后疫情时代教育人工智能演进的双重逻辑

2021-03-29梁迎丽

中国电化教育 2021年2期

摘要：新冠疫情加速推动了教育人工智能的实践转向，并引发了关于人、机器、生命与教育关系的哲学思考。在后疫情时代探寻教育人工智能发展演进的复杂逻辑极为重要。教育人工智能的计算逻辑表现为：计算奠定了人工智能的孕育发生机制，推动了教育人工智能的迭代演进，并成为教育研究的基本范式。教育人工智能的人本逻辑表现为：计算水平与人的教育和发展水平互相制约，坚定教育学立场是教育人工智能研究的基本立足点，回归原点与价值超越是教育人工智能的目标取向。后疫情时代，教育人工智能的发展需要用以人为本的原则去引导、制约和平衡计算的力量，以推动教育人工智能的健康持续发展。

关键词：人工智能;教育;计算;人本;逻辑

中图分类号：G434 文献标识码：A 文章编号：1006-9860（2021）02-0022-06

当前，教育人工智能是教育研究的热点之一。新一代人工智能以计算为着力点和突破口，极大地推动了教育实践的智能化发展和教育研究范式的变革。然而，迅速爆发并蔓延至全球的新冠疫情给教育带来了巨大冲击，人类教育体系正面临重大而严峻的教育危机。在此背景下，一场前所未有的、超大规模的在线教育实验迅速展开，教育人工智能实践加速落地，但随之而来的更多的则是关于人、机器、生命与教育关系的隐忧与反思。疫情把我们带回到生命的起点，让我们重新思考教育中技术与人文的关系，重新考量教育人工智能背后的复杂逻辑，重新定位教育人工智能的未来方向。本文以计算和人本为两条主线，剖析后疫情时代教育人工智能发展的双重逻辑，旨在为教育人工智能的健康发展提供理论指导。

一、教育人工智能的发展进入一个新阶段

（一）疫情期间教育人工智能的实践转向及其新进展

突如其来的新冠疫情给全球教育体系带来了巨大冲击和深远影响，随着疫情在全球范围内的不断蔓延，学校关闭造成学习者学业的被迫中断和暂停，教育教学和研究体系面临严峻考验。面对史无前例的教育危机，教育信息化尤其是教育智能化成为应对危机的有效途径。教育人工智能肩负起新挑战和新使命，化危为机，以教育需求为目标加快实现技术落地，在实践发展方面进人一个新的阶段。在高等教育领域，EDUCAUSE机构于2020年3月2日发布的《2020地平线报告：教与学版》将“人工智能/机器学习”列为最有可能影响全球高等教育发展趋势的关键技术”。事实上在疫情期间，人工智能技术被更加广泛地应用于高校教学、课程设计和学习服务中，如实现对学生作业的自动化、即时评价与反馈;智能导师系统通过个性化辅导的方式有效地减轻了人类教师的教学负担人工智能技术在机器翻译、语音与图像识别等方面的应用，为视觉或听力障碍的学生在语言学习等方面带来极大的帮助;基于机器学习的学习者模型能够精准地预测学生的学业成绩，评估其学业风险;基于人工智能技术的机器人在教育管理系统中提高教育治理效率与效果，为师生的教学与学习提供技术服务与情感支持。此外，基于实时视频会议系统的在线直播教学和各种智能化的学习软件成为疫情期间支持学生独立学习的有效工具。有研究指出，疫情倒逼教育教学不断寻求改革的突破口[2]，以海量在线教育大数据为基础，基于算力提升与算法改进的深度学习开始重塑教与学的新形态，推动教育教学领域的深刻变革。事实表明，疫情推动教育人工智能迅速地从理论研究转向实验实践，这种实践转向的价值在于：教育人工智能开始关注教育领域中的实际需求，探寻新背景下的教育教学规律，在实践中不断超越纯粹技术的局限性，在解决新时代新环境下的教育问题的过程中，教育的组织结构、治理体系、服务模式、技术环境和应用实践正在发生深刻变革。

