人工智能时代教育变革的三要素
当前，以人工智能为代表的技术创新进入一个前所未有的活跃期，而教育仍未摆脱“工业化”的印记。以至于有人认为：“我们把机器制造得越来越像人，却把人培养得越来越像机器”，这不仅制约着教育功能的充分发挥，而且导致经济社会转型面临危机。所以，我们要有一种时代紧迫感，全面深化教育改革，推动“工业化教育”向“智能型教育”转变，运用人工智能促进学习环境、教学方式和教育管理的转型升级，在普及化的学校教育中提供适切学习机会，形成精准、个性、灵活的教育服务体系，最大限度地满足学生的发展需要。
学习环境：从“教育工厂”到“学习村落”
纵观教育的发展史，学习环境的变化几乎是微不足道的，教室就像工厂车间，教育过程则像工业流水线生产。如果把过去的学习环境比作“教育工厂”，那么人工智能时代的学习环境就是“学习村落”。在这里，每个学习者都掌握学习的主动权，人工智能可以帮助他们找到志同道合的伙伴和相互匹配的导师，推送适配的学习资源，提供精准的学习支持。
第一，全面感知的学习场所。过去，校园只是一个开展教学的物理场所；未来，校园将变成万物互联的智能空间。利用物联网技术对温度、光线、声音、气味等参数进行监测，自动调节窗户、灯具、空调、新风系统等设备，主动响应校园安全预警，保障学校各系统绿色高效运行。借助情境感知技术在自然状态下捕获学习者信息，精准识别学生的成长状态，提供学习诊断报告、身高体重走势图、健康分析报告等，为学生身心健康发展提供有力支持。利用大数据技术对学习过程进行跟踪，了解学生的认知水平和特征，提供量身定制的学习路径。
第二，灵活创新的学校布局。随着人工智能时代的到来，教育理念和教学组织形式都在发生深刻变化，学习空间的呈现形式也将随之改变。我们要把千篇一律的教室变成灵活创新的学习空间，打破工厂车间式的教室设计，配备可移动、易于变换的桌椅设施，支持教师开展多样化的教学活动。扩展学校的公共空间，按照多功能、可重组的设计思维，加强学习区、活动区、休息区等空间资源的相互转化，给学生提供更多的活动交往空间，促进学生的社会性发展。优化校园空间，给学生提供动手实践的场地，建立创客空间、创新实验室等新型学习环境，培育有共同兴趣爱好的实践社群。北京十一学校龙樾实验中学、巴西的NAVE学校、加拿大皇后大学的主动学习空间等都在这方面做了有益探索。
第三，深度交互的网络学习空间。近五年来，全国师生网络学习空间开通数量从60万个激增到6300万个，有力促进了教育教学改革。但不容忽视的是，网络学习空间的活跃程度并不乐观，交互行为停留于较浅的层面。未来，网络学习空间将从课堂教学的延伸走向教育形态的重塑。开发智能学习助手，根据学生的学习需求、学习路径和检索痕迹，按需推送学习资源和学习支持，过滤无关的信息，减轻认知负荷，使学生可以随时随地进行高质量学习。强化成员间的关系网络，加强对互动数据的收集、分析和处理，包括订阅、观看、转发、提问、评论等，精准识别师生、生生互动关系，提供更加匹配的组合方案，形成稳定的趣缘合作共同体，促进深度交互的发生。提供远程协作、同步课堂等方面的工具，鼓励跨学校、跨区域、跨国别的协同学习，扩大优质教育资源覆盖面。
学习方式：从“学以致用”到“用以致学”
今天，以知识为中心的学习方式已经无法满足时代发展需要，仅靠死记硬背就可以掌握的知识或技能逐渐失去价值，人工智能在这些方面可以比人做得更好。这就要求，我们必须转变教育观念，加快推动学习方式变革，从“学以致用”走向“用以致学”，更加重视每个学生的独特体验，鼓励他们在解决问题中学会解决问题，在做事中学会做事，成为能够适应未来复杂挑战的人才。
