教育、人工智能教育和大数据的结合，有成功的经验，也有失败的教训。新技术的应用，可能在某些方面促进了学生的发展，但在某些方面可能又影响了孩子的健康发展。
现在只需要分析网上足迹，就可以判断一个人的性格、智商、社会观点、生活满意度、语言习惯等等，一览无余并精准地画像。面对这样的情况，怎么办？最主要的问题就是，谁控制着这背后的一切。
人工智能对传统教育的改变至少包括两个方面。一是育人目标的改变，很多重复的体力和脑力劳动正被迅速取代；二是育人方法的改变，不仅是在线课程的增加这么简单，更包括对教学过程的数据化，更精准地掌握学生的学习情况，个性化地推荐学习内容以提高学生学习效率，智能评卷以减少误差与教师工作量，以过程化的学习数据替代“一考定终身”，乃至学校存在的样态等等。但是，大数据和人工智能是否将彻底替代教师的作用？教师的角色转型如何进行？在教育乃至整个社会发展中，是否会带来隐私权丧失的挑战，如何保护学生和教师的数据隐私权？人工智能的发展还潜藏着哪些别的风险？诸多问题，需要及时提出，早做应对。
2018年7月21日到22日，“全球人工智能与教育大数据峰会”在北京国家会议中心召开，中国教育学会会长钟秉林、北京师范大学校长董奇、科大讯飞执行总裁吴晓如、英国剑桥大学心理测量中心主任John Rust教授等对人工智能给教育和社会发展带来的颠覆、想象空间与挑战，进行了精彩阐述。我们选登部分内容，供对教育和人工智能融合感兴趣的读者参考。
AI技术如何带来“因材施教”
董奇：在讨论AI、大数据技术和教育结合时，有两个表述方法，一是“AI教育”，一是“教育AI”。看似差不多，但含义非常不一样。如果讲“AI教育”，狭义理解，是怎样把AI、大数据技术运用于教育中。现在新的AI、大数据技术层出不穷，数以千计的应用。中小学、教育管理者在选择时，出现了很多困难和认知负荷。
“教育AI”的出发点是围绕在教育实践、管理中，在学生学习中，在教师的教学中存在的实际问题，用心去解决，有的新技术可以助推这些问题的解决，但很多时候不是这样的。我特别希望企业、研究者能多关注“教育AI”“教育大数据”。
有三个聚焦点，一是聚焦质量。每个孩子都能享受适合他的教育，需要精准了解、匹配每个孩子的学习需求、学习能力、知识基础、学习速度。二是公平。我们的教育发展水平差异比较大，要通过运用、研发新的技术方法，推动优质资源的共享。现在我们也有一些技术在这方面进行广泛应用，有的效果还不错，有的效果实际上并不好，并没有真正解决教育公平问题。三是效率。现在不仅学生学习负担重，教师负担也重，怎样用新技术和方法，帮助学生、老师减轻负担？
我们一定要认识到，AI、大数据和教育目前的应用结合都是初步的，还处于初级阶段，很多问题没有解决，很多应用效果并不明显。我们必须客观，尊重事实，不能把现在还没达到的效果说得过高。但在行动上要大胆尝试、创新，坐而论道是不能解决问题的。教育、人工智能教育和大数据的结合，有成功的经验，也有失败的教训，应该更包容地去鼓励创新，推动探索。要从促进学生身心全面发展的角度评价新技术应用出产的效果。新技术的应用，可能在某些方面促进了学生的发展，但在某些方面可能又影响了孩子的健康发展。
吴晓如：人工智能技术和教育改革到底是什么关系？BBC和一家研究机构共同做出了一个新技术可能带来一些职业重大变化的研究结果。电话推销员、打字员、会计、房产经纪等职业很快要被替换掉，但教师、心理医生、艺术家的替代度很低。
人工智能是通过一些算法、数据，构建一个智能化的模型，让一些冷冰冰的机器变得像人一样能听会说，叫机器变得更聪明。人工智能技术的一些应用和当前教育方法，完全不是对立的。关键是融合，老师未来在机器的辅助下，让教学更有效率，效果更好，同样的时间让学生接触到更多有效信息。人机融合会成为一个越来越重要的关键词，其他行业也要关注到人工智能和自己结合以后带来巨大效益的提升。
