人工智能之于教育的未來圖景：機器行為學(xué)視角

孫立會 王曉倩

摘要：作為引領(lǐng)第四次工業(yè)革命的主力軍之一，“人工智能+教育”是處于發(fā)展的制高點還是轉(zhuǎn)型的關(guān)鍵期這一追問備受關(guān)注，人工智能由來已久的研究及數(shù)十年的發(fā)展進程為“人工智能+教育”領(lǐng)域鋪墊了深厚的技術(shù)基礎(chǔ)。人工智能教育的應(yīng)用主要體現(xiàn)在教學(xué)技術(shù)工具、教學(xué)數(shù)據(jù)分析以及教學(xué)課程管理層面，同時又存在數(shù)據(jù)選擇偏差、學(xué)生情感忽視、課堂主體錯位等問題。時代萌發(fā)的人工智能領(lǐng)域與歷史孕育的教育領(lǐng)域的交融，無疑是一場共生與碰撞的博弈。人工智能的重效率、成效的即時性、技術(shù)的割裂性、使用的同一性以及無情主義與教育的重效果、表征的后顯性、發(fā)展的規(guī)律性、對象的差異性以及特有的人文主義形成明顯反差。機器行為學(xué)為我們提供了全新的視角，開辟了機器的智化、自適應(yīng)、共情性以及其聯(lián)結(jié)性的研究方向，預(yù)見“人工智能+教育”發(fā)展的未來偉大圖景：打造學(xué)習(xí)者個人數(shù)據(jù)庫、提供引導(dǎo)性技術(shù)支持服務(wù)、更迭共生發(fā)揮人工智能教育更大效用、注重道德倫理發(fā)展不可離心。

關(guān)鍵詞：人工智能；教育；機器行為學(xué)；審辯；圖景

中圖分類號：G434 文獻標(biāo)識碼：A

* 本文系全國教育科學(xué)“十三五”2019年國家青年課題“非計算機化與計算機化兒童編程教育的理論與實踐研究”（課題編號：CCA190261）階段性研究成果。

一、引言

人工智能這一概念自上世紀六十年代提出以來，相關(guān)研究已歷經(jīng)半個多世紀，期間經(jīng)歷過數(shù)次發(fā)展熱潮與挫折，在當(dāng)代又煥發(fā)出新的生命活力。人工智能因其概念定義的復(fù)雜性與多樣性，導(dǎo)致各界各領(lǐng)域?qū)ζ湔J知理解、學(xué)術(shù)研究與延伸發(fā)展都莫衷一是，因此也造就了人工智能研究的蓬勃景象。人工智能賦能教育成為教育研究工作者們廣泛探討的聚焦點，研究者們不僅關(guān)注人工智能之于教育教學(xué)實踐的優(yōu)勢價值，也逐漸轉(zhuǎn)向人工智能在教育應(yīng)用中的相關(guān)問題與挑戰(zhàn)、倫理與規(guī)則、應(yīng)用與治理等方向。然而，人工智能定義概念復(fù)雜多樣，應(yīng)用領(lǐng)域豐富廣延，理清人工智能的概念邊界問題是解決人工智能之于教育應(yīng)用的問題及挑戰(zhàn)的基礎(chǔ)前提，何為人工智能，它有哪些研究分支拓展？現(xiàn)今研究與發(fā)展的人工智能與其誕生之初的人工智能概念內(nèi)涵是否一致？為何人工智能在教育中的應(yīng)用效果并不如人意？應(yīng)當(dāng)以何視角來審視與應(yīng)對當(dāng)前人工智能教育應(yīng)用中存在的問題與挑戰(zhàn)？基于此，文章首先對人工智能的定義邊界及發(fā)展階段等問題進行歸納梳理，呈現(xiàn)出一個較完備的人工智能發(fā)展的脈絡(luò)圖景，分析人工智能在教育領(lǐng)域中的應(yīng)用盲點，其次站位在人工智能時代發(fā)展新理念——機器行為學(xué)（Machine Behavior）的視角下審視人工智能教育應(yīng)用問題的發(fā)展契機，最后提出對應(yīng)的策略建議，勾勒人工智能在教育應(yīng)用中的未來圖景。

二、追本：人工智能與“人工智能+教育”

人工智能正在重新定義教育的過程及價值，重塑教育的外在形態(tài)與內(nèi)在結(jié)構(gòu)，其研究的最大風(fēng)險與挑戰(zhàn)在于人們過早地斷定對于它完全準(zhǔn)確的理解，人們很容易認為其對人工智能的了解比他們實際知道的要多得多[1]。教育作為人工智能研究的核心領(lǐng)域之一，也是反映人工智能技術(shù)興衰變化與發(fā)展問題的主陣地。對人工智能概念源頭與發(fā)展軌跡的追蹤或許能夠為其當(dāng)前發(fā)展中面臨的問題與挑戰(zhàn)提供新的思路與視野；厘清“人工智能+教育”應(yīng)用的現(xiàn)狀及局限能夠為研究展現(xiàn)更為客觀全面的邏輯脈絡(luò)，提供更為宏觀的視角站位。

（一）人工智能的發(fā)軔

1955年8月，一群從事機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、圖靈理論等相關(guān)研究的年輕學(xué)者向洛克菲勒基金會遞交項目建議書，描述了他的研究猜想：即學(xué)習(xí)的每一方面或智力的任何特征原則上都可以精確地通過機器來模擬制造。研究將嘗試探索機器如何使用程序語言抽象問題概念，以此幫助人類解決與改善現(xiàn)實問題[2]。1956年，約翰·麥卡錫、馬文·明斯基、赫伯特·西蒙、艾倫·紐維爾以及克勞德·香農(nóng)等研究者聚集在美國漢諾斯小鎮(zhèn)的達特茅斯學(xué)院進行機器模仿人類學(xué)習(xí)以及其它方面智能的研討。歷時兩個月的會議雖沒有達成普遍共識，但“人工智能”這一名詞卻得以保留與延用。在此次會議上，與會學(xué)者將人工智能定義為機器以與人類相似的方式理解、思考和學(xué)習(xí)的能力，關(guān)注使用計算機模擬人類智能的可能性[3]。

