2018年3月1日，美国战略与国际研究中心（Center for Strategic and International Studies ，CSIS）发布了《美国机器智能国家战略》（A National Machine Intelligence Strategy for the United States，下文简称《战略》），对机器智能的发展进行了战略性布局。这对于我们了解机器智能未来发展的方向和趋势，具有重要的参考价值。机器智能是一切机器所具有的智能，包括用计算机模拟人的逻辑思维，以及人工神经网络和感知动作系统。值得注意的是，《战略》采用“机器智能”而不是通常的“人工智能”提法，似乎在于解决人工智能定义存在的不足——不包括人工神经网络和感知动作系统所产生的矛盾，从而更加科学地定义了这一智能技术。

 

　　当前，正是利用新技术提升和改进学习的最佳时期，我们不仅要关注技术使用的多元化和多样化，更要从深度和广度促进对其探讨和实践。机器智能在机器学习、模式识别、智能机器人、自然语言处理、专家系统等方面取得了卓越的成果。文字识别、语音识别、指纹识别、人脸识别等正逐渐给教育领域带来了重大影响和变化。而机器学习基于语义复杂、规模巨大、动态多变的大数据，将赋予机器智能深度学习能力，通过模仿人脑结构，获得更强的建模和推理能力，从而更有效地解决多类复杂的智能问题。

 

　　对教育领域来说，近年来，国内外智能教育及技术的不断探索与应用，一方面，正不断促进教育工作的改进与优化，推进教育系统的变革与提升；另一方面，也为今后教育的发展开拓了全新的途径。因此，我们认为，及时了解与把握国际领域中机器智能的发展方向和最新动态，对于促进我国教育更好地面向世界、面向未来，具有重要的现实意义。

 

 

 

　　近年来，从新一代智能技术的发展态势来看，《战略》的发布正值美国重大的历史关头：从DeepMind开发的阿尔法狗（Alpha Go）机器人击败世界围棋冠军李世石、全自动无人驾驶汽车首次上路到埃隆·马斯克（E Musk）用火箭把跑车送上太空，这一系列科技重大事件，让人们不得不重新评估、审视计算机与机器智能所具有的巨大潜力。当前，机器智能已渗透到政府、企业以及人们日常生活的各个领域，其价值与作用日益显现。为了确保在未来全球范围竞争中抓住发展先机，迫切需要从国家层面继续加大对机器智能前沿技术的投入与研究，拓展其更加广阔的使用范围。所以，亟需制定机器智能国家战略，提供制定政策和开展投资的平台，以确保机器智能的发展更好地符合国家发展目标、道德规范以及社会价值。

 

　　《战略》提出两大主要目标：（1）促进机器智能技术的安全和可靠发展，同时积极规避可能带来的冲击和风险；（2）政府应该夯实创新基础，与相关盟国建立战略伙伴关系，并利用其优势引领全球机器智能发展，确保机器智能的领先地位。围绕国家层面机器智能的发展，《战略》对科研、教育、技术、社会、风险策略和国际合作等方面的应用，提出了指导性原则，并切实推动实施六大战略布局（见图1）。

 

　　1.投资机器智能技术的持续研发

 

　　各类新技术共同发展和突破，为机器智能的成功创造了非常好的外部条件，促进了机器智能应用的迅猛发展。因此，国家把维护这样的技术环境作为一项重要的战略目标。企业在机器智能研发领域的巨大投入，虽然为国家带来了丰厚的收益，但要继续保持国家在机器智能创新领域的领先地位，仅仅依靠企业的投入是很难实现的。为此《战略》指出，美国联邦政府在支持机器智能技术发展上，有着其独特的作用，必须发挥自身的力量，调整研究资助的中心，抓住机器智能发展的特殊机遇，以应对相应的新挑战，引导机器智能研究向安全可靠、合乎道德和保护隐私的方向发展。需要通过高校、国家研究室以及国家科学基金等多方途径，加大资助重要领域的创新研究、机器智能的伦理道德研究和对机器智能的控制体系研究。

 

　　2.为机器智能时代培养劳动力

 

　　尽管机器智能领域关于领导力和竞争力的大多数讨论聚焦于技术进步，但是，技术突破的核心还在人的发展。劳动力质量能够确保机器智能技术的转化，从而实现国家的发展与繁荣。因此，对未来劳动力的规划，国家既需要考虑对下一代劳动力进行良好教育，又需要考虑对现有劳动力进行再培训。为保证所有劳动者都能迅速转换角色，适应新的工作与岗位，国家的教育系统需要进行进一步的改革。

 

　　过去，国家将培养重心放在硬技能（Hard Skills）和科学知识上，这使得劳动者缺乏配合机器智能技术发展的必要能力。硬技能常常是最容易被自动化所替代的那些技能，在机器智能日益融入各行各业的时代，诸如同理心、沟通、批判性思维等软技能（Soft Skills），将会显得更加重要。为此，《战略》指出在人才培养方面，美国教育策略应该侧重于以下两点：（1）培养一批能力突出的技术人者，使其能够发展和运用新技术；（2）广泛培养思维敏捷、适应力强的劳动者，使其具备计算机基本操作能力和软技能，足以胜任与机器打交道的工作，学会与适应人机协同环境。

 

