|
引言 2014 年秋季，斯坦福大学邀请不同研究机构的著名科学家启动人工智能百年研究（One Hundred Year Study）项目。（www.ai100.stanford.edu）该项目的是为了研究和预测人工智能在100年的范围内对我们工作、生活和游戏的各个方面的影响。这项研究包含使用人工智能计算系统的科学、工程和应用实现。作为该项目的主要研究内容，该项目组建了一个研究小组（Study Panel），该小组每隔五年对人工智能所处的状态进行一次评估一次。 在 2015 年的暑期成立的研究小组任命得克萨斯大学奥斯汀分校的Peter Stone教授担任该小组的主席。这个包含了 17 名成员的研究小组由人工智能学术界、公司实验室以及产业界的专家与了解人工智能的法律、政治科学、政治以及经济方面的学者组成。参与者代表着不同的专业、地区、性别以及职业阶段。研究小组广泛讨论了人工智能最近的发展与在工作、环境、运输、公共安全、医疗、社区参与以及政府的潜在社会影响。 本文聚焦于教育方面的讨论： 教育方面的讨论 在过去的十五年已经开始看到AI在教育领域的优势。今天从基础教育阶段到高校教育阶段的教师和学生都在广泛的使用相关的应用软件。尽管教育质量通常依赖于人类教师的积极参与，AI能够在教育每个层面都提供帮助，特别是在个性化教学的层面。与健康领域类似，如何将AI技术以最佳的方式同人类的交互和面对面的教学整合起来，是AI技术面临发展的关键挑战。 机器人很早就作为受欢迎的教学设备，如上世纪80年由MIT媒体实验室（MIT Media Lab）研发的乐高头脑风暴学习套件（Lego Mindstroms kits）。智能教学系统(Intelligent Tutoring System,ITS)为学生在学习科学、数学、语言和其他学科过程中，提供交互式的引导。自然语言识别，机器学习和众包正在激活在线学习以及帮助高等教育的教师成倍的扩大他们的教室的同时，能够照顾到每一个学生的需要和其独特的学习方法，也就是提供个性化教学。大规模在线学习系统的标注数据集作为高速成长的学习分析的基础。（标注数据集中的数据会被人工加入好，不好等评价标签。在这些标注数据集的基础上训练机器学习系统，这样机器会自动读取数据以及对于该数据的评价）。 由于缺少资金资助和确凿的证据证明AI技术能够帮助学生达成学习目标，因此现阶段学校和大学引入AI技术的速度比较缓慢。预计在未来的十五年，为协助教师服务的基于AI技术的智能教学和其他AI技术很可能会在教室和家庭中获得广泛的应用。但是基于计算机的学习系统不太可能完全的代替学校中的人类教师。
教学机器人
为K12（幼儿园到高中）阶段开发的机器人套件越来越多的复杂并且愈加丰富。这些套件的开发公司在套件中增加了最新的支持不同语言的可编程传感技术。Ozobot是一个可编程的机器人，通过它可以教授学生如何让其借助自身的色彩传感器，通过不同的彩色编码的模式，实现机器人的跳舞和表演。而实现机器的跳舞和表演的过程，需要学生最终能够自己完成程序的源代码和建立相应的逻辑关系。Cubetes套件通过包含不同功能和传感器的小立方体，在搭建能够独立思考、行动或感知的机器人过程中，帮助孩子们学习逻辑思维。Wonder Workshop公司开发的Dash和Dot机器人有助于孩子们学习大量的编程能力。八岁以上的孩子能够通过该公司开发的可视化的编程语言Blockly，或者是通过C语言和Java语言编写苹果iOS和安卓移动操作系统上运行的应用程序实现对机器人的简单控制。PLEO rb是一个机器宠物恐龙，通过机器宠物恐龙对不同环境的反应可以帮助孩子们学习相关的生物学知识。尽管这些机器人套件非常有趣和可爱，但是如果要获得更广泛的推广，还需要更多令人信服的证据能够证明机器人套件的确是能提高学生的学习表现。 智能教学系统（Intelligent Tutoring Systems (ITS)）和在线教育
