智能教学系统与化工职业教育系列讲座①ITS的由来与发展

2020-05-07吴重光

化工职业技术教育 2020年1期

吴重光

（北京化工大学，北京北京100029）

1 什么是ITS？

ITS（Intelligent Tutoring System）可以通称为“智能教学系统”，是一种人工智能计算机软件，用于模拟人类教与学的行为和指导过程。

随着科学技术的飞速发展，ITS 已经逐渐发展成为先进的综合技术的集成系统。理论上涉及数学、物理、知识工程、领域工程学、认知科学、教育学、心理学和计算机软件科学等多领域的融合。技术层面涉及了实时仿真、模型跟踪、定性建模、定性推理、深度学习、故障诊断、机器学习与性能评估、语音识别、图象识别和虚拟现实（VR）等技术，还包括多门类现代计算机、多媒体、互联网和计算机硬件技术。

ITS 可以帮助学生学习大量的课程。智能学习过程是通过提出问题、分析与回答问题，提供学生需要的指导和反馈等方式实现。ITS 系统与传统的计算机辅助教学（CAI）有两个重要的区别，即ITS 可以解释学生复杂的响应；并且可以记住学生的操作踪迹。ITS软件构建了每一个学生的档案并且评估学生的掌握程度，这种系统可以实时改变教学行为，以不同的策略个性化跟踪学生，或调整它的知识库以便更有效地与所有学生互动。

ITS 可以配合教师为大量的学生而工作，既可以是同时教学，也可以个性化教学。ITS 已经通过大量的教学实践证明可以改进学生的理解水平和提高学习成绩，ITS 还可以给教师和开发者提供实时数据，用来提炼教学方法。由于教育机构不能为每一个学生分派一个专有教师，而ITS 却是一个有用的教师“代理人”，可以为任何一个学生提供个性化帮助，提高学生的学习效率和满足学生特殊的学习需求。

研发ITS 的终极目标是辅助实现教育的个性化、公平化和终身化。

2 近半个世纪以来ITS 的进展

ITS 伴随着认知科学、人工智能技术和互联网技术的进步得到快速发展。ITS 的研究、开发和应用起始于上世纪70年代，被认为是第一篇ITS 的论文是1970年由杰莫·卡贝尔（Jaimer Carbonell）发表，论文题目是“计算机辅助教学（CAI）中的人工智能方法”。这项工作部分由美国海军研究局提供支持，是空军电子系统部的合同，并由美国国防高级研究计划局负责。卡贝尔编写了一套计算机程序，即世界上第一个ITS软件——“学者”。“学者”能够在特定的语境（如南美洲的地理）中与学生保持一种混合主动的对话，在一个自然语言文字的英语子集中对学生的知识进行评估。其软件结构属于第一代专家系统，即单纯使用产生式规则的专家系统。

近半个世纪以来据不完全统计，国外发表的ITS相关论文近百万篇，包括为数众多的著作。以美国为例，已经涌现出一批高水平ITS 软件，并且在工程职业教学，小学、中学和大学的许多课程中得到推广应用。

例如：2009年贝弗里·帕克·伍尔夫（Beverly Park Woolf）的著作《为电子化学习革命构建以学生为中心的智能互动式教学策略》，该书有480 页。伍尔夫比较全面地总结了截至2009年前40 多年中ITS 的理论、方法、技术研究和软件成果。

最新的一篇ITS 代表性论文《一种具有多种学习资源集成的电子学智能教学系统：Electronix Tutor》，是2018年由亚瑟·C·格雷瑟（Arthur C.Graesser）等来自8个不同院校的24 位作者所发表的。Electronix Tutor软件是一个高度集成的多种应用ITS 软件的联合系统，是美国海军研究局组织的一项STEM［STEM：科学（Science），技术（Technology），工程（Engineering），数学（Mathematics）四门学科英文首字母的缩写——编者注］挑战竞赛活动，探讨如何在合理的时间内开发出ITS，以帮助学生学习STEM（元学科）的主题。论文指出：“ITS 是为帮助学生掌握困难的知识和技能而设计的计算机学习环境，它实现了强大的智能算法，这些算法能够在细粒度的层次上适应学习者的学习和学习的复杂原理”。Electronix Tutor 软件主要集成了ASSISTments、AutoTutor 和Dragoon 等多种成功应用的ITS 软件。