（二）教育人工智能的发展催生了计算教育学人工智能汇聚了认知科学、神经科学、计算科学、信息科学和数据科学等众多领域的研究者。教育人工智能研究聚焦于人工智能在教育领域中的应用实践和人工智能技术影响下的教育理论研究。在在线教育实践中，人工智能技术的应用显著地提升了大规模开放在线课程的智能化学习体验，越来越多的学习者转向在线交互式学习。学习者的大量交互式行为生成了海量的学习数据，急剧增加的学习数据逐渐成为研究者的宝贵财富。以这些数据及其计算为基础的学习行为分析、学习数据挖掘、学业预测分析等方法逐渐形成为一种新的教育学研究范式，教育研究开始从经验为主的思辨范式向以数据分析为主的实证研究转变，教育研究课题也开始转向更具普适性的底层规律探索。在这一发展趋势下，计算教育学应运而生。计算教育学以教育大数据为研究對象，以计算为主要研究方法，以解决教育问题和构建精准的教育理论为研究目的，对未来教育变革具有重大意义4。论及计算教育学的学科性质，李政涛认为计算具有方法、路径、动力的性质和功用。郑永和从基础理论、关键技术、研究范式、知识生成、环境构建和教学应用等方面构建了计算教育学的知识框架，为计算教育学的学科体系构建奠定了理论基础。构建计算教育伦理、科学量化教育场景、智能融合、学科交叉与协同创新将是计算教育学的未来进路[5]。人工智能技术是推动计算教育学产生的外部动力，教育科学研究方法与范式变革则是计算教育学萌生的内部动力。计算教育学这一新兴学科的产生是教育智能化的必然结果，其学科体系的构建与完善是教育人工智能不断发展的理论成果的体现。

（三）疫情后教育人工智能的哲学思考与价值批判

疫情加速了教育人工智能实践的落地，计算教育学的兴起标志着教育人工智能相关理论体系的发展与成熟。尽管教育人工智能在人类教育史上前所未有的特殊时期迎来新机遇并取得了新进展，但面对疫情期间时空分离的在线学习模式，技术难以弥补传统面对面教学过程中师生的情感互动与交流，人工智能在某种程度上似乎成了功利主义教育的帮凶。教育技术化、功利化趋势愈演愈烈，由此带来的情感缺失、人性关怀不足等严重问题使我们在教育中迷失了方向，失去了自我。事实表明，仅仅遵循技术的发展是远远不够的，教育必须要进行哲学思考，做出价值判断，才能解决当前社会面临的重大问题。在这种冲击、冲突与矛盾面前，我们不得不重新回到生命的起点，重新开启关于人、生命和教育的哲学思考与价值选择。从哲学的视角分析，人工智能将教育主体的人降格为教育客体，而将教育客体的物升格为教育主体，因此教育中的人机交互将很可能导致学生丧失自我，尤其是其独立性和自主性将被消磨殆尽，最终变得如同机器一样机械，这是一种潜在的教育危机。基于人工智能技术的智慧教育从本质上说都可以称之为算法教育，因此算法教育治理是当前教育研究的重要议题。由于数据鸿沟、算法黑箱和效率优先等因素导致算法教育陷人自我强化偏差、技术控制困境和主体性危机等难题，并可能由此而加剧教育不公平、不平等和效率低下等问题"。从后人类状况出发，当前中国教育实践中应试教育培养出来的人将被人工智能的机器所淘汰而成为最无用的人，指出终身教育才是未来的教育前景，引发对人工智能时代教育价值的深深质疑。更进一步地，教育学在讨论教育与人和社会发展关系的时候，需要以“教育与机器的关系”为中介，从根本上探讨两者之间的关系”。人工智能时代的教育，应该主动规避技术带来的伦理风险。

教育人工智能的实践突破和理论进步让我们意识到推动其前进的强大的计算力量，但其引发的哲学思考让我们不得不从根本上去重新审视教育的技术限度与边界。实际上，教育人工智能发展的背后隐藏着其不断演进的计算逻辑与人本逻辑。正是作为其外部动力和内部准则的计算与人本这两种力量的互相促进与制约，人工智能才能真正实现技术向善，教育人工智能才能持续良性发展。

