人工智能与教育：政策制定者指南

人工智能与教育政策制定者指南UNESCO──全球教育领导机构2030年全球教育议程教育是联合国教科文组织工作的重中之重，它教科文组织作为主管教育的联合国专门机构，负既是一项基本人权，也是建设和平和推动可持责领导并协调2030年教育议程──旨在通过17项续发展的基础。教科文组织是主管教育的联合可持续发展目标在2030年前消除贫穷的全球运动国专门机构，在全球和地区的教育领域发挥领的一部分。教育既是实现各项可持续发展目标的导作用，以推动各国教育系统的发展，增强其关键，同时自身也是单独一项目标（可持续发展韧性和能力，从而服务所有学习者。教科文组目标4），即“确保包容和公平的优质教育，让全织通过变革性学习引领应对当今全球挑战的行民终身享有学习机会”。《2030年教育行动框架》动，并在所有业务领域重视性别平等和非洲。为落实这一宏伟目标及各项承诺提供了指导方针。联合国教育、科学及文化组织，丰特努瓦广场7号，75352巴黎07SP，法国2021年出版©UNESCO2021ISBN978-92-3-500039-9本出版物为开放获取出版物，授权 协议 离婚协议模板下载合伙人协议 下载渠道分销协议免费下载敬业协议下载授课协议下载 为Attribution-ShareAlike3.0IGO(CC-BY-SA3.0IGO)(http://creativecommons.org/licenses/by-sa/3.0/igo/)。用户使用本出版物内容，即表明同意接受教科文组织开放获取资源库使用条件的约束(www.unesco.org/open-access/terms-use-ccbysa-chi)。原版书籍名称：AIandeducation:guidanceforpolicy-makers联合国教育、科学及文化组织2021年出版本出版物所用名称及其材料的编制方式并不意味着教科文组织对于任何国家、领土、城市、地区或其当局的法律地位，或对于其边界或界线的划分，表示任何意见。本出版物表达的是作者的看法和意见，而不一定是教科文组织的看法和意见，因此本组织对此不承担责任。作者：苗逢春、WayneHolmes、黄荣怀、张慧封面图片：SChompoongam/Shutterstock.com、Lidiia/Shutterstock.com及illustrator096/Shutterstock.com装帧设计：AnnaMortreuxCLD826.21ShortSummary概述人工智能与教育：前景与启示人工智能（Artificial  Intelligence，AI）有望解决当今教育面临的部分重大挑战，革新教学实践，最终加快迈向可持续发展目标4的进程。然而，这些技术的快速发展不可避免地带来了种种风险和挑战，目前相应政策讨论与监管框架变革的速度已赶不上其发展速度。本出版物为政策制定者提供指南，指导政策制定者充分利用人工智能与教育深度融合带来的机遇以及应人工智能教育对随之而来的风险。应用市场规模预计本出版物开篇讲述人工智能的相关必备知识：定2024年将达到义、底层技术和技术应用。然后，详细分析人工智能新兴趋势及其对教学的影响，包括我们如何确保人工智美元能技术在教育中的应用合乎伦理、包容和公平，教育如60亿何能够帮助人类与人工智能共处与合作，以及如何发掘人工智能潜力促进教育发展。最后，本出版物论述了利用人工智能实现可持续发展目标4所面临的挑战，并且为政策制定者因地制宜规划政策和项目提供切实可行的建议。“战争起源于人之思想， 故务需于人之思想中 筑起保卫和平之屏障。”序–人工智能与教育政策制定者指南序人工智能（ArtificialIntelligence，AI）技术的迅速发展观全局，与相关伙伴一起加强对教育产生着重大影响。人工智能赋能解决 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 的进步蕴在人工智能与教育领域的国含着巨大潜力，有望促进社会公益事业和实现可持续发展际合作。目标。要使这些成为现实，离不开全系统的政策调整以及对健全的伦理监督的呼吁，也离不开全球从业人员和研究《人工智能与教育：政人员的深度参与。策制定者指南》是在《北京共识》实施框架下编制的，旨在政策制定者和教育工作者已然走进未知领域，面临有培养教育领域具备人工智能关未来学习如何与人工智能相互作用的基本问题。人工智素养的政策制定者。本出版能技术在教育中的部署和应用必须遵循包容和公平的原物会充实教科文组织日益扩则，这是底线。为此，相关政策必须促进公平和普惠地获展的教育领域智力成果库，取人工智能技术，倡导将人工智能技术作为一种共有物品并旨在服务政策制定和教育领域的实践人员与专业人士。（publicgood）的非排他性应用，并注重赋能女童、妇女和本出版物旨在形成对于人工智能给教育带来的机遇的共同社会经济弱势群体。新型人工智能技术在教育中的应用日认知，及其对人工智能时代必备素养的启示的理解。本出益增长。如若人工智能技术在设计上有意增进以人为本的版物通过呈现一份效益风险评估，以此来激发各方发挥批教学法并尊重伦理规范及 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 ，那么这一趋势对整个人类判性思维思考如何借助人工智能技术应对实现可持续发有益无害。人工智能技术应以促进每个学生学习、赋能教展目标4过程中面临的挑战，以及如何发现和化解潜在风师队伍和强化学习管理系统为导向。除此之外，帮助受教育险。本出版物汇集了相关的新兴国家政策，以及如何借助者和全体公民在生活和工作中安全有效地利用人工智能是人工智能强化教学质量的实践典范。本出版物也可作为制全球范围内面临的一大共同挑战。未来的学习和培训系统定人工智能与教育政策的指导手册，从规划人本的和战略必须让所有人具备核心人工智能素养，包括了解人工智能技性目标，到制定关键建设政策组成部分和实施策略，皆有 术如何收集和操纵数据，以及确保个人数据安全和保护的助益。技能。最终，人工智能在本质上是跨行业部门的。