陈肇雄：推动人工智能与教育深度融合，促进教育变革创新
文|人民网郝孟佳徐玮辰
“人工智能与教育大数据峰会·2019”1日在北京国家会议中心召开。工业和信息化部副部长陈肇雄在峰会上指出，要准确把握新一代人工智能发展规律，积极推动人工智能与教育深度融合，促进教育变革创新，构筑我国人工智能新优势。
“人工智能与教育大数据峰会·2019”会议现场陈肇雄还就积极推动人工智能与教育深度融合、促进教育变革创新方面提出了三个方向：一是坚持创新引领，夯实融合基础；二是坚持需求导向，培养融合人才；三是坚持产教结合，完善融合生态；四是坚持协同开放，营造融合环境。
教育部科技司司长雷朝滋强调，在规划层面，要推进人工智能技术与教育的全面深度融合；在实践层面，建立人工智能多层次教育体系；在研究层面，采取多种措施促进产、学、研、用相结合，支持高校科研机构、人工智能领军企业、中小学校等各方加强合作。
北京市委教育工作委员会副书记、教委主任刘宇辉强调，北京将率先实施人工智能与教育融合发展的行动计划，努力构建以人为本、人机协同、统筹发展、合乎伦理的人工智能与教育融合发展体系。
中国教育学会名誉会长、北京师范大学教授顾明远指出，随着人工智能、大数据等信息技术与课堂教学的融合日益深入，教师培养人才的职责没有改变，教育传承文化、创造知识、培养人才的本质和立德树人的根本目的也始终如一。
北京师范大学副校长郝芳华说，希望未来人工智能与教育大数据峰会能继续为人工智能和大数据的关注者、研究者、应用者们提供可以广泛、深入交流的平台，让人工智能与教育大数据的挖掘与应用不断走向实践、走向深度融合，为我国教育的改革与发展提供科学的依据和指导。
在“跨界融合·推动教育创新发展”主题论坛上，中国工程院院士、教育部科技委主任赵沁平做了“虚拟现实+教育”的主题报告。他指出，教育超脑通过实现资源搜索智能化、教学过程数据化、课堂形式互动化，构建出智慧教学环境，助力课堂减负增效。他强调，VR/AR只是一种教育技术，是教育教学的辅助手段，无法代替教师教学。
北京师范大学校长董奇做了题为“面向未来的智能化教育评价”的主题报告。他表示，科技的日新月异和经济全球化时代的到来对未来社会的人才素养提出了新要求，但传统的教育评价由于受手段和技术的限制，对这些重要的素养难以进行客观的评估，因此需要整合多方面的科技进展，赋能教育评价，使教育评价能更好的反映学生德智体美劳的全面发展，对素质教育的实施产生更加积极的推动作用。
北京师范大学互联网教育智能技术及应用国家工程实验室主任黄荣怀介绍了从“智能教学系统”到“学习过程认知计算”、从“课堂行为分析”到“教学行为计算”和从“学习环境设计”到“学习环境计算”的三个基本计算问题。他指出，如何平衡规模化教育与个性化培养是当前中国教育需要应对的问题，而技术可以实现这个目标。智能技术变革教育具有个性化、情境化、数据驱动、新教育生态等基本特征，从人类“适应”机器，再到机器“真正”服务人类，还有一段漫长的路要走。
据悉，本次会议由北京师范大学与科大讯飞联合主办。会议为期两天，除了“A.I.+教育跨界融合与创新发展峰会”，还有“精准管理与区域教育现代化”、“脑科学与语言教育”、“人工智能时代的教育与智能教学系统”、“人工智能教育的制度、政策与伦理”、“人工智能时代的教育质量评估”、“因A.I.而能共创智能教育新未来”六大分论坛，各方代表的思想碰撞，为人工智能时代下的教育革新提供新的思路。
此外，峰会同期还举办了《深度学习与Pyhton与R软件的实现》、《教育和心理学中的大数据挖掘方法》、《教与学中的过程性数据挖掘》、《数据挖掘促进人员管理水平提升》、《教育测评中的数据挖掘》等五大前沿数据挖掘工作坊，探讨数据挖掘在教育测评、人员管理等多领域的重要作用。
来源：人民网
原标题：陈肇雄:推动人工智能与教育深度融合，促进教育变革创新
最新更新时间：08/0215:32
人工智能技术在文化产业中的应用与影响研究
摘要：人工智能技术的发展为文化产业提供了诸多应用性机遇；其中一些关键性技术点与文化产业相结合，可以实现文化内容产生、创意资讯传播以及文化市场管理方面的创新。本文拟从几种主要的人工智能技术出发，介绍在技术与产业相结合过程中形成的代表性应用，同时探讨分析目前的人工智能应用带来的“信息茧房”“机器歧视”等社会问题，从而为我国文化产业发展提供相应的经验。
关键词：人工智能；文化产业；算法公平；信息茧房
人工智能（ArtificialIntelligence，AI）本质上是对人的意识与思维的信息过程的模拟，是指使用机器代替人类完成认知、识别、分析和决策等功能。在《人工智能：一个现代路径》[STUARTJ.RUSSELL&PETERNORVIG,ARTIFICIALINTELLIGENCE:AMODERNAPPROACH1034(3ded.2010),supranote7,at4.]一书中，“人工智能”被定义为：行为是为了获得最好的结果，或者在不确定的情况下，获得期待的最好结果，这是一种“理性行为”选择。在过去的十余年中，人工智能技术在以深度学习为代表的机器学习、语音识别、自然语言生成与处理、计算机视觉等领域取得不少成果，引得全球广泛关注。
世界各国都在积极部署关于人工智能的战略规划，2016年10月，美国和英国双双出台国家人工智能战略。就我国而言，2017年，国务院印发《新一代人工智能发展规划》，其中提出到2030年，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元[国务院:新一代人工智能发展规划[J].重庆与世界,2018(02):5-17.]。
基于此，本文重点关注人工智能技术在文化产业――即新闻出版、发行、广播电视、电影、文化艺术、文化信息传输、广告服务和文化休闲娱乐等领域中的应用现状、存在的问题及对策，从而为我国文化产业发展提供可借鉴思路。
一、人工智能的主要技术类型与文化产业中的典型性应用
在美联社于2017年发布的《人工智能工作手册》中，人工智能在新闻业应用最频繁的技术主要有5类，包括机器学习、自然语言技处理术、语音识别技术、机器视觉和机器人技术[余婷,陈实.人工智能在美国新闻业的应用及影响[J].新闻记者,2018(04):33-42.]。在整个文化产业当中，目前应用最为广泛的技术类型是以深度学习为代表的机器学习，其他4类技术类型也均有不少应用落地。
通过上表可知，人工智能中的虚拟代理、机器人自动化、机器学习、深度学习、生物与语音识别、自然语言生成与处理（NLP）、硬件优化与决策管理等技术可以与文化产业中的信息采集、内容生产、信息传播和受众管理等有效结合，提供诸如内容个性化算法、受众目标与偏好识别、自动新闻内容生产等方面的服务，也可以提供在客户管理与市场调研方面的有力手段。