（二）人工智能的發(fā)展

人工智能以宏偉的技術(shù)愿景開篇，其后續(xù)的發(fā)展進程中卻阻礙重重。人工智能興起之初因缺乏對人工智能相關(guān)原理知識的深究以及機器翻譯失敗等問題，使人工智能發(fā)展陷入低谷。而伴隨計算機的廣泛盛行，人工智能發(fā)展進入新階段，專家系統(tǒng)出現(xiàn)引起了又一輪的研究高潮，將人工智能引向了更加專門系統(tǒng)且實用化的發(fā)展方向。赫伯特·西蒙曾預(yù)言計算機的出現(xiàn)將迅速推進人工智能的跨越式發(fā)展，但事實證明其進展比專家預(yù)期要緩慢得多。同時，馬文·明斯基與西蒙·派珀特提出，某些神經(jīng)網(wǎng)絡(luò)的計算能力是有限的，并且是計算系統(tǒng)永遠無法模仿與學(xué)習(xí)的，這一論斷造就了即將興起的神經(jīng)網(wǎng)絡(luò)研究近十年的枯竭與推遲。同時，個人計算機的崛起迅速占領(lǐng)整個計算機市場，其中央處理器處理能力甚至優(yōu)于當(dāng)時的LISP（List Processing）語言系統(tǒng)，此階段的發(fā)展更加奠定了計算機軟件系統(tǒng)等實用性技術(shù)的重要地位。但因?qū)Ｓ肔ISP機器硬件銷售市場嚴重崩潰，包括著名的日本“第五代計算機研究計劃的失敗”使得人工智能中的專家系統(tǒng)受到嚴重懷疑，政府與各界也相繼切斷了對人工智能研究的資金投入，人工智能發(fā)展再次陷入“寒冬”。此時，研究者開始質(zhì)疑自上而下的程序設(shè)定的人工智能研究意義，認為人工智能技術(shù)也應(yīng)擁有自身的感知與判斷能力，自下而上才能實現(xiàn)真正的智能。

（三）人工智能在教育中的應(yīng)用

人工智能的應(yīng)用場景覆蓋智能輔導(dǎo)、自適應(yīng)學(xué)習(xí)、數(shù)據(jù)決策等多領(lǐng)域[4]，集中體現(xiàn)在教學(xué)技術(shù)工具、教學(xué)數(shù)據(jù)分析以及教學(xué)課程管理三方面。在技術(shù)工具方面，新興技術(shù)最初進入教育領(lǐng)域帶來的成效即表現(xiàn)為相關(guān)工具的更新與進步，這也是人工智能教育的最淺層表征。智能教學(xué)系統(tǒng)推動在線學(xué)習(xí)的發(fā)展，研究者通過軟件設(shè)計來模仿優(yōu)秀人類導(dǎo)師的教學(xué)活動，識別并糾正使用者學(xué)習(xí)過程中的優(yōu)勢與缺陷，針對性地給出個性化指導(dǎo)與解決方法；同時智能教學(xué)系統(tǒng)以其個性化的教學(xué)模式、獨特的師生交流方式和低廉的價格在一定程度上緩解了教育資源的公平性問題。基于利用編程語言和傳感技術(shù)的教育機器人幫助低齡層次的兒童通過編碼推理設(shè)計機器人的行為活動。人工智能對教學(xué)工具的影響逐漸由線上發(fā)展至線下，由虛擬發(fā)展至實物。在數(shù)據(jù)分析方面，智能學(xué)習(xí)系統(tǒng)產(chǎn)生的教育大數(shù)據(jù)成為了教學(xué)參考的第一手資料。并且，此過程中收集的學(xué)生反饋建議也用于改進技術(shù)設(shè)計的教育應(yīng)用問題。在教學(xué)管理方面，人工智能技術(shù)在校園及班級的應(yīng)用，通過算法數(shù)據(jù)的收集形成針對性的問題報告并及時總結(jié)處理，如智慧校園的建設(shè)、試卷的測評與分析等。因此，人工智能在教育中的應(yīng)用目前更多集中在利用某種專門的技術(shù)手段對教學(xué)與學(xué)習(xí)問題的緩解與解決，更加注重應(yīng)用性與實用性的發(fā)展特點，但也正朝著更加智能化、人性化、自由化、情感化等的方向發(fā)展。因此，在面向通用人工智能的教育應(yīng)用的需求之上也需要我們具備審視與前瞻性的視角。

（四）教育應(yīng)用人工智能所產(chǎn)生的問題

人工智能在教育應(yīng)用中呈現(xiàn)出諸多問題需要我們理性思辨與謹慎審視。首先是課堂教師教與學(xué)過程中的數(shù)據(jù)選擇偏差，如“信息繭房效應(yīng)”。由于教育中應(yīng)用人工智能技術(shù)使得學(xué)習(xí)具有了更大的自由與自主性，因此學(xué)習(xí)者可能會習(xí)慣性地被自己的興趣所引導(dǎo)，偏向于自己喜歡的信息領(lǐng)域知識，就如將自身桎梏與“蠶繭”中一般；同時教師在課堂教學(xué)技術(shù)使用過程中可能更加信任數(shù)據(jù)對問題的分析與呈現(xiàn)，不能對學(xué)習(xí)者進行全面評價，由此產(chǎn)生評價定勢與算法偏見等；其次，技術(shù)之于教育的最大問題就是對學(xué)生情感的忽視，當(dāng)前教育中人工智能技術(shù)的應(yīng)用尚未達到對學(xué)習(xí)者情感、態(tài)度、思維等的全面數(shù)據(jù)領(lǐng)域的收集與評估，并且越是簡單的思維與認知活動，程序系統(tǒng)復(fù)制起來就越困難。馬文 明斯基曾指出，情感是一種更高級的思維方式，人工智能技術(shù)目前的發(fā)展階段想要達到準(zhǔn)確的模擬與應(yīng)用的程度尚需一段距離，人工智能機器不能做的正是目前教師應(yīng)當(dāng)對學(xué)習(xí)重點培養(yǎng)的方向內(nèi)容；再次，人工智能改善課堂教學(xué)過程中可能造成主體錯位，智慧技術(shù)課堂使得教學(xué)與學(xué)習(xí)有更強的依賴性，教師在使用過程中可能將教學(xué)重點完全付諸于人工智能技術(shù)的使用過程，或者對人工智能機器的輸出結(jié)果完全信任，使得教學(xué)主體錯位，人工智能不會取代教師的教學(xué)地位，但是卻會取代不會正確使用人工智能教師的地位；同時學(xué)習(xí)者在使用人工智能技術(shù)學(xué)習(xí)的過程中將學(xué)習(xí)重點與精力集中在對技術(shù)設(shè)備的操作上，過于注重技術(shù)形式反而使得學(xué)習(xí)活動更為繁瑣影響學(xué)習(xí)效果。因此，不論是在教學(xué)或是學(xué)習(xí)過程中都應(yīng)當(dāng)謹記，機器的行為還是要由人來負責(zé)，由研發(fā)者與使用者來負責(zé)。

