孫連秀 馬玉慧

摘要：人工智能技術(shù)快速發(fā)展，逐漸進入教育領域，對教學環(huán)境、教學設計產(chǎn)生影響，深度學習是人工智能研究的前沿技術(shù)，基于大量數(shù)據(jù)的特征分析，為教育的變革開辟新的途徑。本文通過梳理深度學習技術(shù)的應用和發(fā)展現(xiàn)狀，探討深度學習在教學設計的分析、策略選擇和評價三階段對教學中各個要素的影響，并從技術(shù)支撐的角度分析其在教學中所發(fā)揮的作用。

關鍵詞：深度學習;人工智能;教學設計;教育應用

中圖分類號：G434? 文獻標識碼：A? 論文編號：1674-2117（2019）17-0098-04

● 引言

人工智能技術(shù)的發(fā)展與應用對社會生活的各個方面產(chǎn)生了深刻的影響，深度學習被廣泛認為是人工智能發(fā)展第三階段的標志，是人工智能研究的前沿技術(shù)。2018年4月2日教育部發(fā)布《高等學校人工智能創(chuàng)新行動計劃》，進一步提升高校在人工智能領域科技創(chuàng)新、人才培養(yǎng)和服務國家需求的能力。人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)、云計算等先進技術(shù)正在逐漸滲透到教育領域中，并對教與學的模式、教學環(huán)境、教學的組織形式產(chǎn)生結(jié)構(gòu)性影響。

深度學習（Deep Learning，DL）是一個復雜的機器學習算法，是人工智能領域研究的熱點。目前深度學習技術(shù)已經(jīng)在交通管理、網(wǎng)絡安全、醫(yī)療保健、智能機器人、游戲等領域廣泛應用。鑒于深度學習技術(shù)的成功應用，教育機構(gòu)和各大高科技企業(yè)、在線教育公司紛紛在教育實踐中引用深度學習技術(shù)。

● 深度學習技術(shù)的發(fā)展

深度學習是機器學習的眾多算法之一，最初源于對人工神經(jīng)網(wǎng)絡（ANN）的研究，是一種深度訓練深度神經(jīng)網(wǎng)絡的算法，具有很強的特征學習能力。深度學習模型基于大量數(shù)據(jù)特征，利用分類、回歸等統(tǒng)計學算法解決各類實際問題，在圖像識別、語音識別、自然語言處理、目標檢測等方面具有獨特的優(yōu)勢。深度學習的性能很大程度上取決于網(wǎng)絡的結(jié)構(gòu)，對于不同類型的數(shù)據(jù)問題，人們發(fā)展了多種不同的網(wǎng)絡結(jié)構(gòu)模型，其中包括許多經(jīng)典的神經(jīng)網(wǎng)絡模型，如深度置信網(wǎng)絡、多層感知機、長短時記憶網(wǎng)絡等。

近年來，深度學習在機器翻譯、自然語言處理、圖像識別、視頻識別、人機博弈、智能機器人等傳統(tǒng)人工智能領域取得了極大進展，在金融、醫(yī)療、物流、交通等領域被人們廣泛應用。目前，相關研究應用主要有以下幾個方面。

（1）預測預估類。以用戶的在線行為數(shù)據(jù)為基礎，對不同個體的行為進行分析，得到“千人千面”的個性化結(jié)果。例如，房地產(chǎn)行業(yè)利用深度學習技術(shù)建立用戶畫像，根據(jù)用戶年齡、工作等多方數(shù)據(jù)特征，建立模型進行預測實現(xiàn)的精準營銷。又如，淘寶的商品推薦、廣告的精準投放、金融風險控制。

（2）文本圖像類。目前應用廣泛的基于圖像分類的卷積神經(jīng)網(wǎng)絡（CNN）實現(xiàn)圖片內(nèi)容提?。∣CR）。牛津視覺幾何小組用深度學習技術(shù)讀出視頻中的文字，輸入文字，就可以直接搜出圖像中包含這些文字的BBC新聞視頻。如今，深度學習已經(jīng)可以對照片中的各種元素進行描述。

對文本信息的處理包括關鍵詞提取、文本內(nèi)容分析、新聞分類、情感分析等。例如，社區(qū)情感分析將大量用戶評論中表現(xiàn)高興、悲傷、憤怒等的語言進行標記，訓練深度神經(jīng)網(wǎng)絡模型對評論進行分類。