人工智能、大数据和一些新的互联网相关的技术，可以为教育构建一个非常不一样的智慧的环境。它以学生为中心，更好地进行线上线下混合的学习，更好地去个性化学习。
具体来讲，人工智能技术可以更好地帮助老师去看、去听，帮助老师和学生分析学习，推送个性化的学习资源。
“看”：老师、学生通过纸笔会产生非常多的数据，但原来可能你做完一本作业后扔掉就算了。现在在智能化技术的帮助下，可把所有过程化的数据转换成计算机未来可以分析的结构化的数据。中英文的字符集的识别率已达到97%，机器转写文字的准确率比人更高，对一些比较复杂的数学物理公式的转写正确率也已达到92%。还包括人脸的识别、注意力的分析等。
“听”：在“听”上，机器已经远远超过了人。机器的转写正确率已超过了95%，人达不到90%。
“说”：让机器有嘴巴，目前人工智能技术也有了非常大的进步。比如，只要有特朗普半个小时左右的语音，机器学习，训练出来一个模型，想让他说什么就可以让他说什么。
以后，能说还不够，机器必须知道看的、听的是什么意思，这里又有机器的分析能力，能减轻老师的负担。比如，机器在一些哪怕是比较复杂的作文评卷上，已经达到高水准。它可以有效克服人在评分时因为疲劳度等造成的一些问题。
最后再看“决策”。知道了你的情况，怎么做出反馈？老师希望根据班级的情况，给最合适的资源。在智能推荐上，现在通过知识点的预测，可以给学生、老师提供更加精准的一些教学过程中的指导。学习效果能非常显著地提升。
人工智能可以构建一个教育超脑。相当于每个老师、管理者和学生身边有一个虚拟的机器人。老师教学、学生学习时，有个机器人伴侣可以提高效率。这种教育超脑，光有人工智能技术还不行，物理教学里一共有多少重要的知识点？哪些是物理教学中最需要关注的重点？这需要教育行业的一些大数据。光有冷冰冰的大数据也还不行，需要一些重要的教育专家融入进来。
教育超脑具体如何应用于教学与管理呢？虽然以学生为中心，但不能忘记老师是课堂的组织者，帮忙不添乱，一定让老师感觉到是有帮助的，减轻了自己的教学负担。
首先，可以大幅降低老师批改作业的强度。
第二，帮助实现“以学定教”。优质教育资源还非常稀缺，如何让普通老师在人工智能的帮助下，也可以让教学效果得到大幅度的提升？老师在和学生互动过程中，过程化的数据都会被收集起来，机器在后台进行自动分析，生成一个学习报告，给整个班级、给每个学生画一个像。根据学生情况，老师做教学调整，甚至上课时给学生的课堂练习也是分层次的，让课堂效率得到大幅提升。从后台的数据分析看，以学定教后，课堂效率可以提高20%到30%。
大数据是由一些小数据所构成的，比如班级的小数据。老师上课过程中自然而然产生了很多非常优秀的资源。人工智能助手可以记录课堂点滴。这种场景化的数据，对老师课后的教研，唤醒学生记忆，非常有用。这种小数据可以形成巨大的教育资源库。
第三，帮助开展学生个性化学习。有些学生比较调皮，有可能智商很高，未来也有潜力，但第一课有10%的东西不懂，第三、四课有百分之三十的东西不懂，期中考试完后，别的学生90分，他60分。次数多了，就会被贴个差生的标签。有了大数据、人工智能、学情分析，对学生个性化画像，就可以提供个性化的指导。把每个学生做的错题列出来，分析错题背后的知识点、学科能力，到底问题出在哪，从而每个学生都进行分层练习。