三、審辯：人工智能在教育中的應(yīng)用為何有限

十幾年前，喬布斯就提出“為什么信息技術(shù)改變了幾乎所有領(lǐng)域，卻唯獨對教育的影響小得令人吃驚”。而時至今日，人們對喬布斯之問仍沒有給出完好的回答。人工智能作為未來互聯(lián)網(wǎng)時代的風(fēng)向標(biāo)，已成為助力眾多領(lǐng)域發(fā)展的福音，而為何人工智能與其它領(lǐng)域迅速交融并互相適應(yīng)大踏步前進的同時，其在教育領(lǐng)域發(fā)揮的功效卻讓人失望？其與教育的契合程度及作用效果與人們描繪的智能時代下教育的偉大藍圖相差甚遠。人工智能具有的機器化本質(zhì)特點與教育“育人”功能的特殊性導(dǎo)致了“人工智能+教育”并不是在教育中簡單的加入技術(shù)或應(yīng)用技術(shù)，人工智能與教育多方面的不匹配特點造成現(xiàn)階段人工智能在教育中應(yīng)用的有限性后果。

（一）表與里：人工智能的重效率與教育的重效果

機器帶給人類生活最重要的變化之一無疑是提高了人類的工作效率。這也是數(shù)次工業(yè)革命與機器產(chǎn)生及進化的出發(fā)點。在人工智能技術(shù)應(yīng)用于教育領(lǐng)域的過程中，機器這一有效提高工作效率的“看家本領(lǐng)”自然而然延伸到教育教學(xué)過程中的方方面面。教師通過展示數(shù)字化教學(xué)材料將知識全面迅速地傳遞給學(xué)習(xí)者、作業(yè)輔導(dǎo)軟件能夠在極短的時間內(nèi)為學(xué)習(xí)者提供疑難問題的解答過程、無邊界的網(wǎng)絡(luò)技術(shù)在緩沖時間結(jié)束后即可提供給師生海量的教學(xué)資源，技術(shù)帶給教學(xué)的高效性成為當(dāng)前人工智能在教學(xué)領(lǐng)域中最為顯著的表現(xiàn)。在制造行業(yè)，高效率的生產(chǎn)過程解決了傳統(tǒng)制造產(chǎn)業(yè)鏈中產(chǎn)品生產(chǎn)速度慢、精度低的主要矛盾。而教育以培養(yǎng)完整的人為目標(biāo)，教育的發(fā)力點在于學(xué)習(xí)者的知識構(gòu)建與能力養(yǎng)成而非縮短學(xué)習(xí)年限，更注重教學(xué)培養(yǎng)的效果而不是效率。教育的高效率并不意味著好效果，若人工智能領(lǐng)域研究者及教育領(lǐng)域?qū)＜覍逃械娜斯ぶ悄芗夹g(shù)從初始即貼上提高效率的標(biāo)簽，則人工智能在教育中更本質(zhì)及更重要的發(fā)展則難以突破。

（二）顯與隱：人工智能成效的即時性與教育成果的后顯性

機器在不斷的更迭中追求靈敏的反應(yīng)速度與準(zhǔn)確的反應(yīng)精度，強調(diào)即時性的反饋結(jié)果。這種即時效果帶來的瞬時滿足感與階段性反饋與教育成效的后顯性形成鮮明對比。人工智能賦能課堂為教育理念、教學(xué)空間和教學(xué)活動帶來了深刻變革，教與學(xué)過程中的即時結(jié)果在一定程度上雖利于教學(xué)模式與學(xué)習(xí)方法的及時調(diào)整與適應(yīng)，但從另一方面看，短暫過程的即時反饋使師生停留在階段性活動結(jié)果的獲得感中，蒙蔽了師生對教育長遠目標(biāo)實現(xiàn)的需求，沉浸在人工智能構(gòu)建的“偽”教學(xué)目標(biāo)中，師生的教與學(xué)活動反而是成為迎合智能技術(shù)積極正向反饋的“偽”教學(xué)實踐。這種“偽”教學(xué)實踐是指看似以教育為目標(biāo)導(dǎo)向?qū)崉t為獲取短暫技術(shù)肯定的一些實踐活動，如教師利用軟件進行教學(xué)展示，看似機器反饋結(jié)果中師生的互動頻率、學(xué)生興趣等呈正向增長，但學(xué)生自身對知識的理解與領(lǐng)會程度、所培養(yǎng)的核心素養(yǎng)能力體現(xiàn)等并未如智能技術(shù)提供給我們的即時反饋這般如人所愿。教育真正的成果效用絕不是短暫時間段中所能體現(xiàn)出來的。因此，人工智能技術(shù)的即時性成效反饋與教育長期性及后顯性成果展現(xiàn)之間的顯與隱的沖突，一方面將師生禁錮在教學(xué)實踐單一維度的直觀性表現(xiàn)之中，忽視了教育的長期性隱藏表征；另一方面，也造成人工智能技術(shù)在教育領(lǐng)域應(yīng)用功效淺顯的表象，技術(shù)的應(yīng)用方法得當(dāng)與結(jié)果反饋良好與教育效果的延遲反射除技術(shù)與教育融合不當(dāng)之外，亦有人們急人工智能技術(shù)之功近教育效果之利的因素影響有關(guān)。

