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。图片：unsplash
编者注：本期是芥末翻连载培生AI+教育的研究报告第五周，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。
将教育与技术融合
各行各业的工作将被稳步增加的机器人或者基于大数据的智能算法所取代，这样的预测并不少。然而，应用于学习上的人工智能技术一直以来都没有得到持续且高度的重视。这种差异的存在并不令人意外，因为这一切是由经济学家主导而不是教育家。这同样也反映出定量研究与现实社会之间的鸿沟，定量研究主要关注的是工作机会的变化，而不是能力;关注的是有可能实现自动化的岗位，而不是那些有可能新创造出来的岗位。
在本报告中，我们已经提及过 AIEd 的方方面面，通过进一步完善在智能现实世界中的测试，可以对教育领域的创新提供适当的解决方案。简单地讲，这种必然趋势是指：随着人类生活和工作越来越依赖智能机器，教育体系也将需要达到目前尚未企及的水平。在我们头脑中，这种必然趋势甚至超过全球化所带来的巨大影响，会将教育目前存在的问题大幅度缓解，例如学生间的成就差距。
概括下目前的观点，我们认为现在应该做以下两件事。首先，绘制出 AIEd 工具目录，这些工具能够用来支持下一阶段的教育体系改革，帮助我们解决教育领域所面临的巨大挑战。其次，阐明使用AIEd 的方式，形成改革的时间表。
就像学习者需要及时、可操作性的反馈，我们也应该为学习者构建一个能够适应未来经济发展的教育体系。但在构建该体系之前，我们需要提醒自己，教育的目的远不只为了找到一份工作。例如，应该通过教育探索你的热情，体验工作过程的心流和满足感，成为一个有能力， 有意愿、有责任和道德感，并为你的家庭、社区、国家甚至世界带来正向改变的人。
而找到一份好工作是与上述所提到的教育目的是一致的，这也是政府投资教育的核心原因之一。下方的表格表明 AIEd 工具与未来 15 年就业市场预测需求的匹配。
而将来所需要的投资和成本与目前在学习上的投资相比，不会发生显著的增加。 坚持应用摩尔定律，以及明智的投资，我们有足够的理由相信， AIEd 应用的成本将随着时间降低，可以降至目前的消费水平所能担负的价格。
利用 AIEd 评估教育变革
一旦我们将 AIEd 工具应用到上述所讲的教育领域中，我们将有一个全新的、强大的方式去评估教育水平和成就。通过实施合理的公共数据标准和数据共享需求，AIEd 可以提供不同级别的关于教与学的分析，无论是关于哪门课，哪个班级，哪所学校，哪个地区或者国家。
有了这些信息，制度领导者、战略家将需要拓展新技能去分析数据，找到成绩下降 的潜在原因及最有效的解决方案。例如，AIEd 可以进行学校层面的分析，实时发现学校 正在遭遇的问题。然后可以召集一组专家去找到快速解决问题的办法。
教育体系需要灵活利用以实现获得丰富的实时系统分析。同样，AIEd 系统可以为教育管理者和政策制定者提供提升新技能和能力的支持。
我们已经前面概述过，AIEd 将在下一阶段的教育体系变革中扮演重要的角色。下面就到了本报告的最后一部分：为了使 AIEd 猛虎出笼，现在就要付诸实践的事情。
关于 AIEd 猛虎出笼的一些建议
在沼泽求生中，Michael Fullan 和 Katelyn Donnelly 描述了三种强有力的因素，这三种因素必须结合在一起，借助技术的力量，来推动学习迅速向前迈进。
其中一种因素是教学方法，即关于如何教与学的研究;第二种因素是技术本身，关于这个话题，我们此前已经谈论了很多;最后一种因素是体系变化，即如何传递变化以便给每个学习者带来积极影响的理解。
在未来，AIEd 解决教育中的挑战效果取决于我们如何处理下列问题，即(1)我们需要智能的技术，将好的教与学方式具象化(2)有吸引力的消费级产品(3)这种人机结合的产品将被广泛使用。AIED 目前该如何来应对这三个角度的问题?而且，更重要的是，我们需要做什么来释放 AIEd 的全部智能?
>>教学方法
迄今为止，AIEd 主要是研究用最少的精力更快实现教育的目标，举个例子，学习高度结构化的科目如数学导论或物理导论，或者将 AI 技术应用到高度结构化的大数据中，例如大学行政系统。
这些研究结果只是最基本的，还远远不够。如果我们想要彻底改变所有学习者的学习广度和学习质量，如果我们想要应对 21 世纪中尚未解决的学习理论挑战，投资者和研究者们还有很长的一条路要走。
简而言之，AIEd 必须从教学方法开始改革，并且要更有决心。
>>建议
不要被技术绑架，从学习本身出发。
将现有的 AIEd 研究资金集中投入在那些有可能会对学习产生真正重大改变的领域。Move
改变AIEd研究领域的现状，放弃那些分散的、边缘化的、各自为政的方式。
基于对学习科学与教育实践的洞见，设置一系列雄心勃勃的挑战赛。
>>技术
目前，AIEd 尚处于家庭作坊式的发展阶段——研发经费较少且规模不大，大多数研 究人员只有有限的经费，也没有找到商业合作伙伴。这导致的结果就是大多数应用的开 发都停滞在原型阶段以内，原来已经学习的大部分都已经失传了。解决办法是不要把钱广泛投向 AIEd，分别去应对每一个项目，每一个可能的学习场景。
相反，成功往往来自于在某一特定领域的专注：例如，某个科目领域或者某种具体的学习者需求。要实现这一目标，组织、激励以及资金需要到位，为 AIEd 创造出一个创新、合作的生态系统。
>>建议
在 AIEd 中开发可以构建反复创新的基础平台，而减少重复再造的情况。(例如，美国国际职业标准协会认证、分享数据标准、分享学习者模型等)
激发对于 AIEd 技术智能化的市场需求。例如，可以实际应用的 AIEd 解决方案，政府和慈善组织可以为其专门开辟一条销路。这将促成 AIEd 研究者与商家的合作。
成立一个类似DARPA(国防高级研究计划局)的组织，从而加速 AIEd 工具从实验室走向现实生活中。
>>改变教育体系
AIEd 将在一个数字技术和传统的课堂活动互补的混合式学习空间里运行。认识到这一点意味着，解决实际课堂、大学或者工作场所学习环境中所存在的混乱，教师和学习者成为 AIEd 的共同设计者。如果用图标解释是像这样的：
然而，我们花了太少的精力在设计、描述 AIEd 如何可以具体去适应学习者和教育工作者的现场体验。我们同样忽略了如何去提供正确的专业培训让教育者明白这些重新设计的学习模型。
我们也需要更好的证据去证明 AIEd 可以在实际课堂上和大学里应用，毕竟，如果我 们不能提出 AIEd 方案是否可行的检验方式，我们则无法要求 AIEd 去解决教育的重大问 题，也难以要求教育体系领导认真对待 AIEd。
>>建议
教师，学生和家长共同参与，以保证未来的 AIEd 系统满足他们的需求(参与式设计过程可以成就更好的 AIEd 产品，使教师对学习过程了解更多，使学习者更加成功)。
接下来，反复迭代产品，并智能地评估现实情境中的 AIEd 应用。
开发数据标准：在数据使用过程中，将数据共享及伦理标准放在首要位置。
我们不会低估其实现难度，包括所需要的新思维、不可避免地走弯路，需要付出的努力。然而，如果要合理地释放AIEd 的智能，我们必须做出改变——通过全新的协作方式，合理的资金支持，密切地关注教学法。如果不这么做，潜在的成本将是巨大的。