第一，超越浅层理解的深度学习。在人工智能的语境下，深度学习指的是一种新的算法，它通过模拟人类神经网络，构建具有多隐含层的机器学习模型和海量的训练数据，让机器自动学习有用的特征，从而提升分类或预测的准确性。巧合的是，深度学习既是决定人工智能兴衰的关键所在，也是决定未来教育成败的关键所在。人类想要从人工智能时代的职场中胜出，就必须从强调记忆和练习的传统学习中脱离出来。学习绝不能停留于知识的表面理解和重复记忆，学生要在已有知识的基础上，将所学新知与原有知识建立联系，获取对知识的深层次理解，建立一套自己的思维框架，并有效迁移到其他的问题情境。
第二，弥合学科界限的跨学科学习。现行的分科教学有利于系统知识的习得，但不利于完整知识体系的形成和综合思维能力的培养。近年来兴起的“STEM”教育、创客教育等都把跨学科作为重点，强调通过不同学科的交叉融合，培养学生的创新精神和实践能力。跨学科学习倡导根据生活中的问题设置主题，将不同学科围绕同一个主题联系起来，构建相互衔接贯通的课程体系。值得说明的是，跨学科学习需要坚实的学科基础，没有学科就没有跨学科，两者是相辅相成、互为依存的，一定要处理好分科教学和跨学科学习的关系。
第三，突破校园围墙的无边界学习。陶行知先生指出，教育不能脱离社会、脱离生活。如果学校生活与社会生活联系不紧密，学生的学习不是从自己的直接经验里长出来的，那就是一种呆板的、低效的教育。学校应该是一个开放的组织系统，要建立与真实世界的联系，充分利用外部社会资源开展教学。美国的密涅瓦大学就是一所“没有校园”的大学，四年本科学习分布在全球七大城市，包括旧金山、香港、伦敦等，通过与当地高校、研究所、高新技术企业建立合作，学生可以使用一流的图书馆、实验室等进行学习，实现了高等教育的结构性创新。智能教育要把知识学习和现实生活连接起来，学习可以在教室，也可以在社区、科技馆和企业，甚至可以去不同城市游学，任何可以实现高质量学习的地方都是学校。利用混合现实技术，将虚拟场景融入真实世界，让学生有机会观察微观世界、感知抽象概念，使学习变成一种丰富情境下的亲身体验。
教育管理：从科层机构到弹性组织
当前的教育管理大多采用科层制，各职能部门分工明确，职权关系等级分明，按照标准化流程开展工作。从专业分工的角度看，这种模式有利于提高工作效率，为现代学校运行提供了有力的组织保障，但在人工智能时代却暴露出致命缺陷：在严格的条条框框下，学校被程序化、行政化，很容易就会陷入具体细节之中，对新变化缺乏适应能力。原本充满智慧的教育，变成了按部就班的机械操作，学校和教师逐渐失去自主性和创造性，异化为教育的机器。我们要改变这种局面，更加关注人的完整实现，从科层机构走向弹性组织。
第一，破除“效率至上”的评价导向。教育作为培养人、发展人、成就人的事业，所有的外在指标都应服务于这一根本目的。现在普遍存在的分数、升学率等量化指标，设计初衷都是为了保障教育质量，这在过去确实发挥了重要作用。但在人工智能时代，这种围绕效率而构建的教育体系面临危机。由于过于强调效率，学生的创新意识、完备人格以及兴趣志向受到了不应有的忽视。智能教育不能用单一片面的标准评价学生，把品德、行为习惯、身体健康、社会实践等方面的表现纳入评价指标，更加科学地评价学生成长。综合考虑学生的起点水平，引导学校不抢生源、不过分拔高、不恶性竞争，把增值性作为评价学校的基本原则，重点关注学校提供高质量课程的水平和满足学生个性化学习的程度。利用人工智能技术模拟学校布局、教育投入、人口变化、就业形势等动态信息，开展前瞻性研究，提出针对性方案，着力解决教育发展的不平衡、不充分问题。