有效的人工智能与教育政策规划离不开与各学科领域及部门的利益因此，我希望本出版物中提出的关键政策问题、分析的相关方进行磋商协作。 经验 班主任工作经验交流宣传工作经验交流材料优秀班主任经验交流小学课改经验典型材料房地产总经理管理经验 教训以及分享以人为本的政策方针能够帮助各国政府和合作伙伴有效部署人工智能技术，促进教育和培训体系在促进与关键公私部门参与者就这些领域开展对话、转型，使之服务于社会共同利益，打造一个包容的、可持续掌握相关知识方面，教科文组织一直发挥着牵头作用。各种的未来。活动和出版物已使各方进一步认识到人工智能给教育带来的大量机遇和深刻影响，帮助教科文组织成员国着手应对各种复杂挑战。2019年，联合国的教育领域信息通信技术旗舰项目“移动学习周”探讨了人工智能与可持续发展之间的关系。同年，教科文组织与中国政府在北京携手主办 “国际人工智能与教育大会”，主题是“规划人工智能时代的教育：引领与跨越”。大会探讨了人工智能对教育的全系统影响，同时通过并发布成果文件《北京共识》。这是有史以来第一份就如何充分利用人工智能技术实现“可持续发展目标4——2030年教育”提出建议的文件。《北京共识》明确建议，教科文组织应该提供相关指引和资源，以支持教StefaniaGiannini育政策制定者的能力建设，并将人工智能技能纳入信息通联合国教科文组织信技术能力框架。更广泛地讲，该文件呼吁教科文组织纵教育助理总干事人工智能与教育政策制定者指南–致谢致谢本出版物是人工智能与教育界专家共同努力的成果。为本出版物提供宝贵意见的外部专家包括：东南亚教育部长组织秘书处主任Ethel  Agnes  Pascua-Valenzuela、中本出版物的篇章框架构思源自以下两人：联合国教国南方科技大学教授赵建华、南非约翰内斯堡大学研究科文组织教育信息化与教育人工智能部门主管苗逢春和助理Shafika  Isaacs、智利国会图书馆公民教育计划负责人前英国国家科技艺术基金会（NESTA）首席教育研究员Werner  Westermann以及英国开放大学教育科技名誉教授WayneHolmes。他们也是本出版物的主要作者。另两位作者MikeSharples。是任职于中国北京师范大学的黄荣怀和张慧。另外，需要感谢的还有Jenny  Webster和Anna 负责协调本出版物审核与编制的团队成员包括教育Mortreuxr，他们分别为本出版物提供文本编辑校对以及版信息化与教育人工智能部门范胡华、Samuel  Grimonprez、 面设计。王舒童、VeronicaCucuiat以及GlenHertelendy。联合国教科文组织在此感谢中国伟东集团提供的资金为本出版物提供意见和同行评审的教科文组织专家包支持。这些资金支持也为联合国教科文组织成员国借助信括：政策与终身学习体系部门主任BorheneChakroun、未来息技术技术和人工智能实现可持续发展目标4提供了支持。学习与创新部门主任SobhiTawil、未来学习与创新小组计划专家KeithHolmes、哈拉雷办事处计划专家JuliaHeiss、教育信息技术研究所高级国家教育项目干事NataliaAmelina、政策与终身学习体系处高级计划负责人ValtencirM.Mendes以及性别平等处计划专家ElspethMcOmish。目录–人工智能与教育政策制定者指南人工智能与教育：政策制定者指南目录序1致谢2缩略语表41.引言52.政策制定者关于人工智能的必备知识62.1人工智能的跨学科本质62.2人工智能底层技术简介82.3人工智能技术简介92.4人工智能潜在发展趋势：“弱”人工智能与“强”人工智能102.5对人工智能潜能和局限性的批判性审视112.6人机协同智能112.7第四次工业革命和人工智能对就业的影响123.理解人工智能与教育：新兴实践与效益风险评估133.1如何借助人工智能强化教育质量？13利用人工智能支持教育管理和教育供给14利用人工智能支持学习和测评15人工智能为教师赋能并提高教学水平183.2如何挖掘人工智能的创新应用实现教育共同目标？193.3如何确保人工智能在教育中应用的伦理规范、包容性和公平性？203.4人类如何通过教育实现与人工智能共处及合作？234.利用人工智能实现可持续发展目标4所面临的挑战254.1数据伦理和算法偏见254.2性别平等的人工智能以及借助人工智能促进性别平等254.3监测、评估和研究人工智能在教育领域的应用264.4人工智能将对教师角色产生哪些影响？274.5人工智能将对学习者能动性产生哪些影响？275.政策应对综述285.1政策应对方式285.2共同政策关注领域305.3筹资、伙伴关系和国际合作306.政策建议316.1全系统愿景和战略优先事项316.2人工智能与教育政策的指导原则326.3跨学科规划和跨部门治理326.4确保公平、包容和合乎伦理地应用人工智能的政策和法规336.5在教育管理、教学、学习和评估中使用人工智能的总体规划346.6试验、监测和评估，建立实证库366.7促进本土化教育人工智能技术创新377.参考资料38注453人工智能与教育政策制定者指南–缩略语表缩略语表AIArtificialIntelligence人工智能AITAAITeachingAssistant人工智能助教ANNArtificialNeuralNetwork人工神经网络ARAugmentedReality增强现实AWEAutomatedWritingEvaluation作文自动评阅CNNConvolutionalNeuralNetwork卷积神经网络DBTSDialogue-BasedTutoringSystem基于对话的导学系统DigCompEuropeanDigitalCompetenceFramework欧洲公民数字能力框架DNNDeepNeuralNetworks深度神经网络EEGElectroencephalography脑电图ELEExploratoryLearningEnvironment探索性学习环境EMISEducationManagementInformationSystem教育管理信息系统GANGenerativeAdversarialNetwork生成式对抗网络GDPRGeneralDataProtectionRegulation《通用数据保护条例》GOFAIGood-Old-FashionedAI有效的老式人工智能ICTInformationandCommunicationTechnology信息通信技术ILOInternationalLabourOrganization国际劳工组织ITSIntelligentTutoringSystems智能导学系统IoTInternetofThings物联网LMSLearningManagementSystem学习管理系统LNOLearningNetworkOrchestrator学习网络协调器LSTMLongShort-TermMemory长时短期记忆MLMachineLearning机器学习NLPNaturalLanguageProcessing自然语言处理OEROpenEducationalResources开放教育资源RNNRecurrentNeuralNetwork循环神经网络SDGSustainableDevelopmentGoal可持续发展目标STEMScience,Technology,Engineering,andMathematics科学、技术、工程和数学TVETTechnicalandVocationalEducationandTraining职业技术教育与培训UNESCOUnitedNationsEducational,Scientific,andCulturalOrganization联合国教育、科学及文化组织VRVirtualReality虚拟现实4引言–人工智能与教育政策制定者指南1.引言在过去短短五年间，由于某些突出成就和颠覆性潜力，人工智能已走出学术研究的象牙塔，成为公众讨论的前沿焦点，自然也受到了联合国专家的关注。在许多国家，人工智能在日常生活之中已经普及——从智能手机的个人助理到客服聊天机器人，从娱乐信息推荐到犯罪行为预测，从人脸识别到医疗诊断，人工智能应用无处不在。然而，尽管人工智能有可能帮助各方实现联合国可持我们也必须认识到，人工智能与教育之间的联系续发展目标（SDGs），但是日新月异的技术不可避免地带来难免会产生参差不齐的结果，具体因各国社会经济环境 了种种风险和挑战，目前相应的政策讨论与监管框架的变而异。革速度已远远落后于其发展速度。而且，尽管人们对其主要通常情况下，我们对人工智能技术的担忧在于，的顾虑还停留在人工智能是否会强大到碾压人类主体，但是涉及人工智能的社会和伦理影响则引发人们更加迫在眉如果我们继续盲目前进，那么可以预料，未来不平睫的担忧——例如，滥用个人数据以及人工智能其实可能等现象、经济崩坏和社会动荡皆会加剧，甚至在无法缓解，反而加剧现有的不平等现象。某些情况下政局不稳也会加剧，其中在技术上处于劣势和被忽视的群体处境最糟。（Smith和Neupane，2018，第12页）尽管如此，人工智能已经进入教育领域。“智能”、 “自适应”和“个性化”学习系统日益增多。私营企业纷纷开在人工智能与教育领域，这种担忧只多不少。如果想将发这些系统，以供全球广大中小学和高校使用。人工智能教人工智能用于帮助实现可持续发展目标4，还需要提供廉价育应用市场应运而生，预计2024年将达到60亿美元的市场的人工智能技术开发模式，确保低收入和中等收入国家的规模（Bhutani和Wadhwani，2018）。人工智能技术在教育领利益也被纳入关键讨论与决策之中，并且在这些国家与人工域的应用不可避免地带来了深层次问题——比如，教学内智能技术相对先进的国家之间搭建桥梁。本出版物首先简容与方式、教师的角色演变以及人工智能的社会和伦理影要介绍了人工智能的定义及运作机制，为深入论述人工智能响。同时，其应用带来了许多挑战，包括教育公平和机会均与教育之间的相互作用奠定基础。随后，本出版物介绍了当等。各方也逐渐达成一个共识：人工智能技术在教育领域的前人工智能在教育领域的多种应用，以及人工智能如何促进部署应用或将重塑教学的根基。教育包容性和公平性、提高学习质量以及完善教育管理和教学法。这部分内容还探讨了教育如何帮助公民发展人工新冠肺炎疫情期间，学校封闭带来的在线教学巨大转智能时代生活和工作所需的技能。接下来，本出版物详细介变使得上述问题变得更加复杂。绍了主要战略目标——利用人工智能给教育带来的益处、因此，联合国教科文组织的这一指导意见力求帮助政化解相关风险，同时探讨了实现这些目标面临的挑战。最策制定者更好地了解人工智能给教学带来的可能性与影响，后，本出版物提出一系列建议作为结语，旨在为人工智能与以期人工智能在教育领域的应用能够真正有助于实现可持教育政策的全面愿景和行动方案提供参考。续发展目标4：“确保包容和公平的优质教育，让全民终身享有学习机会”。5人工智能与教育政策制定者指南–政策制定者关于人工智能的必备知识2.政策制定者关于人工智能的必备知识2.1人工智能的跨学科本质“人工智能（artificialintelligence）”一词最早出现在1956年美国常春藤盟校达特茅斯学院举办的一场研讨会上，用来描述“用于打造智能机器、尤其是智能计算机程序的科学和工程技术”（McCarthy等人，2006，第2页）1。此后数十年里，人工智能的发展断断续续，时而飞速进步，时而经历寒冬（Russell和Norvig，2016）。一直以来，人工智能的各种定义不断增多、延伸，而且字节2），二是计算机处理能力呈指数级增长（由于摩尔定往往牵涉到哲学问题，比如：什么构成“智能”？机器是否真律，如今的手机与40年前的超级计算机一样强大）。大数据的能够获得“智力”？在此仅举一例，钟义信对人工智能的和强大的计算机均是机器学习技术取得成功的必要条件，定义如下：因为这种技术的算法依赖于对数百万个数据点的处理，而后者又离不开庞大的计算机处理能力。