人工智能背景下的教育融合困境与路径选择

摘要：大数据方兴未艾，人工智能汹涌而至，深刻地影响并改变着人们的生产与生活。以大数据、并行计算、深度学习为内驱力的人工智能引动着现代教育的智能化发展，成为促进教育前进发展的重要引擎，赋予教育以巨大的“智慧”力量。在人工智能巨大的发展机遇下，教育想要抢占先机，必须提前布局。但当前人工智能教育处于初步发展阶段，在教育发展上面临着诸多难题。对此，可从教育人工智能的基础设施、大数据挖掘与采集、学科体系与师资队伍建设、“政企学研”合作四方面，初步探索人工智能与教育的深度融合之道。

关键词：人工智能;教育人工智能;大数据;深度学习

中图分类号：G40-012文献标志码：A文章编号：1001-7836（2019）12-0004-03

人工智能（Atificial Intelligence，AI），从其概念衍生至今，已历经60余年，其发展势头越发迅猛，深刻影响着人们的生活、社会发展乃至世界经济，人工智能渐趋成为全球领先的科技之一，其影响力与号召力不容小觑。现如今，欧美发达国家已将人工智能纳入国家重要科技创新战略之中。人工智能的发展为各行各业提供了无限的发展空间，无人驾驶、无人超市、AlphaGo战胜人类、智能机器人、面部识别、人脸支付等，种种人工智能技术的应用改变着人们的生产、生活、工作方式。近年来，在教育领域，不管是关于教育人工智能的学术研究，还是教育人工智能产品的衍生换代，抑或是各项人工智能教育应用案例，都在昭示着人工智能在教育领域的巨大发展潜力与引动力。在2018首届中国智能教育大会上，中国工程院院士李德毅提出：“中国要在2030年实现成为世界人工智能高低战略目标，必须实现教育先行，普及人工智能教育，可逐步实现‘万校使用，亿人受益。”诚如彼得·德鲁克所言：“我们身处不断变革的时代，教育必须成为尚无明确的新工作的先行者，为其发展做好准备。”教育作为社会子系统，与社会发展有着高度的同构性特征，人工智能的基础性与通用性深切影响着教育行为，在现实与虚拟环境并存的时代，信息技术、大数据等加速了人工智能与教育的深度融合。人工智能时代，现代教育应紧抓机遇，厘清挑战，探索人工智能技术在教育领域中的应用生态[1]。

一、人工智能的源起与发展

（一）人工智能的内涵

1956年，美国达特茅斯会议中约翰·麦卡锡初步确定人工智能（Artificial Intelligence，AI）这一概念，初始意义在于使计算机具有人脑般的学习、思考与认知能力，模拟人的智能。20世纪70年代，人工智能开始在理论及产品实践应用方面得到深度发展，如机器定理证明、博弈、模式识别、机器人、机器翻译等，人工智能开始了对人的语言理解、逻辑推理、求知解答等能力的模拟。伴随着科技的发展，现今的人工智能技术更具前瞻性与科技性，在很多领域已经可以实现替代人工而开展智能工作[2]。现代人工智能是人创造出的与人类道德、价值观念、情感理念相符，可以自主完成学习、思考、决策、执行、协助等的智能机器，借助人工智能技术拓展人的智能。通过感知环境、学习知识、自主思考等得到预期结果。人工智能涉及诸多学科，覆盖各个领域。（1）计算机视觉：图像识别与处理;（2）语言理解：语言识别、合成、对话;（3）逻辑推理：辨识、认知各种社会及物理常识;（4）博弈：智能交互性对抗，或协调融合;（5）学习：机器建模、工具分析，基于统计的计算。

