基於人工智慧技術與業態的教育應用模式研究

【作者/盧孟兵】

[摘要] 自1955年達特茅斯會議以來，人工智慧（Artificial Intelligence，英文縮寫為「AI」）歷經60餘年的發展，如今正站在第三次浪潮風口，各行各業都將發生巨大變革，在消費電子、金融、醫療、安防、交通等領域，人工智慧已開始全面滲透。而在教育領域，人工智慧的應用將更具有深遠的意義，它不僅將打破「講台聖人」與流水線式灌輸的傳統教育模式，或將讓「因材施教」、「有教無類」的教育遠景成為可能。

[關鍵詞] 人工智慧；機器人；教育應用

1.人工智慧行業概況

1.1人工智慧的定義與發展簡介

人工智慧是研究、開發用於模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新的技術科學。根據人工智慧的應用，人工智慧可以分為專有人工智慧、通用人工智慧、超級人工智慧。根據人工智慧的內涵，人工智慧可以分為類人行為（模擬行為結果）、類人思維（模擬大腦運作）、泛（不再局限於模擬人）智能。

現階段，人工智慧正在從專有人工智慧向通用人工智慧發展過渡，由互聯網技術群（數據/演算法/計算）和場景互為推動，協同發展，自我演進。人工智慧已不再局限於模擬人的行為結果，而拓展到「泛智能」應用。

圖1 人工智慧發展歷程

1.2 人工智慧領域主要技術分類

經過幾十年的發展，人工智慧的研究領域已經擴展到了自然語言處理、模式識別、圖像識別、數據挖掘、機器學習、智能介面技術、智能信息處理等。

由於人工智慧的發展需要數據的訓練，那麼人工智慧相關技術如果按照數據處理和應用的生命周期（感知-收集、鏈接、準備，認知、分析，預測-指導行動）來劃分，可以歸結成三大類人工智慧技術：

（1）基礎類人工智慧技術：這類人工智慧技術解決了數據的基礎層工作，包括了採集和存儲，具體來說，視頻內容識別，通用性計算機視覺，情境感知計算，語音識別，自然語言處理等技術屬於這個範疇。

（2）分析類人工智慧技術：主要指用數據訓練演算法提供服務的公司，包括了給人提供演算法的公司，和提供演算法服務的平台（例如tensorflow等），這裡通用性機器學習是主要的技術。

（3）應用類人工智慧技術：主要指採用情境化的數據在某一固定領域使用的人工智慧技術，包括了應用，虛擬助理，應用層機器學習，應用層計算機視覺，推薦引擎，手勢控制，語音翻譯，智能機器人等技術。

圖2 人工智慧技術產業結構圖

1.3 人工智慧市場預測

如今，無論是以谷歌、亞馬遜、IBM、微軟等國際巨頭，還是阿里巴巴、百度、科大訊飛等國內互聯網科技巨頭，都開始加強人工智慧在各個行業的布局，不僅在人工智慧的相關產品和技術上取得了一系列突破，在應用層面，智慧城市、智能交通、醫療、教育等領域，這些企業的人工智慧已經有了諸多應用。

分析機構IDC預測，未來，人工智慧有望拉動萬億美金規模的市場價值。國外調查機構Tractica的統計預測數字，到2024年人工智慧的市場規模將達到406億美元，也就是2700億人民幣。2015年，人工智慧市場規模為490億元，還不及2024年的1/8，整個人工智慧市場將呈現出爆炸式增長。

在，人工智慧市場也將成為一個百億元人民幣的市場，並極大的推動其他相關產業發展。根據艾瑞諮詢預測，2015年人工智慧市場規模約12億人民幣 ，參考全球規模及主要公司增長率估算，年增長率約50% ，2020年人工智慧市場規模將突破91億人民幣。

2.人工智慧教育應用模式

2.1 人工智慧在教育應用現狀

人工智慧本身即跨領域的學科（計算機科學、神經科學、教育學、語言學、人類學和社會學），可促進適應性學習環境與其他工具的發展。人工智慧不僅可以讓我們深入了解學習是怎麼發生的，還將改善學習過程，在教學過程中對教師起到輔導作用。

現階段，儘管人工智慧在教育領域的影響還未達到預期，但人工智慧在藉助語音識別、圖像識別、系統評測及數據等技術已初步實現了與教學的核心連接，促進了教學產品的創新。在系統層面，人工智慧已開始影響每個學生的學習體驗；而在收集、分析數據方面，數據的處理和評價更加便捷、高校。