（三）點與面：人工智能應(yīng)用的割裂性與教育發(fā)展的規(guī)律性

智能機器的多樣性帶來豐富的技術(shù)體驗，而缺少條理的交叉聯(lián)結(jié)造成智能技術(shù)應(yīng)用的分離化與割裂性。不同的技術(shù)應(yīng)用猶如工具孤島分別作用于教育的各個環(huán)節(jié)而與教育整體相分離，技術(shù)應(yīng)用本身并無其特性或規(guī)律性可言，其所彰顯的是依附于其所應(yīng)用的領(lǐng)域而實現(xiàn)。在人工智能技術(shù)的使用過程中，人們相對忽視技術(shù)的內(nèi)在協(xié)調(diào)統(tǒng)一及不同技術(shù)工具間的聯(lián)系配合，反觀教育過程，則是一個漫長緩慢的發(fā)展進程，教育發(fā)展具有其內(nèi)在的規(guī)律與趨勢，在長期的實踐與優(yōu)化過程中提煉其發(fā)展特點，從而利于教育目標(biāo)的實現(xiàn)。而人們往往忽略人工智能技術(shù)應(yīng)用的內(nèi)在邏輯性，分散化的技術(shù)應(yīng)用更像是間斷插入教育過程中的個性化特色工具零件，技術(shù)內(nèi)部的孤立及其與教育過程的錯位匹配為人工智能技術(shù)與教育的契合造成難度。將教育實踐強行置入智能技術(shù)應(yīng)用的框架中則割斷了教育過程及發(fā)展的完整性，而將智能技術(shù)融合嵌入教育活動進程則為技術(shù)的內(nèi)在統(tǒng)一性與融合化有所要求。目前，人們對人工智能技術(shù)應(yīng)用于教育中的研究停留在對單一技術(shù)的使用與分析中，對技術(shù)應(yīng)用缺乏整體觀與內(nèi)在性的理解與探究，這為人工智能技術(shù)在教育中的良性應(yīng)用帶來阻礙。

（四）同與異：人工智能使用的同一化與教育實踐的差異性

技術(shù)無謂學(xué)習(xí)者的個體差異，難以感知學(xué)習(xí)者不同的學(xué)習(xí)風(fēng)格及認知能力，忽視學(xué)習(xí)者的不同特征或?qū)ζ洳煌l(fā)展進程束手無策。這與教育過程的特點大相徑庭，教育不是通過同樣的生產(chǎn)線或生產(chǎn)方式去產(chǎn)出同一的“產(chǎn)品”，雖然教育培養(yǎng)的目標(biāo)指向適應(yīng)于未來社會所需要的人才，但其教育過程的生產(chǎn)線各不相同，以滿足相應(yīng)學(xué)習(xí)者自身需求并適合學(xué)習(xí)者自身特點而建構(gòu)知識的教授與能力的養(yǎng)成。人工智能技術(shù)的模式化、高效化追求無疑是提供了教學(xué)活動的呆板框架，缺少依據(jù)學(xué)習(xí)者特征而做出的靈活變通。在其大力倡導(dǎo)的個性化教學(xué)方面，智能技術(shù)僅是提供了學(xué)習(xí)者相關(guān)錯題解答、學(xué)習(xí)者學(xué)習(xí)過程中的各項數(shù)據(jù)或?qū)W習(xí)者的不同學(xué)習(xí)需求，其背后的算法原理仍包裹著機器的外殼，而這并不能成為個性化教學(xué)，針對不同學(xué)習(xí)者的教授方法、教學(xué)引導(dǎo)等，智能技術(shù)并未提供進一步的學(xué)習(xí)指導(dǎo)或環(huán)境構(gòu)建，僅是提供不同學(xué)生的學(xué)習(xí)分析報告，將個性化教學(xué)與個性化學(xué)習(xí)的重頭戲拋還給了教師與學(xué)生。非常顯著的一點是，智能技術(shù)在面對任何學(xué)習(xí)者時，其所提供的學(xué)習(xí)支持服務(wù)與指導(dǎo)幫助大同小異，并不會因為學(xué)習(xí)者自身特點的不同而有在功能服務(wù)與過程引導(dǎo)等方面的不同，而教師在面對不同學(xué)習(xí)者時，能夠依據(jù)學(xué)習(xí)者的學(xué)習(xí)能力及個性化特點自然地選擇最優(yōu)化的教學(xué)方式展開教學(xué)，這種智能技術(shù)的同一化對待與教育實踐的差異性要求間的沖突，亦是“人工智能+教育”的現(xiàn)有局限性之一。

（五）冷與熱：人工智能的無情主義與教育的人文情懷

人工智能技術(shù)的初始定位及現(xiàn)有技術(shù)水平促進的意向結(jié)構(gòu)使人工智能延伸了人的功能，其在完成人類需要做的任務(wù)的同時削弱了人類主觀意識對事物的理解偏差，目標(biāo)在穩(wěn)固的算法驅(qū)動下直指輸出實現(xiàn)結(jié)果，這種“手段—目的”的鏈條[5]在循環(huán)往復(fù)中構(gòu)成人工智能技術(shù)的單一思維，其直指設(shè)定目標(biāo)嚴格按照算法指令執(zhí)行操作而毫無人類情感的性質(zhì)促成了機器的高效性，而教育中蘊含的新人文主義強調(diào)尊重人性，在關(guān)注人的潛能的同時肯定人的自我價值，提升人的思想境界。機器的強目的性與無情感特點使得技術(shù)運用于教育的過程中忽視了人的情感因素，教育中所強調(diào)的“以情感人，以德育人”思想對人工智能技術(shù)而言比運行算法執(zhí)行指令困難得多。我們通常從自身的特點出發(fā)去理解它物，技術(shù)的單向度理解亦是如此。人工智能所理解的服務(wù)對象是如同技術(shù)一般沒有生機的人工物，正如人工智能技術(shù)本身所表現(xiàn)給人類的一樣。智能技術(shù)能夠感知學(xué)習(xí)者計算智能、表達智能這些可以“言說”維度下的外顯智能[6]，教育則注重學(xué)習(xí)者內(nèi)在心理及情感的培養(yǎng)，以培養(yǎng)“完整的人”為目標(biāo)。人工智能為達到客觀目標(biāo)執(zhí)行指令與教育為培養(yǎng)完人而融入人文情懷間的情感鴻溝造成智能技術(shù)在教育領(lǐng)域應(yīng)用中的困難。

