核心摘要：人工智能在當前教育中的應用仍偏向于“弱人工智能”，但對提升教育效率的作用不容忽視。疫情期間，世界各地的遠程教學也為人工智能教育的進一步發展提供了機遇。

 人工智能在當前教育中的應用仍偏向于“弱人工智能”，但對提升教育效率的作用不容忽視。疫情期間，世界各地的遠程教學也為人工智能教育的進一步發展提供了機遇。

受新冠肺炎疫情影響，世界各地的學校借助互聯網技術，將教學從線下搬到線上，以維系學校的正常運行。在其中，人工智能（AI）技術得到了廣泛應用。美國教育主流媒體近期開展的調查發現，疫情封校期間，人工智能在學校和學區層面發揮了相當程度的作用，許多學校采取了靈活豐富的人工智能手段促進教學。與此同時，經濟合作與發展組織（OECD，以下簡稱“經合組織”）與哈佛大學全球教育創新計劃項目于近期面向59個國家和地區開展的教育教學調研顯示，有不少教師反映，遠程教育在改變教與學空間的同時，也帶來了許多教育創新機會，如學習環境創新、混合學習、教師教學的新模式，等等。

顯而易見，疫情危機所帶來的創新機會與互聯網技術發展和人工智能的應用是密不可分的。在這種形勢下，人工智能在教育中的應用再次成為全球教育界共同關注的話題。

近期，美國蘭德公司高級政策研究員、斯坦福國際資詢研究所（SRI）研究評估中心主任羅伯特·墨菲（Robert F. Murphy）評估了人工智能在全美基礎教育領域的應用及走勢。在他看來，新冠肺炎疫情導致的遠程學習，在客觀上會促使教育者更多采用人工智能的工具和做法，然而關于人工智能的樂觀期望也有可能會因教育預算應對疫情吃緊而受到限制。他認為，相對于人工智能在其他領域的顛覆性潛力，疫情對教育的沖擊并未改變他此前的觀點，但也要重視遠程教學所引發的公眾對人工智能教育的高度關注。遠程學習支持自適應教學，廣泛運用人工智能技術，為學生自主學習提供自動反饋和支持等，將會助力人工智能在教育中的應用與發展。

此前，在《人工智能為基礎教育階段教師教學提供支撐》報告中，墨菲認為，教育領域中的人工智能應用主要還是“弱人工智能”，即在教學領域中，合理應用自動化軟件，如智能輔助系統、作文自動評分系統、學情早期預警系統等，以提升教學效率。他表示，在教育領域應用人工智能不太可能像在其他行業如公共交通、禁毒、醫療保健等領域那樣立竿見影，主要還是發揮輔助作用，如提高課堂效率，協助教師開展語言教學，加強反饋與互動，及時診斷學情以及開展有針對性的指導，等等。面對新形勢，墨菲做了進一步分析：

在人工智能教育的重要領域仍然欠缺足夠的數據和人工智能教育應用的報告信息。一方面，是對教育應用人工智能的準確性理解和精準度把握不夠；另一方面，與不含人工智能應用的教育手段相比，應用人工智能教育手段到底能發揮多大比較優勢也不好測定。但隨著更多人工智能教育軟件投放市場，業界將會討論建立行業標準，促使供應商提供相關產品的準確信息。產品信息大致包括對人工智能運算能力和“知識儲量”（knowability）的描述或排名，如何幫助師生使用人工智能程序，師生使用人工智能發生偏差所引發的后果，人工智能模型預測的準確性程度和局限性，關于開發人工智能程序所依靠的數據情況，以及如何評估學習模型的潛在偏差，等等。

教育應用人工智能的精準程度高度依賴于海量數據的獲取，某些情況下，這些數據可能會因種族、性別、家庭背景等因素產生偏差，進而對教育產生影響。對算法偏差的擔憂將取決于人工智能程序在學校和課堂中的角色扮演，以及系統決策給師生帶來的影響。例如，與帶有偏差的人工智能教育預警系統對學生的可能影響相比，帶有偏差的教育數據滲透到教師備課從而對學生產生的可能性影響相對要小得多。前者可能不成比例甚至錯誤識別了基于性別或種族等群體，從而做出錯誤決策，而那些真正有需求的學生未必能得到幫助，出現“差之毫厘，謬以千里”的結果。因此，墨菲主張對于那些人工智能應用程序（特別是學情預警系統）的輸出結果，僅應視為教育教學決策過程中的一個參考，更多還是要以教師和管理人員的專業判斷來作為依據，他們畢竟有著豐富的實踐經驗。

