摘要：人工智能与教育深度融合发展的目的在于通过高智能性的技术来不断提升教育的科学性和民主化。人工智能与教育深度融合发展的操作原理是通过技术、数据和算法的重组，推动教育走向智能化，具体表现为支持智能教育关键技术的高智能化（技术）、教育资源的整合与教育大数据的形成（数据）和教育供给的科学化（算法+服务）。就目前而言，人工智能与教育深度融合发展还存在技术基础不稳、教育数据缺陷、算法能力不足等现实问题。为此，要想实现人工智能与教育的深度融合发展，教育应尽早谋划，重新思考人工智能时代教育将如何存在，并从技术基础（改善技术的成熟度，重新思考技术世界中的教育）、数据驱动（加快教育数据资源的整合力度，提高教育数据单元质量）和算法服务（创新教育资源的有效供给方式）三个层面协同推进。
关键词：人工智能; 智能教育; 智能技术; 教育数据; 教育服务; 智能算法;
Deep integration and development of artificial intelligence and education: logical, problems and strategies
Zhang Haisheng
Journal of Chongqing University of Arts and Sciences School of education, Renmin University of China
Abstract：The purpose of the deep integration and development of artificial intelligence and education is to continuously improve the scientificity and democratization of education through high intelligent technology. The operation principle of the deep integration development of artificial intelligence and education is to promote education to be intelligent through the reorganization of technology, data and algorithm, which is specifically manifested in the support of high intelligence (Technology) of key technologies of intelligent education, the integration of educational resources and the formation of educational big data (data) and the scientization of education supply (algorithm + service). At present, there are still some practical problems in the deep integration development of artificial intelligence and education, such as the instability of technical foundation, the defect of educational data and the lack of algorithm ability. Therefore, in order to realize the deep integration development of artificial intelligence and education, education should plan as early as possible, rethink how education will exist in the era of artificial intelligence, and from the technical basis (improve the maturity of technology, rethink education in the technological world), data driven (accelerate the integration of educational data resources, improve the quality of educational data units) and algorithm services (innovation) The effective supply mode of educational resources should be promoted in three aspects.