　　对计算机科学和机器智能的基本认识，不应仅仅停留在小众兴趣或专长技能层面，而要使其成为像阅读、数学这样的基本通用性技能。从K-12基础教育到本科、硕士培养，数字素养（Digital Literacy）和机器智能的使用培训，应该列入课程发展和认定计划之中，以确保下一代劳动者能够适应机器智能时代的发展需求。除了具备信息素养，未来劳动者最重要的技能就是软技能，如：创造力、批判性思维、情商和适应能力。这些技能难以为机器所复制，在人类工作角色转变为机器智能系统能力补充的发展趋势中，显得尤为珍贵。

 

　　针对机器智能对教育的深刻影响，《战略》认为，从长远来看，机器智能可以通过两种方式改变现行教育：（1）机器智能系统融入课堂教学，辅助教学活动，从而提供个性化的学习体验，并从课程内容上满足学生的个体需求。同时，将机器智能不断融入在线课堂和虚拟课堂，可以将课堂延伸至世界上更广阔的领域；（2）机器智能技术的飞速发展，需要劳动者持续接受培训以更新自身技能。因此，教育部门应该成立专门机构，研究机器智能对教育体系的长期影响，以及决策者如何与教育学家、行业人员共同合作，建立一个既能充分利用机器智能潜力，又能满足经济社会发展需求的教育体系。

 

　　《战略》非常重视为未来就业市场培养适应社会发展的劳动者，并强调在关注劳动者基本技能培养的同时，提升他们的信息素养和人文素养，并为被自动化淘汰的劳动者扩大职业再培训和继续教育的规模，以加强社会的安全防范和稳定，要确保国家能够吸引并留住来自世界各地的顶尖人才。

 

　　3.建立灵活开放的数据生态系统，助力机器智能发展

 

　　机器智能系统发展的重要环节，在于为其输入巨大的高质量训练数据（Training Data）。机器智能系统极度依赖数据，需要海量数据集来识别独特模式和见解。智能手机、连接设备和物联网（Internet of Things）的广泛应用，使得全球范围内的数据量出现了爆炸式的增长。《战略》建议，要帮助机器智能研发人员获取开发更强大的新型机器智能应用所需的数据，联邦政府可以放开政府数据的大门，同企业一道支持私对私数据分享。在保护好隐私的同时，支持制定和应用新型标准以提高数据的质量。

 

　　要利用所拥有的独一无二数据生态系统（Data Ecosystem），为机器智能研究人员提供庞大的公共数据集访问权限和支持研究的规章制度，这是确保美国在机器智能领域处于领先地位的主要原因。在此环境下，研究和开发者能够充分利用快速增加的数据，加上技术实力和人才智慧，大力发展机器智能技术。

 

　　《战略》认为，决策者要放宽联邦政府所拥有和管理的数据集的访问权限，这对于机器智能开发者而言非常重要。联邦政府可以跟地方政府合作，探索共享数据库的新方法，通过共享平台将数据融合到国家数据库。同时，把数据编辑成使用简单、机器可读的格式，使数据更易获取，这一点也非常重要。政府可以从数据整理和标签添加标准的协调工作上着手，制定确保政府和业界数据共享的标准，并在扫除私营企业间数据共享障碍当中发挥作用。通过发布标准、刊发指引，帮助企业在共享数据时应对运用竞争或隐私条例限制等问题，采用公私合作方法，为各组织间数据共享提供框架，并制定激励政策，鼓励企业通过开放的应用程序开放数据访问接口。

 

　　同时《战略》也建议，针对美国高新技术企业在国外市场地位受到当地国政策的威胁，以及人们呼吁重视隐私保护、推进更高程度数据保护措施出台的现状，联邦政府必须制定策略，对抗保护主义、数据本地化以及损害跨国高新技术企业的政策。要充分利用贸易协定，建立双边和多边合作伙伴关系，提高数据的自由流通程度，以支持新技术在科学研究与实验发展计划领域里的合作。

 

　　4.制定周全的公共政策，改善机器智能法律环境，实现零障碍应用

 

　　2017年12月，《麻省-斯隆管理评论》（MIT Sloan Management Review）发布的一项研究发现，接受调查的公司当中，仅有5%已经将机器智能全面应用到最新产品中，而已经制定机器智能策略的公司不到40%。针对目前企业信息技术基础设施缺乏，相应技术人才缺乏，以及高昂的实施费用这一些现状，《战略》认为，联邦政府可以通过消除法律和条例障碍以及设立激励机制的方式，支持自动化和机器智能的应用。同时，针对机器智能应用的法律不确定性，《战略》给出了两个初步的解决方法：（1）政府应该委派法律和技术专家工作组审查现行法律，以确定哪些条文会出现针对机器智能应用而产生的法律适用问题，通过起草一系列法律文件来监督和管理机器智能系统；（2）建立法官和律师的培训计划，为他们提供基本的、与机器智能技术相关的技术素养，并针对机器智能应用产生的法律适用问题，提供综合阐述与解决方案。

 

　　5.制定积极策略，规避机器智能风险

 

　　机器智能技术的持续快速发展，随之也会带来许多风险和挑战，因此，《战略》建议必须做好积极应对，并制定应对机器智能挑战的周全策略，以建立对技术的信任。《战略》认为，应对机器智能带来的风险关键在于控制，尤其是当人们准备将社会管理的权限越来越多地交给机器智能系统的时候，确保其受人预料、受人控制就变得无比重要。同时，联邦政府应该关注可预见的风险管理，针对机器智能应用制定安全伦理和控制标准。对此，要具有清晰的心理预期，保证安全、负责地开发和使用机器智能。

 

