人工智能創新應用的國際視野

顧小清 李世瑾 李睿

【摘 要】

前瞻性視野是落地人工智能技術應用的關鍵抓手。美國國家科學基金作為基礎人工智能研究的主要非國防聯邦資助者，在支持基礎研究、推動創新智力資源、培育人工智能專項人才等方面發揮了主導作用。本文試圖對美國國家科學基金資助的18個人工智能研究所進行系統分析，旨在明晰人工智能技術應用的國際視野與前瞻規劃。研究過程中采用文本分析方法，梳理并規整其2020年以來資助的人工智能研究所，發現其主要聚焦于人工智能社會新產業、人工智能農業新治理、人工智能數字新生活和人工智能教育新生態四個重點領域。本文進一步挖掘人工智能教育生態圖景，詳盡闡釋人工智能助力下的大規模個性化學習、多模態增強的學習力、教育公平的可持續性發展等研究。在此基礎上，結合我國人工智能戰略現狀提出人工智能前瞻性研究的相關建議：立足社會生態，定位人工智能教育驅動下創新人才培養戰略;回歸學習本質，挖掘人工智能使能的大規模個性化學習變革;瞄準教育創新，探索知識創造和教育創新變革的智能方式;面向教育現狀，尋求人工智能時代教育生態重構的技術路徑。

【關鍵詞】 ?人工智能應用;國際視野;美國國家科學基金;人工智能研究所;《新一代人工智能發展規劃》;人工

智能人才培養;人工智能教育生態;教育公平;大規模個性化學習

【中圖分類號】 ? G420 ? ? ? ? 【文獻標識碼】 ?A ? ? ? 【文章編號】 ?1009-458x（2021）12-0001-09

一、背景

《新一代人工智能發展規劃》明確提出：到2020年，我國要實現人工智能總體技術和應用與世界先進水平同步;到2025年，人工智能基礎理論實現重大突破，部分技術與應用達到世界領先水平;到2030年，人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創新中心（國務院， 2017）。這一發展規劃體現出我國在大力發展人工智能理論、技術以及應用等方面的決心和抱負。同時，這也給教育研究者和實踐者提出新的難題：人工智能對教育將會產生怎樣的影響以及如何產生影響？如果說人工智能技術擁有改變教育的偉力，那么人工智能技術賦能教育的路向究竟何去何從？這些問題正是當下亟待正視和思考的問題，唯有厘清人工智能技術應用落地的領域抓手，才能使人工智能成為教育創新的一劑良方。

本研究團隊圍繞“人工智能促進未來教育發展”開展了諸多創造性工作，從人工智能時代的人才培養戰略、人工智能使能的大規模教育變革、人工智能時代知識創造新方式、人工智能增能未來教師、人工智能時代教育生態的重構路徑等方面架構了我國人工智能教育研究體系，并取得了豐碩的研究成果。在推進研究的進程中，本團隊非常強調國際前瞻視野，在案例研究過程中發現，美國國家科學基金會（National Science Foundation，NSF）在支持基礎研究、推動創新智力資源、培育人工智能專項人才等方面發揮了主導作用。作用之一是依托研究所搭建跨界平臺，加快人工智能知識轉移。他們通過吸引高校、企業、研究院所積極參與人工智能跨界合作，以及借助創新資源的最大效力，超越了單個研究項目的深遠影響，從而提升了人工智能領域發展的引領力與驅動力（劉笑， 等， 2020）。作用之二是戰略引領與自由探索的動態融合，促進不確定性前沿交叉學科的延展與創新。人工智能研究機構在NSF獲批之后，可結合實際研究需求，不受限制地動態調整資助主題內容，這也符合顛覆性技術進階的發生規律。作用之三是遵從“知識創造力+社會影響力”的評估標準，最大限度地促進人工智能技術社會的擴散創新影響。NSF要求項目評審過程不僅關注研究應用的科學規范性，更重視對社會福祉與技術進步所具備的貢獻度。

2020年8月26日、2021年7月29日，NSF圍繞“人工智能”領域研究先后批準了18個人工智能研究所。值此契機，本團隊通過系統審視美國人工智能研究在社會、經濟、教育、科技等領域的前瞻性進展，探索人工智能研究所和創新生態系統研究集群的最新規劃，以及如何建立加快研究成果轉化、跨區域聯盟和機構交流合作的內生機制，借此拓展和豐富我國人工智能教育研究的未來方向和規劃思路，實現我國“有溫度、可持續”的人工智能戰略行動目標。