一、问题提出
随着第四次工业革命的兴起，沉寂多年的人工智能又一次吸引了社会大众的广泛关注。与前两次研发热潮不同，这次人工智能研发热潮走出实验室，开始与产业紧密结合，目前已在汽车、医疗卫生、智能制造、金融等领域得到了应用[1]。王骥认为，未来10—50年，现今看来重要、基础性的数量庞大的人类工作和工种，大都会被淘汰或被机器替代，人类面临生活模式大转换的挑战[2]2。届时，人们将会有更多的精力和时间去做那些更赋创意和更有价值的事情。作为传承文明、创新知识的教育（尤其是高等教育）更应该主动迎接新一轮科技革命和产业革命的浪潮，通过高智能性的新兴技术不断创新教育发展方式，通过技术的智能性提升，加快整个教育系统的变革。因此，我们需要一场教育革命来完成劳动力转型，以应对技术性失业危机。
纵观人类社会发展的长河，每一次科学技术的创新与颠覆，都对教育的方方面面带来全新的变革，推动着教育不断走向普及、民主、科学[3]。人工智能产业应用所依托的技术具有高智能性，能够将教育内容更加及时、高效的精准传播，满足不同个体的发展需求和定制服务。人工智能与教育的融合发展正改变着教育服务模式和资源配置方式，并以“排山倒海”之势推动教育系统变革，从而打破传统学校和教室的界限，倡导以学习者为中心的教育理念，促使个性化学习或定制学习成为现实。既然人类的生产工具正在发生着日新月异的变化，那么我们的教育也应随之发生变革，否则现有的教育就难以发挥其本体功能和社会功能。因此，我们急需通过新一轮的教育革命，通过推动人工智能与教育深度融合发展，进而加快教育不断走向数字化、信息化和智能化。
二、人工智能与教育深度融合发展的逻辑框架
要想弄清楚人工智能与教育融合发展的内在逻辑，我们要理清两个问题：一是人工智能发展所需要的关键要素及其相互关系；二是明确人工智能与教育融合发展的解释框架。
（一）人工智能与教育融合发展的关键要素
目前的人工智能发展主要有赖于三大要素的互相作用：大数据、硬件（主要指能够支撑处理庞大数据软件运行的硬件技术）和算法的发展（特别是深度学习的兴起）。由此，数据、技术和算法就构成了人工智能发展的三大基石。即在“一切皆可数据化”的理念下，一切现实问题都可以转换为大数据问题，然后通过深度学习算法分析和数据挖掘，进而解决现实问题[4]。当人工智能应用到教育领域后，人工智能与教育深度融合发展所要解决的问题实际上也就是技术（支持智能教育的关键技术）、数据（教育资源的整合与教育大数据的形成）和算法（对海量教育数据的分析和深度挖掘）的融合，只有当三者有效融合，才能实现教育资源的有效供给和个性服务。
教育作为一种培养人的社会活动，人工智能与教育深度融合发展的最终目的在于通过高智能性的技术不断提升教育的科学性，推动教育走向智能化。因此，在支撑人工智能与教育融合发展的三大关键要素中，技术和数据是基础，算法是核心，服务是目的[5]27-39。由此我们可以为人工智能与教育深度融合发展的内涵做出以下阐释：所谓人工智能与教育深度融合发展，就是教育应对人工智能等新一轮产业革命的战略设想与选择，旨在通过技术智能性的提升，推动教育的科学化程度和民主性进程，进而为教育的智能化发展以及新旧教育形态的深度融合发展赋予新动能。具体而言，就是通过技术、数据和算法的重组、调整和优化，推动教育走向数字化、网络化和智能化，即通过高智能化的技术推动教育资源的整合与教育大数据化的形成，实现教育资源的有效供给和个性推送。
（二）人工智能与教育融合发展的解释框架
人工智能与教育融合发展的解释框架，即是人工智能与教育融合发展的宏观操作原理、技术路线和运作规则，主要包括技术基础、数据驱动和算法服务三个方面。
1.技术基础：支持智能教育关键技术的高智能化
