互联网大脑进化形态下的类脑泛在学习系统：教育神经科学的视角*

付道明 华子荀

（广东第二师范学院 教师教育学院，广东广州 510303）

计算机网络经过50 多年的发展，类脑互联网形态的进化正在逐步孕育成形。主要体现在人与机器的沟通、人类智能与机器智能的沟通以及人类智能体与仿生智能体的沟通。

近年来，许多国家纷纷制定并展开“大脑计划”等重大研究，并把这种研究与“智能+教育”发展、创新性人才培养战略等挂钩。一方面，当前大脑神经元的联系性及教育神经科学的诸多发现，都为人脑与类脑联结提供理论支撑；另一方面，以人工智能、大数据、物联网等为代表的新一代信息技术，正在重构互联网大脑的神经系统，为依托于智能技术的类脑神经网络的建构提供了支撑。当技术达到一定的成熟程度后，人脑与类脑的深度联系将不再遥远，作为人工生命体的智能体已经出现，它可以对复杂问题作出选择和决策[1]。这种发展对于教育的意义，在于可构建一种类脑智能体，实现并支撑学习者个体乃至社群的智能化泛在学习过程。

2017年，国务院颁布的《新一代人工智能发展规划》，明确提出了人机协同的混合增强智能理念以及智能教育的发展方向，进一步推动了人工智能在教学、管理、资源建设等方面的应用[2]。因此，开展教育领域的类脑研究，有助于进一步开拓人工智能+教育的“变革之路”与“创新之路”，实现将人工智能（AI）的新技术、新理念有效融入教育教学过程；同时，更需要通过构建教育类脑智能体来反哺技术发展，促进教育流程再造[3]，提供人工智能教育应用场景的新方案。

我们根据对现有类脑科学、教育神经科学及类脑泛在学习、智能技术支撑的类脑泛在学习系统的梳理后发现，类脑是随着人脑和技术发展而存在，对类脑在教育领域的应用，具有重要的前瞻性研究意义。据此，本文着重探索以下三个问题：（1）人脑与类脑都具有可塑性，并且两者具有相互影响。那么，通过类脑促进人脑、随着人脑发展又优化类脑系统的机理为何？（2）类脑的发展需要各种感官数据支撑的科学验证，而泛在学习又是一种有效的促进“人脑—类脑”互动发展的学习方式。那么，学习者依托类脑系统的泛在化学习方式具体为何？（3）人工智能发展的每一阶段都对类脑具有革命性影响，但技术的局限性依然使得类脑的功能性与人脑相去甚远。那么，充分挖掘智能技术构建类脑泛在学习系统的具体框架为何？

一、研究现状及技术支撑

（一）脑科学及类脑科学研究现状

1.脑科学研究现状

人类大脑大约有1000 亿个神经元，而且神经元之间通过错综复杂的突触进行信息沟通和联系[4]，这种联系涉及了人类的感知、记忆、认知和发展等一系列研究主题。因此，对人类大脑结构、功能的研究及其模仿，成为脑科学、神经科学等领域的重要趋势和研究热点[5]。随着脑科学的发展，出现了“类脑”概念与类脑研究。现在大部分专家认为，类脑研究（Cybrain，Cybernetic Brain）或称仿脑、融脑[6]，主要是以“人造超级大脑”为目标，借鉴人脑的信息处理方式，模拟大脑神经系统，构建以计算为基础的虚拟机器脑，通过脑机交互技术，构建虚拟脑与生物脑一体化的超级大脑，最终建立新型的计算结构和智能形态。

众所周知，脑科学研究与人工智能的发展关系密切，甚至可以说人工智能的发展过程，就是在机器模拟角度上的一种脑科学研究探索。20世纪中叶，诺依曼（John von Neumann）和图灵（A.Turing）分别进行了以机器模仿人脑的尝试，并奠定了人工智能的学科雏形[7]。20世纪70 至80年代，部分学者开始应用类似大脑的仿生结构进行计算机制的研究，如，米德（C.Mead）的神经拟态计算[8]。20世纪90年代，美国便开始了对大脑的学术研究与教育改造运动，其中，以脑科学研究和关注学龄前儿童的脑认知发展研究最具有代表性[9]。