参考伍尔夫著作的总结，补充截至2018年的ITS最新发展成果，概略归纳ITS 所涉及的理论、方法、技术研究和软件创新，可以分为八个方面。

2.1 苏格拉底式学习理论

采用教师提问学生回答的方式教学。教师在问答过程中了解学生的知识掌握情况，并给以有针对性的辅导。此种方式师生比限制在1∶3 左右，目的在于实现个性化教学。问与答是典型的第一代专家系统软件工作方式，因此促成了早期ITS 的开发和应用试验。

2.2 认知学习理论

这是目前最成功、应用最广的ITS 方法和技术，是第二代和第三代专家系统在智能教学过程中的应用。第一代专家系统基于产生式规则，即把人类专家的经验“转移”到计算机中。第二代专家系统基于知识模型，借助于“推理引擎”，能力大幅度提高。第三代专家系统是在前两代基础上增加智能学习功能，可以自动扩展知识模型（源自美国太空与海战中心的定义）。

目前，比较成熟的认知学习理论和方法主要包括如下几种。

（1）思想理性的自适应控制理论（ACT-R）

ACT-R 创建者是安德森教授（John R.Anderson），研究团队是美国卡内基梅隆大学心理学系的ACT-R研究小组，美国海军研究局ONR（Office of Naval Research）是长期支持单位。ACT-R 理论区分了陈述性知识和过程性知识。认知技能取决于将这些知识转化为专家系统规则定性模型，这些规则模型代表了过程知识，强调陈述性知识和程序性知识都是通过实践获得的。目前应用软件的最新版本是ACT-R 7.6+。

（2）基于约束建模CBM（Constraint-Based Modeling）的方法

CBM 创始者是斯特兰·奥尔松（Stellan Ohlsson）教授和安东尼·米特罗维奇（Antonija Mitrovic）教授，基于约束的建模是一种实用化智能教学的理论思想。研究团队是美国伊利诺伊大学心理学系和新西兰坎特伯雷大学计算机科学与软件工程系的智能计算机教学小组。CBM的约束是评价性的，可用于判断。因为错误知识的空间是巨大的，CBM没有捕获错误，而是专注于每个正确的解决方案都必须遵循的领域知识原则，是一种经过测试和广泛使用的方法，已经积累了大量经验，在各种教学领域开发基于约束的“智能教学导师”，被世界各地的研究人员使用。

在本系列讲座④中将介绍的AI3-TZZY 软件中采用了独创的“三段评价”（操作步骤评价、操作质量评价和操作安全评价）方法，就是CBM方法。实现技术是将过程性评估和状态性评估的产生式规则嵌入仿真系统，相当于多智能体跟踪仿真运行，判断“合规”和“违规”。大规模工业仿真训练的应用表明，“三段评价”方法能科学地、严格地、智能化地评价学员仿真训练成绩。30年来在大规模仿真培训中得到数百家化工和石化企业的高度认可。

（3）定性建模和定性推理方法

定性物理、定性建模、定性推理和定性仿真属于同一范畴，是智能教学中知识模型、教师模型和学生模型的主要构建技术和方法。福伯斯教授（Kenneth D.Forbus）是创始人之一，他早期在麻省理工学院（MIT）人工智能实验室开始从事定性推理研究。他认为，定性推理包含两方面的内容，其一是建立定性模型，其二是在信息量不完全条件下定性推理。福伯斯教授一直致力于智能教学。目前定性建模和定性推理已经被认为是实现“可解释人工智能（XAI）”的一种方法。另一位创始人是德克莱尔（Johan de Kleer），他早期引导福伯斯一起在麻省理工学院（MIT）人工智能实验室从事定性物理和定性推理研究，包括求解方法。他在故障诊断、系统监控、自动设计、智能控制、智能学习、图形识别等应用领域取得多项成果。定性仿真创始者之一是凯伯斯（Benjamin Kuipers），他发表了比较系统的定性仿真（QSIM）算法，用系统部件的参量作为变量来描述系统的特性，依据物理定律得到约束关系，从初始状态出发，最终得到系统的展望（定性预测）。

