行业新闻

爱赢娱乐人工智能教师的将来脚色

点击次数:更新时间:2018-02-10 11:28【打印】

  爱赢娱乐近几年,跟着微电子学及互联网的逾越式成长,运算、存储能力大幅度的提拔帮力了人工智能的起飞;大数据手艺的冲破取普遍使用驱动了人工智能的本色前进。人工智能正在教育中的使用已成为热议话题。本文引见了人工智能的三大学派及其典型案例,阐述了人类该以何种立场应对人工智能成长势态,并具体阐述了人工智能教师正在将来可能承担的十二个脚色:可从动出题和从动批阅功课的帮教、进修妨碍从动诊断取反馈的阐发师、问题处理能力测评的本质提拔锻练、学生心理本质测评取改良的员、体质健康监测取提拔的保健大夫、反馈分析本质评价演讲的班从任、个性化智能讲授的指点参谋、学生个性化问题处理的智能导师、学生成长成长的生活生计规划师、精准教研中的互帮火伴、个性化进修内容生成取汇聚的智能代办署理、数据驱动的教育决策帮手。人工智能教师将正在将来学校拥有一席之地,将来教育将是教师取人工智能教师协同共存的时代。

  近年来,人工智能成为人们关心的核心,而现实上人工智能并不是重生事物,它最后是正在1956年达特茅斯会议上提出的,后来历经三次三次低谷成长,正在学问工程、机械人、机械视觉、语音识别、言语翻译等范畴取得了本色性成长。当前,互联网的快速成长带来了海量数据的汇聚,再加上获得了以前无法具有的强大计较能力,从而使得近年来人工智能取得了本色性冲破,这一冲破不只表现正在研究层面,更表现正在各类实践范畴的产物取办事上。能够说,人工智能正正在变化我们的社会出产取糊口,第三波人工智能的海潮曾经到临。

  回望汗青,2006年,的欣顿(Hinton)传授正在计较机视觉角逐大将深度神经收集使用到计较机识别图像中,计较机识别图像能力一下提高了十几个百分点。后来欣顿传授正在《科学》上发文正式提出基于人工神经收集的“深度进修”概念(Hinton & Salakhutdinov,2006),由此揭开人工智能成长的第三波海潮,而近年这一海潮也取得系列。好比,2011年GoogleBrain通过非监视进修,自从识别出猫脸图像;2012年微软语音识别及及时语音翻译手艺取得庞大进展。这些都是基于欣顿传授人工神经收集进行深度进修的而取得的本色性进展。当前,人工智能不竭成长,2015年斯坦福人工智能尝试室组织的ImageNet图像识别角逐中,计较机识别图像的准确度跨越了人眼;2016年AlphaGo打败李世石。这些使得人工智能敏捷跃入公共视野,成为陌头巷尾热议的话题。

  人工智能次要研究用人工的方式和手艺,仿照、延长和扩展人的智能,实现机械智能。人工智能的符号从义(以基于学问工程的专家系统研究为代表)、联合从义(以人工神经收集研究为代表)、行为从义(以行为动做的取节制研究为代表)是人工智能范畴中具有代表性的三种方式,别离从对人的逻辑思维模仿、大脑布局模仿和人类智能行为模仿三个侧面临智能进行研究。

  符号从义认为人工智能源于数理逻辑,次要思惟是使用逻辑推理模仿人类的智能勾当,从而实现对大脑功能的模仿。符号从义认为,人类认知的基元是符号,认知过程是符号暗示的一种运算,智能的焦点是学问,而学问能够用符号暗示,以操纵学问推理进行问题求解。其代表性包罗机械证明、专家系统、学问工程等。

  基于符号从义逻辑推理的人工智能成长的标记性事务有IBM公司的“深蓝”(Deep Blue)打败国际象棋冠军卡斯帕罗夫,这是人工智能的里程碑事务,也是符号从义人工智能的庞大成绩之一。后来,IBM公司推出认知系统“Watson”,以留念IBM公司创始人托马斯•沃森(Thomas J.Watson)。Watson不只学问面宽广,还能理解阐发包罗鄙谚、俚语正在内的复杂的人类言语,并以高相信度快速回覆各类问题。

  2011年Watson加入美国实人答题电视节目,打败了人类最强的选手,获得100万美元金。这是很不容易的,因人答题角逐需要理解人类言语,阐发人类言语细微的不同、的口气、谜语等,不只要求计较机有脚够的速度、切确度和相信度,还能用人类的天然言语回覆问题。

  现在,Watson曾经成为IBM公司的焦点手艺。IBM正正在进行新的转型,方针是供给以Watson为焦点深切到各行各业的人工智能处理方案。如医疗行业中,通俗大夫正在Watson系统输入病患的消息,短短十几秒后,它就能够生成一份长达70-100页的医治演讲,内容包罗保举医治方案、遵照的指南和医治思惟、帮帮寻找患者的临床医学、用药以及药物副感化提示等。Watson为什么可以或许实现上述行为呢?由于历经多年的手艺迭代,海量医学数据的“喂养”后,Watson医疗系统目前曾经能够实现17秒内阅读3649本医学著做、24.8万篇论文、69种医治方案、61540次尝试数据以及10.6万份临床演讲,并最终提出三个最佳医治方案(梁辰,2016)。Watson是以学问工程为道理的人工智能的典型成绩,也是深切适用层面的典型。