美國科技巨頭Oculus創始人Palmer Luckey曾指出，「學校教室終將消失，孩子們不需要在教科書上花費太多時間。」目前，美國很多學校已開始藉助人工智慧、虛擬現實等新技術來變革傳統教育模式，這種發展趨勢無疑證實了Palmer Luckey這句話的顛覆效應。

以下是人工智慧及其相關產品在教育領域的幾種常見方式：

（1）補充課堂教學

一般情況下，學校採用的是整齊劃一的教學方法。但每個學生的學習進度和方法並不相同，老師往往很難識別和處理學生的個性化需求。但機器學習演算法卻能夠從數據中提取模式，並提供見解和建議，幫助教師找到教學中的差距，並指出學生在哪些方面存在欠缺。

Third Space Learning是5年前成立的在線數學輔導平台，他們正在積極探索「補充課堂」這個概念。他們收集了數百萬堂課上的師生互動數據，並推出了一個AI項目，旨在找到主動的教學和學習模式。

圖3 國外在線數學輔導平台Third Space Learning

該在線數學輔導平台，可提供實時反饋，並幫助在線導師掌握更好的教學技巧。例如，系統會檢測到一個學生對概念的理解是否存在誤解。通過向教師發出預警，該平台可以誤解進一步加深。

（2）強化個性化輔導

自從出現了課堂學習，從私人教師和同學那裡尋求幫助，補充課堂所學便成為了常態。

近年來，由於互聯網的快速發展，學生們已經能夠從數千英裡外的同學那裡得到幫助。如今，在人工智慧和機器學習的幫助下，尋找遠程幫助變得更加容易。

Brainly，一家幫助數以百萬計學生展開合作的社交網路，正在其平台探索人工智慧的魔力。

圖4 學生社交網路Brainly

為了確保優質的服務，Brainly雇傭超過1000名版主幫忙審核和驗證用戶提交的問題和答案。現在，Brainly使用機器學習演算法來自動過濾垃圾信息和低質量的內容，允許版主花更多精力為學生提供優質的服務。除了內容的監控外，Brainly還利用人工智慧演算法讓平台充滿個性。

Brainly 首席研究員Erik Choi指出：「隨著機器學習能力的提高，我們能夠為每一名學生提供個性化學習體驗。每個學生獲得的信息都與各自的學習路徑息息相關。這意味著同一堂課30名學生中，每個人學習的內容和節奏都不一樣。學生的薄弱環節將得到特別的訓練和鞏固。」

（3）創建自定義內容

教科書、學生用書和課程資料通常是為中等學生準備的，儘管數以百萬計的學生都在使用它。但並非所有的老師和學校都有一模一樣的教學風格。如今，在人工智慧技術支持下，教師和學校將能夠根據學生需要自定義創建教科書和習題集。

圖5 基於深度學習的定製教科書CTI

Content Technologies, Inc (CTI)是一家利用深度學習開發定製教科書的公司。當教師將教學大綱和材料導入到CTI的引擎后，系統將自動讀取並掌握內容，以發現新的教學模式。然後，演算法將使用獲得的知識來創建教科書和課堂材料。CTI正利用這項技術為中、高等教育機構提供出版服務。

2.2 「人工智慧+教育」三大主要模型

人工智慧的發源地在國外，因此大多數AI+教育項目也主要受國外啟發，目前人工智慧在教育應用的模型主要分為三大類別：Learner model（學習者模型）、Pedagogical model（教學模型）和Domain model（特定學習領域）。

這三種主要模型最早由國際知名諮詢公司Technavio在《關於人工智慧+教育」研究報告》中提出，該報告從不同的角色來分析了現在人工智慧在教育中的使用場景，以及對於未來市場規模的預測。

（1）學習者模型（Learner model）

現階段，人工智慧被廣泛地用於設計為教學者服務的以內容為基礎的產品或服務。在這種情況下，自適應學習（Adaptive learning）是最為相關和實用的概念。很多教育內容提供商都在自己的產品里融入了自適應學習技術以為學生提供更智能的學習選擇。結合內容的自適應學習能力能讓學生自主地學習，他們能夠成為學習內容的「主人」並有了適合自己的學習方法。這能夠提高他們的學習興趣和學習的參與積極性。

具備人工智慧能力的學習者解決方案顯然是個性化學習的有效方案。通過這項技術，老師能夠更好地洞察不同學生的學習行為，而一些技術甚至能夠捕捉學生的情緒指標的數據。

由於人工智慧能夠被運用到幾乎所有類型的教育內容形式中，因此它的運用場景也會非常廣泛，甚至包括教育類的遊戲。也基於這些原因，Technavio對於以Learner model為劃分的人工智慧+教育的市場規模增長預測會相對較大。

