人工智能在自动化系统的应用
3主要作用及优势分析
（1）人工智能技术的主要作用。从当前人工智能技术在电气自动化生产中的应用现状来看，其应用主要体现在以下几个方面，例如实时监测设备以及系统的工作状态、及时对故障进行报警以及在线分析、进行实时的数据采集以及存储分析，并且还可以根据需要进行历史趋势图的生成等。
（2）人工智能技术的主要优势分析。人工智能技术在电气自动化中的应用优势体现较为广泛，一般来说可以从以下几个主要方面进行分析。①设计新思路，在以往的电气自动化控制过程中，控制器的设置往往需要根据控制对象的模型来进行设计，模型的创建往往受到很多不稳定因素的控制。但是在人工智能的环境下，就能够较好地打破这一限制，不需要根据对象模型进行改变，因此其操作更加灵活方面，适用性得到了极大提升。②性能提高，通过人工智能技术的应用，可以通过参数的调整实现性能的快速提升，例如在模糊逻辑控制器的工作状态控制下，能够超过最优控制器的反应速度，实现更快工作，更少缓冲，从而大大提高工作效率，提高工作性能。③操作和使用的便捷性。相对于传统的控制以及处理器来说，应用人工智能技术之后，人工智能控制器的操作以及处理更加灵活，同时调节的难度实现了有效地降低，因此操作人员及时不具备非常专业的知识，在进行适当地培训以及学习之后，也能够非常熟练地进行操作，也就极大地提高了其便捷性[2]。④良好的一致性。传统的控制器往往仅对具体的设计对象起到一定的控制作用，其一致性较差，而采用人工智能技术算法进行设计的控制器，不仅仅能实现对某个单一对象的控制，对其他对象也能够实现很好地控制，因此具有较强的一致性，这就减少了因控制对象变更而增加的设计工作量，大大方便了控制器的使用[3]。
4应用分析
科学技术是第一生产力，因此它的发展带动了生产效率的提高，这是当前企业必须要走的发展途径。人工智能技术在电气自动化中的应用，具有很好的发展前景，同时其价值和意义也是不言而喻。通过人工智能技术对于电气设备的优化设计、对于电气设备的诊断、对电气自动化流程的控制，以及在日常操作过程中的应用这四个主要的方面对人工智能技术在电气自动化中的应用进行分析，帮助实现电气自动化的生变革与飞跃。
（1）人工智能技术对于电气设备的优化设计分析。通过电气自动化的生产发展来看，在以往的产品正式生产之前，会经过一个较为漫长的产品试验过程，往往需要经过试验产品的分析以及各个方面的经验总结，再由设计师手工进行产品的设计，因此整个过程效果欠佳，且产品也难以达到预期中良好的效果。除此之外，在产品试验过程中需要投入大量的时间和精力以及人力物力，因此耗费成本也极大[4]。在人工智能技术的有效应用之后，电子产品的设计能够快速实现从传统的手工设计向计算机辅助设计的转型，让更多的复杂的计算以及模拟在人工智能化的环境下实现，进而整个模拟过程的精确度，同时也能够有效提高产品的实验效率，降低产品实验期的成本投入。因此，对于电气设备的优化设计来说，在人工智能技术的帮助之下具有非常明显的应用优势，做到了效率和经济利益的双重兼顾。
（2）人工智能技术对电气设备的诊断。在电气自动化生产的过程中，受到很多不稳定因素的影响，因此非常容易出现设备的故障问题，从而影响生产进度以及正常使用，以致于会延长生产的时间。但是，人工智能技术的应用能够较为明显地解决这一问题，特别是对于故障的诊断以及变压器的处理方面，优势更加明显，能够有效地将模糊理论以及神经网络进行有效结合，进行全面有效的故障诊断，提高对故障诊断的整体效率。