支持智能教育的关键技术包括两个方面：一是人工智能发展的核心技术突破，如芯片技术、网络技术和神经网络技术等；二是人工智能与教育融合发展需要依托的关键技术，如大数据、云计算、区块链、虚拟现实和增强现实等技术。即借助这些高智能性的新兴科技力量的优势来辅助教育，重构教育形态，推进教育智能化，从而为打造智能化的学习生态环境和个性化的智能教育产品与服务奠定基础[5]27-39。与传统教育侧重于知识传授不同，智能教育更加强调基于技术、数据和算法的新型教育，尤其强调有效（适合）的教育和定制（个性）的教育，而这种新型教育主要得益于现代科技的颠覆与创新。事实证明，人工智能技术的高智能性，不仅是推动传统教育模式发生变革的重要力量，还能有效增强学习者的学习体验和学习兴趣。
在当今社会已经迈入智能化的背景下，必须坚持以技术驱动教育内容创新，坚持以学习者的学习为中心重构教育新业态和新模式，从而推动教育的全方位变革。由此，也就需要政府、学校、各教育机构和家庭等相关利益主体重新思考教育。因为在当今时代，应更加强调培养学生适应社会发展的各种能力，尤其强调人工智能思维和方法的训练，包括教会学生如何搜索（search）、教会学生如何选择（select）、教会学生如何思考（think）、教会学生如何交流（communicate）和教会学生如何写作（write）等[6]。事实上，思维与方法的训练远比知识本身更为重要，这也是当今社会乃至未来社会发展所需的必要技能。例如，现在培养学习者在这个新兴世界中的交流能力，不仅需要传统的阅读和写作训练，还需要他们学会如何运用不同的智能化媒体与那些有不同想法的人进行有效交流[7]25。
2.数据驱动：教育资源的整合与教育大数据的形成
360公司的创始人周鸿祎认为：“如果没有大数据的支撑，人工智能就是空中楼阁。”智能教育的发展亦是如此，如果没有海量数据的支撑，尤其是精准有效的大数据，教育智能化也就无从谈起。表面上，数据是一种无法触及、抽象化的东西，其本身无足轻重，但是一旦当这些数据在恰当的时候被置于适合的位置，将会产生巨大的价值[8]。在教育数据形成的过程中，我们需要明确四个关键问题：一是教育数据的特点；二是教育数据的获取模式；三是教育数据的功能；四是教育数据的质量与管理。
首先，教育数据具有多维度、多形式的特点，它依靠不同类别的活动和教学的整个过程而获得，不仅包括师生的图像等静态数据，还包括师生的语言、动作、姿态及行为轨迹等动态数据。其次，根据不同的教学环境，可以将教育数据的获取模式区分为两种：一种是在数字化的学习生态环境下，教育数据自然生成；一种是在传统的学习环境下，教育数据的获取需要人为收集，并使之转化为教育数据。就目前而言，传统学习环境下教育数据的搜集模式是教育数据的主要获取来源[9]51。再次，教育大数据一旦形成，将有效提升教育教学的效果。一方面，教师通过海量的精准大数据智能分析学生优缺点，并制定个性化的教育方案，从而提升课堂教学的效果；另一方面，学生通过教育大数据，找到自己最想要的知识，自主制定自己的学习计划，同时借助智慧学习环境加强与同伴的交流、互动、协作与共享，从而增加学习乐趣、提升智能学习体验。此外，教育主管部门则通过教育大数据的分析与挖掘，做出更为科学合理的教育决策。最后，教育数据的质量与管理对于个性化教育的实现也至关重要。因此，我们一方面要深入教育刚需之中，挖掘更真实的数据；另一方面，要充分利用精准数据，提高效率，推动教育智能化向前发展[9]178。事实上，教育大数据的最终价值应体现在与教育主流业务的深度融合以及持续推动教育系统的智慧化变革上[10]26。只有拥有了海量精准有效的教育数据，才能实现教育需求侧与供给侧的无缝对接，个性化教育和因材施教才能得以实现[11]。
3.算法服务：教育资源的有效供给和个性服务
人工智能与教育深度融合发展的主要目标是教会学习者完成比传统教育完成得更好的事[12]12。而没有人工智能发展思维和方法的训练，教育就不能跟上人类社会发展的步伐。但教育大数据的分析和深度挖掘需要强有力的算法做支撑，因而人工智能与教育深度融合发展目标的实现，需要对海量的教育数据进行快速处理[13]，从而实现教育资源的精准供给和有效服务。
如此浩如烟海的数据，如何分类提取和有效处理呢？这需要强大的技术设计与运算能力，于是“云计算”产生了[2]20。那么，如何才能实现教育服务的个性化呢？人工智能算法根据“云计算”等算法的运作原理和操作程序，对海量数据化的教育资源和内容进行统计分析，进而结合学习者的身份信息、使用场景和行为偏好，为之推送适宜的教育内容。而且这种智能推送与个性服务更加符合在数字化、信息化环境下成长起来的年青一代对技术的看法——他们并不是将技术作为工具，而是以其为环境。因此，我们需要建立一个富有关联性、创造性、合作性以及保持变化的教育生态系统，通过技术帮助教育者针对每个学习者的个体需要制定相宜的学习活动，并提供实时反馈[14]。