  毗连从义学派认为人工智能源于神经收集的毗连,智能勾当的基元是神经细胞,过程是神经收集的动态演化,神经收集的布局取智能行为亲近相关,分歧的布局表示出分歧的功能和行为,人工智能应对人的心理神经收集布局的模仿。毗连从义的焦点方式是建立人工神经收集(Artificial Neural Networks,简称ANN)及人工神经收集间毗连机制的进修算法,实现对大脑功能的模仿。其代表性包罗神经元MP模子、Rosenblatt机模子、BP神经收集、深度神经收集等。

  近年来深度神经收集的成长取使用,又掀起了毗连从义人工智能的研究高潮,代表性案例是计较机视觉。深度进修神经收集模子有两个典型代表:卷积神经收集(CNN)和轮回神经收集(RNN)。CNN是一个多层的神经收集,其素质是每个卷积层包含必然数量的特征面或卷积核(Chu & Krzyzak,2014),用来识别位移、缩放及其他形式的扭曲不变性的二维图形,如图像识别、手写识别等。CNN的最大劣势正在于特征提取,具体表示为局部毗连、权值共享和池化操做,比保守模子有更少的毗连和锻炼参数,从而更易于锻炼,顺应性更强(李彦冬等,2016)。RNN是躲藏层之间的节点彼此毗连且输入不只包罗输入层的输出,还包罗上一时辰躲藏层输出的神经收集(Britz,2015)。也就是说,RNN中一个序列当前的输出取前面的输出相关,这也是RNN被称为轮回神经收集的缘由。其次要用于处置序列数据(即一个序列的当前输出取前面的输出相关)。目前,RNN机械翻译(Liu et al.,2014)、言语识别(Graves & Jaitly,2014)等均有普遍使用。

  正在深度进修神经收集的鞭策下,人工智能正在计较机视觉及天然言语处置方面的适用性大大推前了一步。其推进过程有几个环节事务。起首,斯坦福大学人工智能尝试室李飞飞传授设立了计较机视觉角逐,成立了海量图像数据库Image Net,以期基于此提拔人工智能计较机视觉的识别能力(Deng et al.,2009),本色性地鞭策了计较机视觉的成长。此外,谷歌原科学家吴恩达用1.6万块电脑处置芯片建立了全球最大的电子模仿神经收集,并通过向该收集展现来自YouTube上随机拔取的1000万段视频,调查其可以或许学到什么。研究表白,正在无指令的自觉前提下,该人工智能神经收集自从学会了识别猫脸(Le et al.,2011)。这常了不得的成绩,也是计较机视觉范畴的里程碑事务。比来,谷歌发布了一款名为dps相机,能够拆正在婴儿童车上,外不雅很是通俗,其奇特之处正在于,自动摄影,能够自动识别儿童打滚儿、浅笑、傻笑、眨眼等风趣的脸色,或者出格有留念意义的时辰,并自动摄影和视频。此中的底子就得益于深度进修和海量数据,得益于谷歌正在YouTube上采集的海量的具有留念意义的儿童视频脸色。

  行为从义认为人工智能源于行为动做的取节制,次要思惟是使用节制论,采用进化的体例模仿人类行为勾当中表示的智能。行为从义认为功能、布局和智能行为是不成分的,分歧业为表示出分歧的功能和分歧的节制布局,智能是对复杂的顺应,而这种顺应取决于和步履。人工智能能够像人类智能那样逐渐进化。其代表性包罗“-动做”模子、强化进修、类脑计较、生物智能算法等。

  行为从义代表性案例是谷歌的机械狗,其方针是实现人或动物能去的处所机械都能去。它可以或许完成恶劣中的特定运输使命;正在未知的恶劣如森林、雪地、冰面、河床等中行走时,可以或许识别并避开或越过树木、乱石堆等妨碍;正在碰到的突发性冲击时,可以或许敏捷调整本身姿势,连结坐立并继续前进。

  日常糊口中看到的扫地机械人是行为从义人工智能的典型代表,它基于和步履节制模式来顺应千差万此外空间,并能取的交互中,实现像人类智能一样的进化。

  跟着研究和使用的深切,人们逐步认识到,三个学派各有所长,各有所短,应彼此连系、扬长避短,分析集成。

  人工智能成长的迅猛之势,激发了人们的热议。人工智能可否代替现代人成为人们关心的核心。有人忧愁:人类会不会被代替?有人担忧AI是个的潘多拉魔盒。早正在1993年,计较机科学家弗农•维格(Vemon Vinge)就提出了奇点概念,即人工智能驱动的计较机或机械人可以或许从头设想和改良本身,或者设想出比本人更先辈的人工智能。不成避免的是,这将导致人工智能的成长远超出人类的智力、理解力和节制力,这也是温格所说的人类时代的终结。比来,史蒂芬•霍金和斯图尔特•罗素、马斯克、泰格马克(Tegmark)和弗兰克•威尔齐克(Frank Wilczek)等科学家也,AI的潜正在错误谬误是太聪了然。2001年起头的“60年代的太空漫逛”,80年代的“终结者”系列,到比来的“超越”等影片,都描画了一个由异工智能节制的反乌托邦世界(Luck-in et al.,2016)。