　　此外，为了驱动新的机器智能系统，数据收集活动必然增加，这势必造成个人隐私风险的提高。联邦政府应该针对数据的收集和使用，推进透明的、产业驱动的标准和行为准则制定，以应对机器智能产生的隐私风险。在考虑用户隐私保护的同时，需要谨慎对待，既要管理个人隐私和安全风险，又要为维护国家企业创新能力留有足够的灵活度。

 

　　6.建立机器智能战略伙伴关系，引领机器智能技术发展和全球机器智能合作

 

　　尽管美国在机器智能技术领域处于领先地位，也并不意味就能单打独斗。与世界各国分享价值、态度和标准，有助于更快地开发和应用技术。因此，《战略》认为，应该从以下四个方面推进机器智能战略伙伴关系的建立：第一，与国外研究实力强劲、机器智能领先的国家建立合作关系，以增强自身实力，不断提升创新能力，确保在机器智能前沿发展中取得优势；第二，利用其它国家的相对优势来弥补自身的不足；第三，与盛产机器人制造和信息物理系统制造所需的金属和塑料国家，建立广泛合作关系，获取自然资源的控制权；第四，提高在机器智能国际标准和管理主体方面的参与程度，以增强在机器智能未来发展领域中的影响力。

 

 

　　技术进步和突破的关键和核心在于人的素养，而人的素养和质量高低，直接影响机器智能技术的使用和转化。为了适应未来职业发展的需要，不管是对现有劳动者进行再培训，还是对下一代劳动者进行良好教育，教育都起着至关重要的决定性作用。为此，《战略》将第二大战略布局置于教育层面，为教育系统适应机器智能发展提供了新的见解（见图2）。以充分有效地促进和提升劳动者角色的转换，确保国家未来的发展和繁荣。

 

　　1.机器智能与教学

 

　　机器智能从根本上改变了我们现有的教育方式。机器智能与课堂教学的融合，可以极大提升学生的学习体验和教师的教学效率。例如，运用语音技术的语音识别（语音转文字）和合成功能，使用聊天机器人助教，或者在教室放置机器智能“狗”，实现云端知识库来解决教学中学生的知识性问题；利用机器智能结合大数据处理语义识别，能将教师从繁重的作文批改工作中解脱出来，提升批改质量；运用图像视频识别和数据采集技术，通过教室摄像头采集学生视频，识别学生上课的情绪和动作来获得丰富的学生数据，再使用数据统计与分析模型，实现对教师教学和学生个性化学习（Personalized Learning）的分析。同时，机器智能还能融合到在线课题和虚拟课堂，这极大程度地提升微课、慕课、私播课、翻转课堂和翻转学习等的教学体验，实现真正的个性化学习并满足学生个体对课程内容的需求。

 

　　（1）机器智能的应用，会给传统课堂一刀切的教学模式和教学内容带来颠覆性的改变。机器学习算法能够帮助教师了解学生在哪些科目中存在学习困难，有效解决传统教育在这一块的空白。如，Thinkster Math将实学课程与个性化教学相结合，为每一位学生分配一名幕后导师，通过iPad屏幕呈现合乎学生技能的问题，分析学生的答案以及其心理过程，从而诊断和确定其错误的原因，是否在这一问题解决步骤中出现了误解。通过为陷入解题困境的学生提供视频帮助和快速的个性化反馈，提升学生的逻辑能力。而以往通用教材，只对那些观察、思考、处理信息和问题解决能力相似的学生才有用。机器智能可以利用深度学习（Deep Learning）来创建符合特定课程和需求的定制教材，教材内容也成数据订单，因人定制，无所不在。教师输入教学大纲，机器智能掌握输入的内容，基于其核心内容通过算法，可用来设计个性化的教材和课程。

 

　　比如，Netex Learning可以让教师通过各种数字平台和工具来设计课程，甚至缺乏熟练技术的教师，也能通过云学习平台将音频、视频和自我评估等互动元素，整合到数字课程计划中。教师通过设计个性化的资源并发布在数字平台，为视讯会议、数字讨论、个性化的任务和学习分析等提供工具，同时，为学生个性化学习成长提供视觉呈现。不管是基于机器智能技术使用的应用程序还是网站，都能为学生提供优质的学习体验。

 

　　（2）机器智能可用于设计以内容为基础的产品或服务，它通过融入了自适应学习（Adaptive Learning）技术，能够为学习者提供更智能的学习选择，从而提升他们的学习兴趣和参与积极性。自然语言处理和语音识别技术，使得机器智能系统能够扮演导师的角色，为学生提供精准的答案并分析学生的课堂表现。尤其在STEM/STEAM领域，机器智能解决方案能够优化提高特定领域中的知识摄入。而智能辅导系统（Intelligence Tutoring Systems），更能有效解决缺乏合格课外辅导老师的困境。

 

　　2.教育大数据的挖掘

 

　　自适应学习和个性化学习将会成为一种新的学习范式，而数据对这种新范式的实践起着至关重要的作用。对于个性化教育，人们需要确定学生的相关数据，了解学习提升的真正要素，从而提供有针对性的教学。教育数据的挖掘，就是开发、研究和应用计算机方法从教育大数据中发现学习模式和特征[6]。人机协同增强智能和群体集成智能的发展，以及在人机互动的过程中进行教育数据的挖掘，能够帮助教师了解学生的思维方式、个体性格、环境特征等特点，以便为学生提供个性化、定制化、超智能化的学习。而通过大数据进行教育数据的挖掘，能够预测学生学习的趋势，检测学习投入的程度、情感和学习策略，为教师和教育研究者提供更准确的报告，可有效提升教育科学的研究水平。