2.类脑科学研究现状

这些年来，我国的脑科学教育研究也取得了重要突破。有三个重要的脑科学研究机构分别在认知科学机理、人类学习和多学科融合研究方面，取得进展：其一是由中国科学院陈霖院士创立的中国科学院脑与认知科学国家重点实验室，长期从事脑科学研究中的学习、记忆、注意和抉择机制仿真研究[10]，并在“认知基本单元”“学习和抉择认知”方面取得了重大进展[11]；其二是由北京师范大学董奇教授创立的北师大认知神经科学与学习国家重点实验室[12]，着重解决“学习与脑的可塑性”问题，并在人类高级认知、老年群体脑的进化、人脑健康、社会认知与情绪问题等方面开展研究[13]；其三是2010年成立的华东师范大学教育神经科学研究中心[14]，旨在融合生物学、心理学、数学、物理学、化学、计算机科学、信息科学与自动化控制等学科，解决脑认知的问题，对人类脑发育、分子认知、痛觉、人类学习与适应性行为、空间认知与行动等开展深入研究[15]。

可见，国内外脑科学研究发展至今，获得诸多重大发现，而且在教育领域的应用也在不断深入，出现了情绪神经科学[16]、脑机接口[17]、多模态学习情感计算[18]等研究方向，极大地拓展了脑科学研究在教育中的应用，对促进学习者的学习具有重要作用。

（二）教育神经科学与类脑泛在学习的研究现状

1.脑科学与教育神经科学的联系性研究

类脑科学研究与教育神经科学研究具有密切联系，这使得脑科学知识为学与教的发生、发展机理奠定了坚实的基础，并将心智、脑机理与教育知识联系起来，以支持并促进学生的学习[19]。经过近30年的学科发展历程，脑科学、教育神经科学的研究机构、学术团体、学术刊物不断涌现，以哈佛、斯坦福、剑桥等为代表的世界名校，纷纷建立专门的研究机构开展相关研究[20]。2003年，国际心智、脑与教育学会成立，并创办了专业刊物《脑科学与教育》。教育神经科学的研究发展为脑科学研究提供了科学依据[21]，比如，在学习者的认知发展过程中，学习在不断改变着人类的大脑结构[22]。因此，人类大脑的可塑性成为学习者与机器可塑性的重要依据。换言之，基于脑科学的数据驱动研究，可以促进人工智能技术深度融入教育信息化的进程中[23]。

2.泛在学习对类脑的促进性研究

伴随着脑科学和教育神经科学的探索，以及社会网络化的加深，泛在学习能够在促进大脑发展方面发挥独特作用。对于泛在学习，早在12世纪，南宋朱熹就已经提出“无一事、无一时、无一处而不学”的理念。西方则在17世纪夸美纽斯（A.Comenius）的《大教学论》中，对泛在学习理念有所著述，“把一切事物教给一切人”的“泛智”和“泛教”理念，成为西方近代教育的理想追求[24][25]。但由于教学技术和学习方式的限制，朱熹的泛在学习理念一直是难以完全实现。同样，夸美纽斯根据学段差异、学校特色打造的涵盖各种学科的“泛教”课程，在近代传统教育体系和学习形态下，也没有达到“泛智”的教育设想。

近年来的一些研究已经揭示，在学与教活动中所使用的工具因素，对学习者的成绩、错误以及心智水平的提高产生直接影响，使得学习者的外显行为产生变化。因此，泛在学习者的大脑发育和内部结构的形成，受到外部环境因素的影响。而大脑的内部功能的形成——心智，则受到泛在学习环境中的教学、文化机构乃至社会因素的影响，大脑支配下的学习者外部功能——行为，则受到教学工具或技术因素的影响[26]。泛在学习者个体在随时随地的学习情境下，通过对文化机构和社会因素进行综合性的信息加工，可对存在于智能泛在学习系统中的虚拟体、人类学习者个体间的关系进行理解与推测[27]。另外，哲学、心理学及神经科学等不同学科领域的学者们，对人类社会认知的形成、发展及运作进行了深入的研究，先后形成了心智化社会认知观和具身社会认知观[28]。总之，泛在学习活动在文化机构和社会的支持下，开展社会性互动和知识意义的建构，进而形成社会认知。

因此，脑科学与教育神经科学的发展，为类脑泛在学习提供了理论支撑（内部支撑）；而5G、人工智能技术的进步，又为泛在学习提供了物质支撑（外部支撑）。在这种融合性的技术场域中，大量的深度学习、跨界深度融合、多主体交互与协同，以及智能主体的自主操作等支持的泛在学习生态体系，会得到迅速普及和大量应用[29]。换言之，泛在计算技术和智能技术，使得“人人、时时、处处”——通过任何技术、任何方式学习任何知识的泛在学习方式，得以有效实现；并且促使时空、地点、学习形式和途径与技术赋能教育的情境，实现有效融合[30][31]。

