張志禎 張玲玲 李芒

【摘要】“智能化領跑教育信息化2.0”正逐漸成為教育信息化研究者與政策制定者的共識。但目前學校教育的自動化程度還比較低，學校是手工“工場”，而非機器生產(chǎn)的“工廠”，多數(shù)教育工作者并未感受到人工智能的沖擊。為應對未來教育發(fā)展的需求，教育工作者需明確人工智能的基本原理與技術限度，需從宏觀與微觀層面把握人工智能與教育的關系。本文提出并系統(tǒng)闡述了人工智能與教育的三層次相互作用模型：①潛在作用層次，源于人類的知識和知識實踐的紐帶作用，改變知識實踐方式的人工智能必然會影響主要是知識傳播實踐的教育活動;②直接作用層次，人工智能幫助教育實現(xiàn)教學自動化（人工智能教育應用）、提供課程內(nèi)容，教育為人工智能培養(yǎng)人才、提供實踐場域;③間接作用層次，人工智能更活躍，通過對個體、社會的影響提出新的人才培養(yǎng)需求，倒逼教育變革。在人工智能與教育相互作用的“推拉”效應、大規(guī)模教學個性化需求、教育機構降低成本分工細化等因素作用下，教學自動化具有邏輯必然性，而教育發(fā)展與教育信息化的需求、公眾人工智能意識提升、前期教育信息化奠定了良好的基礎、有利的宏觀政策等因素，使教學自動化具有現(xiàn)實可能性。我國人工智能教育應用研究尚難支撐大規(guī)模教育智能化實踐。人工智能教育應用研究亟待超越技術、產(chǎn)品開發(fā)與應用設想研究，亟待開展有關人機分工教學法的機制與效果及其對教育機構的全面影響的系統(tǒng)化理論研究與高生態(tài)效度的實證研究。

【關鍵詞】? 人工智能教育應用;教學自動化;人工智能;知識;知識實踐;知識傳播;知識應用;教育改革

【中圖分類號】? G434? ? ? 【文獻標識碼】? A? ? ? 【文章編號】 1009-458x（2019）1-0025-11

近年來，人工智能技術的突破引發(fā)全球范圍內(nèi)產(chǎn)業(yè)結構與就業(yè)市場巨變的預期。人工智能成為大企業(yè)和國家發(fā)展戰(zhàn)略的核心（國務院， 2017; 吳飛， 等， 2018）。科技、經(jīng)濟、社會的變化必然曲折影響到教育的目的、內(nèi)容與方法。作為直指人類智能的通用技術，人工智能不但會通過勞動力市場的結構性變化倒逼教育變革，而且會直接作用于教育教學活動。2018年4月全國教育信息化工作會議提出“智能化領跑教育信息化2.0”（王珠珠， 2018）。近期，已有研究者關注這一主題（如： 潘云鶴， 2018; 賈積有， 2018; 劉德建， 等， 2018），但目前我國人工智能教育應用研究總體上處于起步階段，尚難以支撐大規(guī)模實踐。從教育教學立場出發(fā)的系統(tǒng)的理論分析工作亟待開展。人工智能本身抽象、復雜，相當多的教育研究者與實踐者對人工智能的理解不準確，缺少對其技術限度的客觀認識，這不利于人工智能在大范圍內(nèi)變革教育實踐。

一、人工智能與知識實踐自動化

（一）人工智能祛魅：內(nèi)涵與誤解分析

人工智能研究發(fā)軔于信息化浪潮席卷全球的前夜。1956年，美國東部的達特茅斯學院會議標志著人工智能作為獨立研究領域的確立。這一標志性事件的背后是幾方面力量的長期相互作用：一是控制論、信息論等學科的形成與發(fā)展豐富了人類對于機械系統(tǒng)與有機體行為的認識;二是剛問世不久的電子數(shù)字計算機驚人的數(shù)值計算和自動控制能力以及第二次世界大戰(zhàn)期間現(xiàn)代科技展現(xiàn)出的令人瞠目結舌的軍事力量刺激人們?yōu)橛嬎銠C這一新工具尋求新的應用領域;三是才華橫溢、志存高遠的科學家對于人類智能行為的奧秘上下求索;四是掌握了充沛研究資金的外太空探索機構和軍事機構對于以智能機器代替或者輔助人類個體在極端條件下進行工作存在著熱切的盼望。現(xiàn)實的需求、巨大的期望、領域開創(chuàng)者的樂觀等因素使人工智能甫一呱呱落地便扶搖直上。隨后60多年間，人工智能領域經(jīng)歷了幾番大起大落。近年來，人工智能在歷史上首次成為國家之間和大企業(yè)之間競爭的焦點，備受矚目。

沒有哪個學科像人工智能這樣廣受關注，同時又被普遍誤解?！叭嗽斓闹悄堋彼坪跬{到每個人類個體，除了智能機器會搶走工作、破壞就業(yè)，能感知、會思考的智能機器威脅到“智人”的認知尊嚴與優(yōu)越感。科幻文學與影視作品塑造出智能機器的種種社會形象，通常是陰暗的、反烏托邦的形象。因此，人們在談到人工智能時難免會帶上濃厚的感情色彩，但人工智能不是魔幻，也不是科幻，而是科學、工程和數(shù)學（Russell， et al.， 2013， p. 28）。

首先，對于人工智能的誤解源于研究問題的復雜多樣性。人工智能研究包含許多子領域，從通用領域（如學習和感知）到專門領域（如下棋、數(shù)學定理證明、語言翻譯、自動駕駛和疾病診斷）。Stuart J. Russell等（2013， pp. 3-4）將人工智能的定義分為四類，分別是以數(shù)學和工程方法建造“像人一樣思考”、“像人一樣行動”、能夠“合理地思考”以及能夠“合理地行動”的智能體（agent）。即人工智能專家希望對智能做出建構性闡釋，也就是通過制作智能機器來理解智能的機制。與此相對卻又相輔相成的是腦科學、認知神經(jīng)科學研究者，他們通過分析性方法探索人類智能（松尾豐， 2016， p. 26）。周志華（2018）對人工智能研究與實踐層次的劃分（表1）反映了本領域的綜合性與復雜多樣性，凸顯了其工程與數(shù)學本質(zhì)。

其次，對于人工智能的誤解也源于人類語言在描述機器智能方面的局限，這導致“語義學”問題（斯加魯菲， 2018， pp. 108-109）?！叭斯ぶ悄堋币约啊皩W習”“推理”“記憶”等人格化術語并不準確，還會造成不切實際的遐想。例如人和計算機都能“記憶”，但兩者存在本質(zhì)差異：人的記憶是建構性、整體性的，記憶與理解、情境、情感密不可分，既有顯性水平，也有隱性水平，而且總是存在選擇性扭曲、模糊、遺忘與強化;計算機的記憶只是在顯性水平上對于給定數(shù)據(jù)進行原樣存儲。Jerry Kaplan（2016， p. 417）認為，1956年達特茅斯學院會議最引人矚目的成果是選擇“人工智能”作為領域名稱。如果當時選擇了更常規(guī)、不會對人類認知造成威脅的術語，例如符號處理（symbolic processing）或分析性計算（analytical computing），則這一領域的發(fā)展可能會更接近其實際情況——自動化或者自動控制的持續(xù)推進。當然，人格化術語的使用也是無奈之舉，成熟如物理學，其術語也與日常語言保持著千絲萬縷的聯(lián)系（陳嘉映， 2018， pp. 193），只是專業(yè)人員需要對語言保持敏感，以準確地表達所要表達的含義。

