让AI拥抱学习

刘党生

我们与众多教育人一样都注意到了，国务院最近印发了《新一代人工智能发展规划》（以下简称《规划》）。作为以深度学习为己任的教育机构，对这项《规划》堅决拥护，绝对看好，但对第一波社会反响，特别是教育业内的一些呼声，却有话要说。

论教育，不可忽略《规划》背景

《规划》明确：“人工智能的迅速发展将深刻改变人类社会生活、改变世界。为抢抓人工智能发展的重大战略机遇，构筑我国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，按照党中央、国务院部署要求，制订本规划。”

定位如此之高，让我们联想到了十年前，美国政府颁布的“大力发展STEM战略”。这个国家战略定位既揭示了STEM的重要性，也决定了通盘规划、整体实施的顶层设计意图。这次，《规划》从六个方面加以全面部署，用了两万字的篇幅进行详尽阐述。指导思想非常明确：“……深入实施创新驱动发展战略，以加快人工智能与经济、社会、国防深度融合为主线，以提升新一代人工智能科技创新能力为主攻方向，发展智能经济，建设智能社会，维护国家安全，构筑知识群、技术群、产业群互动融合和人才、制度、文化相互支撑的生态系统，前瞻应对风险挑战，推动以人类可持续发展为中心的智能化，全面提升社会生产力、综合国力和国家竞争力……”而这一切，是基于“战略态势”的研判而做出的：有感于经历了60多年演进的人工智能领域，在今天进入到发展新阶段，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。在这里，人工智能是引领未来的战略性技术，《规划》特别提及了“大数据驱动知识学习、跨媒体协同处理、人机协同增强智能、群体集成智能、自主智能系统成为人工智能的发展重点，受脑科学研究成果启发的类脑智能蓄势待发，芯片化硬件化平台化趋势更加明显”。

显然，新一代人工智能呈现出的是一种整体推进的态势。除了对政治、经济有着显而易见的重大影响之外，人工智能还带来社会建设的新机遇，也带来了新挑战。它是影响面广的颠覆性技术，可能带来改变就业结构、冲击法律与社会伦理、侵犯个人隐私、挑战国际关系准则等问题。所以在大力发展人工智能的同时，必须高度重视可能带来的安全风险挑战，加强前瞻预防与约束引导，最大限度降低风险，确保人工智能安全、可靠、可控发展。

事实上，仅从教育技术的视角寻找切入口，可能早已远远落伍于人工智能技术可以支撑的教育变革，甚至在一些理念的冲突中，还会曲解甚至是误会人工智能对教育的渗透影响力。毕竟，长期以来，我们遵循的一直是上世纪50年代教育装备、装备后勤的指导思想，即便在几年前实现“教育装备研究与发展中心”的转型之后，革命式的自我突破还是非常谨慎，教育技术与教育实践始终处于两层皮的状态，从属关系依旧，主次关系分明，人们所期待的那种教育技术变身为教育资源的有机组成部分，为新技术介入教育领域而用客观、理性和全新视角判读的情景，至少在今天，还有差距。

目前，自适应自主学习、生物特征识别、直觉感知、脑科学、行为科学、混合智能和群体智能等跨越发展的应用正大踏步地向我们走来，包括BYOD、可穿戴技术、大数据、云计算、语音识别、视觉识别技术、中文信息处理、智能监控、核心算法等的最新成果有可能在将来的某个时刻促成具有颠覆意义的生态圈和新业态形成。那我们能不能面对新形势新需求，主动求变应变，牢牢把握人工智能发展的重大历史机遇，紧扣发展、研判大势、主动谋划、把握方向、抢占先机，引领新时代教育变革，带动国家教育领域的整体跃升和跨越式发展呢？

重实操，全面解读《规划》目标

细读《规划》，我们应该同步锁定以下内容：既要开发基于大数据智能的在线学习教育平台，也要完善人工智能领域学科布局等。《规划》要求，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；开展智能校园建设，推动人工智能在教学、管理、资源建设等全流程应用；开发立体综合教学场、基于大数据智能的在线学习教育平台；开发智能教育助理，建立智能、快速、全面的教育分析系统；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。

在人才培养上，《规划》提出，支持和培养具有发展潜力的人工智能领军人才，加强人工智能基础研究、应用研究、运行维护等方面专业技术人才培养。同时，加大高端人工智能人才引进力度，重点引进神经认知、机器学习、自动驾驶、智能机器人等国际顶尖科学家和高水平创新团队。《规划》除了明确提出要建设人工智能学科，还鼓励高校在原有基础上拓宽人工智能专业教育内容，形成“人工智能+X”复合专业培养新模式，重视人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合。加强产学研合作，鼓励高校、科研院所与企业等机构合作开展人工智能学科建设。