3现代科技的一门分支学科，旨在探索人类智能奥秘，同时最大限度将人类智能移植到机器上，有意思的是，最常登上新闻头条的机器学习算法 使机器能够像人类一样智能地执行功能。（Zhong，2006，（“深度学习”和“神经网络”）本身已经存在40多年了。第90页）表1：“人工智能即服务（AI-AS-A-SERVICE）”示例如若务实地绕开这个长期争论，在本出版物中，可将人工智能定科技公司“人工智能即公司官方描述服务”平台义为是一种被设计出来以人类能力阿里巴巴阿里云提供各种基于云的人工智能工具，满足企业、网站或与世界进行互动的计算机系统(AlibabaCloud)应用的需求：https://www.alibabacloud.com（Luckin等人，2016）。而教科文组织亚马逊AWS提供计算机视觉、语言、推荐和预测所需的预训练人世界科学知识与技术伦理委员会工智能服务。能够大规模快速构建、训练和部署机器（COMEST）给出更多细节，将人工学习模型，或者构建为全部流行开源框架支持的定制模型：智能描述为涉及https://aws.amazon.com/machine-learning百度飞桨支持客户构建无需编写代码的优质定制人工智能模能够模仿人类智能某些(EasyDL)型：https://ai.baidu.com/easydl功能的机器，具体功能谷歌TensorFlow端到端的机器学习开源平台，提供涵盖工具、资料库和社群资源的生态系统，使研究人员能够共享最先进包括感知、学习、推理、解决问题、的机器学习技术，使开发者能够轻易构建和部署机器语言互动、甚至创造性工作等。学习赋能的应用程序：https://www.tensorflow.org（COMEST，2019）IBMWatson让用户能够对任何主机平台上的数据使用人工智能工具和应用程序：https://www.ibm.com/watson目前，我们正在经历一场人微软Azure提供100多项构建、部署和管理应用程序的服务：https://工智能复兴，越来越多的行业部azure.microsoft.com门开始应用机器学习技术。这种腾讯众创空间汇集各种人工智能能力、专业人才和行业资源，支持人工智能技术涉及人工智能系(WeStart)初创企业开设或改进。连通行业伙伴，传播人工智统分析海量数据。这是两大关键能技术，使之广泛应用于多个行业部门：https://westart.tencent.com/ai发展趋势共同作用的结果：一是数据呈指数级增长（据IBM计算，如今，世界上几乎所有的科技巨头以及许多其他科技公司都提供精深的“人工智能由于互联网和相关技术普及，每即服务”平台，其中部分是开源平台。这些平台提供了各种人工智能基础模块可供开发者使用，而无需从零开始编写人工智能算法。天创建的数据量超过2.5万亿个 6政策制定者关于人工智能的必备知识–人工智能与教育政策制定者指南既然如此，为什么人工智能技术的瞩目成就及其颠覆性潜„人工智能法律服务力近些年来才显露出来？这是因为对人工智能算法巧妙地例如，提供自动取证工具，研究判例法和成文法，以及开展改进，同时人们也更加容易获得“人工智能即服务”，而不法律尽职调查；是出于任何根本性的新范式。换言之，可以说目前我们身处“实施期（大规模实际应用时期）”：„人工智能天气预报挖掘和自动分析大量历史气象数据，在此基础上预测 人工智能研究的很多艰深且抽象的工作已经天气；完成……“实施期（大规模实际应用时期）”意味着，我们将最终看到这些成果在现实世界中的应用。„人工智能诈骗侦测（Lee，2018，第13页）自动监测信用卡使用情况，从中发现规律和异常情况 （即潜在欺诈性交易）；如今，人工智能技术在现实世界的应用越来越普遍且具有颠覆性。众所周知的例子包括自动语言翻译、自动人„人工智能驱动的商业流程脸识别（用于识别旅客和追踪罪犯），以及我们日常生活中例如，自主生产制造、市场分析、股票交易和投资组合管的应用，比如无人驾驶汽车、智能手机和其他设备上的个人理；助理程序等。医疗行业是一个特别值得关注的领域。最近一个具有变革性的例子就是应用人工智能技术研发能够杀„智慧城市死多种抗药性细菌的新药（Trafton，2020）。第二个例子是采用人工智能技术和互联的物联网（IoT）来提高城市中人应用人工智能技术来分析医学影像——包括可以及早显示们的生活与工作效率和可持续性；异常畸形的胎儿脑部扫描4、帮助诊断糖尿病的视网膜扫描„人工智能机器人5以及可以提高肿瘤检测水平的X光6。这些例子均说明了人采用机器视觉、强化学习等人工智能技术作为辅助与世界工智能与人共生协作带来的重大潜在效益。进行互动的物理机器。当我们把基于人工智能的成像技术与放射科医上述例子对社会具有显著的积极影响力，不过，我们生结合起来后，我们发现，二者结合的表现优于不应忽的是人工智能在其他领域的应用会比较有争议。以人工智能或放射科医生单独的表现。（MichaelBrady，牛津下为两个例子：大学肿瘤学教授，引自《麻省理工技术评论和GE医疗》上发表的文章，2019）„自主作战最近的这篇评论进一步表明，人工智能技术其实可以无需人为干预即可运作的武器、无人机和其他军事 使医疗“更人性化”：装备；随着人工智能和自动化流程发展，往往各种担忧„深伪（deep-fakes）随之而来，比如医疗服务提供过程中会丧失人情自动生成假新闻，替换视频中的人物面孔，让人误以为政客味。然而，业界发现，事实正好相反：人工智能可以为超负和名人说了或做了什么，但其实当事人从未说过或做过。荷工作的医疗专业人士拓展资源和能力，极大地完善医疗此外，在评估一些人工智能技术公司和媒体的许多夸服务流程。（《麻省理工技术评论和GE医疗》，2019）大言论时，我们也应当谨慎。首先，尽管新闻头条宣称，如其他日益常见的人工智能应用领域包括：今的人工智能工具在执行某些任务时表现“优于”人类，比如阅读文本和识别图像中的物体等，但现实是，这些成功只„自动新闻在有限的情形下是成立的——例如，当文本篇幅不大且包人工智能代理程序不断监测全球新闻媒体，为记者提取关含足够的必要信息、从而无需人为推断的时候。