教育人工智能技术发展现状及展望
摘要：人工智能是研究运用计算机系统模拟和延伸人脑功能的综合性学科，人工智能当前在基础教育教学领域应用越来越广泛，并推动着教育领域的发展与变革。人工智能是如何在教育应用领域发挥作用，以及何以利用人工智能更进一步提升教学质量和学习效率，未来的人工智能技术是否能不仅仅作为教辅工具而是教育的一环。这些问题一直以来备受关注。
因此，本文通过目前和未来两个视角对人工智能在教育教学中的应用进行文献综述。从教育人工智能概念的界定出发，将AIE、EAI和AIEd进行辨析从而方便之后的讨论。在此之后对目前教育人工智能AIE的技术实例进行分析，其中主要分析的典型案例包括：基于知识图谱的英语语法智能题库和自动问答技术、用于课堂考勤的面向复杂背景的人脸识别技术以及基于大数据应用技术的学情分析系统。并且通过指明当前人工智能技术的难点和不足，最后分析AIE阶段的现状和不足，展望未来教育中的人工智能AIEd并提出建议。
关键词人工智能教育人工智能技术
人工智能（artificialintelligence，AI）是通过计算机系统进行模拟并实现拓展人脑的功能的一项学科，旨在通过计算机模型和算法扩展人脑的智能，让机器自动化达到人类水平并完成智能任务。而近年来随着人工智能的高速发展，其在教育领域的应用也呈蓬勃之势。2018年，教育部发布《高等学校人工智能创新行动计划》；2019年，联合国教科文组织发布《教育中的人工智能：可持续发展的挑战与机遇》报告；同年发布《中国教育现代化2035》，提出加快推进智能教育变革，建设智能化校园，统筹建设一体化智能化教学、管理与服务平台，利用现代技术加快推动人才培养模式改革。
通过中国知网等五大数据库进行检索，教育领域关于人工智能的研究从2015年开始一直呈上升趋势。由此，何以利用人工智能技术保证公平教育、提升基础教育教学质量、提高学习效能，以及如何将AI作为学习科学、教育科学的融合学科在人工智能人才培养中发挥重要作用，怎样通过建立人工智能的专业学科，培养面向未来的智能人才。这些问题是备受关注的。
一、教育人工智能的概念
AI的概念在1950年时便有所提及，AI这个词第一次被约翰·麦卡锡所使用并定义为：“可以精确描述学习的方方面面以及任何智能特征，从而使机器能通过描述进行模仿。通过如此原则对AI进行研究。通过研究机器如何运用语言、抽象思考和对问题形成概念从而来解决人类问题，并不断自我更新”（McCarthy，1956）国际教育人工智能学会（InternationalAIEdSociety）于1997成立，教育人工智能（AIineducation，AIEd）应用在学界已研究三十余年。在AIEd研究初期，AI和机器学习的概念在文献中被常有提及。机器学习是AI
的一个分支，通常用于监督和特征分析（帕皮尼奇，2017）。这主要是一种教育辅助方式。与此同时，理性代理是当时研究AI的核心概念。“代理被定义为通过传感器感知周围环境并通过执行器对环境做出反应的一种东西”（Russel，2010）。如智能学习问答机，学习助手，扫地机器人等。这便是自动化教育的一种体现。由此可见，在当时AI技术尽管有了很大的进步，但是对于教育人工智能即AIE的概念界定还是存在模糊的，为了讨论的方便以及教育人工智能更深层次的发展，我们有必要对相关概念进行理清，从而全面审视教育领域中人工智能的若干研究。为此本文参考了教育领域中三种常用概念并进行辨析，以帮助理清后文中对教育领域中人工智能应用的现状和发展的分析。
二、教育人工智能技术现状
卢金等（Luckin，2016）把今天应用于教育领域的AI分为三类：智能虚拟现实、协作学习智能支持系统和私人导师。三者呈逐级递进的关系。