三、人工智能与教育深度融合发展的现实困境
人工智能与教育的深度融合发展处于起步阶段，在技术、数据、算法与服务等方面，依然存在着这样或那样的不足。
（一）技术的智能性问题
尽管技术的智能性问题并不是教育领域能够解决的，但探讨人工智能在教育领域的应用，如果忽略人工智能技术发展的现阶段特征，无疑会将人工智能与教育深度融合束之高阁。就目前而言，现阶段的人工“智能”并不“智慧”，人工智能的优势在于其单一性，而人类的优势在于其通用性。而在人类意识未取得突破性进展之前，强人工智能或通用人工智能就不可能实现。即虽然人工智能技术会在越来越多的低技能、结构化、低社交以及优化型领域成功应用并产生巨大的经济和社会效益，但在涉及高技能、非结构化、高社交以及创意或决策型领域时，人工智能技术渗透的速度、广度和深度均十分有限[15]23-29。事实上，现在的计算机只是在那些没有“感知”的且单一维度的领域远远胜过人类，但是在有“感知”能力下数以万计的综合性领域的学习上，人工智能实际上比人类差得不仅仅是几何级数的问题，或许有着巨大的几乎无法逾越的鸿沟[2]253。当然，随着技术的不断进步、创新与颠覆，强人工智能发展所遇到的各种技术瓶颈可能会被逐渐解决，但在当前，无论是从紧迫性还是从终极可能性上，弱人工智能所呈现的各种渐进性问题均属于常规性问题[16]，技术仍处于初级阶段[17]。由此，人工智能与教育的融合发展实际上也刚开始。
因此，在尚未完全实现技术教育化的背景下，人工智能与教育的融合方式，仍需探索和尝试，以寻求更为适切的契合点。事实上，智能教育的实现或教育的智能化发展要想为社会大众所接受，首要解决的问题依然是技术的稳定性与成熟度问题，而且随着技术的不断成熟，在人工智能与教育进行融合发展时，还必须充分考虑教育系统的复杂性，不能为了融合而融合，简单地将人工智能技术移植到教育领域，如此融合的深度必然只会停留于表层，而且融合的效果也将大打折扣。因为再先进的技术，如果一直游离于教育系统之外，技术的优势和功效就不可能充分彰显[18]。这也是为何如此强调技术的智能性这一问题的关键所在。
（二）教育数据存在重大缺陷
未来似乎是数据的世界。我们掌握的数据越多，能学的也越多[12]10。而且随着物联网的快速与深度发展，教育数据的量和类型将出现井喷态势。然而，就目前而言，教育数据仍存在很大的缺陷和不足。（1）教育数据的规模问题。事实上，当下概念的教育数据实质上就是“感知到的教育数据”——通过各种技术手段记录下来的数据。如今，通过互联网、物联网等感知到的教育数据，只是微不足道的“微数据”或“表层数据”[2]28，更多相关的深层次的教育数据，我们目前仍然无法记录和感知。同时，教育数据规模的不断扩大，并不代表教育数据就能为我所用，这里面还存在教育数据的能用性和清洗问题。（2）教育的分散存储与有效管理问题。一方面，每一所学校在其发展过程中，都获得了海量的教育数据，这些数据一般都独立存放在各自的服务器硬盘中，由此造成教育数据的分散存储和低效管理[19]56。而且随着教育数据的不断增长，中心化的服务器很难满足存储空间的需求，导致教育数据的存储和管理成本增加，进而影响整个系统的运行效率。（3）教育数据的透明化与共享性问题。毋庸置疑，人类社会发展的大趋势是朝向透明化与共享性的，但如今最具价值和最重要的数据大都掌握在教育机构和政府手中，教育数据的公开性和透明化问题一直未能得到有效解决，更何况还有很多涉及保密的信息，由此就造成教育数据鸿沟和教育数据孤岛现象普遍存在，不同数据之间的统一管理和共享也就难以实现。（4）教育大数据发展的悖论。即教育大数据被少数人掌握和使用时，能产生神奇的效用，但是当多数参与者都知晓并使用后，教育大数据的效用将大打折扣，甚至引发反向的破坏作用[2]16-18。（5）教育资源的数据化进程缓慢。教育与时代同在，几千年社会发展所留下来的能够为我们所感知或发现的教育资源是浩如烟海，但要想将之全部数据化，在短时期内似乎并不现实，况且教育资源的数据化仅是实现教育智能化的第一步。