根據Learner model的推算，報告預計到2020年全球人工智慧+教育的市場規模將達到6300萬美元，每年的複合增長率將達到40%。

（2）教學模型（Pedagogical model）

人工智慧在教育領域的另一個重要場景是能提升教學的質量，比如說評測方法（assessment），傳統的評測方法將被在線的評測方法取代。以往的運用到這個領域中的軟體方法大多通過封閉式問答的方式比如說複選題。但是對於開放式問答或者論文式題目方面並沒有辦法給出有效地反饋。通過運用人工智慧的方式，學生們能夠得到恰當的評價並且實時地提升自己的學習表現。

另外一個在教學模式下的重要突破是開發商們在自己的產品中運用到了自然語言處理和語音識別技術。通過運用這些解決方案，人工智慧系統扮演了導師的角色，能夠提供精準的答案並分析學生的表現。而學生們獲得的最大幫助是他們完全可以用自然語言的方式提問，因為系統能夠自動分析他們的語音並分析提問的主幹。Cognii公司的Cognii Virtual Learning Assistant 虛擬學習助理具備探究式（inquiry-based）的學習能力，學生們可以在與系統交互的同時進行學習。因此，在這種情況下，老師們的教學機制也得到了簡化。

對於在Pedagogical model（教學模式）下人工智慧+教育的市場規模，Technavio給出的預測是在2020年將達到3100萬美元。

（3）特定學習領域（Domain model）

Domain model指的是在某一個具體特定學習領域。在這個特定領域中的人工智慧解決方案主要是來優化提高特定領域中的知識，主要是在STEM領域。課外輔導通常被用於幫助解決孩子們在課堂外的學習問題。但是，如今我們可以藉助新的技術來解決缺乏合格的課外輔導老師的困擾。這對於現有的老師來說也是一種可替代的選擇。

開發商們正在開發各種圍繞特定項目的輔導老師，或許這個輔導老師被叫做智能輔導系統（intelligence tutoring systems）更為合適。目前，市面上也有很多種智能輔導系統可供選擇，比如說Andes 、DesignFirst 、Cognitive Tutors 和Auto-tutor ，老師們正在運用類似的自然語言處理系統來理解學生們提出的問題。

Technavio對於在Domain model中的人工智慧+教育的市場規模預測將在2020年達到1100萬美元。

2.3 人工智慧在教育領域的七大應用

（1）降低信息化使用門檻，檢測知識掌握度

一般而言，老師一定不是信息化的專家，因此降低信息化使用的門檻在教育領域十分有必要。比如：依託很好的信息化技術，讓老師在課堂上迅速的實現和學生的互動，可以把最好的資源調取出來，通過多屏互動展現在屏幕上。要使得技術使用的門檻比老師從粉筆盒拿一隻粉筆更加簡單，這樣老師才願意用，這樣才可能產生連接、產生數據。

圖6 依託雲、網、端，實現多屏互動、移動教學

並且，老師課堂講解的內容可以轉變為教育大數據，經過後台人工智慧分析，把學生的作業、單元測試、考試的相關知識全部匯聚到後台，數據將可以精準分析學生對知識的掌握程度，掌握的知識不用重複，個別沒掌握的課後或單獨輔導。

（2）個性化學習，因材施教

提出因材施教的教育理念已經有兩千多年的歷史，但是在傳統應試教育大環境下，根據學生不同的認知水平、學習能力以及自身素質來制定個性化學習方案難度相當之大。但當人工智慧技術介入后，因材施教理念的實施變得極有可能。目前來看，個性化學習有兩條實現途徑：

分析內容，構建知識圖譜

構建和優化內容模型，建立知識圖譜，讓用戶可以更容易地、更準確地發現適合自己的內容。國外這方面的典型應用是分級閱讀平台，推薦給用戶適宜的閱讀材料，並將閱讀與教學聯繫在一起，文後帶有小測驗，並生成相關閱讀數據報告，老師得以隨時掌握學生閱讀情況。

例如，美國Newsela將新聞與英語學習融為一體。通過科學演算法衡量讀者英語水平，抓取來自《彭博社》、《華盛頓郵報》等主流媒體的內容，由專人改寫成不同難度係數（辭彙量多少）的版本。