第四，帮助管理者科学决策、高效管理。比如现在新高考后走班排课，非常复杂，学生6选3，可能需要一个小组排一两个星期！有智能化的助手辅助，三分钟就可以把课表排出来，然后再进行一些细微的调整，一两天就可以形成学校课表。另外，如果仅仅基于学生当前的知识点去选，可能把学生未来的学科潜力“谋杀”。通过学生日常数据自动分析来进行选课指导，会更精准。在后台智能算法的帮助下，教务管理、学生个性化的特质分析，和原来只能依照经验相比，发生了翻天覆地的变化。
最后，依托这些不同场景核心应用，要打造一些融合性的空间。创建老师和学生之间随时互动，可以对教学重要过程进行过程化记录的数字化环境。另外，创新的内容也非常重要，给学生提供更有意思的教学内容，尤其是一些比较枯燥的课程，把虚拟现实等一些手段用上，使教学内容更丰富。
因材施教的梦想，在这种新技术的驱动下能够更快地实现。
学校与教师还不能被彻底取代
钟秉林：在新的时代，中国的教育出现了新的特征。首先是主要矛盾转化，从过去的上学难转变为上好学校难！老百姓迫切需要高质量的教育。解决矛盾的根本途径是拓展优质教育资源。通过努力办好每一所学校，来缓解这个矛盾，但困难也在这儿。
办好一所学校，要厚积薄发。经费充足，规划得当，硬件条件可以很快改善，大家重视努力，软件水平也可以在不太长的时间内显著提高。但办好一所学校的关键，精良的教师队伍，需要几代乃至十几代教师长期积淀才能逐步形成。孩子在学校里除了学习知识外，学校优良的办学传统，校风学风，对孩子成长成才具有潜移默化的作用，这不可能一蹴而就，不可能用钱简单地堆砌出来。信息科技的飞速发展，信息科技与教育教学的深度融合，为化解教育的主要矛盾，带来了重要机遇。
人类获取知识的方式和渠道正发生改变。学生们获取的渠道是多样化的，必然导致学校的教师角色的转型，从过去的学生知识传授者，转变为学生学习活动的设计者和制造者，师生之间形成一种新型的学习伙伴的关系。
互联网教育的发展还正在颠覆着传统的学习过程。过去，知识传输一般是在课堂上进行，通过教师讲授，学生听讲来实践。知识内化的过程往往是要在课后，学生通过复习做习题，教师辅导，答疑，学生参加必要的教学实验，来巩固消化，所学的知识能够真正掌握，融会贯通。在网络教育背景之下，这个过程可能颠倒。学生知识获取转移到上课前，通过网上个性化的学习来实现。课堂上，教师就不能讲授为主，必须引导学生探究，反思讨论，学生主讲、演示，教师纠错，课堂上要实现学生知识内化的一部分功能。学习过程的革命，翻转课堂的翻转，内涵就在于此。
以慕课翻转课堂微课程、混合式教学等等为代表的基于网络的教学模式，可以突破学习时间和空间局限性，有利于学生个性化的现场学习。大数据、人工智能的发展，和教育的融合，将给教育带来颠覆性的变革。通过分析学生的学习和生活的数据碎片，可以研究学习者的行为模式，建立个性化的教育体系，真正因材施教。另一方面，我们也将被海量的信息充斥，应对这样的挑战，要从知识转为能力本位，尤其是学生的创造性和批判性思维的养成。
学校、教师首先要转变观念，突破千校一面、万人一面的培养模式，多样化个性化地培养人才；要创建以学生学习为中心的教学和学习方式，探索构建师生学习共同体，通过教师的引导，师生的互动和学生之间的合作来实现教学目标。
网络教学的实践绝不仅仅是技术层面和教学层面问题，还涉及管理体制，像教学、学生管理机制等。
最后，信息科技与教育教学的深度融合，不能改变我们的教育初心，要警惕陷入纯技术化的误区。学生的一些社会发展性素养的养成，比如人际交往能力，公共关系能力，团队精神的养成及健全人格的培养等等，从目前看，还只能在现实环境当中，通过校园教育，通过学生的群体学习，通过学生走上社会之后的社会实践来逐步加以解决。我们要保持清醒的头脑。