二、研究方法與過程

本研究采用文本分析的方法，梳理了2020年以來NSF官方網站（http：//www.nsf.gov/）所歸檔的人工智能專項研究所及其具體研究方向。首先，逐一瀏覽18個人工智能研究所的主要領導機構與合作者（David & Santhosh， 2020; Jason， 2021）。然后，依據研究目的、研究內容等，發現人工智能研究所重點關注人工智能社會新產業、人工智能農業新治理、人工智能數字新生活和人工智能教育新生態四個重點領域，并對其進行系統說明與解釋，如表1所示。接著，研究者從四個領域版塊中，找尋到與人工智能教育相關的四個研究所，即人工智能動態系統研究所、人工智能參與式學習研究所、人工智能優化研究所和人工智能成人學習和在線教育研究所。最后，進一步挖掘人工智能使能下的教育生態圖景，旨在為未來戰略規劃和行動舉措指明前進道路與優化方向。

三、人工智能研究所概覽分析

從地域分布情況來看，2020年資助的7所人工智能研究所呈現整體分散、內部聚合的分布情況。而2021年資助的11個研究所覆蓋地域更加廣泛，幾乎包括了美國4/5的州，且呈現出整體聚集、局部分散的分布情況。通過進一步對比我們發現，18個人工智能研究所居多分布于美國沿海地區，而那里正是美國政治、經濟和文化發達地區。同時，我們通過檢索美國大學排行榜發現，18個人工智能研究所的分布與全美排行前25所高校的地域分布相類似。此外，人工智能研究所的合作單位也逐步遞增，更有院校參與了多個人工智能專項研究項目，如佐治亞理工學院、俄亥俄州立大學、華盛頓大學等。這也說明了各個院校都意識到了人工智能技術與社會發展緊密關聯，高度重視人工智能主題研究的探索。

可以說，人工智能研究所作為更廣泛的社會節點，將人工智能技術應用與社會發展的方方面面連接起來，從新型社會產業到農業生態，再到數字生活經濟和教育新生態，都發生了顛覆性變革。本文根據18個人工智能研究所的領域方向，將其分為人工智能社會新產業、人工智能農業新治理、人工智能數字新生活和人工智能教育新生態四個領域，并通過系統分析人工智能在諸多跨領域方向的布局與關鍵行動，以期為人工智能教育應用的科學落地提供有效舉措的建議。

（一）人工智能社會新產業

1. 天氣、氣候和沿海海洋學可信人工智能研究所

人工智能天生處理大數據以及對不完全、不確定信息的推斷能力，成為氣候預測的有力武器。德克薩斯大學奧斯汀分校研究者開發了一種新的人工智能代理，通過對周圍環境進行了一些“窺探”（占整個360度視野的不到20%）推斷整個環境的其余部分。這個系統如此有效的原因在于，它不只是隨機拍攝照片的方向，而是選擇下一個鏡頭“窺探”后，可在下一張照片里添加整個場景的最新預測信息。這啟示我們：人工智能的意義在于機器學習后能夠快速預測未來相似場景的出現并幫助類似情況下問題的解決。

天氣、氣候和沿海海洋學可信人工智能研究所由俄克拉荷馬大學諾曼分校領導，致力于研發可信賴人工智能技術系統，以對氣候和沿海災害進行建模、預測、分析和反饋。具體地講，該研究所從人工智能基礎應用出發，探測如何將多樣化的原始數據轉變為可操作的指導和預測。此外，通過人工智能培訓項目，該研究所也為人工智能專業人才培育貢獻力量。

2. 分子發現、合成策略和制造研究所

分子發現、合成策略和制造研究所由伊利諾伊大學厄巴納-香檳分校領導，以實現基因結構和生物體的快速設計、制造、驗證和質量控制等，即簡化和加速分子合成和新材料的發現。他們在這個過程中，通過機器學習和人工智能工具，合成化學領域內更有效的分子創造解決方案。此外，他們還將分子設計過程與人工智能自動化合成相結合，以建成下一代具有化學合成和生物工程領域知識的科學家訓練基地。

3. 大規模學習優化研究所

大規模學習優化研究所是加州大學圣地亞哥分校領導，由英特爾資助，旨在通過應對規模和復雜性等根本挑戰實現“不可能的優化”目標。具體而言，該研究所通過人工智能技術，解決現代計算機科學技術無法解決的大規模優化問題，從而改善半導體的設計和操作。其成果優化將用于對國家發展至關重要的幾個重點領域，包括半導體芯片設計、分布式機器人、計算機和通信網絡，以及關聯國家健康、繁榮和福祉的其他方面應用。同時，該研究所還制定了勞動力發展計劃，并提升了從中學到高級研究人員的參與度。

