摘要：
教育正邁向智能化時代，人工智能與教育的融合創新已成為未來教育變革的重要趨勢。當前教育人工智能在面向特殊人群的補償性教育、針對常規業務的替代式教育和服務個性發展的適應性教育方面已經形成典型的應用模式。但從整體上看，教育人工智能仍處於起步發展階段，面臨四大發展難題：一是教育數據的數量與質量存在“短板”，人工智能技術的價值難以發揮；二是教育業務複雜多樣，通用人工智能技術“嫁接”教育的難度增大；三是教育用戶對人工智能技術存在應用價值與角色關係的雙重困惑，人機信任危機難以消除；四是缺乏人工智能專業教師隊伍與課程體系，人工智能融入教育進程緩慢。未來教育人工智能應在以下方面實現突破：技術研發層面，加大教育人工智能產品研發力度，提升技術服務品質；教育創新層面，拓寬人工智能教育應用空間，構建和諧共生“人機結合”新生態；合作機制方面，建立“政企學研”多方合作機制，推進多學科交叉協同融合發展；實踐模式層面，建立教育人工智能示範點，以點帶面，逐步推廣教育人工智能應用模式。
一、教育步入智能化時代
人工智能是製造智能機器的科學和工程，表現出與人類行為智能相關的特徵，包括推理、學習、尋求目標、解決問題和適應性等要素（Monostori，2014）。人工智能作為社會發展的重要科技力量，迅速滲透到各行各業，成為各行業發展的新動力和新趨勢。在此形勢下，教育如何適應智能時代的需求，利用智能技術推進教學模式變革以及創新型人才培養，成為世界各國政府面臨的重要挑戰。美國2016年發佈的《為人工智能的未來做好準備》提到要實施人工智能教育，擴大人工智能和數據科學課程，為人工智能推動經濟發展培養需要的人才（White House，2016）。國務院2017年7月頒佈的《新一代人工智能發展規劃》提出要發展智能教育，利用智能技術加快推動人才培養模式以及教學方法的改革，構建包含智能學習、交互式學習的新型教育體系，推動人工智能在教學、管理、資源建設等方面的應用（國務院，2017a）。同年，國務院頒佈的《國家教育事業發展“十三五”規劃》也提出要“綜合利用互聯網、大數據、人工智能和虛擬現實等技術探索未來教育教學新模式”（國務院，2017b）。可見，利用人工智能技術推進教育系統的變革與創新已經引起世界各國的高度關注。
當前，我國教育改革雖然取得了顯著進步，但仍存在一些突出問題，比如教育發展不均衡，創新型人才培養模式不完善以及優質教育資源配置不合理等。隨著智能化時代的到來，人工智能將成為破解這些教育難題的“利器”，在創新教育教學模式、優化人才培養方案、發展學生專業技能、構建終身學習體系等方面發揮重要作用，推動未來教育的變革與發展。
近年來，國內教育領域的專家學者圍繞教育人工智能的內涵與關鍵技術（閆志明等，2017）、智能教育的內涵與目標定位（張進寶等，2018）、人工智能對混合式教學的促進（戴永輝等，2018）以及深度學習與機器學習的創新教育應用（劉勇等，2017；餘明華等，2017）等進行了初步探討。但是，教育研究者和實踐者對於人工智能與教育融合發展過程中的一些基礎性問題的認識仍較為模糊，比如教育人工智能技術框架、應用模式、發展難題等。基於此，本研究將構建教育人工智能的技術框架，探討教育人工智能的典型應用模式以及發展過程中面臨的難題，並在此基礎上提出教育人工智能的發展路徑，以期對人工智能與教育的融合發展提供一定的借鑑。
二、教育人工智能的技術框架
人工智能的發展經歷過三次浪潮，分別是計算智能時代、感知智能時代和認知智能時代，人工智能教育應用伴隨這三類智能技術的發展而不斷髮展。吳永和等認為，“人工智能+教育”的相關技術有機器學習、深度學習、自然語言處理、神經網絡、學習計算、圖像識別等（吳永和等，2017）；閆志明等指出，教育人工智能的關鍵技術主要有知識表示方法、機器學習與深度學習、自然語言處理、智能代理、情感計算（閆志明等，2017）。根據前期的調研分析以及相關學者的研究，筆者構建了教育人工智能的技術框架，主要包括教育數據層、算法層、感知層、認知層和教育應用層
1.教育數據層
