“你会下围棋吗？”

有些出人意料的是，这个问题几乎可以很确定地暴露出回答者的性别。因为围棋圈——就像某些科学学科和学术项目一样——长期以来以男性为主。这种性别失衡在很大程度上源于社会和文化因素，科学领域亦然。但回顾围棋绵延数千年的历史，它未必一直如此。而事实上，大量的证据表明，正是围棋的代际传承形式，如同学校中对待科学知识的教学方式一样，在很大程度上造成了这种令人警醒的不平等。

2022 年，香港大学的两位研究人员通过一项研究清晰地印证了这一点。他们比较了两种围棋教学方式在五个月实验期内所产生的效果：一组由人类教师授课，另一组则在一位由人工智能驱动、形象友好的“虚拟导师”指导下学习。结果一目了然——接受 AI 教学的学员整体表现更佳，更重要的是，男女之间不存在差异；而在由人类教师授课的组别中，原有的性别差距依然存在。

原因何在？很可能在于教师——往往是无意识地——延续了某些刻板印象，通过细微却持续的行为传递出信号：例如更常让某些学生回答问题，对男生给予更多表扬或鼓励。这些信号被学生感知、吸收，甚至被放大，最终固化为差异。

当女孩们在一个事先被验证为“无偏见”的人工智能系统中学习，且不受同伴互动影响时，这些隐性的负面暗示便不再左右她们的表现。

显然，我们很容易将这一实验结果直接套用于更广泛的教育领域。但它是否足以证明人工智能在学校和大学中应当扮演关键角色？我认为，答案尚不足够明确。尽管如此，我坚信，人工智能在解决科学教育中的性别偏见方面所蕴含的潜力，值得我们投入更多严肃而深入的研究。

人工智能的教学价值是一个复杂议题，社会学家和教育专家势必还将就此展开长期讨论。从完全排斥，到不切实际、也不可能实现的“全面取代人类教师”，各种观点不一而足。在现实层面，我们仍需探索：在遵循明确原则的前提下，如何在课堂中合理使用 AI，使其为学生提供个性化辅导，从而有效支持而非削弱教师的角色。

首先，我们必须确保生成式人工智能所使用的模型本身不被性别偏见所“污染”。这些模型依然存在结果不可预测、推理过程难以解释的问题。近期的一些案例——尤其是在招聘领域的应用——已经表明，如果缺乏审慎治理，人工智能不仅无法消除歧视，反而可能强化甚至放大既有的不公平做法。

即便如此，我们仍然迫切需要以围棋实验为起点，开展更多类似的探索。根据联合国教科文组织的数据，目前全球 STEM 学科的学生中，女性仅占 35%（法国更是只有 32%）。在我们正面临前所未有的科学与工程挑战之际，世界——尤其是法国——却仍在持续流失本可发挥重要作用的大量人才。

当下，围绕人工智能的讨论与想象层出不穷：有些应用正在落地生根，有些则终将被证明只是昙花一现，甚至并不适用或难以持续。但如果这一思路能够帮助我们在短期内哪怕只缩小几个百分点的性别差距，缓解长期制约女性科研职业发展与社会贡献的严重不平等，那么，它将有力地强化人工智能进入教育体系的正当性，并在长远来看，为我们的社会带来无可否认的积极影响。