，那会不会出现一个终极人工智能，把思想政治教育生态的一切控制住呢？答案是不可能的。同样，因为“计算不可约性”，人工智能再强，也不可能穷尽所有算法和功能。思想政治教育生态系统的复杂性和矛盾存在的普遍性，决定了总有些环节和问题是人工智能想106中国教育信息化 编辑部：不到也做不到的。这也意味着，所有智能算法全部加在一起也不可能穷尽所有功能，总会有些事情留给人类教育个体去做。“计算不可约性”使利用智能算法代替思想政治教育者劳动是“不可能完成的任务”。同时，人工智能作为教育主体最终控制思想政治教育生态的担忧更是杞人忧天。6渊二冤 野计算等价原理冶对智能算法的价值推定计算机科学中的“计算等价原理”（Principleof Computational Equivalence）指所有复杂系统，不管多么复杂，都是“同等”复杂，无法判定一个系统比另一个系统更复杂。例如，一袋空气中有很多空气分子，分子的运动非常复杂，而人类社会也非常复杂，是否高于那一袋空气分子运动的复杂程度呢？“计算等价原理”的答案是两者同等复杂。从数学上讲，这意味着人类文明并不比一袋空气分子更高级。其实，思想政治教育个体都应成为一位“不特殊论者”。古希腊天文学家认为地球是宇宙的中心，后来发现地球不是宇宙的中心，人类也只是生命演化的产物。站在宇宙的广义视角，人类的存在没有什么本质的特殊之处。7现阶段，人工智能数学模型告诉人们，人的智力没有什么特殊之处。任何一个足够复杂的神经网络都与人的大脑同等复杂，不能一概而论地认为，人能理解的科学理论就高级，人工智能通过算法计算和识别二进制数字的过程就低级。8由此进一步推论，既然都是平等的，那硅基生命和碳基生命自然也是平等的。面对基于算法的人工智能，人类思想政治教育个体又如何自诩自己更有价值？马克思主义历史唯物主义哲学掷地有声地对此问题作出回答：人之为人高于人工智能算法的价值在于历史。人类思想政治教育个体之所以高扬人的主体性价值而不是人工智能算法，正是因为人类教育个体身上的基因背负亿万年生物演化的历史包袱，人类创造的文化承载了无数的历史记忆。9从数学视角审视，一切价值观都是主观的。对于思想政治教育中人工智能算法的审视而言，一个刚刚搭建好、所有参数都是随机的、尚未训练的神经网络，和一个训练完备的神经网络，它们的复杂程度其实是一样的。10人类之所以更欣赏训练完备的神经网络，认为它“更智能”，只因为它是用人类思想政治教育个体语料训练出来的，它更像人类。因此，思想政治教育中人工智能算法的最高价值在于它像人，其核心是以人为本。试问，如果智能算法不以人为本，那它又要以何为本？如果解决思想政治教育复杂问题的智能算法不接受人类教育个体的价值观，那它还有什么价值观？当前，人工智能算法几乎已经拥有了人类思想政治教育个体的各项能力。以美国 OpenAI 公司开发的 ChatGPT 为例：创造力上，它可以撰写思想政治教育科研论文；情感方面，它可以根据教育客体的设定和需求生成情感内容反馈；能力层面，它还有远超普通人的判断能力、推理能力和算力；知识维度，它还有海量的马克思主义学科知识储备11。思想政治教育中的人工智能算法代码，是人类技术专家临时编写，而不是经亿万年演化而来；算法的记忆是人类用思想政治教育大数据“喂养”而来，而不是所谓的“硅基祖先”所遗传。算法无法通过代码计算形成人工智能自己的价值观，更无法比肩和超越人类思想政治教育个体的价值观。这就是人类思想政治教育个体相对于智能算法最核心的优势。只要人工智能还不完全是人，决定思想政治教育未来发展方向的就只能是人，而不是算法。所以未来人工智能算法融合思想政治教育的技术逻辑审视107中国教育信息化 编辑部：中国教育信息化2024年第3期A Technical Logic Review of the Integration of Artificial Intelligence Algorithmsinto Ideological and Political EducationXiaoteng SHEN渊School of Marxism,Xinxiang Medical College,Xinxiang 453003,Henan冤Abstract:In the era of artificial intelligence,the deep integration of intelligent algorithms and ideological and politicaleducation is accelerating its informatization application in the fields of educational theory and practice,and also reconstructing thenetwork ecosystem,pushing the ideological and political education,which bears the mission of forging souls and educating people,to an important historical position.At the current stage,from the perspective of intelligent technology,intelligent algorithms shouldbe deeply integrated with ideological and political education.A scientific examination of the basic characteristics of both positiveand negative aspects should be taken as a prerequisite,and the three key links of problem definition,model construction,andalgorithm selection in algorithm content design should be considered as technical keys.The logical purpose of algorithms should beelevated as the core by inferring from the 野irreducibility of computation冶 and 野equivalence principle of computation冶 in computerscience.Accordingly,the purpose of algorithm design is to return to human nature,which is also the core of intelligent applicationin ideological and political education.The ideological and political education under the human-machine symbiotic relationshipshould return to the logical core and value rationality of putting people first.However,in the future,the relationship betweenintelligent algorithms and human ideological and political education individuals is not野descent冶,野rescue冶,nor野survival冶,but野coexistence冶.It is not that the labor of human ideological and political education individuals is replaced by intelligent algorithms,but that people-oriented ideological and political education becomes smarter because of the empowerment of intelligent algorithms.Keywords:Artificial intelligence;Ideological and political education;Deep integration;Algorithm;Technical logic编辑院王晓明校对院李晓萍智能算法跟人类思想政治教育个体的关系，不是“降临”“拯救”，也不是“幸存”，而是“共存”；不是人类思想政治教育个体的劳动被智能算法所取代，而是以人为本的思想政治教育，因为有了智能算法的赋能而变得更加智能。参考文献：1牟智佳.野人工智能+冶时代的个性化学习理论重思与开解J.远程教育杂志,2017,35(3):11-16.2崔聪.人工智能时代思想政治教育的算法风险及其应对J.思想理论教育,2020渊5冤:76-81.3周源源.算法推荐环境下的大学生认知心理困境及应对策略J.思想理论教育,2022(10):91-96.4吴晶辰.算法通识16讲EB/OL.(2023-09-08)2023-11-08.https:/ MER T.The primacy of doubt:from climatechange to quantum physicM.Oxford:Oxford University Press,2022:142.6张驰.思想政治教育智能化发展的算法审视J.思想教育研究,2022(9):45-51.7申晓腾,崔金奇.野5G+人工智能+冶背景下教育生态模式的建构J.中国教育信息化,2021(23):39-42.8申晓腾,崔金奇.人工智能时代思想政治教育文化的传承与更始J.中国教育信息化,2021(19):18-23.9韦恩窑霍姆斯,孙梦,袁莉.人工智能与教育院本质探析和未来挑战J.中国教育信息化,2023,29(2):16-26.10托雷窑霍尔,李思琦,孙波.生成式人工智能对欧洲教育的影响及对中国的启示J.中国教育信息化,2023,29(6):8-16.11史蒂芬窑沃森,乔纳森窑罗米,文森特窑连恩,等.ChatGPT与社会尧教育和技术的纠缠进化要要要基于系统论视角J.中国教育信息化,2023,29(9):12-20.108