最后，對于人工智能的誤解還和過分樂觀的預言以及廣告宣傳式的表達方式有關。例如，圖靈獎與諾貝爾獎得主、人工智能與認知科學學科創(chuàng)始人赫伯特·西蒙（Herbert Simon， 又名司馬賀），在1965年預言“20年內(nèi)，機器將能夠勝任人類承擔的所有工作”（斯加魯菲， 2017， p. 38）。50多年后，這一預言的實現(xiàn)似乎還遙遙無期。有關人工智能產(chǎn)品與技術的公開報道常常會有意無意省略技術的實現(xiàn)細節(jié)與智能設備的工作環(huán)境，而這些信息對于準確理解和評估人工智能技術的實際能力至關重要。有公司宣稱其人工智能產(chǎn)品能為新聞稿件生成極具創(chuàng)意的標題，卻不透露其工作細節(jié)。實際上，計算機掃描稿件內(nèi)容后可能產(chǎn)生了幾十個標題，其中合理、新穎的并不多，人類編輯挑選甚至潤色修改后才能使用。另外，多數(shù)機器運作都需要人類為其創(chuàng)設適宜的環(huán)境（如同火車需要鋪設鐵軌），“長出了手腳的計算機”發(fā)現(xiàn)這個世界并不友好：許多在實驗室中展現(xiàn)出神奇智能的設備，一旦離開特設的結構化環(huán)境，進入雜亂繁復、無結構的現(xiàn)實世界，馬上變得莽撞笨拙，做出常人看來匪夷所思的行為（斯加魯菲， 2017， pp. 120-127），如已經(jīng)進入尋常家庭的掃地機器人①。環(huán)境的結構化程度與智能設備的表現(xiàn)密切相關，但這一點通常在各種公開報道中很少提及。類似宣傳報道累加起來，使公眾心目中的人工智能的形象嚴重失真。

（二）知識實踐與知識實踐自動化

人類實踐的目的性、技術性、制度性、歷史性、文化性等特性決定了人類的實踐要以知識為基礎（石中英， 2001， p. 5）。知識作為人類認識活動的結果，其外延寬泛，形態(tài)多樣，既有高度形式化、普遍的理論知識，又有難以言說、情境化、個體化的實踐知識。從不同角度可將知識分為不同類別，以下四種分類有助于理解人工智能的工作機制與限度：第一，常識（common-sense knowledge）與專門知識（domain-specific knowledge，或稱“領域知識”）。常識指其他人能夠理解并認為是顯而易見的事情（明斯基， 2016， p. 172），專門知識指僅與某一特定問題相關的知識。對于構建智能系統(tǒng)而言，專門知識相對更易獲取，更易形式化，而常識則難以獲取和表征（危輝， 等， 1999）。缺乏常識是當前智能系統(tǒng)無法提高其智能水平的重要原因，使得看似簡易的任務也無法完全交給機器人去做（斯加魯菲， 2017， p. 134）。第二，顯性知識與隱性知識（或稱“緘默知識”）。對于隱性知識的研究始于波蘭尼，他指出“人所知的要多于其所能言說的”（Polanyi， 1957， p. 12）。顯性知識指能夠明確表達，尤其是易于形式化的知識，如MYCIN專家系統(tǒng)中以“IF... THEN...”形式存儲的血液感染知識（松尾豐， 2015， p. 63）。隱性知識更多與復雜決策、動作技能或者情境感知相關聯(lián)，是難以言說的直覺知識。利用機器學習方法從樣例數(shù)據(jù)中學習到的模型有用，但難以解釋，功能上與隱性知識十分契合。第三，陳述性知識與程序性知識。約翰·安德森（John Anderson）對于認知技能中陳述性知識與程序性知識的區(qū)分對于智能輔導系統(tǒng)的研發(fā)乃至認知心理學、教育心理學都有相當大的影響（索爾斯， 等， 2008， pp. 234- 235）。陳述性知識相當于語義知識，程序性知識是有關如何操作的過程知識（Anderson， et al.， 1995）。第四，George Maccia提出智能系統(tǒng)應有三類智能：定量智能、定性智能和表現(xiàn)智能，分別以“知道那些（knowing that）”“知道那個（knowing that one）”“知道如何（knowing how）”為基礎（Frick， 1997）。Theodore W. Frick認為當時（1997）的智能教學系統(tǒng)僅具備一定的表現(xiàn)智能，而完全不具備定性智能，因此缺乏常識，在教育中的作用有限，只能作為增強師生活動的媒體資源。20多年后，盡管技術有所突破，但人工智能系統(tǒng)仍不具備定性智能。

彼得·伯克（2016， p. 11）從知識社會學角度將人類的知識實踐分為采集、分析、傳播、應用四類。采集指用于萃取知識的“生的”原材料（數(shù)據(jù)資料）的收集與存儲。電子信息技術廣泛采用之前，采集活動通常是由探險家、博物學家親入現(xiàn)場，帶回實物標本、測量數(shù)據(jù)以及觀察和訪談記錄。分析通常在“書房”中完成，學者整理資料，通過對比、分類和概括發(fā)現(xiàn)模式、提煉規(guī)律。傳播指知識在人類個體間、群體間的傳遞擴散。應用指將知識用于實踐，指導行動，解決問題。應用并不僅僅是知識“消費”，在應用過程中行動者可能會產(chǎn)生對于問題、情境與知識的新理解，并可能將新知識回饋到社會的公共知識。當然，正如伯克所言（2016， p.11）這四類實踐并不是截然分開的，知識采集、分析、傳播本身就是知識應用。知識的采集與分析就是知識生產(chǎn)（創(chuàng)新），是科學研究的主要目標。作為問題解決核心的知識，比信息更“黏”，更難在人際傳播，其應用效果更具有情境性和主體性（布朗， 等， 2003， p. 116）。

知識實踐有賴于信息技術的發(fā)展。廣義的信息技術包括語言文字（包括數(shù)字）等編碼技術（格雷克， 2013， pp. 29-39）以及印刷技術、媒體技術（電影、錄音、廣播、電視等）、計算機網(wǎng)絡技術（常規(guī)的數(shù)字信息處理與傳輸技術）、人工智能技術（知識處理技術）。語言文字使人類知識經(jīng)驗能夠“類”化、概念化，可以脫離個體，在個體間、群體間、代際傳播（葉瀾， 2006， p. 7）。印刷技術是大規(guī)模教學活動開展的技術基礎。媒體技術能夠全面、真實地再現(xiàn)活動與場景，豐富了采集、傳播知識的手段，擴大了知識傳播面。但即使是電話、電影這樣突破性的技術——人類歷史上首次能夠捕捉、存儲、再現(xiàn)、傳輸聲音和活動影像，也并未改變?nèi)嗽谥R實踐中的主體地位。計算機和通信技術具有交互性，能夠表現(xiàn)出適應情境和任務的靈活性，能夠?qū)崿F(xiàn)知識實踐的淺層次自動化;與媒體技術不同，它不是實現(xiàn)了人類無法完成的任務（如活動影像再現(xiàn)、遠程實時通話），而是做了以往專屬于人類的工作（如計算、文字搜索、推理）。人工智能技術可以在一定程度上代替知識實踐中人類個體的主體地位，能夠?qū)崿F(xiàn)某些知識實踐的自動化（見表2）。