圖7 將新聞與學習融為一體的Newsela

2015年底Newsela用戶量超過400萬，LightSail和紐約市教育局、芝加哥公立學校、丹佛公立學校等機構達成了合作，而目前沒有如此規模、與官方達成合作的個性化閱讀學習平台。

自適應學習，實現智能化推薦

個性化學習是自適應重要的特點，自適應學習（Adaptive learning）的運作過程是這樣的：搜集學生學習數據，預測學生未來表現，智能化推薦最適合學生的內容，最終高效、顯著地提升學習效果。

比如國外自適應平台的佼佼者Knewton。它為發行商、學校及全球的求學者提供預測性分析及個性化推薦，其覆蓋的學生範圍包括 K12、高等教育及職業發展教育等。

圖8 自適應學習平台Knewton

Knewton主要有三個重要功能：首先是推薦課程內容功能。系統抓取學生的學習數據，並分析下一階段應該學什麼，這與亞馬遜、淘寶的推薦並無不同；第二，預測性的學習數據分析。Knewton可預測學生未來的學習程度，現在做的怎麼樣，未來能做怎麼樣。比如說一個學生測試得了60分，還有系統基於學生數據分析和對內容的了解，系統可能會顯示學生水平要高於60分；第三，內容數據分析。評估課程的內容質量，對學生學習有什麼影響。

2015年一起作業網宣布與Knewton達成合作協議，把Knewton的個性化數據分析技術運用到旗下的英語教學產品。

（3）自動化輔導與答疑

除了應用於個性化學習方案的制定外，人工智慧還可落地在自動化輔導和答疑子領域，這也成為了教師面授外的補充。下一代教育機構是智能型，讓機器模擬人來答疑、做服務成為可能，這類應用會越來越多。最初機器是用來輔助人工教學的，未來的趨勢則是人輔助機器，而這個過程會一次次重塑未來的學習和教育。

例如，美國喬治亞理工學院某個課程整個學期結束后，學生才被老師告知此前一直互動的某個助教（吉爾·沃森）是聊天機器人，同學們都震驚了。這其中人機交互（HCI）技術有著非常重要的作用。

（4）智能測評，自動閱卷、批改作業

在教學過程中，老師長時間改作業甚至到深夜的場景深深印入眾人心中。隨著信息化建設、人工智慧的發展，大數據、文字識別、語音識別、語義識別，使得規模化的自動批改和個性化反饋走向現實。如何利用人工智慧減輕批改壓力，實現規模化又個性化的作業反饋，是未來教育的重要攻克點，也是國內外眾多企業看中的市場。

圖9 人工智慧助力作業批改

例如，國內語音交互公司科大訊飛，其英語口語自動測評、手寫文字識別、機器翻譯、作文自動評閱技術等已通過教育部鑒定並應用於全國多個省市的聯考、中考、學業水平的口語和作文自動閱卷。而基於國家「十二五」863「和基於大數據的類人智能關鍵技術與系統」階段性成果構建的「訊飛教育超腦」已在全國 70% 地市、1 萬多所學校應用。

國外也有多個智能測評公司和實踐用例。美國教育考試服務中心（ETS）是世界上最大的私營非盈利教育考試及評估機構，已經成功將AI引入SAT和GRE論文批改，同人類一起扮演評卷人角色。

（5）模擬和遊戲化教學平台

寓教於樂也是現代教育理念之一。未來教育要從娛樂業中學習如何大規模吸引用戶參與其中，同時提升質量與價值。事實上，未來知識獲取會有很多渠道，儘管舊的知識貨幣不會被取代，但它會因為一個人的知識組合包的形成而獲得優化，這個知識組合包中包含他學過的內容，上過的課程，經歷的事情，並且依賴於LinkedIn這樣的數字網路。

平台應用的科技將會包括虛擬現實、計算機視覺、機器學習等。目前最成功的模擬模擬是飛行模擬器。據悉，模擬機和真機飛行的感覺沒有差別，而模擬機的訓練還更為便捷。例如美國紅雀模擬器公司推出的紅雀FMX型全動飛行訓練裝置經過了美國美國航空管理局（FAA）認證，價值幾千萬美金的模擬機。中航國際也曾採用這款飛行器訓練飛行員。