（三）智能技术支撑的类脑泛在学习研究现状

1.人工智能发展对类脑研究的支撑

随着技术的发展，智能+等进一步丰富了教育场域，出现了能够支撑、解释、促进大脑认知的相关理论；同时，也出现了依托于技术的类脑系统以促进学习者的认知，表现为机器智能或“新主体教师”[32]，即类脑在教育领域应用的新形态。如今，在普适的计算环境中，学习活动的设计更加符合大脑的认知规律，以满足实现“人人皆学、处处能学、时时可学”的个性化需求，并通过“计算智能”到“感知智能”再到“认知智能”[33]，实现类脑学习系统的逐步意识化。

从由人脑与类脑所构成的社会化互动视角来审视，对人脑的研究进展以及类脑系统建构的研究，使得拟人性系统智能体分别在两个维度上获得发展。尤其是作为人工智能基础分支的普适计算、情感计算、深度学习等，进一步增强了类脑的计算智能和感知智能特征，使得类脑系统不断向认知智能的方向进化，并逐步实现类脑智能[34]。例如，2012年，我国科学家率先开展了旨在解析和模拟脑功能的神经联结通路和网络结构“MBFC 2012-2020 计划”，即“脑功能联结图谱计划”（Mapping Brain Functional Connections，MBFC）[35]，提出了智能处理器指令集，并在全球首次实现“深度学习”的低功耗神经网络处理芯片。这些成果，对今后教育神经网络支撑的类脑研发具有深远影响。2015年，国内科学家在AI 支撑下从昆虫、动物形态中挖掘类脑机理，将昆虫界定为简化式类脑维度范型、脊椎动物界定为复杂式类脑维度范型[36]，从而提出了类脑系统设计的双维度框架。

智能泛在学习的目标，在于学习过程中所使用的计算设备和技术，自然“消失”在学习者日常生活和学习任务的背景当中，以保证学习者在得到计算服务的同时，无需觉察计算机的存在和为此分心，从而使其注意力集中于学习任务本身。当前，以5G、物联网、云计算、区块链、XR、数字孪生以及学习分析技术为代表的新一代智能技术，正在为人们提供更多的智能化泛在学习支持。如同路易斯（J.A.Lewis）撰写的报告《5G 将如何塑造创新和安全》（How Will 5G Shape Innovation and Security：A Primer）中指出的：5G 技术为人们提供了更加立体化的数字化环境。数智驱动和学习技术的融合，使得5G 技术的教育应用更加“以人为本”和“立体交互化”，促进着智能技术支撑下的类脑泛在学习不断发展。

2.智能教育对类脑研究的支撑研究

目前的智能教育，主要包括以下几种技术形态：智能教育管理系统、智能导师系统、智能评分系统、个性化学习系统、智能审核系统、学习质量提升系统、虚拟现实学习系统、高价值反馈系统、学习预测分析系统等。然而，现有的智能教育研究成果，如，图像识别、语音识别、人脸识别等，其“认知智能性”依然难以与人类大脑的复杂功能相比较。因为，深度学习的网络模型只有“前馈”联结，缺乏类似人类的认知过程、推理过程和表达过程，且缺乏短时记忆和高层次的无监督学习能力[37]，难以处理人类普遍面临的复杂性真实问题。更进一步地，人工神经网络比智能算法的“智能性”更高，源于它是按照大脑神经细胞拓扑结构为原型而建立的数学模型，但目前科学家所构造的复杂性人工神经网络，也与生物神经系统相去甚远，对人脑的模仿能力还只是管中窥豹[38]。可见，智能技术的发展虽然为类脑研究提供了支撑，但是人类对于大脑的本质及其结构、功能研究，仍然缺乏足够科学的手段，也就难以通过智能技术的类脑模拟人脑。因此，对类脑泛在学习及其实现路径的研究，仍是一项具有极大挑战性的教育研究课题。

二、类脑泛在学习机理的三大特征

根据现有研究及文献综述我们发现，人脑与类脑具有相互融通的影响性，对类脑泛在学习系统的设计，必须探究其底层——类脑泛在学习机理。基于此，我们试从人与技术的关系角度，探究人脑与类脑的互动机理：首先探究人脑的功能特点，其次探究类脑的功能特点，最后探究人脑与类脑联系的功能特点。在此基础上，提出类脑泛在学习机理的三大特性，即人类大脑神经的可塑性、类脑泛在化发展的跃进性、类脑与人脑元素的联结性。