（3）視頻識別類。在2018年神經(jīng)信息處理系統(tǒng)大會（NIPS）的會議論文中，YixiaoGe等人提出了一個行人重識別（reID）新框架——FD-GAN，用于在多個攝像頭中對行人身份進行識別。深度學習在自動駕駛、目標檢測等方面逐漸發(fā)揮作用，是進行視頻編輯、對象分割等實現(xiàn)自動識別的關鍵技術(shù)。

（4）自然語言處理。在人機對話方面，各科技公司紛紛推出自己的人工智能語音助手、家用機器人產(chǎn)品，如小度音響、天貓精靈、小愛同學等。在機器翻譯方面，微軟的Skype能夠?qū)⒄Z音實時翻譯成不同的語言。

（5）博弈類。生成式對抗網(wǎng)絡（GAN）是深度學習的一種，自AlphaGo后，基于深度強化技術(shù)的神經(jīng)網(wǎng)絡使計算機在許多博弈游戲中表現(xiàn)優(yōu)異。同時，Google大腦的研究團隊創(chuàng)建了兩個深度學習網(wǎng)絡用于安全工具開發(fā)，他們讓其中一個不斷創(chuàng)造自己的加密算法，然后讓另一個網(wǎng)絡去盡力攻破它。在兩套系統(tǒng)的反復纏斗后，第一個系統(tǒng)已經(jīng)能生成非常優(yōu)秀的安全加密算法。

● 深度學習在教育中的應用

深度學習技術(shù)以教與學過程中的數(shù)據(jù)為基礎，在教學設計的分析階段、策略選擇階段以及評價階段對教育系統(tǒng)的各個要素產(chǎn)生影響，滿足教師需要大量調(diào)查和沒有足夠經(jīng)驗指導的教學需求，為“以學習者為中心”的教學設計提供指導。

1.在教學設計的分析階段

（1）進行學習需求分析。通過深度學習技術(shù)對學生在線學習行為進行分析，能夠精確地掌握學生對知識的掌握情況，美國斯坦福大學克里斯·皮希（Chris Piech）團隊發(fā)表了題目為Deep Knowledge Tracing（簡稱DKT）的深度知識追蹤論文，對學生的知識進行時間建模，能精確預測學生對知識點的掌握程度，以及學生在下一次的表現(xiàn)。在特定情境下，確定學習者目前的知識狀態(tài)，能為教師確定教學內(nèi)容、進行教學設計提供科學的理論依據(jù)，便于個性化教學活動的展開。

（2）進行學習者特征分析。深度學習的應用可以幫助教師確定學習者的認知發(fā)展水平，分析學習者起點能力。通過學習者與教學內(nèi)容和環(huán)境的交互行為，分析學習者的學習風格，代替需要人長期觀察實踐獲得的經(jīng)驗，并不斷自我完善。

2.在策略選擇階段

深度學習技術(shù)改變了傳統(tǒng)的教師、課件的教學環(huán)境，形成了智能分析、輔助學生個性化學習的智能教與學的環(huán)境。計算機實時采集形成的數(shù)據(jù)集，對學生的認知情況進行分析，使教師對學生的認知狀態(tài)、情緒狀態(tài)有了更加清晰、準確的分析。深度學習技術(shù)為教師教學過程中進行媒體、資源、策略的選擇及設計，提供數(shù)據(jù)支持和有效分析?；谏疃葘W習技術(shù)的智能問答系統(tǒng)能及時解決學生的問題，并從學生的問題中提取關鍵詞，分析與理解問題，從而給出相應的回答，提高學生對課程的滿意度。

深度學習技術(shù)的突破，帶動了語音識別、圖像識別、影像識別等感知識別技術(shù)的大爆發(fā)。例如，基于深度學習技術(shù)的語音識別功能，微軟小英提供情境模擬、口語特訓、單詞修煉等多種功能?！坝嶏w超腦”計劃目前重點研究的課題包括類人答題、作文評閱、語音轉(zhuǎn)寫等。

3.在教學評價階段

（1）進行學生評價?；谏疃葘W習的數(shù)據(jù)分析技術(shù)，對學生學習結(jié)果的評價更加科學、準確，降低了分析難度，縮短了反饋周期，使教師對學生的學習狀態(tài)有更加準確的掌握。教師可以通過圖像識別、語音識別、自然語言處理和情緒識別等技術(shù)，判斷學生的學習狀態(tài)和學習效果等，提高學習效能，并針對學生在練習過程中出現(xiàn)的問題，有針對性地推送相應的學習資源，從而有效提升練習效能。