（3）人工智能技术对电气自动化流程的控制分析。人工智能技术的出现能够很好地对复杂的流程操作系统进行控制，防止因细节问题的产生而导致的机器故障，保持流程运行的稳定性，减少不必要的经济损失。其中它的实现主要通过保证电气设备的有效运作实现的，特别是程序化的稳定运行，防止机械运行中产生故障导致不必要的经济损失[5]。它的实现能够给有效促进电气自动化设备的远程操控以及程序化控制，同时还能够方面对故障进行及时的维修与检测，提高工作以及运行的效率，大大降低生产成本，有效维护企业的经济利益。
（4）人工智能技术在日常操作过程中的应用分析。电气设备的操作较为复杂，且操作难度加高，因此非常容易因不当操作出现故障问题，造成经济上的损失。除此之外，不当的操作还会影响人们的日常生活，甚至影响社会正常的稳定秩序。人工智能技术的出现有效解决了日常操作中的容易出现的各种问题，简化了操作流程，方面了人们的日常操作。同时，通过电气系统的远程控制以及操作，还简化了操作界面，便于对资料以及数据进行及时更新，提供给人们更加方便快捷的查阅界面，从而有效节省时间。
5结语
现阶段人工智能技术的发展越来越成熟，其优势也越来越明显，因此应当充分重视人工智能技术的发展，将其优势应用到电气自动化的生产中，促进其经济以及效率的提高。
参考文献
[1]钱卓昊.人工智能技术在电气自动化控制中的应用探究[J].中国高新技术企业,2016(16):51-52.
[2]吴元立,司光亚,罗批.人工智能技术在网络空间安全防御中的应用[J].计算机应用研究,2015,32(08):2241-2244+2253.
[3]刘彧菲.基于人工智能技术的数字图书馆个性化信息服务系统研究[J].图书馆学刊,2015,37(05):110-113.
[4]王帮元.电气自动化控制中人工智能技术应用探究[J].赤峰学院学报(自然科学版),2015,31(09):50-52.
[5]纪文革.人工智能技术在电气自动化控制中的应用思路分析[J].电子测试,2014(03):137-138.
===========================
返回搜狐，查看更多
人工智能时代，如何做设计
本文作者：JoshLovejoy，Google的交互设计师
正如之前的移动互联网乃至再早之前的互联网都曾经改变人们的思考方式一样，机器学习(MachineLearning,ML)让我们开始重新思考、重新构建并重新审视我们所创造的体验的可能性。在Google的用户体验社区中，我们也启动了名为“以人为中心的机器学习(Human-CenteredMachineLearning)”的项目，专注于这个领域的研究。在这里，我们聚焦于诸多产品，来观察机器学习是如何以其独有的方式来解决人类的实际需求。我们的团队试图让所有用户体验设计师们理解机器学习的概念，了解如何将机器学习融入到用户体验的知识体系中，并且确保我们以整合的方式构建机器学习及人工智能的实际体验。
△GoogleClips捕捉到的真实的父母、孩子及宠物的影像
GoogleClips是一款智能相机，用于捕捉亲朋好友乃至宠物之间的甜蜜时刻。通过设备内置的机器智能，它能将镜头只聚焦于你关心的对象上，并且深谙美好且充满回忆的照片的构成要素。本文中，来自Google的交互设计师JoshLovejoy将以GoogleClips作为研究案例，和大家一起回顾三年中设备软件模型、工艺设计及用户界面打磨的历程，以及“以人为中心”设计一款人工智能驱动产品的核心思路。希望能对大家有所启发与帮助！
△GoogleClips允许你选择一个合适的相框区域(如上图左边)，并将其设为预览静态图(如上图右边)。你只需要把相机夹在篮球框上，就能顺利捕捉下孩子灌篮的瞬间。
如果没有契合人的需求，那么你只是在创建一个强大的系统来解决一个非常微小的，乃至不存在的问题。