四、視角：機器行為學(xué)為“人工智能+教育”帶來的轉(zhuǎn)變

人工智能是機器表現(xiàn)出來的智能，用來描述模仿人類與其他人類思維相聯(lián)系的“認知”功能，例如“學(xué)習(xí)”和“解決問題”[7]。許多人工智能算法能夠從數(shù)據(jù)中學(xué)習(xí)，它們可以通過學(xué)習(xí)新的啟發(fā)式方法來增強自己，也可以自己編寫其他算法。一直以來，人類以締造者的主體身份研究機器行為并從中尋求機器改進的方法，如圖1所示。計算機科學(xué)家已在理解人工智能系統(tǒng)的機制和發(fā)展方面取得了實質(zhì)性的進展，但相對而言，人們對人工智能系統(tǒng)化功能和內(nèi)在演變的重視較少。2019年4月，Nature發(fā)表了一篇以“Machine Behavior”為題的綜述文章，宣告“機器行為學(xué)” 這門跨越多個研究領(lǐng)域的新興學(xué)科正式誕生。研究人員認為人工智能正在成為人類社會的重要組成部分，大量人機倫理問題不斷提出和解決，科學(xué)家們應(yīng)當(dāng)像研究人類和動物行為那樣，引入人工智能與外部環(huán)境互動的視角，深入研究機器和機器群體的宏觀行為規(guī)律。

動物行為學(xué)領(lǐng)域中涉及四個基本維度，涉及行為的功能、機制、發(fā)展和進化歷史等問題，這為機器行為學(xué)提供了一個組織框架。機器行為的產(chǎn)生與發(fā)展與算法和算法運行的社會環(huán)境有著密切聯(lián)系[8]，環(huán)境信息能夠影響機器的決策，機器有產(chǎn)生內(nèi)在行為的機制，機制依賴于算法及其環(huán)境，將環(huán)境信息集成到行為中，逐漸實現(xiàn)算法的更新，并產(chǎn)生適應(yīng)于環(huán)境需要的功能性成果，實現(xiàn)算法的創(chuàng)新應(yīng)用，并能夠在其他機器中得以傳播，導(dǎo)致特定機器在特定環(huán)境中變得或多或少的普遍，這一過程體現(xiàn)著過去環(huán)境和人類決策持續(xù)影響機器行為的進化歷史。理解機器行為如何隨環(huán)境輸入的變化而變化非常重要，對機器行為的主動性賦予提供了我們面對技術(shù)的新態(tài)度與分析技術(shù)的新視角。

人工智能和專業(yè)知識的觀點主要依賴于隱性技能而不是顯性的符號操作[9]，圖靈認為，僅僅因為我們不知道控制復(fù)雜行為的規(guī)則，這并不意味著不存在這樣的規(guī)則。而對機器運行及進化的內(nèi)在規(guī)則的探索與發(fā)現(xiàn)將為我們發(fā)展人工智能技術(shù)提供更為寬廣的視角，如圖2所示。無論機器自其產(chǎn)生之日起即具備自身的協(xié)調(diào)發(fā)展機制，還是隨著技術(shù)的進步與未來的需求而逐漸生成自我調(diào)節(jié)的系統(tǒng)，研究機器的行為以對機器算法的工作與發(fā)展脈絡(luò)有較為清晰的解讀，從而為人類帶來更大的便利并避免毀滅性的技術(shù)爆炸具有不言而喻的意義。機器行為學(xué)提出要從三個方面探討機器行為的規(guī)律性及內(nèi)在聯(lián)系，分別是機器個體、機器集體以及混合人機行為方面，在機器個體方面，機器的智慧化為算法創(chuàng)新提供思路，機器的自我協(xié)調(diào)機制使機器具備自適應(yīng)的特點；在機器集體方面，不同機器之間的數(shù)據(jù)共享與算法適配助力構(gòu)建機器網(wǎng)絡(luò)；在混合人機方面，機器的共情性得以凸顯，以幫助學(xué)習(xí)者培養(yǎng)高階思維及情感。我們將其提煉歸納為機器的智化、機器的自適應(yīng)、機器的聯(lián)結(jié)性以及機器的共情性。

（一）機器智化：為解決實踐難題構(gòu)建新方法

機器行為學(xué)視角將機器的行為作為研究對象進行探索，為我們提供了從機器本身的角度去看待人工智能應(yīng)用的思路。通過了解“機器行為”來幫助人們理解社會中無處不在的算法系統(tǒng)是如何工作的，監(jiān)管其可能造成的后續(xù)后果[10]，以期賦予算法主動更新與自動生成的環(huán)境設(shè)定。機器智化強調(diào)的不是智能化，智能技術(shù)在硬件設(shè)備及軟件準(zhǔn)備等方面均已達到較為完備的程度，智化強調(diào)的是智慧化，圖靈的經(jīng)典問題“機器能像人類一樣思考嗎？”仍未在現(xiàn)實中得到真實的映射反饋，人類想做什么是由人類而不是人工智能決定，我們不需要決定一臺機器究竟是否能夠“思考”，我們只需決定一臺機器是否能像人類一樣聰明地工作。早在1943年，休伯特·德雷弗斯（Hubert·Dreyfus）提出我們應(yīng)該能夠用某種物理裝置再現(xiàn)神經(jīng)系統(tǒng)這一論點[11]，世衛(wèi)組織估計，到2029年，計算機的能力將足以進行完整的大腦模擬[12]。機器的智慧化發(fā)展使其具有了能自我提取、處理、分析并整合以往算法執(zhí)行指令及輸出結(jié)果等信息的能力，機器應(yīng)該具有在其長期操作中所獲得的“經(jīng)驗”，并能夠?qū)⑵錃w納提煉放入機器本身的“黑匣子”中，能夠通過預(yù)設(shè)的算法解決絕大多數(shù)學(xué)習(xí)者的絕大多數(shù)問題，而針對不同于一般難度的學(xué)習(xí)者問題，能夠從“黑匣子”中獲取構(gòu)建新算法的經(jīng)驗或方向，機器行為學(xué)則可通過對機器面對不同相似度或不同難度問題的處理方式與執(zhí)行記憶，有意引導(dǎo)機器對算法指令的自我創(chuàng)造與自動生成，機器有產(chǎn)生行為的內(nèi)在機制，這些行為在和環(huán)境的互動中獲得信息，得到發(fā)展。