  美国《纽约客》(The New Yorker)2017年10月封面登载了一组机械人图,惹起人们的会商。该图名为《工场》(Dark Factory),描述的是工场里一群机械人正在上班,而人正在边乞讨,暗示机械人了人的世界。

  比来,BBC基于大学卡尔•佛雷和米歇尔-奥斯本(Frey & Osborne,2016)的数据系统阐发了365种职业正在将来的“被裁减率”,成果显示,电线.0%,银行人员为96.8%等,这些职业被替代率均正在百分之九十以上。其他职业,如艺术家为3.8%,音乐家为4.5%,科学家为6.2%,律师、为3.5%,牙医、理疗师为2.1%,建建师为1.8%等,这些职业被代替率很低,特别是教师职业的被代替率只要0.4%。据此研究,若是处置的工做包含以下三类技术,被机械人代替的可能性会很是小:1)社交能力、协商能力以及情面练达的艺术;2)怜悯心,以及对他人线)创意和审美。可是若是所处置的工做具有如下特征:1)无需先天,经由简单锻炼即可控制技术;2)大量的反复性劳动,上班无需动脑,只需熟练罢了;3)工做空间狭小,坐正在格子间里,不闻全国事等,被机械人代替的可能性会很是大。

  教育范畴也有人工智能挑和教师的新鲜案例。好比,美国佐治亚州理工大学计较机科学传授艾休克•戈尔(Ashock Goel)用人工智能回覆MOOC课程问题。他将名为吉尔•沃特森(Jill Watson)的机械人(一款基于IBM沃森手艺的聊器人)放置做帮教,为学生讲课5个月,期间没有任何学生发觉问题(Graaf,2016)。这一聊器人回覆问题能力很是强,学生以至没有留意到课程帮教是个机械人。虽然BBC预测教员被代替的概率是0.4%,但现实上教师的良多工做会被人工智能所代替。

  当然,对于人工智能,我们不要过度高估也不要过度低看,就像雷•克种福德(Ray Clifford)所言,“科技不克不及代替教师,可是利用科技的教师却能代替晦气用科技的教师。”同理,人工智能不会代替教师,可是利用人工智能的教师会代替晦气用人工智能的教师。

  综上所述,人工智能对教育的影响,我们既不要高估——短期它不会对教育发生本色性影响,又不要低看人工智能叠加其它手艺,如叠加大数据、互联网、加强现实后的影响,这些手艺颠末长时间的进化后,会本色性地改变教育系统。所以,我们要秉承立场对待人工智能的教育影响。

  师范大学将来教育高精尖立异核心正在人工智能教育使用范畴做了系列前瞻性研究,启动了“AITeacher”的国际合做研究项目——人工智能教师。我们成立了教育大数据平台,采集全进修过程数据,对青少年儿童的学问、感情、认知、社会收集等进行全面仿实,通过数据切确领会青少年成长的一般纪律及个别特征,实现天然言语交互形态的“人工智能教师”办事。

  图1是研究的功能框架。我们但愿基于全进修过程数据的教育智能平台,为每个教师供给基于云的智能帮理,但愿它能达到相当于人类特级教师的程度,以至能完成一些优良教师以至特级教师都不克不及完成的使命,为减轻教师压力和工做量供给支撑。下图12个方面的研究,初显了人工智能教师将来的目前这些研究部门正在实践中获得了使用,发生了优良的结果,部门还正在环节手艺摸索阶段,仍处于原型形态。

  人工智能教师的第一个脚色,是成为可从动出题和功课从动批阅的帮教,帮帮教师对分歧能力的学生从动生成分歧的试题,并对功课、试卷等实现从动化批改。我们有个团队正在做基于海量数据和学问本体的从动出题和功课从动批阅研究。该研究通过成立某个特定范畴完整的学问图谱,实现计较机基于学问库的法则,基于各类情景模板和情景素材,从动生成各类试题。基于学问法则生成的试题,能够遍历各类学问组合取使用情境,更好地诊断学生对焦点学问的控制程度(见图2)。

  别的,我们还按照人工神经收集客不雅题从动判别研究,包罗简答、翻译、判断、问答、阅读理解等性试题,但愿可以或许把教师从日常批改功课等反复性工做中出来。但对简答题、计较题、证明题等短文本的性试题的鉴定,很是具有挑和性,目前人工智能还不克不及实现完全的天然理解,我们的焦点思是操纵人工神经收集深度进修的体例,通过人工神经收集进修学生做答数据的焦点特征,来对谜底进行分类,从而提取焦点特征并将其归到预定的分类框架,进而得出它的评测模子,再操纵评测模子评测其他学生的做答。通过这种思,把天然言语理解的问题为数据锻炼问题。

  此后测评工做迟早会被人工智能所接管。人工智能可以或许实现从动问题生成、从动诊断、从动评分、进修径优化、从动标题问题生成、自适招考卷生成、自适招考试、从动使命建模等,此后测评范畴必将实现过程的全从动化。