二、人工智能與教育的三層次相互作用模型

教育是有意識的以影響人的身心發(fā)展為直接目標的社會活動，學校教育是近代以來教育活動中的核心部分（葉瀾， 2006， pp. 10-11）。教育與文化（廣義的文化，包含科技）之間不是決定和被決定的關系，而是互相部分包含、互相作用、互為目的與手段的交融關系（葉瀾， 2006， p. 167）。科技進步可促進教育發(fā)展，充實教育內(nèi)容，改進教育手段，現(xiàn)代教育是繁榮和發(fā)展科技的重要手段和基本途徑（黃濟， 等， 2012， p. 30）。在這一框架下，審視當前幾乎是最具活力與影響力的科技領域——人工智能與教育系統(tǒng)的相互作用，可以發(fā)現(xiàn)它們存在多層次的相互作用，這種相互作用可分為潛在作用、直接作用和間接作用三個層次。

（一）層次一：潛在作用

人工智能與教育的潛在相互作用源自兩者均植根于人類的知識與知識實踐，即知識與知識實踐是兩者之間的紐帶。同時，兩者又都是知識領域的活躍要素，在復雜的相互作用過程中協(xié)同發(fā)展、演化，推動人類知識生產(chǎn)、傳播與應用的發(fā)展。

知識是智能系統(tǒng)能夠展現(xiàn)智能行為的原因，是系統(tǒng)行為的核心（危輝， 等， 1999）。人工智能的子領域知識工程專門研究面向計算機的知識獲取、表示與利用（史忠植， 等， 1986; 化柏林， 2008）。吉仁澤（2006， p. 56）在分析心理學領域形成“人腦是一部計算機”這一隱喻的過程時發(fā)現(xiàn)，經(jīng)濟的變化（制造業(yè)和“計算部門”的大規(guī)模勞動分工）與啟蒙運動時期所形成的“計算為智力的本質(zhì)”這一觀念的衰落，使數(shù)學計算降級為單調(diào)重復的任務，人們也隨之將其從智力的概念中剝離了出去。觀念的變化使得查爾斯·巴貝奇（Charles Babbage）能夠設想用機械計算機來代替人類計算者——這是電子計算機、人工智能研究的源頭。

知識是教育的前提與基本內(nèi)容?！爸R與教育之間有著內(nèi)在的關聯(lián)。一方面，教育是篩選、傳播、分配、積累和發(fā)展知識的重要途徑;另一方面，知識又是教育的重要內(nèi)容與載體，離開了知識，教育就會成為無米之炊，各種各樣的教育目標也就無法達成?！保ㄊ杏?， 2001， p. 1）知識的性質(zhì)制約和影響教育活動的目的、課程知識的選擇、教學過程以及教育學者對教育理論的建構（石中英， 2001， pp. 126-129）。從知識實踐的角度看，教育主要是系統(tǒng)、有組織、有計劃的知識傳播實踐?！敖逃趪栏褚饬x上說并不是一種知識生產(chǎn)的機構，……在主要的方面，教育只是從一定的價值立場和價值需求出發(fā)，對人類已經(jīng)獲得的知識進行篩選、傳播和分配，從而促進人類知識的積累和發(fā)展，促進青少年個體認識能力和實踐能力的提高?！保ㄊ杏ⅲ?2001， p. 8）

教育與人工智能并不被動地被人類的知識與知識實踐所決定。教育以塑造知識生產(chǎn)者、知識工人的知識、能力、人格、價值觀等為基本途徑反作用于人類的知識實踐。作為當下最活躍的科研（知識生產(chǎn)）領域之一，人工智能以思想、算法、工程化方法與產(chǎn)品工具等多種成果改變著人類的知識與知識實踐，逐步推動人類知識實踐自動化的深度與廣度，逐步使機器成為知識實踐的新型主體。

（二）層次二：直接作用

人工智能對教育系統(tǒng)的直接影響主要有兩方面：一是教學自動化，即采用人工智能技術的教學系統(tǒng)（智能教學系統(tǒng)）直接參與教育教學活動，由計算機完成部分教學任務，智能教學系統(tǒng)成為教育生態(tài)系統(tǒng)中的新型物種，直接改變教授、學習與管理的活動方式;二是直接成為課程內(nèi)容，如我國《普通高中信息技術課程標準（2017版）》中的“人工智能初步”選擇性必修模塊（教育部， 2018），又如本科和研究生層次的人工智能專業(yè)或方向人才培養(yǎng)的專業(yè)課程（周志華， 2018）。

教育系統(tǒng)對人工智能的直接影響也有兩方面：一是教育為人工智能發(fā)展與推廣培養(yǎng)人才，除了直接相關的職業(yè)與高等教育階段，就培養(yǎng)學生的科學探究精神和數(shù)學、科學與工程技術素養(yǎng)而言，基礎教育階段舉足輕重;二是教育是人工智能重要的應用領域，為其提供了獨特的研究問題與廣闊的發(fā)展空間。

人工智能的教育應用或者說教學自動化，即人工智能與教育之間的直接作用，也即層次二，是本文的關注點。正是因為兩者有密切的內(nèi)在聯(lián)系，人工智能的教育應用才備受研究者與政策制定者關注。本文后半部分還將整合三個層次的相互作用，結合教育的需求與實踐現(xiàn)狀，更詳細地論述教學自動化的邏輯必然性與現(xiàn)實可能性。

（三）層次三：間接作用

“作為知識形態(tài)的潛在的生產(chǎn)力的科學和技術只有通過教育才能實現(xiàn)再生產(chǎn)?！保ㄈ~瀾， 2006， p. 135）人工智能也是如此。但是，在當前人工智能與教育的間接相互作用中，人工智能更為活躍，它對教育的間接作用更受社會與教育工作者關注。人工智能推動各行業(yè)生產(chǎn)方式自動化，改變勞動力市場結構與產(chǎn)業(yè)結構，進而影響到社會結構，在這一過程中會提出新的人才培養(yǎng)需求。因此，本部分主要探討人工智能如何借由對個體和社會產(chǎn)生影響，進而以變革人才培養(yǎng)目標為中介，間接作用于教育系統(tǒng)。

1. 人工智能對于個體的可能影響

人工智能對于個體的影響將是多樣而深刻的。這里重點分析三個方面。

第一，人工智能刺激個體思考人的本質(zhì)與存在的意義。智能機器的制造不但能夠提供認識人類智能的新視角，而且“給人類帶來存在論級別的巨變”（趙汀陽， 2018）。智能并非人類所獨有，這將刺激總是尋求自身獨特性的“智人”思考人的本質(zhì)，這有望使人們重新關注“完整的生命的人”，而非僅關注“認知的人”;有望在新的層次上審視“人是目的”的意義與現(xiàn)實可能性。葉瀾在20世紀末呼吁課堂教學突破“特殊的認識活動”的教學觀，倡導“從生命的高度用動態(tài)生成的觀點看課堂教學”，以煥發(fā)師生生命活力（葉瀾， 1997）。這似乎是人工智能時代的先聲，是教育理論研究者對于時代精神的敏銳體察。