在某种程度上，教育领域似乎并没有充分做好应对人工智能等新兴技术渗透浪潮的准备。而要想有效应对人工智能，必须充分考虑两个因素：人的因素和数据本身。其中，人的因素涉及的范围较广，不仅包括传统的教师和学生，还涉及家庭、社会、用人单位、政府、教育行政主管部门等相关利益主体。只有当所有的利益相关者都对教育数据有了充分的认识和理解后，通力协作，教育智能化所需要依靠的教育数据才能逐渐形成并真正发挥效用。而且，教育领域对大数据潜在影响的适应情况，还取决于教育领域各学校及其内设机构之间能否感知大数据与其自身的关联性。然而，现实情况是，各教育机构之间甚至教育机构各部门之间的数据依然存在隔阂与间隙，存在教育数据统计口径不一、数据格式不兼容、数据更新滞后、数据共享实现困难等问题。同时，教育数据的碎片化、连续性、多维性、复杂性等特性，也对教育主体的数据素养提出了新的要求[20]。
（三）个性化的教育服务能力和教育资源的有效供给不足
满足个体的精细化和定制化学习需求是人工智能与教育融合发展的终极目标。就目前而言，以深度学习或机器学习为主要代表的人工智能的关键优势在于它能从经验中自我改善算法（即通过某种学习获得的信息复制能力和信息处理能力）[21]94-101。究其根本，实际上是神经网络技术的不断创新与突破，但神经网络技术仅是在某一领域具有优势，人工智能算法还不能同时处理不同类型的数据，即人工智能算法尚不能实现“一脑多用”。鉴于教育数据资源的即时性和多样性，以及不同学习个体的发展特征，人工智能算法对个体学习资源的精准推送能力和定制服务能力均有待提升。因此，要想实现教育资源的高质量、精准化、定制性的个性服务，持续优化人工智能算法和数据结构是前提和关键。
另外，教育数据的获取困难也是影响着人工智能个性化服务能力的持续改善。一方面，在传统班级授课制的深刻影响下，教育者与学习者之间的不对等关系难以适应人工智能时代教育的发展趋势。尽管很多学校已经完成多媒体教室的改建工作，但由于大多数教师缺乏教育信息化素养，绝大多数的多媒体设备依然是一种“安静”的存在，未能发挥其应有的作用，由此在教育教学过程中，师生双方的教育数据也就难以通过各种多媒体设备或终端加以记录。另一方面，就算有部分敢为人先的教师积极运用各种新兴媒体进行教学，但对于记录的教育数据也难以进行有效分析和深度挖掘，数据的有用性和能用性大打折扣。更何况，在教育数据共享存在诸多问题的情形下，教育数据的缺陷导致人工智能算法的有效性、精准度不高。
智能化的目的就是要更好地服务于更多的个体，同时形成方便、快捷、个性化、一体化与成本优势的教育新模式。在实践中，机器学习或深度学习一般与大数据分析和数据挖掘有关，多为预测性计划，其实质就是通过构建具有很多隐层的模型和海量的数据训练，来学习更有用的特征，从而最终提升分类或预测的准确性[2]241。但正是由于人工智能技术本身的缺陷以及教育大数据的断裂与缺陷，加之人工智能算法的不全面性，导致教育资源的有效供给不足。而且传统单向度的班级授课制教育模式依然占主导，以学生为中心以及平等互助的师生关系均未能实现[22]，由此就不可能对每个个体的教育需求加以精准预测和个性服务。当然，这还没有考虑人工智能学习成本的问题。
四、人工智能与教育深度融合发展的推进策略
基于前面的论述，人工智能与教育的融合发展必须从以下3个方面协同推进。
（一）改善依托技术的成熟度，重新思考技术世界中的教育
技术发展将如何影响教育的变革，并为社会中的每一个人提供新的教育资源，激发人们利用这些资源的动机，是当下技术与教育融合发展需要首先思考的重要议题之一。不同于人工智能在其他产业的应用，人工智能技术在教育领域的应用必须充分考虑教育系统的特殊性，否则人工智能技术在教育领域的全面渗透，可能会带来很大的伦理风险和信任危机，因此我们有必要从更为广阔的视角来看待教育、反思教育，而技术的成熟度问题是必须考虑的问题之一，也是必须要首先解决的问题，否则人工智能与教育的融合发展就丧失了物质基础。而这些关键的智能技术的完善，不仅要考虑技术的未来发展趋势，还要充分考虑教育的发展规律、适应未来社会职业需要的关键技能（如沟通力、创造力、学习力等）、机器学习的内在逻辑和人机共生的关系等。