（一）人类大脑神经的可塑性

巴普洛夫（P.Pavlov）与斯金纳（B.Skinner）分别从人类的自愿和非自愿行为，揭示了环境刺激对人类感官的影响，进而影响有机体神经的联系性[39]。随着脑科学在教育领域中的不断探索，揭示了人的大脑在结构和功能上均会受到环境的影响，通过外界刺激使得个体的经验发生变化，进而促进认知发展。这种外界刺激下的认知发展伴随着人的一生，科学家将这种大脑的学习机理称为“神经的可塑性”。由神经的可塑性可推导出教育的可塑性机理，即教育会塑造人脑的神经功能[40]，学习者可以在特定学习环境支撑下，由经验的变化触发其大脑激活特定区域[41]，并改变了神经网络、使突触联系加强，实现神经元的增多和联结性的增强。例如，人在幼年时期更容易发展视觉功能、语言功能，而在青少年时期更容易发展概念学习和逻辑推理等能力；另外，针对阅读、数学等的专门性训练，也可以促进脑结构和脑功能的变化。当前的神经科学研究亦表明，人类大脑的神经元突触在外界信息的刺激下，其数量会增多、突触联系加强，而较少使用的神经元会随着时间逐步变细进而消失。

（二）类脑泛在化发展的跃进性

神经科学的研究成果，对泛在学习活动的启迪价值在于：我们需要从简化模型[42]的角度，勾勒出其进阶的方向和框架：（1）从神经科学的细胞生物学与分子生物学机制，初步构建学习者大脑细胞水平层面的信息传递机制；（2）从认知心理学与神经科学相结合的角度，进一步分析泛在学习者心智（如，感知、检索、记忆等）的生物学基础；（3）通过研究大脑神经活动，充分探究学习者注意、归纳、记忆、情绪等心理机制形成的原因；（4）探究教学理论与方法，如何影响人类大脑神经与类脑神经网络的可塑性发展；（5）把普适计算技术环境中的学习者教育神经机制，融入到泛在学习的应用场域中。从而形成新一代信息技术环境中的泛在学习与教育活动，实现5G+随时随地的学习效果（如图1所示）。

从更广阔的场域来看，进入智能化时代，各类新理念、技术、工具与教育的深度融合，形成了多AI 设备及算法所构成的泛在神经元，泛在神经元又促进了泛在学习的快速发展，主要体现在：（1）泛在学习情境下师资的多元化：互联网思维、创新性思维、终身学习理念与教育相融合，推动师资来源渠道多元化、师资角色多元化和师资能力提升路径多元化；（2）泛在学习系统中教育环境智能化：大数据、学习分析等能全面、精确地分析师生教学行为数据，为教学反思与改进提供有效支持；AI 能实现学习智能资源推送、自适应学习诊断，实现在线的智能化学习；师范生/在职教师可在基于虚拟现实/增强现实（VR/AR）的虚拟教学场景中，进行技能练习与提升；（3）泛在学习系统中教育资源多样化：“互联网+”支持各地区间资源共建共享，扩大优质教育资源数量，例如，MOOC、SPOC、一师一优课等资源；支持资源深度优化，满足个性化需求；（4）泛在学习评价一体化：运用互联网、大数据等，构建个性化教育教学档案，实现全动态的教育评价和评价一体化。

（三）类脑与人脑元素的联结性

20世纪60年代，仿生科学的概念被提出，它是一门模拟生物物种结构和功能的学科，其应用领域是在各类工程技术研发工作中，做出具有人类或其他生物功能的仿生材料或机器[43]。类脑机理研究便是建立在模拟生物功能的仿生科学基础上加以拓展而来。事实上，自计算机问世以来，人们就一直希望通过计算机模拟人脑的功能机制[44]，而其机理研究是对人脑模拟的本质特征之探究过程。

可见，心智、大脑与泛在化教育的整合研究，对探索泛在学习的本质及应用具有重要意义。在新一代信息技术的支持下，泛在学习者在更加立体化和以人为本的学习环境中[45]，能够更加自然地、动态地进行对话和交互，对所获得的信息进行加工、整合、反馈等，并改变原有的认知结构，从而通过神经可塑性实现教育的可塑性[46][47]。具体见表1所示。

表1 泛在学习环境与学习者交互作用的神经机理

泛在学习者与脑神经、环境的关联，表现在多方面。相关研究发现，氧气和营养所发挥的作用非常明显。如，麻省理工学院医学中心的实验表明，学习者大脑对氧气非常敏感。而人体必需的营养素可以直接调节血糖水平，处于正常且稳定的血糖水平，可使学习者的大脑维持兴奋度和较高的注意力。另外，泛在学习者所处学习环境中的毒素，如，大气细颗粒物（简称PMs）除了对学习者呼吸、心血管系统等带来损伤之外，更会因暴露而产生神经毒性，形成学习者的脑神经组织损伤[48]。

