本文選自培生集團研究報告《Intelligence Unleashed ：An argument for AI in Education》，作者 Rose Luckin，Wayne Holmes，譯者康琳，魏來，汪汪，編輯阿槑。
自上周起，芥末翻開始連載培生集團出版的關于 AI+教育的研究報告，有兩個目的：第一，給感興趣的非專業讀者解釋AIEd是什么，如目標、實現方式及作用機制。只有確保一定程度的了解，我們才能走出AI的科幻印象及由此產生的恐懼。第二個目的：闡述AIEd現在及未來能為學習帶來的影響，以提高學習者的學習效率。
許多由 AIEd 驅動的應用已經在很多學校和高校中使用。教育數據挖掘(EDM)技術可以記錄學生行為，例如，通過收集學生出勤和學習任務的情況，判斷該學生是否會放棄學習，從而為其提供支持，避免學生中途退學。
人工智能研究者們正在探索各類新的交互方式，如自然語言處理、語音和手勢識別、眼球追蹤、和其他生理傳感器，這些技術可用于提升 AIEd 以及非 AIEd 應用的性能。不過，本研究僅聚焦三類可以直接輔助學習的 AIEd 軟件應用：學習者的私人老師(即個性化輔導系統)、智能化協作學習以及智能化虛擬現實。
為每個學習者提供一位智能老師
一對一輔導一直被認為是最有效的教與學方法(亞里士多德的“摹仿說”為起源)， 不幸的是，對所有學習者都施行一對一的輔導是不可行的，不僅因為老師數量不足，并且價格高昂，并不是人人都能負擔起。這引出了一個問題：在各種學科的學習中，如何為所有學習者提供一對一輔導的效果?
這就是智能智能輔導系統(Intelligent Tutoring Systems，ITS)所要解決的問題。ITS 使用人工智能技術來模擬真人一對一輔導，及時為學習者匹配最符合其認知需求的學習材料和活動，并提供有針對性的實時反饋。ITS系統讓學習者自主掌握學習進程，幫助學習者培養自我管理能力，或用教學策略輔助學生的學習，幫助學習者應對挑戰，找到學習的最近發展區。
1970 年代出現了第一批提供個性化學習指導的 AI 系統。例如具有開創性意義的教學系統BUGGY，可用于教授基本的加減法，系統使用錯題庫模型來預判學生學習代數過程中可能會產生的錯誤。作為系統的內容模型，錯題庫用來診斷學生學習過程中出現的錯誤，并推薦有針對性的輔導。最初，系統能夠識別的錯題十分有限，隨著時間的累積，更多的錯題情況被發現并持續更新到該錯題庫。
除了建立模型，近年來，更多的 ITS 系統開始借助機器學習，一種能夠基于大數據的分析與學習、神經網絡技術的新型技術，從而使系統能夠根據學習者的情況提供更合適的建議。不過，這種方式依然很難為其學習建議給出明確的推理依據。
目前的自適應系統靈活性大大提高，它可以為學習者提供更加準確并易于理解的學習建議(已可以應用在課堂教學)。在過去的十年中，日益優化的學習模型、教學模型，內容模型也更多地被引入到很多自適應教學系統以支持個性化學習。
例如, iTalk2Learn 平臺幫助學生學習數學中的分數概念與應用，該系統建立的學習者模型會分析學習者已有的數學知識、認知需求、情緒狀態及反饋。
基于模型的自適應系統可以包括一系列 AIEd 工具：
學習者的認知和情感狀態
利用蘇格拉底引導式對話提高學生的參與度，在這種模式下，學習過程包括提問，探討，質疑，和回答
開放學習者模型，促進學習者的反思和自我覺察
開發元認知支架，例如為學習者提供動態幫助，或使用敘事框架，以提高學習者的學習動力和參與度
使用社會學仿真模型，例如，促進語言學習者跟母語使用者的交流，了解文化和社會規范，更好地學習一門語言。
為協作學習提供智能化支持
數十年的研究表明，小組協作學習模式，即讓多個學生共同承擔一個項目，或同一個社區的學生一起參加在線課程，效果將明顯好于學習者獨自學習。團隊協作學習之所以如此有效，因為它鼓勵參與者表達自己的觀點，思考其他人的觀點，并通過建設性對話消除分歧，共同構建知識。協作學習模式還可以提高學習者的學習動機，當學生在意自己所在的團隊時，他們會對任務變得更加積極，并取得更好的成果。