要知道的是，如果只是让更多的用户体验设计师们参与到使用机器学习的项目中是不够的。更重要的是，要让他们明白具体的机器学习的核心概念，抛掉对人工智能的固有偏见，并通过最佳实践来建立并维持信任。机器学习的整个生命周期的每个阶段都意味着创新——从模型构建决策到数据采集，到解读，再到原型和测试，都是如此。
我们列举了以下这些事实来证明，在构建机器学习驱动的产品及系统时，为什么“以人为中心”是非常重要的：
机器学习不能找出需要解决的问题。如果没有考虑到人的需求，那么你只是在创建一个强大的系统，来解决一个非常微小的，乃至不存在的问题；如果AI系统的设计目的不明确，用户就无法明确理解他们在系统中的角色，以及该发挥什么作用，这会导致他们根据自身对AI的通俗理解来构建其心智模型，从而影响到对产品的信任；一个成功的机器学习模型是多种约束条件合力的结果。从这个角度上看，机器学习模型的建立不仅拥有技术性的一面，也拥有“社交学习”的一面——每个人的成长，都是在同时适应诸多社会规则的过程。机器学习是根据从数据中自动总结出来的模式及关系来做出预判的科学，机器学习模型的任务便是弄明白这些数据模式中导向错误的概率，并规避之，从而尽可能做出最正确的判断。但这些过程并不是机器自己在做。我们更需要看到的是，机器学习的方方面面都是基于人为的判断来推动或调节的：从最开始的构建模型的想法，到选择用来训练的数据源，到设计用来解读数据的标签和方法，乃至最终获得的判断对或错的能力。这也再次印证那句在用户体验设计工作中备受推崇的至理名言——你不能代表用户。一、在“以人为中心”的设计中，提升人工智能的三种途径1.解决人们真正的需求
如今，人们每年将拍摄数万亿的照片，对大多数人来说，这其实意味着一个我们实际上并不会看的，满是照片的数字“画廊”。对于新晋的宝爸宝妈们来说更是如此，他们每天的生活中都有无数的“第一次”。而人们往往倾向于拿出手机捕捉那些他们觉得珍贵而短暂的时刻，留存以供日后回顾。然而，这却导致他们最终只通过这一方小小的屏幕来看这个世界，而非通过自己的感觉与世界互动。
△作为一个新晋家长，你的照片时间线可能也是这样的——数张连续拍摄的照片，以图捕捉到最完美可爱的表情。
如果我们能打造一款能帮我们更好的留存这些美好时刻的产品，那会怎么样呢？如果我们能实际出现在照片里，而不是在相机后呢？如果我们能及时拍摄到我们想要拍摄的照片，而不需要停下来、取出手机、打开相机然后取景，还甚至会打破这些美好呢？如果我们能有一个实时相伴的摄影师来捕捉生活中美好时刻(比如孩子的笑脸)呢？——这些即使我们随时在镜头后都很难被捕捉到的时刻，才是我们想要为用户解决的需求。
2.引导智能
当我们开始研究之后，最迫切的问题是：如果人们拍摄了大量的照片，但是懒得进行整理，那么我们要如何进行标记管理呢？这便诞生了基础的“以人为中心的机器学习(HCML)”练习：描述一下理论上人类“专家”解决这个问题的步骤。这个理论包含两重含义：首先，如果是人无法解决的问题，那么AI也不能；此外，通过深入研究“专家”的方法，我们可以找到数据集、标签以及模型构架。
如果是人无法解决的问题，那么AI也不能。
我们能想到的比较合适的例子是婚礼摄影师，而后我们通过一个刻意弄得含糊其辞的招聘公告(“绝密项目！需要摄影！”)来进行招聘并面试。通过反复试验试错，以及一些运气，我们最终发现了一个比较理想的专家组合——包括一位纪录片导演、一位新闻摄影记者和一位美术摄影师。然后我们将团队成员的影像作品汇集在一起，试图从中找出这个问题的答案——是什么元素造就了一个难忘的时刻？
