人工智能技术与学校教育融合成为一种未来趋势，这为个性化学习和个别化学习的实现提供技术保障，成为教育发展的重要推动力。“智能教育”作为重点任务被写入2017年颁布的《新一代人工智能发展规划》，成为人工智能国家战略的重要组成部分，在教育部于2018年印发的《教育信息化2.0行动计划》中也提到要推送人工智能、大数据物联网等新兴技术支持下的教育模式变革和生态重构。
然而，当前教育信息化面临着教学方法革新、教育资源均衡和教师专业发展等问题，人们期待新一代人工智能技术将在更大程度上促进教育公平、提高教育质量。
一、人工智能的新进展及其为学校教育发展带来的新机遇
正确认识人工智能的发展规律，有必要对人工智能发展历史，尤其是人工智能的典型特征进行梳理。
（一）人工智能发展动力源自技术与政策双轮驱动
人工智能主要是研究和开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统。自1956年达特茅斯（dartmouth）会议诞生“人工智能”一词以来，距今已有60年，此期，共经历三次发展浪潮（见图1）。第一次浪潮为1956年至1966年间，其标志是在美国达特茅斯会议上确立人工智能（artificial intelligence，简称ai）术语，开创人工智能研究领域，这一时期的研究重点是符号推理与机器推理。70年代以后，由于硬件计算能力不足和数据局限性等问题，使一些人工智能研究项目遭到质疑，同时美国和英国政府相继中断了对人工智能探索性研究的资助，人工智能发展进入了第一个“寒冬期”。人工智能的第二次浪潮为1976年至1986年间，多国设立大型ai项目以促进人工智能的发展，如日本icot项目、美国mcc项目和英国alvey项目，这一时期出现了语音识别、语音翻译计划及日本第五代计算机。90年代后期，由于难以将这些技术成功应用于实际生活中，在经过短暂的发展后人工智能又一次进入滞缓的“寒冬期”。人工智能的第三次浪潮为2006年至今，其标志是欣顿（hinton）提出的深度学习技术以及imagenet竞赛中图像识别技术的突破，尤其是美国brain计划、欧盟类brain计划、中国《新一代人工智能发展规划》（国务院，2017）的制定，使新一代人工智能受到国家和社会的广泛关注，人工智能技术的研究取得了实质性进展，应用范围和前景更加广阔。
从历史来看，人工智能的发展总体呈现“螺旋上升”的态势，每一次进步都离不开技术的发展和国家政策的影响，技术的进步与发展又会反过来影响国家政策的出台。从长远来看，科学技术和国家政策仍将是人工智能持续发展的影响因素。
（二）新一轮人工智能发展以大规模数字化和行业深度应用为显著特征
新一轮人工智能技术的发展呈现出数据规模增加、计算能力增强和行业应用能力提升等显著特征。首先，在数据规模增加上，各种“模拟”数据的数字化，产生了面向系统和人类过程行为的海量数据，使得数据规模快速增加。其次，得益于硬件计算性能的快速增强，人工智能计算能力大幅度提升，使得人工智能应用程序能够处理超大规模的数据。最后，在行业应用场景上，在金融、医疗、自动驾驶、安防、家居以及营销等领域的应用场景已落地生根，创造出巨大商业价值，除了熟知的alpha go和face++，某企业在某些地区已尝试用无人机和无人车配送货物。行业应用的成功使我们更加期待人工智能融入教育领域的应用前景。
（三）人工智能技术的发展为学校教育改革带来新机遇
教育改革源于人类参与社会生活和自身发展的需要。当前我国教育改革处在对象群体多元化、社会需求多样化、全民学习终身化的新形势，如何利用新一代人工智能技术破解教育改革难题成为社会关注的热点。从历史的角度看，学校教育经历过三次转型（见表一）。伴随着第三次教育转型的到来，教育的空间与机会得到极大拓展，学习者需要能够自主选择学习的时间、地点、内容、方式。
