人工智能在教育领域的运用
摘要：通过对人工智能的发展历程进行梳理，对其发展未来进行了展望。又对自然语言处理、计算机视觉、大数据三项技术进行了原理、优势、不足等角度的分析。最终将人工智能与教育领域相结合，阐述了以上三种技术在教育领域的应用。其中，计算机视觉的应用以实例为背景进行阐述。
关键词：人工智能；自然语言处理；计算机视觉；大数据。
1引言
首次提出人工智能的概念至今，人工智能AI已经有近五十年的发展历程。人工智能的最新成果有什么，人工智能的发展跌宕起伏，高潮和低谷在何时，作为人工智能发展的基石。其核心技术是如何实现的,人工智能的应用领域广泛，本文将分析其对生产、生活的提升意义。
2人工智能的成果和发展历程
2.1最新成果
首位中国AI主播在浙江乌镇举行的第五届世界互联网大会上亮相引发关注。用户只需要输入新闻文本，AI合成主播就能用和真人一样的声音进行播报。赞叹之余，我们会发现，随着人工智能技术的发展，越来越多的领域开始有人工智能身影的出现。从不久前的阿尔法狗击败世界围棋冠军李世石震惊世界，到无人驾驶技术的突破，再到现在中国首位AI主播的亮相，无一不在展现着人工智能的多元性和可能性。在21世纪，人工智能必将迎来一个发展的新高潮，令人充满期待。
2.2发展历程
（1）人工智能的起源。1950年，被称为“人工智能之父”的图灵提出了一个举世瞩目的想法——图灵测试。按照图灵的设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。六年后，在美国达特茅斯大学举行的一场为其两个月的讨论会上，“人工智能”概念首次被提出。（2）人工智能的发展。1956年的会议之后，科学家们在这一领域取得了瞩目的进展，形势一片大好。然而随着时间的推移，在人们的热切期待之下的人工智能遇到了发展中的瓶颈。因其不能解决人们提出的更加复杂的问题，政府对于人工智能的经费拨款开始大幅下降。幸而，得益于计算机技术的飞速发展，人工智能在1970年代终于再次迎来了它的春天。1997年，计算机国际象棋下棋系统“深蓝”战胜国际象棋冠军卡斯帕罗夫，宣告了人工智能的王者归来[1]。（3）人工智能的发展现状及前景。进入21世纪，互联网呈现出飞速发展的趋势，计算机性能成倍增长、分布式系统的广泛应用使得人工智能在众多领域同步发展，关于深度学习技术和人工神经网络算法的深入研究，使得人工智能不仅仅是论文中的概念，而是逐渐形成产品，慢慢渗入到我们的日常生活中，相信在未来这项技术一定会带来巨大的实用价值，造福我们的社会。
3人工智能核心技术
3.1自然语言处理
自然语言处理通常是指用计算机对人类的自然语言进行有意义的分析与操作，其基础研究主要包括词法分析，句法分析，语义分析。词法分析的主要任务是词性和词义的标注，即在不同的语境中确定每个词的语法范畴和多义词的义项，通常有基于规则和基于统计的两种方法。句法分析的任务是确定句子的句法结构，识别组成句子的各个成分，明确它们之间的相互关系，一般分为完全句法分析和浅层句法分析两种。前者的难点有两条：一是词性的歧义，二是搜索难度大。后者的主要任务是语块的识别和分析。语义分析也就是将人类能够理解的自然语言转化为计算机能够理解的形式语言。句子的分析和处理过程一般采用句法语义一体化的策略，常见的有词义消歧和浅层语义分析。词义消歧就是在语境中通过上下文的联系确定词的具体义项。浅层语义分析通过将句子中的句法成分标注成为谓语动词的语义角色，并将每个语义角色赋予一定的语义含义，形成计算机的形式语言[2]。
3.2计算机视觉
如何使计算机具备“看”的能力，是计算机视觉的核心目的。而数字图像处理技术则是关键所在。通过计算机对数学图像的提取、去噪、复原等步骤，数字图像处理技术可以提取图像的特征，并将其转化成数字信号进行处理。数字图像处理的任务主要分为以下三个步骤：首先是提高图像的清晰度，即视觉质量；其次是识别并提取图像的某些特征值或者特征信息；最后是将图像数据进行转换、编码、压缩等处理，以便图像以数字信号的形式进行传播、存储和分析。数字图像处理的主要技术手段包括图像描述和图像分割。通常情况下，图像描述主要采用二维形状描述方式，包含了边界描述和区域描述。图像分割的主要目的在于提取图像的有意义部分，包含边缘、区域和形状等，便于进一步的分析和处理。去除噪声是提高图像质量的有效手段，而图像增强和图像复原可以使得图像的视觉效果产生飞跃。图像压缩的意义在于减少图像传输和处理时间，同时可有效减少图像存储空间。编码是压缩技术最主要的手段，发展较为成熟。以上图像处理方法和技术，是计算机图像处理的主要途径[3]。