△在评估照片和视频质量时，需要辨别其中的细微差别、审美本能和个人经历——这些我们常常认为理所当然的地方。譬如，每当JoshLovejoy看到小儿子仔细研究一根弯曲的吸管(见上图左侧)，或者试图避开他的亲吻(如上图中间)时，就会崩溃。当他看到大儿子在公园里骑自行车的时候(见上图右侧)，感到非常自豪，因为记得那天开始他不再害怕骑自行车了。
3.建立信任
之前，我们工作的出发点是，假设我们可以给这个AI模型提供我们认为好的及有趣的素材，然后它会据此来学会如何查找更多相关内容。这是将“人机对话”理想化的结果，包括景深，三分法则，打光，匹配剪辑，叙事等方面……但事实上，我们永远不应该低估人们运用常识的能力。
这些早期的实验暴露了巨大的技术和方法上的差距，让我们重新设定了对产品功能实现的猜想，并重新认识这项前所未有的工作的性质。对于我们的模型，我们也将从机器学习生硬地放在基础的位置上，转向明白只有在足够简化的框架下机器才能够有效地进行学习。这相当于，我们之前之所以碰壁，是因为我们试图教会一个两岁的小孩子读莎士比亚，而非"Go,Dog.Go!"这种简单的英语。这也就是AI最被神化的地方——存在一个单纯的“智能”，可以理解所有的东西，并且将其概念化并根据场景具化成相应的知识。事实上真的是这样吗？不，差远了。
二、回到基础上来一致性对于教学来说是最重要的。这也是我们在教孩子们学习读说英语时，为什么要尽可能解开他们对于"O-U-G-U(例如tough,through,thorough)"的混乱(一般这种词我们也不会放在一开始的时候就教)。而相对的，cat、bat以及sat，由于其可预见的"at"读音，读写起来就有很高的一致性。
一致性通常伴随着自信心。试想一下，当老师列举出两个看起来不太一致的例子时，大多学生们都能非常快速并且渴望指出其不协调之处。但是算法无法提供这样的反馈。就算法而言，除非另有指示，否则对它显示的内容都具有相同的价值。对于GoogleClips来说，这意味着不仅两个示例之间需要保持一致性，而是每个示例内部都需要一致。每个单独的帧都需要能代表我们想教会ML预测的那个分支，这往往表现为我们在教给ML应该忽略哪些帧。
1.拍摄
我们需要训练这个模型，什么是糟糕的内容，例如手挡在了镜头前，镜头抖动以及没有聚焦等。
△我们使用上面的例子来训练机器学习模型来识别，相机是否放在口袋或钱包里了(如左上图)，还是手指或手挡在镜头前了(如右上图)。虽然这种训练并不能立刻生效，但是随着时间的推移，这将成为整个产品设计中非常重要的部分。通过排除掉这些无需关注的内容，拍摄的整体质量会直线上升。
2.构图
同时，我们需要对模型进行稳定性、清晰度以及取景方面的训练。一不留神，脸部检测模型就会把位于整个取景框的右下角的人脸和画面中心的人脸同等对待。而这往往不是我们需要的结果。
△为了训练模型的主题连贯性，特别强调相关的例子是很重要的。我们可以比照一下上面两个场景：人物始终在镜头中心(如上图左侧)，以及只有5%的时间在取景框的中心(如上图右侧)。
3.社交常态
熟悉是摄影的基础。当你用相机对准某个人时，他们会通过微笑或者姿势来回应。更重要的是，选择取景并且按下快门的那个人是你，也就是拍摄对象熟知的那个人。然而对于自动相机来说，我们必须用算法来根据社交线索(譬如说你与他们相处的时间以及他们在你镜头下的时间)来判断谁才是你熟悉的人。
4.编辑
当我们自己来拍摄照片时，多样和重复是很正常的，因为你脑海中总是有个声音在提醒你，“之前没见过这样的一面，该拍下来了！”或者“已经拍足够多了”。但是我们的模型无法作出这样的判断，它们需要更多的训练。
我们从三个不同的维度来处理这种多样性：