随着新一代智能技术和脑科学的快速发展与整合研究，互联网大脑这一庞大的智能形态，正在逐步形成自然界有史以来前所未有的超级智能体，甚至是“全球脑”，使得类脑与人脑产生异常复杂的联系。在教育领域，以教育大数据为支撑，教育互联网大脑平台也在以生态进化的形态，形成泛在教育神经网络。人类正在互联网大脑的支配下实现万物互联，使得学习者、学习资源、学习数据和虚实场景之间实现融合贯通。下一代智能学习系统必须解决人类学习者与人类学习者、人类学习者与智能虚拟体、智能虚拟体与智能虚拟体之间复杂多元的交互问题。

三、类脑泛在学习系统的进化与设计

（一）系统进化

根据前述，类脑泛在学习系统的进化，我们将之分为四个阶段：机器互联阶段、感知沟通阶段、神经元建构阶段和类脑智能体阶段（如图2所示）。

1.机器互联阶段

以互联网的出现为标志，通过计算机与设备的互联，构建了互联网大脑的大体框架。1969年，由四所美国大学提供的计算机构建成局域型网络，标志着互联网的诞生；之后较长一段时间，互联网都在分布式、异构网络架构下进行数据的交换和信息的沟通。虽然作为以计算机思维解决人类客观问题的拓扑结构，已不能满足智能时代的人类社会协同需要及虚拟体之间日趋复杂的交互问题。但这些拓扑结构依然为智能系统的构建提供了重要支撑，如，Client/Sever模型、分布式应用模型、Web 应用模型等[49]。互联网发展至今，已经由分散的、个别的转化为统一的、整体的类脑结构，这种高度近似人类大脑的互联网结构，为泛在学习提供了智能交互的生态环境[50]。

2.感知沟通阶段

以采集人类感知觉数据与互联网的整合为标志，为人类的感知与类脑机器之间架起桥梁，即人脑与类脑的初步沟通。随着多模态数据采集方式的日益精确，人类的各种感觉可以基于技术实现数据转化、采集与存储，进而实现了人类感觉与知觉的延伸。从早先贝尔（A.Bell）发明的电话，将声音传输到更远的地方，使得人类可以远距离进行语音交流；到后来望远镜、显微镜的发明与应用，使得人类视觉处理系统延伸到更宏观的宇宙深处和更微观的分子、原子甚至亚原子结构；汽车、飞机等交通工具的出现，使得人类逐渐突破物理与地域距离的限制，通过航天器等甚至能够探索浩瀚的宇宙。这些均为互联网模拟人类大脑、构建类脑系统，提供了坚实的支撑。

3.神经元建构阶段

以普适计算环境作为基础架构，标志着类脑开始模仿人脑构建起复杂的交互神经元及其交流机制；并随着网络的演进，构建起包含泛在人工智能神经元在内的类脑泛在神经网络。智能时代的计算设备甚至可以进行自主感知、计算和自动化高速处理大数据信息，以诸多感知觉采集设备与传感器为支架，构建出诸如类脑视觉系统、类脑听觉系统、类脑动觉系统、类脑思维系统等，成为类脑泛在神经元网络的重要组成部分。有学者指出，互联网的发展将实现人类大脑充分互联，最终进化为与人类大脑高度相似的组织结构——具有触感知的智联网。

4.类脑智能体阶段

以更加复杂的类脑神经网络与新一代智能技术支撑为标志，建立起人脑与类脑深度连接的互联网大脑。在新一代信息技术的推动下，不断进化为类脑泛在神经元网络的智慧互联网，让人脑的视觉功能、听觉功能、动觉功能、思维功能与类脑的视觉系统、听觉系统、动觉系统、思维系统等深度匹配，使得人脑与互联网大脑实现高速互联互通。近年来，互联网大脑在工业互联网中的应用已比较活跃，例如，以“源—网—荷—储”协调运行的智慧能源互联网，融合移动通信、智能控制、物联网以及能源技术，为人类提供绿色环保、安全可靠、泛在化、配置优化的能源生态供给。未来，在宇宙空间技术等的推动下，互联网云脑架构将进一步进化为融合星联网、大脑与宇宙的“智慧宇宙大脑”。

