在过去的几年里，机器学习应用已经悄然进入人们生活的方方面面：从社交媒体到语音识别，从放射学到零售业，从战争到写作，从编码到客户服务，从机器人到路线优化。

信息时代四十年来，我们已经能告诉计算机该做什么了。但随着人工智能的进步，尤其是机器学习的发展，芯片处理速度的提升，我们可以持续地为计算机庞大的数据集送入各种数据。 

它们可以(在狭小的空间里)自己得出一些推论。正如《Ask About AI》报告中所说的那样，学习代码的兴起标志着增强智能新时代的开始。这是我们扩大受教育机会的大好时机，也是年轻人做出重大贡献的大好时机。附报告链接

考虑到人际关系在人类发展中的重要性，人工智能将在许多方面增强教育，而不是取代教育者的工作。我们必须在团队合作方面做得更好，也包括与智能机器的合作。

机器学习正在改善学生的学习，并为教师和学习者提供更好的支持。我们整理了32个可以利用机器学习来支持更好教育的方向，并列举了一些案例，希望能给大家一些启思。 

改善学习 

1.早期学习。

Kidaptive是为幼儿提供游戏和玩具的适应性学习平台。Osmo是一款结合了在线学习和动手学习的互动游戏。

2.自适应学习。

课程助理i-Ready是广泛使用的适应性阅读和数学学习软件。近日，Rise基金还对自适应学习软件DreamBox进行了巨额投资；而      Imagine Learning公司收购了非营利的自适应数学学习软件公司Reasoning Mind。

3.课程资料。

优质内容和开放性内容的提供商越来越多地使用机器学习，来提供最佳课程。像Content Technologies Inc.这样的公司正在使用机器学习来实现这个过程的自动化。 

4.在线学习。

像Coursera、Udacity和edX这样规模较大的高等教育机构，正在使用机器学习来改善学习目标设置、课程和支持服务。

5.语言学习。

正式和非正式使用的语言学习应用程序，(Duolingo, Babbel, Rosetta Stone)开始使用更好的匹配和翻译服务。VIPKID最近又融了5亿美元，以充分融入机器学习。 

6.写作。

Grammarly、Turnitin、WriteLab (被Chegg收购)、PEG Writing和Write to Learn等软件，由机器学习提供反馈和评分系统，正得到越来越广泛的应用。

7.编码和制造商。

LittleBits和Modular Robotics教授机器人技术基础知识。 Tynker和CodeHS教授编码。这些让所有人都越来越多地了解AI。 

8.考试准备。

像Quizlet、Kaplan、Magoosh和Toppr这样的学习和考试准备工具，正变得越来越聪明。    

9.调度。

Abl学校是下一代学校的典型。随着像普渡理工这样的名校都开始重视个体学生日程安排，预计智能日程安排工具很快就会出现。

10.探索。 

越来越多的孩子有机会在增强现实和虚拟现实中学习和创造。机器学习将继续以多种方式改善VR体验，包括手势和声音识别、图像渲染和更好的协作体验。 

11.辅助技术。 

在过去的两年中，许多帮助特殊需求学习者的技术得到了改进，包括语音识别、文本到语音转换和文本修改。 

12.评估。

机器学习在许多方面都在改善评估，包括适应性测试(NWEA)、快速评分(GradeScope)、跟踪解决问题的步骤(Thinkster)和监控学生进步[包括难以在学校衡量的技能（全方位教育）]。它也将是实现互动性的关键，并能整合形成性评估的多个来源。 

13.诊断。

人工智能在诊断疾病、视力问题和学习差异方面正在迅速改善。

14.分析。

包括BrightBytes、Civitas Learning、Acrobatiq aa在内的分析平台已经在高等教育中广泛使用，并在K-12课程中也得到了广泛的应用。  

15.指导系统。

领英和Ziprecruiter等人才平台帮助雇主和有潜力的求职者之间进行匹配。大量的本地化信息将使Naviance和WorkKeys等高中毕业生就业求学指导平台的可用性更强，并且这些平台与就业途径相关联。 