圖10 紅雀FMX型全動飛行訓練裝置

除了上述特殊應用外，還有科學學習模擬平台。Catchment Simulation 是一款可以學習水文和水利的模擬軟體，研發目的是出於對環境的保護。

（6）教育決策

學生教育決策失誤率很高，尤其體現在選擇大學學校以及專業時。有數據顯示，70%學生後悔自己當年所選專業。有句戲謔的話是「現在上課流的淚，都是當年選專業腦子進的水」。如果能夠搜集海量數據提供決策基礎，AI 演算法就能幫助學生找到最優理論路徑，從而選擇更適合的學校、專業。

iPIN是一家商業智能公司，在創業初期，iPIN選擇聯考志願填報為切口。iPIN創始人兼CEO楊洋提出，「我們幫助聯考生填報志願的方法是讓機器學習上億人的成長軌跡，學會人類職業成長的模式，然後用他們的軌跡去指導畢業生規劃人生，找到裡面的捷徑。其中涉及的數據有各省政策、招生計劃、錄取數據、職業測評體系、就業情況、男女比例等。」

圖11 iPIN聯考志願機器人

2016年iPIN與新東方達成戰略合作協議，發布了三款人工智慧機器人，其中之一就是聯考志願機器人，三步走實現指導：測錄取率、自我測評、智能機器人匹配方案。

（7）教育機器人

除了人工智慧軟體技術應用外，教育機器人在未來智能教學應用中也是一個相當重要的領域。《2016全球教育機器人發展白皮書》預測未來5年（2016-2021年）全球教育機器人的市場規模將達111億美元。

圖12 教育機器人

不過，目前來看，人工智慧的技術目前只是有所進展，仍然不夠成熟，導致產品售價不低，且看不到解決實際痛點的標杆產品。當前很多人工智慧只是應用在兒童教育領域，這些公司核心普遍在於技術，不能兼顧生產優質的教育內容，如何將機器人的娛樂性和教育性良好地平衡是值得思考的問題，否則教育機器人極易淪為使用期不長久的兒童玩具。

3.結論

3.1 人工智慧教育應用場景已成熟，教育信息化是應用驅動

在人工智慧的驅動下，教育在教學場景、教育形式等方面產生了新的教育產品和教育形態，聲音、圖像、虛擬現實、大數據開始被大量應用。當然這是一個長期的過程，但是我們要看到這個過程已經開始了，很多學校實際的教學環境中用到的有些產品，裡面已經具備了部分智能化的程度，隨著數據越來越多，學校的教育智慧系統會越來越強大。

另一方面，近年來，相關政策的支持力度也非常大，國家教育部已經正式提出來，下一步教育信息化的重點是信息化和教育技術的深度融合，是應用的驅動。因此，不再像以前僅僅是學校買計算機設備，大家都在切切實實的推動技術和教學實踐深度的融合。

同時，現在已有很多剛需性的應用。例如上文中的作業評測、自動閱卷，上課老師的講解等，這些應用讓老師願意去用，並且用的過程中會產生數據，數據指導老師有針對性的教學，指導學生個性化的學習。

3.2 人工智慧將開啟虛擬現實立體型的教學模式

目前，人工智慧技術在教育上的應用主要體現在圖像識別和語音識別兩個方面。這兩個技術雖然得到了應用，但目前尚處於初級階段。在技術和應用場景上還需要更多的探索。

現在人類教學場景非常簡單，互聯網教育也僅僅通過圖像、視頻等多媒體的方式來表現教學知識點。在未來的人工智慧教育時代，將實現虛擬現實立體型的綜合教學模式。其實人機交互被認為是人工智慧領域重要一環，未來教育不只是與老師交互，同時也可以與知識交互，每一個知識點都可以立體展現。

3.3 人工智慧可有效降低教育成本，縮短學習反饋周期

儘管人工智慧不可能完全取代教師，教育活動的主角依然是教師，但人工智慧可有效降低教育的成本，如通過網路讓更多人在線學習優秀教師的課程，並通過AI技術來分析學習效果，幫助教師用更少的精力提供對更多人的差異教育，真正實現因材施教。

不僅如此，人工智慧也縮短了學習反饋周期。針對某個具體的學習目的，必然存在：現狀診斷+學習目標——反饋調整——提高與效果的展示。教學效果可視化、可量化很重要，如果無法展示學習效果，不能及時反饋，學生的水平很難得到提升。

3.4 人工智慧讓教學質量的標準化與批量化成為可能

教育行業的核心痛點是優質資源稀缺。一個好老師，需要具備先天智商，較好的人品，加上後天的培養，自身長時間的積累，以及外部環境的支持才能造就。優質師資很難規模化複製，進而導致稀缺。

而人工智慧的出現，讓優秀教師教學質量的標準化、批量化成為可能，進而讓中小企業也能有很強的的教學能力。

（本文系教育從業者盧孟兵投稿，轉載請註明來源）