目前，国外一些先进的文化媒体机构对于上述技术的应用已经形成一定的有益经验与有效做法。
首先，在内容生产中，人工智能可以实现自动写作与自动摘要、抽取式新闻写作，并试图使机器像人类一样阅读与思考。
美联社是最早运用AI技术进行自动化写作的媒体之一。2014年，美联社与美国AutomatedInsights公司合作，使用该公司开发的自动化写稿程序Wordsmith来自动编发企业财报新闻。该程序几分钟内可写出150-300字的快讯，每季度能生产4000篇财报新闻，是过去数量的10倍。2015年之后，国内腾讯新闻、新华社和今日头条等也陆续推出了写稿机器人。
其次，在信源数据收集中，人工智能可以基于传根器应用生成内容，实现信息传播的可视化追踪。
NewsTracer是路透社使用的新闻追踪系统，这一系统每天可以对5亿条Twitter信息进行分析，从假新闻、广告和杂音，以及众多的人名、机构和地点中找到真的新闻事件与线索，这让记者能够从社交媒体的众多信息中脱身，把更重要的时间用来挖掘故事。
第三，在文化创意视频类服务中，人工智能可以实现文本和视频之间的转换、高效寻找视频片段与资源以及优化视频内容搜索等。
Zorroa是美国的一家视觉资产管理公司，2017年，公司推出企业可视化智能平台（EVI），帮助用户对大型数据库中的可视资产进行搜索和运行分析。在与索尼影业的合作中，EVI通过面部识别、图像分类、机器学习等方式整理、分析了索尼多年来积累的数百万小时的视觉资产。使用该平台后，平时需要27小时才能搜索到的特定视频资源，仅需3分钟即可检索到，为索尼影业的视频资源开发带来极大的便利[https://zorroa.com/case-studies/]。
第四，在文化信息传播中，人工智能可以通过受众的好奇点与文化传媒内容进行匹配、通过信号源获取受众的兴趣点，并且精准分析受众，预测其内容消费需求，实现精准投放。
Netflix是在用户个性化分发业务上较为成熟的视频网站。2016年年报显示，Netflix拥有9300万全球会员，每天流媒体播放超过1.25亿小时的电视节目和电影。预测用户想要观看的内容是其公司业务模式的关键部分。2016年，Netflix开发名为Meson的应用程序，构建、培训和验证个性化算法，提供视频推荐建议。类似的企业还有IRIS.TV等，该公司曾在三个月的时间内运用个性化分发，将其客户所在公司的观众存留率提高了50%[https://www.techemergence.com/ai-in-movies-entertainment-visual-media/]。
最后，在市场调研与客户管理方面，人工智能可以获知受众对内容消费的使用特点、通过深度神经网络技术来感知受众对文化内容的情感参与和变化，从而进行有效的客户管理与市场营销。
2016年，日本广告公司MaCannEricksonJapan聘用了全球第一个使用人工智能开发的机器人创意总监AI-CD?。当年9月，机器人创意总监与人类创意总监以同一个广告主题各自开发了10分钟的广告片，并交由全国民意调查评判。尽管人类创意总监以8%的微弱优势险胜，AI在受众分析与市场营销方面的潜力不容小觑。
可见，人工智能已经显著改变了媒体格局――包括观众发现和参与内容的方式，以及内容创建和分发给观众的方式。目前，算法不仅会影响受众在不同平台上看到的内容，还会首先影响平台生产和创建的内容。人工智能从根本上改变了受众行为和创作过程。
二、人工智能应用对文化产业发展的影响与启示
尽管统计显示，就目前的全球文化产业而言，仅有8%的文化企业已经部署并使用了人工智能技术应用[https://www.ibc.org/tech-advances/the-future-is-artificial-ai-adoption-in-broadcast-and-media/2549.article]，但人工智能技术对文化产业乃至整个社会的影响已经有所显露。
就其积极意义而言，人工智能技术在提高内容生产效率、提升用户留存率以及优化文化产业资产管理等方面存在重要意义、毋庸置疑的高效率和部分的不可替代性。而就其消极影响而言，内容分发的局限性开始受到社会关注；人工智能算法的公平化、透明化一度遭受质疑；算法带来的偏见与歧视又引发社会伦理问题；人工智能应用背后的商业力量或许是造成这一系列问题的原因之一……
不少科技界声名显赫的人物也因此表达了对人工智能未来发展的担忧，如特斯拉创始人埃隆・马斯克曾说：“我们应该十分小心地看待人工智能。我越来越倾向于认为，在国际或者国家层面上应当有相应的人工智能监管措施，以防人类做出不可挽回的事情来。”微软创始人比尔・盖茨、物理学家史蒂芬・霍金等也表达了类似的看法。未来人工智能应用将在何种程度上造福于人类，部分取决于今天我们在何种程度上理解并解决人工智能可能产生的问题与自有弊端。
具体而言，本文将从如下三方面阐述人工智能应用的问题、影响与对策：
（一）内容分发的局限性：“信息茧房”
如今的网络文化空间，从某种意义上说，是一个算法帮助公众做决定的环境。如果说曾经的传统媒体为公众搭建了一个“拟态环境”，不同的编辑部依托各自的编辑方针、新闻判断原则，以“议程设置”的方式决定着每日媒体内容的生产加工，那如今，在网络媒体中这一权力部分地转交给了算法。算法可以决定人们阅读哪些新闻，观看哪些视频，收到哪些广告，人们的数字存在（DigitalExistence）日益受到算法左右。
文化传媒企业使用算法决定内容推荐的初衷是在于解决信息过载的问题，提高用户获取信息的效率，更希望借此增加用户的沉浸时长，提高应用的用户忠诚度和留存率。因此，企业利用大数据主动搜集用户信息，根据用户自身兴趣，为用户定制个性化内容，形成一整套精确的内容分发模式。Facebook信息流产品Newsfeed、对话式新闻产品微软小冰和Quartz、今日头条以及Netflix、IRIS.TV等一系列人工智能应用均属于此类型。
这一初衷是好的，但问题出在“精确”上。信息越精确，代表着信息涉及的范围越狭窄。人工智能研究者已经发现，仅仅关注推荐系统的精确度远远不够，这会导致用户难以获取足够的信息增量，视野越来越狭隘。美国学者桑斯坦在其著作《信息乌托邦》[凯斯・R・桑斯坦.信息乌托邦:众人如何生产知识[M].法律出版社,2008：206-208.]中指出，人们借助网络平台和技术工具，在海量的信息中，完全根据自己的喜好定制报纸和杂志，进行一种完全个人化的阅读。在信息传播中，因公众自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通讯领域，久而久之，会将自身桎梏于像蚕茧一般的“信息茧房”中。