（二）機器的自適應(yīng)：調(diào)整策略以滿足教學(xué)需要

目前，人工智能應(yīng)用于教育領(lǐng)域中最為火熱的功用之一在于個性化輔導(dǎo)，而所謂“個性化學(xué)習(xí)”“自適應(yīng)學(xué)習(xí)”等名頭只不過將學(xué)習(xí)過程“私人化”，用一致的工具為不同的學(xué)習(xí)者提供通用的技術(shù)服務(wù)，看似個性化的反饋情況依舊是在響應(yīng)學(xué)習(xí)者表面的學(xué)習(xí)檢驗結(jié)果，這種為具有差異性的學(xué)習(xí)者提供本質(zhì)上一樣的學(xué)習(xí)服務(wù)不能是真正意義上的個性化教學(xué)，智能技術(shù)的角色應(yīng)是適用于不同學(xué)習(xí)者的特點及需要的“活水”，而不是封閉的代碼實現(xiàn)。這種不開放的、毫無不確定性的指導(dǎo)在本質(zhì)上與教育規(guī)律相悖[13]。依據(jù)動物行為學(xué)的啟發(fā)，通過進化，機器所處的環(huán)境以及人類決策能夠影響機器行為，使機器具備一定的“記憶”與“反射”，從而能夠進行自我調(diào)整以適應(yīng)外界變化。大腦可以被視為一種根據(jù)形式規(guī)則對信息進行操作的裝置[14]。同樣，機器亦能夠基于自身的內(nèi)在機制處理信息，人工系統(tǒng)通過學(xué)習(xí)智能行為以跨越計算機科學(xué)的機器算法生成可調(diào)節(jié)適配的問題解決策略。以往，我們探討人工智能與教育之間的融合關(guān)系，是將技術(shù)作為為教育目標(biāo)服務(wù)的機器，通過設(shè)計執(zhí)行指令使技術(shù)能夠解決出現(xiàn)的一系列問題，而這些問題的出現(xiàn)均在人們一開始的設(shè)定范圍內(nèi)，即我們解決的是我們起初考慮到的問題，而針對不確定性極大的教育過程，人和機器面臨更多的是非預(yù)設(shè)性問題，而此時，人機協(xié)作將變得更為重要，機器的自我調(diào)節(jié)與適應(yīng)能夠助力機器自身根據(jù)學(xué)習(xí)者自身特點及學(xué)習(xí)習(xí)慣調(diào)整功能步調(diào)與服務(wù)提供。機器能夠響應(yīng)學(xué)生的需求，更多地強調(diào)學(xué)生尚未掌握的內(nèi)容，順應(yīng)學(xué)生自我學(xué)習(xí)的步調(diào)，幫助不同水平的學(xué)生在一間教室里一起學(xué)習(xí)。此時，機器不再僅僅是對學(xué)生的學(xué)習(xí)行為做出延遲性的回應(yīng)，而是充當(dāng)引導(dǎo)的“導(dǎo)師”角色，機器能夠通過教育過程中的發(fā)現(xiàn)以自然的方式與學(xué)習(xí)者互動[15]，充當(dāng)個人與協(xié)作團體的“導(dǎo)師”，如圖3所示。

（三）機器的聯(lián)結(jié)性：相適配的系統(tǒng)化技術(shù)網(wǎng)絡(luò)

對技術(shù)的分析不能止步于對眾多技術(shù)工具的單一設(shè)計與更新，完整的教育過程需要一整套提供不同功用的技術(shù)做支持。各項技術(shù)各司其職，造成完整的教學(xué)實踐活動中技術(shù)使用的分裂性。而要探討技術(shù)的內(nèi)在發(fā)展邏輯與趨勢動向，離不開系統(tǒng)化層面的整合與感知。如在簡單的教學(xué)實踐活動中，所用到的智能技術(shù)支持涉及資源獲取、知識習(xí)得、互動交流、評價反饋等眾多功能要求。創(chuàng)造適用于某特定過程（如教學(xué)實踐）的技術(shù)網(wǎng)絡(luò)，為服務(wù)于同一過程的不同技術(shù)工具構(gòu)建相互間的聯(lián)結(jié)關(guān)系，分析不同機器技術(shù)的指令執(zhí)行行為及其之間的促進與配合關(guān)系，為技術(shù)服務(wù)之間搭建銜接性，共享必要的數(shù)據(jù)，實現(xiàn)不同技術(shù)功能的算法適配，如圖4所示。這種系統(tǒng)化的技術(shù)服務(wù)能夠更具穩(wěn)定性，并完成功能之間的相互促進與分享，共同打造系統(tǒng)化技術(shù)網(wǎng)絡(luò)，為教育實踐活動提供流暢的功能支持，減少不同技術(shù)間的功能斷層現(xiàn)象。通過構(gòu)建技術(shù)共同體為教學(xué)實踐活動服務(wù)，相互之間提供學(xué)習(xí)者的學(xué)習(xí)數(shù)據(jù)以供下一個教學(xué)環(huán)節(jié)使用，將各自工作的機器安排在同一個應(yīng)用環(huán)境之中，從而實現(xiàn)全景式的教學(xué)服務(wù)體系。這種機器集體之間的行為互動構(gòu)建成機器與機器間的網(wǎng)絡(luò)系統(tǒng)，其運行與進化將遵循集群體間的行為準(zhǔn)則。開放共享理念下的智慧技術(shù)為智慧教育搭建了更為龐大的評價體系，國際合作與跨領(lǐng)域合作構(gòu)建更復(fù)雜的集群網(wǎng)絡(luò)。

