劉春林+++張渝江

學校采用技術(shù)的目標，是為學生帶來更好的教育。如同很多教育工作者希望通過學習科學原理找到一個通用的教學模型一樣，新的教育技術(shù)總是被放到班級授課制體系下，為大量學習者提供相同的服務。這種應用方式在解決教育中群體化的問題方面卓有成效，比如師資力量薄弱、教育資源缺乏、教學模式陳舊等。然而，多年以來，一系列的硬件、軟件和在線服務進入教室，提供了優(yōu)秀師資（雙師課堂）、優(yōu)質(zhì)資源（在線課程）和先進教學模式（翻轉(zhuǎn)課堂）后，學校仍然有不愛學習的孩子、成績不好的學生。究其原因在于，真實教學是一個極其復雜的過程，會受到各種個體因素的干擾，比如某個學生的社會背景、家庭條件、性格情緒、多元智能、學習偏好等；而通用的教學模式和大眾化的技術(shù)服務不能滿足學習者個性特征。除非為每個學習者個體提供專門的教師和定制的課程資源，并給予獨特的教學方式。但是，在現(xiàn)有的社會體系和資源環(huán)境下這是一個不可能實現(xiàn)的任務。

而隨著人工智能逐步進入教育行業(yè)，這個看似不可能的任務正在被變?yōu)楝F(xiàn)實。

新一代的人工智能在機器學習（Machine Learning）出現(xiàn)后得到了快速的發(fā)展?；跈C器學習的新型人工智能背后的原理是進行一個統(tǒng)計的過程，始于數(shù)據(jù)體和試圖派生出一個解釋數(shù)據(jù)或可預測未來數(shù)據(jù)的規(guī)則和程序。其優(yōu)點是它在不可行或難以寫下明確規(guī)則來解決一個問題的情況下依然能夠使用。機器學習與自然語言處理結(jié)合讓人工智能進入教育正在成為現(xiàn)實。

機器學習背后依靠的是互聯(lián)網(wǎng)大數(shù)據(jù)。MOOC和其他在線教育形式的普及帶來了大量的教學數(shù)據(jù)。機器學習可以從這些教學大數(shù)據(jù)中找到與學生個體匹配的教學模型，或者說，教育人工智能可以為每位學生找到一個合適的學習和成長的獨特路徑。因此，這將催生出更具個性化的學習，為每個學習個體提供匹配的教師、課程和方法也將成為可能。

目前，并沒有一個能讓行業(yè)從業(yè)人員普遍接受的單一人工智能的定義。因此，我們不妨設(shè)想一下教育行業(yè)的人工智能應該是什么形態(tài)：AI可能是一位優(yōu)秀的教師，也可能是一位有益的學伴，還可能是有各種問題的學生，亦或是定制的課程？或許，通過下面的案例，我們能更清晰地了解到人工智能將如何改變教育。

更適合的教師和課程

雖然教師和學生有各自的教和學的風格，但是時至今日，教師和學校仍然采用一刀切的教學方法和千篇一律的教材來應對不同的學生。因為在已有教學體系下，教師沒有足夠的時間和精力去逐一了解每個學生，并給他們提供合適的課程材料。

基于機器學習的教育人工智能可以發(fā)現(xiàn)數(shù)據(jù)中的行為模式，協(xié)助教師更輕松地從學生表現(xiàn)中收集可操作的見解，做出明智和有效的決策來幫助學生，引導他們朝更好的方向發(fā)展。另外，通過收集數(shù)據(jù)，機器學習算法還能發(fā)現(xiàn)某個學生存在大量問題的地方，然后通過定制的材料、練習和課程幫助他們彌補這些差距。

Smart Sparrow是澳洲一個在線適應性教育平臺。其依靠在互動中得到的數(shù)據(jù)反饋引導老師把課程設(shè)計得更好，下一階段學習則根據(jù)學生學習行為來進行動態(tài)匹配。而DreamBox Learning 甚至能自動匹配小學生用戶的學習進度，并以最適當方式去提示和鼓勵學生向正確的方向努力。

一些自適應學習平臺通過收集和分析大量學生的數(shù)據(jù)，利用機器學習算法還能找到和制定學生的學習路徑，并確保他們在學習道路上面對的困難降到最低。

比如來自美國的Desire2Learn最近推出了新工具，根據(jù)學生之前的學習情況預測其在某門課上可能獲得的分數(shù)，進而給出選修課建議來幫助學生做出選課決定。

同樣，算法可以識別到學生可能的優(yōu)點和才能，然后幫助他們根據(jù)自己最擅長的領(lǐng)域選擇專業(yè)。

目前，一些人工智能在內(nèi)容傳遞方面的其他高級應用，能利用深度學習（ Deep Learning）和自然語言生成（Natural Language Generation）來合成和交付定制內(nèi)容，可以媲美于真人教師編寫的教材。一家前衛(wèi)的人工智能公司Content Technologies正在探索為每位學生定制教材。