学术界不少学者指出“信息茧房”问题的危害，将“信息茧房”与群体极化、证实性偏见等议题关联起来。学者陈昌凤认为，信息的个人化偏向容易产生詹姆斯・斯托纳（JamesStoner）1961年提出的群体极化现象，即团体成员从开始只是有某些偏向，通过协商、讨论，逐渐朝偏向的方向继续移动、形成极端的观点，甚至引发社会波动，如散播错误信息、形成极端性社会团体、公共理性批判缺失等[陈昌凤,张心蔚.信息个人化、信息偏向与技术性纠偏――新技术时代我们如何获取信息[J].新闻与写作,2017(08):42-45.]。与此同时，人们总是倾向于寻找、阅读自己认同的信息来佐证自己的认知，加深了信息的个人化偏向。对垂直细分领域内容的追逐，弱化了公共事务领域内容的传播，网络社会中传统媒体讲求的“社会公器”意义式微，一个对公共事务冷漠、毫无参与感与同理心的社会将会是“信息茧房”之下最极端也最为悲剧性的结局。
对此，文化传媒企业和公众这两个主体都需要采取一定的对策。对于文化企业而言，应当在推荐的精确度指标之外，加入新的算法推荐考量指标，如多样性、覆盖率、新颖性等；另外，有研究表明，基于关联规则的推荐方法要优于基于内容规则的推荐方法，更易为用户发掘新的兴趣点，现有的障碍在于关联规则难以抽取、耗时长[刘辉,郭梦梦,潘伟强.个性化推荐系统综述[J].常州大学学报(自然科学版),2017,29(03):51-59.]。
而对于公众而言，文化传媒企业设置算法推荐的初衷就有迎合用户喜好的意味，用户越是喜欢哪一类内容，平台就越是推荐哪一类内容。因此用户想要逃离“信息茧房”，第一个步骤就是反省自身，提升自身的媒介素养。平台可以帮助用户实现媒介素养提升，如每周发布用户阅读周报，告知用户在阅读中各类型信息的占比情况，提示用户哪一类信息了解匮乏等，起到一定的督促作用。
（二）从算法偏见到机器歧视――算法的公平与透明化困境
当我们在日常生活中的决策权部分地交给算法之后，我们本能地期待着一个更加公平、透明的环境。但是，一个不容忽视的问题是：算法或者机器真的能够做到公平、公正、不偏不倚吗？算法的规则是否本身就带有人类固有的偏见呢？
2015年5月，Google的照片应用加入自动标签功能，应用更新不久，一位黑人程序员发现自己的照片竟然被Google打上“大猩猩”的标签。Flickr类似的自动标签系统也犯过大错，曾把人标记为猿，把集中营标记为健身房。2016年3月，微软公司的人工智能聊天机器人Tay上线。可是上线不到一天，Tay就被网民“教育”成为一个集反犹太人、性别歧视、种族歧视等于一身的“坏孩子”，被强制下线。此外，有研究称谷歌广告服务会默认为女性用户推送比男性用户薪水更低的广告。这些事件一方面反映出现有的人工智能、机器学习技术的不成熟，另一方面，机器歧视（MachineBias）问题开始进入公众视野。
2017年，Pew研究中心曾在研究报告《算法时代》[LeeRainie,JannaAnderson:Code-Dependent:ProsandConsoftheAlgorithmAge,http://www.pewinternet.org/2017/02/08/code-dependent-pros-and-cons-of-the-algorithm-age/]中指出：“算法的客观中立仅仅是理想，创建算法的人即使尽量做到客观中立，也不可避免地受到自身成长环境、教育背景、知识结构和价值观的影响。此外，创建算法所依赖的底层数据的有限性也会导致算法偏见。”
那么，算法偏见的来源在哪里？首先，存在错误、不准确和无关的数据可能导致偏见。输入不完美、甚至有错误的数据，自然会得到错误、有偏见的结果。
其次，机器学习的过程可能是偏见的另一个重要来源。例如，一个用于纠错的机器学习模型在面对大量姓名的时候，如果某姓氏极为少见，那它在全部数据中出现的频率也极低，机器学习模型便有可能将包含这个姓氏的名字标注为错误，这对罕见姓氏拥有者和少数民族（姓氏与非少数民族不同）而言就会造成歧视[曹建峰.人工智能:机器歧视及应对之策[J].信息安全与通信保密,2016(12):15-19.]。这类歧视的来源并非程序人员有意识的选择，具有难以预料、无法估计的特点。
再者，正如Pew报告所指出的，算法可能先入为主地默认了算法创建者或者底层数据中带有的价值判断，从而产生了性别、宗教和种族方面的歧视。这类歧视主要是由于产品设计（DiscriminationbyDesign）的局限性。
种种算法偏见与机器歧视的案例让我们不禁怀疑，“公平”这一社会理念到底是否可以被操作化，成为被准确量化的算法规则。而与此同时，机器自动化决策的不透明性使得准确量化公平难上加难。机器决策是经由算法这一“黑箱”（Blackbox）完成的，也就是说，不论是普通人还是熟悉公平原则的社会学者，均无法了解算法的内在机制、原理，更无法监督机器的决策过程。因此，当算法的编程人员不清楚或者未能统一“公平”的内涵与规则时，他们自身的偏见就会在一定程度上影响算法，同时他们也可能会忽视算法可能产生的偏见，不公平的人工智能应用随之产生。
正如学者DanielleK.Citron在《技术正当程序》中所说，对于关乎个体权益的自动化决策系统、算法和人工智能，考虑到算法和代码，而非规则，日益决定各种决策工作的结果，人们需要提前构建技术公平规则，通过设计保障公平的实现，并且需要技术正当程序，来加强自动化决策系统中的透明性以及被写进代码中的规则的准确性。
日前，美国弗吉尼亚大学学者AhmedAbbasi等在《让“设计公平”成为机器学习的一部分》（Make“FairnessbyDesign”PartofMachineLearning）一文[https://hbr.org/2018/08/make-fairness-by-design-part-of-machine-learning]中指出，可以通过将数据科学家与社会科学家组队、谨慎打标签、将传统的机器学习指标与公平度量相结合、平衡代表性与群聚效应临界点（criticalmassconstraints）以及保持意识等方法减少算法形成歧视的可能性。其中，“平衡代表性与群聚效应临界点”是指在对数据进行采样时，应既考虑数据的整体特征，同时不忽略某个特定少数群体或者极端数据情况。只有这样，机器学习模型在预测一个普通人和一个特殊群体时，才能都给出更为准确的答案。