（4）机器学习方法

目前这是基于大数据学习的ITS 技术。机器学习技术使系统能够从经验中学习。机器学习指的是一个系统通过大规模观察获得并整合知识的能力，以及通过学习新知识而不是通过对这些知识进行编程来改进和扩展自身的能力。机器学习是一门广泛的学科，它产生了关于学习过程的基本统计计算理论，设计了语音识别、图像识别中经常使用的学习算法，并从数据挖掘行业中分离出来，在不断增长的在线数据中发现隐藏的规律。这些技术通过对数据的智能记录和推理，组织已有的知识，获取新的知识。目前，在线工具通常不能提供足够的信息，因为教师使用智能教学软件的时间很短。例如：在美国的中学里一个学期的授课时间为20～40个小时，这严重限制了机器学习可以使用的培训实例的数量。机器学习联合仿真培训是一种有效的解决方法。

（5）贝叶斯网络方法

这是基于大数据概率统计与因果推理评估的ITS技术。创始人是朱迪亚·珀尔（Judea Pearl），美国加州大学（洛杉矶）计算机科学与统计学教授，认知系统实验室主任。他是人工智能领域的先驱、“贝叶斯网络之父”和2011年图灵奖获得者，这是计算机科学领域的最高荣誉，“通过发展概率和因果推理演算对人工智能的基本贡献”。他提出了基于“因果模型反事实推理”的理论，称其为“新的因果科学”和“因果革命”。他认为，决策理论也许是创造出人类智慧的一个方式。他指出：“今天的机器学习是由统计学家主导的，他们相信你可以从数据中学到一切。这种以数据为中心的哲学是有限的。我称之为曲线拟合。”

（6）概念地图方法

这种方法基于静态知识图谱，目的在于克服死记硬背的学习方式，提倡有意义的学习。创建者是美国康奈尔大学诺瓦克教授（Joseph D.Noak），他于20 世纪70年代提出。美国佛罗里达大学人机认知研究所首席科学家喀纳斯教授（Alberto J.Canas）长期推广应用。概念图是某个主题的概念及其关系的图形化表示，概念图是用来组织和表征知识的工具，概念图又称为概念地图（Concept Maps）。北京师范大学和华东师范大学在推广概念图方面做了大量工作。国内外已经研发出许多优秀概念图软件。例如：XMind 思维导图和头脑风暴软件、百度脑图软件、iMindMap7 中文版思维导图软件、Inspiration 9 思维和学习软件和MindMapper 专业的可视化概念图软件等。

（7）知识图谱与逻辑推理方法

这种方法属于知识工程学科。目前已经进化到第三代专家系统，是知识模型、统计数据和定性/定量推理的综合方法与技术，是目前人工智能面向工业应用深入发展的方向之一，是与ITS 密切相关的技术，也是本系列讲座③中将介绍的AI3 软件所采用的方法和技术。

2.3 建构主义理论

提倡学生掌握分析问题解决问题的元认知、自建模、自学习能力。面向个性化学习和终身学习。

建构主义将学习描述为一个活跃的创造性过程，在此过程中，学习者根据当前/过去的知识构建新的概念。学习者总是参与案例学习或探究学习，在先前学习的基础上构建假设，他们的认知结构（如图式、心理模型）不断尝试组织新的活动，并“超越所提供的信息”。建构主义提倡一种开放的学习体验，在这种体验中，学习方法和结果很难衡量，每个学习者可能也不一样。

建构主义认为：

（1）学习是一个积极的过程，意义是从经验中发展出来的。

（2）概念的增长来自于协商的意义、分享多个观点和通过协作学习改变知识的表达。

（3）学习应处于与任务相结合的现实环境和测试中，而不是单独的活动。

（4）由于学习成果并非总是可预测的，所以教学应该培养而不是控制学习，并受每个个人的意图、需求或期望的制约。

2.4 情境学习理论

提倡加强社会和工程实践，运用定性与定量仿真的融合技术，以及虚拟现实（VR）技术教学。

情境学习理论与建构主义学习理论有许多共同的原则。在这两种方法中，学习都处于与任务相结合的现实环境和测试中，而不是作为一项单独的活动。环境提供有意义的、真实的上下文，由来自现实世界并位于现实世界中的基于案例的问题所支持。

