人工智能(néng)曆經(jīng)半個多世紀的發(fā)展，逐漸形成(chéng)了以符号主義、連接主義、行爲主義爲主要代表的思想流派。近年來，随著(zhe)以深度神經(jīng)網絡爲代表的深度學(xué)習算法的不斷發(fā)展，人工智能(néng)技術在學(xué)術界和産業界都(dōu)得到了飛速發(fā)展，正在不斷變革我們的社會生産與生活。随著(zhe)《新一代人工智能(néng)發(fā)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、人工智能(néng)等新興技術，開(kāi)展“人工智能(néng) + 教育”領域的研究，推動形成(chéng)基于新一代信息技術的新型教育模式。随著(zhe)研究的開(kāi)展與深入，“人工智能(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(miàn)已經(jīng)取得許多重要的進(jìn)展和成(chéng)果。這(zhè)些進(jìn)展與成(chéng)果從教育實踐的不同層面(miàn)，爲不同的教育參與者提供了智能(néng)化服務，也提升了教學(xué)效率。然而，我們也要看到當前“人工智能(néng) + 教育”研究仍然存在著(zhe)一些不足，制約著(zhe)該領域的進(jìn)一步發(fā)展。概括來講，需要特别關注以下三個方面(miàn)——
北京師範大學(xué)教授、未來教育高精尖創新中心執行主任、國(guó)育未來教育科學(xué)（深圳）研究院教育數智化研究中心首席專家 餘勝泉
一是“人工智能(néng) + 教育”的研究要面(miàn)向(xiàng)教育場景，在教育場景下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(fā)生的教與學(xué)活動過(guò)程的抽象表達。從學(xué)習發(fā)生的規律看，場景是促進(jìn)認知加工的重要基礎。情境認知理論認爲，認知過(guò)程是由情境建構、指導和支持的，認知加工的性質取決于其所處的情境，不能(néng)脫離情境孤立地研究。從具體教學(xué)實施上看，場景是實現對(duì)教學(xué)過(guò)程精準理解和解釋的重要條件，學(xué)習行爲的内蘊取決于學(xué)習者心理、認知、腦等多方面(miàn)因素，相同的外顯學(xué)習行爲表現，在不同的教育場景下，會擁有不同的教育意義。面(miàn)向(xiàng)教育場景，結合教與學(xué)的規律，才能(néng)構建适合教育實踐的智能(néng)系統。例如，拍照搜題曾是一個典型的基于人工智能(néng)技術的教育應用，然而實際應用結果發(fā)現，此類應用導緻了學(xué)生的惰性學(xué)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(duì)學(xué)生進(jìn)行科學(xué)輔導的場景，實際功能(néng)違背實際的教與學(xué)規律。因此，人工智能(néng)前沿技術需要結合教育實際場景的知識與規律，才能(néng)較好(hǎo)地解決教育領域的實際問題。
二是“人工智能(néng) + 教育”的研究要結合教育學(xué)、心理學(xué)與神經(jīng)科學(xué)的相關理論，研發(fā)适應于教育領域、有教育知識支持的人工智能(néng)技術。張钹院士倡導第三代人工智能(néng)要利用知識、數據、算法和算力四個要素，采用數據驅動與知識驅動相融合的理念發(fā)展人工智能(néng)技術。“人工智能(néng) + 教育”的研究要有效利用教育學(xué)、心理學(xué)、神經(jīng)科學(xué)領域的專業理論，發(fā)展面(miàn)向(xiàng)教育的人工智能(néng)。布魯納的認知結構學(xué)習理論，關注學(xué)習過(guò)程，認爲學(xué)習者不是被(bèi)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聯系，積極地建構新的認知結構和知識體系。神經(jīng)科學(xué)的相關研究發(fā)現，自我監控學(xué)習行爲與表面(miàn)型學(xué)習動機具有非常顯著的負相關，與深層型學(xué)習動機具有非常顯著的正相關。梅耶的多媒體學(xué)習認知理論指出，按照人的心理工作方式設計的多媒體信息，更能(néng)促進(jìn)學(xué)生進(jìn)行有意義的學(xué)習。社會建構主義認爲，學(xué)習的本質是個體參與實踐，與他人、環境等相互作用的過(guò)程，是與群體之間的合作與互動的過(guò)程，是形成(chéng)參與實踐活動的能(néng)力、提高社會化水平的過(guò)程，個體參與實踐活動、與環境相互作用是學(xué)習得以發(fā)生的根本機制，知識和概念都(dōu)隻有通過(guò)社會化的運用才能(néng)得到充分的理解，通過(guò)運用不僅改變了使用者對(duì)世界的看法，同時又适應了其所處群體特有的文化信念體系。因此，“人工智能(néng) + 教育”的研究要結合教育相關專業理論知識，運用知識驅動和數據驅動結合的研究範式，綜合集成(chéng)符号主義、連接主義、行爲主義的方法，構建面(miàn)向(xiàng)人類認知、情感與社會性發(fā)展的新一代教育人工智能(néng)。三是“人工智能(néng) +教育”的研究要高度重視人工智能(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，更需要理解決策的依據與過(guò)程，從而保證教學(xué)過(guò)程的科學(xué)性與合理性。深度神經(jīng)網絡模型的内部結構和決策過(guò)程也日趨複雜，隻是從海量數據中學(xué)習隐含特征與規律，導緻其決策過(guò)程的不透明性，通常難以向(xiàng)用戶提供清晰且易理解的解釋。以深度學(xué)習爲主要代表的人工智能(néng)技術在教育中應用需要設計科學(xué)合理地解釋性算法，對(duì)面(miàn)向(xiàng)教育領域的複雜模型進(jìn)行解釋，确保其教育智能(néng)決策的正确性。例如，針對(duì)人工智能(néng)技術與語文閱讀的結合，在構建閱讀理解模型及資源推薦模型時，需要解釋模型是基于什麼(me)内容進(jìn)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，應用于實際的教育實踐。同時，“人工智能(néng) + 教育”研究也需要探索以何種(zhǒng)方式進(jìn)行解釋，從而可以得到學(xué)生、教師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。未來社會將(jiāng)是智能(néng)的社會，未來的教育也必將(jiāng)是智能(néng)的教育。“人工智能(néng) + 教育”的研究，需要充分利用人工智能(néng)的前沿技術，結合教育學(xué)、心理學(xué)的專業理論，構建面(miàn)向(xiàng)智能(néng)時代的教育理論，促進(jìn)智能(néng)化教育的産業實踐，推動教育的智能(néng)變革，實現教學(xué)模式、教育思路和方法、教育組織形态等方面(miàn)的制度創新，從而更好(hǎo)地助力教育現代化。