“AI+教育”将要进行什么样的改变

受制于人工智能技术适配性和成熟度，人工智能应用在场景分布上呈现出一些明显特征：当前人工智能主要用武之地集中在复杂度较低的场景，如拍照搜题、分级阅读、智能题库、考情诊断等，这类应用工具属性明显。

但在“评”和“管”环节，人工智能技术适配性和成熟度均较低。以“评”这一环节为例，由于综合素养、职业兴趣等评估场景较难形成统一标准，人工智能判断难度较大，且后期无法对准确性进行归一化评价，无法反哺模型，因此人工智能适配度不高。而“教”、“备”等服务属性的场景，一旦知识图谱、大数据等技术实现突破，将爆发出巨大的潜在价值。

智能教育正推动教育领域的深刻变革。人工智能与教育场景的深度融合，一方面能提升课堂教学效果以及学习效率，另一方面还能够深刻重构教育领域的运营模式。智能教育将重塑教育流程，推动人才培养更加多元化、更加精准化、更加个性化。

智能教育的发展分为教学辅助阶段、价值创造阶段和因材施教阶段三个阶段。“目前，智能教育尚处在从教学辅助向价值创造的过渡时期，已在线下AI课程、智能测评等场景实现初步落地应用，但成熟化的、因材施教阶段的商业应用尚未大规模出现。”科技部新一代人工智能发展研究中心副主任徐峰研究员认为，实现“因材施教”是教育的一个长远目标，在这个过程中，人工智能技术能发挥重要作用，但也会受其自身技术发展的限制。

现在还难以预测人工智能何时能够真正‘完全’具备认知功能，但从当前人工智能技术的发展态势看，我国智能教育进入一个快速发展的阶段，不断实现对于学生、教师等的价值创造。未来随着知识图谱、认知计算、自然语言处理等技术的不断发展，人工智能将覆盖教学流程的更多场景，有望在自适应学习、自适应互动课等应用上逐渐成熟，实现“因材施教。

教育作为涉及教学、管理、科研、服务等多领域的综合体系，其复杂性大大增加了人工智能技术与教育的融合难度；现有人工智能技术的应用多为语音识别、图像识别等识别领域的应用，但在理解层面和创造层面的应用仍未实现实质性突破。当前自然语言处理技术仅能对语法结构、拼写正误等方面进行识别，而在篇章结构、语言逻辑、情感表达等语义理解层面依然十分欠缺。

建议加大智能教育关键技术的研发力度：一是依托智慧教育国家人工智能开放创新平台，组建跨学科、跨区域的“人工智能+教育”研究共同体，广泛开展跨学科探索研究，推动脑科学、神经科学、认知科学等学科的交叉融合；二是加强“政企学研”多方合作，产业界加强研发探索，学术界提供扎实理论基础，并最终试点应用到相关教学场景；三是进一步推进平台建设，推动开放平台向公众开放智能教育关键共性技术，打造智能教育生态。

除了加大复杂教育情景人工智能关键技术的研发力度，高芳还建议，有关部门尽快出台推动智能教育发展的规划性文件，强化应用部署并抓紧落实；着力提升一线教师和教育管理者的人工智能素养，确保智能教育各场景落地；抓紧制定人工智能在教育行业的应用标准和规范，确保其良性有序发展。