另外，谷歌也开始倡导“机会平等”，试图将反歧视纳入算法。还有学者引入“歧视指数”的概念，为设计“公平”的算法提供具体方法。我们必须清楚，人工智能总是通过一个快速且脱离人类社会与历史的学习来完成自我构建，因而一个未经完善的机器学习模型必然存在“道德缺陷”。在人工智能应用的构建中，人类与人类长久以来葆有的道德与社会规则不能缺席。
（三）人工智能应用背后的力量
“信息茧房”的形成不是由于信息广度不足，内容生产不够，而是由于信息推荐固定地集中在某一特定领域造成了信息的窄化；算法偏见的形成不是由于机器学习具有天生的弊端，而是由于人类未将公平公正的原则纳入算法考量之中。人工智能应用背后存在着的，是人的力量与符合经济社会的商业逻辑。
为了迎合消费者，信息推荐系统会将消费者的阅读“口味”作为依据。当搜索引擎通过机器学习意识到，搜索八卦新闻的人愿意在日后更多地看到八卦新闻，为了提升用户留存度，搜索引擎会相应地减少其他类型新闻推荐。
为了满足商家，人工智能产品会把更昂贵的产品卖给用户忠诚度高的用户，即“大数据杀熟”现象。同时，为了更加精准地进行广告投放，人工智能偶尔也会忽视公平原则，例如女性用户通常会收到比男性用户薪资低的推荐广告。这样的现象发人深省，未来是否有必要通过一定的法律手段，要求包括文化企业在内的商家作出“不作恶”的商业承诺。
整体而言，我们的社会正被人工智能推向一个新的发展节点。正如[金兼斌.人工智能将给传媒业带来什么?[J].中国传媒科技,2017(05):1.]学者指出，社会和传媒技术的发展，从来都不是线性和匀速的。从工业革命到信息技术革命，每一次社会巨变都伴随着这样一个临界时刻。今天，我们已经能够感受到，我们的日常生活――包括媒介生活中的许多基础性的东西，正在被人工智能应用所搅动。在这样的时刻，只有紧抓机遇、规避风险、解决弊病，才能真正实现行业和社会的跨越式发展。我国的文化产业走到了一个崭新的路口，新的机遇在等待着它。
(责编：尹峥、赵光霞)分享让更多人看到
人工智能教育应用与研究中的新区、误区、盲区与禁区
同样，人工智能从诞生起，便与教育应用结下不解之缘，包括人工智能专家在内的教育工作者，都认为人工智能在教育领域能发挥独特的作用。著名认知科学家和人工智能先驱MarvinMinsky（2004）就曾指出，人工智能可以开发个性化的教学机器，可以根据个体特定的情境、困难和需求，与其进行对话，帮助其理解问题或达到（实现）某个目标[4].………但在很长一段时间内，人工智能除了在一些专家系统、智能教学系统等单一功能开发或应用上有所进展外，其在教育领域中的绩效表现与人们的期待仍相去甚远。
随着制约人工智能发展的技术瓶颈不断减小，特别是大数据、云计算、移动互联网等技术逐渐成熟和普及，人工智能研究及应用也得到迅猛发展，在教育业界和学界也引起了较大关注。《新媒体联盟地平线报告（2017高等教育版）》指出“随着人工智能和自然用户界面进入主流应用，很多大学正在设计机器学习算法和触感设备，以更真实地与人类进行交互”[5]。BarbaraKurshan认为，人工智能将在学习分析、课程材料质量评价、自适应学习和推荐引擎等领域中，为教育效果或效率的提升发挥十分重要的作用。而且，人工智能具有向MOOCs，混合式学习和在线学习的个体学习者们创建独特的学习路径的能力[6]。
近几年，在我国的教育技术相关期刊中，和人工智能直接相关的研究成果不断涌现，CSSCI收录的期刊（2013年1月-2017年6月）共发表与人工智能相关文章39篇，仅2017年1-6月就发表了16篇，其中《远程教育杂志》刊发的相关研究成果最多，见图2。这些文章的研究主题涉及人工智能最新成果在教育各个领域中的应用，包括机器人学习[7][8]、深度学习[9]、个性化学习[10]、自适应学习[11]、学习分析[12][13]、情感计算[14]、智慧教育、大数据等主题（见图3），而且相关研究主要以“学习者”为中心和以“学习过程”为核心，旨在促进学习者的学习和发展。
上述相关研究大多都热烈拥抱人工智能最新前沿成果，研究视角主要是把其与教育过程相结合，优化教学方式与路径，帮助教师改善教学效果；解决学习者在各种学习情境中的困难，提供个性化学习服务；帮助教育管理者优化决策，提升管理效率等。相关研究为人工智能在教育中的应用，提供了多维视角的理论与实践上的论证、探索、尝试和创新，也为人工智能在教育中应用、普及奠定了理论框架和指明了今后实践应用方向。
但是，对于人工智能在教育中的应用，目前仍有一些复杂的问题有待进一步思考和解决，如，人工智能技术的迅速发展，是否可在已有教育应用基础上，开拓新的教育应用领域，本文称之为“新区”；人工智能技术在教育某些领域中的应用还存在一些不恰当，甚至是错误的认知和应用，即人工智能教育应用中的“误区”；人工智能技术是一种增能、使能、赋能的技术，这些技术对于特殊人群的教育和成长有着重要的潜在应用价值，但这方面是我们的研究洼地，存在着“盲区”；此外，人工智能技术的使用并非是中性的、无边界的，即教育人工智能应用有其道德边界和伦理约束—“禁区”的存在。
因此，在当下人工智能“大热”之际，我们有必要以辩证的、系统的和前瞻性的视角，对于人工智能教育应用中新区、误区、盲区和禁区进行审视与分析，以准确地认知和把握人工智能教育中积极与消极的影响、教育目的和方向、优势与不足，这有助于人工智能教育研究与实践的健康发展。
二、目前人工智能教育应用的主要技术
（一）人工智能发展的几个阶段[15][16]
1.起步阶段（上世纪50年代-60年代末）
1956年，艾伦·纽厄尔（AllenNewell），希尔伯特.西蒙（HerbertSimon）、约翰-麦卡锡（JohnMc-Carthy）、马文·明斯基（MarvinLeeMinsky）和亚瑟·塞缪尔（ArthurSamuel）在美国达特茅斯学院开创了人工智能的研究领域。一开始人们信心十足，西蒙曾预言：“在二十年内，机器将能够做人所能从事的任何工作”。
2.停滞阶段（上世纪70年代）
人工智能一开始发展速度较快，但由于硬件计算能力、人工智能程序计算复杂度高、学习数据的局限性等，人工智能的发展很快进入平台期。一些人工智能研究项目遭到质疑，期间，美国和英国政府还中断了对人工智能探索性研究的资助。接下来的几年被称为“人工智能的冬天”。
3.曲折发展阶段（20世纪80年代初-21世纪初）