《规划》还倡导开源共享理念，促进产学研用各创新主体共创共享，形成全要素、多领域、高效益的深度融合发展新格局。积极参与人工智能全球研发和治理，在全球范围内优化配置创新资源。

尽管，有关部委的配套执行文件还没有出台，但我们有理由相信，教育领域在落实《规划》中的角色不仅相辅相成、砥砺前行，更意味着开启了一个新纪元。

首先，在技术消化方面，会形成三大突破：

1.技术地位的突破。要容许教育技术超越教学行为，宽容最新技术对传统教育的挑战，不设前提和障碍地辅佐技术渗透进教育行为的方方面面。甚或是乐见技术与数据引领教育前行。

2.技术手段的突破。这里所说的技术，已不再是一种工具的存在，而更多地凸显出它对教育模式在系统工程层面的着力与建树，它必将弥补传统经验教学模式、总结性知识固化模式、单一记忆考查模式等的不足。

3.技术应用的突破。数字化应用是得到公认的一个方面，另一方面，将在便携、精准、可度量，乃至于知识植入、个体规划设计等方面显现出独到的优势。

其次，在智能导引模式上，有可能达成三点重构：

1.混合作战模式。可以预期，目前有关教学、教研、电教、装备等各自为政的局面将被打破；教育独立（滞后）于先进技术发展的状况有望成为历史；教育社区和教育社会化的倡导将帮助实现在先进技术应用方面的社会同步。

2.融合创新模式。美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。”它反映了人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统的基本理论、方法和技术。

3.多元支撑模式。研究用计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科；从思维观点看，人工智能不只限于逻辑思维，还要考虑形象思维、灵感思维，这样才能促进人工智能的突破性发展。

再次，在课程形态解构方面，有望走出传统：

1.学科设置不再纠结于多少，而更注重渗透；人工智能的定义可划分为四类，即机器“像人一样思考”“像人一样行动”“理性地思考”和“理性地行动”。一旦“行动”的交织突破了人为对学科壁垒的局限，那注定是教育的一次飞跃。

2.校园不再被围墙所禁锢，互联（物联）手段全面开花；来自谷歌、百度等一系列应用开发，已经让人不再对此怀疑。

3.个性诊断技术支撑下的学能设计。发明家库兹韦尔认为，人类思维中的非生物因素将占据主导地位。

最后，新学习诊断元素的强势介入：

1.深度学习。人工智能的哲学基础似乎正在变得更加丰富。行为智能、进化计算、群智能、量子计算、DNA计算等激动人心的新进展不仅拓宽了人们实现人工智能的视野，还充分证实了人工智能是目前人类科学大厦中最为活跃、最富有魅力的组成部分之一。

2.职业生涯体验。这方面，尤其有必要与国家规划节点目标保持高度一致：2020年、2025年、2030年“三步走”战略，几乎涵盖了目前在学的所有学生的基础教育阶段、本科教育阶段的学习生涯，亟待帮助学生在认知上对其了解、在职业导向上与之同步。

3.新“行知学”迭代提升。正是由于世界各国在人工智能领域都在你追我赶，所以几乎不存在谁先发现、变相引领的情况，更有可能的是基于对技术突破之后的彼此文化底蕴支撑而形成流派，东方的“行知学”思想极有可能与STEM同台论剑。

须警惕，鱼龙混杂《规划》赝品

出于对双刃剑效应的警惕，教育在吸收、引进新技术手段的过程甄别方面，始终出手谨慎。最典型的例子是对教育游戏类产品的防守。

同理可证，在同步人工智能技术的同时，一方面，我们有必要在基础理论体系方面，寻求与新一代人工智能相交相通的结合点。兼顾当前需求与长远发展，超前布局可能引发人工智能范式变革的基础研究，促进学科交叉融合，为人工智能持续发展与深度应用提供强大的教育科学储备。要加强大数据智能、跨媒体感知计算、人机混合智能、群体智能、自主协同与决策等基础理论研究。重点突破无监督学习、综合深度推理等难点问题，建立数据驱动、以自然语言理解为核心的认知计算模型，形成从大数据到知识、从知识到决策的能力。

另一方面，我们必须清醒地认识到，高新技术并不完全等同于高精尖，尤其是对教育的借鉴而言，跨媒体感知计算理论重点突破的是低成本、低能耗智能感知、复杂场景主动感知、自然环境听觉与言语感知、多媒体自主学习等理论方法，实现超人感知和高动态、高维度、多模式分布式大场景感知。而混合增强智能理论重点突破人机协同共融的情境理解与决策学习、直觉推理与因果模型、记忆与知识演化等理论，实现学习与思考接近或超过人类智能水平的混合增强智能。群体智能理论重点突破群体智能的组织、涌现、学习的理论与方法，建立可表达、可计算的群智激励算法和模型，形成基于互联网的群体智能理论体系。

