人工智慧怎麼顛覆「傳統教育」？

人工智慧可以構建一個教育超腦。

相當於每個老師、管理者和學生身邊有一個虛擬的機器人。

有了大數據、人工智慧、學情分析，對學生個性化畫像，就可以提供個性化的指導。

（東方IC/圖）

（本文首發於2018年8月2日《南方周末》）

教育、人工智慧教育和大數據的結合，有成功的經驗，也有失敗的教訓。

新技術的應用，可能在某些方面促進了學生的發展，但在某些方面可能又影響了孩子的健康發展。

人工智慧對傳統教育的改變至少包括兩個方面。

一是育人目標的改變，很多重複的體力和腦力勞動正被迅速取代；二是育人方法的改變，不僅是在線課程的增加這麼簡單，更包括對教學過程的數據化，更精準地掌握學生的學習情況，個性化地推薦學習內容以提高學生學習效率，智能評卷以減少誤差與教師工作量，以過程化的學習數據替代「一考定終身」，乃至學校存在的樣態等等。

但是，大數據和人工智慧是否將徹底替代教師的作用？教師的角色轉型如何進行？在教育乃至整個社會發展中，是否會帶來隱私權喪失的挑戰，如何保護學生和教師的數據隱私權？人工智慧的發展還潛藏著哪些別的風險？諸多問題，需要及時提出，早做應對。

2018年7月21日到22日，「全球人工智慧與教育大數據峰會」在北京國家會議中心召開，中國教育學會會長鍾秉林、北京師範大學校長董奇、科大訊飛執行總裁吳曉如、英國劍橋大學心理測量中心主任John Rust教授等對人工智慧給教育和社會發展帶來的顛覆、想像空間與挑戰，進行了精彩闡述。

