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。
自上周起，芥末翻开始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。
许多由 AIEd 驱动的应用已经在很多学校和高校中使用。教育数据挖掘(EDM)技术可以记录学生行为，例如，通过收集学生出勤和学习任务的情况，判断该学生是否会放弃学习，从而为其提供支持，避免学生中途退学。
人工智能研究者们正在探索各类新的交互方式，如自然语言处理、语音和手势识别、眼球追踪、和其他生理传感器，这些技术可用于提升 AIEd 以及非 AIEd 应用的性能。不过，本研究仅聚焦三类可以直接辅助学习的 AIEd 软件应用：学习者的私人老师(即个性化辅导系统)、智能化协作学习以及智能化虚拟现实。
为每个学习者提供一位智能老师
一对一辅导一直被认为是最有效的教与学方法(亚里士多德的“摹仿说”为起源)， 不幸的是，对所有学习者都施行一对一的辅导是不可行的，不仅因为老师数量不足，并且价格高昂，并不是人人都能负担起。这引出了一个问题：在各种学科的学习中，如何为所有学习者提供一对一辅导的效果?
这就是智能智能辅导系统(Intelligent Tutoring Systems，ITS)所要解决的问题。ITS 使用人工智能技术来模拟真人一对一辅导，及时为学习者匹配最符合其认知需求的学习材料和活动，并提供有针对性的实时反馈。ITS系统让学习者自主掌握学习进程，帮助学习者培养自我管理能力，或用教学策略辅助学生的学习，帮助学习者应对挑战，找到学习的最近发展区。
1970 年代出现了第一批提供个性化学习指导的 AI 系统。例如具有开创性意义的教学系统BUGGY，可用于教授基本的加减法，系统使用错题库模型来预判学生学习代数过程中可能会产生的错误。作为系统的内容模型，错题库用来诊断学生学习过程中出现的错误，并推荐有针对性的辅导。最初，系统能够识别的错题十分有限，随着时间的累积，更多的错题情况被发现并持续更新到该错题库。
除了建立模型，近年来，更多的 ITS 系统开始借助机器学习，一种能够基于大数据的分析与学习、神经网络技术的新型技术，从而使系统能够根据学习者的情况提供更合适的建议。不过，这种方式依然很难为其学习建议给出明确的推理依据。
目前的自适应系统灵活性大大提高，它可以为学习者提供更加准确并易于理解的学习建议(已可以应用在课堂教学)。在过去的十年中，日益优化的学习模型、教学模型，内容模型也更多地被引入到很多自适应教学系统以支持个性化学习。
例如, iTalk2Learn 平台帮助学生学习数学中的分数概念与应用，该系统建立的学习者模型会分析学习者已有的数学知识、认知需求、情绪状态及反馈。
基于模型的自适应系统可以包括一系列 AIEd 工具：
学习者的认知和情感状态
利用苏格拉底引导式对话提高学生的参与度，在这种模式下，学习过程包括提问，探讨，质疑，和回答
开放学习者模型，促进学习者的反思和自我觉察
开发元认知支架，例如为学习者提供动态帮助，或使用叙事框架，以提高学习者的学习动力和参与度
使用社会学仿真模型，例如，促进语言学习者跟母语使用者的交流，了解文化和社会规范，更好地学习一门语言。
为协作学习提供智能化支持
数十年的研究表明，小组协作学习模式，即让多个学生共同承担一个项目，或同一个社区的学生一起参加在线课程，效果将明显好于学习者独自学习。团队协作学习之所以如此有效，因为它鼓励参与者表达自己的观点，思考其他人的观点，并通过建设性对话消除分歧，共同构建知识。协作学习模式还可以提高学习者的学习动机，当学生在意自己所在的团队时，他们会对任务变得更加积极，并取得更好的成果。
然而，研究也表明，学习者之间的协作通常不会自然发生。例如，小组成员可能缺少必要的社交技巧，让他们之间难以有效合作。特别是在线协作时，参与者缺乏面对面的交流。这可以借助 AIEd 来解决，目前这个领域已经有诸多研究成果，我们关注其中的 4 种：借助人工智能技术组成学习小组、专家便利化、虚拟主体和智能化调整。