3.3大数据分析
现在社会处于高速发展时期，科学技术日益发达，社会每时每刻都在发生变化，而这些变化就会产生大量的数据。随着网络信息物联网的普及应用，数据总量不断快速增长，这些数据量大，种类繁多，价值密度较低，因此需要通过深入研究大数据，进行过滤，提取有价值的信息。由此可见，TB级别（1TB＝1024GB）的实际应用数据中存在很多不完整、模糊、随机的无效数据，大数据分析的策略就是将其中蕴藏的有价值的数据和信息进行甄别、提取和整合。在商业应用层面，挖掘新的有价值的数据，并对这些数据进行分析处理是将会是一种新的生产力信息。大数据里隐藏着无穷的价值，但从里面挖掘有用的信息，却是不容易的。首先我们用储存器把采集到的数据储存起来，建立相应的数据存，进行管理和运用。通过这些储存的数据以批量式处理、流式处理、交互式处理，进行归类、分析、统计、预测等等，提取人们需要的各个领域的数据信息。为社会经济提供依据，从而提高各个领域的运行效率，推动社会生产力的进步[4]。
4人工智能在教育领域的应用
4.1自然语言处理在教育方面的应用
随着自然语言处理技术的发展和日趋成熟，其应用的空间也变得十分广泛，而教育也正成为其重要的一个应用领域。教育环境和教育模式的改变使教育行业对于技术的需求日益增加，越来越多的技术开始应用到实际的教育工作中。例如，基于互联网技术的远程授课在当下非常流行，课堂上有着海量的学习者，老师们显然不能像在学校中一样批改每一位学生的作业，于是基于机器自动评判和打分的交互式练习即时反馈技术就起到了非常重要的作用。自然语言处理技术在教育方面的应用还有很多，例如机器自动对作文的评价和纠错技术已开始渐渐普及;未来,电子书包将成为学生们的日常工具,通过学习系统概念的可视化和知识体系的构建，受教育者将会有更好的学习体验。相信随着技术应用的深入，越来越多的人会受益其中。
4.2计算机视觉教育的应用案例
计算机视觉在教育领域的应用主要包括以虚拟现实技术为基础的教学目标呈现（生物领域的器官和标本、数学领域的立体图形）、以智能摄像头为基础的STEM教育模块。而与此同时，计算机视觉技术本身的教授也是不容忽视的一个应用领域。本文将以计算机视觉教育图书馆项目（CVED）为案例进行分析。计算机视觉学科自诞生以来，产生了很多有价值的内容和教学资料，如何将这些资料整合到一起为更多人所用？美国国家图书馆率先提出了计算机视觉教育图书馆项目。其主要目的在于概括计算机视觉教育资源的同时为从业人员和高校师生提供一个可以共享、讨论计算机视觉教育资源的平台，同时也是未来学科教育图书馆的发展方向。该图书馆整理、汇总了有价值的计算机视觉教学资源，包括了：世界各大学的计算机视觉教学视频链接、对应的课程教材以及精华笔记，以及授课教师提供的课后作业和解答。但是，该数字图书馆仍存在以下两点问题：首先是资料数量不足，目前仅有十余种，无法满足“包含世界各地大学计算机视觉课程资料”这一愿景；其次是更新较慢，很多内容在建设之初就存在，并没有及时更新，计算机视觉技术发展迅猛，如果无法做到及时更新资料，CVED很快将会从“新技术学习库”转变为“历史资料库”，失去了创设之初的意义。以上问题需要加大数字图书馆的投入，采用专门人员和财力对其进行管理；同时要引起社会各界对计算机视觉教育的关注，扩大CVED图书馆这一非营利组织的影响力，扩大图书馆的用户基数和活跃人数，并引入奖励机制，鼓励用户上传最新的计算机视觉资料[6]。
4.3大数据在教育领域的应用