李德毅院士曾对人工智能教育应用作出评价：“人工智能对社会的冲击是全方位的，但对行业的冲击首当教育，人工智能带给教育的就是‘改变’”。如通过学习分析和用户画像技术，搜集学习者学习数据，实现学生行为全面分析及知识点掌握程度精准判断，从而绘制契合学生特点的学习发展地图；借助情感机器人和自然语言处理技术，陪伴学习者成长，增加对人的关怀和陪伴；结合知识图谱，建立领域知识库，辅助教师针对学生的不同能力生成不同的试题并进行作业批改；利用智能运动设备，如智能手环、智能肺活量等测评工具，深度采集学生健康数据，从而发现学生在体质、运动技能、健康程度等方面的问题。
二、技术视角下人工智能教育应用
二十世纪五十年代，计算机作为一种特殊的工具应用于教学，这是技术应用于教育的雏形。智能教学系统则是计算机辅助教学在人工智能技术促进下的新发展，是人工智能教育应用的典型之一。
（一）计算机辅助教学与智能教学系统
计算机辅助教学指用计算机帮助和代替教师执行部分教学任务，传递教学信息，向学生传授知识和训练技能，直接为学生服务的程序。相比于幻灯、投影、实验仪器等设备，计算机具有人机交互的特点，而计算机辅助教学的教学模式主要有操练与练习、个别辅导、模拟和教学游戏等，日益成为现代化教育技术的重要组成部分，但这类系统无法为学习者提供个性化的学习指导，无法根据学习情况动态地调整教学策略，因此有研究者开始以计算机辅助教学系统为基础设计智能教学系统的功能。从技术的发展角度来看，人工智能是信息技术的延伸；从教育功能上来看，人工智能应用于教育的实质仍是计算机辅助教学，也可称其为智能辅助教学(intelligent tutoring system，简称its)，又称作智能导师系统、智能教学系统、智能导学系统。其目的依然是为促进学生学习绩效的提升，尤其是近年来人工智能在虚拟现实、情感识别、自然语言处理、深度学习等领域的发展，赋予智能教学系统更丰富的内涵，使其受到研究者越来越多的关注。
（二）智能教学系统的功能延展
描述智能教学系统的框架较多，最典型的是1973年由哈特利（hartley）和斯利曼（sleeman）提出三模型结构。其核心组件包括领域知识模型（domain model）、学习者模型（user model），和教学模型（pedagogy model），分别解决教授知识过程中教什么（what to teach）、教学对象（whom to teach）和如何教（how to teach）的问题。在随后模型的发展中，伍尔夫加入了人机接口模型，又称为用户界面（user interface）模型。之后还有专家提出五模型结构，这些模型的基础和核心均是三模型结构。而四模型结构是智能导师系统研究领域较为通用的描述框架（见图2）。近三十年来，因科学技术的不断发展，its学习者模型、教学模型及领域模型的功能被不断丰富和完善，智能教学系统更加“智能”，拓展智能教学系统教学功能的典型途径包括借助语义网络和约束模型优化领域知识模型、利用元认知扩展学习者模型和结合虚拟现实技术拓展用户接口界面。
1. 领域知识模型和学习者模型的重构
实现领域知识重构，可以采用增加语义网络和约束模型的方式细化领域知识模型功能。语义网络指用词与词之间的关系来表达人类知识结构的形式，以提供问题和知识点的语义关联。由于命题语义网络和数据语义网络技术的开发应用，以及基于问题解决和概念提示等知识表达规则的应用，领域知识模型不仅包含学科内容的知识，还应包括应用这些知识来求解问题的过程性知识及建构正确解答和求解问题的策略性知识。约束模型指的是通过分析学生者信息，如学习者行为、情境信息和反馈信息，从而为他们提供有针对性的学习方案。如智能教学系统eer-tutor通过使用教学对话、感知情境等方式，判断和回应学生的情感状态，从而提供支持服务。
学习者模型重构可以通过引入新的研究理论使模型涵盖的内容不断丰富，如利用元认知支架获得学习者的动机、参与程度和自我意识；系统还能利用环境约束分析学习者的认知水平和情感状态；社会模拟也将发挥作用，通过理解文化和社会规范，使学习语言的学生能够与其目标语言使用者更成功地接触进而提升语言学习效率。
2.用户界面模型的优化