我們選登部分內容，供對教育和人工智慧融合感興趣的讀者參考。

AI技術如何帶來「因材施教」

董奇：在討論AI、大數據技術和教育結合時，有兩個表述方法，一是「AI+教育」，一是「教育+AI」。

看似差不多，但含義非常不一樣。

如果講「AI+教育」，狹義理解，是怎樣把AI、大數據技術運用於教育中。

現在新的AI、大數據技術層出不窮，數以千計的應用。

中小學、教育管理者在選擇時，出現了很多困難和認知負荷。

「教育+AI」的出發點是圍繞在教育實踐、管理中，在學生學習中，在教師的教學中存在的實際問題，用心去解決，有的新技術可以助推這些問題的解決，但很多時候不是這樣的。

我特別希望企業、研究者能多關注「教育+AI」「教育+大數據」。

有三個聚焦點，一是聚焦質量。

每個孩子都能享受適合他的教育，需要精準了解、匹配每個孩子的學習需求、學習能力、知識基礎、學習速度。

二是公平。

我們的教育發展水平差異比較大，要通過運用、研發新的技術方法，推動優質資源的共享。

現在我們也有一些技術在這方面進行廣泛應用，有的效果還不錯，有的效果實際上並不好，並沒有真正解決教育公平問題。

三是效率。

現在不僅學生學習負擔重，教師負擔也重，怎樣用新技術和方法，幫助學生、老師減輕負擔？

我們一定要認識到，AI、大數據和教育目前的應用結合都是初步的，還處於初級階段，很多問題沒有解決，很多應用效果並不明顯。

我們必須客觀，尊重事實，不能把現在還沒達到的效果說得過高。

但在行動上要大膽嘗試、創新，坐而論道是不能解決問題的。

教育、人工智慧教育和大數據的結合，有成功的經驗，也有失敗的教訓，應該更包容地去鼓勵創新，推動探索。

要從促進學生身心全面發展的角度評價新技術應用出產的效果。

新技術的應用，可能在某些方面促進了學生的發展，但在某些方面可能又影響了孩子的健康發展。

吳曉如：人工智慧技術和教育改革到底是什麼關係？BBC和一家研究機構共同做出了一個新技術可能帶來一些職業重大變化的研究結果。

電話推銷員、打字員、會計、房產經紀等職業很快要被替換掉，但教師、心理醫生、藝術家的替代度很低。

人工智慧是通過一些算法、數據，構建一個智能化的模型，讓一些冷冰冰的機器變得像人一樣能聽會說，叫機器變得更聰明。

人工智慧技術的一些應用和當前教育方法，完全不是對立的。

關鍵是融合，老師未來在機器的輔助下，讓教學更有效率，效果更好，同樣的時間讓學生接觸到更多有效信息。

人機融合會成為一個越來越重要的關鍵詞，其他行業也要關注到人工智慧和自己結合以後帶來巨大效益的提升。

人工智慧、大數據和一些新的網際網路相關的技術，可以為教育構建一個非常不一樣的智慧的環境。

它以學生為中心，更好地進行線上線下混合的學習，更好地去個性化學習。

具體來講，人工智慧技術可以更好地幫助老師去看、去聽，幫助老師和學生分析學習，推送個性化的學習資源。

「看」：老師、學生通過紙筆會產生非常多的數據，但原來可能你做完一本作業後扔掉就算了。

現在在智能化技術的幫助下，可把所有過程化的數據轉換成計算機未來可以分析的結構化的數據。

中英文的字符集的識別率已達到97%，機器轉寫文字的準確率比人更高，對一些比較複雜的數學物理公式的轉寫正確率也已達到92%。

還包括人臉的識別、注意力的分析等。

「聽」：在「聽」上，機器已經遠遠超過了人。

機器的轉寫正確率已超過了95%，人達不到90%。

「說」：讓機器有嘴巴，目前人工智慧技術也有了非常大的進步。

比如，只要有川普半個小時左右的語音，機器學習，訓練出來一個模型，想讓他說什麼就可以讓他說什麼。

以後，能說還不夠，機器必須知道看的、聽的是什麼意思，這裡又有機器的分析能力，能減輕老師的負擔。

比如，機器在一些哪怕是比較複雜的作文評卷上，已經達到高水準。

它可以有效克服人在評分時因為疲勞度等造成的一些問題。

最後再看「決策」。

知道了你的情況，怎麼做出反饋？老師希望根據班級的情況，給最合適的資源。

在智能推薦上，現在通過知識點的預測，可以給學生、老師提供更加精準的一些教學過程中的指導。

學習效果能非常顯著地提升。

人工智慧可以構建一個教育超腦。

相當於每個老師、管理者和學生身邊有一個虛擬的機器人。

老師教學、學生學習時，有個機器人伴侶可以提高效率。

這種教育超腦，光有人工智慧技術還不行，物理教學裡一共有多少重要的知識點？哪些是物理教學中最需要關注的重點？這需要教育行業的一些大數據。

光有冷冰冰的大數據也還不行，需要一些重要的教育專家融入進來。

教育超腦具體如何應用於教學與管理呢？雖然以學生為中心，但不能忘記老師是課堂的組織者，幫忙不添亂，一定讓老師感覺到是有幫助的，減輕了自己的教學負擔。

首先，可以大幅降低老師批改作業的強度。

第二，幫助實現「以學定教」。

優質教育資源還非常稀缺，如何讓普通老師在人工智慧的幫助下，也可以讓教學效果得到大幅度的提升？老師在和學生互動過程中，過程化的數據都會被收集起來，機器在後台進行自動分析，生成一個學習報告，給整個班級、給每個學生畫一個像。

根據學生情況，老師做教學調整，甚至上課時給學生的課堂練習也是分層次的，讓課堂效率得到大幅提升。

從後台的數據分析看，以學定教後，課堂效率可以提高20%到30%。

大數據是由一些小數據所構成的，比如班級的小數據。

老師上課過程中自然而然產生了很多非常優秀的資源。

人工智慧助手可以記錄課堂點滴。

這種場景化的數據，對老師課後的教研，喚醒學生記憶，非常有用。

這種小數據可以形成巨大的教育資源庫。

第三，幫助開展學生個性化學習。

有些學生比較調皮，有可能智商很高，未來也有潛力，但第一課有10%的東西不懂，第三、四課有百分之三十的東西不懂，期中考試完後，別的學生90分，他60分。

次數多了，就會被貼個差生的標籤。

有了大數據、人工智慧、學情分析，對學生個性化畫像，就可以提供個性化的指導。

把每個學生做的錯題列出來，分析錯題背後的知識點、學科能力，到底問題出在哪，從而每個學生都進行分層練習。

第四，幫助管理者科學決策、高效管理。

比如現在新高考後走班排課，非常複雜，學生6選3，可能需要一個小組排一兩個星期！有智能化的助手輔助，三分鐘就可以把課表排出來，然後再進行一些細微的調整，一兩天就可以形成學校課表。