第二，充分激发学校的办学活力。当前，学校作为办学主体，面临着有责无权、权责不对等、人权财权不匹配等突出问题，主要精力都用来应付上级部门的各类评比和检查。智能教育必须解决传统管理与学校创新之间存在的不协调问题，加快落实学校的办学自主权，推动教育、财政、人事等管理部门向学校下放权力，让学校享有教师评聘、经费使用、课程安排（包括大小课、长短课、阶段性课程等）、修业年限（包括弹性学期、混龄编班等）、育人方式（包括社会实践、参观考察、研学旅行等）等方面的自主权。完善学校的内部治理结构，建立普通师生、家长、社区等参与学校管理的机制，形成依法办学、自我约束、多元参与、社会监督的网状治理结构。增加学术团体的权利，强化教师领袖的专业影响力和学术领导力，构建行政管理和学术引领相融合的学校治理体系。
第三，构建全社会参与的教育生态。作为一项复杂的系统工程，智能教育不能走“头疼医头，脚疼医脚”的老路，要从构建良好生态的高度进行教育改革。鼓励社会力量提供多样化的教育服务，适当放宽办学资格门槛，为教育公益组织的成长创造更大空间。建立行业专家驻校制度，包括科学家驻校、工程师驻校、文学家驻校、艺术家驻校等，鼓励行业专家为学生开设专题讲座、指导研究性学习、开展技能培训等，任何有专长的人都可以成为“教师”。支持学校购买教育服务，加大财政支持力度，拓展教育公共服务的有效供给，帮助学校构建起一套覆盖广、选择多的课程体系，最大限度满足学生多样化的学习需求。
（作者单位分别为中国教育科学研究院、中国教育报）
(责编：闻佳琪(实习生)、熊旭)分享让更多人看到
人工智能给未来教育带来深刻变革
当前，在云计算、大数据、物联网、互联网、智能识别、知识管理等新技术新理念快速发展和经济社会需求的双重驱动下，信息技术疾步迈入智能化阶段。国内外高科技公司纷纷布局人工智能、国务院出台《新一代人工智能发展规划》等表明，人工智能发展迎来了新纪元。
因此，当教育信息化基础设施尚在普及完善、“互联网+”和教育尚在互相催化融合时，人工智能作为信息技术的更高发展阶段，毫无疑问会深层次推动教育教学改革与创新发展，进而给未来教育带来机遇和挑战。
一方面，人工智能改变了育人目标。正如机器取代简单的重复体力劳动一样，人工智能将取代简单的重复脑力劳动，司机、翻译、客服、快递员、裁判员等都可能成为消失的职业，传统社会就业体系和职业形态也将因此发生深刻变化。适应和应对这种变化与趋势，教育必须回归人性本质，必须褪去工业社会的功利烙印。当人工智能成为人的记忆外存和思维助手时，学生简单地摄取和掌握知识以获取挣钱谋生技能的育人目标将不再重要。教育应更加侧重培养学生的爱心、同理心、批判性思维、创造力、协作力，帮助学生在新的社会就业体系和人生价值坐标系中准确定位自己。教育目标、教育理念的改变将加速推动培养模式、教材内容、教学方法、评价体系、教育治理乃至整个教育体系的改革创新。
另一方面，人工智能改变了校园环境。未来，校园环境信息化将向更高层次的智慧校园迈进，各种智能感知设备和技术无处不在。校长、教师、学生不知不觉已经镶嵌到有形的校园物理空间和无形的虚拟数据空间中。当学生踏进校园就可以完成签到，离开校园自动告知家人，进入教室多媒体设备已经开启，身体不适发出报警求助，上课开小差收到友情提醒，练习测验后生成学情分析报告……这些都表明，校园物理环境、教室教学环境、网络学习环境已经充分融合，实现了从环境的数据化到数据的环境化、从教学的数据化到数据的教学化、从人格的数据化到数据的人格化转变。校园看上去还是那个校园，却充满了人类的温度和智慧。
人工智能也改变了教师角色。有专家指出，“创意工作者”“人际连接者”和“复杂模式的判断者”这三类人是最不可能被人工智能替代的。教师这一职业同时满足这三类人的特点，因为教师必须适应变化的教学政策和教学环境，面向不同性格特点和需求的学生，处理多样化的教育教学问题。所以，人工智能并不能轻易取代教师这个职业。但在未来，人工智能可以改变教师的角色和作用。教师可以从低附加值的简单重复工作中自我解放，从而更加专注于构建和谐稳固的师生关系和促进学生全面长远发展。教师就不再仅仅是知识的传授者，而是满足学生个性化需求的教学服务提供者、设计实施定制化学习方案的成长咨询顾问。