4. 機器學習基礎研究所

機器學習基礎研究所由德克薩斯大學奧斯汀分校領導，致力于解決機器學習的基本挑戰和應用，為更安全、更可靠的人工智能應用（如自動駕駛汽車等）提供基礎。該團隊通過研究新的理論，系統解釋算法如何在實踐中成功實現最佳解決方案，以將變化的數據融入環境中。在這個過程中，人工智能要完全復制大腦的決策過程，即科學理解神經網絡是如何工作的，其關鍵在于數據的可解釋性和算法的可靠性。

5. 人工智能與基礎交互研究所

人工智能與基礎交互研究所由麻省理工學院領導，致力于構建融合基本物理原理的人工智能，使數據分析選擇更具針對性，以及探索物理概念和人工智能之間的協同作用，以提高對人工智能技術的基本理解，并利用這些技術改善神經網絡架構等。同時，該研究所十分重視人工智能技術的社會效應擴散和倫理安全等，即期待利用人工智能技術優勢幫助更多人提高幸福感和生活福祉。

（二）人工智能農業新治理

1. 未來食品人工智能研究所

未來食品人工智能研究所由加州大學戴維斯分校領導，遵循食品系統的生物學信息規律，實現了食品制造的綠色化、健康化等安全目標。利用人工智能技術能夠科學顯示食品信息的生物學規律，通過了解食品生成的具體過程從而解決分子育種問題，優化產量、作物質量以及抗病蟲害等。同時，通過包容性教育和外聯途徑，該食品系統研究所也培育了大量掌握人工智能技術應用的新型職業勞動力。

2. 未來農業管理和可持續性人工智能研究所

未來農業管理和可持續性人工智能研究所是由伊利諾伊大學厄巴納-香檳分校領導，致力于農業鏈的可持續發展目標。具體而言，通過計算機視覺、機器學習、軟物體操作和人機交互等人工智能技術應用解決了農業領域的諸多挑戰，如勞動力短缺、農作物生產率、環境復原力等。長期以來，該研究所持續與計算機科學、農業所、全球信息交換所等協同研究未來農業管理的發展趨勢，以期實現人工智能賦能農業管理的跨領域合作交流。

3. 農業人工智能勞動力轉型和決策支持研究所

農業人工智能勞動力轉型和決策支持研究所由華盛頓州立大學領導，美國農業部與農業研究院提供支持，致力于農業領域的勞動力轉型和決策支持。具體來說，應用人工智能技術，根據氣候變化科學管理、動態預測農作物的生長周期和培育方法，從而提高水果和蔬菜作物的生產質量和產量。同時，積極調動計算機科學、農業領域的教師和科學家、農民、工人等參與科技農業研究項目，如開展人工智能在勞動力、水資源、氣候變化等復雜農業問題上的應用，這也提高了下一代勞動力的技術水平，促進了人工智能人才培訓的多元化和公平化。

4. 彈性農業研究所

彈性農業研究所由愛荷華州立大學領導，美國農業部和農業研究院提供支持。該研究所將應用人工智能技術幫助植物更好適應氣候變化，同時多元聯動合作伙伴，推動植物科學、農業經濟學和人工智能的交叉研究，如采用人工智能算法、圖像識別、數字孿生技術等，建立并預測植物生長的變化模型，從而實現農業生產的規模化、優質化、彈性化等質量發展目標。

（三）人工智能數字新生活

1. 網絡組協作協助和響應式交互研究所

網絡組協作協助和響應式交互研究所由佐治亞理工學院領導，亞馬遜和谷歌提供部分資助，旨在開發人工智能系統，學習人類行為的個體模型以及研究它們如何隨時間變化。在人口老年化趨于嚴重的社會中，該研究所開發的人工智能護理合作伙伴，讓護理人員能夠長期響應老年人不斷變化的需求，有助于幫助老年人提高生活質量，同時考慮到患者和家庭的隱私問題，提高整個護理協調的有效性。

2. 環境計算學習智能網絡基礎設施研究所

環境計算學習智能網絡基礎設施研究所由俄亥俄州立大學領導，NSF全額資助。該研究中心聚焦于開發簡化人工智能使用的方法，讓研究人員使用人工智能的過程變得更加簡單，并將其提供給更廣泛的用戶，如小型機構、當地社區研究人員或新型職業農民等。具體而言，研究人員基于自適應人工智能、知識圖譜等領域的研究進展，計劃建立一個可以在精準農業、動物生態學等領域“即插即用”的國家網絡基礎設施，從而增強了人工智能技術應用的循環性。同時，該所通過引進來自多學科背景的科學家以保障人工智能技術應用方案的可信度和包容性。