本质上，人工智能与教育融合发展是技术创新驱动的。既然是技术驱动教育模式创新、教学形态变革和学习方式转变，那么就要充分考虑教育变革所依托的智能技术的成熟度和适用性。就当下而言，推动人工智能与教育的融合，需要政府、社会、企业、教育机构、家庭、个人等相关利益主体的共同协作，努力突破人工智能教育应用所需的关键技术瓶颈，并重新思考技术世界中的教育。具体而言：（1）政府应加大对人工智能教育应用关键技术的研究投入；加快人工智能教育应用的长远规划和宏观战略布局；通过试点方式不断推动人工智能教育向前发展；通过立法等方式，加强对人工智能教育的监管[15]23-29，并明确哪些其他选择可以替代学校，学习者在追求其他选择之前要达到哪些要求等。（2）教育机构应主动拥抱人工智能技术，在技术世界中重新思考教育应该何去何从，包括重新思考学习如何进行，什么样的学习内容更为重要，未来职业变化对教育的影响，如何培养学生应对学习与工作之间的过渡，以及教育领导如何转换以应对技术的变革等。同时，积极运用新兴科技重构智能技术创新驱动下的智慧教育生态环境，为学生的个性发展和潜力挖掘提供良好的教育环境；加强与人工智能企业的合作与交流，探索适宜于学校自身发展的融合模式。（3）家庭和个人应主动应用人工智能教育产品和服务，通过与机器人的交互，扬长避短，实现人工智能与人类智能的合作共生，从而不断提升学习效率。事实上，在弱人工智能时代，机器人不仅有潜力为我们提供必要的食物、衣物、庇护和娱乐，还将再造人性（rehumanizing）而不是去除人性（dehumanizing）[23]。
（二）加快教育数据资源的整合力度，提高教育数据单元质量
数据对于人工智能与教育融合发展至关重要。因此，我们必须充分考虑智能时代教育数据的获取、存储、管理和共享问题。首先，在进行教育数据的获取时，充分利用科技的强大的力量，通过智能设备（终端）搜集和抓取线上线下两个教育场景的教育数据，不断扩大教育的数据集合，为后续教育数据的分析和挖掘以及教育决策的形成提供数据支持。其次，通过区块链技术实现教育数据的高效存储、有效管理和及时分享。因为区块链本质上是一个去中心化的分布式账单，教育系统利用区块链技术，不仅能够实现海量数据的存储，保证数据的真实性和安全性，而且不再需要使用中心服务器俩存储数据，从而降低了数据丢失的危险。同时，利用区块链技术，还可以有效存储教育档案，实现教育资源的共享。例如，清大世纪教育传媒在2015年就开始布局区块链，通过在线下的各类教育机构设置智能机，再与线上教育App相结合，实现了教育数据的及时记录与获取，以及线上线下教育资源的互通与共享。目前，清大世纪教育传媒已经整合了全球7万家教育机构，做到了数据搜集与共享同步[19]56。最后，教育机构还应重视用户数据和交互数据的搜集和分析，通过各种技术手段实现教育数据统计口径的统一、数据格式的兼容和数据管理的效果；加强教育机构不同数据之间的共商、共建和共享。基于此，我们就可以逐渐构筑一个以知识体系为基础，以知识计算和知识服务技术为关键的跨学科、跨领域、跨媒体的教育超级大数据，从而为人工智能与教育的深度融合发展提供数据基础。
此外，教育机构还必须重视教育资源的数据化处理，提升教育数据单元的价值。事实上，媒介不等同于信息，在智能化时代，教育资源的课程设计至关重要，它关乎课程是如何被创造出来的，关乎学生们如何进行必要的练习以获得持久的知识[24]97。因此，教育机构和教师应转变传统教育内容的呈现方式，将整本书的数据价值加以充分挖掘，使之碎片化，成为数十个乃至数百个相对独立的教育数据单元，以适应移动互联网时代用户和读者碎片化获取知识和信息的个性化需求，支持个性化智慧学习生态环境的形成，真正实现通过教育大数据推动和引领教育改革。据此，教育机构必须提前部署适当的系统、技术和工具，使之成为可能，并通过大数据的反馈（Feedback）、个性化（Inpidual-Lization）和概率预测（Probabilistic Predictions）重塑学习形态[25]，从而形成基于个体需求差异的自适应学习系统[26]。
（三）创新教育资源的有效供给方式，实现学习需求的个性化定制服务
我们之所以一直在强调要变革教育，更新学校教育内容，主要是因为目前学校提供的课程与知识经济中获得成功所需的技能并不匹配[7]130，更不要说用现在的标准化教育模式来适应未来的智能化教育了。这实际上对教育提出了更大要求——面对智能化的发展趋势，学校教育能否为学习者提供最佳的教育资源或课程设计，以帮助学习者适应教育智能化和智能化社会的发展需要。因此，创新教育资源的有效供给方式就显得极为关键和紧迫。实践证明，大数据智能将使个性化教育获得极大支持[27]，即基于人工智能算法的教育供给方式，能够使学习者学习参与度的识别表现更为准确、便捷和高效，这将为精准教学和个性化服务注入强大的生命力[28]。而且人工智能在教育领域的加持，不仅为新教育技术打上了“智慧”的标签，能够使其更加了解学习者，并据此预测学习者的需求，为学习者提供更为个性化和有针对性的学习服务和体验，从而促使智能技术的工具属性上升到教育伙伴的关系维度上[29]。可见，人工智能预测未来的能力是衡量人工智能程度的良好指标[21]368。