另外，如果僅僅基於學生當前的知識點去選，可能把學生未來的學科潛力「謀殺」。

通過學生日常數據自動分析來進行選課指導，會更精準。

在後台智能算法的幫助下，教務管理、學生個性化的特質分析，和原來只能依照經驗相比，發生了翻天覆地的變化。

最後，依託這些不同場景核心應用，要打造一些融合性的空間。

創建老師和學生之間隨時互動，可以對教學重要過程進行過程化記錄的數字化環境。

另外，創新的內容也非常重要，給學生提供更有意思的教學內容，尤其是一些比較枯燥的課程，把虛擬現實等一些手段用上，使教學內容更豐富。

因材施教的夢想，在這種新技術的驅動下能夠更快地實現。

學校與教師還不能被徹底取代

鍾秉林：在新的時代，中國的教育出現了新的特徵。

首先是主要矛盾轉化，從過去的上學難轉變為上好學校難！老百姓迫切需要高質量的教育。

解決矛盾的根本途徑是拓展優質教育資源。

通過努力辦好每一所學校，來緩解這個矛盾，但困難也在這兒。

辦好一所學校，要厚積薄發。

經費充足，規劃得當，硬體條件可以很快改善，大家重視努力，軟體水平也可以在不太長的時間內顯著提高。

但辦好一所學校的關鍵，精良的教師隊伍，需要幾代乃至十幾代教師長期積澱才能逐步形成。

孩子在學校里除了學習知識外，學校優良的辦學傳統，校風學風，對孩子成長成才具有潛移默化的作用，這不可能一蹴而就，不可能用錢簡單地堆砌出來。

信息科技的飛速發展，信息科技與教育教學的深度融合，為化解教育的主要矛盾，帶來了重要機遇。

人類獲取知識的方式和渠道正發生改變。

學生們獲取的渠道是多樣化的，必然導致學校的教師角色的轉型，從過去的學生知識傳授者，轉變為學生學習活動的設計者和製造者，師生之間形成一種新型的學習夥伴的關係。

網際網路教育的發展還正在顛覆著傳統的學習過程。

過去，知識傳輸一般是在課堂上進行，通過教師講授，學生聽講來實踐。

知識內化的過程往往是要在課後，學生通過複習做習題，教師輔導，答疑，學生參加必要的教學實驗，來鞏固消化，所學的知識能夠真正掌握，融會貫通。

在網絡教育背景之下，這個過程可能顛倒。

學生知識獲取轉移到上課前，通過網上個性化的學習來實現。

課堂上，教師就不能講授為主，必須引導學生探究，反思討論，學生主講、演示，教師糾錯，課堂上要實現學生知識內化的一部分功能。

學習過程的革命，翻轉課堂的翻轉，內涵就在於此。

以慕課翻轉課堂微課程、混合式教學等等為代表的基於網絡的教學模式，可以突破學習時間和空間局限性，有利於學生個性化的現場學習。

大數據、人工智慧的發展，和教育的融合，將給教育帶來顛覆性的變革。

通過分析學生的學習和生活的數據碎片，可以研究學習者的行為模式，建立個性化的教育體系，真正因材施教。

另一方面，我們也將被海量的信息充斥，應對這樣的挑戰，要從知識轉為能力本位，尤其是學生的創造性和批判性思維的養成。

學校、教師首先要轉變觀念，突破千校一面、萬人一面的培養模式，多樣化個性化地培養人才；要創建以學生學習為中心的教學和學習方式，探索構建師生學習共同體，通過教師的引導，師生的互動和學生之間的合作來實現教學目標。

網絡教學的實踐絕不僅僅是技術層面和教學層面問題，還涉及管理體制，像教學、學生管理機制等。

最後，信息科技與教育教學的深度融合，不能改變我們的教育初心，要警惕陷入純技術化的誤區。

學生的一些社會發展性素養的養成，比如人際交往能力，公共關係能力，團隊精神的養成及健全人格的培養等等，從目前看，還只能在現實環境當中，通過校園教育，通過學生的群體學習，通過學生走上社會之後的社會實踐來逐步加以解決。