第二，人工智能放大個體差異。“人工智能賦能×××”是近期常見的話語方式，“×××”多指代某一行業(yè)產(chǎn)業(yè)，但賦能最終必須發(fā)生在個體身上?！靶碌牟⑶腋鼜碗s的技術長期以來都在以獎勵思維敏捷、適應性強且往往年輕并受過教育的人的方式改變著工作環(huán)境和日常生活”（戈爾丁， 等， 2015， p. 125），人工智能也不例外?；ヂ?lián)網(wǎng)、大數(shù)據(jù)與人工智能的結合，使個體能夠掌握空前的數(shù)據(jù)與計算資源。當前，各領域都存在利用人工智能創(chuàng)新的交叉空白點，能夠抓住這些點的個體其影響力將顯著放大，即所謂被人工智能“賦能”。但需要明確的是，智能時代也同樣是“人能弘道，非道弘人”。例如，斯坦福大學一位本科生在2015年創(chuàng)建了輔助違章停車上訴的法律咨詢網(wǎng)站，2016年該網(wǎng)站進化為“法律機器人”，截至2016年6月底已幫助推翻了16萬張停車罰單（張宸宸， 2016）。但是，人工智能在增強一些個體的同時，會削弱另外一些個體：使個體的技能過時，為個體制造“玻璃籠子般的舒適區(qū)”。機器代替人，不需要具備人的所有能力，只需要具備完成特定工作所需的知識與技能即可（福特， 2015， p. 256）。人工智能將淘汰一些技能，導致“結構性失業(yè)”，使僅具有這些技能的勞動者處境不利。與蒸汽機等通用技術不同的是，人工智能威脅到了知識工作者（卡普蘭， 2016， pp. 140-145），如自動法律案例檢索使律師事務所對初級律師的需求大大減少（張宸宸， 2016）。此外，目前全球每天有大量個體沉溺于數(shù)字世界的游戲、社交、娛樂難以自拔，“玻璃籠子”知道他們最隱秘的需求，按時按需提供刺激，使相當一部分個體的娛樂、消費、閱讀等活動可能變得日益狹隘，宛如溫水中的青蛙，眼下的安逸換得長期的受控與受限。

第三，人工智能改變?nèi)祟悓嵺`能力的結構。尼古拉斯·卡爾考察了自動化對于工作活動性質(zhì)和工作者技能的影響，發(fā)現(xiàn)自動化重塑工作和工人（卡爾， 2015， p. 78），省力的設備不僅代替了部分工作，還改變了任務的性質(zhì)：對于飛機、輪船等駕駛操作工作，自動化技術把人類從直接操作者變?yōu)橛^察者，降低了人類對于突發(fā)緊急事件的應對能力;對于醫(yī)生、會計師等診斷決策工作，決策支持軟件的采用降低了人評估復雜案例的能力。總體上，計算機自動化似乎阻礙了人類將任務自動化的心理能力，造成了人類個體技能的退化。

2. 人工智能對于社會的可能影響

作為與蒸汽機、電力、計算機等量齊觀的“通用技術”，人工智能將對社會產(chǎn)生廣泛而深刻的影響。人工智能可以提高生產(chǎn)自動化的廣度與深度，可能會形成物質(zhì)極大豐富的社會，為所有社會成員的“全面發(fā)展”奠定物質(zhì)基礎。但人工智能絕非僅能造成“烏托邦”式的社會，它對社會的長遠影響還是未知的。已有人工智能研究人員公開表達了對人工智能技術被惡意應用的擔憂（Brundage， et al.， 2018）。這里僅概括分析人工智能應用對于社會價值觀與經(jīng)濟的可能影響。

在價值觀或倫理層面，人工智能會讓“不可見的”可見，使“不明確的”明確，這可能凸顯群體間的不平等，造成社會沖突。所謂讓“不可見的”可見，指對于社會活動的伴隨式數(shù)據(jù)收集、分析與呈現(xiàn)將使不平等現(xiàn)象顯性化，刺激公眾反思與批判。如亞馬遜網(wǎng)站上的某些商品對于黑人社區(qū)不可見，呈現(xiàn)給男性的高收入招聘廣告要顯著多于女性（Yao， et al.， 2018， p. 650），又如公開政務數(shù)據(jù)的統(tǒng)計分析使得對于美國警察普遍超速、知法犯法、凌駕于法律之上的懷疑變成確鑿無疑的事實（涂子沛， 2014， p. 272）。所謂使“不明確的”明確，指隨著人類活動自動化程度的提高，人工智能需要面對的“兩難”倫理問題會越來越多。如自動駕駛汽車在危急時刻，優(yōu)先保護車輛還是行人？人類個體面對這類情境時往往下意識地憑直覺做決策，決策過程近乎黑箱，但個體承擔責任。人工智能僅在“顯性”水平上做決策，行為規(guī)則該如何制定？且不說規(guī)則如何落實，單是規(guī)則明確化、顯性化就足以引起激烈紛爭，而法律領域已經(jīng)在探討智能機器成為非人類主體的可能性（余成峰， 2017）。

在經(jīng)濟層面，人工智能的影響有二：

一是自動化讓資本擁有了勞動力，如何維持社會的可持續(xù)發(fā)展？技術發(fā)展已經(jīng)改變了勞動力需求結構。以制造業(yè)為例，從流水線到自動組裝的轉(zhuǎn)變，勞動力需求總量下降，而且降低了對于直接操作機器從事生產(chǎn)的低技能工人的需求，提高了對于從事設備組裝、調(diào)試、維護的“設備養(yǎng)護”高技能工人的相對需求（戈爾丁， 等， 2015， p. 171）。在腦力勞動領域，人工智能正逐步將原先附著于個體的知識提取出來，集中存儲、管理。隨著知識積累與技術進步，能自動解決的專業(yè)問題可能會越來越多。自動化程度的提高使資本能夠同時占有生產(chǎn)資料和勞動力。這會破壞就業(yè)市場，撕裂當前的社會結構。在這種情況下，如何實現(xiàn)社會的長期穩(wěn)定繁榮是個難題（福特， 2015， p. 280; 卡普蘭， 2016， p. 164）。

二是自動化持續(xù)推進，社會、個體如何適應？人工智能一方面變革現(xiàn)有產(chǎn)業(yè)的生產(chǎn)方式與組織管理方式，改變勞動力需求結構;另一方面催生新的產(chǎn)業(yè)，產(chǎn)生新的就業(yè)機會。只是“人們總是很容易想像哪些工作被淘汰，但很難想像科技將帶來哪些新的就業(yè)機會”（斯加魯菲， 2017， p. 80）。不管對未來的具體預測如何，人們似乎一致認為未來社會分工將更為細致，同時社會愈加需要整體的合作;大規(guī)模分工與合作的社會機制、知識技能、信息技術基礎設施已經(jīng)具備;變革的速度會日益加快，越來越多的個體在其一生中會主動或被動地在多個工作中切換（經(jīng)濟合作與發(fā)展組織， 2005， p. 24; 柯林斯， 等， 2013， pp. 132-134）。這對個體的學習能力、通專結合的素質(zhì)結構提出了更高的要求，即變革了教育系統(tǒng)的人才培養(yǎng)目標。

3. 人工智能與教育的間接作用

關于機械自動化（機器參與生產(chǎn)）對教育影響的研究可追溯到馬克思的分析。馬克思認為機器大生產(chǎn)一方面使得勞動者必須成為“全面發(fā)展的人”，由于競爭和科技進步生產(chǎn)方式變革速度加快，工作崗位與技能新陳代謝頻繁，“全面發(fā)展的人”才能快速適應勞動崗位轉(zhuǎn)換，這對于產(chǎn)業(yè)與工人的發(fā)展都必不可少;另一方面，生產(chǎn)效率的提高為勞動者接受更多教育創(chuàng)造了條件，勞動者有了更多“閑暇時間”用于學習新知識與技能（黃濟， 等， 2013， pp. 192-195）。