那么，我们如何才能让人工智能对个体的教育需求进行更加精准的预测呢？美国“高级分布式学习”组织发布的xAPI似乎为我们提供了可行的途径。该组织通过在“训练与学习框架”（Training and Learning Architecture,TLA）中添加“学习经历跟踪”（Experience Tracking），对学习者在学习过程中的学习经历和个性化的学习行为进行跟踪、描述和分享，随后通过一系列教与学教育数据的充分分析和挖掘，了解学习者的学习状态和整个学习环境的运行情况；通过学习分析技术将学习数据进行可视化呈现，帮助学校、教育管理者、教师和学习者个人了解自身数据，从而改善教学活动；通过大数据和智能算法实时跟踪每一位学习者的学习经历，有效支持个性化学习的实现[10]57-58。简言之，人工智能教育所创设的智慧学习生态环境和教育内容的个性推荐，不是由教育者主导的，而取决于学习者自身[24]100。因为对于不同个体的教育数据，传统的算法很难有效区分个体的差异需求，人工智能算法则不同——那些嵌套在算法和规则中的模式，不仅能够处理、分析并操纵信息，还控制着计算机的运行，它时刻密切关注着学习者的个体学习情况，并据此进行个性化的定制服务。
五、结 语
在规模化正在被定制化替代、标准化正在被个性化替代、程序化正在被智能化替代和实物化正在被数字化替代的今天[2]91-96，人工智能与教育走向深度融合发展是必然趋势。全世界的人们正把教育从学校引入家庭、图书馆、网吧和工作场所，在这些环境中他们能决定他们想学什么、什么时候学习、如何学习等[30]，即人们可以运用技术根据自己的兴趣和意愿进行学习[7]16-17。
从教育与技术的关系来看，一方面，人工智能与教育融合发展所依赖的各种新兴技术具有高智能性，教育智能化的实现本质上是技术创新驱动的，由此才能推动教育教学形态的全面变革，从而提升教育教学的效率；另一方面，信息化时代成长起来的青年一代，其学习方式发生了巨大的转变，由传统的面对面的知识传授转向移动化、碎片化、数字化学习，尽管传统线下教育依然占据主导地位，但人工智能技术的巨大优势能够帮助他们更好地认识自己、发展自己和提升自己。
然而，需要明确的是，现阶段我们依然处于弱人工智能时代，无论是实践层面还是理论层面，人工智能与教育融合的道路均还很漫长，未来教育需要从“人工智能+教育”向“教育+人工智能”过渡[31]。同时，我们还应认识到人工智能只是重构教育生态系统的一种技术手段，它提供的只是技术支持与服务，而不是更为重要的教育资源的开发与生产，它的功能在于促使教育过程更加智能、便捷、高效，教育资源的推荐更加精准、个性化和有针对性。因此，我们有必要重新思考人工智能时代教育（包括教育的意义和价值、教育的方式和性质、教育的方向和伦理等）将如何存在[32]。而且，人工智能技术在社会各行各业的不断渗透也警示我们，教育必须提早谋划与人工智能的融合发展，主动迎接人工智能技术，通过人工智能不断提升教育的智能化水平，进而提升教育的民主化与科学性[33]。但随着人工智能关键技术的颠覆与创新，我们也不排除人工智能会以其他更让人意想不到的方式渗透教育领域，从而推动教育系统的整体变革。
参考文献
[1]张海生,吴朝平.人工智能与出版融合发展:内在机理、现实问题与路径选择[J].中国科技期刊研究,2019,30(3):225-231.
[2] 王骥.新未来简史:区块链、人工智能、大数据陷阱与数字化生活[M].北京:电子工业出版社,2018:2,20,253,28,16-18,241,91-96.
[3]潘懋元,陈斌.“互联网+教育”是高校教学改革的必然趋势[J].重庆高教研究,2017,5(1):3-8.
[4]王作冰.人工智能时代的教育革命[M].叶光森,整理.北京:北京联合出版公司,2017:21.
[5]吴永和,刘博文,马晓玲.构筑“人工智能+教育”的生态系统[J].远程教育杂志,2017,35(5):27-39.
[6] 王竹立.碎片与重构:面向智能时代的学习[M].2版.北京:电子工业出版社,2018:232.