二、教育人工智能演进的计算逻辑

（一）传统计算的不断进化奠定了人工智能的孕育发生机制

计算是一个崭新而又古老的概念。计算和人工智能的关系可以追溯到古希腊数学，其发展大概可以划分为三个阶段。第一个阶段，计算方法及其价值被古希腊数学家所忽视。有史以来，人类在日常生活过程中就面临着一系列具体的数学问题，计算逐渐成为解决日常数学问题的重要方法。公元前5世纪，古希腊人创立了算术和几何两大数学分支，数学研究对象的性质发生了重大变化。这种变化进而引发了问题解决方法的变化。推理逐渐成为古希腊数学家和哲学家极为重视的数学方法，尤其是公理化方法确立之后，他们认为推理才是解决所有数学问题的唯一途径。第二个阶段，可计算性理论的创立推动“计算”从数学的幕后走向舞台中央。随着数学论证和数学实践之间的矛盾愈加突出，严重依赖于计算的数学实践遇到了发展瓶颈。直到20世纪初，数学大师希尔伯特提出著名的判定性问题，为了证明解决某一类问题的算法不存在，图灵构造了“图灵机”，通过“停机”的计算规则重新定义了“计算”和“算法”的概念，创立了可计算性理论。从此，算法成为计算的研究对象，数学方法由推理转向计算，计算改写了数學的发展史。第三个阶段，计算的不断进化创立了人工智能。数字计算机的诞生进一步实现了图灵的人工智能思想，直到1956年达特茅斯会议上“人工智能”研究的正式确立。计算架起数学与计算学科之间的桥梁，奠定了计算科学与数据科学大厦的根基，衍生了人工智能、机器智能和类脑智能。之后，人工智能研究以计算科学和认知科学关于“人的认知如何计算”为基石，围绕“认知计算”展开了不懈的探索。

（二）认知计算推动教育人工智能的迭代演进

计算创立了人工智能，认知计算理论的演变推动教育人工智能的迭代演进，即从符号计算、神经计算到进化计算。20世纪50年代，人们用物理符号来表示人类认知系统的基本结构，符号表示与操作即是人类运用知识进行逻辑推理的过程，这种方法被称之为符号计算。通过将离散的物理符号进行形式化的表示，借助于适当的机器编程，可以构建一定的问题解决器模型，应用于解决早期的智力测验和简单定理证明等问题。然而有限的符号系统难以实现现实复杂问题的求解，如何基于有限的知识集合演绎出整个人类的知识系统，成为该研究范式中的突出难题。研究者们转换思路，模仿人类专家的问题解决策略并构造特定领域的最小知识集，在此基础上通过形式化表示与逻辑推理，进而试图最终建立人类的知识体系与认知结构，即所谓的专家系统。这类系统具有人类专家的知识、经验和决策能力，其主要组成构件是知识库和推理机，具有多种灵活的知识表示方法和推理机制，不仅应用于解决实际问题，而且已初步应用于教育教学领域。如早期斯坦福大学研发的MYCIN系统，其知识库拥有两百多条规则组成，能够帮助医生对患者的血液感染情况进行诊断、治疗和医学教学。然而，专家系统局限于解决某一特定范围的有限问题。

20世纪80年代后，第五代计算机的失败宣告了符号计算在实现通用智能道路上的终止和不可能。研究者们开始意识到人类认知在宏观层面的复杂性与挑战性，进而转向人类大脑的微观层面一-神经元，试图找到类脑智能的突破口。在他们看来，人脑的大量神经元细胞通过复杂联结而构成了一个庞大复杂却又有序的信息处理系统，这种有序体现在人脑处理信息的非线性和分布式并行计算等突出特征方面。由此，他们断定神经元的联结结构与活动规律才是揭示人类认知的根本与关键，并提出了神经计算的概念，即要构建抽象的人工神经网络模型，该模型是由大量节点构成的层级结构，每个节点是一个输出函数，两个节点间的连接赋予所通过信号以一定的权重，神经网络的连接方式、权重值和函数类型等共同决定其输出结果。由此借助于神经网络的分布式并行计算实现类脑智能，具备较强的学习和推理能力，在特定领域问题解决中取得了一定的突破。著名的单层神经网络模型“感知机（Perceptron）”模型的构建及其在简单视觉处理任务中的突出表现，标志着联结主义研究范式的初步成功。20世纪90年代，反向传播算法、支持向量机等新型神经网络模型的出现及其在图像和语音识别等领域应用效果的显著提升，再次推动了联结主义研究范式的发展。随着GPU计算性能的提升、海量数据的迅速激增与算法的不断改进，AlphaGo掀起了深度神经网络的又一次浪潮，基于机器学习的图像识别准确率远远超过了人类肉眼的识别率，人机博弈和语音识别等成熟应用迎来了人工智能的大规模产业化发展。