从这个角度而言，课程教学不等于学校教育。互联网的技术应用可以把一门课程做到极致，质量非常高，但互联网教学还不可能完全取代学校教育。因此我觉得我们也要避免炒作概念，避免片面的夸大作用。
人工智能和教育融合，会挑战教师的传统角色和权威地位。有一部分知识性的教学角色可能被人工智能所取代，但教师不可能被完全取代，我们必须要凸显教师育人功能的重要性。教师如何跟上信息技术和教育融合发展的潮流，如何保持敏锐的目光，启迪学生的智慧，涵养学生人格，这是要认真考虑的。
软家长制、监督与人工智能的“道德发展”
John Rust：这个世界有哪些创新？一是行为科学，二是监视技术，三是机器学习，四是人工智能。
2008年英国政府推出了“轻推策略”（nudge initiative），提出了一个理论，叫软家长制。就是通过一些隐性的方法，鼓励人们去纠正一些不正确的行为，比方说不要吃太多垃圾食品、抽烟、过度使用能源等。这种选择往往是在潜意识中做出的，因而并不涉及媒体宣传等完全公开的规劝手段。英国的行为洞察部门把心理学和行为经济学的研究发现应用到公共政策和服务中。对于那些危险的人，比如说恐怖分子、性犯罪、校园暴力者、危险驾驶行为的人，都可以通过收集大数据来展开调查。通过医疗、教育、税收、消费、旅行、工作、手机等各个方面的记录，甚至是网络摄像头都成为大数据收集的来源，都能服务于“轻推策略”。面对信息高速公路，你可能被轻轻地推了一下，不仅可以把你朝正方向推，也能把你朝反方向推。2013年，英国的外长就说，如果你没什么可隐藏，也就没什么可担心。你自己判断，它到底是一个乌托邦的社会，还是一个反乌托邦的社会？
现在只需要分析网上足迹，就可以判断一个人的性格、智商、社会观点、生活满意度、语言习惯等等，一览无余并精准地画像。面对这样的情况，怎么办？最主要的问题就是，谁控制着这背后的一切。有时并非你自己能够决定收到什么信息，而是机器学习的算法。这就是我们当前的处境。互联网是一个更丰富的互动空间，由数字网络组成，用来储存、修改并交流信息，互联网会让人和人之间可以共同完成更多的事情。现在在我了解世界的同时，世界也在了解我。这就是互联网空间当中的事实。互联网空间也需要管理，需要秩序来确保安全性。
现在我们知道机器在学习算法，在进行深度学习。人类需要咨询师、老师、律师。要成为这样的人，需要进行培训。机器可以非常好地去预测人类的情绪和情感。短时间之内，能给一个人拍很多照片，解读情绪。微软最近的一个项目可以识别你的愤怒、鄙夷、厌恶、害怕等表情。所以说在互联网空间，不仅有机器，也有人的情感在发生。其实我们在互联网空间浸入的是更多的人性，不仅仅是思想和情感。集体无意识、和平之神、战争之神，所有人类情绪中出现的东西都会在互联网空间有所体现。这些情绪都能迁移到互联网空间中。“不喜欢”的负面情绪传播的速度往往比“喜欢”的正面情绪更快。我们需要一个模型，让我们知道算法和互联网空间到底发生了什么。随着时间的推移，人工智能会变得更加复杂、精确。我们都是互联网时代的居民，居住在互联网空间中。
最后一个是道德发展的问题。我们有人类道德发展的理论，人类有自己的思想和情感体验，有伦理道德的约束。机器可以通过计算了解个体差异，识别情绪。通过明确的交互方式，机器人也具有相应的规则。比如说我们告诉机器人，要提高点击率与收益，要善待儿童。我们有很多的方式来培训机器人遵循我们的规则。但有些时候并非如我们所愿，还是会有一些风险。假如在培养机器人道德时，出现失误怎么办？有可能机器人会像人一样出现精神病人的人格障碍，也可能会停留在道德发展的早期阶段，甚至机器人也会出现无意识，对自己的“犯错”没有任何“悔恨之心”。目前的人工智能，还需要解决这样的问题。