智能虚拟现实可以作为学生使用的用来学习不同科目内容的AI工具软件，比如自适应辅导系统以及个性化学习系统。也可以作为为教师提供管理服务的AI工具，从而通过自动化管理工作、评级、批改和查重检测等的功能来减轻教师工作量。以好未来企业为代表，其拥有中英语音识别、小学口算线上批改等主流业务场景在教育领域的数据集，拥有肢体动作、情绪、文本、语音识别，互动评测、表达能力评估和个性化题目推荐等多项人工智能技术。
综上所述，人工智能与现代教育的深度融合为智能教育提供了广泛的应用空间。与此同时，我们也意识到人工智能在智能教育中的应用还处于起步阶段，人工智能只是教育的辅助工具。为了实现真正意义上的智能教育，我们需要进一步探索人工智能的教育功能，为現代教育提供更大的支持。
三、教育人工智能的技术难点
（1）知识图谱自动化更新
知识图谱技术提供了一种完备的组织、管理和运用海量信息的方式。当前知识图谱技术主要用于智能关联搜索、智能语义整合等方面。然而，当下需要一定程度的人工干预才能完成知识更新，即使未来随着知识图谱的累积，知识更新对人工干预的依赖会不断下降同时自动化程度会不断提高，但是如何保证有效且及时的自动化更新是知识图谱技术成熟的一项挑战。
（2）深度学习的强化学习、迁移学习和非监督学习
深度神经网络包括训练和推断两阶段。训练阶段，深度神经网络会遍历大数据集后将内容提炼到一个小参数集中；推断阶段，深度神经网络运用该参数集对图像及语音文本等进行分类。在人工智能的发展过程中，深度学习作为其间的核心技术，其已取得了大量突破在图像、语音和自然语言处理等领域。然而在更进一步的方面，如强化学习、迁移学习和非监督学习方面还没有实质性的突破，而这也是构建智能机器人的基础。因此在往后的应用发展领域，智能机器人会是深度学习领域的重要应用。
（3）适应大数据处理需求的机器学习算法
机器学习现已被广泛用于工程应用和科学领域的问题。目前，在文本分类、推荐系统、标签自动和搜索与排列方面，机器学习已具备一定程度的解决现实生活中问题的能力。然而，在大数据时代中，创造新的适应大数据处理需求的机器学习算法，是大数据时代机器学习所要解决的重大挑战。
四、教育人工智能展望及建议
虽然人工智能是由人类创造出来的，然而讽刺的是，人工智能表现的根本不像人类（梁迎丽，2018）。目前在学校中所使用的人工智能应用和平台均为弱人工智能，这些智能应用和平台以深度学习为核心并基于教育场景构建，仍未脱离教学辅助的目标定位（郭超睿，2020）。
因此，教育领域中人工智能应用要以培养优秀人才和创造社会价值为最终目标，在这一目标的基础上，目前的人工智能的研究必然要在认知不全面、伦理判断和评估偏离中产生新突破（孟翀，2021）。这些问题的解决，不仅仅要协调AIE技术发展和数据协作，更要在人工智能技术的支持下，教师和学生可以更明白、更深入、更全面地了解学习是如何发生的。社会、经济和技术等外部因素是如何对学习产生影响的。如何灵活掌握并运用智能工具，从而为学习者的有效学习和积极体验提供支持（段世飞，2019）。
五、对策及建议
随着信息技术和人工智能技术的进步，教师需要跟上信息技术的发展的步伐，积极拥抱人工智能，进一步推动信息化教育教学、教育管理、教育和服务流程，通过多样化的培训，培育人工智能普及教育的优秀教师，让更称职的专业科技教师发挥学校教育的作用（王亚杰，2016）。教师真正可以用智能技术来支持人才培养模式的创新，支持教学方法的改革，成为掌握人工智能技术并具有创新思维的教师，努力推动学习人工智能技术的示范学校的建立和发展。