时间：拍摄的时长是一个非常重要的指标，没有捕捉到具体内容的话就不要长时间拍摄了，这很好理解。视觉：颜色的微妙或剧烈变化都可以反映环境和活动的变化，试着去捕捉那些具有不同美学特征的时刻。人物：你是处在一群人中，还是一个小团体，抑或是单独一人呢？了解有多少张熟悉的脸孔十分重要，这能让你感觉到并未错过什么重要的时刻。△△ 如上所示，JoshLovejoy把相机放在书架边上且镜头朝下，刚好能够拍到孩子们一起在搭建玩具。但这也意味着很长一段时间内，相机总是面临着相似的内容。在这种情况下，如何避免过多的重复拍摄，却不会错过精彩的瞬间，在现在与未来，都是一个非常复杂的用户体验课题。
三、信任和自我能效我们投资GoogleClips的原因之一在于，向世界证明基于设备内置及隐私保护的机器学习的重要性——更不用说其出色的性能(譬如说，它需要更少的能耗，所以设备不会过热，进程处理更快且更为可靠，还不需要联网)。相机是非常私人的物品，我们一直在努力确保它——包括硬件、智能以及其产生的内容——都仅属于你自己。这也就是为什么，所有的一切都将留在相机里，除非你决定拿出来分享。
1.概念框架
考虑到信任和自我效能，我们也需要格外留意UI设计的方式。在项目的开始，这意味着一些有趣的假设，关于一个AI驱动的产品应该如何“出众”。
当我们大脑中开始思考关于未来科技的设计参考时，许多设计师总会联想到电影《少数派报告》和《银翼杀手》中的沉浸式的画面。但是想象一下，实际向用户说明类似《少数派报告》的UI是非常可笑的——在这，伸出你的手臂，等待两秒钟，然后握拳，手在这个位置逆时针旋转时然后右甩，是不是很容易！(才怪！)几乎所有仿科幻的UI设计都犯了相似的错误——那就是交互模型的复杂性必须匹配其驱动的系统的复杂性，也就是说系统有多复杂，交互界面就该有多复杂。但这完全没有必要。我们在早期设计阶段也曾在这个死胡同里停留过，但我们现在已经很大程度上避免了这一点，原因有三：
我们在一个明显模拟的环境中向人们展示了假冒/假设的内容，在那里他们与他们看到的东西之间没有真正的联系。请注意，这并不是AI独有的问题：当你将用户投入到可用性实验中，这往往是其中一个混淆因素。我们每天只顾着与说着相同语言的人在一起，一起思考AI的未来。但是却与其他人之间有了断层，没有将他人作为参考纳入到设计当中。我们自认为设计非常棒，所以当用户没有马上认为我们的新设计非常酷，当人们没有迅速领会设计意图时，我们并不放在心上，给了自己相当大的宽容。△大多数产品都有一个认知曲线的过程，但是外界对AI的过度宣传，使得对于用户的认知引导十分重要。当使用场景对用户来说十分新颖(如上图A)时，那么需要着重关注其可靠性。如果有很多新的UI方面的设计(如上图B)，那么要确保基本用例十分贴切。而当产品功能更加多元(如上图C)时，你的UI设计则应该使用用户熟悉的模式。
随着时间的推移，我们逐渐走出了这样的局面。我们开始大幅降低UI设计的复杂性，并为我们的用户体验框架搭建了可控及熟悉的基础。所以我们为相机增加一个软件取景器及实体拍摄键，并确保用户对生成的图册拥有最终决定权。同时，比起展现“恰到好处”的内容，我们更倾向于向用户展现更多的内容。因为通过允许用户看到“水面下”的一些内容并且删除那些他们不想要的内容，他们才能更好地理解我们的相机试图要捕捉的那些时刻，也会对其之后的表现更具信心。(再强调一下，这就是通过一些细节方面的心理博弈，来达成信任和自我效能。)
硬件，硬件中的智能及其产生的内容最终都仅属于你自己。
在这个过程中，我们有另外一个重要的发现：在创造之前，尽量模仿。如果必须二选其一，那么通过用户的真实内容来创建UX原型比用真正的机器学习模型来进行测试更加有用。因为后者需要花费更长的时间来构建和部署(与传统的软件开发相比，其灵活性和适应性要差得多，所以调整和叫停的代价更高)，而前者则可以为你提供真正的洞察，了解用户从你的(理论性)产品中获取价值和效用的方式。
