有人天天遛狗，有人天天遛机器人！

要点蓝字关注我哦

别人一门心思想要挖空你的身体，我们掏空心思给你想要的。

有人关注当下，有人关注未来；有人关注娱乐，有人关注内在体验；有人天天遛狗，有人天天遛机器人。

李开复说，教育是AI 的药。

没错，教育是面向未来的，AI也是面向未来的，儿童同样要为了未来做好准备！虽然，AI不是毒，但我们需要有这样教育的药。（吃货表示同意：毕竟多数的胃痛不是因为食物有毒，而是因为肆无忌惮的吃和不科学的吃）

但是，这个药，怎么做？这需要我们每个人的关注和思考。而目前我们对此的关注远远不够。

这是一个最好的时代，也是一个最坏的时代！AI带给了我们前所未有的机遇和挑战，同时AI也饱受争议。

人们是否意识到AI所带来的影响？

从来没有任何一项技术像AI一样，被人们大肆宣传和误解了。有些人认为AI的巨大潜力能够进一步促进人类发展的变革；有些人认为AI是十分危险的。

目前，不相信AI和迟疑态度的人比AI 的追求者更多。谷歌的工程总监雷·库兹韦尔(Ray Kurzweil) 认为这是一个时代发展的起点，机器智能将胜过人类。教育特别委员会(Education Select Committee)主席罗伯特•哈尔丰(Robert Halfon)认为，如果我们不提高技能，AI潜在的威胁将是巨大的，而我们对此的准备明显是不足的。

这个问题在教育领域尤为突出。从本质上说，教育的目的在于塑造未来，孩子们的教育方式和内容对社会的成功构成深远的影响。虽然这是一个大家熟知的公认观点，但却是教育领域人工智能争论的核心。《第四次教育革命》(The Fourth Education Revolution)一书作者安东尼•塞尔登爵士(Sir Anthony Seldon)成立了英国首家教育伦理人工智能研究所。

该研究所将研究人工智能在教育中的应用，以及如何建立一个伦理框架来提供监督。安东尼认为，AI教育的探索正如年轻人在梦游，我们面临这未知的巨大危险，而我们缺乏监控这些危险。

个人非常认同安东尼的观点，因为我们无法牺牲掉孩子的未来进行AI教育尝试。这是不符合基本人性的。而教育领域对此应抱着更加谨慎的态度。如若不然，人工智能可能是一个相当大的恩惠，但随着时间的推移，在这场变革中人类很可能会沦为失败者。

这些问题很难从炒作和夸张中看清，就像伦敦大学学院的教育科学家卡斯卡·波拉斯卡-庞斯塔博士警告说，无知的人实在太多了。很多流行词汇都是在不了解人工智能的情况下出现的。

因此，保持着客观、清晰、多方求证的态度来对待AI教育是十分必要的。

人工智能到底能为教育提供什么？

未来，从现在开始！

幸好，我们至少可以在三个方面做出尝试。

人工智能在教育领域可以分为三类:面向学习者的工具、面向教学的技术和面向系统的应用。

1

在面向学习者的工具中

人工智能通过教育软件监控学生的进步，并根据学生的需要进行调整。它可以使问题更困难或更容易，并且扩大学生的知识，而不会使他们感到沮丧。例如，Carnegie Learning使用人工智能驱动的应用程序教授数学，为学校提供一对一的教学和教育资源。

另一个面向学习者的工具是人工智能专家韦恩•霍尔姆斯(Wayne Holmes)将苏格拉底的产婆术方法运用到人工智能系统之中。在人工智能系统中故意让学生失败，然后再推动他们找到正确答案。因此，“从尝试错误中学习”这一关键的教育学概念被融入到了人工智能系统之中。

2

面向教学的技术

面向教学的技术也具有同等重要的地位。虚拟学习环境(VLEs)在高等教育中已经出现了一段时间，通过BlackBoard或OpenAthens这样的专用平台简化了数百名学生的工作和研究。VLEs的优势在于，减轻教师的压力，教师可以有针对性地利用自己的时间。

3

面向系统的应用

面向系统的应用是最具有争议的。例如，英国教育标准局(Ofsted)一直在试用一种分析工具，该工具可以分析包括地理位置、考试成绩和以往检查在内的数据，从而预测哪些学校有可能不及格。这使得他们能够将资源优先分配给最需要的学校。

虽然这种系统有其自身的效用，却受到了很多质疑。特别是应用在情感特征十分凸显的教育领域的时候。即使是人工智能的追求者，也对此抱有谨慎态度。因为教育并没有以评分、预测和勾选问题等为根本逻辑，若以此为根本依据带来的损害是无法估量的。

教育并非勾选游戏，坚定的预测和盲目信任预测是愚蠢的，这将会导致教育的失败。诚然，数据可以预测人发展的必然性规律，但是人的变化在更大程度上取决于偶然性。

请试着回想一下：让你发生转变的事情，哪一件是你预料之中的？

一个生门，一个死门，人类将走向哪里？

AI教育的发展离不开数据的支持，而个人的数据将会如何使用，对于这一方面的监管，我们的思考远远不足以应对未来的AI教育。而这并不是最可怕的地方。

最可怕，而又让人担忧的是：AI的学习和迭代是建立在数据的基础之上，如果数据本身就存在人类的偏见，那么人工智能就会放大教育生态系统中出现的问题。

这是一个值得重新审视和反思的议题。人工智能不是问题的关键，而是系统本身。我们需要决定我们想要这个系统做什么，我们想要教育做什么？在这个价值选择上，人工智能无法替代人类，而人类该如何做出选择，将走向何处。

这样的议题是人类应共同关注和负责的议题，并非是少数AI科学家的工作和职责。

宋璞

世界知名大学博士研究生,某大学儿童绘本研发中心负责人,APQN成员，至今发表国内外高质量学术论文11篇，主持并参与省部级和国家级课题共四项，在儿童人工智能教育、儿童语言教育、儿童阅读教育等均有深入的研究。

文/网络

文字/宋璞

排版、审稿/胡敏