3. 下一代邊緣網絡與分布式智能研究所

下一代邊緣網絡與分布式智能研究所由俄亥俄州立大學領導，美國國土安全部部分資助。該所利用網絡和人工智能之間的協同效應，設計出了高效、可靠、穩健和安全的后代無線邊緣網絡，并確保這些網絡能夠進行自我修復和自我優化，從而改善人工智能在智慧交通、遠程醫療、分布式機器人和智能航空航天等領域的應用。此外，該研究所創造了一個研究、教育、知識轉移和勞動力發展環境，進一步保障了美國在下一代邊緣網絡領域的領導地位。

4. 利用下一代網絡的邊緣計算研究所

利用下一代網絡的邊緣計算研究所由杜克大學領導，美國國土安全部部分出資。該研究所專注于開發具有人工智能功能的邊緣計算，為網絡邊緣、云端用戶提供更好的網絡訪問，同時還致力于控制網絡的復雜性和成本。研究所匯聚來自七所大學的科學家、工程師、統計學家、法律學者和心理學家團隊，其核心價值觀是人工智能的道德和公平，致力于通過未來系統的設計、運行和服務培養多元化的下一代邊緣計算和網絡領導者。同時，作為社區的一個聯系點，該研究所率先開展協作、知識共享和轉移，將新興技術能力轉化為新的商業模式和創業機會。

（四）人工智能教育新生態

1. 學生人工智能團隊人工智能研究所

學生人工智能團隊人工智能研究所由科羅拉多大學博爾德分校領導，致力于開發“人工智能伙伴”技術系統，即讓學生與機器人在課堂上通過語言、手勢、眼神和面部表情進行自然互動，促進深度合作學習。同時，“人工智能伙伴”基于自主感知、建模和促進協作學習的人工智能引擎，以及整合語音和非語言信號的新算法，能夠識別學生的面部表情和手勢，進一步評估學生的興趣和參與程度，通過人工智能技術應用的個性化干預，為每位學生創造了更具包容性、更有吸引力的學習空間和交流方式，這也有助于大規模個性化學習的實現。

2. 人工智能優化研究所

人工智能優化研究所由佐治亞理工學院領導，英特爾出資贊助。該研究所將結合人工智能和數學優化原理，開發出可進行大規模決策的智能應用系統。這將有助于從生態系統的視角，聯結人工智能、社會、教育一體化的前瞻視野。同時，人工智能優化研究所把人工智能技術與經典模型的優化技術相融合，以改善教育生態供應鏈的復雜運營和管理。此外，該研究所還為人工智能研究開拓了疆域和視野，將教育、研究、創業和公眾廣泛結合起來，開拓了人工智能在教育領域的應用前景。

3. 人工智能動態系統研究所

人工智能動態系統研究所由華盛頓大學領導，部分由美國國土安全部資助。該研究所致力于開展人工智能基礎和機器學習算法等創新研究，專門用于實時安全和控制復雜的動態系統。具體地講，通過將基于物理的模型與人工智能、機器學習方法相結合，為科學和工程領域的實時傳感、預測和決策挑戰提供基于數據的可解釋方案，從而實現對復雜學習進程中的實時監督和有效干預。在這個過程中，訓練可理解的教育數據模型至關重要，即如何基于現實語境解讀數據模型的內涵意指和內隱風險，以及如何借助人工智能技術精準決策教與學的全過程等，這些將是未來人工智能系統研究的關鍵趨勢。除了研究之外，該研究所還通過項目合作、設立人工智能學士學位、吸納賢才等多元渠道，積極培育人工智能領域的未來研究人員。

4. 人工智能參與式學習研究所

人工智能參與式學習研究所由北卡羅來納州立大學領導，NSF全額資助。該研究所致力于人工智能教育場景構建、智能場域優化等研究。如通過教育環境中的自然語言處理、計算機視覺和機器學習等，讓學習者能夠在以人工智能為中心的敘事學習環境中參與沉浸式學習。同時，豐富的人工智能虛擬代理和強大的傳感聯動活動組織，可作為校內和校外STEM教育創新的紐帶，這也進一步促進了人工智能教育應用的范疇和規模。

5. 人工智能成人學習和在線教育研究所

人工智能成人學習和在線教育人工智能研究所由佐治亞研究聯盟牽頭，埃森哲提供部分資助。該研究所致力于人工智能教育產品研發，從而提高成人在線教育的質量。他們在這個過程中，借助人工智能技術優勢，探索人類認知和學習理論的進階規律，并以此為證據，積極干預學生的學習過程，進而提高學習效率和學習成就等。同時，該研究所與教育技術部門的合作伙伴共同采用虛擬助理推進在線學習，降低了學習的門檻和費用，一定程度上促進了教育的公平性。