我們要保持清醒的頭腦。

從這個角度而言，課程教學不等於學校教育。

網際網路的技術應用可以把一門課程做到極致，質量非常高，但網際網路教學還不可能完全取代學校教育。

因此我覺得我們也要避免炒作概念，避免片面的誇大作用。

人工智慧和教育融合，會挑戰教師的傳統角色和權威地位。

有一部分知識性的教學角色可能被人工智慧所取代，但教師不可能被完全取代，我們必須要凸顯教師育人功能的重要性。

教師如何跟上信息技術和教育融合發展的潮流，如何保持敏銳的目光，啟迪學生的智慧，涵養學生人格，這是要認真考慮的。

軟家長制、監督與 人工智慧的「道德發展」

John Rust：這個世界有哪些創新？一是行為科學，二是監視技術，三是機器學習，四是人工智慧。

2008年英國政府推出了「輕推策略」（nudge initiative），提出了一個理論，叫軟家長制。

就是通過一些隱性的方法，鼓勵人們去糾正一些不正確的行為，比方說不要吃太多垃圾食品、抽菸、過度使用能源等。

這種選擇往往是在潛意識中做出的，因而並不涉及媒體宣傳等完全公開的規勸手段。

英國的行為洞察部門把心理學和行為經濟學的研究發現應用到公共政策和服務中。

對於那些危險的人，比如說恐怖分子、性犯罪、校園暴力者、危險駕駛行為的人，都可以通過收集大數據來展開調查。

通過醫療、教育、稅收、消費、旅行、工作、手機等各個方面的記錄，甚至是網絡攝像頭都成為大數據收集的來源，都能服務於「輕推策略」。

面對信息高速公路，你可能被輕輕地推了一下，不僅可以把你朝正方向推，也能把你朝反方向推。

2013年，英國的外長就說，如果你沒什麼可隱藏，也就沒什麼可擔心。

你自己判斷，它到底是一個烏托邦的社會，還是一個反烏托邦的社會？

現在只需要分析網上足跡，就可以判斷一個人的性格、智商、社會觀點、生活滿意度、語言習慣等等，一覽無餘並精準地畫像。

面對這樣的情況，怎麼辦？最主要的問題就是，誰控制著這背後的一切。

有時並非你自己能夠決定收到什麼信息，而是機器學習的算法。

這就是我們當前的處境。

網際網路是一個更豐富的互動空間，由數字網絡組成，用來儲存、修改並交流信息，網際網路會讓人和人之間可以共同完成更多的事情。

現在在我了解世界的同時，世界也在了解我。

這就是網際網路空間當中的事實。

網際網路空間也需要管理，需要秩序來確保安全性。

現在我們知道機器在學習算法，在進行深度學習。

人類需要諮詢師、老師、律師。

要成為這樣的人，需要進行培訓。

機器可以非常好地去預測人類的情緒和情感。

短時間之內，能給一個人拍很多照片，解讀情緒。

微軟最近的一個項目可以識別你的憤怒、鄙夷、厭惡、害怕等表情。

所以說在網際網路空間，不僅有機器，也有人的情感在發生。

其實我們在網際網路空間浸入的是更多的人性，不僅僅是思想和情感。

集體無意識、和平之神、戰爭之神，所有人類情緒中出現的東西都會在網際網路空間有所體現。

這些情緒都能遷移到網際網路空間中。

「不喜歡」的負面情緒傳播的速度往往比「喜歡」的正面情緒更快。

我們需要一個模型，讓我們知道算法和網際網路空間到底發生了什麼。

隨著時間的推移，人工智慧會變得更加複雜、精確。

我們都是網際網路時代的居民，居住在網際網路空間中。

最後一個是道德發展的問題。

我們有人類道德發展的理論，人類有自己的思想和情感體驗，有倫理道德的約束。

機器可以通過計算了解個體差異，識別情緒。

通過明確的交互方式，機器人也具有相應的規則。

比如說我們告訴機器人，要提高點擊率與收益，要善待兒童。

我們有很多的方式來培訓機器人遵循我們的規則。

但有些時候並非如我們所願，還是會有一些風險。

假如在培養機器人道德時，出現失誤怎麼辦？有可能機器人會像人一樣出現精神病人的人格障礙，也可能會停留在道德發展的早期階段，甚至機器人也會出現無意識，對自己的「犯錯」沒有任何「悔恨之心」。

目前的人工智慧，還需要解決這樣的問題。

我覺得，孩子是我們的未來，但是，或許機器人同樣也是我們的未來。