 

　　数据挖掘的典型步骤包括：数据采集、数据预处理（如，数据“清理”）、数据挖掘和结果验证。机器智能学习系统可以保存人机交互所产生的详细日志，包括按键点击、眼动跟踪和视频数据。教育数据的挖掘即通过开发、研究并应用计算机智能化的方法，来检测教育大数据的模式。这些数据不仅包括学生个体与智能系统之间的交互数据（如，导向行为、互动练习等），也包括来自于学生之间的协作（如，文本聊天）、管理数据（如，学校管理、教师管理等）以及学生个体情况数据（如，性别、年龄、学校成绩、学习轨迹等）。学生的情感数据（如，动机、情绪状态等）是教育数据挖掘的重点，这些数据可以从生理传感（例如，面部表情、坐姿等）中推断出来。

 

　　目前，教育数据挖掘可以实现以下六项功能：（1）检测智能学习系统和技术增强学习（Technology-enhanced Learning）的效果；（2）确定学生模型参数。学生模型是智能辅导系统里的一种数据结构，这种数据结构能够通过学生行为推断、跟踪记录学生相关的学习特征；（3）为领域模型提供信息。领域模型描述了在概念、技能、学习项目以及彼此关系等方面的指令域，并为学生模型的构建提供基础；（4）建立诊断模型。教育数据的挖掘，为研究现有数据、获得学生兴趣模式的理解提供工具，并从数据中归纳出诊断模型；（5）为教师、学生和其他相关人员提供报告和预警，为学习出现的问题提供补救措施，为学生学习意识和元认知提供必要信息；（6）通过确定学习资源和学习活动，为自适应学习提供智能支持。

 

　　3.软技能概念的提出

 

　　硬技能与特定的学习项目（专业）或职业领域相关，是一种可以在学校和书本里学到的，与具体学科或内容相关的技能。例如，药学技能、生物技能、建筑技能、计算机技能、数学技能、手术技能、教学技能、平面设计技能等。对于劳动者而言，这是获得职业成功的必要技能。例如，护理专业学生学习如何给病人打针，建筑师学习如何绘制建筑图图纸。这种技能易于观察、量化和衡量。

 

　　然而，进入机器智能时代，简单的、重复的、可量化的、无需复杂思考的工作，都将会被机器智能所取代。毕竟，如果跟机器智能比逻辑和运算，人类根本没有胜算的可能。相比硬技能，软技能不与特定的学习项目（专业）或职业领域挂钩，它们只适用于所有的工作场所或职业，并能在所有学科中实现转移、联通或关联，通常也被称为可转移技能（Transferable Skills）。这种非技术技能对于劳动者获得职业成功非常重要，如：人际关系技能、社交技能、组织管理技能、时间管理技能、批判思维技能、问题解决技能等。这些技能更多的是一种基于人性发展的技能，关注于个体行为和人格特征。

 

　　软技能很难进行观察、量化和测量，正是基于这一特点，人们无法通过输入数据进行描述、分析和预测。因此，具备较强软技能的劳动者，也最不容易被机器智能所取代。这有力的说明，机器智能时代劳动者软技能愈发重要，因此，教育系统需要在培养重心方面进行相应的改革，要扩展在计算机技术特别是机器智能方面的学位项目，从K-12基础教育到本科、硕士教育，将信息素养和机器智能的使用培训，纳入课程发展和认定的计划之中，以适应未来数字化、智能化社会发展的需要。

 

　　4.人机协作环境的构建

 

　　机器智能时代的教育重点，在于要思考和实践如何教授学生增强与机器合作的能力。即通过与机器组成学习团队，来学习知识、磨砺技能、解决问题，这首先需要教育部门研究机器智能对教育的长期影响。教育部门的主管和决策者，尤其需要关注教学方面的决策制定并提供清晰的中短期规划，以确定哪些学习决策和执行可以交付给机器智能；哪些决策和执行以及相应的技能训练需要加以保留。整个教育系统要致力于培养学生持续学习的能力，使得学生更好适应人机合作关系，不断提高人机共处能力。

 

　　人机协作是人类与机器智能系统和其他机器协同工作的一种模式，而不是简单的将它们视作一种使用工具，其目的在于利用人和机器两种智能的特殊优势，甚至物理性能，来弥补对方的弱点。人机协作，被誉为是继微处理器和互联网之后信息技术发展的第三阶段，将会对未来的教育产生影响深远与变革；机器智能，也将会成为学习环境建构中的重要因素和组成部分。

 

　　对于人机协作环境的构建，中心的确定非常重要。学生与机器智能系统的协同合作，必须以学生、数据、服务和体验为中心，而这四个中心必须有效地整合在人机协作环境的构建之中。教育领域机器智能使用的最终目标，在于学生的教育和培养，为其提供最优的学习体验和支持，使其享受优质的支持学习提升的技术服务。而这些目标的实现，数据起着首当其冲的作用。机器智能时代的数据，注定是海量丰富、真实瞬变的数据。而只有获得数据，并对数据进行整理和分析，才能积累和创建数字化的学生档案。

 

　　总之，人机环境的构建是一种融入设计艺术、整合技术使用、兼顾人文属性的学习生态环境的全新打造。学校应与时俱进更新课程体系，学生应花费更多时间和精力学会在合作中解决问题。

 

 