四、人工智能與教育生態融合的

前瞻性研究聚焦

總體來看，人工智能作為一種中介功能的技術，不僅會對社會新產業、農業新治理、數字新生活產生沖擊，還具有改變和重塑教育生態系統的潛力。事實上，教育事業是促進社會發展的人力資本發動機。只有教育領跑，才能為社會發展提前做好人力資源布局，整個社會才能共享技術引發的經濟回報。因此，為了科學審視人工智能與教育生態融合的前瞻性研究，我們需要基于智能社會的思維路徑，從系統結構和功能層面重塑教育生態，并逐漸形成契合人工智能教育戰略發展的適應性服務樣貌。基于上述概覽分析，我們發現人工智能時代教育的結構性重塑聚焦于大規模個性化學習、多模態增強的學習力、教育公平的可持續性發展研究等領域。

（一）人工智能使能大規模個性化學習的落地研究

“學習”是個人的，“教育”是規模化的，如何在規模化教育中實現個性化學習目標，成為我們需要破解的教育難題。學習涉及“學什么”“怎么學”“在哪里學”“什么時間學”等核心問題，與之相應，大規模個性化學習的實現同樣取決于能否解決時間、空間、目標、資源和路徑等的個性化問題。人工智能技術的出現為大規模個性化學習在實踐層面的實現提供了有利契機（Burden & Kearney， 2016; OECD， 2020）。一方面，人工智能支持的學習過程涉及行為、心理和生理等多模態數據，使學生的多維表現和學習過程以細粒度、可追溯的方式被記錄和呈現，有助于學習資源和學習路徑的個性化目標實現。另一方面，人工智能支持的數據挖掘過程嚴格遵循數據匯集、問題診斷、精準干預、全方位評估等流程，為形成性評價和預測性分析提供多元證據，經由精準畫像分析、群體分層建議、學習診斷報告和個性化學習路徑推薦等過程，能夠建構“以學定教—因材施教—以評促教”的智適應教育生態圈。

成人學習和在線教育人工智能研究所正是利用人工智能技術優勢，改善大規模在線教育的質量，尤其在新冠肺炎疫情期間，該研究將在線教育資源和課程內容融為一體，使教育能夠隨時、隨地、隨處傳播（Southern Oregon University， 2020）。在這個過程中，將智能數據、知識圖譜等嵌入在線學習系統，通過記錄學習者的全過程動態化數據，及時為每位學習者推薦個性化的學習資源和學習路徑。同時，利用人工智能技術，記錄學習者多模態行為數據，如表情、文字、動態等，并通過數據清洗與處理流程，探索學習者認知發生的進階規律，并給予積極干預與培訓，從而優化了學習者的個性化學習體驗，提升了學習過程的幸福感和有效性。此外，該研究所已經研發了人工智能雙師系統，借助智能化的資源推送和活動組織，有效減輕了教師的教學負擔。

（二）人工智能增強多模態融合的學習力提升研究

伴隨人工智能計算智能、感知智能和認知智能等的深入發展，多模態學習分析成為可能。通過充分捕捉學習者課堂行為、面部表情、手勢姿態等過程性信息，可更精準地判斷學情以及更有針對性地為學生提供積極干預，從而有效提升學習者的學習力（熊紅凱等， 2018; 陳凱泉， 2019）。其中，人工智能參與式學習研究所和人工智能動態系統研究所分別從多模態場景搭建和優質資源推送等視角，為我們展示了人工智能增強多模態融合的學習力領域的最新研究進展。

人工智能參與式學習研究所聚焦人工智能驅動的以敘事中心的學習、具體對話代理以及多模態學習分析（North Carolina State University， 2021）。其中，以敘事中心的學習，即利用人工智能技術驅動生成引人入勝的故事互動場景，并為學習資源推送、交流互動途徑等提供了更加豐富生動的使能條件，從而激發學習者群體協作創造力的發生。具體對話代理，即基于自然語言技術、計算機視覺技術等，將表情、手勢、坐姿等多種形態嵌入智能系統中，以支持與學習者的深度交流和互動，從而激發學習者注意力的持續投入，提高學習者有效學習成就的發生概率。多模態學習分析，即研究所通過課堂錄播方式，采集學習者的對話、眼神、面部表情、手勢和姿勢等多模態數據流，并采用人工智能技術清洗、分析多模態行為數據，探索學習者、教師以及師生之間的交互規律，從而為有效教學設計和活動干預等提供證據。事實上，國內已有研究團隊率先從技術賦能課堂的視角出發，深刻闡釋了依托智能互聯技術AIoT（Artificial Intelligence & Internet of Things）如何采集協作課堂、游戲化課堂、創客課堂和實訓課堂等典型場景中的多模態教育數據（顧小清， 等， 2021）。