  人工智能教师的第二个脚色,应成为进修妨碍从动诊断取及时反馈阐发师,帮帮教师、家长发觉学生进修中现含的问题,并及时赐与反馈取处理。我们开展了进修妨碍从动诊断取及时反馈研究,通过对中小学的学科成立学问图谱,正在学问图谱中标识表记标帜学生的学科能力,即对每个焦点概念上学生应达到哪一个学科能力都进行了标识表记标帜,成立了学生学科能力的标识表记标帜模子。然后,通过对学生的试题做答数据进行阐发,就能够通过数据仿实出学生对该学问的控制程度(见图3),并以此,进行个性化保举。

  除个性化保举外,我们还能够基于学生的学问图谱进行预测性阐发和诊断性阐发,找到学生进修的妨碍点,并按照汗青数据预测其将来可能取得的学业成绩。

  好比,我们有项研究基于小我学问地图切磋学生进修妨碍的诊断。学生不会计较梯形面积,其环节妨碍可能是不懂平行线的性质。所以,我们要发觉环节妨碍点,才能对症下药。通过计较机人工智能罗致海量汗青数据现含的法则,我们就能发觉学生最易犯错环节妨碍点,并对其进行破解。

  别的,我们还取上海Find钢琴公司合做开展进修钢琴的大数据阐发。这些钢琴能够从动采集弹奏过程中的标的目的、力度、速度等参数,并将其数字化。据此,研究人员能够成立钢琴数据阐发模子,实现从动评测。当学生弹奏和考试时,钢琴会从动判断能否准确。同时,系统通过大数据统计阐发,得出学生的成就,发觉环节妨碍点,并保举及正在线弹奏演示。颠末一段时间堆集后,系统会针对学生的进修情况出具详尽的总结演讲,实现一视同仁的专家指点。

  人工智能教师的第三个脚色,是成为问题处理能力测评的本质提拔锻练,协帮教师评估学生问题处理能力的成长,并通过度析性项目进修提拔学生本质。我们正在评价学生时,除了所学的学问外,还要调查学生的问题处理能力。也就是说,需要判断学生正在处理问题时的阐发能力、策略构成能力、高级认知能力等。我们开展了数据驱动的仿实模仿引擎研究,次要是把学问嵌人实正在情景问题中,通过教员供给的问题情景素材,成立实正在问题处理的式仿实,构成问题仿实引擎。正在学生进行问题处理时,电脑通过环节环节决策中留下的径数据、点击数据、交互数据等,再通过对交互数据的时序阐发、模式阐发、行为模式聚类等,仿实并计较出学生的认知能力、打算施行能力、实践操做能力、成果整合能力、学问迁徙能力等问题处理能力,从而对学生的分析本质、分析问题处理能力做出评价,生成演讲。图4是测评成果给出的分析演讲样例,通过这份演讲,学生能够做出针对性策略调整。

  该仿实引擎的方针是通过成立多种分歧问题情境,检测学生可否自动获取和分辨相关材料,并使用此中的消息处理现实问题。通过计较机手艺手段不雅测记实阐发学生解题的过程性行为,从而给出能无效提高学生现实问题处理能力的体例方式。此中,脚色实现所包含的内容如表一所示。

  如斯,通过采集学生的交互数据,提取他正在仿实引擎交互上的次序特征(学问点或者解题环节过程的拜候次序)、时间特征(单个步调的用时、正在某个点上的全体用时、间断时间、用时比例等)、模式特征(为了完成某个步调,利用了哪些东西?勾当成果果能否准确),然后操纵神经收集和统计进修方式,如现马尔科夫模子,阐发学生表征行为,从而猜测出该学生高阶、深层、不成见的能力。目前,我们曾经开辟好平台,并取得了较好的使用结果。

  人工智能教师的第四个脚色,是成为学生心理本质测评取改良的员,协帮教师及早发觉学生的心理问题并及时赐与干涉。我们不只要领会学生的学问、能力,还要领会他的认知能力取心理形态,即分析心理本质。我们结合师范大学心理学部成立了八个维度的分析心理本质评估模子,包罗心理健康、人格成长、根基认知能力、高级认知能力、进修质量取能力、成长潜力、教育、汉语阅读能力;从青少年成长潜力、心理健康、人格特征、进修质量、认知能力,家庭、学校、教育等方面编制了40多个项目标心理测评量表。

  根据心理测评量表及量表诊断的数据,我们能够领会学生的心理形态及专业分析本质测评成果,包罗成长潜力、收集成瘾、进修感触感染等,从而构成细致的阐发演讲(见图5),帮帮教师领会实正在的学生。

  这些心理本质测评阐发演讲对于教师育人,对于家长准确认识孩子,推进儿童积极、健康、全面成长,都将起主要感化。

  人工智能教师的第五个脚色,是成为体质健康监测取提拔的保健大夫,帮帮教师基于数据,切确领会学生体质成长及健康情况,并给出推进成长的锻炼方案。图6为郭俊奇团队关于青少年体质健康及时监测系统布局。我们正正在研制采集行为数据的智能仪器和智能设备,如智妙手环、智能肺活量测评东西、智能跳绳东西等。借帮这些智能活动器具,我们采集学生体质健康的行为数据,以此为根本,成心率、血氧、力量、耐力、活动、加快度等体质健康数据,然后取青少年体质健康的静态常模数据进行婚配,发觉学生正在体质、活动技术、健康学问等方面的问题,并积极干涉。