進入20世紀，人們對自動化的擔憂總體上有增無減。20世紀50年代初，維納預言自動化技術的發(fā)展將帶來第二次工業(yè)革命（腦力勞動的自動化），這會導致致命的失業(yè)潮（維納， 1978， pp. 141-142）。20世紀后半葉，國際社會對科技進步挑戰(zhàn)的回應日益明朗：超越知識，發(fā)展學生的一般能力。1996年聯(lián)合國教科文組織發(fā)布《教育——財富蘊藏其中》，重申終身教育及其“四個支柱（學會認知、學會做事、學會共同生活以及學會生存）”（聯(lián)合國教科文組織， 1996， pp. 75-76），以實現(xiàn)21世紀個體與社會的可持續(xù)發(fā)展。裴娣娜于20世紀90年代提出主體性教育，強調(diào)教育應發(fā)展個體的主體性，即自主性、獨立性與創(chuàng)造性（裴娣娜， 等， 2004）。進入21世紀，變革教育以實現(xiàn)經(jīng)濟社會繁榮成為各國政策的主流選擇。由信息技術領域全球大公司主導提出的21世紀技能，強調(diào)學習與創(chuàng)新技能、生活與職業(yè)技能、ICT素養(yǎng)（特里林， 等， 2011， pp. 157-158）。因此，雖然對很多教育工作者而言，人工智能、自動化似乎是新鮮事物，但由于教育具有未來性、滯效性（葉瀾， 2006， p. 311），教育政策更需要具有前瞻性，因此多年以來教育政策制定者和研究者就已經(jīng)關注其影響了，在這方面近幾年其實并無多少創(chuàng)新的觀點?，F(xiàn)在的教育目標已經(jīng)體現(xiàn)出自動化、人工智能的影響：均強調(diào)未來世界的高科技、快速變化與不確定性，因此均重視學生的靈活性、適應性、學習力、自控力、創(chuàng)造力與交流合作能力。下面僅通過幾個案例概括分析近年來基礎教育領域和職業(yè)與高等教育領域人才培養(yǎng)目標的新特點。

在基礎教育階段，如何超越知識與技能，培養(yǎng)學生的一般能力？這是基礎教育發(fā)展的國際性課題。2016年發(fā)布的《中國學生發(fā)展核心素養(yǎng)》致力于回答我國教育應培養(yǎng)什么樣的人這個問題，即學生應具備的能夠適應終身學習和社會發(fā)展需要的品格和關鍵能力有哪些。最終確立了三類六大學生核心素養(yǎng)：文化基礎類的人文底蘊、科學精神;自主發(fā)展類的學會學習、健康生活;社會參與類的責任擔當、實踐創(chuàng)新（柴葳， 等， 2016; 汪瑞林， 等， 2016）。芬蘭在2014年發(fā)布的《基礎教育核心課程》中提出基礎教育應以培養(yǎng)學生的橫貫能力（transversal competence）為目標。所謂橫貫能力是指由知識、技能、價值觀、態(tài)度和意志所組成的實體，意味著在特定情境下應用知識與技能的能力（芬蘭國家教育委員會， 2016， p. 594）。芬蘭國家教育委員會認為應培養(yǎng)學生的七大橫貫能力，即思考與學習能力，文化素養(yǎng)、溝通與自我表達能力，自我照料、日常生活技能與保護自身安全的能力，多元識讀能力，信息技術能力，工作生活能力與創(chuàng)業(yè)精神，以及參與、影響和構建可持續(xù)發(fā)展未來的能力。其中，思考與學習能力是其他能力與終身學習的基礎。

在職業(yè)與高等教育階段，如何培養(yǎng)通達的專才？職業(yè)與高等教育可細分為不同層次，如中等職業(yè)教育、高等職業(yè)教育、本科教育、研究生教育等，但與基礎教育相比均限于特定領域，相對而言是培養(yǎng)“專才”的，其面臨的挑戰(zhàn)是如何培養(yǎng)“通達”的專才。對于通達的需求源自于社會與個體兩個層面。從社會層面看，越來越細致的分工呼喚更大規(guī)模的社會協(xié)作，在這一過程中需要有全局視野的人才來組織協(xié)調(diào)，這類人才需要有通達各個專業(yè)細分領域的眼光。從個體的層面看，“通達”者不但能夠適應工作崗位轉(zhuǎn)換，適應與學習能力強，而且更有可能發(fā)現(xiàn)“人工智能+原有產(chǎn)業(yè)”的空白點，具有更強的創(chuàng)新能力。對于大學而言，預判領域未來所需的人才知識結構變得更加緊迫。近期在我國大學本科教學改革中，強調(diào)基礎性與通識教育是兩個趨勢。前者，如中山大學新聞學科的人才培養(yǎng)，看重基礎性，“以不變應萬變”，即新聞行業(yè)的許多傳播手段會變，但文、史、哲、經(jīng)濟的基礎知識不變，新聞領域采寫編評的專業(yè)基礎不變（黃達人， 2015， p. 164）;后者，如清華大學經(jīng)濟管理學院強調(diào)“塑造價值、培養(yǎng)能力、獲取人類核心知識”的通識教育（黃達人， 2015， p. 135）。

三、教學自動化的必然性與可能性

對于人工智能的教育應用，本文有意采用“教學自動化”一詞，意在強調(diào)三個方面：一是人工智能以研究自足地“感知、推理、行動”的智能系統(tǒng)為目標，應用于教育的智能系統(tǒng)通?？勺灾魍瓿上鄬碗s的教學任務，“自動化”可突出其目標設定后無須人工干預、自主教學決策的能力與特色;二是“自動化”更能突出微觀層面的人機關系，逼迫人們?nèi)ニ伎冀處熍c機器（計算機）的關系，如何分工協(xié)作，以及這對于學生、教師、學校、社會、家庭的可能后果，智慧教育、智能教育等術語屬宏觀層面，有利于建立共同愿景，在微觀層面上它們會遮蔽人機分工的本質(zhì);三是本領域已有的研究與實踐多數(shù)只關注教與學，尤其是更多僅關注學生對特定學科的學習，強調(diào)“教學自動化”符合人工智能教育應用研究的現(xiàn)實。

（一）教學自動化的邏輯必然性

教學自動化的邏輯必然性主要表現(xiàn)在三個方面：

第一，在人工智能與教育相互作用過程中產(chǎn)生的“推拉”效應使得教學自動化成為必然。所謂“推”，是指人工智能對個體與社會產(chǎn)生影響，使得人才培養(yǎng)目標在總體上強調(diào)核心素養(yǎng)、一般能力和通達等，以提高個體的學習力與適應性。培養(yǎng)這些品格與能力，需要學生具有分析與解決真實問題的經(jīng)驗，需要向?qū)W生提供個性化指導與反饋，這是學校現(xiàn)有教育模式難以大規(guī)模提供的，而智能教學系統(tǒng)有望大規(guī)模提供這類學習機會。“推”體現(xiàn)了人工智能對于教育的間接影響，即通過改變?nèi)瞬排囵B(yǎng)目標，從外部推動教育采用人工智能技術。所謂“拉”，由于人工智能與教育之間以人類的知識與知識實踐為紐帶，教育是知識傳播實踐，而人工智能技術可自動應用學科知識、教學法知識和學習者知識實現(xiàn)知識傳播的自動化①，天然可用于支持教育活動。賈積有（2009， p. 8; 2018）認為，在某種意義上，人工智能研究與人類的教育活動是相同的，都是為了提高活動對象的智能，不同之處是前者旨在“教”以計算機為代表的人造機器，而后者“教”的對象是人類個體。這一觀點對于深入認識人工智能、教育和知識三者之間的關系頗具啟發(fā)性。順著這個思路再向前推：被研究者教“會”了的計算機，是否可以教人類呢？從這個意義上講，能夠?qū)崿F(xiàn)知識實踐自動化的人工智能技術直接介入教育教學過程，提高知識傳播的效率與效果，是必然的。