与此同时，人们开始逐渐意识到通用人工智能之路也许会相当漫长，因为我们尚未弄清楚人类大脑的认知结构与学习机制。人脑智能的复杂性与未知性意味着人工智能道路的曲折性，研究者们必须从长计议，从根本上审视生物尤其是人类智能的进化规律。由此，进化计算和强化学习的方法产生了。与符号计算和神经计算截然不同的是，这种计算方法认为智能产生于主体和环境高度交互的过程之中，“感知一行动”是智能不断进化的反馈方式，主张让机器通过这种交互与计算进而自下向上地学习并独立地进化出一个大脑。目前，该范式致力于模拟人类个体在控制过程中的智能行为，其最大贡献在于对智能机器人等人工生命的研究。

（三）智能计算成为教育研究的基本范式

人工智能的演进史体现了人类对自身认知在计算层面上的不断突破。尽管现有的人工智能仅仅体现了人类大脑组织结构及其复杂性中的非常微小的一部分，但不断提升的算力与持续改进的算法极大地推动了人工智能在教育研究中的广泛应用，智能计算已经成为教育研究的基本范式。

教育人工智能是一个多学科交叉的研究领域，其发展水平实质上取决于计算科学与教育学、计算方法与教育理论的有效融合程度，这就需要教育人工智能能够面对并解决教育中突出的现实问题。当前智能教育需要解决的主要矛盾是规模化教育与个性化培养，智能教育的主要特征是数据驱动、个性化、情境化和新教育生态，智能教育的基础是认知计算、行为计算和环境计算等基本计算。其中，认知计算是一种基于认知信息学的智能计算方法和系统的研究范式，它通过自动推理和模仿大脑感知实现计算智能"。在遵循人类尤其是儿童青少年脑智发育规律、学习和认知发展规律的前提下，借助于智能计算提供更适切的学习支持服务。行为计算以教学过程中的交互行为为对象，以计算行为科学为指导，提供基于学习活动的教学行为计算框架、课堂教学分析和学习活动分析，支持学习者与参与者进行更好的知识建构。环境计算以学习环境计算模型为基础，通过协同计算构建可信的数字化学习环境安全体系，提供复杂场景下基于多模态信息融合的学习支持服务，实现课堂教学的有效关联协同。可见，智能计算将教育复杂场景中的海量数据转化为更具“教育意义和教育价值”的学习支持服务。这种教育意义和价值将有效地支持人类学习及其更好地适应社会。

三、后疫情时代教育人工智能演进的人本逻辑从教育人工智能的计算逻辑中可以看出，计算创生了人工智能，并带来教育的深刻变革。同时值得注意的是，教育不同于其它应用领域，教育人工智能将其理论和实践限定于教育领域，而教育主体一人的特殊性决定了后疫情时代教育人工智能人本逻辑的重要性。

（一）机器的计算水平与人的教育和发展水平互相制约

教育人工智能的计算逻辑与人本逻辑之间是一种相互促进和制约的辩证关系，表现为机器的计算水平与人的教育和发展水平互相制约。首先，在人工智能时代，机器的计算水平决定着人的教育和发展水平。从计算的角度讲，图灵机模型和冯。诺依曼提出的计算机体系结构分别奠定了信息处理和计算技术的基石。人类从此进入信息时代，社会发生了重大变革，教育信息化水平不断提升。随着科学理论的不断突破与技术的飞速发展，互联网、大数据、人工智能和移动通信技术开始深刻变革我们的教育。在新技术的大力推动下，人类整体的教育水平大幅跃升，教育信息化向纵深方向发展，智能教育已成为未来发展的必然趋势。人工智能时代的教育水平和效率效果显著提升。基于海量数据的智能计算及其科学发现不断推动人类对自身认知的新突破，脑科学、神经科学和认知科学的新进展大大拓展了人类的认知范畴，人类大脑的认知机制不断被揭示。这些研究成果进一步推动了教育学科的科学化发展，教育对于人才的培养目标更加符合智能时代的社会需要，人的全面发展进人一种新境界。其次，人的教育和发展水平也将对人工智能技术的发展产生重要影响。人工智能的未来发展需要计算理论的突破，这就需要从认知科学、脑科学和计算科学等学科的交叉融合与创新发展，而任何理论的创新都脱离不了教育实践，滞后的教育实践必然会制约科学与技术的进步。因此，人工智能教育至关重要。为此，我国教育部制定了《高等学校人工智能创新行动计划》，旨在不断提高我国人工智能领域的科技创新和人才培养，为我国新一代人工智能发展提供战略支持。