由于硬件计算能力、软件技术的发展，机器人专家系统等人工智能技术得到了广泛应用。日本的第五代计算机项目的启动，美国和英国政府恢复对人工智能学术研究的资助，都意味着人工智能得到了一定的发展。但是，1987年的LISP机市场开始崩溃，人工智能进入萧条阶段。而在上世纪90年代未至21世纪初，摩尔定律成功主导了硬件计算能力的提高和价格的下降，为人工智能发展和普及提供了硬件基础。同时，在解决具体问题方面，人工智能也取得突破性的进展，“深蓝”成为第一个击败世界国际象棋冠军卡斯帕罗夫的国际象棋博弈系统，从而带动人工智能广泛应用于物流、数据挖掘、医疗诊断等领域。
4.高速发展阶段（21世纪10年代一迄今）
进入21世纪10年代，人工智能的硬件能力获得突飞猛进，单机运算能力和网络互联能力的提升使人工智能具备更高的运算能力。大数据技术使得机器学习有了坚实的数据基础，云计算技术、网络技术使人工智能在机器学习、语音/图片/视频等处理上也有了飞速发展。如，IBM的问答系统（Watson）、Alphago围棋系统均给人们留下极其深刻的印象。我国目前在语音识别、语音合成等领域取得了领先地位。
人工智能与教育始终是密不可分，在人工智能发展的各个阶段，教育工作者始终积极尝试将人工智能技术融人教育过程之中。如，1958年IBM用IBM650连接打印机终端进行二进制算术教学：1960年PLATO系统研制并投人使用：1966年美国斯坦福大学与IBM合作开发IBM1500教学系统；以及之后的TICCIT、PLATOⅡ等计算机辅助教学系统，期间还开发出各类专家系统、虚拟教学（实验）系统、智能授导系统、智能问答系统…因此，我们也可以说，人工智能的发展史，也是人工智能教育应用的发展史。
（二）人工智能主要技术及其教育影响
1.人工智能及技术内涵
什么是人工智能?从学科的视角来看，人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。从其所实现的功能视角来看，人工智能是智能机器所执行的通常与人类智能有关的功能，如，判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。人工智能分为两个层次：弱人工智能（专用人工智能）和强人工智能（通用人工智能）[17]，弱人工智能是以通过传感以及记忆存储来实现特定领域或者功能为主的应用，而强人工智能是基于认知学习与决策执行的能力，可实现多领域的综合智能[18]，目的是要逐步实现人的意识、思维和情感等。
从研究与应用领域来看，人工智能主要集中在问题求解、逻辑推理、自然语言理解、自动程序设计、专家系统、机器学习、人工神经网络系统、机器人、模式识别、机器视觉、智能检索等领域[19]。为了解决这些领域中的问题或实现相应的功能，人工智能专家不断地开发出各类技术、工具、程序、系统等应用。而人工智能教育应用的主要技术就是指这些应用于教育过程的人工智能技术、工具、程序或系统，即以人工智能技术来支持或帮助教育教学目标的实现、问题的解决，促进教育过程最优化。
2.人工智能技术发展趋势
随着云计算、大数据、物联网、移动互联网等新一代计算机技术生态的形成、发展和完善，人工智能技术取得了突破性发展。其中，计算能力的提升、大数据的形成和算法的创新是人工智能技术获得突破的关键性因素；反过来，人工智能技术的发展又推动云计算、大数据、物联网和移动互联网等技术和应用的创新，它们之间形成正反馈效应。
我们可以从Gartner咨询公司每年发布的《年度新兴技术成熟度曲线》[20]得到佐证。近几年，人工智能技术发展与创新日新月异，图4是Gartner2016年度新兴技术成熟度曲线ll。
从图4可以看出，在新兴技术当中，人工智能技术占据着非常重要的位置。因为在各类新兴技术中，多将人工智能作为重要技术性功能或模块嵌入、融人至相应技术体系中，或作为主体来实现某类功能，高效执行某项功能。大致分为以下几个方面：（1）嵌人人工智能技术—脑机界面、人体增强、情感计算、联网家庭（ConnectedHome)、增强现实，个人分析、企业知识分类与知识本体管理、虚拟现实以及手势控制设备；（2）融入人工智能技术的系统或平台—神经形态硬件、量子计算、认知专家顾问、区块链、物联网平台、软件定义安全与软件定义世界等：（3）主体性的人工智能技术—智能微尘、机器学习、虚拟个人助手、智能数据挖掘、智能工位（IntelligenceWorkspace)、会话式用户界面、智能机器人、商用无人机、自动驾驶汽车、自然语言问答系统、数据经纪人以及情境代理等。
3.人工智能教育应用中的主要技术
Gartner年度报告还提出了影响K-12教育的五大战略性技术，并向K-12的教育CIO（首席信息官）提供“施行数字战略”的教育建议。而人工智能技术或系统，无疑成为教育战略技术中重要技术或组成部分。表1分别是2016年[22]和2017年[23]五大战略性技术的内容。
除了2017年排名第一的“人工智能”技术外，其它技术与人工智能相关技术并不直接相关。这说明人工智能技术作为一种增能、使能和赋能技术，除了特定系统是以人工智能技术为主体，如，智能教学系统，其它人工智能的应用主要是通过嵌入或融入到各类教学，学习，管理和决策工具、系统或平台之中而发挥其相应的功能，如，数字化评价，适应性学习，数据管理系统、虚拟现实等。在教育领域里，具体应用的人工智能技术领域较多，如，语音识别、视觉计算、可穿戴技术、情感计算技术、机器学习技术、智能挖掘技术等。
上述人工智能技术在教育应用中的形态，主要包括两个方面：主体性与辅助性。主体性是指相关工具或系统以人工智能为主体，如，智能教学系统、智能问答系统、智能评价系统等；辅助性是指人工智能以相应的功能模块或部分结构嵌入至其它教学、学习和管理系统之中，如，自适应学习系统、数字化评价系统、教学游戏、智能教育决策支持系统等。
三、人工智能教育研究和应用中存在的问题及溯源
虽然国内外教育实践者及研究人员对人工智能教育应用采取了积极的态度，但是，由于人工智能技术本身还在不断地进化和发展中，人工智能教育应用远未成熟。在人工智能已取得的进展中，主要是在弱人工智能方面，而在通用性人工智能方面基本上止步不前。因此，我们需要以清醒的头脑，认识到在人工智能教育研究和应用中还存在一些问题，如，人工智能教育应用中还存在狭隘或片面化的问题表现为对于人工智能教育应用的过分乐观或悲观、缺乏普适性或全面性、缺失人工智能伦理或关切等。
（一）“新区”亟特拓展
这里所谓的“新区”，特指人工智能教育应用的新技术、新领域、新功能、新模式、新场景等方面，主要表现为两个层面：一是创新的人工智能技术在教育领域中被应用与引进；二是人工智能技术在教育领域的不同层面上更进一步地探索、拓展和延伸，以突破已有人工智能教育应用范畴，比如，人工智能与脑科学的结合、人机接口研究的应用等。
