人工(gōng)智能(néng)曆經半個多世紀的發展，逐漸形成了(le)以符号主義、連接主義、行爲主義爲主要代表的思想流派。近年來(lái)，随着以深度神經網絡爲代表的深度學習算(suàn)法的不斷發展，人工(gōng)智能(néng)技術在學術界和(hé)産業界都得到(dào)了(le)飛(fēi)速發展，正在不斷變革我們的社會(huì)生産與生活。随着《新一代人工(gōng)智能(néng)發展規劃》和(hé)《中國教育現(xiàn)代化 2035》等國家政策的出台，明(míng)确提出要利用(yòng)大(dà)數據、人工(gōng)智能(néng)等新興技術，開(kāi)展“人工(gōng)智能(néng) + 教育”領域的研究，推動形成基于新一代信息技術的新型教育模式。随着研究的開(kāi)展與深入，“人工(gōng)智能(néng) + 教育”領域在教育知(zhī)識圖譜、智能(néng)評測、智能(néng)育人助理(lǐ)等方面已經取得許多重要的進展和(hé)成果。這(zhè)些(xiē)進展與成果從(cóng)教育實踐的不同層面，爲不同的教育參與者提供了(le)智能(néng)化服務，也(yě)提升了(le)教學效率。然而，我們也(yě)要看(kàn)到(dào)當前“人工(gōng)智能(néng) + 教育”研究仍然存在着一些(xiē)不足，制約着該領域的進一步發展。概括來(lái)講，需要特别關注以下(xià)三個方面——
北京師範大(dà)學教授、未來(lái)教育高(gāo)精尖創新中心執行主任、國育未來(lái)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(duì)情境中發生的教與學活動過程的抽象表達。從(cóng)學習發生的規律看(kàn)，場景是促進認知(zhī)加工(gōng)的重要基礎。情境認知(zhī)理(lǐ)論認爲，認知(zhī)過程是由情境建構、指導和(hé)支持的，認知(zhī)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(xiàn)對(duì)教學過程精準理(lǐ)解和(hé)解釋的重要條件，學習行爲的内蘊取決于學習者心理(lǐ)、認知(zhī)、腦(nǎo)等多方面因素，相同的外(wài)顯學習行爲表現(xiàn)，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(pāi)照搜題曾是一個典型的基于人工(gōng)智能(néng)技術的教育應用(yòng)，然而實際應用(yòng)結果發現(xiàn)，此類應用(yòng)導緻了(le)學生的惰性學習習慣，影響了(le)主動思索探究能(néng)力的培養。究其原因主要在于該應用(yòng)未能(néng)深入理(lǐ)解對(duì)學生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)前沿技術需要結合教育實際場景的知(zhī)識與規律，才能(néng)較好(hǎo)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(lǐ)學與神經科學的相關理(lǐ)論，研發适應于教育領域、有教育知(zhī)識支持的人工(gōng)智能(néng)技術。張钹院士倡導第三代人工(gōng)智能(néng)要利用(yòng)知(zhī)識、數據、算(suàn)法和(hé)算(suàn)力四個要素，采用(yòng)數據驅動與知(zhī)識驅動相融合的理(lǐ)念發展人工(gōng)智能(néng)技術。“人工(gōng)智能(néng) + 教育”的研究要有效利用(yòng)教育學、心理(lǐ)學、神經科學領域的專業理(lǐ)論，發展面向教育的人工(gōng)智能(néng)。布魯納的認知(zhī)結構學習理(lǐ)論，關注學習過程，認爲學習者不是被動地接受知(zhī)識，而是主動地獲得知(zhī)識，把新獲取的知(zhī)識和(hé)已有的認知(zhī)結構相聯系，積極地建構新的認知(zhī)結構和(hé)知(zhī)識體系。神經科學的相關研究發現(xiàn)，自(zì)我監控學習行爲與表面型學習動機具有非常顯著的負相關，與深層型學習動機具有非常顯著的正相關。梅耶的多媒體學習認知(zhī)理(lǐ)論指出，按照人的心理(lǐ)工(gōng)作(zuò)方式設計(jì)的多媒體信息，更能(néng)促進學生進行有意義的學習。社會(huì)建構主義認爲，學習的本質是個體參與實踐，與他(tā)人、環境等相互作(zuò)用(yòng)的過程，是與群體之間的合作(zuò)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，個體參與實踐活動、與環境相互作(zuò)用(yòng)是學習得以發生的根本機制，知(zhī)識和(hé)概念都隻有通過社會(huì)化的運用(yòng)才能(néng)得到(dào)充分的理(lǐ)解，通過運用(yòng)不僅改變了(le)使用(yòng)者對(duì)世界的看(kàn)法，同時(shí)又适應了(le)其所處群體特有的文(wén)化信念體系。因此，“人工(gōng)智能(néng) + 教育”的研究要結合教育相關專業理(lǐ)論知(zhī)識，運用(yòng)知(zhī)識驅動和(hé)數據驅動結合的研究範式，綜合集成符号主義、連接主義、行爲主義的方法，構建面向人類認知(zhī)、情感與社會(huì)性發展的新一代教育人工(gōng)智能(néng)。三是“人工(gōng)智能(néng) +教育”的研究要高(gāo)度重視(shì)人工(gōng)智能(néng)模型的可解釋性研究。教育是一個特殊領域，不僅需要決策的結果，更需要理(lǐ)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(lǐ)性。深度神經網絡模型的内部結構和(hé)決策過程也(yě)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(míng)性，通常難以向用(yòng)戶提供清晰且易理(lǐ)解的解釋。以深度學習爲主要代表的人工(gōng)智能(néng)技術在教育中應用(yòng)需要設計(jì)科學合理(lǐ)地解釋性算(suàn)法，對(duì)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(duì)人工(gōng)智能(néng)技術與語文(wén)閱讀的結合，在構建閱讀理(lǐ)解模型及資源推薦模型時(shí)，需要解釋模型是基于什(shén)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(yòng)于實際的教育實踐。同時(shí)，“人工(gōng)智能(néng) + 教育”研究也(yě)需要探索以何種方式進行解釋，從(cóng)而可以得到(dào)學生、教師等其他(tā)角色的理(lǐ)解和(hé)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(lái)社會(huì)将是智能(néng)的社會(huì)，未來(lái)的教育也(yě)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(yòng)人工(gōng)智能(néng)的前沿技術，結合教育學、心理(lǐ)學的專業理(lǐ)論，構建面向智能(néng)時(shí)代的教育理(lǐ)論，促進智能(néng)化教育的産業實踐，推動教育的智能(néng)變革，實現(xiàn)教學模式、教育思路和(hé)方法、教育組織形态等方面的制度創新，從(cóng)而更好(hǎo)地助力教育現(xiàn)代化。來(lái)源丨《人工(gōng)智能(néng)》2022年第2期