（二）教育学立场是教育人工智能研究的基本立足点

如前所述，教育人工智能是个多学科交叉的研究领域，涉及到哲学、数学、认知科学、计算机、生物学、教育学、心理学等众多学科。这些不同的学科为教育人工智能研究提供了不同的研究视角和多种发展可能性。然而，在跨学科的复杂研究体系中，每一个学科都有它自己的学科立场、思想主张与独特见解，那么教育人工智能的学科立场是什么呢？如何区别于其他学科的知识体系与思想主张，彰显其教育学的精神特质呢？已有的教育人工智能理论研究缺少坚定的学科立场，未能回到教育和人工智能的原点进行深度思考。这种现状导致教育人工智能游离于教育和人工智能两个独立的研究领域之间，不能从根本上实现两者的双向融合与创新发展。

学科立场是“由学科研究主体确立的，观察、认识、阐明与该学科建构与发展相关的一系列前提性问题的基本立足点”。由此，教育人工智能的教育学学科立场，即是教育学向人工智能所展现的关于“教育研究主体——人”的教育思想、教育理念、价值选择等理论要点。从教育研究主体及其特殊性出发，教育是“人之自我建构的实践活动”[13]，是“人类价值生命的中介”[14]。在智能时代，教育以人为本的思想渊源历久弥新。那么，教育人工智能关注的核心问题则应该是：人工智能该如何发展才有助于促进人的自我构建与自我实现，或者说最有助于促进人的生命成长？显然，这个追问告诉我们，教育中的人工智能技术应紧扣人的教育需求和发展，理性呵护教育的人文价值、人文情怀与人文精神，为师生提供更加“人性化”的学习环境与情感支持，充分调动学生的主动性和积极性，引导其成为更好的自我。因此，教育人工智能的未来发展必定是遵循和尊重人的社会化发展规律的。这就需要构建教育人工智能研究的人文科学方法论，加快推进智能时代教育理论体系的发展变革，让教育理论引领人工智能技术的人性化发展。

教育人工智能的实践研究涉及到教育与人工智能技术的双向融合。然而，我们往往习惯于将人工智能视作一种工具，片面地侧重于人工智能技术在教育中的应用研究，却极大地忽视了教育人工智能的人类学意义、教育内涵及其对教育关系和价值取向的影响与改变。在传统教育思想体系里，教育的意义在于成己成人，核心要义是“改变”。那么智能时代的教育实践该如何“改变”甚至超越人工智能，进而促进人类成己成人？时代赋予教育人工智能新的使命，即在教育实践中借助于人工智能的技术变革成就更好的人类自己。教育人工智能的时代意义“拓展了传统教育的意义边界：从对人类智能的意义，延伸到对于人工智能的意义”16。依据这一逻辑，教育人工智能實践目标便跃升到人工智能的水平高度去探讨如何成为更好的人类自己。这就需要我们重新审视教育的人文价值，在教育人工智能的实践中充分挖掘人类的大智慧，注重培养人的创造精神与创新意识。与此同时，人工智能在潜移默化地改变社会结构的过程中，也在影响着传统的教育关系。教育人工智能的实践活动不仅要着眼于当前日渐复杂的教育过程与关系，还要为未来人类更好地适应社会发展做准备。无论是何种实践，服务于人类更好地发展将是教育人工智能永恒不变的追求。

（三）回归原点与价值超越是教育人工智能的目标取向

那么，什么样的人才是教育人工智能的培养目标？后疫情时代教育人工智能人本逻辑的探讨需要回归到生命的起点进行讨论，即回到原点。“人”既是教育的原点，也是“人工智能”的原点。回到人的原点，教育人工智能的培养目标问题就转变为：在人类智能和人工智能两大智能关系变革的时代背景下去重新考察教育实践在人才培养方面的目标转向。

人类智能的产生和发展经历了数万年甚至数百万年的生物进化过程，在此过程中人类通过不断学习并提高自身的认知水平和智力水平，逐渐积累形成了自己的知识体系、社会文化和各种关系。有了大规模班级授课制等教育模式之后，人类深人探索、发现并总结适合自己的教育规律，教育关系空前繁荣。新工具、新手段和新方法的不断涌现加速了自然科学知识的积累和创新，新技术腾空出世。人工智能所引发的新一轮工业革命似乎在一夜之间颠覆了人类社会和人类文明，人们突然意识到低估了技术的革命性影响力。虽然人类还没有彻底弄清楚自身的认知机制，但机器所拥有的人工智能已经对人类的认知能力造成了严重威胁，人类传统意义上的认知方式、教育规律和生存方式正面临被机器改写的命运。尽管现有的人工智能还远未达到通用智能水平，但是面对工具理性和功利主义大行其道的教育实际，如果未来的教育不能适应和超越这种变革所带来的影响，又如何更好地促进人的发展与自我实现呢？生命是教育的基点，教育是生命发展的需要[8]。在这样的巨变之下，教育亟需重新回到“人”的原点，重新审视人类的生命价值。