2017年7月在新媒体联盟（NMC）发布的《地平线报告：基础教育版（大纲）》中，对人工智能在教育领域未来4-5年的应用趋势进行了预测：在人工智能领域，计算机科学正在创建与人类功能更为相近的智能机器。在各种信息集之间的类别、属性和关系的获取基础上，知识工程可以通过计算机来模拟人类感觉、学习和决策行为。人工智能研究的另一个重要领域是神经网络，它具有重要价值，能够通过语音识别和自然语言处理，使得用户界面更加自然，从而实现一种类似于人与人之间互动的人机交互效果。
随着底层技术的不断发展，人工智能将可能通过更直观地回应学生并与他们进行交互，从而改善在线学习、自适应学习的软件和模拟过程四。但是正如BillGates对人工智能所做的评价：我们开发人工智能各种潜力的努力才刚刚开始，目的是使人们的生活变得更加高效和富有创造力[25]。他的评价也说明了：人工智能技术发展才刚起步，人工智能技术的应用还需在各领域不断探索，人工智能的教育应用也同样如此。
目前，人工智能在教育领域的研究与应用中存在的问题，是人工智能应用狭窄化、碎片化，其主要表现为：首先，人工智能的研究多定位于教学、学习或管理层面的某个特定方面，如，在适应性（Adap-tive）及个性化（Personalized）学习系统和综合性的智能教学系统（IntelligentTutoringSystem）[26]，而忽视学习者整体素质（正确理解并合理应用Al的素养）的提升和发展；其次，人工智能教育应用的情境常设定在学校教育环境中的某项活动，如，人工智能辅助教学系统、智能代理系统、智能答疑系统、智能化教育决策支持系统等[27]，从本质上看，并未跳脱出此前的研究范畴；最后，现有人工智能教育应用领域相对狭窄，只聚焦于学校教育应用，而忽视了人工智能在企业培训、家庭教育、继续教育、特殊教育等领域中发挥的功能。
总的来说，人工智能在教育领域中的应用范围相对狭窄，未形成系统化的、高效的应用体系，亟待我们去继续拓展人工智能教育应用的“新区”。
（二）“误区”仍需澄清
所谓“误区”，是指人工智能在教育领域中的研究、开发和应用中存在着片面的或错误的认识和理解，存在着过于乐观或悲观的态度等问题。主要表现在以下几个方面：
1.“智能”与“智慧”的区别与联系
从本质上来看，智能是人类赋子硬件或软件具有模拟人行为的一种能力（如，知觉能力、语言理解能力、思维能力等），它是作为解决系统“问题”的功能具体地体现出来[28]，一般可视为由人将某项智能内化于物（设备或系统）。智慧的含义是“利用知识经验作出好的/善的决策和判断的能力“[29]，不言而喻，智慧的主体是人。祝智庭教授认为，智慧是一种高阶思维能力和复杂问题解决能力，智慧的精神内核是伦理道德和价值认同，智慧强调文化、认知、体验、行为的圆融统整[30]。但是，在教育领域，人工智能教育应用与智慧教育常被等同或“混合”起来，很难区分两者的边界。我们认为，人工智能所体现的智能和人类的智慧具有本质性的差异，而以培养人的智慧为目的的“智慧教育”和运用智能化信息技术的“智慧教育”，这两种提法都有诸多值得商椎的地方[31]。因此，确切地说，人工智能辅助于教育（学）应用、建构教育场景、重组教育中的要素或者重构教育过程，才属于人工智能的教育应用（ArtificialInteligenceinEducation，AIED）。
2.人工智能教育应用中的“乐观主义”与“悲观主义”
与其它教育技术应用（如，教育电影、教育电视、计算机辅助教育）相似的是，一些人对人工智能的教育应用抱着过于乐观的论调，认为人工智能教育应用将替代教师、管理者、学伴或同价（Peer）以及传统的教育环境、教育工具、教育测评等，人工智能将通过对学习者进行分析，实现个性化教学，答疑、评价和管理。因此，一旦人工智能在教育中普及后，将不再需要教师。
而悲观主义者认为，人工智能的教育应用与教育技术领域中的其它应用一样，仍是机器、程序、智能agent，它只是改变了我们的学习路径、学习步距，学习环境、学习绩效等，不可能一下子带来很多本质性的变化。即教育具有很强的“惯性”或顽固性，人工智能教育应用并不会改变教育结构、教育模式，也不会改变学习者的学习过程、学习的本质和目标。
事实上，这两种观点均存在偏颇之处。首先，人工智能技术的发展才刚刚起步，目前仍处于弱人工智能（单一领域、单任务）阶段，远未达到强人工智能（通用领域、多任务）水平。人工智能还需要多个方面取得突破才能更贴近实际，显现出真实实力。其次，人类自身对于大脑结构、功能，过程等一系列的生理机理尚知之甚少，更是无法建构出等同于人脑思维机能的人工智能系统。再次，教育的本质不仅仅是信息和知识的获取、技能的习得，更在于人的世界观、人生观、审美观和价值观等的培育和养成。知识的传授与技能的习得可以通过人工智能教育应用去优化和实现，而世界观、人生观、审美观和价值观等的培养，则离不开教育工作者的精心教导，创想、创意、创新精神的培养更离不开教师的帮助。总之，即便人工智能发展到一定程度，人工智能的教育应用过程仍需要教师的参与和引导。
（三）“盲区”有待探索
所谓“盲区”，本意是指没有被发现的真实存在的场域，本文所指的“盲区”包括两个方面：
（1）人工智能在教育应用中能够发挥积极作用，但又被忽视的区域。目前，主流的教育技术研究和实践领域主要在普通教育及成人教育（培训）领域，而特殊教育有意无意成为教育技术研究和实践的盲区，残疾人群（包括其他智障者、失能的老年人群等）在教育技术研究和实践中是被边缘化的群体（MarginalizedGroup）[32]。同样地，在人工智能教育应用领域，特殊教育也是一块有待研究和应用的“洼地”，属于“盲区”。
从现有文献检索来看，人工智能技术鲜有特殊教育方面的研究与应用成果。以现有人工智能的教育研究或应用成果来看，人们更多地关注如何利用人工智能技术的优势，提高普通教育领域中的教学、管理以及个性化学习的效果、效率和效益，实现教育自动化、网络化、智能化、个性化，然而，却忽视了残疾人群的教育需求。对于残疾人群来说，由于种种原因，他们的身心处于低能、失能、不能的状态，从而给学习和发展带来严重的障碍，如，视觉、听觉、言语、运动、理解、表达等方面存在的障碍。其实从需求和适配度层面来看，残疾人群在知觉能力，语言理解能力、社交能力等方面，更需要人工智能技术的介人、辅助和支持。因此，人工智能教育应用，不应该继续忽视特殊教育领域。