（2）進行教學評價?；谏疃葘W習的人工智能技術(shù)，輔助教師進行學生學習行為監(jiān)督、評價，減輕教師教學管理負擔，智能閱卷系統(tǒng)幫助教師減少重復性勞動。

● 深度學習對教育的影響

隨著人工智能技術(shù)研究的不斷深入，關于深度學習跨學科的研究也得到了飛速發(fā)展，如教育學、物理學、數(shù)學等學科領域都衍生出了不同層次的深度學習研究。深度學習在教育領域的應用，在人工智能教育、教育環(huán)境、教育資源、整合正式學習和非正式學習方面逐漸體現(xiàn)出來。深度學習技術(shù)在學習過程中的監(jiān)督診斷、課堂教學監(jiān)控、課后評價等方面不斷發(fā)揮作用，它能夠輔助教學，變革教與學的模式，加快教育現(xiàn)代化建設，并從技術(shù)支撐教學的角度，對學習理論和教學理論革新產(chǎn)生重大影響。

1.以學生為中心

（1）科學的學習結(jié)果測量分析，對學生的學習評價及后續(xù)的學習發(fā)生提供數(shù)據(jù)支持。深度學習使對每一位學生學習進行建模成為可能，根據(jù)每位學生的學習習慣為他們量身定制學習方案，充分挖掘每個學生的潛能。

（2）利用深度學習收集行為數(shù)據(jù)，分析學生的學習態(tài)度，建立認知模型。一方面便于學生對自身學習的管理，科學規(guī)劃學習的路徑，促進自主學習的產(chǎn)生，提高學習效率;另一方面便于教師的教學管理，對學生進行全面準確的分析，在教學過程中實現(xiàn)因材施教，實現(xiàn)以學生為中心的教育。

2.整合正式學習和非正式學習

為線上線下的混合學習模式展開提供數(shù)據(jù)支持和科學指導，整合正式學習和非正式學習。在目標分析階段，采用深度學習算法，根據(jù)學生學習產(chǎn)生的數(shù)據(jù)得出學生當前狀態(tài)與目標狀態(tài)之間的差別，能精確、具體、及時、迅速地進行學習需求分析、教學對象分析，確定教學目標，實現(xiàn)學生的個性化學習，便于教師因材施教。在教學策略階段，基于深度學習的語音識別、影像識別、智能機器人等技術(shù)，為教學活動的展開提供更加高效的媒體選擇，輔助教師監(jiān)控教學過程，根據(jù)不同學生的特點對學生的學習過程主動干預，優(yōu)化教學效果。在教學評價階段，即時反饋學生評價和教學評價，從而提高教學質(zhì)量和教學效率。

● 總結(jié)與展望

人工智能是影響世界政治、經(jīng)濟等的關鍵技術(shù)，阿里巴巴、亞馬遜、微軟、谷歌等高科技公司紛紛建立人工智能開放平臺、云社區(qū)，分享人工智能技術(shù)的最新研究成果，人工智能必將與教育加速融合，改變教育的形態(tài)。

深度學習技術(shù)是人工智能的前沿技術(shù)，我們應對深度學習技術(shù)在教育中的應用進行探討，用技術(shù)支撐教學，優(yōu)化教學效果?，F(xiàn)階段，教育領域數(shù)據(jù)的收集和整理還未完善，且數(shù)據(jù)集數(shù)量較少、結(jié)構(gòu)分散，教育領域數(shù)據(jù)特征的分析制約了確定學生知識水平和學習狀態(tài)的可能，為個性化、自適應學習起“向?qū)А弊饔玫闹R圖譜（包括學科知識圖譜和教學知識圖譜）并沒有真正完成。而對深度學習技術(shù)的不斷研究，能豐富學校教育教學手段，貫徹以學生為中心的教育理念，為實現(xiàn)教育現(xiàn)代化提供無限可能。

參考文獻：

[1]中華人民共和國教育部.教育部關于印發(fā)《高等學校人工智能創(chuàng)新行動計劃》的通知[EB/OL].[2018-06-29].http：//www.moe.gov.cn/srcsite/A16/s7062/201804/t20180410_332722.html.

[2]LeCun Y，Bengio Y，Hinton G.Deep learning[J].Nature，2015，521（7553）：436-444.

[3]Cao Z，Simon T，Wei S E，et al.Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields[J].2016.