21世纪是知识经济时代，同时也是大数据的时代，二者的有机结合已经成为未来发展的趋势。在人人强调个性化的今天，私人订制成为热门，而教育行业的“私人订制”也将在大数据的支持下成为可能。实现个性化学习，首先我们需要对学习者进行初步的特性评估，它包括对学习偏好，学习习惯，学习现状等方面的了解。这种确定用户偏好的模式实际上在很多消息推送软件上都得到了应用，并且取得了不错的成效。相信在大数据的支持下，特性识别于教育领域而言同样效果可期。经过前期的了解，为学习者制定个性化的学习方案也就有据可依了。通过大数据分析对学习者的特性进行资源匹配，如此便可找到与学习者高度契合的学习路径和方式，让其在学习过程中达到事半功倍之效。对于学习者来说，学习成果的评价也是一个必不可少的部分。利用大数据进行智能化的学习评价，可以精准定位自己的优劣所在，从而对自己实现有针对性的改善和强化。教育与学习拥有了大数据这一强有力的武器之后，个性化，针对性都将会很直观的得到应用和体现。大数据时代的背景之下，教育行业的前景一片光明[7,8]。
5结语
人工智能经历及几十年的发展，涌现了自然语言处理、计算机视觉、大数据等赋予计算机“智能”的技术。自然语言处理技术较为成熟，其典型应用价值在于语音交互，在教育领域的应用广泛，包括互联网打分系统等。计算机视觉的核心技术在于数字图像处理技术，能有效地将图像转化为计算机可处理、存储、传输的数据，着眼于计算机视觉教育本身，CVED图书馆在未来或引领计算机视觉技术走出高校和科研机构，在大众中普及。大数据分析是近年来新兴的技术，通过TB级数据的筛选、分析和整合来挖掘数据蕴含的潜在价值，在教育领域的典型应用为个性化学习。人工智能即将成为改变人类生活方式和生产效率的革命性技术，随着计算机计算能力、传感器识别能力、存储器存储能力等硬件水平的提升和算法的不断改进，人工智能走进千家万户、创造美好世界的愿望即将实现。
参考文献
[1]王超.从AlphaGo的胜利看人工智能的发展历程与应用前景[J].中国新技术新产品,2017(04):125-126.
[2]李生.自然语言处理的研究与发展[J].燕山大学学报,2013,37(05):377-384.
[3]倪晨旭.计算机视觉研究综述[J].电子世界,2018(01):91+93.
[4]周梅.大数据科学综述[J].科技创新导报,2017,14(36):139-144+146.
[5]王萌,俞士汶,朱学锋.自然语言处理技术及其教育应用[J].数学的实践与认识,2015,45(20):151-156.
[6]刘燕权,王凌云,刘莎.CVED——计算机视觉教育数字图书馆[J].数字图书馆论坛,2013(08):62-66.
[7]郝成义.大数据分析在智慧教育中的应用探讨[J].网络安全技术与应用,2018(12):69-70.
[8]吴文峻.面向智慧教育的学数据分析技术[J].电化教育研究,2017,38(06):88-94.
作者:魏伊非单位:湖北省武昌实验中学
人工智能+教育的典型应用场景
机器学习
机器学习是指机器通过对客观世界的观察获得经验，再利用经验改善自身性能的过程。典型的机器学习包括监督式学习、非监督式学习和强化学习等。
其中，监督式学习是较为常用的一种，其工作原理是，机器基于一定规模的客观数据，利用特定的算法和模型，自动学习数据中所蕴含的规律性信息，从而帮助人们解决实际问题。
知识图谱
基于所构建的教育知识图谱，智能化教育系统可以自动解答学生所提出的学科知识类的问题。
基于教育知识图谱，系统还可以进行相关教学资源与课程的个性化、精准化推荐。
自然语言处理
自然语言处理技术主要用来实现人与智能机器之间通过自然语言进行有效交互。
自然语言处理技术在教育中也有诸多应用。例如，短文自动评分系统已经在GMAT和TOFEL考试中使用多年，并被不断改进以接近人类的评分水平。口语自动测评系统也已经开始广泛应用于中考等关键性考试，并已被嵌入各类语言学习软件中应用。
机器人与智能控制
机器人作为人工智能技术的主要载体之一，涵盖了智能感知与推理、规划与决策、控制与交互等。
教育服务类机器人通常作为不可拆分的软硬件整体，直接服务于教学过程，完成特定的教学任务，如通过与学生的互动完成知识传授或情感陪伴。
教学用途类机器人则通常由可拆分组合的硬件以及可编程的软件组成，作为机器人教育的载体或STEM、创客课程的教学辅助工具。
人工智能技术的典型应用场景
人工智能教育应用有五个典型场景：智能教育环境、智能学习过程支持、智能教育评价、智能教师助理、教育智能管理与服务。
智能教育环境
基于人工智能的各项关键技术，当前教育环境中的典型应用包括校园安全监测与预警、智能教室和智能图书馆等。
#01、校园安全监测与预警