△我们可以看到，用户可以通过滑动来预览照片，选择他们想要保存到手机的照片(如上图左边)，可以切换到查看“推荐照片”(如上图中间)，还可以精确选择他们想要保存为静态照片的那一帧(如上图右边)。
在充满主观性及个性化的环境中，纯粹的完美是不可能的，也不应该成为我们的目标。与传统的软件开发相比，机器学习系统永远不存在“绝对的正确”，因为预测本就是一门模糊的科学。但正是这种模糊使得机器学习十分有用。它帮助我们制定更为强大动态的if语句，使得我们得以根据“如果这个看起来像是x，那就做y操作”的规则来设计产品。在这种背离僵硬的逻辑规则的情况下，我们也同样需要抛下传统的度量互动的方式。GoogleClips的成功不仅仅在于保留，删除，点击和编辑(尽管这些都很重要)，而是在于其长期以来的协同创作，共同学习和适应与进步。我们衷心希望用户带上我们的产品，走出门去，享受生活。
四、带着目的来设计我们可以通过对人工智能的重新定位，来寻找让机器更智能的途径并探索增强人类能力的方式，从而释放机器学习中更大的潜力。它可以成为一件强大的工具，来进行前所未有的探索及创新——一件帮助我们探索自己及周遭世界模式的工具。作为“以人为中心”设计项目的实践者，在人工智能的协助下，我们有巨大的机会来塑造一个更加人性化和包容性的世界，但这需要我们时刻谨记最根本的目的——寻找和解决人类真正的需求，力求维护人类价值，利用设计来强化人类的能力而非简单地自动化执行人类的工作。
是的，人工智能的作用不是直截了当的为我们锁定目标，而是为我们清除障碍，让我们得以更好地找到目标。
欢迎大家积极留言与我们互动，讲述你们对于AI时代下UX设计的心得或疑问。
人工智能时代需培养学生怎样能力
“未来人工智能环境下的课堂，可能是‘双师型’的课堂，人机交互、人机结合将成为主要形态。一堂课可能由一名教师和一个机器人共同来上，布置和批改作业、知识点训练、监督学习、学习情况的分析等工作可能由机器人来完成。”在日前召开的第四次全国数据驱动教育改进专题研讨会上，北京师范大学中国教育创新研究院院长刘坚这样描述人工智能时代的课堂。
人工智能不能代替学习
面对席卷而来、被称为人类“第二次零点革命”的人工智能浪潮，互联网时代的教育界，也不那么淡定了。“因为人工智能不是信息化的延续，技术对教育的影响，正在由‘革新’发展为‘革命’。”中关村学院学术委员会原负责人吕文清说，“高级阶段的人工智能具有类人脑的学习力和思考力，将来还能进化到自适应学习，在这个意义上，人工智能拓展了人的思维。人工智能改变的，不仅是教育的边界和方式，整个教育样态也将面临重塑。”
不过，科大讯飞教育研究院院长孙曙辉认为，人工智能不能代替人的思维，不能代替学习，技术也改变不了教育的本质。因此，在当前热炒人工智能概念的大背景下，一定要认清技术与教育的关系，搞清楚哪些是教育本身的问题，哪些是技术可以解决的问题。
高阶认知能力的重要性将更加凸显
在人工智能时代，学生应该具备怎样的能力，才能适应社会需求，在竞争中立于不败之地？
教育部副部长杜占元在去年12月召开的2017未来教育大会上提出，在机器能够思考的时代，教育应着重培养学生的5种能力，即自主学习能力、提出问题的能力、人际交往的能力、创新思维的能力及筹划未来的能力。
教育部科技发展中心原主任李志民说，今天我们说知识就是力量，讲的是如何学习、记忆和掌握更多的知识，讲究知识的系统性，而在人工智能时代，知识是开放的，随时随地可查找、可检索，因此，记忆知识以及知识的系统性不再像今天这样重要了，学生更需要学习如何从已有的知识中挖掘出新应用、新知识，通过已有知识学习新知识，与之对应的知识结构或学习过程就是思维的训练。