目前的人工键资讯，同时也自动撰写一些简单的新闻报道；智能技术也有可能极不稳定。例如，若是数据经过细微篡改，或者图像上叠加了一些随机噪点，那么人工智能工具的表现就会一塌糊涂（Marcus和Davis，2019）。77人工智能与教育政策制定者指南–政策制定者关于人工智能的必备知识2.2人工智能底层技术简介人工智能的每种应用都依赖一系列复杂的底层实现技术。这就要求人工智能工程师受过高阶数学、统计和其他数据科学以及编程等方面的训练。因为这些技术太过专业，无法在此深入探讨。8    于是，我们先来简要地介绍一些核心人工智能底层技术，然后介绍一些典型人工智能技术应用。传统人工智能的数据，不过这些数据没有经过归类或标记。无监督学习目比较早期的或“传统人工智能”（又称“符号人工智的在于发现数据中的隐藏规律，即可用于对新数据进行分类能”、“基于规则的人工智能”或“有效的老式人工智能”，的类簇（cluster）。例如，无监督学习 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 可以寻找成千上万即“GOFAI”）涉及编写如“若……则……（IF... THEN...）”语个例子中包含的规律，从中自动识别手写字母和数字。句序列以及其他条件逻辑规则等计算机完成指令需要采取的步骤。过去几十年里，随着医疗诊断、信用评级和生产制不论在有监督还是无监督学习中，数据生成的模型都造等领域的广泛应用，此类基于规则的人工智能“专家系是固定的，而一旦数据有变，只好再次进行分析。然而，第三统”发展起来。这种“专家系统”是建立在一种名为“知识工种机器学习方法强化学习涉及根据反馈不断完善模型——程”的方法上。“知识工程”涉及解析和模拟某一具体领域的也即是说这个意义上的机器学习是指学习在持续进行中。专家知识——这是一项资源密集型任务，但并非没有复杂在一些原始数据基础上，人工智能工具可以生成一个模型，的运算。典型的专家系统包含数百条规则，但是通常其逻辑然后被评为“正确”或“错误”，得到相应的奖励或处罚。人尚算有迹可循。然而，随着各种规则之间的相互作用成倍增工智能工具利用这个强化机制来更新模型，然后再次尝试，加，一旦想要修改或改进，那么对于专家系统来说是颇具挑进而在一段时间内迭代发展（学习和演进）。例如，如果一战性的。辆无人驾驶汽车规避一次碰撞，那么作为幕后功臣的模型会得到奖励（强化），加强自身未来规避类似碰撞的能力。机器学习如今，机器学习非常普遍，导致它有时被视为人工智能从自然语言处理到人脸识别、无人驾驶汽车……许多的同义词，但其实它只是人工智能的一个子集。事实上，仍新近的人工智能技术进步都离不开基于机器学习的计算有许多人工智能应用并不采用机器学习方法，或者说，至少方法。机器学习不去运用规则，而是分析大量数据，从中发这些应用背后几乎总有某种有效的老式人工智能（基于规现规律，在此基础上构建模型，用来预测未来数值。在这则的或符号人工智能）的身影。举个例子，许多常见的聊天个意义上，与其说算法是预先设定好的，不如说算法是在 机器人应用程序是预先设定好的，编入了人为定义的规则，“学习”。预设好如何回复预期问题。其实，与比较早期的专家系统 一样，机器学习方法主要有三种：有监督学习、无监督学习和强化学习。有监督学习涉及已有标记的数据，比如经人为标几乎每种大家如今见到的人工智能产品都需要记的成千上万张人物照片。有监督学习将数据与标记关联起人类专家直接输入内容。这个内容可能是来自语来，构建一个可用于类似数据的模型——比如，自动识别新言学家和语音学家（在人工智能采用自然语言处理的情况照片中的人物。在无监督学习中，人工智能工具使用更海量下）、医师（在人工智能应用于医学领域的情况下）或道路交通与驾驶专家（在人工智能助力无人驾驶汽车的情况图1：人工智能、机器学习、神经网络与深度学习之间的关系下）的专业知识，依此类推。若无有效的老式人工智能要人工智能素协助，机器学习无法创建完整的人工智能。（Sauberlich和Nikolic，2018）机器学习此外，应该认识到的重要一点是，机器学习即不是真神经网络的像人类学习一样，也不是独立地学习。相反，机器学习完全依赖于人：是人在选取、清理和标记数据；是人在设计深度学习和训练人工智能算法；也是人在管理、解读和评判输出结果。例如，有报道称，某种突破性的识物工具能够识别图片数据库中猫的图像，但事实上，这个系统仅可将看起来有一8政策制定者关于人工智能的必备知识–人工智能与教育政策制定者指南定相似度的对象归为一类，而且需要人来识别这组对象是被用于会对人类产生重大影响的决策时，比如计算某人留猫。同理，无人驾驶车辆上采用的机器学习方法完全依赖在监狱中的时长。然而，这依然会使问题复杂化——“生成于人为标记好的千百万张街景图片。在很大程度上，硅谷将人工智能决策相关的更多信息或许会创造切实效益，但也这项标记工作外包给了全球各地的人（采用亚马逊数据众会带来新的风险”（Burt，2019）。标平台Turk9）和印度、肯尼亚、菲律宾以及乌克兰等国的企业。10  这些“新经济”工人的工作是手动跟踪和标记原型无深度学习人驾驶车辆捕捉到的视频中每帧画面里的对象（比如车辆、深度学习指包含多个中间层的人工神经网络方法。路标、行人等）——即机器学习算法下一步会分析的数据。正是由于深度学习方法，近年来许多令人瞩目的人工智能应用才成为可能（比如，自然语言处理、语音识别、计人工神经网络算机视觉、影像创作、药物研发、基因组学等领域）。 人工神经网络（ANN）是一种灵感源自生物神经网络 深度学习的新兴模型包括：所谓的“深度神经网络”（即动物大脑）结构的人工智能技术。人工神经网络包含（DNN）——找到有效的数学运算法则，将一项输入变成所三类相互连通的人工神经元层：一个输入层、一个或多个需的输出；“循环神经网络”（RNN）——使数据可以流向任隐藏的中间计算层以及一个产生结果的输出层。