回到教育和人工智能的原点，教育人工智能的人本逻辑主要体现在两方面：一方面，教育要肯定并增强人类的自我认同感。作为一种自然存在和社会存在，人不同于机器，人类智能也不同于人工智能。人是具有理性与情感的生物，机器固然可以通过计算获得一定的智能，但人类的主体性地位不仅没有动摇，反而愈加坚不可摧。人类拥有机器所无法拥有的自主意识、真情实感、精神自由与文化追求。这种蕴藏于深层次的生命价值激发出人类不竭的创新动力，生生不息。另一方面，教育要超越人机关系，提升人类自我生存与发展的自觉性。人的生存和发展是多维度的，生命价值是多元化的。教育可以促进人的全面发展，超越生命的有限性。从个体化到社会化，从无意义计算到有意义生存，教育关乎人类的物质存在、精神内涵及其生存质量。积极拥抱人工智能技术所带来的社会变革，深度挖掘教育的人文价值与人文精神，培养能够充分适应社会发展的人，坚守人类自身的生命价值，技术对于教育来说既是挑战也是机遇。人工智能时代的教育将走向乌托邦还是奴役之路？其结果取决于教育人工智能能否恪守以人为本的根本原则，重新书写新的时代背景下的人本逻辑。

四、结语

不破不立，不止不行。席卷全球的新冠疫情扰乱甚至中断了正常的教育秩序，但也带来教育领域的巨大变革。传统计算的不断进化奠定了人工智能的孕育发生机制，认知计算推动了教育人工智能的迭代演进，智能计算已经成为教育人工智能研究的基本范式，计算教育学应运而生。如果说计算是疫情前教育人工智能演进的主旋律和普遍关注点，那么人本逻辑将是后疫情时代教育人工智能不得不提上日程并重点考虑的核心议题。疫情加速了教育人工智能的实践转向，这种转向意味着人本逻辑在其后续发展中的重要性愈加凸显。教育人工智能的人本逻辑坚持以人为本的教育学科立场，坚守人类的自我价值，坚信人类所有的人文精神、人文情怀的人文价值，为教育人工智能的未来发展规划了原则，指明了方向。教育人工智能的计算逻辑与人本逻辑相互制约和相互促进，教育人工智能的发展是智能计算和教育实践相互作用的结果。努力构建教育人工智能的理论体系，积极推进两种逻辑的实践融合，将极大地推动我国的教育现代化建设。

参考文献：

[1]陈新亚，李艳《2020地平线报告：教与学版》的解读及思考——疫情之下高等教育面临的挑战与变革[J].远程教育杂志，2020，38（2）：3-16.

[2]赵继，谢寅波.疫情倒逼寻找高等教育教学改革突破口[J].中国高等教育，2020，（6）：22-24.

[3]郑永和，严晓梅等.计算教育学论纲：立场、范式与体系[J].华东师范大学学报（教育科学版），2020，38（6）：1-19.

[4]李政涛，文娟.计算教育学：是否可能，如何可能？[J].远程教育杂志，2019，37（6）：12-18.

[5]刘三妍，杨宗凯等.计算教育学：内涵与进路[J].教育研究，2020，41（3）：152-159.

[6]张刚要，梁青青.人工智能的教育哲学思考[J].中国电化教育，2020，（6）：1-6+64.

[7]肖凤翔，张双志.算法教育治理：技术逻辑、风险挑战与公共政策叩中国电化教育，2020，（1）：76-84.

[8]吴冠军.后人类状况与中国教育实践：教育终结抑或终身教育？——人工智能时代的教育哲学思考[J].华东师范大学学报（教育科学版），2019，37（1）：1-15+164.

[9]刘复兴.论教育与机器的关系[J].教育研究，2019，40（11）：28-38.

[10]黄荣怀，周伟等.面向智能教育的三个基本计算问题[J].开放教育研究，2019，25（5）：11-22.

[11]曾毅，刘成林等.类脑智能研究的回顾与展望[J].计算机学报，2016，39（1）：212-222.