另外，人工智能对学习范式进行了巨大改变。语音识别和语义分析技术可以用在口语测评，图像识别技术用在作文批改和拍照搜题，人工智能可以让每个孩子拥有自己的智慧学伴，只要用手机拍一下、扫一下、说一下、点一下，就会实现答案解析、打分点评，知识点、考点、难点的自动生成和推送。随着认知科学、脑科学和学习科学的快速发展，人机协同增强智能、群体集成智能成为人工智能发展的新方向。人工智能不仅能从知识关联和群体分层方面分析学生知识掌握情况、推送学习建议，更能从大脑思考方式、个体性格特点、所处环境特征等方面，为每个学生提供个性化、定制化的学习内容、方法，激发学生深层次的学习欲望。
人工智能不断演进，去往何处尚未可知，能否为人类所驾驭亦引发伦理担忧，对未来教育发展提供机遇的同时也带来一系列挑战。从近期来看，尤其要避免过度依赖和隐私泄露，这就需要教育避免过度依赖人工智能。人工智能绝非万能，涉及成人育人的教育领域绝不能盲从。对一道题解法的误判也许只影响一时，但对一个人成长的误判则可能影响一生。教师的高阶脑力活动和教学经验，学生的学习能力和逻辑思维习惯，绝非天生具有，往往需要低阶脑力劳动甚至体力劳动的重复训练和积累。过度依赖人工智能可能导致眼高手低、好高骛远，知其然不知其所以然，从而容易导致师生变相成为人工智能的助手和附庸，教师失去应用的教学能力和职业素养，学生失去独立思考的能力和健全的心智性格。
同时，也要避免疏于师生隐私保护。人工智能的技术基础和前提是海量的数据积累和训练挖掘，师生的社会属性数据和教学行为数据体量越大、维度越丰富、时间跨度越长，人工智能所提供的教学服务就越精确、学习建议就越科学、知识内容就越合理，产生的教育质量和效益就越显著，与之相伴的是师生隐私泄露的风险在急剧增加。人工智能可以为未来教育插上腾飞的翅膀，但绝不能以牺牲师生隐私为代价，必须保证师生对所收集数据的知情权、选择权、访问权、所有权和控制权，必须保证数据安全，防止泄露滥用。
未来已来，对于人工智能，教育不仅要在姿态方面迎接未来、在态度层面正视未来、在认知层面读懂未来，更要抓住机遇，直面挑战，在管理决策、教人育人等实践层面积极构建属于自己的美好未来。（北京教育科学研究院教育信息中心副主任唐亮）
2023国际人工智能与教育会议开幕
12月5日，由中华人民共和国教育部、中国联合国教科文组织全国委员会与联合国教科文组织共同主办的2022国际人工智能与教育会议以线上方式举行。会议首先就江泽民同志逝世举行默哀仪式。本次会议主题为“引导人工智能赋能教师 引领教学智能升级”。中国教育部部长怀进鹏出席会议并讲话。中国教育部副部长孙尧在全体会议作主旨发言。中国教育部副部长、中国联合国教科文组织全委会主任田学军主持开幕式。联合国教科文组织大会主席穆朗、教育助理总干事贾尼尼在线致辞。包括南非、印度尼西亚、西班牙等17国部长、副部长在内的50余个国家的代表、有关国际机构代表、专家学者和私营部门代表、国内地方教育行政机构和高校代表共500余人在线出席会议。
怀进鹏指出，当前，人工智能技术正在引领人类进入人机协同、跨界融合、共建分享的新时代，我们要聚焦教育数字化变革中教师面临的机遇和挑战，展望科技赋能教师的新愿景，探索人工智能变革教学的新路径，以数字化为杠杆，为教师赋能，促进教学升级，撬动教育整体变革，推动教育更加包容、更加公平、更有质量。
怀进鹏表示，中国政府始终坚持将教育摆在经济社会发展的优先位置，将教师队伍建设作为教育发展的基础性工作，高度重视人工智能技术带来的变革性影响，重视数字时代教师队伍的建设、发展和福祉保障，通过应用技术推进教育优质均衡、优化教育治理模式、赋能教师专业发展等，推动构建更加公平、全纳、富有韧性的教育体系。