相比较技术领域的导入，我们亦需要高度关注对于教育领域而言，一些非常陌生却非常有可能形成突破的陌生环境，如高级机器学习、类脑智能计算、量子智能计算等跨领域研究，重点期待在类脑的信息编码、处理、记忆、学习与推理理论基础上，形成类脑复杂系统及类脑控制等理论与方法，建立大规模类脑智能计算的新模型和脑启发的认知计算模型。

开展跨学科探索性研究也将是挑战教育人的一大难点。要推动人工智能与神经科学、认知科学、量子科学、心理学、数学、经济学、社会学等相关基础学科的交叉融合，加强引领人工智能算法、模型发展的数学基础理论研究，重视人工智能法律伦理的基础理论问题研究等。这里，尽管教育的大众属性较之尖端的人工智能范畴，相对容易被大家理解，但这也恰恰形成了教育经验逻辑与教育缜密逻辑之间、教育行为属性的定性与定量之间似曾相识却不甚了了的夹生生态；我们有必要科学理性地做好可行性论证工作，兼收并蓄地有序展开研究，坚持理论考证前提下的小样本验证，乃至逐级放大的过程性诊断和修正，特别是在诊断、定性等领域更要谨慎。

朱永新教授认为，传统的学校正在走向消亡，替代它的将是“未来学习中心”。未来学习中心将有十个基本特征：从学习中心的内在本质来说，它会走向个性化；从学习中心的外在形式来说，它会走向丰富化；从学习中心的时间来说，它会走向弹性化；从学习中心的内容来说，它会走向定制化；从学习中心的方式来说，它会走向混合化；从学习中心的教师来说，它会走向多元化；从学习中心的费用来说，它会走向双轨化；从学习中心的评价来说，它会走向过程化；从学习中心的机构来说，它會走向开放化；从学习中心的目标来说，它会走向幸福化。

待众筹，深度重构《规划》远景

《规划》指出，发展人工智能是一项事关全局的复杂系统工程。华东师范大学计算机科学与软件工程学院教授、副院长蒲戈光曾坦言：在人工智能现有技术支撑下，要想同时取得对知识的执行、创造和破坏的突破，谈何容易。因此，人工智能环境下的未来教育是要培养学生创造知识和破坏知识的能力。为了论证这个命题，我们应从未来行业的进化、未来社会关系的进化、未来知识工作者的进化三个方面展开讨论。

其实，把握人工智能技术属性和社会属性高度融合的特征，既要加大人工智能研发和应用力度，最大程度发挥人工智能潜力，又要预判人工智能的挑战，协调教育政策，最大限度防范风险。

1.有必要事先锁定以算法为核心，以数据和硬件为基础，以提升感知识别、知识计算、认知推理、运动执行、人机交互能力为重点的人工智能关键共性技术体系。

2.在知识计算引擎与知识服务领域，重点凸显知识加工、深度搜索和可视交互核心技术，实现对知识持续增量的自动获取，具备概念识别、实体发现、属性预测、知识演化建模和关系挖掘能力，形成涵盖数十亿实体规模的多源、多学科和多数据类型的跨媒体知识图谱。

3.跨媒体分析推理技术。重点突破跨媒体统一表征、关联理解与知识挖掘、知识演化与推理、智能描述与生成等技术，实现跨媒体知识表征、分析、挖掘、推理、演化和利用，构建分析推理引擎。

4.群体智能关键技术。重点突破基于互联网的大众化协同、大规模协作的知识资源管理与开放式共享等技术，建立群智知识表示框架，实现基于群智感知的知识获取和开放动态环境下的群智融合与增强，支撑覆盖全国的千万级规模群体感知、协同与演化。

5.混合增强智能新架构与新技术。重点突破人机协同的感知与执行一体化模型、智能计算前移的新型传感器件、通用混合计算架构等核心技术，构建自主适应环境的混合增强智能系统、人机群组混合增强智能系统及支撑环境。

6.虚拟现实智能建模技术。重点突破虚拟对象智能行为建模技术，提升虚拟现实中智能对象行为的社会性、多样性和交互逼真性，实现虚拟现实、增强现实等技术与人工智能的有机结合和高效互动。

7.自然语言处理技术。重点突破自然语言的语法逻辑、字符概念表征和深度语义分析的核心技术，推进人类与机器的有效沟通和自由交互，实现多风格多语言多领域的自然语言智能理解和自动生成。

在新教改的推进中，各种利好消息、资源支撑、技术突破，都在呼唤着顺应时代的全新教育样式迭代而起；把握时机，抓住窗口，弯道超车，将揭开教育崭新的一页。