  例如,我们研制了能够采集学生心率血氧等参数的智妙手环。它通过正在及时采集参数,实现对能力进行健康监测和数据阐发(见图7)。

  此外,我们还能够通过数据阐发构成面向学生健康素养的体系体例监测演讲(见图8),凭此能够阐发学生正在体质健康、身体本质、身体动做功能、活动进修能力以及健康糊口体例等目标,发觉学生体质的劣势取问题,并基于中处方内容库、中学生身体功能锻炼方式库、学校体育优良讲授资本库、中学健康教育学问库,从动生成性的锻炼方案,推进学生身体本质的劣势加强或者问题改良。将来人工智能锻练能够协帮教师教授健康及活动学问、传授活动技术、指点体育熬炼、指导学生科学健康的糊口体例,让学生学会自从熬炼、自从、自从评价、自从反馈。

  人工智能教师的第六个脚色,是成为反馈分析本质评价演讲的班从任,正在期末或其它环节时间为学生、家长供给全面、客不雅、有科学数据支持的分析本质评价演讲。我们成立了一个“聪慧学伴”进修平台,集成了心理、体质、学科学问、学科素养等模子,然后通过采集海量的学生进修过程数据,得出包罗学问、能力、非智力要素等的学生分析本质评价演讲(见图9)。也就是说,学生评价不再是简单的分数,也不是简单的ABCD品级,而是一份含有300个参数的报表,将学生的学科素养程度、学科能力层级、行为形态等可视化地展示出来。

  该评价演讲从体质健康、通存心理和认知能力、学科焦点素养、学科范畴焦点学问四个层面,包罗人格特征、心理健康、认知能力、进修质量、学科素养、学科学问、体质健康、教育、成长倾向等九个方面,规划了共300多项目标,构成了发觉学生个性的数据框架(余胜泉,2017)。

  基于这一数据框架,以及采集学生的讲堂表示、功课做答、习题考试、正在线进修、体质健康、感情形态等数据,然后汇总建模,阐发学生的认知能力、进修气概、留意力、情感感情、进修轨迹、学问形态、学问误区、学科素养等,生成学生的分析本质评价演讲。

  这些分析评价数据,若是取区块链手艺相融合,能够大幅提拔分析本质评价可托度,对将来中、高考等测验评价会发生深远影响。

  人工智能教师第七个脚色,是成为个性化智能讲授的指点参谋,实现一视同仁、因情境而异的个性化智能讲授。我们成立了基于泛正在进修的进修资本模子——进修元(余胜泉,2009),构成了个性化的泛正在进修模子。该模子按照学生进修的汗青数据成立认知模子、推理引擎后,不只能给学生保举响应的学问,更能保举响应的办事以及学问背后的人际收集,实现一视同仁的个性化进修方案,进而实现精准诊断、智能保举。图10展现了进修元的个性化进修全体架构(余胜泉,2017)。

  从以前同一的讲授,到一视同仁的个性化讲授,我们把学生数据进行可视化后,构成学问地图,以此个性化保举学生所需的进修内容、背后的双师办事、婚配的学伴,并连系分析本质评价演讲供给分析实践指点、乐趣成长指点。

  正在学科学问本体及资本的语义联系关系部门,其背后的焦点是成立中小学学科范畴的学问本体,并以此对资本进行描述,基于学问图谱生成进修者的认知地图,据此实现智能保举。

  正在焦点学问图谱的根本上融人认知形态数据能够生成个性化的学问地图,从而针对性地保举学生所需的内容、所需内容的径。正在这个过程中,除了采集学生的进修数据外,我们更需要采集学生认知过程的投人数据。对于进修者来说,认知过程的投人数据比行为数据更主要,是起决定感化的。若是只对行为数据进行阐发,是不精确的,必然要有认知数据的投人,所以,我们连系行为数据和认知数据来构成学问地图,实现精准的个性化的保举。

  人工智能教师的第八个脚色,是成为学生个性化问题处理的智能导师,以天然交互的体例对学生个性化问题进行解答取指点。IBM的Watson帮教系统现实上是典型的智能导师系统,它通过成立教育范畴的专家学问库,实现雷同教师功能的智能指点。自创智能导师系统,我们但愿把教员讲授过程中现性的学问显性化、工程化,内置到智能系统中,通过天然言语交互的人机对话系统,为学生供给个性化的帮帮、个性化的问答。

  我们连系“聪慧学伴”平台正在厂家供给的机械人硬件框架上,打制了人机对话的智能导师系统。学生能够和机械人对话,机械人通过对话理解学生需求,并基于“聪慧学伴”的后台学问库赐与及时的响应和反馈。它能够领会学生的学问形态,并据此供给一视同仁的个性化讲授方案、个性化讲授打算和个性化陪同,还能自动提醒学生的进修进度。未来,通过采集它取儿童的对话内容,能够发觉儿童正在感情、情感、认知方面的问题,进而供给响应的支撑,实现雷同于人类教师的智能。