（四）機器的共情性：激發(fā)學(xué)習(xí)者的內(nèi)在情感

21世紀的學(xué)習(xí)者除了需要獲得學(xué)科知識方面的硬技能，同樣需要培養(yǎng)諸如團隊合作能力、創(chuàng)造力、元認知技能等軟技能。人工智能技術(shù)能夠提供海量的教育資源以及覆蓋全方面的可視化知識，為培養(yǎng)學(xué)習(xí)者的學(xué)科知識能力提供一條便利的道路。機器與人的最主要區(qū)別之一在于機器沒有人類情感，但這并不代表機器不能夠幫助人類培養(yǎng)人類情感。情緒只是將行為引導(dǎo)到有利于物種生存的方向的一種手段[16]。對于機器而言，其能促進人類情感發(fā)展比其自身具有情感更易實現(xiàn)也更為重要，機器能夠?qū)⑷祟惽楦械陌l(fā)展作為一種積極的正向強化而產(chǎn)生刺激，進一步促進其行為。當(dāng)前，在培養(yǎng)學(xué)習(xí)者的創(chuàng)新能力、合作技能等高階思維能力方面的教學(xué)工作仍需現(xiàn)實的教師完成，但未來的人工智能技術(shù)具有培養(yǎng)與促進學(xué)習(xí)者高階思維能力的可能性。未來的智能技術(shù)應(yīng)該尋求的不僅僅是傳遞知識，而是激發(fā)和培養(yǎng)人們對重要知識的興趣，同時也亟待教學(xué)者具備技術(shù)認知、創(chuàng)新教學(xué)、人機協(xié)同等方面的素養(yǎng)[17]。機器通過傳遞恰當(dāng)信息幫助學(xué)習(xí)者對自己關(guān)心的事情產(chǎn)生熱情。機器支持的學(xué)習(xí)系統(tǒng)可以考慮學(xué)習(xí)者的興趣點、學(xué)習(xí)需求與事物接受能力特點，并基于學(xué)習(xí)者的年齡、經(jīng)濟和文化因素來激勵學(xué)習(xí)者的內(nèi)在情感。當(dāng)我們基于機器的行為去看待人工智能與教育教學(xué)間的關(guān)系時，我們看到的不再是依據(jù)教育目標(biāo)設(shè)定的冰冷機器與教育過程的硬性結(jié)合，而是具有內(nèi)在思維的教學(xué)者、學(xué)習(xí)者與具有內(nèi)在邏輯的機器之間的雙向?qū)υ挕C器行為的分析不是要支持絕對的技術(shù)自主論，絕對的技術(shù)自主論會發(fā)展人工智能悲觀主義，技術(shù)不能被決定、支配、控制[18]。而是基于人類初始目標(biāo)為出發(fā)點，為技術(shù)提供輔助培養(yǎng)學(xué)習(xí)者情感的材料“留白”，使其具有一定的共情性。

五、展望：機器行為學(xué)預(yù)見“人工智能+教育”的未來

機器行為學(xué)為我們預(yù)見人工智能在教育領(lǐng)域中的應(yīng)用未來提供從機器本身出發(fā)的視角，從教育擁抱技術(shù)向研究機器內(nèi)部執(zhí)行與發(fā)展邏輯向擁抱教育轉(zhuǎn)向。研究機器的行為如何為特定的機器使用者實現(xiàn)恰當(dāng)?shù)墓δ堋Ｒ酝覀兲幱跈C器的外部環(huán)境中打造機器的實現(xiàn)方式與行動目標(biāo)，而如今我們可以深入機器內(nèi)部去探索技術(shù)內(nèi)在的本身脈絡(luò)，探究的目標(biāo)仍指向人類的需求與利益，從而使智能機器理性、友好、富有德性地為人類服務(wù)[19]，這是人工智能發(fā)展的出發(fā)點、原動力和最終目的[20]。因此，我們基于目前教育領(lǐng)域中人工智能可迭代與更新的方向，構(gòu)建未來人工智能應(yīng)用于教育實踐活動的圖景。

（一）長期服務(wù)性：打造學(xué)習(xí)者個人數(shù)據(jù)庫

數(shù)據(jù)作為智能技術(shù)工作過程中的價值型材料，具有極強的可挖掘性與可分析性。對于單一時間維度下的數(shù)據(jù)結(jié)果而言，其能夠反應(yīng)學(xué)習(xí)者的自身學(xué)習(xí)情況與效果，或提供與課程教學(xué)有關(guān)的量化分析反饋，幫助學(xué)習(xí)者或教師了解學(xué)習(xí)者能力水平的現(xiàn)有階段并能夠依據(jù)所得分析及時調(diào)整教與學(xué)的模式，而這仍是將機器作為外部介質(zhì)存在于教學(xué)過程之中。而未來的大容量、多聯(lián)結(jié)的人工智能技術(shù)能夠?qū)閷W(xué)習(xí)者提供長期性的、終身化的數(shù)據(jù)支持服務(wù)。從而打造學(xué)習(xí)者的終身個人數(shù)據(jù)庫，機器通過回溯以往的數(shù)據(jù)來了解所服務(wù)對象的行為與需求，人工智能依據(jù)所處的環(huán)境判斷一些功能是否進行或如何更改，智能技術(shù)在作為海量數(shù)據(jù)的獲取者的同時，亦是數(shù)據(jù)的潛在消費者，而其最終的服務(wù)者仍指向數(shù)據(jù)所對應(yīng)的學(xué)習(xí)者，以此助力學(xué)習(xí)者的終身學(xué)習(xí)并通過追蹤模式為學(xué)習(xí)者提供支持。在良性循環(huán)中計算這些數(shù)據(jù)，有助于提供更有效、個性化和情境化支持的新方法[21]，數(shù)據(jù)本身的規(guī)律性為技術(shù)分析提供更多樣化的經(jīng)驗支持。并為機器提供新的機會以從豐富的數(shù)據(jù)庫中收集的大量教與學(xué)行為數(shù)據(jù)集，從中包含學(xué)習(xí)、情感、動機和社會互動的要素，從而帶來具有強大影響的新理論發(fā)展，為具有長期性的教育過程提供建議。