早期的智能教学系统中用户界面的呈现一般采用基于文本或者2d的图画，一定程度上限制了对空间及物理概念的传输，而虚拟现实、增强现实技术可通过模拟真实世界里学习者无法访问的某些场景，以提供身临其境的体验。当虚拟现实技术被应用于教学系统时，该系统不仅为学生提供探索、互动和操控虚拟世界的机会，还能帮助他们将学到的知识转移到现实世界中，进而以更自然的方式响应学生的请求。同时，还可以通过视频捕捉、跟踪系统等技术捕捉学生的多方位行为以及借助三维图形、视频动画以及音频和文本等多模态方式搜集信息，提高系统对学生需求的适配性。
3.智能服务功能的扩展
智能服务功能主要指可以利用大数据与学习分析等技术为学习者提供个性化学习支持服务，通过感知、跟踪、收集学生学习过程中的行为数据，动态了解学生状况。根据学习者的个人能力和需求，选择最合适的内容推送给学习者（见图3）。学习者接收到相关内容（可能通过文本、语音、活动、视频或动画的方式）后，人工智能教育应用（artificial intelligence in education，简称aied）系统将对学习者互动情况进行持续性分析（如学习者目前学习行为和答案，过去成绩以及出错率，当前情感状态）；同时，aied系统会根据上述信息做出相应反馈（如暗示和指导），通过调整教学进度并优化教学组织方式，确保每个学生的学习内容最大限度地符合他们的能力和需求，从而最有效地促进学习。
三、教学视角下人工智能教育应用潜能
人工智能与学校的融合主要涉及两个层面的问题：其一，人工智能融入学校的价值是什么？以何种方式实现学校教育与智能技术的融合？其二，未来的数字公民需要结合人工智能进行学习，那么人如何学会与智能机器共处。基于以上思考，本文深度剖析了人工智能融入学校教育的五项潜能和五项挑战（见图4）。
（一）支持个性化学习
数字环境下成长起来的新一代学习者对学习提出了更高诉求，步调统一、时间地点固定的学习方式将被打破。他们渴望自定步调、任意时间、任意地点的学习方式。智能辅助系统/教育机器人将使这种学习方式成为可能：其一，借助大数据和学习分析技术，获取学习行为数据，根据需求为学习者提供适切的学习资源和学习路径；其二，通过提供沉浸式的虚拟学习环境，学习者可在任意时间、任意地点参与到学习中，如设计游戏化的虚拟学习场景，随着游戏中故事的展开，从游戏和玩家获取在线参与信息，并基于这些信息使用人工智能算法来确定采用哪些适合的学习行动；其三，促进学习者认知水平和情感状态的转变，让学习者以积极的心态参与到学习活动中，如智能教学系统通过模仿学习者的认知和情感状态，将学习活动与学习者的认知需求和情感状态相匹配，保证学习过程中学生深度投入。
（二）提供教学过程适切服务
学习支持服务是在远程学习时教师和学生接受到的关于信息、资源、人员和设施支持服务的综合。西沃特第一次对学习支持服务做了系统论述，此后，学习支持服务作为远程教育领域特有的重要概念和实践活动不断得到丰富和发展，在远程教育师生时空分离的环境中，学习效率与教学质量的保证，必须要有相适应的学习支持服务系统，而学习支持服务系统也是学生取得良好学业表现的重要保障。人工智能技术能够跟踪学习者和教学者的行为，通过分析来自计算机、穿戴设备、摄像头等终端数据，对特定场景下的行为进行细粒度分析，从而得出面向特定对象的特定需求，再借助自适应学习支持系统将匹配的学习内容、教学专家和学习资源推送给用户。
（三）提升学业测评精准性
传统的学生档案袋记录不能及时、全面地反应学生真实学习状况，尤其是在某些地区班额和师生比不合理的条件下，教师没有足够的时间和精力做好学生的学习过程记录。学习分析技术为搜集学习者从小学至大学的全过程学习数据提供了新的解决途径，并能运用多类分析方法和数据模型解释与预测学习者的学习表现，从而更准确地把握学科教学目标，调整教学策略，优化教学过程，有助于教师了解学生的学习状态。除此之外，学业评测还能对学生的情感状态和生理行为数据进行捕捉，如利用穿戴手表、语音识别和眼球追踪等数据捕获设备，捕捉学生生理和行为数据，获取学生的情感状态和学习注意力数据，挖掘学生深层次的行为数据，为更加精准的学习支持服务提供有效依据。
（...