  我们还规划实施“AI好教员”项目,打算成立儿童0-18岁成长问题库,成立响应的学问图谱取学问库,布局化处置后内置到机械人中,由此人工智能就能够实现对各类育人问题从动解答。

  人工智能教师的第九个脚色,是担任学生生活生计成长参谋或规划师,帮帮学生认识本人、发觉本人的特长、乐趣,协帮完成学生成长成长的智能保举,顺应中考、高考中赐与学生越来越大的选择权。我们通过采集学生各阶段的学业成绩和心理、能力成长特征、测评学生全体特征和能力、识别学生个别、特长和劣势,给出环节期的学科选择和专业选择及将来成长。学生的成长成长保举不只基于分数,还涉及能力特征、心理形态、进修行为、传感数据以及国度招生取登科政策、学科专业特点。正在这些根本上我们成立了数学模子,以此保举最适合学生个性特征及能力和分数段的报考专业和标的目的,及其小我职业生活生计成长规划。

  系统的实现径如图11所示,它通过采集学生的小我特征、学科能力,成立学生模子,再通过专业收集关系,构成科学的专业成长保举。该研究设想比力周全,不但考虑了分数,还考虑专业能力、各专业对能力的需求及学生的学科素养要求。

  当前国度正正在推进新一轮高考,旨正在通过优化招生轨制,为学生成长成才供给更多的机遇和舞台;“为每个学生供给更多的选择机遇,推进学生成长学科乐趣取个性特长”是其焦点。学生学会按照乐趣、能力、个性选择适合的学科取专业,让学生体验各行各业现实的工做取糊口以及领会各行各业的能力要求,并指导学生准确认识本人,发觉本人,学会若何均衡人生过程中各类社会脚色关系等,正在这些方面人工智能教师能够阐扬主要感化。

  人工智能教师的第十个脚色,是做为精准教研中的互动火伴,协帮教师实现火伴间的讲授问题发觉取互帮改良。我们开展了精准教研研究,但愿教员能正在教研中领会本人的学问布局、教、学科学问存正在的问题,实现精准导向的教研(见图12)。起首,我们采集教师正在备课、听课、评课、课例阐发、班级学问图谱、学生成就数据,然后将它们汇聚到度数据阐发平台中,阐发教师正在教、学科学问、手艺方面存正在的问题,最初汇总构成教师的TPACK学问模子,以期通过该模子精准诊断讲授过程中存正在的问题,如情景创设、提问设想等,然后基于问题,精准供给改良培训课程及参考案例。我们但愿教研由形式单一、经验从导、小范畴协调的体例向大规模协同、数据及时分享并深度挖掘的精准教研改变。

  这一系统的焦点有两个:一是成立面向学科讲授的问题学问库并不竭完美;二是采集各类过程数据,好比教师间的听课记实、教师的讲授设想、讲授课例、学生学科成就等。

  人工智能教师的第十一个脚色,是成为个性化进修内容的从动生成取汇聚代办署理,能按照学生个性化特征从动寻找、联系关系、生成取汇聚适合的进修资本,实现从人找资本到资本找人的改变。若是我们要实现对学生的个性化讲授,就需要供给分歧类型的内容。好比,按照布鲁姆提出的六种认知条理,再加上四种进修气概,就有24种要求,若再整合进修终端、手机平板电脑等要素,就需要再乘以3,若是再加长进修策略等个性化要素,就更多。也就是说,正在一个学问点上实现完全的个性化,就需要做成百上千的海量内容,而所有这些学问内容都靠人工开辟是不现实的。因而,我们设想用人工智能手艺从动生成个性化进修内容,实现个性化进修内容的从动汇聚。具体的设想线所示。

  目前,我们正在基于进修元的资本模子中,成立了特定范畴的学问库、方针库、能力库、策略库、东西库、资本库以及动态的资本模板,能够动态组合出合适进修者特定气概、特定能力布局、特定进修终端、特定进修场景、特定进修策略的个性化进修内容。因为个性化进修内容是深层的、组合的,很难由教师事先预备好,所以用人工智能手艺和方式个性化地生成取汇聚进修内容、进修资本是教育范畴前沿课题。我们团队正正在基于进修元平台开展这方面的研究。

  人工智能教师的第十二个脚色,是饰演数据驱动的教育决策帮手,为现代教育管理供给决策辅帮。我们但愿通过人机协同思维、协同思虑的体例实现教育宏不雅决策和宏不雅政策研究。面临复杂的教育现实,单靠经验很难均衡很多多少从体彼此感化的复杂关系,制定的政策往往好心办坏事。有了大数据系统,我们能够成立对现实社会、现实教育系统的仿实模仿,进行各类参数的演化,把环节参数从极小值演进到极大值,察看这个系统演化的成果,以此发觉环节症结点,或找出各方价值最大化的解,从而做出科学的决策,再加上办理者的学问和经验,就可能使得教育决策更科学。借帮仿实正在现人机连系、数据驱动的教育决策,是目前教育范畴很是前沿、也极受关心的研究热点,是将来教育办理、教育政策研究的新范式。