然而，情境学习理论和认知学习理论在基本概念、目标表征和评价方法等方面存在差异。认知学习视角的基本概念是关于过程和结构（例如：知识、知觉、记忆、推理和决策），假设它们在学生个人层面发挥作用。在认知学习理论中，对人的结构进行分析，学生过程与专家结构相匹配。理解学生的知识就等于识别和建模学生的结构并追踪他们的推理。

另一方面，在情境学习理论中，知识并不被假定存储在既有的和不变的心理结构中，而不是一组描述或规则的集合，它的目的不是将事实和规则从一个实体转移到另一个实体。认知视角关注的是如何安排和评价技能的集合，而情境学习则关注学生如何学习参与学习实践。它基于这样一种信念：所有人都有学习的自然倾向；教师的角色是创造一个积极的环境，提供资源，分享情感和思想，而不是支配学习者。当学生完全参与学习过程并对其性质和方向进行控制时，学习就更容易了。

2.5 社会互动和近端发展区域理论

提倡在社会互动中学习，运用集体智慧和头脑风暴学习方法，面向终身学习，以人类学习理论为基础的辅导策略来源于社会互动。这一理论是由苏联心理学家列夫·维果斯基（Lev Vygotsky，1978）提出的，认为社会互动在认知发展中起着根本性的作用。

社会互动观点认为，认知技能和思维方式不是主要由先天因素决定的，而是个人成长的文化社会机构中实践活动的产物。社会历史和儿童的个人历史是个体思维的重要决定因素。近端发展区域（the zone of proximal development，ZPD）定义了儿童在从事社会行为时达到的发展水平，这些行为超出了他们单独学习的时间。

ZPD 是“由独立问题解决确定的实际发展水平与通过在成人指导或更有能力的同行协作下解决的问题而确定的潜在发展水平之间的距离”（Vycotsky，1978）。

（1）ZPD 是有效指导中的主要成分。

（2）ZPD 的全面发展取决于全社会互动。

（3）ZPD 是儿童的潜在能力的量度，它是由儿童的学习经验中的相互作用创造的东西。它需要协作或从另一个更能干的伙伴/学生那里得到帮助，这是因为构成一部分教育的活动必须超出个人的独立能力。

（4）学习合作伙伴提供具有挑战性的活动和有质量的帮助。

（5）教师和对等学生完成了ZPD 要求的协作伙伴关系角色。

有效的ZPD 的定义是：如果向学生提供可用的帮助，那么任务的难度就很大，因为在实践中，ITS 帮助学生的资源和可能性有限，这个区域因每个学生对无聊和困惑的容忍而不同。ZPD 既不是学习环境的属性，也不是学生的属性，它是两者相互作用的属性。当学生表现出高效和有效的学习时，他们就是“在ZPD中”的，而ITS 也能发挥这一作用。

2.6 技术促进的教学模式

运用计算机动画、学生学习情绪识别等技术，面向个性化教学。此种教学代理源于对情感计算（能够感知、识别和响应人类情绪的个人系统）、人工智能（仿真模拟人类智能、语音识别、演绎、推理和创造性反应）以及手势和叙事语言的研究工作（如何利用心理社会能力设计工件、代理和教具）。ITS 的行为是由一个行为排序引擎动态选择和组合的，该指导引擎向学习者提出解决问题的建议。情绪-动觉行为框架动态地对代理人的全身情感表达进行了排序，它控制代理人的行为，以响应学生行为和问题解决环境的变化。ITS 从一个行为空间中构建了一系列解释性、咨询性、可信度增强的行为和叙事话语，其中包含了多种动画行为和多种言语行为。行为排序引擎通过开发一个充满情感行为并由教学言语行为类别构成的丰富的行为空间，实时地选择和组合上下文中合适的表达行为。这个框架是在栩栩如生的“教学代理”ITS 中实现的。

2.7 工业和军事训练的ITS

工业和军事训练的ITS，主要是用于实现智能仿真培训，以便增强和扩展教师的辅导能力，提高学生的知识、能力和熟练度，目的在于面向个性化和终身学习。近年来，在工业企业、小学、中学和大学以及军事训练ITS 研发与应用方面发展十分迅速。工业和军事领域培训需求非常大，并且依靠培训的创新。他们需要高质量的培训技术，使成年人能够高水平的完成本职任务。工业和军事领域为培训人员使用了昂贵的培训设备和服务资源，并为远程人员提供新的技能培训，而无需由于技术的更新换代而将他们解雇。电子化ITS 培训比昂贵的培训设备和服务资源更便宜、更快捷和更实用，以避免工人和军人的技能衰退。

