浅谈人工智能时代教育政策的着力点

毛聪

摘 要：当前，人工智能已经成为国家战略发展的核心，成为最有可能对教育带来革命性变革的技术，对教育的影响极其深远。本文旨在结合人工智能的特点，从基础教育政策着力点简要进行论述。

关键词：人工智能;教育;政策

近年来，随着技术的进步，人工智越来越受到关注。作为引领下一次产业革命的核心技术，人工智能已逐渐成为国际竞争的新焦点和国家重大战略。在教育领域，人工智能已经有一些探索和基础应用，随着人工智能的探索向深层次发展，其对教育行业的影响将更加深远。对教育从业者来说如何迎接变革和挑战是我们当前面临的重要课题。

一、人工智能简述

1950 年，艾伦·麦席森·图灵首次提出图灵测试的概念[1]。1956年，在美国达特茅斯学院会议上，约翰·麦卡锡提出了“人工智能”这一术语。此后，人工智能的发展经历了三次浪潮。第一波浪潮的核心的是逻辑主义，核心是符号推理与机器推理，用符号表达的方式来研究智能、研究推理。第二波浪潮以联结主义为核心，人工神经网络取得了进展，建立在人工神经网络模拟大脑神经元及其联结基础上的联结主义活跃起来。第三次浪潮起于2006年Hinton等人提出的深度学习技术[2]，深度学习在语音识别、图像识别上取得了重大进步。

二、人工智能与教育的政策背景

2017年国务院发布《新一代人工智能规划》，着力推动人工智能与各行业融合创新，全面提升产业发展智能化水平。2018年《教育信息化2.0行动计划》提出要大力推进智能教育，探索泛在、灵活、智能的教育教学新环境与应用模式。今年初，中共中央、国务院印发了《中国教育现代化2035》，明确指出要大力推进教育信息化，加快推进智慧教育创新发展，实施人工智能助推教师队伍建设行动等，把教育信息化和人工智能对于中国教育的重要性，提升到了一个新高度。

三、当前教育政策的着力点

以自动化为起点的人工智能技术进步带来了新的产业革命，催生了大量新的人才需求。教育承担着重要的作用，一是培养新的综合人才，进一步提高劳动生产率;二是在促进以人工智能为核心的产业结构调整中提供智力支持。作为教育管理者，应当审时度势，认识到人工智能环境下教育模式可能存在的局限性以及对教育的深层次影响，从政策上考虑如何着力科学教育。归纳起来可以从四个方面来考虑。

（一）促进基础学科融合发展

计算智能、感知智能、认知智能是人工智能的三个台阶，计算智能是计算机快速计算和记忆存储能力。感知智能，即视觉、听觉、触觉等感知能力。认知智能，是分析、思考、理解、判断等认知能力。前两者一般属于弱人工智能范畴，认知智能属于强人工智能。弱人工智能只能在特定领域、既定规则中，表现出强大的智能，为解决特定的问题或完成特定的任务而存在，类似于“高级仿生学”，例如AlphaGo等。而强人工智能不受领域、规则限制，具有与人类同样的创造力和想象力。弱人工智能机器人与自动化、控制与技术等学科相关;对人工智能伦理和逻辑推理等问题是人文社会科学的范畴;神经网络技术和智能审判的进展带来的一系列法律问题则涉及到法学。对强人工智能的探索涉及到脑科学等生物学。这些知识容量總和与复杂程度已经远远超过了一个人一生的学习总量。如果要探索人工智能更深层次的问题，就必须对各方面的知识融会贯通。

因此，需要根据产业发展的方向完善人工智能领域学科布局，设立人工智能专业，推动人工智能领域一级学科建设。及时改进基础教育的相关科学教育作为支撑。拓展学校信息技术相关学科的课程建设。加强基础学科建设，帮助和鼓励中小学校开设与人工智能相关的拓展型、探究型课程作为选修课，开展相关的学习项目活动。在政策上加强引导学校组织参加各类比赛如“中小学电脑制作活动机器人现场竞赛“等人工智能项目活动。注重引入、培养人工智能领域学科的教师，鼓励学校注重培养学生区别于人工智能的特质——创造力、适应性、解决问题能力、团队合作意识和人际交往技能，奠定在人工智能时代学习的基础。

（二）构建智能学习的教育环境

在教育信息化1.0时代，以“三通两平台”为主要标志的教育信息化工作取得了突破性进展，全国中小学校互联网及多媒体教室已基本普及。随着互联网、通讯技术的进步，学校、家庭、社区、校外机构等联系越来越紧密，使得教育正从由教育行政部门主导的单主体教育向多主体教育转变。信息化工作的突破使得更高级的智能学习环境已具备条件，其技术特性决定了学习场景趋向真实并且是高度复杂的。未来的学习实践将是课堂活动、教学活动、实践活动和课外活动的全面融合，随时随地学习和终身学习将成为时代特征和发展趋势[3]。