更先進的協(xié)作和輔導

協(xié)作學習是一種有效的激勵學生學習的方式，但是在實施過程中，師生之間、生生之間的交流難以被記錄和評估。2017年，國際知名咨詢公司Technavio發(fā)布的美國教育行業(yè)人工智能市場研究報告中提到：人工智能可增強現(xiàn)在流行的協(xié)作學習模式，具體方式包括自適應群體組織、虛擬角色、智能助手和智能導師等。

在機器學習的幫助下，人工智能可以把合適的人匹配在一起，增加協(xié)作，讓在線輔導變得更容易和精準。

Brainly是一個連接數(shù)百萬學生的社交平臺，學生們在上面相互協(xié)作解決作業(yè)和任務中遇到的難題。為了確保服務內(nèi)容的質(zhì)量，Brainly雇用了超過1000個版主來幫助審查和驗證用戶之間交換的問題和答案?，F(xiàn)在Brainly使用的機器學習算法可以自動過濾垃圾郵件和低質(zhì)量的內(nèi)容，幫助版主減輕負擔，讓他們專注于為學生提供更優(yōu)質(zhì)的服務。

更引人注目的是，Brainly還利用算法給學生們提供結(jié)交朋友的建議，幫助用戶找到技能互補或能回答他們問題的協(xié)作伙伴。這種通過人工智能進行協(xié)作匹配的方式為學生們提供了更棒的個性化在線學習體驗。

利用機器學習和自然語言處理技術(shù)，斯坦福大學教育學教授 Daniel Schwartz開發(fā)了一個人工智能應用“貝蒂的大腦”（Bettys Brain）。作為一個虛擬角色，貝蒂在學習活動中扮演孩子們的學伴，讓學生來教它學習生物知識。在這個協(xié)作對話過程中學生的講解會被貝蒂記錄和評估，并即時反饋給他們，讓學生在完善講解過程中加深對知識的理解。

類似的研究和開發(fā)還有瑞典隆德大學的與學生一起玩歷史游戲的人工智能Time Elf和卡內(nèi)基梅隆大學的與學生一起學習數(shù)學的人工智能SimStudent。

利用人工智能輔導學生的案例來自美國佐治亞理工學院，計算機教授Ashok Goel已經(jīng)成功使用人工智能助理回答學生提問。其他類似的平臺，諸如Front Row、Carnegie Learning 和Tabtor也在探索人工智能導師以能夠模仿一對一輔導的好處。

更快速的補充和優(yōu)化

在應對大量學生時，即便是經(jīng)驗豐富的老教師也無法快速找到應對的措施來及時識別和處理知識講解、課程材料以及學生參與之間的錯位，使得學生感到困惑進而影響學習體驗。人工智能則可以糾正這些缺點并及時提醒學生和教師，做到及時補充教學的漏洞，優(yōu)化學生的學習過程，同時增強教師的授課經(jīng)驗。

慕課平臺Coursera，能在當某個問題有大量學生提交了錯誤回答時提醒教師，同時通過提供一個定制消息來幫助學生，給予他們正確的引導。

通過創(chuàng)建智能和個性化的互動，人工智能助理能在教師之前給予學生即時反饋，幫助他們理解學習內(nèi)容。因此，人工智能可以促進學生采用高效的學習行為，比如自我管理和自我解釋等。

類似的人工智能應用還有來自美國的Volley。學生們用手機拍攝教材內(nèi)容或作業(yè)題目，Volley 會分析照片和文本，并顯示要點、難點、先修知識。隨后，應用會提供在線課堂、百科鏈接、甚至是教師上傳的參考 PDF 文件。這個過程中運用了機器學習和自然語言處理技術(shù)來自動收集。扎克伯格教育風投公司認為，Volley能引導學生們自行安排學習計劃和提高自學能力。

另一個案例來自英格蘭的Third Space Learning。這是一個在線一對一數(shù)學輔導平臺，其連接了世界各地的兒童和教師。

自2012年推出以來，平臺每周記錄了數(shù)千小時的教學和學習數(shù)據(jù)。Third Space Learning正在利用機器學習算法從這些巨大的數(shù)據(jù)中收集行為模式，為教師提供見解和建議，促進教師開展更好的教學。同樣，這些數(shù)據(jù)也能為學生掌握某個主題提供最佳的學習路徑。

接下來的這個案例更展現(xiàn)了教育人工智能的魅力。斯坦福大學與華盛頓大學合作，也正在研究一個基于人工智能的輔導系統(tǒng)。這個新引擎利用強化學習（Reinforced Learning）來判斷當前課程是否能讓所有的學生都學得好，然后通過人機對話進行系統(tǒng)自優(yōu)化。

教育中的師生關(guān)系非常復雜，教師承擔了太多的責任和壓力，很難處理好所有的教育問題。因此，即便有完美的教學模式也無法幫助每個學生都能學業(yè)有成。在技術(shù)發(fā)展逐步變得更加智能的未來，人工智能在教育中將逐步替代教師工作的一部分，從而減輕教師負擔，讓教師有足夠的時間和精力應對復雜教育關(guān)系中只有人類才能做好的事情。