新型智能教学系统<br/>——人工智能2.0重塑学习技术路径

新型智能教学系统
——人工智能2.0重塑学习技术路径

2018-12-22左建平柴青青

无线互联科技 2018年16期

左建平，柴青青

（1.重庆电讯职业学院，重庆 402247；2.重庆工匠汽车销售服务有限公司，重庆 402247；3.重庆派斯克刀具制造股份有限公司，重庆 400060）

1 人工智能2.0重塑学习技术的变革趋势

随着技术水平的不断发展，许多相关研究人员开始尝试实现真正意义上的智能教学，即以智能教学系统为教学执行主导，教师则为智能教学系统的控制者，在这一研究方针之下，才能使智能技术的功能、性能优势切实地融入教学。

在目前的智能教学系统应用上来看，真正意义上的智能教学已经初具雏形，已经具备取代一部分人工教学的功能，这样的应用形式，一方面说明了理论研究仿真可以实现，一方面也说明目前智能教学系统还存在不足，需要得以改善，本文即针对2.0新时代下，新型智能教学系统—人工智能技术重塑学习技术的路径进行探讨[1]。

2 人工智能发展的技术内涵与教育应用实践的发展

2.1 三大智能技术内涵

自人工智能技术发展以来，总共经过了3次高峰期，即计算智能化时期、感知智能化时代、认知智能化时代，在每个时代，均产生了具有独特性能、功能的智能化技术。而在新型智能教学系统的背景下，此3个时代的技术得到了综合应用，从而形成了完善的技术运行体系，本文为了对此进行探讨，将针对3个时代的智能技术，在新型智能教学系统当中的技术内涵进行分析。

2.1.1 计算智能化

计算智能化的特点在于读取、处理、分析的效率较高，在现代新型智能教学系统之下，通过计算智能化，能够实现高效率的数据传导、仿真计算、模型分析等功能，因此计算智能化主要能够增加新型智能教学系统运作的效率[2]。

2.1.2 感知智能化

感知智能化的特点在于通过语音识别、图像识别、动态识别等功能，去判断周边实际环境，并收集其中需要的数据。在新型智能教学系统之下，通过感知智能化，能够实现便捷的加密、解锁、语音输入、图像解析、手势动态控制等功能，因此感知智能化主要能够提高新型智能教学系统的便捷性与功能性[3]。

2.1.3 认知智能化

认知智能化在某种角度上与感知智能化差异不大，但两者最大的区别在于认知智能化的深度要更高，并且具备学习能力。认知智能化不但能够对语音、图像等进行识别，同时还能利用自身的学习能力，了解用户的习惯，从而在一段时间的应用之下，能够分析用户的语义，判断发言者的观点、情感动态等，因此在认知智能化之下，新型智能教学系统已经具备与人体相差无几的理解能力，此项技术代表了新型智能教学系统的实践性[4]。

2.2 智能教学系统在教育应用实践的发展

在智能技术出现的初期，便有学者将其应用于教学领域，但随着此技术的发展变革，其应用原理与方式也出现了不同的变化。首先，在计算智能化时期，智能教学系统主要通过预先建立的不同模型，例如知识模型、教师模型、学生模型与知识库构建来实现智能教学，即通过知识库的传输功能，来应对不同模型的需求，在此智能教学系统之下，依旧受制于传统教学体系，需要人作为主导，通过人工的操作来实现智能化运作。此外，计算智能化之下的智能教学系统，只能够应对知识库当中包含的知识，当知识库中没有人所需求的知识数据时，则难以满足需求。

其次，在感知智能化之下，智能教学系统得到了发展，已经能够接收更多形式的数据，以语音识别功能为例，即通过人工的语音导入，教学系统能够自行判断语音的内容，并将内容保存在知识库当中，当有需求时，再次通过语音识别功能，系统将自行判断与语音内容相符的知识数据，并将其输出，以此实现对问题的解答。但由此可见，感知智能化与计算智能化的运作原理基本相同，两者只在数据导入的多样性、便捷性上存在差异，并且在实践应用上，其数据输出存在僵化，难以读懂相同字句但语义不同的问题。

最后，在认知智能化之下，智能化系统达到了一个新的高度，其在保留了感知智能化对数据识别的多样性、便捷性的基础上，增加了学习能力，以此能够针对性地了解用户的习惯。此时在教育应用实践上，认知智能化下的教学系统，在通过一段时间的使用后，能够记忆使用者的习惯，从而在使用时，系统通过字句识别与使用者习惯的综合判别，能够针对性地读懂使用者的语义，实现更深层次的智能化应用。并且，当使用时间延长之后，认知智能化教学系统，还能够对不同情绪下，用户的提问习惯进行记忆，由此说明，认知智能化能够有效地判断用户的情感状态，并结合相应的方法来给出学习建议，例如用户出现了过于烦恼的情绪，那么系统将会建议其休息后再进行学习。

3 人工智能2.0重塑学习技术的应用路径

3.1 大数据与跨媒体智能学习路径

大数据技术同是现代社会的核心技术之一，其与智能化技术有着良好的应用效果。在大数据技术与智能化技术的结合之下，即形成了大数据智能技术，其能够实现浅层计算到深度神经的推理，以此形成具有解释功能的人工智能化系统。在教学当中，通过大数据智能技术的应用，其能够自身反复学习，并推演每一步学习之后的转化，形成多种逻辑构建路径，满足不同个性化的学习需求。

并且因为智能化本身的功能性，大数据智能技术同样能够有效接受不同形式的数据，例如文字、图像、计算机语言、语音等，而在此功能之下，大数据智能技术将不再受限于媒体类型，进而形成了跨媒体智能学习路径。在跨媒体智能学习路径之下，学习人员能够在不同的媒体上使用智能教学系统，同时也能够得到不同的数据形式，例如学习人员处于需要静音的环境，那么可以通过设置，使系统将语音数据内容转化为图像数据，进而可以满足此类情境下的学习。此外，因为大数据智能技术依旧保留了图像识别能力，所以即使在没有语音输入的情况下，其依旧能够通过摄像功能来读取学习人员的面部表情，从而推断当前学习人员的情绪状况，以此提出相应的学习要求，由此说明大数据智能技术，能够拓展新型智能教学系统的应用范围，满足不同情境下学习人员的需求，在学习技术重塑方面具有较高的引导价值。

3.2 人机协同学习路径

虽然2.0时代人工智能化技术的深度已经达到了一个相当的水平，并且在无数实践应用上，已经证实了其应用结果，但是人在不同的情境之下，其产生的决策结果存在极其强烈的动态性，此点是人工智能技术无法完全取代的，例如当某人面临重大考试时，其多数难以相信人工智能所给出的学习方案。此类现象的产生原因在于，虽然智能系统能够对人的情感进行识别，但智能系统本身并不具备情感，所以无法形成情感上的沟通，自然无法使两者产生信任感。

所以为了更好地将智能技术融合在教学当中，新型智能教学系统应当重视人机协同的学习路径，即在人面临重大抉择时，使用智能化系统能够产生相应的方案，而为了使得人接受此方案，可以通过其他专业人员对方案进行注解，通过案例促进人对方案的理解，从而变相地增强两者之间的信任度，实现学习技术路径的重塑。