教育數據層是教育人工智能技術框架的基礎層，該層主要包括管理類數據、行為類數據、資源類數據以及評價類數據（李振等，2018）。其中管理類數據包括學生個人信息、學籍檔案、教職工信息、一卡通數據等，資源類數據包括試卷、課件、媒體資料、案例等，行為類數據包括教師行為數據（如講解與演示、指導與答疑、提問與對話、評價與激勵）和學生行為數據（如信息檢索、信息加工、信息交流），評價類數據包括學業水平測試數據和綜合素質評價數據等。教育數據層主要負責對以上數據進行採集、加工處理、存儲等，但由於該層的數據龐大複雜、良莠不齊，因此在數據採集環節需要對數據進行預處理，具體涉及到的技術包括數據採集、篩選、集成、格式轉換、流計算、信息傳輸等。其中在數據處理環節，當前應用比較廣泛的數據處理平臺有Hadoop、MapReduce和Spark等。
2.算法層
算法層是實現各類教育人工智能技術的核心，該層主要包括機器學習和深度學習兩類算法。機器學習是指利用數據或以往經驗，優化計算機程序的性能標準，其目標是開發能夠自動檢測數據模式的方法，然後使用未覆蓋的模式來預測未來的數據（Alpaydin，2014），是人工智能最核心、最熱門的算法。目前，機器學習在學生行為建模、預測學習表現、預警失學風險、學習支持與測評以及資源推送等方面發揮著重要作用（餘明華等，2017）。深度學習是機器學習的一個子領域，致力於算法構建，解釋和學習傳統機器學習算法通常不能提供的高水平和低水平的抽象數據（Taweh BeysolowⅡ，2017）。深度學習在文本識別、語音識別、圖像識別等方面的應用已取得突破性進展，其識別準確率已遠遠超過傳統技術的識別能力（劉勇等，2017）。
3.感知層
感知層是讓機器和人一樣能看會認，能聽會說，具備感知能力。該層涉及的技術主要有語音識別與合成、計算機視覺、圖像識別、生物特徵識別、文字識別等。其中，語音識別和人臉識別分別入選《麻省理工科技評論》評選出的“2016年十大突破技術”和“2017年十大突破技術”。在我國，人工智能識別技術已處於世界領先行列，被廣泛應用到教育教學中。近年來，基於語音識別技術的語言測評與輔助學習軟件層出不窮，它們通過識別學習者的語音然後進行評測並給出修正意見以幫助學習者提升語言表達能力。圖像識別技術在教學上的應用也頗具成效，基於該技術的拍照搜題軟件被中小學生廣泛使用。生物特徵識別技術能夠捕捉和感知學生學習過程中的面部表情、手勢等變化，幫助教師瞭解學生在課上的學習情況。計算機視覺是利用計算機通過模仿人類視覺來感知和理解世界中的物體（Zhang et al.，2014），藉助該技術可以採集學生學習過程中的圖像，對其特徵進行提取、分析，從而達到學情監測的目的。
4.認知層
認知層是感知層的進一步發展，不僅能夠讓機器感知和識別語音、圖像和文字，而且能夠讀懂語音、圖像和文字的內在含義。該層涉及的技術主要有自然語言處理、智能代理、知識表示方法、情感計算等。自然語言處理技術能夠讓機器“理解”人的語言，其在教育領域的應用主要體現在機器翻譯、作文評價與批改、智能問答與人機交互等。智能代理技術能夠讓機器變得更具人性化和個性化，被廣泛應用到教學系統中以提升教學質量。知識表示方法是指將人類知識推理編碼成符號語言，使其能夠被信息系統處理，該方法在提升專家系統智能方面發揮了重要作用。情感計算是人工智能的一個熱門話題，是Picard教授於1997年在麻省理工學院提出的，她認為情感計算是對情感或情感產生影響的計算（Picard，1997）。情感計算應用於教育教學，可以有效促進學習者情感上的交互，從而提高學生學習的積極性。
5.教育應用層
教育應用層位於教育人工智能技術框架的最頂層，是各類人工智能技術在教育領域應用的集中體現。目前，人工智能教育應用主要聚焦在智能導學、自動化測評、拍照搜題、教育機器人、智能批改、個性化學習、分層排課、學情監測8個方面，服務的對象主要是學生、教師和管理者。