在机器学意方向，能够处理输入序列，可应用于语言建模等领域；以习过程中，赋予神经元连接的权重会在强化学习和“反向传及“卷积神经网络”（CNN）——用于处理来自多数组的数播”环节中有所调整，方便人工神经网络计算新数据的输出据，比如使用三张二维图片形成三维计算机视觉。值。一个人工神经网络应用的著名例子是谷歌的阿尔法围棋机器人（AlphaGo）。2016年，AlphaGo打败世界围棋冠军 最后，值得一提的是，许多近年来的人工智能技术进步李世石。（特别是围绕图像处理的方法）都是通过“生成式对抗网络”（GAN）实现的。在生成式对抗网络中，两个深度神经网隐藏的中间计算神经元层是人工神经网络能力大小的络彼此竞争——“生成式网络”创建可能的输出，而“判别关键所在，但也会带来一个重大约束因素。人们通常没有办式网络”负责评价这些输出。由此产生的结果用于下一次迭法质询深度神经网络，从而无法判定它是如何求解的。如代。例如，DeepMind公司的阿尔法元（AlphaZero）采用生此，决策背后的理由是不可知的。许多企业正在研究如何揭成式对抗网络方法来学习如何玩赢若干棋盘游戏（Dong等开和检视这些决策背后的机制（Burt，2019），使用户能够明人，2017）。另外，一种接受过照片训练的生成式对抗网络已白为什么一个给定算法会得出特定的决策。了解这种背后决经生成看似真人但并不存在的人物图像。11  这种方法的其策机制十分重要，尤其当人工神经网络和其他机器学习方法他应用目前尚在研究中。2.3人工智能技术简介上述所有底层技术共同催生了一系列人工智能技术应„自主代理用。这些科技越来越多地以“人工智能即服务”的形式呈现将人工智能应用于计算机游戏角色、恶意软件机器人、虚拟出来（参见表1），也正广泛运用于上述大多数应用领域。具伴侣、智能机器人和自主战争等。体人工智能技术（详见表2）列举如下：„情绪检测„自然语言处理（NLP）将人工智能用于分析文本、行为和面孔中的情绪。使用人工智能自动解读文本，包括进行语义分析（如在法律服务和翻译领域的应用）和生成文本（如在自动新闻领域的„用于预测的数据挖掘应用）。将人工智能应用于医疗诊断、天气预报、业务预测、智慧城市、财务预测和诈骗侦测等领域。„语音识别将自然语言处理技术应用到口语上，包括智能手机语„人工创作音功能、人工智能个人助理和银行服务中的对话机器 将人工智能应用于可以创作新照片、新音乐、新艺术作品或人等。新故事的系统。„图像识别和处理将人工智能用于人脸识别（如电子护照）、手写识别 （如自动邮政分拣）、图像处理（如深伪技术）以及无人驾驶车辆等。9人工智能与教育政策制定者指南–政策制定者关于人工智能的必备知识表2：人工智能技术人工智能技术详情主要底层技术发展情况示例自然语言处理人工智能自动生成文本（如在自机器学习（特别是深度学习）、自然语言处理、语音识别和图Otter12（NLP）动新闻中）和解释文本，包括进回归分析和K均值算法。像识别均已达到90%以上的精行语义分析（如在法律服务和翻确度。但是，有研究人员认译中）。为，即使有更多数据和更快的处理器，在新的人工智能范式语音识别将自然语言处理技术应用到口语机器学习，特别是一种名为阿里云13发展起来之前，这项技术也不上，包括智能手机语音功能、人“长期短时记忆”（LSTM）的会有多大改进。工智能个人助理和银行服务中的深度学习循环神经网络方法。对话机器人等。图像识别和包括人脸识别（如电子护照）、机器学习，特别是深度学习卷GoogleLens14处理手写识别（如自动邮政分拣）、积神经网络。图像处理（如深伪技术）以及无人驾驶车辆等。自主代理具体应用包括计算机游戏角色、有效的老式人工智能和机器学研究工作聚焦于涌现智能、协Woebot15恶意软件机器人、虚拟伴侣、智习（比如，深度学习自组织神作活动、情境性和具身化等受能机器人和自主战争等。经网络、进化式学习和强化学相对简单生物生命形式启发的习等）。特性。情绪检测包括文本、行为和面部情绪贝叶斯网络和机器学习，特别全球多种产品正在研发中，但这Affectiva16分析。是深度学习。些技术的应用通常颇有争议。用于预测的包括财务预测、诈骗侦测、医疗机器学习（特别是有监督学习数据挖掘应用程序正在呈指数科研项目17数据挖掘诊断、天气预报、业务流程和智和深度学习）、贝叶斯网络和级增长，从预测购买行为到解慧城市等。支持向量机。读含噪脑电图（EEG）信号，应用颇广。人工创作包括可以创作新照片、新音乐、生成式对抗网络（GAN）是一生成式对抗网络是一项前沿人“此人不存新艺术作品或新故事的系统。种涉及两个神经网络彼此对抗工智能技术，所以其未来应用在”网站11竞争的深度学习技术。发展缓慢，正在一点一点显露出来。GPT-3（Brown自回归语言模型采用深度学习等人，2020）算法来生成“类人”的文本。一种名为GPT-3的自回归语言模型可以生成令人惊叹的“类人”文本。但是，在表象之下，这个系统并不理解它所输出的文本。182.4人工智能潜在发展趋势：“弱”人工智能与“强”人工智能虽然人工智能科学家一开始是想要打造类人的通用对话是不可能的事情，人工智能只会回应具体的命令，而且人工智能（AGI），称为“强人工智能”，但第2.1节中的每种回答经常是错误的。也即是说，虽然人工智能在某些功能 应用其实都是专用人工智能（ANI），也称“弱人工智能”（如找出数据中的规律）方面的表现超越人类专家，但在（Searle，1980）。每种专用人工智能应用涉及的领域均受到其他方面（如进行深度对话），人工智能的表现甚至不如两严格的约束和限制，而且无法直接应用于其他领域。例如，岁孩童。19  此外，全球范围内种种迹象表明，与夸张预测相用于天气预报的人工智能无法预测股市波动，而用于驾驶反，对人工智能技术的投资或许正在“降温”——虽然不至汽车的人工智能无法诊断肿瘤。尽管这些应用程序不是人于迎来又一次人工智能凛冬，但是其许诺的潜力总是显得远类意义上的“智能”，但是在效率和耐力上的表现往往胜人在天边，可望而不可及（Lucas，2018）。甚至有人表示，人工一筹，而且能够识别海量数据中存在的显著规律。智能技术进步将趋于平缓（Marcus和Davis，2019）。