人工智能曆經半個多世紀的(de)發展，逐漸形成了以符号主義、連接主義、行為(wèi)主義為(wèi)主要代表的(de)思想流派。近年(nián)來，随着以深度神經網絡為(wèi)代表的(de)深度學(xué)習算法的(de)不斷發展，人工智能技術在學(xué)術界和(hé)産業界都得到了飛(fēi)速發展，正在不斷變革我們的(de)社會生産與生活。随着《新一(yī)代人工智能發展規劃》和(hé)《中國教育現代化 2035》等國家政策的(de)出台，明确提出要利用大數據、人工智能等新興技術，開展“人工智能 + 教育”領域的(de)研究，推動形成基于新一(yī)代信息技術的(de)新型教育模式。随着研究的(de)開展與深入，“人工智能 + 教育”領域在教育知識圖譜、智能評測、智能育人助理(lǐ)等方面已經取得許多重要的(de)進展和(hé)成果。這些進展與成果從教育實踐的(de)不同層面，為(wèi)不同的(de)教育參與者提供了智能化服務，也提升了教學(xué)效率。然而，我們也要看到當前“人工智能 + 教育”研究仍然存在着一(yī)些不足，制約着該領域的(de)進一(yī)步發展。概括來講，需要特别關注以下三個方面——
北京師範大學(xué)教授、未來教育高(gāo)精尖創新中心執行主任、國育未來教育科學(xué)（深圳）研究院教育數智化研究中心首席專家 餘勝泉
一(yī)是“人工智能 + 教育”的(de)研究要面向教育場景，在教育場景下解決教育的(de)實際問題。教育場景是描繪其包含的(de)不同類型的(de)情境信息，以及對情境中發生的(de)教與學(xué)活動過程的(de)抽象表達。從學(xué)習發生的(de)規律看，場景是促進認知加工的(de)重要基礎。情境認知理(lǐ)論認為(wèi)，認知過程是由情境建構、指導和(hé)支持的(de)，認知加工的(de)性質取決于其所處的(de)情境，不能脫離(lí)情境孤立地(dì)研究。從具體教學(xué)實施上看，場景是實現對教學(xué)過程精準理(lǐ)解和(hé)解釋的(de)重要條件，學(xué)習行為(wèi)的(de)內(nèi)蘊取決于學(xué)習者心理(lǐ)、認知、腦等多方面因素，相同的(de)外顯學(xué)習行為(wèi)表現，在不同的(de)教育場景下，會擁有不同的(de)教育意義。面向教育場景，結合教與學(xué)的(de)規律，才能構建适合教育實踐的(de)智能系統。例如(rú)，拍照搜題曾是一(yī)個典型的(de)基于人工智能技術的(de)教育應用，然而實際應用結果發現，此類應用導緻了學(xué)生的(de)惰性學(xué)習習慣，影響了主動思索探究能力的(de)培養。究其原因主要在于該應用未能深入理(lǐ)解對學(xué)生進行科學(xué)輔導的(de)場景，實際功能違背實際的(de)教與學(xué)規律。因此，人工智能前沿技術需要結合教育實際場景的(de)知識與規律，才能較好地(dì)解決教育領域的(de)實際問題。
二是“人工智能 + 教育”的(de)研究要結合教育學(xué)、心理(lǐ)學(xué)與神經科學(xué)的(de)相關理(lǐ)論，研發适應于教育領域、有教育知識支持的(de)人工智能技術。張钹院士倡導第三代人工智能要利用知識、數據、算法和(hé)算力四個要素，采用數據驅動與知識驅動相融合的(de)理(lǐ)念發展人工智能技術。“人工智能 + 教育”的(de)研究要有效利用教育學(xué)、心理(lǐ)學(xué)、神經科學(xué)領域的(de)專業理(lǐ)論，發展面向教育的(de)人工智能。布魯納的(de)認知結構學(xué)習理(lǐ)論，關注學(xué)習過程，認為(wèi)學(xué)習者不是被動地(dì)接受知識，而是主動地(dì)獲得知識，把新獲取的(de)知識和(hé)已有的(de)認知結構相聯系，積極地(dì)建構新的(de)認知結構和(hé)知識體系。神經科學(xué)的(de)相關研究發現，自(zì)我監控學(xué)習行為(wèi)與表面型學(xué)習動機具有非常顯著的(de)負相關，與深層型學(xué)習動機具有非常顯著的(de)正相關。梅耶的(de)多媒體學(xué)習認知理(lǐ)論指出，按照人的(de)心理(lǐ)工作方式設計的(de)多媒體信息，更能促進學(xué)生進行有意義的(de)學(xué)習。社會建構主義認為(wèi)，學(xué)習的(de)本質是個體參與實踐，與他人、環境等相互作用的(de)過程，是與群體之間的(de)合作與互動的(de)過程，是形成參與實踐活動的(de)能力、提高(gāo)社會化水平的(de)過程，個體參與實踐活動、與環境相互作用是學(xué)習得以發生的(de)根本機制，知識和(hé)概念都隻有通過社會化的(de)運用才能得到充分的(de)理(lǐ)解，通過運用不僅改變了使用者對世界的(de)看法，同時又适應了其所處群體特有的(de)文化信念體系。因此，“人工智能 + 教育”的(de)研究要結合教育相關專業理(lǐ)論知識，運用知識驅動和(hé)數據驅動結合的(de)研究範式，綜合集成符号主義、連接主義、行為(wèi)主義的(de)方法，構建面向人類認知、情感與社會性發展的(de)新一(yī)代教育人工智能。三是“人工智能 +教育”的(de)研究要高(gāo)度重視(shì)人工智能模型的(de)可(kě)解釋性研究。教育是一(yī)個特殊領域，不僅需要決策的(de)結果，更需要理(lǐ)解決策的(de)依據與過程，從而保證教學(xué)過程的(de)科學(xué)性與合理(lǐ)性。深度神經網絡模型的(de)內(nèi)部結構和(hé)決策過程也日趨複雜，隻是從海量數據中學(xué)習隐含特征與規律，導緻其決策過程的(de)不透明性，通常難以向用戶提供清晰且易理(lǐ)解的(de)解釋。以深度學(xué)習為(wèi)主要代表的(de)人工智能技術在教育中應用需要設計科學(xué)合理(lǐ)地(dì)解釋性算法，對面向教育領域的(de)複雜模型進行解釋，确保其教育智能決策的(de)正确性。例如(rú)，針對人工智能技術與語文閱讀的(de)結合，在構建閱讀理(lǐ)解模型及資源推薦模型時，需要解釋模型是基于什麽內(nèi)容進行分析判斷的(de)，需要獲得教育專家的(de)認可(kě)，才能保證在模型可(kě)信的(de)基礎上，應用于實際的(de)教育實踐。同時，“人工智能 + 教育”研究也需要探索以何種方式進行解釋，從而可(kě)以得到學(xué)生、教師等其他角色的(de)理(lǐ)解和(hé)信任，滿足教育領域的(de)實際需求。可(kě)解釋的(de)模型是可(kě)信智能教育系統的(de)前提。未來社會将是智能的(de)社會，未來的(de)教育也必将是智能的(de)教育。“人工智能 + 教育”的(de)研究，需要充分利用人工智能的(de)前沿技術，結合教育學(xué)、心理(lǐ)學(xué)的(de)專業理(lǐ)論，構建面向智能時代的(de)教育理(lǐ)論，促進智能化教育的(de)産業實踐，推動教育的(de)智能變革，實現教學(xué)模式、教育思路和(hé)方法、教育組織形态等方面的(de)制度創新，從而更好地(dì)助力教育現代化。