（2）在教育理论的创新层面存在一定的盲区，主要指人工智能教育应用的理论创新滞后于技术创新与发展的需要，使得人工智能的教育实践缺乏必要的理论指导。从宏观层面面言，计算机技术的发展遵循“摩尔定律”，而技术发展与社会发展之间又存在着结构性冲突，遵循“颠覆性定律”——技术在以指数变化（发展），而社会、经济和法律体系却只以增量在变化四，人工智能教育应用也存在着类似的脱节。近年来，人工智能技术发展很快，然而，教育理论创新与研究的节奏却没能跟上技术发展的步伐，理论滋养的相对缺失，将在实践层面给人工智能教育应用带来一定的盲目性。
（四）“禁区”必须令止
所谓“禁区”是指一个“未经许可不允许进入”的特殊地区或者区域。这里隐喻为人工智能教育应用既不能做出有违信息伦理或信息法律的行为和结果，也不能做出有违教育伦理或教育规律的行为和结果。由于人工智能教育应用包括两个层面的融合，即：第一，人工智能教育应用的基础是人工智能技术；第二，人工智能教育应用的根本目标是人的教育。因此，人工智能教育应用存在两个层次的“禁区”。
1.人工智能技术层面的“禁区”
一方面，人工智能技术的发展，特别在深度学习领域取得成就的原因，主要在于大数据的形成和计算能力的提升，人工智能技术离不开大数据这座富矿的支撑，也离不开大数据分析技术的应用。正是由于人工智能技术需要依赖智能数据的挖掘、深度学习、个体学习分析与评价等工具或方法，因此，在这过程中自然会触及个体的隐私信息、性格取向、个性偏好、能力与智力层次等问题。即在现有的条件下，人工智能教育应用难免会存在泄露相关隐私等可能，使得特定个体可能遭受到相应的伤害，这还需要我们通过有效手段或技术来加以改进。
另一方面，人工智能技术并非只是中性的技术，在人机交互过程中，可能会存在不道德、伦理或法律问题。如，微软公司2016年3月推出人工聊天智能机器人Tay，并将其放到了Twitter等社交网络上，其设计目的是与18到24岁之间的年轻人进行互动。然而，在恶意网友的影响下，Tay发表了包括反女性主义、种族主义等不正确的言论，导致微软在事发后立即让Tay下线并删除所有不当发言[34]。类似的情况，今年也发生过几起。在人工智能教育应用过程中，我们应当预防或禁止这类状况的发生，比如，在人机对话过程中出现不当言论等。
2.教育层面的“禁区”
人工智能教育应用的目的是为了促进学习绩效（学习的效果、效率和效益），但前提是平等、公平和公正地合理使用。在不同文化、制度、价值取向等诸多因素交织下的社会情境中，人工智能技术存有违背教育规律和教育伦理的可能，从而成为过度教育、强迫教育或填鸭式教育的手段，沦为不良教育的“帮凶”。因此，我们需要未雨绸缪，及早制定相关政策，让人工智能教育应用回归、服务于“人的教育“本源，而不是以追求技术为本体，即对技术使用“禁区”的明确界定，应优先于无节制地使用技术。
四、人工智能教育应用之思考
通过阐述人工智能教育应用中存在的新区、误区、盲区和禁区，我们可以从三个方面进一步思考：第一，产生这些问题的根本原因，从微观层面来看，原因复杂且多面，但从顶层设计的视角观之，是否能准确定位人工智能与教育间的结构、功能和主从关系，是产生这些问题的根本原因；第二，人工智能教育应用成功的关键是什么，即人工智能技术优势如何实现教育的目标和价值，需要给出相应的融合模式；第三，在人工智能教育应用实践层面，应从哪些方面着手以避免或解决这些问题，形成具体的实施策略或路径。
（一）人工智能与教育的关系
我们认为，从本质上来看，人工智能教育应用中“四个区”的问题，归咎于人们未能正确认知和对待人工智能与教育之间的关系。因此，需要从辩证的系统的和前瞻性的多维视角，来认知和理解人工智能与教育之间的关系，这种关系如图5所示。
从人工智能教育应用的结构来看，它相当于一个金字塔结构，分为两层：底层的人工智能生态系统和上层的教育生态系统。在人工智能生态系统中，能力基础、支撑技术、数据来源是人工智能生态系统的基础性体系，在教育场景中应用的人工智能技术或系统是支持教育生态系统的基础；而教育生态系统则是相当于人工智能教育应用的上层建筑，在人工智能的增能、使能或赋能支持基础上，促进着教育目标的有效实现—学习者的发展，创新与创造能力的培养。
从技术上来看，人工智能技术并不是一类独立于某一学科的技术，而是建立在相关设备或系统能力体系、支撑技术体系和数据体系之上的应用型技术。人工智能技术具有增能、使能和赋能的功能，能够解决相关领域中问题，或提升工作效果，效率和效益。因此，无论人工智能发展和应用的深入程度如何，它始终都是一种手段，而不是目的，否则将本末倒置，在实践层面会出现相应的问题。
从教育功能上来看，人工智能教育应用与教育领域中其它技术相比较，本质上并没有差异，作用点、落脚点都在教育与人本身，都为了促进教育、教学或学习绩效的提高一一达成教育的最优化，从而实现教育目标。教育目标和价值的实现，主导着人工智能教育的场景、内容、方式等，而且教育工作者（教师）的教学智慧仍是人工智能教育成功的关键所在。教育技术的发展史也告诉我们，技术从来不会替代教师，人工智能亦如此，即便未来几年智能机器人大规模进入校园，教师依然还是教育的主导。否则，教育会偏离相应轨道，产生各种问题。
（二）人工智能技术与教育的融合模式
人工智能教育应用的核心，应回归至教育目标和价值体系，而解决问题的关键是以人工智能技术的优势与教育过程相融合，产生1+1>2的效果。根据目前人工智能技术在教育领域的应用方式，可将人工智能技术与教育融合分为三种模式：人工智能主体性融入模式、人工智能功能性嵌入模式、人工智能辅助技术手段模式。它们共同的目标是：通过人工智能与教育恰当、有效的融合，实现增能、使能和赋能，进而实现教育的最优化。
1.人工智能主体性融入模式
即人工智能技术在教育过程（教学，学习、管理或决策）中发挥主体性的作用，可以替代教师、咨询者、学伴、管理者或决策者所要做的知识性、程序性、事务性的工作，如，智能教学系统（IntelligentTutor-ingSystem，ITS）、智能问答系统、智能学习游戏、智能教务管理系统、智能决策支持系统（IntelligentDe-cisionSupportingSystem,IDDS）等。它们共同的特点在于人工智能技术是整个系统或应用过程的核心模块，目的是将教师、管理者、决策者从繁碎低效、简单重复的劳动中解放出来，把更多的时间、精力和智慧投入到个性化教学、创造力的培养、设计具有创新价值的教育教学过程中。
2.人工智能功能性嵌入模式
即将人工智能技术视为某一支持性，支撑性、辅助性的功能模块，有机嵌入到教育过程中。如，在学习内容的推荐、学习分析、学习评价、学习的优化、大数据挖掘等教学、学习、管理过程中，都有人工智能技术承担相应的功能。在诸如适应性学习，个性化学习、个别化学习、深度学习、游戏化学习等教学过程中，也都嵌入了人工智能技术，目的是帮助教师、学习者、管理者优化教学和管理过程。
