【芥末翻】是芥末堆全新推出的一档学术栏目，由芥末堆海外翻译社群的小伙伴们助力完成。我们致力于将全球经典或是前沿的教育理念、教育技术、学习理论、实践案例等文献翻译成中文，并希望能够通过引进这类优质教育研究成果，在全球教育科学的推动下，让更好的教育来得更快！

本文选自培生集团研究报告《Intelligence Unleashed ：An argument for AI in Education》，作者 Rose Luckin，Wayne Holmes，译者康琳，魏来，汪汪，编辑阿槑。

从本周开始，芥末翻将连载培生集团出版的关于 AI+教育的研究报告，有两个目的：第一，给感兴趣的非专业读者解释AIEd是什么，如目标、实现方式及作用机制。只有确保一定程度的了解，我们才能走出AI的科幻印象及由此产生的恐惧。第二个目的：阐述AIEd现在及未来能为学习带来的影响，以提高学习者的学习效率。

为什么要研究 AI +教育？

尽管有人可能觉得AIEd的概念很生疏，但已经形成的AIEd的算法和模型已经为AIEd的发展奠定了的基石。AIEd可以让学习更加个性化、灵活、丰富、有趣，为教师和学生提供新的工具，帮助我们了解学习内容、学习方式及学生感受。帮助学习者学习雇主想要的知识和技能，帮助教师创建更加复杂的学习场景。例如，AIEd可以通过以任务为中心组成合适的小组，或者在适当的时间提供所需支持，实现协作学习，这对于一个教师而言是很难独自完成的任务。

我们期待未来，优秀的AIEd工具可以帮助教师满足所有学习者的需求。借助人类及人工智能的力量，我们会缩小差距、提高教师留任率及发展、帮助家长以更好地辅助孩子 (及自己)的学习。更重要的是，这么做将不止需要借助AI技术，我们需要深入了解并驾驭真正的AIEd力量，并大规模应用于真实的生活场景中。真正的进步是开发一个AIEd基础框架，并非多个独立的AIEd系统。它将类似于为智能手机应用开发的应用市场：成千上万独立的与教育者联合开发的AIEd应用，遵守统一的国际数据标准，并与全球的研究者和开发者共享。这些标准将会形成系统级数据整理及分析，帮助我们更了解学习本身及改善学习效果的方法。

如果我们最终成功，AIEd也会在某种程度上解决AI导致的最大的社会挑战——智能算法和机器人逐渐取代人工工作岗位。我们认为，这一现象是教育中不可避免的一个创新，简单来说：我们的生活和工作中会出现越来越智能的机器，我们的教育系统也将实现目前无人能做到的水平。

但我们认为，未来AIEd不会取代教师，反而未来教师的角色会不断发展变化，最终教师的时间会得到更加高效地使用，专业技能得到更好的发挥、利用及增强。

我们应该承担起类似于柔道大师的角色。即，我们应该驾驭AI的力量和能力，以此帮助教师用知识和灵活的技能武装各个年龄段的学习者，便于释放人类自己的智慧，并在重塑的劳动力中蓬勃发展。

坦率地讲，撰写本文的动力来自我们对现状的不满。尽管有将近三十年的发展，AIEd的发展仍处于手工作坊阶段，该领域的优势和巨大潜能仍未实现。令人担忧的是，AIEd领域很多优秀的想法目前仍止步于实验室。AIEd的发展被阻碍，无缘改变更多的教育场景。我们认为这种现状需要得到改变。

我们先来介绍AI。

什么是人工智能(AI)?

即使是专家，也很难定义人工智能(AI)，其中一个原因是AI包含的内容一直在持续变化。正如牛津大学一位著名AI专家Nick Bostrom解释道：“一些前沿的AI已经渗透到常用的应用中而不再被称为AI，因为一旦变成普通及常用的东西就不再贴有AI的标签。”反之，它会被认为是一个电脑程序或算法，或者一个应用，而不是AI。

另一个很难定义AI的原因在于该领域的交叉属性。人类学家、生物学家、计算机科学家、语言学家、哲学家、心理学家及神经系统科学都为AI领域做出贡献，每个团队都在形成各自的观念和术语。

为更好地表达观点，我们将AI定义为通过模拟人的能力(例如，视觉感知和语音识别)和智能行为(例如，评估已有信息后采取最合适的行动实现既定目标)与世界交互的计算机系统。

在日常生活中，AI的发展非常迅速，例如，AI科学家正在机器学习、计算机建模、为改善金融决策的概率统计学的基础上，利用决策论和神经系统科学来驱动医疗诊断更加有效的发展。随着最近OpenAI的创立，这是一家非营利性人工智能研究公司，启动投资10亿美元，我们期待这会促进AI的加速发展——预计也包括AIEd领域。