16.能力管理。

学生成绩册将纳入多个来源的评估信息，并帮助教师结合徽章或微证书，对学生的能力做出正确判断。

17.学习者档案。

能力管理将通过大规模综合档案(包括课外阅读的书籍和拥有的技能)的比较来实现。各种分散式记录都将成为扩展记录的一部分。在可预见的将来，人工审阅人员只需浏览记录的摘要，配合着使用机器学习工具就可以了，这些工具将筛查更大的配置文件——包括提交的和删除的。 

18.学习管理系统。

目前像Canvas from Instruction、D2L和AltSchool这样的学习平台对机器学习的使用是有限的，但也在不断地增长。有一些自适应的LMS（学习管理系统），如Fishtree和realize zeit主要用于职业教育。随着学习者数据的增加，更多的平台将加入推荐引擎和个性化路径。

在企业LMS市场，进展可能会更快。随着像NAF这样的集团采用SAP的SuccessFactors平台，我们开始看到更多的双赢现象。 

19.经验管理。

随着学习方式变得更加分散和能力体系的提高，系统将提供来源、进度和适合学习科目等学习经验。 

20.指导。

在正确的时间，以正确的理由(即基于项目的指导)将行业导师与学生联系起来。尽管在线学习平台在今天起到了一定的作用，但一个带贡献激励机制的新版本，会极大地调动大家的积极性(很可能会与大学校友会联合出现)。 

21.招聘和入职。

机器学习在企业招聘和入职培训中被广泛使用，目前它正在进入教育领域。“智能筛选”是人力资源领域的一项重大举措，人力资源领域将应用这种智能平台，以提高招聘、人员匹配和入职培训的效率。 

22.员工调度和替代管理。

为了处理日益复杂的人员调配问题，以支持个性化和基于能力的学习，Frontline等公司正在构建更好的智能安排解决方案。

23.专业学习。

采用混合和个性化的学习策略，面向教育者的新学习平台混合了开放的和专有的内容，并提供微证书。在不久的将来，这些平台将会随着个性化推荐(也许由教育学院和平台合作伙伴提供)而变得适应性强。

改善支持

24.交通。

使用像Creatrix这样的人工智能手机应用程序，公交调度变得更容易了。在不到十年的时间里，各学区将会把特殊儿童的交通和自动驾驶汽车纳入学生交通计划。

25.维护。

Dude Solutions公司利用云智能软件来指导建筑和地面维护。与传统的行业基准相比，能使设备监控变得越来越容易，生产效率也有很大提高。学校可以自行控制时间(例如，什么时候修剪草坪)和服务。

26.设施管理。

智能建筑管理软件帮助管理暖通、照明和安全。

27.营养。

梅奥医学中心(Mayo Clinic)创建了一个名为FEED的人工智能项目，旨在关注营养缺乏患者补充营养的安全和质量。在芬兰，他们有5个试点，使用智能工具来改善营养和健康。

28.采购。

Deloitte公司通过对采购员的调查发现，88%的人认为自动化和机器人技术将在五年内影响采购行业。新的采购平台将更有效率、独立和支持精确跟踪。

29.金融。

埃森哲公司表示，在商界，“自动化、微型机器人、机器学习和适应性智能正以闪电般的速度成为金融团队的一部分”，简化月度结账和费用管理。当学校董事会成员有问题时，一个人工智能聊天机器人就会提供答案。

30.网络安全。

安全专家预计，在人工智能工具上将有更多资金投入。思科(Cisco)的一份报告称，人工智能应该能够学习如何在加密网络和物联网(IoT)环境中，自动检测模式异常。

31.安全和保障。

越来越多的人使用人工智能，在学生的语言或行为中，预先识别出可能会出现学校暴力的情况。帕克兰高中的一名学生创建了#NeverAgainTech项目，她希望该项目能利用人工智能对校园枪击案相关的大量数据进行汇编和分析。

32.学校管理。

随着西方越来越多的微型学校(见CottageClass和Acton学院)和非洲、印度的低成本私立学校的出现，人们对包括招生、学生信息、出勤率和学费在内的学校管理平台越来越感兴趣。 

就我们所看到的，与教师建立持久的关系，学会他人的学习经验，将继续成为教育中最重要的因素。而人工智能只是让学校里使用的每一种工具都加速了。能够帮助年轻人学习，让他们的学习能力每个月都会得到持续提高。

本文由微信公众号“智能观”编译，原文来源EdWeek，原文作者Tom Vander Ark，原文链接。