[4]唐旭.20個令人驚嘆的深度學習應用（Demo+Paper+Code）[EB/OL].[2017-04-06].http：//www.sohu.com/a/134345723_610300.

[5]Yixiao Ge，Zhuowan Li，Haiyu Zhao.FD-GAN：Pose-guided Feature Distilling GAN for Robust Person Re-identification[J].2018.

[6]中華人民共和國國務院.國務院關于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[EB/OL].[2018-06-29].www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[7]陳志剛.英語考試自動答題技術(shù)的研究[D].合肥：中國科學技術(shù)大學，2018.

[8]董慧慧.人工智能深度學習概念研究與綜述[J].電腦編程技巧與維護，2018（08）：153-155.

[9]顧小清，馮園園，胡思暢.超越碎片化學習：語義圖示與深度學習[J].中國電化教育，2015（03）：39-48.

[10]胡越，羅東陽，花奎，等.關于深度學習的綜述與討論[J].智能系統(tǒng)學報，2019，14（01）：1-19.

[11]宦太杰.基于深度學習的人臉檢測算法研究[D].南京：南京郵電大學，2018.

[12]龍慧，朱定局，田娟.深度學習在智能機器人中的應用研究綜述[J].計算機科學，2018，45（S2）：43-47+52.

[13]柳毅.基于卷積神經(jīng)網(wǎng)絡的新生兒疼痛表情識別方法研究[D].南京：南京郵電大學，2018.

[14]劉興.機器人交互界面情感呈現(xiàn)系統(tǒng)的設計與實現(xiàn)[D].南京：南京郵電大學，2018.

[15]劉丹，李志河.近十年我國深度學習研究綜述[J].教育現(xiàn)代化，2017，4（51）：284-285.

[16]劉勇，李青，于翠波.深度學習技術(shù)教育應用：現(xiàn)狀和前景[J].開放教育研究，2017，23（05）：113-120.

[17]李新房，李靜，劉名卓.新興技術(shù)在高等教育中的應用、發(fā)展趨勢與挑戰(zhàn)研究——《2017地平線報告（高等教育版）》解讀與啟示[J].現(xiàn)代遠距離教育，2017（04）：3-11.

[18]劉全，翟建偉，章宗長，等.深度強化學習綜述[J].計算機學報，2018，41（01）：1-27.

[19]李尊.一張圖帶你看懂IBM Waston的工作原理[EB/OL].http：//www.Leiphone.com/news/201607/FOe US5Wo5gIFMvwJ.Html.2016-07-20.

[20]李歡冬，樊磊.“可能”與“不可能”：當前人工智能技術(shù)教育價值的再探討——《高等學校人工智能創(chuàng)新行動計劃》解讀之一[J].遠程教育雜志，2018，36（05）：38-44.

[21]馬世龍，烏尼日其其格，李小平.大數(shù)據(jù)與深度學習綜述[J].智能系統(tǒng)學報，2016，11（06）：728-742.

[22]牟智佳.“人工智能+”時代面向教育創(chuàng)新的教與學發(fā)展趨向[J].中小學電教，2018（04）：37-39.

[23]喬風娟，郭紅利，李偉，等.基于SVM的深度學習分類研究綜述[J].齊魯工業(yè)大學學報，2018，32（05）：39-44.

[24]孫佑先.走，跟AlphaGo下棋去！[J].機器人產(chǎn)業(yè)，2017（03）：54-60.

[25]魏利，黃慧敏，錢鳴靜.教育領域中的深度學習研究熱點和研究趨勢分析[J].數(shù)字教育，2018，4（02）：22-27.

[26]王琳琳.基于BPL數(shù)據(jù)增強的手寫公式識別[D].哈爾濱：哈爾濱工業(yè)大學，2018.

[27]徐曄.從“人工智能教育”走向“教育人工智能”的路徑探究[J].中國電化教育，2018（12）：81-87.

[28]閆志明，唐夏夏，秦旋，等.教育人工智能（EAI）的內(nèi)涵、關鍵技術(shù)與應用趨勢——美國《為人工智能的未來做好準備》和《國家人工智能研發(fā)戰(zhàn)略規(guī)劃》報告解析[J].遠程教育雜志，2017，35（01）：26-35.

[29]周晟頤.深度學習技術(shù)綜述[J].科技傳播，2018，10（20）：116-118.

[30]趙星宇，丁世飛.深度強化學習研究綜述[J].計算機科學，2018，45（07）：1-6.