AI、大数据、人工智能对教育的冲击有多大?

随着移动互联网的普及，步入效率的时代，用户、行业、时间、渠道都呈现碎片化。《21世纪》：除了“互联网+教育”，如何评价大数据、人工智能对教育的影响?

在近日举行的“人工智能与教育大数据峰会·2019”上，中国教育发展战略学会副会长、原教育部科技发展中心主任李志民接受了21世纪经济报道记者的专访，探讨在新技术的影响下，教育领域的发展现状。

李志民提出，新技术对教育的影响过程是渐变的，现在仍处于弱人工智能阶段，既不能低估也不能高估人工智能对教育的影响。

教育技术的更迭和影响

《21世纪》：教育信息化从远程教育，到“互联网+教育”，再到大数据、人工智能的应用，不断迭代之中，对教育的影响有什么变与不变?

李志民：教育技术的迭代发生了很多次，如果把学校教育作为知识传播的核心来讲，第一次迭代是邮寄函授，第二次迭代是广播电视大学的出现，第三次迭代就是互联网，大家都可以在任何能联网的地方学习。

互联网教育也有迭代的过程，最早是互联网精品课程的出现。在2000年左右，哈佛大学、麻省理工学院等著名大学把学校课程放在网上供大家免费学习。但最早的精品课程没有交互的概念，发展到2011年左右，慕课(MOOC)出现了，学习者要注册、参加考试，完成后可以获得学习证书。

以前45、90分钟的课堂，现在变为10、20分钟的视频课堂等。VR、AI等新技术的应用会创造新的学习场景，学习效率高，大规模的课程平台，便于学习者选择适合自己的学习课件。

历史上每一次技术的发明，总会带来教育的变革。随着信息技术迅速发展，教学工具、学习工具、考试评价工具、课程结构形态等都会发生演变。特别是从互联网到移动互联网，创造了跨时空的生活、工作和学习方式，使知识获取的方式发生了根本变化。但是教育的核心是不变的，即育人。

《21世纪》：与旧技术相比，新技术的迭代速度往往是几何级数的，“互联网+教育”经历了哪些变化，会往何处去?

李志民：我认为互联网会经过信息互联、消费互联、生产互联、智慧互联四个阶段。

在信息互联阶段，互联网所能承载的信息服务在形式和内容上都极为丰富，传递过程的互动也异常便利。以信息互联为基础，消费互联孕育而生。在消费互联充分发展的基础上，人类将迎来生产互联的新阶段，带来产业形态的大革命。

在智慧互联阶段，人类的文化生活，精神的需求，对知识的渴望，学习的方式都会发生改变。仅以教育为例，所有的教育资源打破了教师、学校的垄断，都集中在网络大平台上。平台上有很好的老师、很好的课程，人们能针对自己的愿望和需要，选择老师和课程，进行真正的个性化教学，有助于真正促进教育公平，提高教育质量。还会大幅度降低教育成本。

人工智能的“能与不能”

李志民：随着大数据、人工智能等技术在教育领域的应用，我们既不能高估也不能低估新技术的影响。

每一次新技术的发明都会使人们高估技术在未来几年对教育的影响，比如人工智能应用到教育领域时，有人喊“不得了了，教师要失业了”。实际上这是人们社会习惯的自然反应，新技术的影响过程没那么快，它一定是渐变的。

但也不能低估技术在未来十几年对教育的影响。如果不改变观念、不主动学习，不转变工作方式，新技术就确实会影响这些人今后的事业发展。

即便是新技术淘汰了个别的旧事物，也会让社会生活变得更美好。

《21世纪》：人工智能技术还处在初级阶段，其在教育中的应用还有哪些不足?

李志民：目前，人们还没有理解人类智能的形成机制问题。从方法论来说，人工智能是从自动控制到自动化逐渐发展而来的，其研究类似于医学研究。人是有情感、有意识、有生命的，但成为医学研究对象就成了无情感、无意识的物体。人工智能也是如此，把有情感、有意识、有生命的人当成了算法。人类智能绝不仅仅是算法就能描述的，所以现在还处于弱人工智能阶段。

《21世纪》：随着人工智能等新技术越来越成熟，在线教育能否取代传统教育?

李志民：狭义上讲，学习可以分为三类：第一类为人际交往类的学习，如语言学习、礼仪习惯、品德养成、管理有效等;第二类为知识传承类的学习，如文字、数学、物理、化学、逻辑、运筹等;第三类为文明发展类的学习，如科学探索知识、工程技术、生命科学、行为科学等。

第一类人际交往类的学习是靠模仿和习惯养成，学习的环境很重要，有了好的学习场景，学习效率就会高;第二类知识传承类的学习传统上是靠师传面授，需要前人对知识规律性的总结、推导、系统分析、约定认知等，课堂教学效果好;第三类文明发展类的学习需要系统的基础知识，需要灵感和想象力、需要有批判精神，也需要模型场地和实验验证等。

如果对应地把教育分为三类：人际交往类的教育、知识传承类的教育和文明发展类的教育，互联网在线教育完全可以取代知识传承类的教育;在线教育可以为人际交往类的教育提供更有效的学习场景，作为辅助教学手段;依据现有的技术手段，在线教育还难以取代文明发展类的教育。

人工智能的逻辑与运算能力涉及到深度学习，而深度学习包括有约束学习、半约束学习和无约束学习。

现在人工智能对有约束学习解决得很好，因为机器不会疲劳，只要不断电，它不会出错，所以在有约束学习方面可以超过人类。比如，“Alpha Go”和“深蓝”都是在有约束的条件下学习。

半约束学习目前正在研究，但是从数学理论上来讲，要解决半约束学习需要解一个巨大的矩阵，目前的计算能力还达不到。