　　从全球范围看，自2016年，美国白宫首次发布两个国家级层面的人工智能发展战略报告之后，中国、加拿大、日本、新加坡、英国、阿联酋、韩国等迅速跟进，先后发布了各自的人工智能国家战略，印度、墨西哥、马来西亚等国也在加紧制定中。而这次最新发布的《美国机器智能国家战略》，再一次提醒我们：在当今科技创新竞争中，将机器智能作为一项国家战略布局非常重要，唯此，才能在未来国际竞争中立于不败之地，才能获得更多的发展先机与生存空间。

 

　　近年来，我国大力推进大数据、物联网、量子计算等新兴产业，不断加强对新一代人工智能的研发应用，在医疗、养老、教育、文化、体育、娱乐等领域不断推进智能发展，拓展智能生活。我们认为，要进一步实现或落实智能发展与智能生活，教育依然起着决定性的作用。尤其是在教育实施策略层面，一方面，需要大力培养能力突出的技术人才；另一方面，更需要培养具备计算机能力、计算/编程思维和软技能的大量劳动者。在这方面，《战略》给出了八大建议值得我们借鉴，详见表1。

 

　　随着机器智能的飞速发展和在各个领域的广泛运用，对人的素质提出了更高的要求。机器智能的推广和运用的关键在于提高人的素养，而提高人的素养关键在于教育。美国在机器智能领域一直处于世界领先水平，拥有世界上最开放、最灵活的数据生态系统。《战略》的发布，对我们的启发价值在于：它将培养劳动者这一教育层面因素，放置于第二重要的战略布局地位，可见，教育对于机器智能战略实施具有不可替代的重要性。

 

　　我们所生活的世界，在近几十年来一直发生着巨大的变化，先进的科技和便捷的交流手段，高速发展的经济和激烈的竞争，日益加剧的全球性挑战，这一切变化，需要我们重新审视自己的教育体系。如果教育依旧保持不变，不能做到与时俱进，那么，面对机器智能的快速发展和挑战，我们就会变得无所适从。因此，亟需深度思考机器智能时代教育的适应和变革，我们需要关注以下几个方面：

 

　　第一，当今世界正处于向物理空间、人类社会和信息空间构成的三元空间的演变过程中，审视这一演变，大数据智能、群体智能、跨媒体智能、人机混合增强智能和自主智能系统等，都是其发展的核心和关键所在。因此，为了适应机器智能时代对人才培养的新需求，机器智能教育的容量和空间都需相应地扩大。机器智能教育要成为教育领域的重点并上升为国家战略，需要由国家统一布局、统筹规划，在国家层面上形成促进机器智能发展的良性机制，从而推动新型教育体系的转型与构建。我们认为，机器智能教育，一方面，包括利用机器智能技术来推进教育的发展；另一方面，也包括培养精通机器智能技术的各种智能人才。目前，机器智能的发展最缺乏的还是人才。因此，教育需要有针对性地做出适应性的大调整，加大机器智能人才的培养力度，增设机器智能专业，扩大其教育规模、层次与活力，以支撑机器智能在技术上的发展和突破。

 

　　第二，教育的根本目的在于培养适应社会发展的劳动者。在机器智能发展的时代，机器智能给各行各业带来了新一轮的“技术性”失业，而且还间接地引发了工作本质的变革，出现了一种颠覆传统的工作模式——“云劳动”（Cloud Labor）。“云劳动”是一种新型共享工作，通过“云计算”服务器、互联网的连接，企业可以通过网络获取劳动力，劳动者通过网络连接处理网站发布的工作任务，对工作项目进行快速、高效的处理。为了适应“云劳动”时代的这种需要，教育需要满足对劳动力转型培训的多种需求，根据不同的工作项目内容来灵活调整培训内容，以服务于不同的学习需求。换言之，这是一种全新理念的教育转型，需要我们从教育目标、内容、形式等诸多方面做出切实、有效的改变。

 

　　第三，教育对学生能力培养的重点和方向，也需要进行相应调整。传统教育过度注重学生知识（而且又着重于记忆、背诵及应付考试）和学业技能的培养，这种培养模式和方法，显然不适应机器智能时代的发展和需求。机器智能时代的教育，需要在硬技能和软技能之间寻求最佳的比例和结合点，并逐步提升软技能培养的比重。基于这种战略调整和转变，教育首先需要探讨如何培养学生的自主学习能力，帮助学生调整学习过程；其次，需要培养机器智能无法具备的核心素养和能力，而不是简单地为学生提供知识传授与复述；其三，要培养学生数据分析、应用能力，推广编程教育、计算思维教育和改革现有的信息与技术课程，以使其具备更强的适应信息社会的能力；其四，要培养学生的自我认识能力，了解自身特点，能够应对纷繁复杂的人力市场做出精准的自我定位和个性化职业发展规划。

 

　　第四，确保教育机器智能使用的安全性。机器智能的核心是机器的学习能力，机器智能应用正逐渐深入到各个层面（如，智能测评、个性化学习辅导、儿童陪伴等）。智能教育机器人可为学生提供个性化、多元化的教育方案，可在很大程度上弥补优质教育资源不足的问题，降低对传统教育的依赖程度。不可否认，按当下机器智能的发展趋势，其智能化程度将会越来越高。但这种发展趋势，在给我们带来巨大“红利”的同时，也带来了隐患和担忧。Good早在1965年就提出了关于第一代超智能机器（Ultraintelligent Machine）的推测，认为机器智能将会置人类于无处容身之境。Elon Musk，Bill Gates还有Stephen Hawking针对机器智能的威胁，都曾抛出悲观的论调。智能的进化速度可能比人类预想的要更快，而它们的终极目标不可预测。一些学者担忧，一旦机器被安装了挖掘、存储、推理、归纳、判断、决策、行动的程序后，可能会具备自我实现的意识。机器智能在很多方面或许要超越人类。同时，计算机处理器所构成的庞大网络，近似于人类的大脑神经系统，而这一网络系统能够模仿人脑的机制来解释诸如图像、声音和文本的数据，实现深度学习。机器通过重新组织已有的知识结构并完善自身性能，模拟和实现人类的学习行为以获得新的知识和技能，这也会引发很多社会、伦理和哲学问题。因此，我们必须思考机器智能时代人机共存、共处、共享的问题，重塑人性与教育的关系。