智能教学系统（ITS）已经开发了多个测试项目，如早期开发的Why-2 Atlas采用对话式的方式解决物理问题。智能教学系统从实验室测试阶段走向实际使用的过程是令人吃惊的。可下载的软件和在线系统，如卡内基语音（Carnegie Speech）或多邻国（Duolingo）提供了一种外国语言的训练系统，这个系统通过使用自动语音识别Automatic Speech Recognition (ASR)技术和自然语言处理NLP技术去识别使用者语言中的错误并帮助使用者改正这些错误。类似卡内基识别向导（Carnegie Cognitive Tutor）的助理教学系统已经在美国高中帮助学生学习数学。识别向导使用软件来模拟人类优秀辅导教师，比如当学生碰到数学难题时，为学生提供提示，帮助学生克服困难。基于学生获得的不同层级的提示和回答，向导系统能够根据当时的教学情境进行个性化的反馈。 在高等教育中的相关应用也在不断增加。例如，美国空军的技师正在通过一个叫做夏洛克（SHERLOCK）的智能教学系统学习飞机电子系统故障的诊断。又如，南加州大学信息科学学院开发了更为先进的基于角色的训练系统，以帮助训练驻扎在海外的军队人员能够在与不同文化背景的当居民交流时有正确的行为。新的算法更加关注个性化的教学，如贝叶斯知识跟踪系统（Bayesian Knowledge Tracing），提供个性化的知识学习和解决问题的次序。 最令人吃惊的是幕课的爆发和各种层次的在线学习模式，这些学习模式包括使用类似维基百科和可汗学院这样的工具，也包括使用构建在同步或异步教育基础上的学习管理与自适应学习系统。从上个实际90年代起，为了实现自动评估评估标准化考试中的作文成绩，美国教育考试服务中心（Educational Testing Service）和皮尔森这样的公司就已经开始持续开发自然语言处理评估工具。许多幕课公司，如著名的EdX，Coursera和Udacity都在使用自然语言处理技术、机器学习技术和众包技术用以对简短回答、作文问题和编程作业进行自动评分。符合学校毕业要求的专业性学习和终身学习的在线教学系统也获得广泛应用。因为在专业性工作的学习和职业转岗的学习中，对于面对面互动的互动需求重要性没有传统教育系统中的要求高，因此在这个领域中的幕课系统有很大的希望。尽管幕课等在线学习领域不是以AI技术为支持的学习系统和应用的领导者，但是，它们将是最早应用相关AI技术和测试其有效性的领域。 一些人认为特别是在高等教育中，运用AI技术是教师实现大规模班级教学的秘诀之一，这样的大规模班级通常都能达到上万人。为了能够持续性的在大规模班级中获得学生的教学反馈，自动生成问题的系统也已经开发出来，比如有些系统利用电子资源如WordNet，维基百科（Wikipedia）和在线的共享知识库等为基础，设计评估学生的词汇量问题，或是测试wh（谁、什么、何事、何地、为何）问题，以及多选问题。随着在线课程的爆炸性成长，在线教育渴望尽快采用相关的技术。尽管类似系统的长期影响仍不明晰，但是AI社区已经很快从中学习到很多。
学习分析技术
从幕课到可汗学院，也包括一些从小规模的在线教育课程，它们不断采集的数据正在构成大规模在线教育系统的数据集。这些数据集成为学习分析领域的基础。在线课程并不仅仅适合更广泛的传播，也是天然的搜集数据和测试工具的平台。通过对这些数据的搜集和分析，有助于教育科学研究和推动教学的质量。通过社会学习分析研究（Society for Learning Analytics Research (SOLAR)）以及包含学习分析知识的会议，以及美国计算机学会的年度每年举办的大规模教学会议（Learning at Scale Conference (Learning@Scale)）这样的组织可以了解这个领域当中的最新趋势。这些社区正在应用深度学习，自然语言处理和其他的AI技术分析学生在教学中的参与程度、教学行为和学习成果。当前的主要项目正在寻找学生普遍的错误概念，预测哪些学生存在学习失败的风险和提供与学习成果相关的实时动态的学生反馈。