在過去的幾年里，機器學習應用已經悄然進入人們生活的方方面面：從社交媒體到語音識別，從放射學到零售業，從戰爭到寫作，從編碼到客戶服務，從機器人到路線優化。
信息時代四十年來，我們已經能告訴計算機該做什么了。但隨著人工智能的進步，尤其是機器學習的發展，芯片處理速度的提升，我們可以持續地為計算機龐大的數據集送入各種數據。
它們可以(在狹小的空間里)自己得出一些推論。正如《Ask About AI》報告中所說的那樣，學習代碼的興起標志著增強智能新時代的開始。這是我們擴大受教育機會的大好時機，也是年輕人做出重大貢獻的大好時機。附報告鏈接
考慮到人際關系在人類發展中的重要性，人工智能將在許多方面增強教育，而不是取代教育者的工作。我們必須在團隊合作方面做得更好，也包括與智能機器的合作。
機器學習正在改善學生的學習，并為教師和學習者提供更好的支持。我們整理了32個可以利用機器學習來支持更好教育的方向，并列舉了一些案例，希望能給大家一些啟思。
改善學習
1.早期學習。
Kidaptive是為幼兒提供游戲和玩具的適應性學習平臺。Osmo是一款結合了在線學習和動手學習的互動游戲。
2.自適應學習。
課程助理i-Ready是廣泛使用的適應性閱讀和數學學習軟件。近日，Rise基金還對自適應學習軟件DreamBox進行了巨額投資；而 Imagine Learning公司收購了非營利的自適應數學學習軟件公司Reasoning Mind。
3.課程資料。
優質內容和開放性內容的提供商越來越多地使用機器學習，來提供最佳課程。像Content Technologies Inc.這樣的公司正在使用機器學習來實現這個過程的自動化。
4.在線學習。
像Coursera、Udacity和edX這樣規模較大的高等教育機構，正在使用機器學習來改善學習目標設置、課程和支持服務。
5.語言學習。
正式和非正式使用的語言學習應用程序，(Duolingo, Babbel, Rosetta Stone)開始使用更好的匹配和翻譯服務。VIPKID最近又融了5億美元，以充分融入機器學習。
6.寫作。
Grammarly、Turnitin、WriteLab (被Chegg收購)、PEG Writing和Write to Learn等軟件，由機器學習提供反饋和評分系統，正得到越來越廣泛的應用。
7.編碼和制造商。
LittleBits和Modular Robotics教授機器人技術基礎知識。 Tynker和CodeHS教授編碼。這些讓所有人都越來越多地了解AI。
8.考試準備。
像Quizlet、Kaplan、Magoosh和Toppr這樣的學習和考試準備工具，正變得越來越聰明。
9.調度。
Abl學校是下一代學校的典型。隨著像普渡理工這樣的名校都開始重視個體學生日程安排，預計智能日程安排工具很快就會出現。
10.探索。
越來越多的孩子有機會在增強現實和虛擬現實中學習和創造。機器學習將繼續以多種方式改善VR體驗，包括手勢和聲音識別、圖像渲染和更好的協作體驗。
11.輔助技術。
在過去的兩年中，許多幫助特殊需求學習者的技術得到了改進，包括語音識別、文本到語音轉換和文本修改。
12.評估。
機器學習在許多方面都在改善評估，包括適應性測試(NWEA)、快速評分(GradeScope)、跟蹤解決問題的步驟(Thinkster)和監控學生進步[包括難以在學校衡量的技能（全方位教育）]。它也將是實現互動性的關鍵，并能整合形成性評估的多個來源。
13.診斷。
人工智能在診斷疾病、視力問題和學習差異方面正在迅速改善。
14.分析。
包括BrightBytes、Civitas Learning、Acrobatiq aa在內的分析平臺已經在高等教育中廣泛使用，并在K-12課程中也得到了廣泛的應用。
15.指導系統。
領英和Ziprecruiter等人才平臺幫助雇主和有潛力的求職者之間進行匹配。大量的本地化信息將使Naviance和WorkKeys等高中畢業生就業求學指導平臺的可用性更強，并且這些平臺與就業途徑相關聯。
16.能力管理。
學生成績冊將納入多個來源的評估信息，并幫助教師結合徽章或微證書，對學生的能力做出正確判斷。