 

 

 

　　Bernie和Charles在《21世纪技能：为我们所生存的时代而学习》一书中提到，21世纪的教育，学生要学会理解和解决真实世界各种挑战的技能，包括学习与创新技能（如，批判思维和问题解决能力、沟通与协作能力、创造与革新能力）、信息素养技能（如，媒体素养、通信技术素养）、职业和生活技能（如，适应能力、主动性与自我导向、社交与跨文化交际能力、高效的生产力、责任感、领导力）。可见，技术对21世纪技能的学习起着极大的推动作用，可以说，我们今天所开展的所有学习活动，都离不开技术在教育领域的应用。

 

　　机器智能时代的到来，需要我们主动迎接和适应基于机器智能的学习范式。国际象棋世界冠军Garry Kasparov在TED（Technology， Entertainment & Design）演讲中就提到，“人+机器”的时代，不在未来，而在当前。当前，我们正处于一个技术快速改变教育世界的时代。平板电脑的广泛使用，编码成为全世界范围内国家课程的一部分，技术已成为像传统教室里黑板和粉笔一样必不可少。教育技术通过大量的自适应性（Adaptive）平台，如，可汗学院（Khan Academy）、Coursera，正给我们的教育带来了巨大的影响，而现在，机器智能技术正获得极大的驱动力，在未来几年将会给教育带来积极的转变。

 

　　不管是校内还是校外，由机器智能驱动的终身学习将会实时地塑造学习者的学习体验，提供新的评价形式。我们利用机器智能，通过深度学习开发定制内容书籍，能为学习者提供随时随地个性化的定制知识，从而使得学习变得更加高效。学生并不是教育机器智能化的唯一的受益者，智能教学系统（Intelligent Tutoring System），如，Carnegie Leaning，Third Space Learning，正帮助教师摆脱一刀切的做法。“一对一”的教学平台利用大数据和学习分析，为教师提供实时的学生反馈，能帮助教师确定每个学习者具体的学习需求和技能差距，为其提供补充指导。教育要引领社会发展，要走向知、行、创，要培养创新人才，要进行智慧型评价，这些实践的关键在于教师。

 

　　任何机器都不能取代人类教师，因此，投资教师培训和促进教师专业发展是决胜机器智能时代的关键。机器智能可以有效帮助教师过渡到学生的导师和促进者，因此，我们不能把技术进步当成是一种威胁，教师和教育领导者需要充分利用多样化的技术方式来提升和增强教师的工作。而教师也需要不断提升对机器智能的自适应程度，才能应对学生知识和非认知技能培养的新挑战。

 

 

　　机器智能的发展，毫无疑问会给教育领域带来巨大的冲击和挑战，教育需要为这一变化做出积极的反应和调整。基于机器智能的使用，教育领域在自适应和个性化学习、虚拟导师、教育机器人、基于编程和机器人的科技教育、基于虚拟现实和增强现实的场景式教育等五个方面，会产生重大变革和成果。智能化、精准的个性化学习，将成为机器智能时代教育实践的新范式。

 

　　个性化学习能使教育内容满足学生的个体需求，已成为K-12教育的重要组成部分。教育通过数据分析和机器智能为学生提供合适和及时的学习，并基于数据的驱动来帮助教育工作者分析并获取提升学生学习效率与方法。在自适应学习中，教师通过收集从课程内容的参与到课程考试的成绩等多方位的学习数据，从而根据每个学生的知识水平和理想的学习风格，来提供个性化定制的学习材料。比如，美国俄勒冈州立大学正在利用数据对过去学习率低的八门课程进行个性化学习设计，为学生提供积极主动的帮助，使其跟上学习进度。针对诸如代数、心理学、化学等学习率高的学科课程，为克服学习人数过多以及教师为学生提供“一对一”帮助的难度系数大之困难，基于自适应课件所提供的数据分析，教师可以获知学生在哪些地方存在学习困难，并针对这些难点为学生提供更多的教学帮助。

 

　　对于非在校的成人学生而言，如何平衡学习、家庭与工作时间是确保接受继续教育和再培训的关键所在。对于这类学生而言，通过在线课堂进行异步学习是适应忙碌日常学习的有效方法。而在线学习的自我调整方式也适用于面授课程的学生，这体现了机器智能的作用。与当前在同一时间、将相同的内容传授给整个班级的教学模式相比，机器智能可通过学习管理软件，根据学生的个人进度，为每个学生绘制适合自己的学习路径，提供精准的个性化学习。比如，美国密歇根大学机器智能的使用，使学生在写作课程中更容易获得即时反馈。利用自动文本分析程序回顾学生的写作，可以指出其写作优点，并针对需要提升之处给出修改意见。写作助教通过验证程序的反馈，以确保程序反馈是否准确到位。

 