美国军方是电子化ITS 培训中最大的投资者之一。因为武器技术取得了进展，军人在离开军校后，不能保持复杂的操作和维护技能。随着联合部队的组成发生变化，随着时间的推移，必须对联合部队再次培训，否则国家将无法实现作战武器业绩的有效性。军事训练必须面向个人、单位和联合部队，确保军人在能力衰减的时效内，不必到军校就能及时培训。同时，必须向后备人员、偏远地点的人员、被分派到偏远地点的部队和驻扎在无法进入的地点（如海底）的人员提供培训。由于培训教师有限，美国军方将减少给军事院校的教员和支助人员的分配，这就需要较短的培训渠道。培训是为了实践而不是初始学习，以智能仿真系统替代昂贵的培训设备或危险的现场条件，并为远程或分散的学习者提供自学。教育和培训涉及数十亿美元的投入，美国国防部由于缩减预算和日益多样化的任务，要求知识应当以比目前可用的更为有效的方式给予每一个在役军人。

现代战争中军官的战术决策机会是现有仿真训练系统提供机会的10 倍，工业过程故障诊断与安全操作培训具有相同的规律。情境训练经常超越现有仿真培训的例子，因此必须重建实际的环境。这种环境常常是包罗万象的，例如：提供目标、动机和长期复杂的学习环境。传统的仿真培训必须扩展到分析、决策和行动领域中去，现有的仿真已经不能满足军官和操作班长以上的知识与技能的需要，因此必须研发高水平的基于人工智能专家系统的仿真培训系统。

由美国国防高级研究计划局DARPA 主导，海军研究局ONR、空军研究所、陆军研究所、太空与海战中心、国家航空航天局NASA、美国国家教育研究院NIE、国家心理健康所NIMH、美国国家科学基金会NSF 等军事和政府机构给予了长期不懈的立项、资助和全力支持，使得美国目前ITS 技术和应用处于世界领先地位。

2.8 集成与融合以上多种教学策略和人工智能技术的ITS

集成与融合以上多种教学策略和人工智能技术的ITS 是目前最新发展水平。例如：前文提到的Electronix Tutor 软件，也是本文在系列讲座④将要介绍的智能仿真培训系统AI3-TZZY 所采用的ITS 技术。

目前ITS 的方法和技术的概要分类如图1 所示。

图1 ITS 的方法和技术分类

3 人工智能在教育领域应用的迫切需求和创新意义

教育部颁发《高等学校人工智能创新行动计划》（教技〔2018〕3 号）指出：“加快人工智能在教育领域的创新应用，利用智能技术支撑人才培养模式的创新、教学方法的改革、教育治理能力的提升，构建智能化、网络化、个性化、终身化的教育体系，是推进教育均衡发展、促进教育公平、提高教育质量的重要手段，是实现教育现代化不可或缺的动力和支撑。”

仅仅解读教育部文件本段内容，就可以直接领会到人工智能在教育领域应用ITS 的迫切需求和创新意义，起码有如下七个方面。

（1）利用智能技术支撑：人才培养模式的创新。

（2）利用智能技术支撑：教学方法的改革。

（3）利用智能技术支撑：教育治理能力的提升。

（4）利用智能技术支撑：构建智能化、网络化、个性化、终身化的教育体系。

（5）利用智能技术支撑：推进教育均衡发展和促进教育公平化。

（6）利用智能技术支撑：提高教育质量。

（7）利用智能技术支撑：实现教育现代化。

文件强调，加快人工智能在教育领域的创新应用，是实现以上七个方面不可或缺的动力和支撑。

3.1 目前教学方法的短板

必须看到，目前我们的教育还远未实现个性化、公平化和终身化。一个教师即使再努力也无法长年跟踪全班几十个学生的每一个学习细节和效果，很难及时给出有针对性的指导和互动。

国内外教育专家指出：

“对于绝大多数学院而言，教育仍是陈旧的‘一刀切’。一个老师总是对一个班的学生传授同样的知识，却不管每个学生各自的学习能力和进度如何。”

“现今的老师讲、学生听的粉笔+黑板式教学是填鸭式教学。只教会了一个班中记忆力强有天赋的个别学生。对于班上绝大多数学生（90%以上）效果很差。”

