在英國學者瑪格麗特·博登《AI：人工智能的本質與未來》一書中，人工智能被定義為“讓計算機完成人類心智能做的各種事情”。迄今為止，“人工智能”研究領域經歷了萌芽、誕生、黃金、第一次低谷、繁榮、第二次低谷、繼續發展7個階段。當前，人工智能+教育的產品如雨后春筍般，正在向教育生態的各個領域迅速鋪開。

(資料圖片僅供參考)

值得注意的是，目前，人工智能仍處在“弱”人工智能階段，教育數據生態尚未形成，共享機制和人工智能倫理尚未建立。因此，現階段的“人工智能+教育”產品必然存在諸多風險。就教育領域而言，人工智能的發展在于推進人工智能在教師的“教”和學生的“學”中的深度運用，解決教育、教學中的突出難題，賦能教師，減負學生，回歸立德樹人初心，促進學生德智體美勞全面發展。

新一代“人工智能+教育”研發方向首選——

開發面向教師的人工智能專家平臺

當前，人工智能技術疊加到教育場景的探索正在如火如荼地進行。2018年11月，北京師范大學發布的《人工智能+教育藍皮書》表明，“人工智能+教育”主要集中在智能教育環境、智能學習過程支持、智能教育評價、智能教師助理、教育智能管理與服務等五個典型場景。德勤研究發布的《全球人工智能發展白皮書(2019)》中，人工智能在教育中的應用則被歸納為教、學、評、測、練五個教學環節。

然而，目前大多數人工智能教育產品主要面向學生和家長，如各種各樣的學習機、早教機器人以及搜題類產品等。市場行為本身無可非議，但到目前為止，現有的人工智能教育產品仍未解決精準化和零誤差的問題，潛在的教育風險尚未被關注。

實際上，就當前教育而言，最迫切需要開發和提供的產品恰恰應該是面向教師、具有數據挖掘和智能輔助功能的專家系統或平臺。

首先，這是教師精準診斷學情的需要。既往討論教師專業化問題，學者一般會將教師職業與醫生職業進行比較。100年前醫生與教師使用工具的復雜性幾乎沒有太大差別，醫生使用聽筒，教師使用粉筆、黑板;當下這兩個職業輔助工具的智能化程度卻大相徑庭，醫生擁有心電、腦電、核磁共振、神經外科手術機器人以及基于大數據和人工智能的專家讀片系統、遠程診療系統等，而教師教學的輔助工具只有電子白板，在學情診斷上缺少相應的智能化工具。教育教學是藝術的，但首先應該是科學的。如果教育教學缺乏科學技術支撐，就會導致教師茫然與困頓。同時，科學技術界尚未優先開發支持教師教育教學、具有診斷功能的產品。因此，聚合新一代通信、物聯網、大數據挖掘、人工智能深度學習等技術，開發面向教師的具有教育診斷、解決方案建議的專家系統或平臺迫在眉睫。

其次，這是達成實質減負的需要。德國心理學家赫爾曼·艾賓浩斯等人研究發現，學習者要掌握所學的知識需要反復練習鞏固，過度學習是需要的，但超過一定限度就會導致學習疲勞而產生邊際遞減效應。題海戰術在傳統教學模式中的盛行，不能簡單歸因為教師“偷懶”或是“片面追求升學率”，而是因為教師大多并不能如醫生精準診斷病情那樣掌握學生學情。隨著班級規模的擴大，教師對學生學情的掌握程度越來越低。因此，要真正減輕學生負擔，關鍵是給予教師必要的支持，幫助其診斷、評價學生學習狀況，提供可以選擇、改造的教育方案，而這恰恰是人工智能的強項。同時，人工智能也可以將教師從繁雜的簡單勞動如考勤、登記分數、統計成績、數據收集等中解放出來。

最后，這是彌補“人工智能+教育”產品缺陷的需要。當前人工智能僅擅長于處理單個方面的任務，不能平行甚至“非理性”地完成多個任務。教育的情境性、非邏輯性注定了目前“人工智能+教育”產品難免存在誤差或缺陷。如果這些產品直接面向學生、家長，其后果可想而知。而教師自身具有專業性，可以識別、糾正和規避這些差錯或缺陷。人工智能平臺提供的大數據報表、智能解決方案等，經過教師的“人腦”篩選、加工、改組，加以恰當運用，就可以在一定程度上避免人工智能產品在教育中的濫用、誤用。

人工智能專家平臺建設的突破點——

學科交叉融合、建立數據生態、推進區塊鏈應用

從目前已經面世的人工智能教育產品來看，其開發思路和產品功能的相似度很高。以學習機為例，開發商通過前期與幾千所中小學合作，獲取海量與教材知識點、能力點關聯的練習題，設計出基于行為主義理論的學情診斷和矯正系統或平臺。這類平臺一般都具有大數據功能，能夠對學生的作業對錯、練習頻次等“畫像”。實際上，將這些功能提供給教師，能在一定程度上減輕教師負擔，幫助教師實施個性化教育教學，這可以稱為“人工智能+教育”1.0樣態。但是，面向教師的人工智能專家平臺應該在智慧化方面向前邁進，從學科交叉融合、教育數據生態建設和區塊鏈技術應用等方面加以突破。