　　可见，在未来的教育变革中，机器智能和数据分析将扮演更重要的角色，智能技术的使用是促进个性化学习的有效方法，能帮助教师从繁重机械的教学中解脱出来，去关注教学和研究的其他方面，更有效地促进和提升教学。换言之，机器智能会给教师角色、教学内容、培养范式、实践方法等多方面带来变革，从而实现对人才培养的精准教育。

 

 

　　当前，机器智能发展所要解决的难题集中在于：自然语言的理解，解决问题能力，知识表征（Knowledge Representation）与推理，视觉图形理解。很显然，由于技术条件发展的限制，现阶段的机器智能还处于更偏重开发“智能”的阶段，而由“智能”走向“人性”，获得感知和情感则是机器智能未来的发展方向。一旦我们取得技术的突破，将机器智能与意识、感性、知识和自觉等这些人类独有的特征实现互相连结，就能推动机器智能进入超智慧（Superintelligence）的高阶发展阶段。

 

　　以色列学者Yuval Noah Harari曾表示，人类的情感并不是超自然的神奇东西，机器智能正在通过获取海量信息，发展出分析人类声音和表情形式的能力，以分析人类的情绪状况，这种基于数据分析获取的信息，比我们靠感官得到的数据更可靠。机器智能其实就是拟人化产品。因此，机器智能应赋能人性，赋能全人教育，赋能人性健康发展，赋能人性智慧，在于激活人性潜能，提升人性审美、情趣、欲望、习惯与行为，实现共处共生的人与机器智能的“新共同体”。

 

　　在机器智能时代，教育的实践范式需要将机器智能的人性化发展视为重要的组成部分。教育的目的是保持人性，特别是保持人区别于机器的、人之为人的特性。随着技术的不断成熟和发展，我们不仅仅要让机器变得更加智能，而且还要让机器变得更像人类。同时，因为机器智能的真正掌控者是人类，如何让人类理性地驾驭机器智能，是人本教育的重要目的。只有将人性与智能进行紧密结合，才能真正实现机器智能为人类所利用，为人类而服务。

 

 

　　为了适应机器智能发展的趋势，我们需要为教育与机器智能的结合提供一个有效的实践范式，这就需要我们对教育与智能，智能教育与机器智能，以及机器智能与人性这三维关系进行深度审视和思考，并基于这种三维关系的建构，从宏观层面给予教育实践更具指导性的参考意见。

 

　　正如前述，机器智能时代的教育，教育主管与决策层需要制定相关的实施策略，以确保教育实践有“法”可循。在具体的教育实践过程中，需要充分考虑教师、学生对机器智能教育时代的适应性并作调整，要采用新的培养方式和培养目的，培养学生适应机器智能时代的相应能力。此外，机器智能时代的教育与以往任何一个时代不同，与机器智能结合的教育道德和价值成为智能教育的新维度，并成为智能教育“人机共处”的关键所在。所以，从决策层到实践层，再到道德价值层，三者的结合将为新的机器智能时代的教育实践提供新范式（见图3）。

 

　　首先，教育主管与决策层需要把握机器智能的发展趋势以及在教育领域的最新应用，以加强在教育理论、方法、工具、系统等方面的研究。需要对教育实践进行系统布局，制定针对性的发展策略和清晰的实施规划，确定各个阶段的实践任务，并为确保各个阶段任务的完成提供良好的外部条件。机器智能技术在教育领域的使用，将会极大地提升教育大数据采集的广度和深度。教育数据对于机器智能实现语言理解、知识表征、联想推理以及自主学习等方面至关重要，因此，保障健康的数据和健康的智能设备，对于确保智能教育的规范同样不可或缺。

 

　　机器智能的发展和应用对于现行传统的教育模式和方法，将会带来巨大的冲击。教育主管与决策层需要思考、研究并制定相关的风险规避策略，充分考虑在机器智能技术冲击下，机器智能发展应用可能带来的巨大影响，并适时对这一冲击做出积极反馈和调整，以应对机器智能带来的挑战。机器智能、移动互联网、云计算和大数据是智能新时代的显着特征，也是教育发展的新引擎。我们要确保教育智能技术研发部署的前瞻性，需要在理论和实践层面实现变革和颠覆性突破，不断加强机器智能教育的国际合作。未来机器智能的教育将会为云教育（Cloud Computing Education）搭建更大的舞台，教育的国界将会被打破，全世界的教育将会融合成为一个统一的整体，教育主管与实践层要为这一趋势做好充足准备。

 

　　其次，教育的决策关键在于实践，这就需要在教育实施和践行层面进行有效推进，以确保教育主管部门的意志得以贯彻和执行。机器智能教育对教师的专业发展提出了更高的要求。在机器智能时代，学生更易获得多元知识的途径，并成为知识开拓的主体。同时，机器智能通过深度学习，可具备更精准全面的知识传授能力。因此，教师在知识上不但要博古通今，更要具备瞻望未来的能力。

 

　　虽然机器智能具备强大的知识传授能力，可以轻而易举地取代教师传授知识，但是人具有思考和展望未来的能力，这一点却是机器无法取代的。因此，教师需要学习如何应用智能技术，顺应新技术给教育带来的变革，站在超越机器智能的高度去提升自己。只有将技术为己所用，才能控制技术使用而不被其取代。同时，在教育的实践领域，以物联网为基础的智慧校园将教学、科研、管理和环境等进行充分融合，构建起全面的智能感知环境和综合信息服务平台，为学习者提供个性化定制服务。将智能技术融入学校的各个应用与服务领域，提升着智慧校园的内涵，即如何把培养面向智能时代的人才作为出发点和归宿，最大化地挖掘信息时代人的潜能，并在方式方法层面上，造“法”论“道”。