影響人工智能教育大規模應用的主要障礙在于，缺乏合適、足夠的數據來進行研發，并存在研發資金、隱私保障等方面的問題。平時相關方面很難獲得不同學科、不同年級學習所關涉的人工智能學習應用程序所需的海量、客觀和復雜的數據。唯一可以便捷訪問并可用于人工智能教育軟件研發與推廣的，是在線學習平臺和正在大規模使用的應用程序，不過這樣的數據規模仍相對較小。沒有規模龐大且高規格要求的數據，人工智能將難以在教育中進一步長足發揮作用。即使可以獲得所需的數據，用于基礎教育階段的人工智能研發資金也不會像醫療、交通、軍事等其他領域那樣充足。

盡管人工智能在遠程教學中發揮了巨大作用，但這次疫情未必能夠改變人工智能教育投資不足的局面。開發商在社會其他行業應用人工智能的投資可謂是海量，但在教育領域對人工智能的投資卻沒有如此強勁。對于人工智能應用開發商而言，基礎教育領域是一個非常昂貴且面臨諸多困難的市場，主要原因在于可自由支配的預算少，教育領域的特殊要求如尊重隱私、教育價值觀導向等，教育行政部門批準的產品銷售周期長，等等。鑒于上述原因，目前很難指望風險投資公司和上市公司的新投資會用于基礎教育市場新產品和服務開發。

人工智能在社會其他領域中的廣泛應用最終會影響公眾對人工智能教育的態度。社會大眾會在教育以外的領域如醫療保健、汽車駕駛等對人工智能應用的體驗以及相關的媒體報道，都會影響人們對于人工智能教育的看法和態度。當前涉及人工智能應用的領域，如疫苗研發、信息保護、人工智能農業等，諸如此類的事例都有可能引發社會廣泛關注。這類報道將會影響人們關于人工智能應用安全可靠與否的感知，并間接影響人們對于教育應用人工智能的認知和態度。

作為蘭德公司的資深高級學者，墨菲的觀點在很大程度上代表了美國頂端智庫對于當前人工智能教育的判斷。盡管墨菲關于教育中的人工智能應用傾向于保守，但墨菲也主張進一步加強人工智能教育的研究，鼓勵“弱人工智能”在教育中的廣泛應用，并強調關注人工智能通過在其他領域廣泛、深入應用并最終傳遞到教育領域的現象。因此，盡管當前人工智能對于教育領域的改觀程度不及對其他領域，但從長遠來講，其影響不容忽視。

在疫情期間，各國開展的大規模遠程教學，是應對突發事件不得不采取的臨時性決策，客觀上為人工智能帶來了發揮作用的空間。但教育領域應用人工智能不同于其他行業，有效的教學活動需要師生的創造力、靈活性、即興創作和自發性。教師需要通過邏輯思考、常識運用、同情心和同理心來處理日常的非學術性問題和課堂上出現的問題。當下，即使是最先進的人工智能教育系統也缺乏這種能力。教育所涉及的情感、態度、價值觀等，很多方面很難通過數據搜集來實現。墨菲的上述主張，與教育的這些基本特征是合拍的。

因此，面對后疫情時代的教育發展，既要明確當前人工智能技術的局限，也要注重人工智能可以廣闊發揮作用的空間。經合組織聯合哈佛大學全球教育創新計劃項目的調研發現，廣泛采用人工智能手段，對于維系后疫情時代教育教學的運營，降低因疫情而帶來的教育經費成本方面仍然有著不可取代的優勢，并且也拓展出新的創新空間。后疫情時代的教育，需要將疫情期間的一些創新手段常態化，并創設機遇，廣泛促進人工智能在教育領域中的運用。

來源：中國教育新聞網