然而，研究也表明，學習者之間的協作通常不會自然發生。例如，小組成員可能缺少必要的社交技巧，讓他們之間難以有效合作。特別是在線協作時，參與者缺乏面對面的交流。這可以借助 AIEd 來解決，目前這個領域已經有諸多研究成果，我們關注其中的 4 種：借助人工智能技術組成學習小組、專家便利化、虛擬主體和智能化調整。
借助人工智能技術組成學習小組
利用 AI 對每個參與者的知識和技能水平的了解，針對某個特定任務成立最佳小組。比如同一個小組的成員興趣或認知水平類似，或者小組成員不同但互補。
專家協助
系統可以在必要時為小組提供幫助，例如，如機器學習或馬爾可夫模型可以被用來確定有效的解決問題的策略，通過這些技術的訓練，系統能夠識別學生在協作過程中出現的困難，在合適的時間以最佳形式為學習者提供有針對性的支持。
智能虛擬助手
第三種人工智能的工具應用，是虛擬機器人在學習中的應用，可以模擬跟學生對話、 互動。
虛擬專家(教練或導師)
虛擬同學(一個和學生水平相似的虛擬學生)
自主學習——例如，虛擬同學可能會故意提出錯誤的理解，或提出更多觀點激發其他成員展開討論
智能化調整
借助機器學習和淺層文本處理分析(shallow text processing )等技術，系統可以將小組成員在討論中產生的數據進行分析和總結，提供給老師，幫助老師引導對協作過程做出及時干預和調整，幫助學生更有效率地進行協作學習，最終產出更多成果。
智能虛擬現實學習環境
人工智能在1979年首次應用于電子游戲中，在一個數字游戲“吃豆人”中，游戲開發人員使用一種稱為“狀態機器”的技術(依據實時的狀態進行分析)來實現游戲的幽靈是否跑向玩家。后來，大量數字游戲中使用這個最簡單的方法：隨著游戲的進行，游戲中的算法可以分析游戲中設定信息和真實玩家的情況，以確定虛擬游戲玩采取最合適的行動。
虛擬現實學習采用類似的方式，它提供了真正沉浸式體驗(通過參與活動獲得真實體驗的經歷)，以模擬并還原真實世界的某些情境，包括用戶在現實中很難體驗到的危險環境、遙遠的地方或古老的歷史。研究表明，給學生機會去研究、探索仿真世界，并在這個過程中去做一些假設和嘗試，會促進他們對真實世界的了解。
例如，一個虛擬潛艇可以模擬出學生在巖層下探索微觀世界里的自然演變過程，也可以模擬出學生正在探索一個核動力電站，回到古羅馬或造訪外行星。
虛擬現實因為 AI 技術的發展，變得更加“智能”。AI 技術能夠提高虛擬世界的效果，以及用戶的交互體驗，對用戶行為的反饋也將更加自然。此外，利用智能化教學系統，人工智能也可以持續的為學習者提供支持和輔導，幫助學習者克服困難，更快地完成學習目標。
虛擬教學助手可以扮演老師、輔導員、同學等虛擬人物，“他們”與學生一起協作完成學習任務，基于特定的教學模型，“他們”可以提供不同的視角，提出問題，并給予反饋。
許多研究已經證明，沉浸式智能虛擬現實可以提高教學效果，促使學生構建自己對世界的理解。一流的學習科學家Chris Dede 的研究表明，智能虛擬現實有潛力釋放“被困住的智能”(trapped intelligence)，幫助一些低成就的學生重建自信。
此外，智能合成虛擬世界中的人物也可以扮演角色，去模擬一些太危險或不愉快的情境。例如，消除恐懼學習基地(FearNot schoolbased)，借助智能虛擬環境，模擬出虛擬欺凌事件的情節。學習者扮演那些受害者的朋友，他們根據情節發展提出建議，如何解救被欺凌的朋友，通過這樣的過程，學習者可以掌握應對欺凌的有效策略。智能虛擬現實還可用于智能團隊訓練，模擬人類的思考、開展行動并談判，目的是指導學生作出類似的行動——例如維和場景。
綜上所述，以上三類應用場景可以用于創建更加個性化、包容性以及吸引力更高的學習環境。例如，他們可以為有特殊需求的學習者提供額外的幫助，激勵那些無法參與學校學習的學習者，以及支持弱勢群體和殘障人士開展學習。
AIEd 的應用方式非常靈活，以在線的形式為主，在學校之外也可以使用。 AIEd 研究者也在探索移動設備的應用，從而為學習者隨時隨地提供其需要的學習材料。
AIEd 已經取得了很大的進步，但還遠遠不夠。更激動人心的未來是，現有技術將會繼續發展，逐漸成熟并大規模應用。然而，AIEd 的未來不止于此。開發者們正在研究如何有效地將人類智能與機器智結合，這意味著未來 AIEd 有望在多個領域取得更大的突破和發展。