 

　　机器智能技术能帮助学校更好地跟踪、适应和支持学习者的个性化学习，实现“一对一”的虚拟辅导，为学生定制学习方案，促进学生高效的学习行为，实现自我管理和自我解释，从而引导学生实现成功学习。而在能力培养方面，机器智能时代人的培养目的不再局限于知识性的硬技能，而应更多侧重机器智能所不具备的软技能，以提升学生的批判性思维能力、道德准则方面的判断能力、与人沟通的情感能力等。

 

　　最后，对机器智能教育的道德与价值层面的思考，需要我们重新审视机器智能与人类的界限以及两者之间的关系。道德和价值的标准并不是一成不变的，我们在向机器智能传输伦理道德的同时，也在深化自我认识，帮助我们重新定义人类，审视自身。人性既有社会性，又有道德性。技术的发展不是自发的，也不是永恒不变的，在技术潜力与文化知识环境不断相互作用中产生具体的目标。任何学科不管离人性有多远，总会通过这样或者那样的途径回归人性。我们相信，智能和感知一定会得到共存。

 

　　人性不可能全部机器化，但是机器智能可以具备人性化的基本特点。诚然，机器智能的超智慧发展，会给人类带来某些恐惧和担忧。人非神圣，面对美色美味、财富利益、权力会心动，这是人类最本能的反应，而机器智能目前没有人性这种本能反应。科技发展的方向，最终取决于人性的内在因素，而这种人性的内在因素是我们可以掌控的。

 

　　总之，人类社会是人的社会，物质世界的主体是人，对人的认识是我们认识世界和参与人类社会的核心内容。人性不会因机器智能的变化而颓废，但人需要强化主体技能、自我技能和软技能。人性是感性的，并遵循感性的行动机制，驾驭感性的力量是我们人类特有的理性行为。机器智能所产生最新驱动力，正在激发人类的潜力，还在改变教育，影响分工。技术能够使我们具备更多的人性、更多的环境关心，也会让我们变得更睿智，实现超智慧的理性回归。

 

 

　　当前，越来越多的国家重视并正在布局机器智能国家级战略，将其上升到最重要的战略地位，机器智能已成为新生产力的巨大驱动力。机器智能的发展，将远超人们预想的速度。机器智能对教育领域同样产生着深刻的影响，也给未来教育带来了无限的机遇和挑战。我们认为，机器智能教育的未来，会在以下五个方面显现价值：

 

　　第一，机器智能通过集成个性化建模、社会仿真和知识表达，能够为学习提供随时随地的支持。在机器智能时代，每一位学习者都能获得一位虚拟导师，从而实现个性化、定制化的专属学习。

 

　　第二，学习者的硬技能将会逐渐被机器所取代。为适应机器智能时代的发展和需求，机器智能教育将会更加注重学习者自我导向、自我评估、团队合作等，注重人的创意、设计感等软技能的培养。

 

　　第三，未来学习者的学习数据将会汇集个人学习、社会背景、学习环境、学习轨迹和个人兴趣等多方面的数据，机器智能将会对这种互动数据进行有效的系统分析，从而更有效地对学习活动进行监控、辅助和指导。

 

　　第四，教育会突破国界和区域的限制，利用机器智能技术为构建“全球教室”提供机会，促进“全球教室”的访问程度，将教育场景扩展到更广阔的时空。

 

　　第五，机器智能技术能够帮助我们克服思维和感官的局限，调整和发展教育系统，为实现终身学习提供必要的适用技术。

 

　　一些学者指出，在未来机器智能教育时代，传统学校将会走向消亡，未来学习中心将会开启教育全新的局面。比如，朱永新等[19]认为，未来学习中心将会走向个性化、丰富化、弹性化、定制化、混合化、多元化、双轨化、过程化、开放化和幸福化的发展时代。未来的教育将进入教师与人工智能协作共存的时代，教师与人工智能将发挥各自的优势，协同实现个性化教育、包容的教育、公平的教育与终身的教育，促进人的全面发展。为了迎接这一时代的到来，我们需要把握机器智能的发展趋势，做好相关准备，以实现与教育领域的实时、有效的接入与联动：

 

　　第一，从国家层面制定顶层战略，明确智能技术发展的中长期规划和分步骤实施策略，并对技术的发展进行分类指导和实时反馈；同时，制定智能技术的创新战略，推进智能技术在理论上的突破和创新。

 

　　第二，制定可行的机器智能人才发展战略，将机器智能纳入教育体系的核心内容，成为其必要组成部分，并从实施层面进行有效设计，将教学目标、课程内容、教学形式与学习空间等方面，切实加以改变并落实到各类教育过程中。

 

　　第三，强化机器智能与人性的智慧交融的研究，保障机器智能在安全的范围内发挥作用。为此，如何促进机器和人的和谐、安全共处，如何规避机器智能可能带来的风险；如何将道德和价值标准融入到机器智能并促进其“人性”发展，这些都是值得我们思考。

 

　　总之，机器智能的研究与发展应根植于人性之上，离开人性谈机器智能，如同离开人性谈智慧，离开教育谈机器智能等，都将是无源之水，无本之木。展望未来教育的发展，我们坚信，机器智能会成为教育更高效的技术手段和支撑方式，机器智能将赋能全人教育，赋能人性智慧，赋能人性的发展。