譬如，无人驾驶车辆安全穿梭于巴勒莫或德里街道的场景仍然是几这些应用固然有一些引人瞩目的成就，但重要的是我十年以后才会发生的事情，而图像识别应用程序仍然易受们应该认识到，人工智能技术仍然处于起步阶段。例如，与愚弄（Mitchell，2019）。我们的智能手机个人助理或其他智能家居设备进行真正的10政策制定者关于人工智能的必备知识–人工智能与教育政策制定者指南2.5对人工智能潜能和局限性的批判性审视从三类基本成就方面来审视人工智能或许会有助益：的每个方面。在这里仅举一个令人瞩目的例子：研究人员已经开发出一个使用三个深度学习网络、表现胜过人类专家„代表“真实、迅速的技术进步”的人工智能技术，主要专的乳腺癌预测人工智能系统（McKinney等人，2020）。注于“感知能力”，包括基于扫描的医疗诊断、语音转文本以及深伪技术等（Narayanan，2019）；无论如何，有证据表明，在许多情况下机器学习取得的成就被略微夸大了，而我们见到的快速进步或许即将达到„“日趋完善”的人工智能技术，主要围绕自动判断，包括上限。例如，纵然机器学习技术取得了一些非凡成就，但认垃圾邮件及仇恨言论检测和内容推荐（Narayanan，2019）；为机器学习如今能与人一样准确识别图片中物体的说法存在两个局限性：一是这些技术依赖系统访问千百万张已标„“在根本上备受质疑”的人工智能技术，主要集中在预测记图片——而一个小孩子只需几张图片即可达到同样的准社会结果，包括刑事累犯和工作绩效（，）；Narayanan2019确度；二是对准确度的解释太过宽松——在某个最广为人知的机器视觉竞赛中，只要人工智能工具的五条建议中有一关键在于，虽然深度神经网络已经训练有素，能够完成条是正确的，即判定为成功（，）。再者，如前文一些不可思议的任务，但是有很多事情是它们无法做到的Mitchell2019所述，目前推动重大人工智能技术进步的全部底层技术（比（Marcus和Davis，2019）。尤其是它们没有做真正智能的事如，深度神经网络和机器学习）皆是早在几十年前就已经发情。其实，展起来。换言之，虽然我们继续见到现有技术和新兴应用发这些技术只是从统计数据中归纳出规律。这些规生迭代改进，但我们仍然在等待下一个重大突破。律或许更加隐晦、更加间接并且比历史方法更加有专家认为，只有当“传统人工智能”或“有效的老式自动化，能够反映更加复杂的统计现象，但是仍然只是数人工智能”的符号或基于规则的底层技术与数据驱动型方学的化身，而不是有智力的实体，不论这些结果有多么令人法结合起来时，才会发生这样的重大突破。其实，这种重大惊叹。（Leetaru，2018）突破已经发生了，以无人驾驶车辆为例：此外，多项研究已经表明，若是机器学习方法涉及成千有一些事情需要智能代理来做，毕竟深度学习技上万个数据变量或功能，因而需要大量资源和能源来进行术目前并不是很擅长这些。譬如，它不是很擅长抽计算，那么与仅使用少数功能且能耗少得多的简单线性回象推断。它也不是很擅长处理不曾见过、信息掌握相对不归方法相比，这些复杂方法或许好不了多少（Narayanan， 完整的情况。因此，我们需要用其他工具来补充深度学习2019）。技术……在我看来，我们需要结合使用符号处理技术（即尽管如此，与以往技术革命相比，如今人工智能技术的基于规则的人工智能）和深度学习技术。太长时间以来，这突出之处在于它的发展速度和普遍性：速度快到几乎每天两种技术一直被割裂地看待。（Marcus，接受福特汽车的访都会涌现出新技术和转型方式，并且几乎影响着现代生活谈，2018，第318页）2.6人机协同智能人工智能技术诞生于对人类思维过程的模拟和机要让计算机在智力测验或下棋方面表现出成械化尝试（Turing，1950），并且自诞生以来就处于与后人水平，是相对容易的事，但要赋予它们一岁者不稳定的关系当中。有意思的是，尽管我们经常读到幼儿的感知能力和肢体动能，却是不易或不可能的事。有关人工智能技术取得卓著成就的报道（从在游戏中（Moravec，1988，第15页）打败人类，到比人类更加准确地读取视网膜扫描）， 但当前人工智能技术方法的局限性也变得日益明显此外，如前文所指出的，人类对于人工智能技术成功的（Mitchell，2019）。事实上，虽然人工智能已经很擅长那些关键作用通常被忽视了。大多时候，人工智能需要人来执行对人类来说具有挑战性的工作流程（比如，规律识别和统计各种任务：建构问题；阐述问题；选取、清理和标记数据；设推理），但是在其他对人类来说相对容易的流程上（比如，计或选择算法；决定组合方案；根据数值得出结论或做出判自主学习、常识和价值判断），它仍然很弱。这即是莫拉维克断……不胜枚举。相应地，虽然许多任务有望实现自动化，悖论（Moravec'sparadox）：但人类仍然需要发挥一些关键作用，而我们要为此做好准备（Holmes等人，2019）。11人工智能与教育政策制定者指南–政策制定者关于人工智能的必备知识事实上，人类与人工智能之间的关系越来越复杂微妙，使用人工智能技术来增强、而非篡夺人类能力。向增强智能导致有人呼吁重新构建或重新命名人工智能，将其称为“增的转变使得各方注重开发能够补充和扩展人类认知的人工强智能”（augmented  intelligence）（Zheng，2017）。智能技术，揭示了人类与人工智能更加有效地协同的途径，引发了应该在人机之间如何进行任务分工的思考，以及指例如，虽然计算机如今可以在下棋上打败人类，但是向一个有吸引力的可能性——通过审慎地结合使用人工智人机协同似乎更有成效——比人或计算机独自工作更佳。能与群体智能，人们或许能够应对当今世界面临的各种问题在竞赛中，业余棋手借助人工智能已经能够打败计算机或（Mulgan，2018）。大师级棋手（Brynjolfsson和McAfee，2014）。这个做法涉及2.7第四次工业革命和人工智能对就业的影响人们认为，人工智能是第四次工业革命（“工业4.0”）的研究与发展战略规划》（国家科技委员会，2016）倡导在各一个关键使能因素。