人工(gōng)智能(néng)曆經半個(gè)多(duō)世紀的發展，逐漸形成了以符号主義、連接主義、行為(wèi)主義為(wèi)主要代表的思想流派。近年(nián)來，随著(zhe)以深度神經網絡為(wèi)代表的深度學習算(suàn)法的不斷發展，人工(gōng)智能(néng)技(jì)術(shù)在學術(shù)界和産業(yè)界都得到(dào)了飛(fēi)速發展，正在不斷變革我們的社會(huì)生(shēng)産與生(shēng)活。随著(zhe)《新一(yī)代人工(gōng)智能(néng)發展規劃》和《中國(guó)教育現代化 2035》等國(guó)家政策的出台，明确提出要利用大數據、人工(gōng)智能(néng)等新興技(jì)術(shù)，開(kāi)展“人工(gōng)智能(néng) + 教育”領域的研究，推動形成基于新一(yī)代信息技(jì)術(shù)的新型教育模式。随著(zhe)研究的開(kāi)展與深入，“人工(gōng)智能(néng) + 教育”領域在教育知識圖譜、智能(néng)評測、智能(néng)育人助理等方面已經取得許多(duō)重要的進展和成果。這些進展與成果從(cóng)教育實踐的不同層面，為(wèi)不同的教育參與者提供了智能(néng)化服務，也提升了教學效率。然而，我們也要看(kàn)到(dào)當前“人工(gōng)智能(néng) + 教育”研究仍然存在著(zhe)一(yī)些不足，制約著(zhe)該領域的進一(yī)步發展。概括來講，需要特别關注以下(xià)三個(gè)方面——
北(běi)京師(shī)範大學教授、未來教育高(gāo)精尖創新中心執行主任、國(guó)育未來教育科學（深圳）研究院教育數智化研究中心首席專家 餘勝泉
一(yī)是“人工(gōng)智能(néng) + 教育”的研究要面向教育場景，在教育場景下(xià)解決教育的實際問題。教育場景是描繪其包含的不同類型的情境信息，以及對情境中發生(shēng)的教與學活動過程的抽象表達。從(cóng)學習發生(shēng)的規律看(kàn)，場景是促進認知加工(gōng)的重要基礎。情境認知理論認為(wèi)，認知過程是由情境建構、指導和支持的，認知加工(gōng)的性質取決于其所處的情境，不能(néng)脫離情境孤立地研究。從(cóng)具體教學實施上(shàng)看(kàn)，場景是實現對教學過程精準理解和解釋的重要條件(jiàn)，學習行為(wèi)的内蘊取決于學習者心理、認知、腦(nǎo)等多(duō)方面因素，相(xiàng)同的外顯學習行為(wèi)表現，在不同的教育場景下(xià)，會(huì)擁有不同的教育意義。面向教育場景，結合教與學的規律，才能(néng)構建适合教育實踐的智能(néng)系統。例如，拍照(zhào)搜題曾是一(yī)個(gè)典型的基于人工(gōng)智能(néng)技(jì)術(shù)的教育應用，然而實際應用結果發現，此類應用導緻了學生(shēng)的惰性學習習慣，影響了主動思索探究能(néng)力的培養。究其原因主要在于該應用未能(néng)深入理解對學生(shēng)進行科學輔導的場景，實際功能(néng)違背實際的教與學規律。因此，人工(gōng)智能(néng)前沿技(jì)術(shù)需要結合教育實際場景的知識與規律，才能(néng)較好地解決教育領域的實際問題。