学习分析领域最近的研究工作也在关注与理解认知过程包括领悟、协作，知识习得和记忆，以及通过开发和测试教育技术将这些理解应用到教育实践中。 挑战与机遇 未来在中小学、高校中AI技术的应用将越来越复杂。但是现在AI技术并未在教育体系中获得广泛的应用，也许是由于缺少资金支持和缺乏有效的构建数据的技术。尽管应用AI技术的转变过程很慢，但是这些问题正越来越受到重视，由私人基金提供了大量的面向中小学教师的培训课程。正如AI在其他领域中情况，对于幕课过高的期望意味着常常会超出实际的情况。如同圣何塞州立大学同Udacity合作的实验，高校中应用的经验正在对这项新教育技术的潜力做更加真实的评估。 在接下来的15年内，人类教师很可能将会在教室和家庭中的师生互动方面获得AI技术的帮助。我们（Study Panel人工智能研究小组）预测更加通用和更加复杂的沉浸式虚拟现实场景将被开发出来，这样学习场景主题可能来源于所有的学科。AI研究者同人类学和社会科学的研究者越来越多的展开合作，比如斯坦福大学的伽利略合作项目（Galileo Correspondence Project）和哥伦比亚大学的学习知识项目（Making and Knowing Project）。这些跨学科的努力创造了同历史资料交互式的经验，同时通过应用虚拟现实技术去交互式的著名的建筑。虚拟现实技术已经应用在自然科学，如生物学、解剖学和天文学中。虚拟现实能够创建现实世界中很难观察到的环境和物体，学生可以在这样的虚拟现实教学情境中交互式的学习。虚拟现实中创建的历史场景和科幻场景将在艺术和其他科学的学习中获得广泛的应用。 人工智能技术的发展将有助于基于课堂的学校教育和个性化的学习整合在一起。因为为更多学生服务的成本压力和促进学生更快的完成学业压力，自适应学习系统正在成为高等教育的教学过程核心。然而，学校正规教育并不会消失，我们相信幕课和其他形式的在线教育将同正规教育深度融合。无论是从K12教育还是到大学教育，正规教育都将同在线教育整合，并获得一个融合的课堂。融合课堂的开发将有助于提供更加个性化的学习方法，借助于教育技术，学生可以按照自己最佳的学习进度学习知识。在线教育系统也将不断学习，帮助我们更加快速和深入的理解学习的过程。反过来，学习分析技术在分析学生学习过程中所总结出的经验也将加速个性化教育工具的开发。 书本的形式正在转化为数字式和包含声音和文本的多媒体，这种转化也正在教育领域流行起来。数字阅读设备也将更加“聪明”，它们将为学生提供更加容易的方式获取所学知识的相关信息。麻省理工学院的机器翻译（Machine Translation (MT)）技术也将更加容易的将教学内容翻译为不同的语言，比如翻译技术操作手册。目前教科书的翻译服务必须依赖与人工翻译。在未来，人工翻译将同自动翻译相结合以提高翻译的速度并满足教材翻译的需求。在线学习系统也将为在职人员提供更多继续进修的机会。特别是在某些快速变化的领域中，为在职人员增强专业性知识和技能或是为转岗就业重新学习新领域中的知识提供帮助。这将要求未来在线教育能开发出在线专业学位和基于在线课程的专业性资格证书。 更广范围的社会影响 在那些难以建立面向大规模人口教育系统的国家，如果需要接受教育的人们能够访问在线教学资源，那么这些在线教学资源将起到积极影响。在线教育资源的开发将有助于支持国际化的教育项目。这些国际化的教育项目通过提供工具和相应的使用培训，进而达到提供有质量的教育的目标。国际化的教育项目在我们生活很常见，比如iPad中大量的教育类应用程序app，其中很多也是免费提供的。在线教育也有消极的一面，越来越多的学生正在将自己的社交在线化，并且浪费了大量时间在在线课程的交互中，缺少人与人之间的交流。如果教育过程也越来越多的网络化、在线化，那么这将对缺少日常的面对面的接触的学生自身社交能力产生何种影响？一些技术已经指出这将引起神经及逻辑方面的副作用。另一方面，自闭症孩子也可以借助于AI系统获得提高和进步。 作者简介： |
|
|