一是學科交叉，跨界融合，實現分工合作的“人工智能+教育”2.0環境架構。“人工智能+教育”2.0技術環境架構需要軟件工程、信息科學與技術、控制與自動化、神經教育學、神經心理學、教育技術學等多學科交叉融合。其中，教育學科側重依托神經科學、心理科學最新研究成果，特別是腦科學和類腦研究領域的最新成果，為計算科學理解人腦和仿生技術提供支撐;計算科學、信息科學等側重教育大數據獲取、知識圖譜構建、數據處理與挖掘、智能診斷、研究;軟件工程則負責智能平臺工程開發等。

二是構建教育數據生態系統。數據、算力、算法、學習科學是“人工智能+教育”的四大要素。海量教育數據既是訓練人工智能系統的基礎，也是發展教育人工智能的關鍵。海量教育數據生態數據的形成，取決于獲取與共享、數據預處理、數據存儲與計算等多方面。在教育數據獲取方面，應將重點放在學生學習過程，可以通過眼動儀和可回放書寫軌跡的電子墨水本等設備與手段，獲取包括課堂學習、解題、回答問題、作品創作等過程的認知、記憶、表象、思維、注意和個性等特征。在教育數據共享方面，應該加快教育數據采集標準與規范的建立，在遵守數據規則和隱私倫理的前提下，按協議開放、共享公共教育數據資源。在教育數據存儲與計算方面，除算法優化、深度學習、材料訓練等人工智能技術發展與應用外，各高校、科研院所還應聯合攻關，快速形成擁有我國自主知識產權的大數據模型和比對常模。

三是推進區塊鏈技術在面向教師的人工智能專家平臺中的應用。當前，國內外“區塊鏈+教育”的研究熱點，主要聚焦在學分認證、證書管理、數字教育資源、學習者能力與學習成果管理等方面。區塊鏈的中心化、共識機制、可追溯性和高度信任等屬性，恰恰可以用來解決教育診斷、學生發展尤其是品德發展評價等棘手問題。基于區塊鏈技術建立學生個人學習成長檔案，將有助于徹底改變教育、教學評價方式，也可以為面向教師的人工智能專家平臺開發提供重要支撐。

人工智能專家平臺之于教師——

賦能教師并促進教師主要任務發生變化

以智能感知、深度學習、神經網絡、情感計算等為要素的人工智能環境，已經深深嵌入人類社會的各行各業、生活學習的方方面面。面對人工智能在教育領域的迅猛發展，不少教師開始擔憂，人工智能會不會讓自己失業?

“人工智能+教育”是對教師的賦能，但同時也呼喚教師工作轉型。當前，教師傳道、授業、解惑的三個主要任務正在發生變化。慕課平臺的海量在線學習資源和人工智能家教類產品基本上可以代替傳統教師的知識講授;面向教師的人工智能專家平臺也可以在一定程度上協助教師給學生答疑、解惑。

由中國科學技術發展戰略研究院、科技部新一代人工智能發展研究中心聯合國內外十余家機構編寫的《中國新一代人工智能發展報告2020》認為，人工智能時代教師角色和定義發生了變化，但技術不會取代人類教師。新一代人工智能專家平臺的出現，除了可以幫助教師完成機械重復的勞動，還能為教師提供學情“畫像”和個性化幫助學生的方案。

朱小蔓早在1994年《創建情感師范教育》中就指出，“人的思想品德、情感素質和行為習慣方面，更不是依靠認知教學過程來完成的，而往往是學生自發地向教師模仿、認同，在不自覺的情況下接受教師的影響，建立行為的制約，即所謂潛移默化”。所以，“傳道”這一極具情感性的教育任務，目前人工智能還很難替代。教師與學生進行面對面教育，教師一個關切的眼神、一個加油鼓勁的手勢，師生之間形成的信任與支持，以及學生對教師的崇拜、模仿等，是任何冷冰冰的人工智能產品都無法替代的。疫情期間的在線學習效果也從另一角度佐證了教師與學生面對面教育的重要性和不可替代性。

教育的本質是一棵樹搖動另一棵樹，一朵云推動另一朵云，一個靈魂喚醒另一個靈魂。人工智能自身的風險和人工智能在教育中應用的特殊性，決定了應該優先開發面向教師，輔助、支持教師工作的專家系統或平臺。教師應該更加關注自身教育經驗、智慧的積累，利用人工智能專家平臺，開展循證教學，讓教學、教育過程變得更科學、更有效，讓學生作業、練習更輕松、更精準。借助人工智能提供的大數據和教育建議，教師可以從繁雜、瑣碎的重復勞動和分數追逐中解放出來，更充分地擔當情感性“育人”的角色，更好地堅守立德樹人的初心。

(作者系南通大學教師教育學院院長、兼任教師教育管理處處長，教授)