  操纵决策仿实,我们测验考试做了市教育地图,把市的各类教育数据叠加到地图上,通过地图数据做择校政策仿实阐发。

  正在此仿实中,我们成立了学校间的关系、学校讲授质量取周边生齿间的关系,最初把各类政策内置人系统,实现择校政策出台后的推演,包罗阐发有可能呈现的缝隙、哪些学校是择校热点、家长可能择校的范畴多大以及过程中的演化和博弈后的成果等,这就能够把现含正在文本中的政策变成可视化的地图呈现出来。

  将来的教育将进人教师取人工智能协做共存的时代,教师取人工智能将阐扬各自的劣势,协同实现个性化教育、包涵的教育、公允的教育取终身的教育,推进人的全面成长。

  一方面,教育中的人工智能可以或许让教育学问、心理学问和社会学问等以切确的体例呈现(Self,1998)。那些看不见的现性进修过程,能够通过人工智能加以。正在基于人工智能切确领会学生数据的前提下,将来教育将由教师和人工智能配合为学生供给权势巨子的进修支持、精准的进修内容和进修勾当,实现多元的教育办事供给。正在此根本上,学生将获得全面和有针对性的成长,个性化教育将从抱负变成现实,焕发出强大的生命力。

  另一方面,人工智能教师可以或许毗连正式进修取非正式进修,教育将更,泛正在进修会逐步成为根基形态。进修不只发生正在讲堂上,也发生正在日常糊口中;学问不只来历于学校教员,也来历于无处不正在的人工智能教师。人们通过无处不正在的终端毗连智能化的学问收集和人际收集,实现人人、不时、处处可学的终身进修。

  人工智能支撑下的将来教师脚色将发生极大变化,教师学问性的讲授脚色,将会被人工智能所代替,教师的育人脚色将越来越主要,我们将迈向教师取人工智能协做的将来教育时代。

  人工智能于教师有特殊意义,能够将教师从繁琐、机械、反复的脑力工做中出来,成为教师有价值的东西和伙伴:一方面,人工智能能够代替教师某项单一的技术,完成批改功课等日常工做中繁琐、机械性的工做,把教员从反复性、机械性的事务中解放出来;另一方面,人工智能会成为将来教师工做的构成部门,由人机协做完成聪慧性工做。面向学生个别成长的教育办事系统,单靠教师小我很难支撑。特别是正在我国,一个教师常需面临几十个学生,没有手艺的支持,想要切确领会学生的特征是很坚苦的,没有人工智能的支撑,要想实施一视同仁的个性化讲授也不成能。进入人工智能时代,正在全面采集、阐发学生进修过程数据的根本上,人机协同既能够实现群体班级的规模化支撑,也能够实现顺应每个个别成长的个性化讲授。

  工业时代的教育是划一齐截的规模化加工,就像培育人工林一样。将来的教育是关心个别个性的成长,就像是建立生态圈,此中有参天大树,有小草,有各类各样的动动物,各得其所、彼此支持。流水线式的招考教育,最终把学生变成同质的人,即变成招考能力强的人。我们要丢弃这种单一性的教育,由于学生是多元的。将来教育要从培育人工林到培育生态系统。建立生态系统,要求教师关心每个个别之间彼此合作、彼此依赖的关系,关心生态圈里每个个别的需求,关心学生的个性、培育学生个性、推进学生成长个性。要实现这些方针,若是没有人工智能代表的外部智力支持,单靠教师是很难实现的。

  因而,将来教师是人类教师取人工智能教师配合协做承担讲授使命。两者各自觉挥劣势,正在讲授中承担脚色。

  将来教育需要改变学生获取学问的体例,教师学问性教学功能会被人工智能所代替,教师的次要工做是培育学生能力。教师需要细心设想问题、设想进修资本、设想进修东西、设想进修勾当、设想进修评价。学生正在教师的陪同下,通过处理问题进行进修、获得学问、学会自从进修、思虑、协做协同、学问迁徙和使用,从而成长分析本质取分析能力。教师的陪同、组织、督促、查抄,对学生自从进修很是主要。此后的进修形态必然是学生线长进修,实践范畴问题处理导向的项目进修,教师线下的督促、办理、陪同三位一体的形态,而不是以讲堂教学为从的单一形态。

  然而,人工智能仍无法代替人类。人取机械之间有几大差别:一,人发觉问题,机械处理问题。所以教育正在培育学生处理问题能力外,应沉点培育学生发觉问题的能力。二,机械不具备社会属性。计较机取人交换大都是提前预备虚拟谜底,没有自动的社会交往能力。三,机械不具备心理属性。不会高兴,也不会烦末路。所以同机械比拟,教师更应看沉本身做为人的奇特价值,提高学生的社会价值、心理价值和操纵全球化资本的能力,承担起培育学生创制将来,而不是进入将来的社会义务(赵怯,2017)。