3.人工智能作为辅助技术的模式
所谓辅助技术（AssistiveTechnology），是一个框架性术语，包括帮助残疾人群的辅助性、适应性和康复性设备，且还包括选择、定位和使用流程[35]。人工智能作为辅助技术，并不直接提升教学、学习的绩效，而是能够帮助残疾人群缩小与正常人群在身心功能上的差距[36]，促进教育的起点公平。如，美国麻省理工学院媒体实验室开发了一款戴在手指上的设备FingerReader（如图6所示），使用者开启设备后，只需沿着屏幕上或纸质页面中的文字行列移动指尖，FingerReader就能接近实时地朗读文本；其它的辅助科技如智能语音识别技术、智能机械手、智能假肢、智能轮椅等，均可帮助残疾人群具备正常的行为功能。
（三）人工智能教育应用中的实施策略
1.推动观念上的转变、理念上的变革和理论上的创新
随着技术的日新月异，人工智能教育应用的周期将越来越短，应用的门槛也将不断降低。因此，教育工作者对人工智能的本质，应用方式、应用场景等需要有正确的认知和理解。我们需要在个性化学习、适应性学习、深度学习等理论研究层面进行深入地探索，为人工智能教育应用提供更加适切的理论框架与给养，以减少技术应用的误区和盲区。通过理论研究的不断创新，还可以开拓人工智能教育应用的新领域、新模式、新场景。
2.提升教育工作者、学习者关于人工智能应用的相关素养
为了合理、正确、高效地进行人工智能教育应用，积极拓展人工智能教育应用的“新区”和“盲区”，减少或避免“误区”和“禁区”的产生，提升使用者的相关素养是十分必要的。这些相关素养包括：首先，各类智能教学、管理、决策系统需要教育工作者能知晓、理解、管理人工智能的相关应用，甚至能设计、开发与教育相关的人工智能应用；其次，要增加和提升在职教师的人工智能教育应用知识和能力，这是减少信息素养缺乏的在职教师存量的重要策略；再次，学习者能根据自身个性化的学习需求，熟悉、掌握人工智能技术（或系统）的应用。
3.强化师范生关于人工智能教育应用方面的知识与能力
我们需要在师范院校现有专业开设的《现代教育技术》和《计算机文化基础》课程中，增加大数据、云计算、人工智能、物联网等基础性知识，以及技术系统的应用等的介绍和学习。有条件的师范大学，最好能单独开设人工智能、人工智能与教育等相关课程。通过较系统的课程学习，为未来教育工作者提供相应的知识和技术储备，这也是培养增量教师的人工智能教育应用能力的主要途径。
4.规范教育大数据的应用标准，明晰人工智能教育应用的伦理边界
教育大数据涉及教育者、学习者、管理者等各个层面的隐私数据和安全数据问题，谁e看到这些大数据、谁能使用大数据、人工智能分析大数据的哪些方面（如，个性、性格、行为偏好、智力层次、学习水平等）、谁能应用大数据分析获得结果，等等，这些都值得我们重视与妥善解决。数据泄露、不受限的人工智能教育应用，将可能偏离教育的方向，产生一些伦理甚至是法律问题。为此，我们除了应用区块链技术等强化数据的保护之外，更多的是需要从伦理乃至法律层面进行规范。前不久，Google、Facebook、Amazon、IBM以及Microsoft正式宣布成立“AI合作组织”（PartnershiponAl），并成立人工智能伦理咨询委员会，探讨人工智能应用和研究的伦理边界，以保障人工智能应用符合人类社会的共同利益[38]。
5.鼓励和支持特殊教育领域中的人工智能教育应用
据统计，我国残疾人总人数达8502万人，其中又以视力残疾、听力残疾、肢体残疾占绝大多数四。他们在接受普通教育、继续教育、相关培训时，亟需人工智能技术的辅助，从而满足正常学习的功能需求。这是当前人工智能教育应用中很少涉及和研究的领域，而特殊教育恰恰又是最为需要人工智能技术的领域之一。国外已在研究如何通过人工智能强化、再造残疾人肢体以及躯体反应、对话等技术，我国也需要大步跟上。
五、结语与展望
总之，人工智能教育应用已成为教育信息化研究的新热点。我们只是在已有研究基础上作了一些新的探索：首先，初步廓清人工智能教育应用中几个易被忽视的问题—一新区的拓展、误区的澄清、自区的探索和禁区的底线。针对这些问题，讨论了人工智能技术与教育之间的定位关系一人工智能的增能、使能和赋能的功能，主要是服务和支持教育目标与价值的实现，促进教育的最优化；其次，在不同情境下，人工智能与教育的融合模式也不尽相同，有主体性、嵌入性和辅助性三种融合模式，共同目标是有效发挥人工智能教育应用的增能、使能、赋能作用：最后，从解决具体问题入手，提出了人工智能教育应用的实施策略。
2017年7月20日，我国发布了《新一代人工智能发展规划》，其中明确提出：“智能教育“——利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系……建立以学习者为中心的教育环境，提供精准推送的教育服务，实现日常教育和终身教育定制化。这说明，国家从战略的高度重视人工智能教育应用，并从教育模式的建立、教学改革、教育体系的构建以及教育任务等方面，为人工智能教育应用提出了具体目标、发展方向和远景规划。而本研究相关内容与该规划中提出的智能教育的目标、对象、内容等层面相契合，这些均为我们今后进一步开展相关研究，提供了多维视角。
作者简介：张坤颖，淮北师范大学教育学院副教授，硕士，研究方向为数字化学习、网络教育；张家年，准北师范大学教育学院副教报，博士，研究方向为网络教育应用，信息资源管理，系本文通讯作者。
基金项目：本文系安徽省人文社科重点项目“儿童数学学习障碍诊断专家系统研究“（项目编号：SK2016A0823）安徽省哲学社会科学规划一般项目“微媒体语境下家庭教育资源平台建设研究”（项目编号：AHSKY2016D34）淮北师范大学教学研究项目“基于微课的高校公共实验课网络化研究”（项目编号：2015XXH195）的研究成果。
转载自：《远程教育杂志》2017第5期总第242期
本文转自：MOOC返回搜狐，查看更多
产权及免责声明本公众号欢迎大家转载原创文章，不过如果转载本公众号原创文章，即表示同意以后可以相互转载。如果要转载本公众号转载的文章，请联系原公众号或原作者。另外，本公号转载、编辑的文章，编辑后增加的插图均来自于互联网，对文中观点保持中立，对所包含内容的准确性、可靠性或者完整性不提供任何明示或暗示的保证，不对文章观点负责，仅作分享之用，文章版权及插图属于原作者。如果分享内容侵犯您的版权或者非授权发布，请及时与我们联系，我们会及时内审核处理。