借助人工智能技术组成学习小组
利用 AI 对每个参与者的知识和技能水平的了解，针对某个特定任务成立最佳小组。比如同一个小组的成员兴趣或认知水平类似，或者小组成员不同但互补。
专家协助
系统可以在必要时为小组提供帮助，例如，如机器学习或马尔可夫模型可以被用来确定有效的解决问题的策略，通过这些技术的训练，系统能够识别学生在协作过程中出现的困难，在合适的时间以最佳形式为学习者提供有针对性的支持。
智能虚拟助手
第三种人工智能的工具应用，是虚拟机器人在学习中的应用，可以模拟跟学生对话、 互动。
虚拟专家(教练或导师)
虚拟同学(一个和学生水平相似的虚拟学生)
自主学习——例如，虚拟同学可能会故意提出错误的理解，或提出更多观点激发其他成员展开讨论
智能化调整
借助机器学习和浅层文本处理分析(shallow text processing )等技术，系统可以将小组成员在讨论中产生的数据进行分析和总结，提供给老师，帮助老师引导对协作过程做出及时干预和调整，帮助学生更有效率地进行协作学习，最终产出更多成果。
智能虚拟现实学习环境
人工智能在1979年首次应用于电子游戏中，在一个数字游戏“吃豆人”中，游戏开发人员使用一种称为“状态机器”的技术(依据实时的状态进行分析)来实现游戏的幽灵是否跑向玩家。后来，大量数字游戏中使用这个最简单的方法：随着游戏的进行，游戏中的算法可以分析游戏中设定信息和真实玩家的情况，以确定虚拟游戏玩采取最合适的行动。
虚拟现实学习采用类似的方式，它提供了真正沉浸式体验(通过参与活动获得真实体验的经历)，以模拟并还原真实世界的某些情境，包括用户在现实中很难体验到的危险环境、遥远的地方或古老的历史。研究表明，给学生机会去研究、探索仿真世界，并在这个过程中去做一些假设和尝试，会促进他们对真实世界的了解。
例如，一个虚拟潜艇可以模拟出学生在岩层下探索微观世界里的自然演变过程，也可以模拟出学生正在探索一个核动力电站，回到古罗马或造访外行星。
虚拟现实因为 AI 技术的发展，变得更加“智能”。AI 技术能够提高虚拟世界的效果，以及用户的交互体验，对用户行为的反馈也将更加自然。此外，利用智能化教学系统，人工智能也可以持续的为学习者提供支持和辅导，帮助学习者克服困难，更快地完成学习目标。
虚拟教学助手可以扮演老师、辅导员、同学等虚拟人物，“他们”与学生一起协作完成学习任务，基于特定的教学模型，“他们”可以提供不同的视角，提出问题，并给予反馈。
许多研究已经证明，沉浸式智能虚拟现实可以提高教学效果，促使学生构建自己对世界的理解。一流的学习科学家Chris Dede 的研究表明，智能虚拟现实有潜力释放“被困住的智能”(trapped intelligence)，帮助一些低成就的学生重建自信。
此外，智能合成虚拟世界中的人物也可以扮演角色，去模拟一些太危险或不愉快的情境。例如，消除恐惧学习基地(FearNot schoolbased)，借助智能虚拟环境，模拟出虚拟欺凌事件的情节。学习者扮演那些受害者的朋友，他们根据情节发展提出建议，如何解救被欺凌的朋友，通过这样的过程，学习者可以掌握应对欺凌的有效策略。智能虚拟现实还可用于智能团队训练，模拟人类的思考、开展行动并谈判，目的是指导学生作出类似的行动——例如维和场景。
综上所述，以上三类应用场景可以用于创建更加个性化、包容性以及吸引力更高的学习环境。例如，他们可以为有特殊需求的学习者提供额外的帮助，激励那些无法参与学校学习的学习者，以及支持弱势群体和残障人士开展学习。
AIEd 的应用方式非常灵活，以在线的形式为主，在学校之外也可以使用。 AIEd 研究者也在探索移动设备的应用，从而为学习者随时随地提供其需要的学习材料。
AIEd 已经取得了很大的进步，但还远远不够。更激动人心的未来是，现有技术将会继续发展，逐渐成熟并大规模应用。然而，AIEd 的未来不止于此。开发者们正在研究如何有效地将人类智能与机器智结合，这意味着未来 AIEd 有望在多个领域取得更大的突破和发展。