智能導學系統是利用人工智能技術提供個性化學習指導的自適應教學系統（Graesser et al.，2005），該系統能夠滿足不同學習者的需求，在知識、技能和情感上提供智能服務。在自動化測評方面，科大訊飛、百度、微軟等公司研發了多款基於人工智能技術的語音測評軟件，並已投入市場。藉助圖像識別技術，拍照搜題類軟件為學生的自主學習提供了便利。例如，“作業幫”“學霸君”等APP可以把學生拍下的問題上傳雲端，並及時給出這道題的解題思路。教育機器人作為一個強有力的學習工具，在教育領域的應用越來越普遍（Benitti，2012）。智能批改藉助人工智能技術能實現作業自動批改，批改網就是基於自然語言處理技術，對英語作文進行評分，並給出評語和修改意見。在個性化學習方面，人工智能技術結合大數據能為每位學生制定個性化的學習路徑，推送合適的學習資源，提升學生的學習效果。分層排課是利用先進的人工智能算法實現“一人一課表”，以應對分層教學帶來的挑戰，目前市場上已有啟智達雲排課、雲校排課、正達排課等智能排課系統。學情監測是藉助人工智能技術全面瞭解學生的學習情況，並對其學習結果進行預測和干預。
三、教育人工智能的典型應用模式
教育人工智能的應用核心應聚焦教育目標和價值體系，利用人工智能技術的優勢與教育過程相融合，以產生1+1＞2的效果（張坤穎等，2017）。根據目前人工智能技術的特點和優勢，本研究認為人工智能可以解決三個層面的教育問題，分別是面向特殊人群的補償性教育、針對常規業務的替代式教育以及服務個性發展的適應性教育
1.面向特殊人群的補償性教育
所謂補償，就是抵消損失，彌補缺陷（賈靜元，2016）。缺陷補償是特殊教育的重要目的，其有兩層含義：一是指用機體未被損害的部分去代替、彌補已損害的部分，以產生新的機能組合和新的條件聯繫；二是指利用新的科學技術、工具與手段使機體被損害的機能得到部分或全面康復。
特殊教育中的群體一般包括聾啞學生、聽障學生、視障學生、智障學生、自閉症學生及肢體殘疾學生等，這些學生由於先天或者後天缺陷，在學習和生活上充滿困難。目前，人工智能技術已經成功應用於特殊教育領域（Drigas et al.，2011），它可以延伸特殊人群器官的功能，以技術手段彌補其智力或身體的不足，最大程度滿足不同特殊人群的需要，促進其個性化學習。例如，北京聯合大學特殊教育學院利用科大訊飛“聽見語音轉寫系統”來為聽障學生進行授課。該系統利用自然語言處理技術和語音識別技術將老師的講課聲音實時識別為學生能夠看得見的文字，實踐證明這不僅能提高講課效率，還能解決手語授課表達不夠精準的問題。羅納德·科爾教授團隊研發出了智能導學系統來幫助聾啞兒童進行詞彙學習。該系統嵌入一個智能化的虛擬導師，聾啞兒童在虛擬導師的幫助下可完成學習任務並練習發音。試驗結果表明聾啞兒童不但學會了知識，而且表達能力也得到提高。生活方面，利用教育人工智能可以促進特殊人群的生活便利化。例如Aira公司將機器學習與智能輔助眼鏡相融合，利用機器學習算法和語音識別技術幫助視覺障礙者同步獲取周邊環境信息並進行定位導航，為其出行帶來極大便利。健康方面，應用教育人工智能可以促進特殊人群的康復專業化，尤其是自閉症患者的康復治療。自閉症患者最缺乏社會溝通能力，而人工智能技術支持下的智能虛擬代理或智能社交機器人可以很好地與自閉症患者進行對話交流，獲取其社交行為關鍵數據，並通過快速、非正式的評估來判斷患者是否理解活動或進行輕微的技能改進，以培養自閉症患者的語言能力、社會溝通能力甚至是情緒智力。例如，哈爾濱點醫科技開發的情感智能機器人——RoBoHoN能幫助自閉症患者進行康復治療，成為國內首家採用人工智能治療自閉症患者的醫療機構。國外赫特福德郡大學自適應系統研究小組開發的智能情感社交機器人——Kaspar（Drigas et al.，2012），不僅能幫助自閉症患者進行學習，還能幫助其康復治療、重新獲得語言技能和社交技能。總之，教育人工智能可以有效實現特殊人群的補償性教育，最大程度開發其優勢潛能，發展其多元智能，幫助其加快回歸主流社會，打破殘障人和正常人之間的隔閡。
閱讀更多 託管班招生運營 的文章