因此，学校应该尽可能创设智能学习环境，通过技术协助教师支持学生成为更好的学习者。一是加强人工智能学习环境的建设。充分利用物联网等新技术重塑学校图书馆、宣传栏和数字资源平台，以多种形式提供多方面的相关学习内容、科普读物与新技术介绍。二是积极探索教室和实验室的设计。如智能课堂的搭建，包括：室内设计及教学支持设备、数据采集专用设备、数据中心等，使课堂更具有智能体验性;建设与人工智能相关的创新实验室，让学生有更多的人工智能创新体验与创新实践。三是加强智能化数字校园建设，在数字校园的基础上向智能校园演进，通过与社区、家庭的沟通与交流，对学校智能服务系统进行统筹设计和管理。逐步建立符合学生身心和个性特点的学习资源个性化智能推送与反馈系统，满足学生个性化学习和发展。从区域层面来说则应注重区域智能环境整体设计，在学校建设智能化的数字校园的过程中，以学校为主体建立线上线下一体化平台，构建学生在学校学习过程中产生的大数据环境。

（三）转变和创新教学模式

随着技术的高速发展，人类社会产生的信息量越来越巨大。过去的教师从本质上是一个“传输者”，教师需要掌握知识，消化知识，再“传输”给学生。但是今天，信息量的爆炸性增长使得过去的教师已经无法适应“传输者”的角色，一是学科的深度融合，使教师逐渐向“全才”演进，迫使教师必须要熟悉掌握融合的每门学科及一系列相关知识才能有效的“教”会学生。这就使得教师的学习量成倍增长，成为有丰富经验的教师难度大增。二是互联网时代信息、知识的海量增长，更迭速度加快。今天，年轻的学习者通过网络或其他技术手段，有可能比年长者学习更早、更快、更全面。实际上，“专家”和“新手之间的距离被不断缩小，后来居上将成为未来社会的常态。

当前，人工智能已经在取代部分教师作为“传输者”的作用，自动批改作业、试卷分析、提供资源甚至课堂行为分析。未来的教师应该是分析师和引导者，分析师在与通过各种技术手段或者经验了解学生的学习需求，引导者是引导学生通过学习、实践获取这样的需求。即使教师对于学生的需求所掌握的知识不熟悉，但他能够分析学生学习特征，了解他的认知状态，引导他如何去获取知识。可以说，人工智能或者说弱人工智能比起人类更适合作“知识的传输者”。

教育管理者应该因势利导着力改进政策，一是从选人用人上打破教师队伍的单一来源，从分析者、引导者的角度拓宽教师队伍，任何有专长的人都可以成为“教师”。在教师的认定，评比政策上减轻对传输式“教学”的硬性要求。二是由于优质资源的稀缺性，应适时引导和鼓励建立区域性的平台，通过线上线下结合的方式，鼓励O2O模式办学，打破学校教育的“围墙”，让学生走出课堂也能享受最优秀的教育资源。三是鼓励新的教学模式。过去，教材是学生的世界;现在，世界是学生的教材。学校应该带着学生走向社会，走向生活，社会应该向学生打开，接纳他们，积极主动地为学生成长服务。

（四）破除大数据环境下的信息共享壁垒

当前，我们的学校教育面临着两个方面的变革和挑战，从需求层面来看，在国家创新驱动发展战略推动下，对于人才的需求、学科专业体系结构、人才培养的模式、个人的能力素质和过去比是不一样的。从供给层面来看，技术正深刻改变教育和学校底层的架构。今天的学校制度和教育制度建立在工业化时代的需求和技术之上。当工业化时代的需求和技术发生改变，学校教育的形态也会发生改变。人工智能就是推进这一变化的重要力量。从需求端来讲，教育走向个性化的第一步是实现学习活动的个性化。在大数据、云计算等相关技术的支撑下，面向教育领域的基于人工智能的信息化系统（“智能教育應用”）可充分利用教育行业大数据，通过不断学习顶级的专家知识体系，达到一流专家的水平。最终实现学习活动的个性化。从供给层面来看，人工智能技术日益渗透到各行各业，生产过程已由单一、重复的流水线生产模式转变为大规模、个性化、自动化的智能制造模式。

数据资源作为人工智能最重要的基石，只有形成一定的规模人工智能才能有效的学习挖掘并发挥效力。孤立的区县或学校等都很难建立能真正促使人工智能学习的数据规模，应该破除以地区、学校为数据节点的信息壁垒，串联数据孤岛。随着人工智能在教育领域应用的逐步突显，数据、算法逐渐成为人工智能的基础和核心[5]，数据的采集、加工、处理、存储对数据处理云端平台的依赖将与日俱增。各地云端平台也需要打破信息壁垒，在更大范围内加快构建共建共享的数据资源体系。

从没有一项技术像人工智能那样能对教育有如此深的影响，这项技术的发展对教育方式的变革可能是颠覆性的。当然还有很多具体问题值得探讨。如何帮助未来的教师、学生适应教育方式的变革，是所有教育工作者值得思考的。

参考文献：

[1]万赟.从图灵测试到深度学习：人工智能60年[J].科技导报，2016，34（7）：26-33.

[2]梁迎丽，刘陈.人工智能教育应用的现状分析，典型特征与发展趋势.中国电化教育，2018.3 25-30.

[3]潘云鹤.2018.人工智能2.0与教育的发展[J].中国远程教育（5）：5-8，44.

[4].梁迎丽，梁英豪.人工智能时代的智慧学习：原理、进展与趋势.中国电化教育，2019.2 16-21.

[5].杨现民，张昊，郭利明等（2018）.教育人工智能的发展难题与突破路径[J].现代远程教育研究，（3）：30-38.