“目前学校提倡的学习方法是死记硬背的方式，此种学习习惯会成为创新思维的严重障碍。必须改革，实现有意义的学习。”

美国国家培训实验室的大量调查统计和研究表明：“现今的教学方式是被动式的，最多只能对所学知识的30%具有保持率。而采用师生共同参与式教学与先进教学技术结合，可以达到所学知识90%的保持率。”

“边远贫困地区的师资和教育资源缺乏，导致这些地区的学生得不到公平教育。人工智能可以助力实现公平教育。”2016年在美国旧金山举行的教育科技峰会上，微软创始人比尔·盖茨宣布：“将会加大对于人工智能教育项目的投资，希望用人工智能技术，促进学校课堂教育的新革命，实现个性化的教学。通过人工智能技术，学生可以实现自主设计学习进程，提高学习效率，巩固所学知识。”比尔·盖茨表示，“希望人工智能带来的教学革命，可以帮助美国实现教育公平”。据报道，比尔·盖茨捐出了180 亿美元的教育基金，相当于1 260 亿人民币。

3.2 目前教学知识结构的短板和解决方案

如前所述，STEM 教育是最近非常热门的一个话题，是美国教育改革的重要项目，其中“S——科学”在于认识世界、解释自然界的客观规律；“TE——技术和工程”则是在尊重自然规律的基础上改造世界、实现对自然界的控制和利用、解决社会发展过程中遇到的难题；“M——数学”则作为技术与工程学科的基础工具。由此可见，生活中发生的大多数问题需要应用多种学科的知识来共同解决。STEM的发起人是美国国家科学基金会教育和人力资源分会的前主席，朱迪思·A·朗姆雷。STEM教育的目的是将技术和工程学并入常规课程，创造一种“元学科”，并以此对数学、科学等学科的教学进行彻底革新。元学科是从全局角度，以某个学科自身为研究对象的科学，比如哲学是人文社会科学的元学科。不仅如此，STEM教育法还试图彻底改变以教师为中心的典型性课堂模式，鼓励发展一种问题解决式、探索发现式学习的课程模式。这个模式要求学生积极参与，以寻求问题的解决方法。由此可见STEM是实现智能化教育ITS 的核心和主攻方向。

2009年1月11日，美国国家科学基金会NSF 发布致美国当选总统奥巴马的一封公开信，其主题是“改善所有美国学生的科学、技术、工程和数学STEM教育”。信中明确指出：国家的经济繁荣和安全要求美国保持科学和技术的世界领先和指导地位。大学前的STEM教育是建立领导地位的基础，而且应当是国家最重要的任务之一。NSF 督促新政府抓住这个特殊的历史时刻，并动员全国力量支持所有的美国学生发展高水平的STEM知识和技能。

2011年，奥巴马总统推出了旨在确保经济增长与繁荣的新版的《美国创新战略》。新版的《美国创新战略》指出，美国未来的经济增长和国际竞争力取决于其创新能力。“创新教育运动”指引着公共和私营部门联合，以加强科学、技术、工程和数学（STEM）教育。

也就在2011年，美国国家数学共同核心标准颁布。核心标准面向12年义务教育，即大学前教育。标准中重点提出了8 项数学实践原则：

（1）具有提出（意识到问题的能力）问题和解决问题的能力。

（2）定性（抽象）和定量推理能力。

（3）构建可行的论点和评论（批判）其他人的推理的能力。

（4）用数学方法建模的能力。

（5）使用合适工具（数学和建模软件平台）的策略。

（6）致力于提高精确度的能力。

（7）寻找和利用结构（信息）的能力。

（8）在重复推理中寻找和表达规律性的实践能力。

反思目前我国小学、初中、高中、高职和本科的数学教学内容，真正可以广泛应用的是“纯定量化”的代数方程、微分方程和数学证明吗？有多少学生走上工作岗位后使用过？大多数毕业生可能直到退休也从来没有使用过，究其原因，主要有三个：其一，纯定量数学模型，即常见的代数方程组和微分方程组，实践中非常不易获取；其二，现实世界几乎90%以上的应用问题是数据不足，甚至是没有数据（如生产预测和过程安全），必须借助于定性建模和定性推理；其三，“推理引擎”是定性推理的唯一可用的求解工具，是人工智能方法的“半壁江山”，我国教师和学生手中无此软件利器。

