依然在路上：教学人工智能的发展与局限

      中图分类号：G434 文献标识码：A 文章编号：1671-9468(2019)04-0002-16

      人工智能(Artificial Intelligence，简称AI)的概念诞生于1956年在美国召开的达特茅斯会议，其定义为：让机器的行为看起来像人所表现出的智能行为。迄今为止，人工智能的发展主要经历了三次高峰、两次低谷[1-2]。

      1956-1974年间，人工智能迎来了第一个发展高峰，主要成就是解决了一些数学、几何问题，但由于能够处理的问题复杂程度有限，因此经历了1974-1980年间的低谷。专家系统的崛起使人工智能在1980-1987年间迎来第二个发展高峰，然而当时的专家系统通用性较差、维护成本高，受限于此，人工智能又经历了1987-1993年间的发展低谷。1993年至今是人工智能发展的第三个高峰，主要推动力是算力强大的计算机、能够构建深层智能的数学模型及大数据。概括来讲，现代人工智能是计算机基于机器学习从大数据中学来的。例如，翻译人工智能源于中英文对照大数据；围棋人工智能AlphaGo则由围棋对局大数据中得来。

      教育人工智能(AI in education)是学习科学与人工智能相结合而形成的新兴研究领域[3-4]，宏观上可以分为教学人工智能、教育管理人工智能两个方向。教学人工智能侧重于利用人工智能技术支持教师设计教学策略、实现精准化教学，帮助学生规划学习路径、推荐学习资源、提升学习效果等。教育管理人工智能主要依赖人工智能技术提供决策支持服务，如合理调配教育资源、建立有效的教育管理制度等。相比于管理人工智能，教学人工智能在提升教育质量方面发挥的作用更为直接，也更为核心。

      教学人工智能研究的现状如何？具体来说，这些研究可分为几类？各类研究使用了哪些人工智能技术，当前进展如何，面临哪些挑战？未来可能有哪些研究热点？回答这些问题能为政府出台教育人工智能相关政策提供依据，推动人工智能更好地服务于教学，但现有研究少有回应。鉴于此，本文将对教学领域的人工智能技术运用进行系统分析。

      二、现代人工智能研究体系

      现代人工智能体系主要包含计算机视觉、自然语言处理、机器人学、机器学习、认知与推理、博弈与伦理六个活跃的领域①。

      计算机视觉的工作主要是从图像、视频等数据源中提取特征，进而完成物体的检测、识别、描述等任务，具体研究主题包括图像识别[5]、图像语义分割[6]等。

      自然语言处理关注人类自然语言与计算机之间进行通信的理论与方法，涉及很多具体研究方向，例如：语音识别旨在将人类的语音内容转化成文本，可用于构建机器翻译系统[7]；文本分类的目的是将文档自动归类到与之匹配的一个或几个类别中，广泛应用于情感分析[8]等多种场景。

      机器人学注重机械工程学、电子工程学、计算机科学等学科的跨学科研究，用于制造取代人力的自动化机器。如今，机器人技术已广泛应用于包括教育[9]、工业[10]、医疗[11]在内的诸多领域。

      机器学习是专注于方法论的领域，目标是让机器从数据中获得知识，进而自动完成解释、预测等任务。机器学习可分为有监督、无监督、半监督机器学习，三者的关系如图1所示。

      

      图1 机器学习的三种类别

      有监督机器学习的输入为已打好标签的数据，旨在学习数据与标签间的对应规则，典型应用为分类、预测，常用模型包括K近邻、支持向量机等；无监督机器学习的输入为无标记数据，用于分析数据子集间的结构性异同，典型应用为聚类，常用模型包括K-means、层次聚类等；半监督机器学习介于有监督、无监督机器学习之间，输入中既有标记数据，又有无标记数据，典型应用为在标记数据有限的条件下，通过同时分析无标记数据提升任务的学习表现。最近，机器学习中进展迅速的子领域为深度学习，代表模型有卷积神经网络[12]、循环神经网络[13]，它们在计算机视觉[14]、自然语言处理[15]等领域被广为应用。

      认知与推理指人工智能感知外界及根据前提推出结论的过程，具体研究方向包括认知神经学[16]、环境条件推理[17]等。

      博弈与伦理主要研究与人工智能技术相关的伦理道德问题，如人工智能的道德责任承担[18]、对人工智能武器的研发及使用监管[19]等。

      人工智能与教育领域关系密切。有关教育人工智能的研究，国外起步较早，如1970年，卡波纳(J.R.Carbonell)即开发了SCHOLAR系统[20]，该系统能基于存储的地理知识与学生进行问答式对话。在英文文献中，不管讨论人工智能技术在教育领域的主要应用形式与方法[21-23]，还是其现实意义及未来展望[24-25]，都将重点锁定在教学环节，即利用人工智能支持教师设计教学策略、帮助学生规划学习路径、推荐学习资源等，以提升教学效果。国内的教育人工智能研究起步较晚，典型应用如张景中等设计的“Z+Z智能教育平台”[26]。多数中文文献在论述教育人工智能时，其重点同样是教学人工智能[27-31]，但也有文献提及教育管理人工智能，如吴永和等介绍的“智慧校园”的部分核心功能[32]，焦宝聪等讨论的智能化教育决策支持系统[33]，都是为科学决策教育问题、建立有效的教育管理制度等提供服务。由于教学人工智能直接应用于教师授课、学生学习，在提升教学效果层面发挥了更为核心的作用，所以本文聚焦于分析教学人工智能的前沿研究。