人工智能動態系統研究所通過提供大量開源教育材料，包括講座、數據和代碼包，以推進人工智能增強的學習力研究。為了覆蓋更加廣泛多樣的學習社區，該研究所還將前沿在線講座、訓練營和講習班等融入課堂學習任務中，有助于學習者從K-12到研究生階段實現人工智能知識學習和實踐技能掌握的貫通性（Kutz & Brunton， 2021）。具體來說，研究所提供的人工智能教育資源包括初級、中級和高級等不同層級，以及大學本科、研究生等不同學段。以研究生階段的資源包為例，主要開設機器學習、動態系統控制等課程，并提供數據驅動科學與工程（Data-Driven Science and Engineering）、數據驅動建模與科學計算（Data-Driven Modeling & Scientific Computation）、應用線性代數和數值分析導論（Applied Linear Algebra and Introductory Numerical Analysis）復雜系統結構推斷（Inferring Structure of Complex Systems）等領域的前瞻性研究資源。學習者可以通過在線方式，隨時、隨地、隨處訪問人工智能學習資源，具體資源共享架構如圖1所示。

（三）人工智能賦能教育公平的可持續性發展研究

教育生態是在外部社會環境和內部教育規律約束下，由教學方式、學習體驗、管理服務、評估應用等多種要素有機結合并形成動態平衡的一種復雜系統。人工智能的發展，一方面推動外部社會環境變革，另一方面又直接影響多種教育要素，從而有力地推動教育生態系統的動態重塑。在這個進程中，如何為急遽變化、不可預知的未來提前布局具有勝任力的人力資本，實現高階人才個性化的發展需求，既是重要考量又是艱巨挑戰。

為構建公平而有質量的人工智能教育生態圈，人工智能優化研究所分別從機會公平、規模化決策和人工智能全納教育等方面制定了積極的行動舉措（McAleer， 2021）。

其一，為解決就業質量懸殊這一現實問題，該研究所提出了人工智能創新教育和勞動力發展行動規劃，尤為重視佐治亞州黑人高中和大學以及加利福尼亞州西班牙裔服務高中和大學等地域的智能化認知水平。與此同時，該研究所積極與國家實驗室和工程企業等協同制定實習方案，旨在建設多元化、包容性的交流社區，這也對人工智能技術服務的流動性和智能化人才的培養產生積極效應。

其二，研究所從教育生態的不確定性、動態發展性出發優化和協調數據驅動的模型方法，致力于在多線程環境中實現安全、可擴展的決策服務。同時，研究所采用緊湊型表示、數據壓縮和概率建模等創新方法，將動態預測和支持決策等緊密結合，從而實現了大規模強化學習、分散優化流程以及數據驅動的設計服務目標。此外，該研究所重視提供跨領域的人工智能交流學習機會，廣納高等院校、研究機構、企業等多元支持聯盟的協同力量，并將人工智能倫理安全、科學決策等納入學習日程中。

其三，該研究所非常關注智能教育的擴大參與和勞動力培養，為學習者從K-12到研究生階段貫通式教育持續提供支持。高中階段的教育服務目標是讓每位學習者盡早接觸人工智能技術應用機會，具體實踐支柱包括數據計算科學和人工智能學習訓練營、課堂工作坊、大規模在線開放課程等三部分內容。截至目前，該研究所已通過五個在線營地為150名學習者提供了智能化實踐服務。本科階段的教育服務目標是增加人工智能領域的少數族裔人數，具體圍繞佛羅里達州、喬治亞州、德克薩斯州和弗吉尼亞州等黑人院校，每年通過暑期夏令營的工作坊以及春秋學期的人工智能課程等，提高學習者的人工智能專業素養。研究生階段的教育服務目標是讓學習者獲得人工智能就業機會，具體為通過與其他國家實驗室和企業合作形式提供豐富多元化的實習機會。

五、教育視角的人工智能應用

挑戰及未來展望

提及未來，人們總是給予美好期待與無限探索。通過梳理NSF中心所資助的教育領域前瞻性研究我們可以發現，人工智能正在給未來社會以及人類發展帶來新的可能，無論是國際視野的前瞻性研究，抑或是頂層規劃的國家政策，都體現出未來將大力發展人工智能理論、技術和應用等方面的決心和抱負。