  赵怯传授认为,教育有两种思维体例:一种是看学生缺什么,别的一种是看学生有什么。看学生缺什么的思维体例,指的是按照外部尺度,决定每小我该当控制几多学问,即学生缺什么就给他补什么。好比,缺数学学问,教师数学学问,这是一种缺陷式的教育模式。这也是现正在的教育模式。而看学生有什么的思维体例,起首认可学生是一小我,看学生现正在有什么特质,然后教师帮手挖掘。这是两种分歧的讲授体例。保守教育压制学生个性,正在智能机械时代,我们要改变教育体例,解下学生个性,让每小我都能够阐扬潜力(赵怯,2017)。

  将来的教育,要从面向学问系统的教授,转向面向焦点素养的培育,学生的创制能力、审美能力、协做能力、学问的情境化/社会化使用能力是人类教师所应关心的焦点和沉点。

  人工智能时代的教育,需要培育学生的焦点素养,教师的义务不是学问,而是帮帮学生成长,成为人生导师或者心理征询师,帮帮学生发觉长处,实现人生价值。此后教师的工做形态必然不以教书为沉(赵怯,2017)。人工智能时代教师的焦点价值,不是专业学问、学科学问和专业技术的成长,而是教师的人文底蕴、义务担任、国度认同、跨文化交往、审美等焦点素养的培育。教师不再是保守意义上的消息和学问的者,不再是教授身手的锻练,也不是只为或做为养家糊口的职业教书匠,而是学生的人生导师,是培育学生聪慧、帮帮学生成才、启迪学生的智者。

  将来个性化教育系统强调推进学生的全面成长,对教师提出了更高要求。将来教师步队会向两个标的目的分化:一是人工智能支撑下的万能型教师,即教师既要为每个个别供给个性化支撑,又要为带有生态性质的群体供给支撑,这就要求他们既要控制学科学问,又要控制讲授问、手艺学问,控制认知、脑科学成长、儿童身心健康相关学问,还要领会各类社会属性,具有带领力和社会协做能力,这是一般教师难以胜任。但有了人工智能的支撑,可以或许对儿童的身心健康和全面成长担任的万能性教师是可能存正在的。二是专业型教师。将来教师会呈现精细的、个性化分工。让每位教员成为万能大师不太可能,但部门教师能够正在某一方面做到极致。将来将会有特地做的教员、做项目设想的教员、疏解学生心理问题的教员、讲课教员、做讲授设想的教员等。教师脚色分工越来越细,就像拍片子一样,有编剧、演员、导演、摄像、后期制做。所以,教师需要长于基于大规模的社会化协同开展教育办事(余胜泉,2017)。

  跟着将来教师脚色和本能机能的改变,将来课程也将发生改变。跨多个范畴的分析性课程,期望教员独自完成是不切现实的,必需辅以教师间协同、教师取人工智能协同布局的支撑。此后,一门课可能由多位教师担任,此中有学科专家、讲授设想师、学问传送者、勾当设想者,人工智能帮教或其它脚色。

  不妨预测一下,将来课程的设想和传授是由人工智能教师和其他学科教师配合完成的,以至高校、企业等人工智能相关的优良资本也可能进入讲堂。学科、班级和学校的鸿沟将逐步被打破,互联网的互联改变了社会组织机构及大规模的社会化系统,将来课程要基于跨学校鸿沟的社会化协同分工完成教育办事。

  人工智能变化教育,起首表现的是各类智能化的教育配备和聪慧化的教育,其次是嵌入人工智能办事的教育营业流程取轨制,最初是人机连系的思维模式的转型。

  人工智能能够快速迭代成长,但教育轨制、教师的学问布局、教师教进修惯、教师不雅念的改变是漫长的、疾苦的过程。新的教育系统的建立,必然需要履历艰苦的过程。要充实阐扬人工智能的感化,就要冲破本来的轨制,将人工智能办事嵌入营业流程中,创制新的范式、新的流程、新的布局、新的营业形态,来办事于我们的教育,发生新的教育。

  人工智能时代,还要长于使用人机连系的思维体例。当前,数据、消息和学问正加快膨缩,取每小我的进修时间、认知能力的落差越来越大。大数据时代下复杂社会的,着人机连系的教育智能,我们借帮智能设备而的时代曾经到来。使用人机连系的思维体例,教育才能既实现大规模笼盖,又实现取小我能力相婚配的个性化成长。我们要操纵外部东西或者智能设备成长本人的聪慧,认知外包将成为常态。人机连系的思维系统是我们将来思维体例主要的改变标的目的。人的智力是无限的,加上手机、电脑、人工智能后,我们能处置消息和数据的总量,应对突发事务的能力将会大幅度提高。人取电脑的连系能够冲破人类个别认知的极限,使得我们可以或许把握超越个别认知极限的复杂情境,可以或许处置超越小我认知能力的海量消息,可以或许应对超越个别认知能力极限快速的变化。

  做者简介:余胜泉,博士,传授,师范大学将来教育高精尖立异核心,师范大学教育学部教育手艺学院,研究标的目的:挪动教育取泛正在进修、消息手艺取课程整合、收集进修平台环节手艺、区域性教育消息化等。

  称谢:本文系做者正在第十六届教育手艺国际论坛上的拾掇而成,正在此出格感激、冀林林对录音的拾掇和加工。

  图文来自收集、如涉及版权问题,请联系我们以便处置。文章内容纯属做者小我概念,不代表本网概念。