二是“人工(gōng)智能(néng) + 教育”的研究要結合教育學、心理學與神經科學的相(xiàng)關理論，研發适應于教育領域、有教育知識支持的人工(gōng)智能(néng)技(jì)術(shù)。張钹院士倡導第三代人工(gōng)智能(néng)要利用知識、數據、算(suàn)法和算(suàn)力四個(gè)要素，采用數據驅動與知識驅動相(xiàng)融合的理念發展人工(gōng)智能(néng)技(jì)術(shù)。“人工(gōng)智能(néng) + 教育”的研究要有效利用教育學、心理學、神經科學領域的專業(yè)理論，發展面向教育的人工(gōng)智能(néng)。布魯納的認知結構學習理論，關注學習過程，認為(wèi)學習者不是被動地接受知識，而是主動地獲得知識，把新獲取的知識和已有的認知結構相(xiàng)聯系，積極地建構新的認知結構和知識體系。神經科學的相(xiàng)關研究發現，自(zì)我監控學習行為(wèi)與表面型學習動機(jī)具有非常顯著的負相(xiàng)關，與深層型學習動機(jī)具有非常顯著的正相(xiàng)關。梅耶的多(duō)媒體學習認知理論指出，按照(zhào)人的心理工(gōng)作方式設計的多(duō)媒體信息，更能(néng)促進學生(shēng)進行有意義的學習。社會(huì)建構主義認為(wèi)，學習的本質是個(gè)體參與實踐，與他人、環境等相(xiàng)互作用的過程，是與群體之間的合作與互動的過程，是形成參與實踐活動的能(néng)力、提高(gāo)社會(huì)化水(shuǐ)平的過程，個(gè)體參與實踐活動、與環境相(xiàng)互作用是學習得以發生(shēng)的根本機(jī)制，知識和概念都隻有通(tōng)過社會(huì)化的運用才能(néng)得到(dào)充分的理解，通(tōng)過運用不僅改變了使用者對世界的看(kàn)法，同時又(yòu)适應了其所處群體特有的文化信念體系。因此，“人工(gōng)智能(néng) + 教育”的研究要結合教育相(xiàng)關專業(yè)理論知識，運用知識驅動和數據驅動結合的研究範式，綜合集成符号主義、連接主義、行為(wèi)主義的方法，構建面向人類認知、情感與社會(huì)性發展的新一(yī)代教育人工(gōng)智能(néng)。三是“人工(gōng)智能(néng) +教育”的研究要高(gāo)度重視人工(gōng)智能(néng)模型的可解釋性研究。教育是一(yī)個(gè)特殊領域，不僅需要決策的結果，更需要理解決策的依據與過程，從(cóng)而保證教學過程的科學性與合理性。深度神經網絡模型的内部結構和決策過程也日趨複雜(zá)，隻是從(cóng)海量數據中學習隐含特征與規律，導緻其決策過程的不透明性，通(tōng)常難以向用戶提供清晰且易理解的解釋。以深度學習為(wèi)主要代表的人工(gōng)智能(néng)技(jì)術(shù)在教育中應用需要設計科學合理地解釋性算(suàn)法，對面向教育領域的複雜(zá)模型進行解釋，确保其教育智能(néng)決策的正确性。例如，針對人工(gōng)智能(néng)技(jì)術(shù)與語文閱讀(dú)的結合，在構建閱讀(dú)理解模型及資源推薦模型時，需要解釋模型是基于什麽内容進行分析判斷的，需要獲得教育專家的認可，才能(néng)保證在模型可信的基礎上(shàng)，應用于實際的教育實踐。同時，“人工(gōng)智能(néng) + 教育”研究也需要探索以何種方式進行解釋，從(cóng)而可以得到(dào)學生(shēng)、教師(shī)等其他角色的理解和信任，滿足教育領域的實際需求。可解釋的模型是可信智能(néng)教育系統的前提。未來社會(huì)将是智能(néng)的社會(huì)，未來的教育也必将是智能(néng)的教育。“人工(gōng)智能(néng) + 教育”的研究，需要充分利用人工(gōng)智能(néng)的前沿技(jì)術(shù)，結合教育學、心理學的專業(yè)理論，構建面向智能(néng)時代的教育理論，促進智能(néng)化教育的産業(yè)實踐，推動教育的智能(néng)變革，實現教學模式、教育思路(lù)和方法、教育組織形态等方面的制度創新，從(cóng)而更好地助力教育現代化。來源丨《人工(gōng)智能(néng)》2022年(nián)第2期