种人工智能技术理论和实践上进行长期投入和研究。这些人工智能技术具体包括数据分析、人工智能感知、理解人在我们现今面临的多种多样而又令人着迷的挑战工智能的理论缺陷、通用人工智能、可扩展人工智能、人工中，最迫切、最重大的挑战是如何认识和影响新智能驱动的类人机器人、能感知人类的人工智能（human-一轮科技革命，这涉及颇多，复杂程度不亚于人类大转变。aware  AI）以及人类机能增强（human   augmentation）（Schwab，2017，第1页）等。2017年，中国政府发布《新一代人工智能发展规划》（中华人民共和国政府，2017）。同样地，这份规划侧重一系列理工业4.0技术包括3D打印、无人驾驶车辆、生物技术、纳论性和实操性的人工智能技术，包括大数据智能、跨媒体米技术、量子计算、机器人学以及物联网等。这些技术全都智能、人机混合增强智能、群体智能、自主智能、高级机器学是人工智能支撑的。事实上，在现代工作场所，人工智能已习、类脑智能以及量子智能等。更重要的是两国的人工智能经无处不在——从制造业到银行业、建筑业、交通运输行业战略规划均强调人和人工智能系统无缝交互的潜力，而且等等，影响甚广，需要全系统策应。不可避免地，失业会增二者均旨在实现人工智能的潜在社会经济效益，同时尽量加，而新的职业也会增加。一个最近的全球性估计表明，到减少其负面影响。2030年，30%的工作可以实现自动化。届时，全球多达3.75亿名工作者可能面临失业。不论是蓝领工人还是白领员工，都会受到影响，而且首当其冲的并不一定是蓝领工人。那些需要逻辑和代数等新近演化技能的工种是容易被人工智能复制和取代的。这些大多是中等收入的工作。相反，那些依赖移动和感知等深度演进技能的工作，则不是人工智能能够轻易复制取代的。这类工作通常收入较低。因此，人工智能正在掏空中等收入工作，而维持大量低收入工作。（Joshi，2017，©卫报新闻传媒有限公司版权所有）然而，与此同时，人工智能和其他前沿技术正在增加各种高技能工作——需要独特的创造力和分析能力以及人类互动。简而言之，许多工人的工作可能会消失，并且这些群体需要发展新的技能——提升技能（upskilling）或再训技能（reskilling），使自己能够胜任人工智能带来的新职业。教育部门和培训机构等需要预期这种变化，使如今的工作者和新一代工作者均具备必要的技术性和社交性工作技能，从而平稳过渡到一个人工智能主导的世界，同时确保社会可持续发展。其实，全球各国政府部门纷纷已经开始制定战略计划来应对未来人工智能技术。以美国为例，《国家人工智能12理解人工智能与教育：新兴实践与效益风险评估–人工智能与教育政策制定者指南3.理解人工智能与教育：新兴实践与效益风险评估人工智能在教育领域的应用可以追溯至20世纪70年要，而不是风靡一时的最新教育科技风潮？我们应该允许人代。当时，研究人员感兴趣的是见证计算机如何取代一对工智能做些什么？一人工辅导——被视为最富有成效、但大多数人难以获得的教学方法（Bloom，1984）。早期研究工作采用基于为了充分释放机遇、化解潜在风险，我们需要针对下列规则的人工智能技术来为每位学员自动调整或定制学习关键政策问题的进行全系统响应：（Carbonell，1970；Self，1974）。从一开始，人工智能在教育1.如何借助人工智能强化教育质量？领域的应用便朝着多个方向发展，首先是面向学生的人工智2.如何确保人工智能在教育中应用的伦理规范、包容性和能（为支持学习和测评而设计的工具），然后纳入面向教师公平性？的人工智能（为支持授课而设计），还有面向系统的人工智3.教育如何帮助人类做好与人工智能共生协作的准备？能（为支持教育机构管理而设计）（Baker等人，2019）。实际上，人工智能与教育之间的互动不止如此，除了课堂上的人为帮助教育体系应对这些复杂挑战，联合国教科文组工智能应用（即“使用人工智能学习”），还会教授人工智能织与中国政府携手在北京主办“国际人工智能与教育大会”技术相关知识（即“学习人工智能”）以及帮助公民准备好应（2019），主题是“规划人工智能时代的教育：引领与跨越”。 对人工智能时代的生存技能（即“为了人机协同而学习”）。这届大会的参与者包括50多位政府部长和副部长以及来自同时，人工智能在教育领域的应用让人关注教学法、组织结100多个教科文组织成员国、联合国机构、学术机构、公民构、可获取性、伦理规范、公平性和可持续性等问题——要社会组织和私营部门组织的大约500名国际代表。参会人员想使一项工作实现自动化，人们首先需要全面透彻地了 探讨了在“可持续发展目标4–2030年教育和2030年以后未解它。来教育”背景下，人工智能的全系统影响。这次大会的关键成果是《北京共识——人工智能与教育》（联合国教科文组再者，想要人工智能支持教育可持续发展的潜力得以织，2019a）。该文件就上述三大政策问题相关的关键议题和充分实现，还需要识别和利用人工智能工具的全部可能效政策建议达成共识。《北京共识》中提出的主要建议已穿插益，同时承认并化解相应的风险。因此，相关方还需要持续引用在本出版物之中。审视教育组织方式，这或许意味着从根本上重塑教育的核心基础，实现可持续发展目标4这一核心目的。我们还需要了本章余下内容将论述影响教育领域人工智能应用的解人工智能在教育领域的应用会有怎样的成效：人工智能可主要趋势和问题，以及效益风险分析及其对政策应对的 以带来哪些切实效益？我们如何确保人工智能满足实际需启示。3.1如何借助人工智能强化教育质量？过去十年里，使用人工智能工具支持或加强学习的做在其他文献中，教育人工智能应用被分为三大类别：面法呈指数级增长（Holmes等人，2019）。而在新冠肺炎疫情向系统的、面向学生的以及面向教师的（Baker等人，2019）。学校封闭期间，这一趋势有增无减。不过，人工智能在提高然而，对政策制定者来说，我们按四种需要将新兴和潜在人学习效果方面的表现如何？人工智能是否有助于学习科学工智能应用分为四大类别：(i)教育管理和供给；(ii)学习和工作者和从业人员深入探析有效学习背后的机制