（二）系统设计

正因为人类大脑与智能化机器类脑都具有可塑性，并且以网络与智能技术为桥梁，使得人脑与类脑的联系更加密切，实现了从表层感知到深层认知的联结，使得类脑泛在学习系统的设计与构建成为可能。

1.基于学习细胞的架构

脑科学已经揭示，脑结构网络极其复杂。研究表明，成年学习者大脑由约1015个突触相互连接的1011神经元细胞所构成的复杂网络，分别形成微尺度空间结构——神经元、中间尺度空间结构——神经元集群和大尺度空间结构——大脑脑区三个能量级别的复杂空间尺度[51]。外部的氧气、营养、毒素等环境因素，可对学习者的大脑结构在微尺度空间水平的神经细胞、突触、蛋白质甚至整个神经系统产生作用，并在学习者大脑中形成突触、神经联结。神经元是学习者大脑最基本的结构和功能单元[52]，其基本构造为：一个细胞体、一个轴突和若干个树突[53]。

在泛在学习的活动场域中，随时随地的外部环境将直接对神经元的树突产生形态和功能上的作用，并通过突触的改变使其发生短程记忆和长程记忆，这就是神经元突触的可塑性原理。正是这种依托于泛在学习环境的作用机制，人类大脑的神经元也可以被智能技术构建出类脑神经网络，并且这种神经网络也具有可塑性。它类似于大脑神经元，成为类脑神经网络的基本单元，被称为学习元（Learning Cell）或称学习细胞。学习元在类脑泛在学习系统中是最基本的资源组织，有研究者根据学习元的特征，提出了“泛在学习资源组织与描述框架”（Ubiquitous Learning Resource Organization and Description Framework）标准，该标准于2021年4月正式通过了国际化标准组织ISO 的审查并获得国际标准号（ISO/IEC 2316）[54]。并且在运行环境、模型建构、关键技术以及应用模式等方面，形成了有益的、可供参考的实施案例。它为今后的泛在学习提供了资源建设的开放、共享和规范的技术指南，对泛在学习研究也具有重要参考价值。

类脑泛在学习系统的学习元作为细胞层的组成部分，一方面来源于学习者的行为并服务于学习者，另一方面在技术层面上，学习元由知识资源、多源数据、组织方式和聚合类型等规则组成，其内容大体上包含基本信息、学习内容、学习目标、学习活动、内容版本、评价、练习/测试、传感器、生命周期、标注、关系、版权、组织等数据，其架构与内容如见图3所示。

2.基础层

基础层的构建依托于普适计算模式，普适计算（Ubiquitous/Pervasive Computing）是一种包含融合计算的模式，能通过多层次、多视角的融合，为人们提供更加方便的、信任度高的访问信息和计算服务[55]。普适计算的思想在上世纪90年代初被提出后，在计算机和教育技术等领域就受到了广泛的关注[56]。进入21世纪以来，尤其是近十年以人工智能、大数据等技术为代表的第四次科技革命的蓬勃发展，智能教育成为普适计算进入数智驱动阶段的典型应用。

基于普适计算原理构建的普适计算环境，成为类脑泛在学习系统的基础层内容。普适计算环境包括了普适设备、信息通道、知觉界面和网络环境：（1）普适设备是被学习者直接接触并使用的相关设备，这些设备具有可移动性、携带便利、可接入其他设备等特征[57]。例如，手机、平板电脑、便携式传感器等。（2）信息通道是指实现普适设备之间相互交换信息、数据的传输渠道，云计算和区块链技术的应用，使信息通道的采集与分享呈现出分布式特征，凸现了类脑的泛在性、分布式MMRDBMS、视觉文档索引、文本修复等。（3）知觉界面即普适设备与使用者感官相联系的物理界面，随着传感器技术的发展和普及，可以采集学习者的多模态知觉数据，进一步促进了类脑的感知性。例如，多屏幕显示、姿态认知、耳麦阵列处理等。（4）网络环境主要是指5G 网络环境的运营和普及，5G 网络的超大带宽、超低时延和海量连接的特性[58]，促进着类脑神经网络更具深度和广度。以上四个层面所构建的普适计算环境，共同构成了类脑泛在学习系统的基础层结构（见图4）。

3.交互层

在细胞层功能的基础上，依托智能感知技术，使得学习形态不断趋向感知、泛在、智能化的方向发展，形成类脑泛在学习系统的交互层。

在泛在学习活动系统中，服务是实现随时随地学习最重要的支持方式，它贯穿在整个学习过程中。作为计算机世界解决人类客观世界问题的拓扑结构，传统的计算机应用模型已无法完全适应基于智能空间（Smart Space）普适计算环境下的各种问题。为了适应基于上下文感知的泛在学习需求，需要对学习者在智能空间中的知觉界面与移动网络中的“使用服务”与“提供服务”进行再设计，以实现信息空间和物理空间的融合。