（二）人工智能的历史沿袭与现代发展

1.人工智能的歷史沿袭——三次发展浪潮

“人工智能”这一术语自其问世，已经过了60余年的发展历程，其经历了三次发展浪潮：第一次浪潮（1956年至20世纪80年代），这一阶段是“人工智能”的兴起浪潮。1956年，约翰·麦卡锡在达特茅斯夏季研讨会上提出“人工智能”的概念，自此，人工智能正式走入公众视野。随后，被称为人工智能先驱的艾伦·图灵在人工智能领域提出“图灵测试”，测试中将人机分隔，倘若测试者中超过1/3的人无法确定被测试的是人或是机器，则机器通过测试，这便是最初的人工智能。由此，掀起了人工智能领域的首轮浪潮。从1956年到20世纪80年代，在人工智能的首轮发展浪潮中，人工智能在研究方法上出现了基于抽象符合、逻辑推理符号、自然语言处理的符号主义方法，人机交互中以专家系统、数学证明、逻辑推理为主要方法。但是在这一阶段中，由于电子计算机技术仍处于初步发展阶段，计算机有限的运算速度成为影响人工智能发展的主因。

第二次浪潮（20世纪80年代至90年代末），这一时期，科学家们在人工智能的研发上偏向于对人类知识的探索，即将人类知识引入人工智能系统，基于人工神经网络的识别模式初现端倪。基于专业知识的“专家系统”（Expert System）不断发展，但由于专业系统内部推理机制与知识表示的不完善，加之计算基础设置的不健全，导致“专家系统”的热度逐渐降低，二次浪潮随之减退。

第三次浪潮（21世纪初至今），21世纪计算机技术飞速发展，在很大程度上推动了人工智能的发展。2006年，加拿大计算机科学家乔弗瑞·欣顿提出“深度学习”，自此，人工智能的第三次浪潮被掀起，而“深度学习”被视为人工智能第三次浪潮兴起的标杆。2015年以深度学习为基础的人工智能的图像识别算法，其准确率首次超过人眼，这标志着人工智能已经实现了跨越式发展。随后，深度学习在数据挖掘、语言识别等领域皆有着飞跃式的进步与发展。2017年，人工智能更是有了前所未有的多元化发展，无人驾驶、无人超市、人脸识别、智能助理等走进人们生活，2017年被称为人工智能元年。百度、阿里、腾讯、科大讯飞等开始了AI行业应用平台的建立，人工智能技术、智能系统、智能平台、智能产品的产出等，为各行各业打开了全新的发展空间，教育领域也有了无限的发展可能[3]。

2.人工智能的现代发展——上升至国家战略高度

2013年，人工智能的发展进入研发高潮期，中国、美国、俄罗斯、英国、日本等科技强国将人工智能研发纳入国家发展战略，不断加大对人工智能的研发力度，竭力在人工智能的快速发展中抢占制高點。随之微软、腾讯、阿里等大企业也开始向人工智能领域进军，在国际竞争中，人工智能俨然已成为热点。现今乃至未来很长一段时间，人工智能的发展将会成为促进社会经济发展与人类进步的新引擎，对教育、文化、经济、社会将产生不可估量的影响。

在我国，人工智能同样备受社会各界关注，习近平总书记就人工智能发展的紧迫性做了系列讲话。人工智能战略被两次写入政府工作报告，被纳入《国民经济和社会发展规划纲要》之中，可见，我国对于人工智能战略的重视程度。2018年，《政府工作报告》中，李克强总理提出，要“加大新一代人工智能研发应用力度，教育、文化、医疗、养老等领域落实‘互联网+”。同年，教育部发布《高等学校人工智能创新行动计划》，高校在人工智能及其教育发展上有了纲领性的指导。综上可见，人工智能已成为国家、社会发展的焦点，紧抓这一机遇是国家重要发展战略之一，更是现代教育发展的重要着力点[4]。