响应联合国秘书长古特雷斯发布的《关于教育变革的愿景声明》，怀进鹏倡议，各国要从构建人类命运共同体的高度重新审视教育数字化转型的重要意义，加强统筹规划，推进教育公平；要尊重并发挥教师在推动教育变革中的主导作用，让技术为教师所用，实现教育教学效能提高；要加强数字教育资源的建设、分享，推进数字教育实践的交流、借鉴，汇聚各国教师的智慧和力量，更好地适应数字时代教育发展新需求，共创世界美好明天。
人工智能的三次浪潮与三种模式
■史爱武
谈到人工智能，人工智能的定义到底是什么？
达特茅斯会议上对人工智能的定义是：使一部机器的反应方式就像是一个人在行动时所依据的智能。
百度百科上对人工智能的定义是：它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
尽管人工智能现在还没有非常严格准确或者所有人都接受的定义，但是有一些约定俗成的说法。通常人工智能是指机器智能，让机器达到人智能所实现的一些功能。人工智能既然是机器智能，就不是机械智能，那么这个机器是指什么呢？是指计算机，用计算机仿真出来的人的智能行为就可以叫作人工智能。
2017年7月，国务院印发了《新一代人工智能发展规划》。2017年12月，人工智能入选“2017年度中国媒体十大流行语”。这一国家级战略和社会流行趋势标志着，人工智能发展进入了新阶段，我国要抢抓人工智能发展的重大战略机遇，构筑人工智能发展的先发优势，加快建设创新型国家和世界科技强国。
人工智能的三次浪潮
自1956年开始，人工智能经历了三起三落，出现了几次浪潮，现在人工智能已经是处于第三次浪潮了。
第一次浪潮（1956-1976年，20年），最核心的是逻辑主义
逻辑主义主要是用机器证明的办法去证明和推理一些知识，比如用机器证明一个数学定理。要想证明这些问题，需要把原来的条件和定义从形式化变成逻辑表达，然后用逻辑的方法去证明最后的结论是对的还是错的，也叫做逻辑证明。
早期的计算机人工智能实际上都是沿着这条路在走。当时很多专家系统，比如医学专家系统，用语言文字输入一些症状，在机器里面变换成逻辑表达，用符号演算的办法推理出大概得了什么病。所以当时的主要研究都集中在逻辑抽象、逻辑运算和逻辑表达等方面。
在第一次浪潮中，数学定理证明实际上是实现效果最好的，当时有很多数学家用定理思路证明了数学定理。为了更好地完成定理证明工作，当时出了很多和逻辑证明相关的逻辑程序语言，比如很有名的Prolog。
虽然当时的成果已经能够解开拼图或实现简单的游戏，却几乎无法解决任何实用的问题。
第二次浪潮（1976—2006年，30年），联结主义盛行
在第一次浪潮期间，逻辑主义和以人工神经网络为代表的联结主义相比，逻辑主义是完全占上风的，联结主义那时候不太吃香。然而逻辑主义最后无法解决实用的问题，达不到人们对它的期望，引起了大家的反思，这时候人工神经网络（也就是联结主义）就慢慢占了上风。
在70年代末，整个神经元联结网络、模型都有突飞猛进的进步，最重要的是BP前馈神经网络。1986年BP前馈神经网络刚出来的时候解决了不少问题，后来大家往更大的领域应用，实现了比较大的成果。在很多模式识别的领域、手写文字的识别、字符识别、简单的人脸识别也开始用起来，这个领域一下子就热起来，一时之间，人们感觉人工智能大有可为。随后十几年人们发现神经网络可以解决一些单一问题，解决复杂问题却有些力不从心。训练学习的时候，数据量太大，有很多结果到一定程度就不再往上升了。
这时期所进行的研究，是以灌输“专家知识”作为规则，来协助解决特定问题的“专家系统”为主。虽然有一些实际的商业应用案例，应用范畴却很有限，第二次热潮也就慢慢趋于消退。
第三次浪潮（2006—现在），基于互联网大数据的深度学习的突破