因此，类脑泛在学习系统的交互层，是基于拓扑结构所构建的复杂性交互神经元。而拓扑结构（Network Topology）作为计算机世界解决人类客观世界问题的技术架构，在泛在化教育情境中，依托普适计算环境，使得学习者在学习过程中与泛在AI 神经元、泛在学习元进行交互，由此产生结构化和非结构化的多维数据，形成多维多粒度的个性化在线/混合学习的多元选择。即基于拓扑结构的类脑智能体与人类学习者之间，可以两两产生学习交互。而多维多粒度的个性化建模及学习策略，需要借助新的、智能化的拓扑结构，来解决人类在智能时代的学习需求。

比如，在知觉界面中，通过普适计算环境技术的支持，形成文本、语音、图像多维数据所集成的智能虚拟体，并在移动网络中以服务的方式，为学习者提供智能空间形态下的学习支持。通过智能设备对学习者声音、图像、传感信息和融合信息进行采集，类脑听觉、视觉、感觉和运动系统与泛在AI 神经元、学习元进行连接，从而在基于智能空间的类脑泛在学习系统形成知觉界面。在知觉界面和移动网络之间实现“提供服务”“使用服务”，而在普适设备和信息通道之间形成物理空间和信息空间的融合（见图5）。

4.传播层

类脑泛在学习系统传播层主要依托两项关键技术：一是上下文感知计算，二是“人—机—物”互联环境。上下文感知计算为类脑泛在学习系统提供了物理层面与信息层面的沟通支撑，“人—机—物”互联环境则支撑学习者在泛在环境中实现智能泛在化学习。

一方面，上下文感知计算技术是构建智能空间类脑泛在学习系统的关键技术之一[59]，它能够在用户不发出服务请求或在非精确交互的情况下，智能地提供计算服务，形成类脑泛在神经元网络，支持随时随地学习交互的开展。泛在学习环境中的上下文感知是指信息空间自动地觉察物理空间中状态的改变，从而改变相应对象的状态或触发某些事件，来自动适应学习环境。该技术有助于系统对用户注意以外的任务进行智能化、自动化处理，以缓解注意干扰给交互过程带来的不良影响。泛在学习环境中的上下文大致可以分为以下三类：环境上下文（包括位置、时间和速度等环境因素），设备上下文（包括网络带宽、屏幕大小等设备特性），用户上下文（包括操作习惯、个人喜好和个性化需求等）。智能空间通过提供静态网络和动态信息化环境，嵌入计算机、信息工具和多模态传感器，允许学习者借助计算机多层次的信息访问方式，以有效执行学习任务。

另一方面，“人—机—物”互联环境基于5G 移动网络，为类脑系统实现真正意义上的随时随地泛在学习提供场域条件。5G 时代的海量数据增长，5G 网络在网络拓扑结构层面由宏基站连接不同的区域，大量高密度、低功率的小蜂窝状基站分布于宏基站中。这种密集型的蜂窝基站解决了4G 网络中无法支持海量的移动数据传输和智能设备交互的问题，通过频谱复用提升信息传输效率，使得困扰泛在学习应用的技术瓶颈——移动网络带宽得以解决。学习者能够在海量的移动数据和智能设备间进行便捷、自在地交互，进行智能的、多样化的随时随地学习（见图6）。

四、研究结论与未来展望

本文从脑科学研究的角度出发，总结了人类大脑神经的可塑性机理，聚焦于教育应用领域，对教育神经科学与类脑泛在学习的发展现状进行梳理，概括出类脑泛在化发展的跃进性机理，通过概述当前智能技术发展成果及其支撑人类泛在化学习的发展现状，提出了类脑与人脑在多维感知元素上的联结性机理。在理论层面，基于类脑泛在学习机理，形成类脑泛在学习系统的设计思路，提出类脑泛在学习系统应由基础层、细胞层、交互层、传播层四个部分构成。其中，基础层为类脑系统提供了技术基础，细胞层实现了知识神经元和学习元，交互层通过智能感知技术为人脑与类脑沟通搭建桥梁，传播层通过上下文感知计算与“人—机—物”互联环境关键技术，实现了拓扑结构类脑智能体。在实践层面，对类脑的进化阶段进行了分析，提出类脑的进化一般应经历机器互联阶段、感知沟通阶段、神经元建构阶段和类脑智能体阶段。未来类脑泛在学习机理及其系统研究，应进一步将先进的脑科学、教育神经科学等研究成果相结合，通过科学的脑机制验证手段为类脑机理提供证据；同时，又以教育神经科学的先进机制优化类脑泛在学习系统的功能。