二、人工智能与教育融合的难点

（一）教育数据“质”“量”有限，制约了人工智能技术深度融合

数据是人工智能得以实现与发展的基础，优质数据是保障人工智能价值得以充分发挥的要件。在教育活动中，基于高质量数据的人工智能可减少教育活动中的重复性作业，减轻教师工作负担，促进个性化教学的实现。现如今，教育行业涉及的数据量大，且难以大量采集。而人工智能在教育中的应用实则是一个数据统计与处理的过程，基于数据分析导出流程，实现对现有数据的解释和未来数据的预测。教育领域中，难以将师生教与学活动的全过程记录下来，这样便无法为人工智能提供全面的数据基础。教与学活动中的文本、音频、超媒体多属于半结构数据，此类数据没有统一的标准，且内容格式多样。此外，较之医疗、金融等行业，教育行业的活动属于非线性活动，很难在这些复杂凌乱、多样、无固定模式的活动中采集到标准化、高质量的数据，无法为人工智能的融入提供可靠的数据基础。另外，新媒体时代，海量信息被越发离散化，学习时间更为零碎，学习方式更为多元且随意，对于此类学习活动相关数据的采集难度更大。

（二）教育内容过于复杂，加大了人工智能与教育的融合难度

教育是一个尤为复杂多样的体系统，涵盖教学、科研、管理等多样活动，尽管在很多方面教育事业呈现出共性，但各个地区、各所学校都有着明显的差异性，且差异性尤为突出。此外，各所学校在组织架构、教学理念、办学特点上也有很多不同，各个学科也有着不同的学科特点与知识体系，不同的教师在教学上更是有着自己的特点与方法。故此可见，教育与人工智能融合过程中，教学系统自身的多样性与复杂性也影响着人工智能的融入[5]。教学活动的多样化和学生的差异化要求人工智能需朝向人性化方向发展，由此，加大了人工智能与教育的融入难度，在融合过程中需要针对教学活动与师生的差异性进行适应性、针对性的“嫁接”，稍有不慎，便会形成枯枝败叶，人工智能的价值便无法得到有效发挥。但是，现行的人工智能中的情绪识别技术还不能对复杂的情绪进行有效识别，这样便难以依靠人工智能技术辅助个性化的教学活动的开展。

三、人工智能与教育实现深度融合的路径

人工智能的发展为教育的改革创新提供了全新的发展契机，对于提升教育教学质量，开展个性化教学，丰富教学内容与形式，优化人才培养模式等大有裨益。但当前人工智能与教育的融合仍处于初步发展阶段，教育人工智能发展瓶颈犹存。对此，本研究基于我国人工智能与教育发展现状，立足于人工智能与社会发展大势，提出以下融合路径。

（一）完善教育人工智能基础设施，促进人工智能教育工程落地

现阶段，在教育人工智能发展仍存有诸多难点的情况下，要想实现教育人工智能，可以以新课程改革为契机，以问题为导向，以目标为核心，以深化应用为基点，推动人工智能技术的落实。针对人工智能在教育领域的融合，完善相关数据与网络设施。譬如，研制“教育知识图谱”，建构“自适应考试系统”，为人工智能与教育的融合奠定基础，推动人工智能与教育活动、教育设计、教育测评等的落地，杜绝“口号型、表象化”的教育形式。此外，可加大对教育智能产品的研发力度，教育专家与人工智能专家加强合作，基于教育与人工智能的发展需求，探索教育人工智能融合点，促进人工智能教育工程的落地[6]。

（二）制定教育数据采集规范，以大数据驱动教育人工智能的发展

通观人工智能在教育领域的发展史，从最初的以知识为基础的知识表示，到后期以深度学习为基础的语言、语音与图像识别，机器习得逐步替代人脑的习得。在人工智能的发展上，除了算法模型的改进，更需要大数据这一助力剂。人工智能与教育的深度融合正是需要以大数据作为基础，以云计算、数据采集、智能感知等作为基础优化信息化环境，以教育数据标签的有效应用提高教育数据质量。基于数据安全的保护，建构人工智能教育数据共享机制，以大数据推动人工智能与教育的有机融合。