第二，教學過程的個性化指導需求使得教學自動化成為必然。教學過程是教育活動的核心，對于學生個體而言，教學過程是一個特殊的認識過程，其特殊性體現(xiàn)在這一認識過程是有指導、以學習間接知識為主、有教育性的認識過程（王策三， 2005， pp. 114-130）。郭華（2016）認為“教學的根本問題，是外部知識如何被學生獲得、占有并轉(zhuǎn)而成為學生個體的內(nèi)在力量和精神財富的問題”，她提出“兩次倒轉(zhuǎn)”的教學過程：學生的認識過程是將人類認識過程“倒過來”的過程，在內(nèi)容上學生的認識起點是人類的認識終點，在過程上是把“倒過來”的過程再“轉(zhuǎn)回去”，即學生通過典型地、簡約地經(jīng)歷人類認知過程的方式主動地全面占有人類知識。“倒過來”“轉(zhuǎn)回去”的過程并不容易，學生需要個性化指導甚至“教練”式的指導，但是大規(guī)模個性化教學的成本很高。班級授課制自17世紀確立之后，飽受批評，但批而不倒，到現(xiàn)在為止依然是世界范圍內(nèi)學校教育的主流模式（王策三， 2005， p. 272），之所以如此，實施成本低是重要原因。常規(guī)計算機輔助教學（CAI）軟件、在線課程（如慕課）作用有限的原因之一，是這些系統(tǒng)并不“理解知識”，不會“施展技能”，它們只是提供了預先設置好的“講解”與簡單的練習，教學的個性化、靈活性與適應性很差（Park， et al.， 1987）。早在20世紀70年代初，Collins等（1975）就論述了智能教學系統(tǒng)開展個性化教學的優(yōu)勢。智能教學系統(tǒng)能夠超越“講解”，支持創(chuàng)建交互式智能學習環(huán)境，為學生提供靈活多樣的“做中學”機會，計算機成為教練，使大范圍“認知學徒”式教學活動成為可能，為學生提供“兩次倒轉(zhuǎn)”所需的切身體驗與個性化指導。

第三，教育機構順應社會分工發(fā)展潮流的需求使得教學自動化成為必然。勞動分工與專業(yè)化是提高生產(chǎn)效率的有效途徑，自亞當·斯密（Adam Smith）揭示出這一規(guī)律后，社會分工愈加細密。學校經(jīng)歷了社會不斷賦予其功能，而學校反過來持續(xù)借助社會力量為學生提供服務（如校服、能源、餐飲、信息化運維、部分特色課程等）的發(fā)展過程。在這個過程中，學校越來越像各類社會服務的把關人與過濾器，而不是什么都由自己提供的臃腫組織。但以往“外包”的服務與學校的核心業(yè)務（教學）距離比較遠，隨著信息化的深入發(fā)展和混合教學活動的普遍開展，在挖掘教育教學大數(shù)據(jù)、開發(fā)個性化教學系統(tǒng)等方面，學校通常都需要借助外部專業(yè)力量才能完成。這些新的活動越來越貼近教與學活動的核心。一開始，學校的開放很可能是被迫的，因為學校不具備這樣的專業(yè)能力（麥爾荀伯格， 等， 2014， p. 80）。在可預見的未來，為滿足更高的人才培養(yǎng)需求，多數(shù)學校應該仍然需要面對專業(yè)能力不足以及降低成本的壓力，需要尋求專業(yè)的第三方服務或者開放教育資源。隨著智能開放教育資源不斷豐富、教學平臺日益成熟、眾包觀念被廣為接受，有可能建立起新的價值協(xié)調(diào)網(wǎng)絡，建立起以師生為中心的智能教學生態(tài)（克里斯坦森， 等， 2015， pp. 94-104; Heffernan， et al.， 2016），這實際上是建立在互聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能基礎上的更為動態(tài)開放、靈活自主的教育分工體系。

（二）教學自動化的現(xiàn)實可能性

盡管當前人工智能技術還存在缺乏常識（斯加魯菲， 2017， pp. 134-140）、符號難以接地（松尾豐， 2015， pp. 77-78）、跨領域遷移難（Pinkwart， 2016）、高能耗（凱利， 等， 2016， pp. 107）等局限，盡管當前人工智能教育應用領域中以工程性研究居多，缺少高生態(tài)效度、大規(guī)模、嚴謹?shù)慕逃龖醚芯?，同時智能教學系統(tǒng)的設計開發(fā)難度大，尚未形成成熟的智能教育產(chǎn)品生態(tài)，但是由于存在廣泛的現(xiàn)實需求，而且人工智能應用于教育的條件已經(jīng)基本具備，因此，在未來人工智能可能會對各級各類教育，尤其是學校教育與開放教育，產(chǎn)生廣泛而深刻的影響。

從教育與教育信息化來看，以下需求呼喚人工智能深度應用于教育領域：

第一，培養(yǎng)學生核心素養(yǎng)的需求。在以培養(yǎng)學生核心素養(yǎng)為目標的教學中，知識與技能掌握依然重要且不可跨越，但教學不能停留在此，還需要為學生提供豐富、系統(tǒng)的“動手動腦”解決真實問題的機會。強調(diào)培養(yǎng)學生的一般能力并不新鮮，至少在19世紀下半葉法國的中等教育就已經(jīng)開始重視培養(yǎng)學生的判斷力、推理力和思考力（涂爾干， 2006， pp. 332- 334）。當前的主要挑戰(zhàn)有兩方面：一是規(guī)模，即不是面向極少數(shù)“精英”學生，而是要面向全體學生;二是一般能力包含的成分更復雜多樣，外延更寬泛。當前學校教育中主流的班級授課制在為學生提供解決真實問題的經(jīng)驗這方面捉襟見肘，而智能教學系統(tǒng)可靈活創(chuàng)建多樣的問題解決情境，這為大范圍培養(yǎng)核心素養(yǎng)創(chuàng)造了條件。

第二，學校開展個性化教學的高成本難題。人們常將今天的學校比喻為“工廠”，強調(diào)其不顧學生個性的批量教學。這個比喻并不準確。目前學校更像工業(yè)化早期的手工“工場”，而非實現(xiàn)了機器大生產(chǎn)的“工廠”，教學活動基本上都是教師“手工”完成的，機器承擔的任務并不多。這也許是個性化教學成本高昂的主要原因。人工智能在將教師從重復性低級勞動中解放出來、提高個性化教學效率、降低成本方面潛力很大。