[7] 阿兰?柯林斯,理查德?哈尔弗森.技术时代重新思考教育:数字革命与美国的学校教育[M].陈家刚,程佳铭,译.上海:华东师范大学出版社,2013:25,130,16-17.
[8] 马尔科姆?弗兰克,保罗?罗里格,本?普林. AI+人:新机器时代我们如何生存[M].张翰文,译.北京:人民邮电出版社,2018:68.
[9]韩东,陈军.人工智能:商业化落地实战[M].北京:清华大学出版社,2018:51,178.
[10] 方海光.教育大数据:迈向共建、共享、开放、个性的未来教育[M].北京:机械工业出版社,2018:26,57-58.
[11]钟绍春,唐烨伟.人工智能时代教育创新发展的方向与路径研究[J].电化教育研究,2018,39(10):15-20,40.
[12] 佩德罗?多明戈斯.终极算法:机器学习和人工智能如何重塑世界[M].黄芳萍,译.北京:中心出版社,2017:12,10.
[13]黄欣荣.人工智能热潮的哲学反思[J].上海师范大学学报(哲学社会科学版),2018,47(4):34-42.
[14] 凯文?塔尔博特,比尔?马克,埃里克?托普,等.移动革命:人工智能平台如何改变世界[M].吴建新,译.北京:机械工业出版社,2017:47-52.
[15]张海生.人工智能时代的高等教育将如何存在[J].江苏高教,2020(2):23-29.
[16]翟振明,彭晓芸.“强人工智能”将如何改变世界——人工智能的技术飞跃与应用伦理前瞻[J].人民论坛?学术前沿,2016(7):22-33.
[17] 皮埃罗?斯加鲁菲.智能的本质:人工智能与机器人领域的64个大问题[M].任莉,张建宇,译.闫景立,审校.北京:人民邮电出版社,2017:93.
[18]张海生,范颖.“互联网+教育”时代的学习新形态:主要类型、共性特征与有效实现[J].中国远程教育,2018(10):24-34.
[19] 张元林,陈序,赵熙.区块链+:开启智能新时代[M].北京:人民邮电出版社,2018:56.
[20]汤贝贝,薛彦华.大数据背景下高等教育治理转型:机遇、挑战与应对策略[J].重庆高教研究,2019,7(2):77-86.
[21] 麦克斯?泰格马克.生命3.0:人工智能时代生而为人的意义[M].汪婕舒,译.杭州:浙江教育出版社,2018:94-101,368.
[22]顾明远,蔡宗模,张海生.中国教育改革发展的昨天、今天和明天——顾明远先生专访[J].重庆高教研究,2019,7(2):5-11.
[23] 约翰?弗兰克?韦弗.机器人是人吗？[M].刘海安,徐铁英,向秦,译.上海:上海人民出版社,2018:232-233.
[24]凯文?凯利.大学的终结:泛在大学与高等教育革命[M].朱志勇,韩倩,译.北京:人民邮电出版社,2017:97,100.
[25] 维克托?迈尔-舍恩伯格,肯尼思?库克耶.与大数据同行:学习和教育的未来[M].赵中建,张燕南,译.上海:华东师范大学出版社,2015:13.
[26]菅保霞,姜强,赵蔚,等.大数据背景下自适应学习个性特征模型研究——基于元分析视角[J].远程教育杂志,2017,35(4):87-96.
[27] 潘云鹤.人工智能2.0与教育的发展[J].中国远程教育,2018(5):5-8.
[28]曹晓明,张永和,潘萌,等.人工智能视域下的学习参与度识别方法研究——基于一项多模态数据融合的深度学习实验分析[J].远程教育杂志,2019,37(1):32-44.
[29]褚乐阳,陈卫东,谭悦,等.重塑体验:扩展现实(XR)技术及其教育应用展望——兼论“教育与新技术融合”的走向[J].远程教育杂志,2019,37(1):17-31.
[30]齐军.网络时代教育流动空间的提出、构造及效应[J].现代教育技术,2015,25(7):95-100.
[31]徐晔.从“人工智能+教育”到“教育+人工智能”——人工智能与教育深度融合的路径探析[J].湖南师范大学教育科学学报,2018,17(5):44-50.
[32]唐汉卫.人工智能时代教育将如何存在[J].教育研究,2018,39(11):18-24.
[33]张海生.我国高校人工智能人才培养：问题与策略[J].高校教育管理,2020,14(2):37-43,96.