人工智能+教育的模型

关于人工智能在教育领域应用(AIEd)的课题研究已有 30 多年的历史。研究学习是如何产生的，包括在传统教室内或在工作场所的学习，以支持正规教育及终身学习。AIEd 将本身具有跨学科属性的 AI 与学习科学(教育学，心理学，神经系统学，语言学，社会学及人类学)结合起来，促进自适应学习环境的发展，及其他更灵活多样、个性有趣及高效的 AIEd 工具的发展。

AIEd 的核心是实现这样的科学目标，将笼统的教育学、心理学和社会学知识转变为计算机可以处理的清晰而精确的形式。换句话说，除了作为智能教育科技背后的推动引擎，AIEd 也是打开“学习黑匣子”的强有力工具，让我们对学习如何产生有了更深切、更细致地理解(例如，学习者的社会经济及客观条件、或者科技是如何影响学习的)。

这些理解可以应用到未来 AIEd 软件的开发上，重要的是，可以让我们了解学习路径是怎样的。例如，AIEd 可以帮助我们看见并理解学习者在学习物理学中的每一小步，或常见的错误观念是如何产生的。在教室中，老师可以利用这些理解实现更好的教学效果。

AI 包括通过编程模拟人与世界交互的计算机软件，这表明 AI 既取决于对于世界的认知，也取决于智能化处理知识的算法。对于世界的认知会通过“模型”来体现出来。AIEd的核心有三个关键模型:分别是教学模型，领域模型和学习者模型。

举个例子，假设一个 AIEd 系统可以为学生提供合适的个性化反馈，为了实现这一目的，AIEd 系统需要知道以下信息:

•有效的教学方式(体现在教学模型中)

•正在学习的内容(体现在领域模型中)

•学生(体现在学习者模型中)

每一个 AIEd 模型中所体现的专业知识举例请见: 

我们详细来看一个例子，学习者模型是一种基于计算机与学习者之间的人机交互方法。AIEd 程序中的领域模块和教学模块可以利用学习者模型中(例如学生的目前活动，以往的成绩，精神状态和是否接受了反馈意见)所体现的互动去推断学习者(和老师)的成功。领域模型和教学模型也可以基于这些信息去确定下一个最适当的交互活动(学习材料或者学习行为)。

更重要的是，学习者的活动是被持续反映到学习者模型中，使得模型更丰富、更完整、更智能。所以，由 AIEd 来驱动的教育科技看上去会是什么样的呢?图 1 是一个典型的以自适应辅导为基础的模型简化图。它建立在前述三个核心模型之上，分别是学 习者模型(对于学习者个人的认知)，教学模型(对于教学的认知)，领域模型(对于学习科目以及该科目中各部分关系的认知)。AIEd 算法(植入 AIEd 系统中的计算机代码)处理来自于这三个模型的信息，根据学习者个人的能力及需求，选择最合适的内容传递给学习者。

当这些内容(可能是文字，声音，活动，视频或者动画的形式)提供给学习者时，系统将对学习者的互动情况(如学生当前的行为和答案，学生以往的成绩，以及他们当前的情感状态等)进行持续性的分析，并做出相应的反馈(如提示和指导)，从而帮助学生通过学习现有内容获得进步。

对学生交互的深度分析也可以用来更新学习者模型；通过准确估计学生当前状态 (譬如学生对于学习的理解及动机)，确保每个学生的学习经历都能切合其能力和需求，从而帮助他们更好地学习。

一些系统包括所谓的开放式学习者模型，这些模型可以将分析结果反馈给学习者和教师。分析结果可能包含关于学习者的成绩、情感状态或所持有的任何错误观念等有价值的信息。这将有助于教师理解学生的学习方法，并在后续的教学中改进教学方法，提升学生的学习效果。对于学习者而言，开放式学习者模型赋予其追踪自身学习过程的能力，从而起到了激励的作用，同时也鼓励学习者展开对自身学习的反思。

作为自适应 AIEd 系统的一大优势，系统通常会收集大量数据，这些数据经过计算机处理后，可以不断改进教学模型及领域模型，从而形成一个良性循环。这一过程有助于获得更有效、更加个性化及有情境支持的新方法，同时也有助于测试和改进我们对于教学过程的理解。

AIEd 系统中典型的自适应教学模型 

除了以上三大模型之外，AIEd 研究者们还开发了其他学习相关的模型，包括社交、情绪，以及元认知等。这有助于 AIEd 系统将所有影响学习的因素纳入。这个越来越丰富的 AIEd 模型也许将成为该领域为学习做的最大贡献。

（未完待续，下一部分：目前 AIEd 能为学习提供哪些支持？）

>>声明

本翻译仅作了解之用，并非用于学术研究或商业决策。芥末堆海外翻译社群的小伙伴们力求将关键理念与思想更广泛地传播至中文区域，故部分表达可能与原文有所差异。如需使用，请查证原文。