“低阶认知技能的重要性会下降，如记忆、复述、再现等初级信息加工任务将更多地被机器代替，而高阶认知能力的重要性会更加凸显，如识别问题、逻辑推理、意义建构、精致思考、自我指导能力等。”吕文清认为，人工智能时代应重点培养学生的终身学习素养、计算思维素养、设计思维素养和交互思维素养，培养学生5种能力——高阶认知能力、创新能力、联结能力、意义建构能力和元认知能力。终身学习素养，主要基于人工智能时代需要更强大和持续的学习力，强调学会学习和建构不断演进的知识框架；计算思维素养，主要基于学习和理解人工智能，强化思考的逻辑和精致。现在很火的编程课程，主要是培养计算思维；设计思维素养，主要基于人工智能时代学生执行困难任务，需要关注项目设计、任务设计和路径设计等高层次管理，重点引导学生学会选择、学会决策、学会判断；交互思维素养，主要基于人工智能时代学生交往方式的变化，需要高级信息素养、媒体素养、沟通交流和技术伦理，重点引导学生学会开源共享、参与协商、组建社区等，理解复杂的相互关系。高阶认知能力，强调独立思考、逻辑推理、信息加工等；创新能力，强调好奇心、想象力和创新思维、创新人格等；联结能力，强调学会统筹、组织资源、建立联系，特别是包括人工智能在内的多个空间的联结；意义建构能力，强调社会情感、责任意识和高感性、高概念等要素；元认知能力，强调学习自我认知、自我监控和自我指导。
“我认为，没有什么能力是贴有人工智能时代专属标签的。随着时代的发展，人类已有的知识和经验变得不重要，而培养学生的综合素质、高阶思维、创新能力等，这些要求无论在哪个时代都是需要的、共通的、不会过时的。”孙曙辉说。
未来的学习将更加个性化
未来的学习，在哪儿学、跟谁学、怎么学？原有的概念可能都会被颠覆。教育又该如何作出调整，以适应新的时代要求？吕文清认为，人工智能时代对学生的学习目标、学习内容、能力层级甚至心智模式，都提出了新的需求。在教学上，人工智能时代要以“思维教学”为主线，既强调基于认知能力的信息加工、分析综合、逻辑推理等高阶思维的培养，还要增加和突出计算思维、设计思维和交互思维的培养。具体落点上，要强调概念性知识、方法性知识和价值性知识的教学，要注重教原理、教统筹、教大观点、教元认知等不可替代的知识，也就是高阶认知和高阶学习。
人工智能对于当前的教育，不只是颠覆和冲击，也会带来促进和改良。李志民说，人工智能时代的教育管理，无论是宏观层面还是微观层面，都更容易做到精细化，对教师的评价会更加全面而科学；可以根据每个学生的智力程度和思维习惯以及学习方式进行教学，实现真正的个性化学习和因材施教。
据了解，目前许多中小学已开设编程、3D打印技术等与人工智能相关的课程，学生学习兴趣特别浓厚。一些学校还以社团和选修课的形式推进机器人、智能汽车、计算机编程等课程的开设与完善，提升学生信息化素养，促进学科知识融合。
人工智能时代，学生获得知识及能力、素养的提升途径无疑会更多元，其中互联网发挥的作用会更大。而人工智能的应用，会让教师从机械重复的工作中解放出来，去做更有价值的工作。孙曙辉认为，在中小学开设编程等人工智能相关课程，有助于训练学生的思维方式，但主要意义在于普及相关科学知识，并不能帮助学生“赢在起跑线”。目前，很多所谓人工智能的应用，包括一些针对职业人群的人工智能培训，都是炒作概念的“伪人工智能”，人工智能在短期内尚难发展到较为高级的阶段。当前市场上已经出现针对中小学生的打着“人工智能”旗号的相关培训班，家长完全没必要怕“掉队”，在现阶段，保持清醒的头脑，不盲目跟风至关重要。（本报记者汪瑞林）