如果按照技术分类来讲，第二次和第三次浪潮都是神经网络技术的发展，不同的是，第三次浪潮是多层神经网络的成功，也就是深度学习取得突破。这里既有硬件的进步，也有卷积神经网络模型与参数训练技巧的进步。
若观察脑的内部，会发现有大量称为“神经元”的神经细胞彼此相连。一个神经元从其他神经元那里接收的电气信号量达某一定值以上，就会兴奋（神经冲动）；在某一定值以下，就不会兴奋。兴奋起来的神经元，会将电气信号传送给下一个相连的神经元。下一个神经元同样会因此兴奋或不兴奋。简单来说，彼此相连的神经元，会形成联合传递行为。我们透过将这种相连的结构来数学模型化，便形成了人工神经网络。
经模型化的人工神经网络，是由“输入层”“隐藏层”及“输出层”等三层构成。深度学习往往意味着有多个隐藏层，也就是多层神经网络。另外，学习数据则是由输入数据以及相对应的正确解答来组成。
为了让输出层的值跟各个输入数据所对应的正解数据相等，会对各个神经元的输入计算出适当的“权重”值。通过神经网络，深度学习便成为了“只要将数据输入神经网络，它就能自行抽出特征”的人工智能。
伴随着高性能计算机、云计算、大数据、传感器的普及，以及计算成本的下降，“深度学习”随之兴起。它通过模仿人脑的“神经网络”来学习大量数据的方法，使它可以像人类一样辨识声音及影像，或是针对问题做出合适的判断。在第三次浪潮中，人工智能技术及应用有了很大的提高，深度学习算法的突破居功至伟。
深度学习最擅长的是能辨识图像数据或波形数据这类无法符号化的数据。自2010年以来，Apple、Microsoft及Google等国际知名IT企业，都投入大量人力物力财力开展深度学习的研究。例如AppleSiri的语音识别，Microsoft搜索引擎Bing的影像搜寻等等，而Google的深度学习项目也已超过1500项。
深度学习如此快速的成长和应用，也要归功于硬件设备的提升。图形处理器（GPU）大厂英伟达（NVIDIA）利用该公司的图形适配器、连接库（Library）和框架（Frame⁃work）产品来提升深度学习的性能，并积极开设研讨课程。另外，Google也公开了框架TensorFlow，可以将深度学习应用于大数据分析。
人工智能的3种模式
人工智能的概念很宽泛，根据人工智能的实力可以分成3大类，也称为3种模式。
（1）弱人工智能：擅长于单个方面的人工智能，也叫专业人工智能。比如战胜世界围棋冠军的人工智能AlphaGo，它只会下围棋，如果让它下国际象棋或分辨一下人脸，它可能就会犯迷糊，就不知道怎么做了。当前我们实现的几乎全是弱人工智能。
（2）强人工智能：是指在各方面都能和人类比肩的人工智能，这是类似人类级别的人工智能，也叫通用人工智能。人类能干的脑力活，它都能干，创造强人工智能比创造弱人工智能难得多，目前我们还做不到。
（3）超人工智能：知名人工智能思想家NickBostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能”。超人工智能可以是各方面都比人类强点，也可以是各方面都比人类强很多倍。超人工智能现在还不存在，很多人也希望它永远不要存在。否则，可能像好莱坞大片里面的超级智能机器一样，对人类也会带来一些威胁或者颠覆。
我们现在处于一个充满弱人工智能的世界。比如，垃圾邮件分类系统是个帮助我们筛选垃圾邮件的弱人工智能；Google翻译是可以帮助我们翻译英文的弱人工智能等等。这些弱人工智能算法不断地加强创新，每一个弱人工智能的创新，都是迈向强人工智能和超人工智能的进步。正如人工智能科学家AaronSaenz所说，现在的弱人工智能就像地球早期软泥中的氨基酸，可能突然之间就形成了生命。如世界发展的规律看来，超人工智能也是未来可期的！