（一）立足社會生態，定位人工智能教育驅動下的創新人才培養戰略

隨著人工智能的不斷發展，社會、經濟、文化各領域均受到了劇烈沖擊。智能技術和數據算法的不斷升級，使得簡單的機械工作逐漸被機器取代，社會發展對勞動力素質的要求進一步提高。換句話說，人工智能發展帶來了社會全方位的變革，也對教育提前布局人力資本提出前所未有的要求（顧小清， 等， 2021）。因此，面對這一形勢培養什么樣的人才能應對未來社會的劇烈變化，是當前教育亟須解決的首要問題。從人工智能動態系統研究所基于證據決策的典型做法可以發現，人工智能時代專業人才的培育不僅依托智能化資源與內在價值認同等基礎條件，也需要結合社會生態與文化情境的大力支持。目前我國積極提倡人工智能實驗室和相關專業的設立，據不完全統計，人工智能領域的國家級實驗室有認知智能國家重點實驗室、深度學習技術及應用國家工程實驗室、類腦智能技術及應用國家工程實驗室、智能技術與系統國家重點實驗室、視覺與聽覺信息處理國家重點實驗室、模式識別國家重點實驗室等。同時，清華大學、北京大學、上海交通大學、浙江大學等頂尖高校也紛紛設立人工智能學院，重點培養人工智能方面的優秀人才。這也啟發我們，未來亟須立足社會生態發展概貌，充分調動多元支持聯盟的協同行動，努力實現創新人才培育的貫通式、全納式等需求樣態。

（二）回歸學習本質，挖掘人工智能使能的大規模個性化學習變革

每一次技術的發展都會重新定義學習者的角色，基于人機協同的自適應、個性化等學習新形態正在當前的教育環境中得以發展。可以說，人工智能技術融入的教育活動和組織形態，使得個性化學習空間、目標、資源和路徑等正在成為可能，這也必定會對未來學習方式產生顛覆性的重塑作用（Ahmad， 2019）。具體來講，人工智能增強的教育情境釋放了學習者機械性的學習時間，同時基于技術支持，能夠采集學習者全過程的規模化數據，從而科學干預有效學習的發生機制，提高學習者的學習體驗與深度學習傾向。正如人工智能參與學習研究所證實，通過人工智能虛擬助理采集學習者對話、眼神、面部表情、手勢等多模態數據流，能夠引發師生協作交互的創新能力和生活方式。因此，我們可以預見，未來的學習將更多地走向基于自適應的個性化學習，未來的學校將會是一個注重個性、尊重學生發展的智慧孵化基地，在這種情境下如何充分借助人工智能技術優勢回歸學習的本質，促成大規模個性化學習的變革，將是后續研究的重要抓手。

（三）瞄準教育創新，探索知識創造以及教育創新變革的智能方式

人工智能技術的出現已經在社會、經濟、文化等領域產生了顛覆性影響，尤其是在教育的服務組織方面，人工智能正在改變知識的內涵、生產方式和傳播方式，進而推動教育變革。與此同時，技術的持續發展對知識本質的探究創造了更多的可能性，也為知識創造提供了擬真的條件和連接的資源。在NSF資助的前瞻性研究中，我們尤其感受到，在人工智能技術的助力下教育知識傳播與生產途徑正呈現出多源與多向的融合趨勢。例如，在教育知識傳播層面，由互聯網大眾普及化轉向了智能時代的個性化推薦方式，這為教育的全民化、終身化和公平化等貢獻了巨大力量。在教育知識生產層面，在技術與社會生態的互動支持下，非正式化、小眾、顛覆性甚至冷門知識等可以隨時進入教育研究視野中，開放性、包容性的知識呈現樣態和創造方式也正在為教育系統的創新變革提供可行方向與加速催化作用。

（四）面向教育現狀，尋求人工智能時代教育生態重構的技術路徑

人工智能已經對社會產生了劇烈的震蕩，伴隨其在教育領域的延伸，人工智能對于未來教育必然會產生革命性的影響。在這種情勢下，如何直面教育系統復雜變化的發展樣貌，如何積極干預課程資源、教學服務、管理評價等方面與人工智能技術的融合路徑，嘗試構建適應性的學校智能教育實踐模式和服務體制，以及如何規避人工智能教育生態中的安全和倫理風險等，如何突圍技術生態的不強韌狀態，正是我們需要正視并審慎對待的。事實上，我們可從三個方面尋找突圍路徑：一是從智能化學習場域出發，通過探討人工智能對于學習場域變革所發揮的功效分析智能化學習場域的內涵和外延，從而明確智能教育的形態和特征，定義未來學習的可能發展樣態和功能定位。二是根據不同階段、不同類別教育的規律、特點和目的，分析其與人工智能深度融合的路徑和方式，并從整體教育系統的角度構建符合中國國情、發揚中國特色的智能教育體制。三是重視人工智能技術應用研究成果的轉化，打造“產—學—研”“家—校—社”等一體化的智能發展態勢。總之，基于理性、客觀的感知態度，借助多元協同的聯盟優勢，為正在發生并將持續發生的技術和教育創新提供支持，以形成基于人工智能的未來教育生態。