我们认为，教育神经科学的发展为互联网大脑的进化提供了科学依据，模拟人脑高级功能的类脑智能系统，将有效促进人类学习绩效的提升。随着智能技术的不断演进，基于理论与技术支撑的类脑泛在学习系统正在不断成形，通过类脑泛在学习系统的“人—机—物”互联与感知互联，可以实现类脑以及人脑的双优化。而且，对类脑系统的研究，也是人工智能由可感知的智能水平，向可认知的智能水平过渡的关键一步。因此，这一研究具有理论与实践的双重研究价值。随着互联网功能的完善与形态进化，类脑泛在学习系统的功能也将得到进一步的提升，通过以下策略可大大提高为教育教学赋能的价值。

（一）量变优化策略：实施智能化精准教学

质的飞跃是量变的过程，而非一蹴而就。类脑泛在学习系统的构建需要长时间的经验积累，其基本架构的构建既需要技术积累，也需要长时间的经验积累。随着智能技术在教育教学过程中应用的深入，不仅可将智能技术的新理念、新方法、新形态应用于教育领域，而且还催生出专门化的智能教育解决方案，这就是由技术应用的量变而产生质变的过程。一方面，需要构建具有自身特色的类脑泛在学习系统，实施智能化精准教学；另一方面，唯有通过自身较长时间的智能教育实践，方能催生出可供实施精准教学的类脑系统。因此，实施智能化精准教学的关键策略是找准“应用者”和“应用技术”，“应用者”即实施教学者，要通过技术融入的教学过程不断优化技术的使用方法，方能找准技术的适应教学法；而“应用技术”即合适的技术，在智能教育的框架下，有各种工具、方法、算法、模式等，它们都属于智能教育范畴，只有找准合适的技术，方能有效解决具体的教学问题。因此，通过“应用者”和“应用技术”的量化积累和优化，可以为构建类脑泛在学习系统提供重要的经验积累，进而不断推进类脑泛在学习系统各环节、架构的迭代与优化。

（二）思维应用策略：开展高阶学习评价

类脑泛在学习系统的构建，关键在于应用思维，而不仅仅是应用能力。随着教育信息化发展从1.0阶段向2.0 阶段迈进，使得技术的应用已从“建设”“应用”的视角，转向“融合”“创新”的视角。应该说，即使在1.0 阶段，也不乏可促进实施学习评价的智能技术，且2.0 阶段的评价技术并非更加先进，其改进的关键点在于思维应用能力的提升，只有从技术本位上升为教学本位，方能透过技术看透应用技术解决问题的本质。类脑泛在学习系统的思维应用策略，旨在通过类脑系统有效解决具体问题，如，个性化资源的泛在智能推送、学习者行为的泛在分布式协同、对学习者更加多元化的评价方式等。同时，依托互联网进化的新形态，使得教育教学的各个环节得以互联互通，支撑AI+学习评价方式、评价来源、评价结果的多元化，进而实现高阶学习评价，即深层次学习方式的评价。

（三）低耗整合策略：提升泛在学习绩效

技术进步是一个积累的过程，而非替代的过程。应实施低耗整合策略，提升泛在学习绩效。虽然对类脑泛在学习系统已经提出了既有的框架结构，但具体的类脑泛在学习系统形态与特色功能还没有完全揭示。我们认为，凡是通过智能技术能够提升泛在学习绩效的，都应归属于类脑泛在学习系统中，并且应该存在针对解决关键教学问题的、具有特定功能的类脑系统，这样的实践路径是具有实施成效且具有经济效益的。当前，一些学校所采用的智能教育解决方案的成本越来越高，技术系统的迭代速度越来越快，也许当某所学校刚刚完成其基础设施环境工程之时，其技术应用的理念就已经落后。因此，为节约成本、提高效益、充分挖掘现有技术的利用率，应采用低耗整合的方法建设类脑泛在学习系统。在基础层面，要充分应用校园已有的设备和学生BYOD 设备开展泛在学习；在交互层面，要为已有资源、技术、功能、系统等赋值或采用可嵌入式标签，实现AI神经元的深度整合；在传播层面，必须改进已有平台的传播模式，使之分阶段实现类脑泛在学习系统“人—机—物”的深度传播，进而切实提升泛在学习的绩效。