（三）健全教育课程模式，完善人才培养体系

基于《新一代人工智能发展规划》《高等学校人工智能创新行动计划》等，中小学校及各高校应清晰认识人工智能与教育的融合方向，中小学校不断完善自身学科体系，高校应着力完善人工智能学科设置，针对高校学科建设内容，增设人工智能专业，落实一级学科建设，构建起“人工智能+学科”的人才培养模式。在高中课程设置上，推动人工智能教育的普及，落实信息技术新课程标准，增设人工智能课程，如《数据分析与管理》《初步人工智能》等，同时完善相关配套设施[7]。对于中小学校，则可引导有条件的学校开设人工智能相关课程，设置配套实验室。综上，通过人工智能课程体系的设置，在中小学校乃至高校普及并落实人工智能教育。此外，强化对人工智能专业化教师的培养，为人工智能教育的发展提供优质的师资队伍。有条件的中小学校与高校开设人工智能相关课程，同时培养高水平、专业化教师队伍，强化教师在人工智能教育上的专业知识储备，提高其教学能力。对此，可在教师基本素养培养中加入人工智能相关教育培训内容，提高教师人工智能教育的专业化水平。

四、结束语

人工智能与教育的发展乃大势所趋，是教育现代化发展的现实之选。中国想要立足于世界，在大力发展教育的基础上，应紧抓人工智能发展这一机遇，厘清人工智能的发展本质，探索人工智能与教育的融合之道，完善人工智能教育基础设施，挖掘人工智能教育领域大数据，加强学科建设，培养高水平师资队伍，加强“政企学研”的合作，开创教育人工智能新局面。

参考文献：

[1]徐晔.从“人工智能+教育”到“教育+人工智能”——人工智能与教育深度融合的路径探析[J].湖南师范大学教育科学学报，2018（5）：44—50.

[2]李德毅，马楠，秦昆.智能时代的教育[J].高等工程教育研究，2018（5）：5—10.

[3]贡国忠，杨淑芳，景征骏.人工智能视角下的职业教育大数据应用——现实挑战、应用模式和智慧服务[J].江苏教育研究，2018（27）：19—23.

[4]钟绍春，唐烨伟.人工智能时代教育创新发展的方向与路径研究[J].电化教育研究，2018，39（10）：15—20+40.

[5]南旭光，汪洋.人工智能时代职业教育治理的现实挑战与路径选择[J].教育与职业，2018（18）：25—30.

[6]黄璐，郑永和.人工智能教育发展中的问题及建议[J].科技导报，2018，36（17）：102—105.

[7]人工智能关键技术[J].科技导报，2018，36（17）：2.

The Dilemma and Path Selection of Educational

Integration under the Background of Artificial Intelligence

XU Dan

（School of Software and Design， Nanjing Institute of Railway Technology， Nanjing 210015， China）

Abstract：Big data is in the ascendant， and artificial intelligence is surging in， which profoundly affects and changes peoples production and life. Artificial intelligence， driven by big data， parallel computing and in-depth learning， drives the intelligent development of modern education， and becomes an important engine to promote the development of education， giving education great “wisdom” power. Under the enormous development opportunity of artificial intelligence， education must be laid out in advance if it wants to take the lead. However， the current artificial intelligence education is in the initial stage of development and faces many difficulties in the development of education. For this， we can explore the way of deep integration of artificial intelligence and education from four aspects： the infrastructure of artificial intelligence， data mining and collection， the construction of discipline system and faculty， and cooperation between “government， enterprise， education and research”.

Key words：artificial intelligence; educational artificial intelligence; big data; deep learning

（責任编辑：朱岚）

doi：10.3969/j.issn.1001-7836.2019.12.002

收稿日期：2019-04-26

作者简介：徐丹（1983—），女，江苏徐州人，副教授，硕士，从事二维动画设计教学研究。