智能校园巡逻机器人可以采集进入校园人员的面部信息，进行身份验证，并记录学生到校和离校的时间，还可以进行24小时不间断巡逻，及时检测校园中可能发生的异常情况并提醒安保人员。
系统中可以嵌入感烟、感温、火焰、可燃气体探测器等多种传感器，做到校园安全的全面预警与防护。
#02、智能教室
在教师端，智能教室可以通过体态与语音识别技术，对教师的教态与教学模式进行自动分析。
在学生端，智能教室可以通过情感计算与机器学习技术，对学生群体与个体的学习行为、情绪、专注度等进行自动分析。
智能教室不局限于传统学校内的物理空间，在线上学习空间中也可以构建相似的智能教学环境。
#03、智能图书馆
在智能图书馆中，读者自主借还、检索、查询、下载、复印、阅览等多项服务已得到逐步实现。
智能图书盘点机器人可以对图书馆藏书进行自动化盘点，检查是否发生了丢失、错架放置图书等问题，并实时更新图书的位置信息。
智能学习过程支持
学生通常需要在学习中得到科学、及时的支持，才能高效完成这一过程。通过利用人工智能的各项关键技术，现阶段智能学习过程支持系统的典型应用有学习障碍智能诊断、教学资源智能推荐和智能学科工具使用等。
#01、学习障碍智能诊断
对于学生因领域知识缺失而产生的学习障碍，可通过构建领域知识点间的逻辑结构关系来进行智能诊断。
智能学习过程支持系统能够构建知识层面的逻辑结构关系以及不同知识点间的障碍依赖关系，从而精准判断每位学生薄弱知识点产生的原因。
#02、教学资源智能推荐
运用机器学习算法，智能学习过程支持系统可以对学生的知识掌握情况、学习专注度等关键指标进行准确评估，从而为学生精准推荐相应的学习资源。
例如，当前多种智能学习平台利用学生的过程性测评数据，自动分析并推荐符合其能力水平、学习状态的学习内容与练习题目。
#03、智能学科工具使用
通过语音识别、手势识别、自然语言处理等技术，已经开发出了一系列可以辅助学生学习过程的智能学科工具。
例如，对自然界的植物进行图像识别，支持学生在生物学课堂上的自主探究性学习；对中国古典文学语料进行加工处理，激发学生学习语文的兴趣。
智能教育评价
运用科学的方法与技术手段，对教育活动满足社会与个体需要的程度做出判断的活动。
目前，智能教育评价有智能课堂评价、口语自动测评、心理健康监测和体质健康评价四个方面的典型应用。
#01、智能课堂评价
计算机视觉技术可以通过学生面部表情识别其基本情绪，帮助教师及时了解学生的学习状态与专注程度，从而进行教学干预或调整自身教学策略。
自然语言处理技术可以对学生的课堂作答情况进行及时标记与反馈，同时可以将相关信息反馈给任课教师，从而提高教学效率与效果。
#02、口语自动测评
通过自然语言处理技术，人们得以提取语音及语义层面的完整特征，通过机器学习技术训练自动评分模型，实现外语或普通话口语测试的自动评分。
通过口语自动测评，不仅节省了大量人力资源，还较好地排除了个人的主观因素，提高了测评的客观性与可靠性。
#03、心理健康监测
人工智能技术能够早期识别有潜在心理问题的学生并给出预警。基于社交网络数据中的用户语言、交互行为和情绪表达，可以建立相应的机器学习模型，用于分析未成年人的心理健康状态，并及时提示其心理健康问题和潜在的高风险行为。
#04、体质健康评价
利用可穿戴只能设备，可以持续采集学生的体育运动和睡眠等数据，并在此基础上开展精准分析与评价。同时，通过分析一个较长时间周期内的学生群体数据，学校可对体育课程的开设效果进行评价。
智能教师助理
智能教师助理一般指能够对教师工作和发展进行辅助的人工智能应用。现阶段，智能教师助理主要有自动出题与批阅、课程辅导与答疑、智能教研等典型应用。
智能学习过程支持
教育智能管理与服务指管理者通过组织协调教育系统的内部资源，充分利用智能关键技术和信息手段实现高效率、高水平的教育管理目标与教育公共服务。
当前，教育智能管理与服务的典型应用包括辅助教育决策、促进教育公平、提供定制化教育服务等。
尽管人工智能技术在教育领域的应用仍处于起步阶段，但随着人工智能技术的进步及其与教育融合程度的加深，相信在不远的未来，师生将开始运用人机结合的思维方式，实现与个人能力相匹配的个性化发展；教育管理者将更多地依据教育数据挖掘与分析的结果，进行教育管理、教育监测、教育决策等活动。最终，技术将助力教育实现核心素养导向的人才培养，迈向人机协作的高质量教育教学新时代。返回搜狐，查看更多