17.學習者檔案。
能力管理將通過大規模綜合檔案(包括課外閱讀的書籍和擁有的技能)的比較來實現。各種分散式記錄都將成為擴展記錄的一部分。在可預見的將來，人工審閱人員只需瀏覽記錄的摘要，配合著使用機器學習工具就可以了，這些工具將篩查更大的配置文件——包括提交的和刪除的。
18.學習管理系統。
目前像Canvas from Instruction、D2L和AltSchool這樣的學習平臺對機器學習的使用是有限的，但也在不斷地增長。有一些自適應的LMS（學習管理系統），如Fishtree和realize zeit主要用于職業教育。隨著學習者數據的增加，更多的平臺將加入推薦引擎和個性化路徑。
在企業LMS市場，進展可能會更快。隨著像NAF這樣的集團采用SAP的SuccessFactors平臺，我們開始看到更多的雙贏現象。
19.經驗管理。
隨著學習方式變得更加分散和能力體系的提高，系統將提供來源、進度和適合學習科目等學習經驗。
20.指導。
在正確的時間，以正確的理由(即基于項目的指導)將行業導師與學生聯系起來。盡管在線學習平臺在今天起到了一定的作用，但一個帶貢獻激勵機制的新版本，會極大地調動大家的積極性(很可能會與大學校友會聯合出現)。
21.招聘和入職。
機器學習在企業招聘和入職培訓中被廣泛使用，目前它正在進入教育領域?！爸悄芎Y選”是人力資源領域的一項重大舉措，人力資源領域將應用這種智能平臺，以提高招聘、人員匹配和入職培訓的效率。
22.員工調度和替代管理。
為了處理日益復雜的人員調配問題，以支持個性化和基于能力的學習，Frontline等公司正在構建更好的智能安排解決方案。
23.專業學習。
采用混合和個性化的學習策略，面向教育者的新學習平臺混合了開放的和專有的內容，并提供微證書。在不久的將來，這些平臺將會隨著個性化推薦(也許由教育學院和平臺合作伙伴提供)而變得適應性強。
改善支持
24.交通。
使用像Creatrix這樣的人工智能手機應用程序，公交調度變得更容易了。在不到十年的時間里，各學區將會把特殊兒童的交通和自動駕駛汽車納入學生交通計劃。
25.維護。
Dude Solutions公司利用云智能軟件來指導建筑和地面維護。與傳統的行業基準相比，能使設備監控變得越來越容易，生產效率也有很大提高。學?？梢宰孕锌刂茣r間(例如，什么時候修剪草坪)和服務。
26.設施管理。
智能建筑管理軟件幫助管理暖通、照明和安全。
27.營養。
梅奧醫學中心(Mayo Clinic)創建了一個名為FEED的人工智能項目，旨在關注營養缺乏患者補充營養的安全和質量。在芬蘭，他們有5個試點，使用智能工具來改善營養和健康。
28.采購。
Deloitte公司通過對采購員的調查發現，88%的人認為自動化和機器人技術將在五年內影響采購行業。新的采購平臺將更有效率、獨立和支持精確跟蹤。
29.金融。
埃森哲公司表示，在商界，“自動化、微型機器人、機器學習和適應性智能正以閃電般的速度成為金融團隊的一部分”，簡化月度結賬和費用管理。當學校董事會成員有問題時，一個人工智能聊天機器人就會提供答案。
30.網絡安全。
安全專家預計，在人工智能工具上將有更多資金投入。思科(Cisco)的一份報告稱，人工智能應該能夠學習如何在加密網絡和物聯網(IoT)環境中，自動檢測模式異常。
31.安全和保障。
越來越多的人使用人工智能，在學生的語言或行為中，預先識別出可能會出現學校暴力的情況。帕克蘭高中的一名學生創建了#NeverAgainTech項目，她希望該項目能利用人工智能對校園槍擊案相關的大量數據進行匯編和分析。
32.學校管理。
隨著西方越來越多的微型學校(見CottageClass和Acton學院)和非洲、印度的低成本私立學校的出現，人們對包括招生、學生信息、出勤率和學費在內的學校管理平臺越來越感興趣。
就我們所看到的，與教師建立持久的關系，學會他人的學習經驗，將繼續成為教育中最重要的因素。而人工智能只是讓學校里使用的每一種工具都加速了。能夠幫助年輕人學習，讓他們的學習能力每個月都會得到持續提高。
?。ㄔ瓨祟}：AI到底能改善教育的哪些方面？我們列出這32個方向）