第三，教育治理現(xiàn)代化的挑戰(zhàn)。教育治理現(xiàn)代化是教育現(xiàn)代化的重要內(nèi)容（秦建平， 等， 2016）。教育治理是面向教育領域的行動過程，是政府、企業(yè)和學校等多社會主體依托正式或非正式制度在主體間進行協(xié)調(diào)及持續(xù)互動的行動過程（劉來兵， 等， 2017）。數(shù)據(jù)是實現(xiàn)教育治理現(xiàn)代化的前提，在治理方式上由依據(jù)經(jīng)驗進行預判轉(zhuǎn)為依據(jù)數(shù)據(jù)進行預測，在治理模式上從靜態(tài)治理轉(zhuǎn)向動態(tài)治理，在治理維度上由自上而下變成上下聯(lián)動，在這種轉(zhuǎn)變過程中人工智能不可或缺。

第四，教育信息化2.0實踐創(chuàng)新的壓力。教育部于2018年4月印發(fā)《教育信息化2.0行動計劃》，明確提出我國教育信息化事業(yè)將進入“創(chuàng)新發(fā)展”階段，要求因應智能技術發(fā)展，推進智能教育。作為教育部對于全國教育信息化工作的總體部署，這份行動計劃無疑提高了人工智能教育應用研究與實踐的緊迫性。

第五，在教育實踐、政策與研究層面，存在諸多有利于人工智能教育應用大范圍推進的條件：一是社會對人工智能的“意識水平”有所提升，公眾預感到社會會因人工智能的發(fā)展而有大改變，變革教育以應對未來的觀念被廣為接受;二是人工智能技術快速發(fā)展，智能技術、產(chǎn)品與服務的性能、可靠性與可用性提高;三是歐美對人工智能教育應用已有40多年的深入研究與實踐，他山之石可以攻玉，我們不完全是“摸著石頭過河”;四是我國教育信息化建設已取得較大進展，在基礎設施、資源建設、應用能力和機制建設等方面都為人工智能教育應用奠定了基礎;五是我國教育信息化產(chǎn)業(yè)取得了巨大發(fā)展，在產(chǎn)品研發(fā)、集成與應用、服務支持等方面具備了能力;六是教育與產(chǎn)業(yè)政策支持和鼓勵，而政策是人工智能教育應用的重要推動力量（劉德建， 等， 2018）。

四、小結

作為仍處于快速發(fā)展中的研究領域，人工智能自身及其對經(jīng)濟、社會的最終影響還難以預知，但現(xiàn)階段的人工智能技術已對社會生產(chǎn)生活產(chǎn)生了巨大影響，已成為教育工作者不可忽視的變革力量。要準確、全面地認識人工智能技術、把握它與教育的關系，需要突破智能教學系統(tǒng)開發(fā)的局限，以更廣闊的視角全面分析人工智能與教育的相互作用。人工智能直指人類心智，它與教育活動都深深植根并緊密作用于人類的知識與知識實踐，更容易直接介入教育教學過程。

歷史地看，人工智能是一種可能對社會產(chǎn)生全方位影響的通用技術。就對教育的直接作用而言，已有的通用技術（蒸汽機、電力、計算機通信等）已為教育提供物質(zhì)與能量、媒體與學習環(huán)境（如書籍、幻燈片、計算機、互聯(lián)網(wǎng)），而新的通用技術（人工智能）有望成為新型“教育主體”，實現(xiàn)教學自動化。人工智能的教育應用更接近教育活動的核心，只是越靠近教育的核心活動，變革所牽涉的人、文化、制度的因素就越多，實現(xiàn)大范圍的變革就越艱難。

盡管以本文提出的人工智能與教育三層次相互作用模型為框架的分析表明教學自動化存在邏輯必然性，盡管存在強烈的現(xiàn)實需求與利好的宏觀政策，但是人工智能技術的外源性與學校教育體系的成熟、系統(tǒng)性決定了教育自動化之路絕非坦途。如同實驗室出來的機器人，在面對無結構的現(xiàn)實世界時茫然無措，舉止失當。條理分明的應然分析在充滿價值沖突的實踐“沼澤地”面前，常常顯得蒼白無力。但人工智能、教學自動化如同潘多拉之盒，一旦打開無法回頭。研究先行成為當前解決教育教學重大問題的基本思路。人工智能教育應用研究亟待超越技術、產(chǎn)品開發(fā)與應用設想研究，亟待開展對于人機分工教學法的機制與效果及其對教育機構的全面影響的系統(tǒng)化理論研究與高生態(tài)效度的實證研究。本文僅分析了“應然”，但“實然”如何？當前的教學自動化在微觀層面是如何實現(xiàn)的？教師能否起作用？應該如何起作用？如何評價與選擇智能教學系統(tǒng)？人工智能對學校教育、開放教育會有何影響？等等。這些問題都需要進一步探討。

[參考文獻]

阿蘭·柯林斯，理查德·哈爾弗森. 2013. 技術時代重新思考教育：數(shù)字革命與美國的學校教育[M]. 陳家剛，程佳銘，譯. 上海：華東師范大學出版社.

彼得·伯克. 2016. 知識社會史（下卷）：從《百科全書》到維基百科[M]. 汪一帆，趙博囡，譯. 杭州：浙江大學出版社.

伯尼·特里林，查爾斯·菲德爾. 2011. 21世紀技能——為我們所生存的時代而學習[M]. 天津：天津社會科學出版社.

柴葳，劉博智. 2016. 六大素養(yǎng)樹立學生成長“標桿”[N]. 中國教育報，9-14（1）.

陳嘉映. 2018. 哲學科學常識[M]. 北京：中信出版集團.

郭華. 2016. 帶領學生進入歷史：“兩次倒轉(zhuǎn)”教學機制的理論意義[J]. 北京大學教育評論，14（2）：8-26.

國務院. 2017. 國務院關于印發(fā)《新一代人工智能發(fā)展規(guī)劃的通知》（國發(fā)〔2017〕35號）[EB/OL]. [2018-9-20]. www.gov.cn/zhengce/content/2017-07/20/content-5211996.htm

化柏林. 2008. 論知識管理與知識工程的差異性及其發(fā)展[J]. 圖書館雜志，27（11）：2-5.

黃達人. 2015. 大學的根本[M]. 北京：商務印書館.

黃濟，王策三，石中英，王本陸. 2012. 現(xiàn)代教育論[M]. 北京：人民教育出版社.

吉仁澤. 適應性思維：現(xiàn)實世界中的理性[M]. 劉永芳，譯. 上海：上海教育出版社，2006.

賈積有. 2018. 人工智能賦能教育與學習[J]. 遠程教育雜志（1）：39-47.

賈積有. 2009. 教育技術與人工智能[M]. 長春：吉林大學出版社.

教育部. 2018. 普通高中信息技術課程標準（2017版）. 北京：人民教育出版社.

杰瑞·卡普蘭. 2016. 人工智能時代：人機共生下財富、工作與思維的大未來[M]. 李盼，譯. 杭州：浙江人民出版社.

經(jīng)濟合作與發(fā)展組織. 2009. 面向未來的學校[M]. 李昕，曹娟，譯. 北京：教育科學出版社.

克萊頓·克里斯坦森，邁克爾·霍恩，柯蒂斯·約翰遜. 2015. 創(chuàng)新者的課堂——顛覆式創(chuàng)新如何改變教育. 北京：中國人民大學出版社.