六、結語

人工智能對人類社會系統起到了革命性影響與變革作用，由此導致產業與人力資本結構發生了重大轉變。教育生態如何去適應和應對這一巨大沖擊進而在這種相互作用下推演和明確教育系統將被重塑至何種樣態尤為關鍵。我們團隊基于人工智能在社會、經濟、教育、科技等領域的前瞻性進展，探索人工智能研究所的研究集群和創新性研究思路，旨在進一步明晰人工智能在社會生態中的宏觀定位，以及人工智能使能下的教育生態微觀推演。在此基礎上，本研究結合國情，從實踐層面回應了人工智能教育驅動下創新人才培養、人工智能使能的大規模個性化學習、知識創造、教育創新變革的智能方式以及人工智能時代教育生態重構的現實路徑，以期形成契合我國發展特色的人工智能教育戰略。

[參考文獻]

陳凱泉，張春雪，吳玥玥，劉璐. 2019. 教育人工智能（EAI）中的多模態學習分析、適應性反饋及人機協同[J]. 遠程教育雜志，37（5）：24-34.

顧小清，蔡慧英. 2021. 預見人工智能的未來及其教育影響——以社會性科幻為載體的思想實驗[J]. 教育研究，42（5）：137-147.

顧小清，王超. 2021. 打開技術創新課堂教學的新窗：刻畫AIoT課堂應用場景[J]. 現代遠程教育研究，33（2）：3-12.

國務院. 2017-07-20. 國務院關于印發新一代人工智能發展規劃的通知[EB/OL]. [2021-09-02]. http：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm

劉笑，胡雯. 2020. 《美國國家人工智能研究機構計劃》的主要做法和啟示[J]. 上海質量（6）：16-18.

熊紅凱，高星，李劭輝，徐宇輝，王涌壯，余豪陽，劉昕，張云飛. 2018. 可解釋化、結構化、多模態化的深度神經網絡[J]. 模式識別與人工智能，31（1）：1-11.

Ahmad， T. （2019）. Scenario based approach to re-imagining future of higher education which prepares students for the future of work. Higher Education， Skills and Work-Based Learning， 10（1）， 217-238.

Burden， K.， & Kearney， M. （2016）. Future scenarios for mobile science learning. Research in Science Education， 46（2）， 287-308.

David.， S， & Santhosh.， R.2020-08-26. NSF advances artificial intelligence research with new nationwide institutes [EB/OL]. [2021-09-01]. https：//www.nsf.gov/news/special_reports/announcements/082620.jsp

Jason.， B. 2021-07-29. Expanding the geography of innovation： NSF AI Research Institutes 2021[EB/OL]. [2021-09-01]. https：//beta.nsf.gov/science-matters/expanding-geography-innovation-nsf-ai-research- institutes-2021

Kutz.， J.N.， Brunton.， S.2021-07-29. UW to lead new NSF institute for using artificial intelligence to understand dynamic systems [EB/OL]. [2021-09-01]. https：//www.washington.edu/news/2021/07/29/uw-to- lead-new-nsf-institute-for-using-artificial-intelligence-to-understand-dynamic-systems/

McAleer.， K.2021-07-29. UC Berkeley， Georgia Tech and USC launch new national AI research institute [EB/OL]. [2021-09-01]. https：//engineering.berkeley.edu/news/2021/07/berkeley-20m-nsf-national- ai-research-institute/

North Carolina State University. 2021-07-29. The national science foundation AI Institute for engaged learning [EB/OL]. [2021-09-01]. https：//www.aiengage.org/

OECD （2020）. Back to the future of education： Four OECD scenarios for schooling， educational research and innovation， OECD Publishing， Paris. [EB/OL]. [2021-09-01]. https：//www.oecd-ilibrary.org/docserver/178ef527-en.pdf？expires=1630976726&id=id&accname=ocid490 26773&checksum=29042E003CB9EEDDDB60AB6299062547

Southern Oregon University. 2020-07-24. Artificial intelligence and adult learning [EB/OL]. [2021-09-01]. https：//online.sou.edu/articles/education/artificial-intelligence-and-adult-learning.aspx

收稿日期：2021-09-19

定稿日期：2021-09-25

作者簡介：顧小清，博士，教授，博士生導師;李世瑾，博士研究生;李睿，碩士研究生。華東師范大學教育信息技術學系（200062）。

責任編輯 郝 丹