由此可见，“纯定量化”导致目前的数学“缺了一条腿”。只强调高度抽象的数学方程和单纯基于数据的从输入计算输出的内容，忽略了数学的“因果”知识表达的初衷，忽略了极为丰富多彩的因果知识和描述逻辑的定性建模与定性推理，而这部分恰恰是ITS 和人工智能“数字孪生”（基于复合模型+大数据跟踪的智慧工厂）的核心技术，直接关系着工业4.0 和ITS 的应用。

美国人工智能专家福伯斯教授2003年发表的论文《教学中的定性建模》指出：“定性建模为学生提供了一种有价值的学习方式，也是一种有价值的教育技术。”福伯斯指导的团队研发了VMODEL 和HONIER/VisiGARP 两种模型构建ITS 软件，并利用定性形式建立了系统的概念模型和行为模型，为学习者提供支持。这两种环境都使用图解表示来促进知识的表达。教育环境中的初步评估为定性建模工具可以成为学习的宝贵辅助的假设提供了支持。

建模是科学推理中的一项核心技能，它提供了一种艺术方法，可以提高学生的知识水平。学习制定、测试和修改模型是理解科学的一个关键方面，也是帮助学生成为活跃的终身学习者的关键。支持学生阐明某一领域的模式，并通过与同行和教师的经验、反思和讨论来完善这些模式，可以加深对科学的系统理解。定性建模环境允许学习者使用这些直观概念的图形表示来表达知识。

福伯斯教授认为：“孩子们必须学习因果理论，发生了什么事情，什么时候发生，后果是什么。这种早期的学习为以后的科学教育提供了坚实的概念基础。”

前文提到的朱迪亚·珀尔教授提出了著名的基于“因果模型反事实推理”的理论，称其为“新的因果科学”和“因果革命”。为了科普，2018年朱迪亚·珀尔教授等出版了《为什么：关于因果关系的新科学》一书，在人工智能界引发了轰动。

3.3 化工院校“过程运行学”的缺失与ITS 软件系统

目前的化工职业教育和大学本科教育，以“E——工程”教学知识结构为例，非常缺失“过程运行学”内容。目前所学的内容除了“三传一反”原理和不完全的实验外，大多是面向化工设计和研究的工程知识。但学生毕业后，特别是高职学院的学生是从事“过程运行”职业，大学毕业的学生从事设计研究职业的也是少数。而过程运行迫切需要的知识是诸如：化工过程的冷态开车、运行、异常工况、事故工况、热态停车、热态开车、正常停车、紧急停车等监控和运作；环境保护；化工装置的产量和产品质量优化；过程安全评估；故障诊断；事故排除；静设备和动设备的维护；节能、节省原材料；优化控制、优化生产；物流管理；产品生产与市场管理等具体问题，以深入到过程内部的细粒度，完成“识别”“分析”“决策”和“行动”（包括自动控制）的“元知识”和“能力”还包括“技能的熟练度”的学习。同时必须解决实际工厂由于安全限制，不允许学生进行深度实践训练的难题。当然仿真培训方法是一种有效的解决方法，但传统的仿真培训还解决不了以上大部分问题，需要扩展创新。

综上所述，化工教学几乎所有专业课程的知识结构，亟待从现有体系的基础上加以扩展或改革，以适应工业技术的新发展。

（1）过程运行学的“元知识”

什么是以上所列举的“过程运行学”如此之多“子领域”的“元知识”？这实际上是摆在高职院校和应用型大学面前的教学知识结构改革的重要任务。以作者的初步理解，过程运行学的“元知识”有如下要点：

应对过程运行的基本知识和能力就是“识别”“分析”“决策”和“行动”四个基本方面，恰恰也是实现人工智能技术应用的四个进步“阶梯”。两者目标完全一致的根源是由于工业4.0 的迫切需求所导致的，如图2 所示。

图2人工智能技术应用的四个进步“阶梯”