克勞迪婭·戈爾丁，勞倫斯·凱茲. 2015. 教育和技術的競賽. 陳津竹，徐黎蕾，譯. 北京：商務印書館.

聯(lián)合國教科文組織. 1996. 教育——財富蘊藏其中[M]. 聯(lián)合國教科文組織總部中文科，譯. 北京：教育科學出版社.

劉德建，杜靜，姜男，黃榮懷. 2018. 人工智能融入學校教育的發(fā)展趨勢[J]. 開放教育研究，24（4）：33-41.

劉來兵，張慕文. 2017. 大數(shù)據(jù)時代教育治理現(xiàn)代化的內(nèi)涵、愿景及體系構建[J]. 教育研究與實驗（2）：30-35.

羅伯特·L. 索爾斯，M·金伯利·麥克林，奧托·H. 麥克林. 2008. 認知心理學[M]. 第7版. 邵志芳，李林，徐媛，高旭辰，何敏萱，等，譯. 上海：上海人民出版社.

馬丁·福特. 2015. 機器人時代：技術、工作與經(jīng)濟的未來[M]. 王吉美，牛筱萌，譯. 北京：中信出版社.

尼古拉斯·卡爾. 2015. 玻璃籠子——自動化時代和我們的未來[M]. 北京：中信出版集團.

麥爾荀伯格，庫基耶. 2014. 大數(shù)據(jù)教育篇：教學與學習的未來趨勢[M]. 臺北：遠見天下文化.

馬文·明斯基. 2016. 情感機器——人類思維與人工智能的未來[M]. 王文革，程玉婷，李小剛，譯. 杭州：浙江人民出版社.

潘云鶴. 2018. 人工智能2.0與教育的發(fā)展[J]. 中國遠程教育（5）：5-8，44.

裴娣娜，王本陸. 2004. 主體教育的理論探析（筆談）[J]. 教育研究（6）：13-15.

皮埃羅·斯加魯菲（Piero Scaruffi）. 2017. 智能的本質(zhì)[M]. 任莉，張建宇，譯. 北京：人民郵電出版社.

秦建平，張勇，張惠. 2016. 教育治理現(xiàn)代化及其監(jiān)測評價研究[J]. 中國教育學刊（12）：23-28.

石中英. 2001. 知識轉(zhuǎn)型與教育改革[M]. 北京：教育科學出版社.

史忠植，楊至成，方健梅. 1986. 知識工程[J]. 計算機學報（9）：241-248.

松尾豐. 2015. 人工智能狂潮：機器人會超越人類嗎？[M]. 趙函宏，高華彬，譯. 北京：機械工業(yè)出版社.

涂爾干. 2006. 教育思想的演進[M]. 李康，譯. 上海：上海人民出版社.

涂子沛. 2014. 數(shù)據(jù)之巔——大數(shù)據(jù)革命，歷史、現(xiàn)實與未來[M]. 北京：中信出版集團.

汪瑞林，杜悅. 2016. 凝練學生發(fā)展核心素養(yǎng)，培養(yǎng)全面發(fā)展的人——中國學生發(fā)展核心素養(yǎng)研究課題組負責人答記者問[N]. 中國教育報，9-14（9）.

王策三. 2005. 教學論稿[M]. 第二版. 北京：人民教育出版社.

王珠珠. 2018. 教育信息化2.0：核心要義與實施建議[J]. 中國遠程教育（7）：5-8.

危輝，黃旗明，潘云鶴. 1999. 常識：知識獲取的瓶頸[J]. 計算機科學，（26）9：17-19.

維納. 1978. 人有人的用途[M]. 北京：商務印書館.

吳飛，陽春華，蘭旭光，丁進良，鄭南寧，桂衛(wèi)華，等. 人工智能的回顧與展望[J]. 中國科學基金（3）：243-250.

葉瀾. 2006. 教育概論[M]. 北京：人民教育出版社.

葉瀾. 1997. 讓課堂煥發(fā)出生命活力——論中小學教學改革的深化[J]. 教育研究（9）：3-8.

余成峰. 2017. 從老鼠審判到人工智能之法[J]. 讀書（7）：74-83.

約翰·E. 凱利，史蒂夫·哈姆. 2016. 機器智能[M]. 馬雋，譯. 北京：中信出版集團.

約翰·馬爾科夫. 2015. 與機器人共舞[M]. 郭雪，譯. 杭州：浙江人民出版社.

約翰·希利·布朗，保羅·杜奎德. 2003. 信息的社會層面[M]. 北京：商務印書館.

詹姆斯·格雷克. 2013. 信息簡史[M]. 高博，譯. 北京：人民郵電出版社.

張宸宸. 2016. 機器人：法律行業(yè)的終結者還是開路者？[J]. 讀書（10）：38-40.

趙汀陽. 2018. 人工智能“革命”的“近憂”和“遠慮”——一種倫理學和存在論的分析[J]. 哲學動態(tài)（4）：5-12.

周志華. 2018. 創(chuàng)辦一流大學人工智能教育的思考[J]. 中國高等教育（9）：52-53.

Russell，S. J. & Norvig，P. 2013. 人工智能：一種現(xiàn)代的方法[M]. 殷建平，祝恩，劉越，陳躍新，王挺，譯. 第3版. 北京：清華大學出版社.

Anderson， J. R.， Corbett， A. T.， Koedinger， K. R. & Pelletier， R. （1995）. Cognitive tutors： Lessons learned. The Journal of The Learning Sciences， 4（2）， 167-207.

Brundage， M.， Avin， S.， Clark， J.， Toner， H.， Eckersley， P.， Garfinkel， B. et al. 2018. The Malicious Use of Artificial Intelligence： Forecasting， Prevention，and Mitigation. https：//maliciousaireport.com/blobby/go/3d82daa4-97fe-4096-9c6b-376b92c619de/downloads/1c6q2kc4v- 50335.pdf

Collins， A. & Grignetti， M. 1975. Intelligent CAI. Final Report （1 March 1971-31 August 1975）. Retriered October 10， 2018， from. https：//eric.ed.gov/？id=ED114089.

Finnish National Board of Education. 2016. National core curriculum for basic education 2014. Helsinki： Next Print Oy.（kindle edition）.

Heffernan， N. T.， Ostrow， K.， Kelly， K.， Selent， D.， Van Inwegen， E. G.， Xiong， X.， et al. 2016. The future of adaptive learning： Does the crowd hold the key？ International Journal of Artificial Intelligence in Education， （26）：615-644.

Kaplan， J. 2016. Artiticial intelligence： What everyone needs to know. New York： Oxford University Press. （kindle edition）.

Park， O. & Seidel， R. J. 1987. Conventional CBI versus intelligent CAI： Suggestions for the development of future systems. Educational Technology， 27（5）：15-21.

Pinkwart， N. 2016. Another 25 years of AIED？ Challenges and opportunities for intelligent educational technologies of the future. International Journal of? Artificial Intelligence in Education， （26）：771-783.

Polanyi， M. 1957. The study of man. London： Routledge & Kegan Paul.

Yao， M.， Jia， M.， Zhou， A. 2017. Applied artificial intelligence： A handbook for business leaders. ISBN 978-0-9982890-5-2 （Kindle）（kindle edition）.

收稿日期：2018-10-14

定稿日期：2018-11-14

作者簡介：張志禎，博士，講師，碩士生導師;張玲玲，碩士研究生;李芒，博士，教授，博士生導師。北京師范大學教育技術學院（100875）。

責任編輯 單 玲