过程运行学四个基本知识和能力的阶梯分布——

①过程工业系统各种问题的“识别”；人工智能的第一进步阶梯“智能识别”。目前人工智能图像识别和语音识别的成果处在第一阶梯水平。

②过程工业系统各种问题的“分析”；人工智能的第二进步阶梯“智能分析”。

③过程工业系统各种解决方案的“决策”；人工智能的第三进步阶梯“智能决策”。定性建模和定性推理的智能化处在第二和第三阶梯阶段。

④过程工业系统各种决策的执行“行动”，包括人的行动、规范、规程、各种硬件措施的执行、各种软件措施的执行、过程控制等；人工智能的第四进步阶梯“智能指导人员行动+智能自动控制”，即“数字孪生”。例如智能驾驶处在第四阶段，难度很大，目前尚未真正实现。

（2）现有课程扩展或增加“知识点”的方案

在过程工业系统的前提下思考“过程运行学”的“元知识”，就能够抓住要领。以作者的认知和经验为例，在现有的课程扩展或增加如下六个方面的“知识点”是合适的：

①学点逻辑学。不要太多，一阶逻辑的子集描述逻辑的“与/或”（因果网络的核心结构）及实际应用知识。例如，掌握行为树、决策树、事件树、故障树、领结等原理就可以。

②学点概率统计学。不要太多，能够在实际应用中用百分数统计测定和估计就可以。

③掌握HAZOP（危险性和可操作性分析）方法和实际应用技术，并且在多种相关专业成为一门必修课。其充分必要的理由如下：

HAZOP 是全程集体讨论会议的方法，又称为“头脑风暴”和“集体智慧”，是一种完全彻底的参与式教学方法的实践。教师最好承担讨论会主席角色，并且不能“一言堂”，不能把自己的观点强加于学生。

HAZOP 是多专业密切合作的方法，至少涉及化学工程、过程装备、过程控制、安全工程、环境工程等专业，最好是多专业学生混合编组，并且邀请化工企业有经验的操作专家和相关专业工程师参与。

HAZOP 不仅仅是针对安全问题，也包括过程运行生命周期的多种问题的分析和决策，例如：产品质量和产量的优化、节能优化、企业管理等问题。HAZOP分析有广泛的适用性，例如：适合于连续系统、间歇系统、工艺系统、机械系统、软件系统、网络系统、医疗系统、航空航天系统、海陆空军事装备系统、军事作战指挥系统等。

HAZOP 集成了归纳法、演绎法、溯因法、系统化、结构化、先期故障识别、“萃智（TRIZ）”等多种方法一体，不但要揭示问题的来龙去脉而且要给出解决方案。HAZOP 方法的核心是基于“引导词”的因果反事实推理，是人工智能的实用性进展，并且通过国际标准和国家标准给出了比较完备的、简明有效的实施方法。

HAZOP 分析过程也是化工原理、过程装备、过程控制等知识的综合运用的过程。是一种实实在在的STEM“元学科”和“跨学科”学习过程。

HAZOP 分析的全过程就是识别、分析、决策和“行动预测”的联合过程。我们开发的智能HAZOP-CAH 软件是最佳学习和实践工具。

将HAZOP 分析与典型化工仿真培训系统联合，是“天人合一”的绝配。特别是对于没有化工运行实践经验的学生，他们可以先进行仿真培训后，再直接面向所训练的装置实施HAZOP 分析，因此仿真培训是HAZOP 的最佳“素材”。

④学点定性数学，学点定性建模，是实现智能HAZOP 的基础知识。我们已经具备大规模工业应用案例、简明实用方法和技巧、教材和实践环节软件的支持。

⑤学点定性推理，是实现智能HAZOP 的关键技术。我们已经具备大规模工业应用案例、自主知识产权的高速高效“推理引擎”软件、教材和实践环节软件的支持。

⑥结合化工过程的实际，将以上5个方面联合起来灵活应用的最佳方法就是智能仿真培训系统（AI3-TZZY），特别是双机联网实时智能仿真培训系统，是将学生个性化的HAZOP 分析结果用于实时在线故障诊断的仿真试验环境，揭示自我认知的不足。这是目前唯一有能力提高学生“元认知”能力（简单解释为自我实践和自我调整的能力）的ITS 软件系统，具有天然的一致性。

这些“元知识”就是化工智能教学ITS 的攻关目标，也是实现智慧工厂，“数字孪生”和工业4.0 的攻关目标。我们已经在这方面迈出了坚实的一步，期望能够在化工职业教学智能化方面起到“抛砖引玉”的作用。