（二）需求預(yù)見性：提供引導(dǎo)性技術(shù)支持服務(wù)

被賦予了行為可發(fā)展的界定的機器，能夠?qū)Σ淮_定性進行推理。通過使用近似來得出具有一定推理依據(jù)的結(jié)論，例如，“這個學(xué)生將以X%的概率在下一個問題上取得成功”，從而依據(jù)做出的判斷執(zhí)行相應(yīng)的算法以實現(xiàn)符合判斷發(fā)展的功能。通過分析學(xué)習(xí)者的學(xué)習(xí)行為提供學(xué)習(xí)者在未來一段時間內(nèi)可能用到的知識材料，只有智能技術(shù)在服務(wù)過程中走在使用者的前面，為學(xué)習(xí)者在學(xué)習(xí)過程中不同階段的需求做好全面的預(yù)設(shè)，才能夠起到助力學(xué)習(xí)者學(xué)習(xí)過程的作用。僅是完成學(xué)習(xí)者對機器的功能期待，則無法打破既定目標(biāo)構(gòu)建的思想牢籠，無法產(chǎn)生突破式成果，學(xué)習(xí)者的學(xué)習(xí)效果也會有所影響，機器行為學(xué)將智能技術(shù)作為具有獨立一套的行為規(guī)則發(fā)展的“發(fā)展式”機器，即對機器提出了突破靜態(tài)算法執(zhí)行的限定。通過創(chuàng)設(shè)涉及感知、學(xué)習(xí)、推理的跨媒體技術(shù)平臺，以及結(jié)合合成推理和圖像識別相關(guān)機制的研究，可以進行分析、推理、類比、聯(lián)想等，從而建立起“看得更清楚、聽得更清楚”，學(xué)習(xí)和理解更全面的智能新技術(shù)[22]，能夠在教師不在場的環(huán)境下充當(dāng)學(xué)生的專屬“導(dǎo)師”，為學(xué)習(xí)者提供引導(dǎo)性的服務(wù)，激發(fā)學(xué)習(xí)者的興趣點與探索欲，并完美契合學(xué)習(xí)者的學(xué)習(xí)需求。

（三）更迭共生性：從“+”到“×”發(fā)揮更大效用

兩個領(lǐng)域交融后的成果絕非是1+1那么簡單，新孕育的事物往往具有更大的能量。機器行為學(xué)賦予了人工智能自我思考與發(fā)展的能力，亦賦予了人工智能教育自我審視與更迭的可能。人工智能技術(shù)領(lǐng)域不斷發(fā)展，不僅提供物理體驗，還提供虛擬體驗[23]。同樣，不僅提供表觀成效，還帶來內(nèi)在影響。人工智能與教育的結(jié)合不是疊加與拼接，不是加數(shù)與加數(shù)最終獲得擁有兩個加數(shù)完整表述這般的關(guān)系，更像是因數(shù)與因數(shù)獲得看似與因數(shù)毫無關(guān)聯(lián)但卻汲取其內(nèi)部精華所得到的結(jié)果，是乘而非加。教育擁有其內(nèi)在的發(fā)展邏輯，人工智能亦具備其自身的走向規(guī)律，如若將人工智能僅視為沒有思考能力的工具，無疑是限制了人工智能的無限可能。探究人工智能技術(shù)的內(nèi)在發(fā)展規(guī)律，尋找到其與教育發(fā)展規(guī)律的契合之處，實現(xiàn)人工智能與教育真正的相輔相成。人工智能教育的發(fā)展不是將人工智能與教育割裂開來，而是充分考慮人工智能本身及教育本身的內(nèi)在發(fā)展趨勢與發(fā)展特點，智能技術(shù)結(jié)合自身的行為學(xué)特點適應(yīng)教育的需求，教育依據(jù)技術(shù)提供的環(huán)境更新觀念及思維，兩者彼此促進、彼此影響，共生發(fā)展。

（四）道德倫理性：“無邊界”發(fā)展不可離心

機器的行為應(yīng)避免沒有刻意的意圖或沒有意識的實現(xiàn)[24]，過于擬人化的偏見會導(dǎo)致嚴重的風(fēng)險。通過明確責(zé)任導(dǎo)向并依據(jù)智能教育倫理加強對智能技術(shù)泄露學(xué)習(xí)者隱私或偏離人類主體價值觀的管理。在對機器的行為發(fā)展邏輯進行研究的同時，應(yīng)穩(wěn)固機器運行的核心在于維護人的利益與需要，同時，尋求在立法和道德規(guī)范上加強對私人數(shù)據(jù)的管理和保護[25]。同時，正確處理面對同一問題時的直覺處理與數(shù)據(jù)分析間的沖突，這對智能技術(shù)的設(shè)計提出了較高的要求。堅持人與機器“工具理性”與“價值理性”相統(tǒng)一，確保人在教育中的主體地位[26]。賦予機器一定的技術(shù)自主性并不是支持絕對的技術(shù)自主論，而是在基于人類的根本需要的前提下滿足技術(shù)自身一定程度的拓展及創(chuàng)新，從而為人類行為及需要提供新的方向與服務(wù)。強調(diào)建立健全經(jīng)濟、倫理和法律方面的責(zé)任機制，機器在更大的社會技術(shù)框架中運行，其人類利益相關(guān)者本質(zhì)上應(yīng)對部署它們可能造成的任何損害負責(zé)。明確不同主體的權(quán)利、責(zé)任和義務(wù)，在發(fā)生了事故之后，能夠?qū)ο嚓P(guān)責(zé)任人嚴肅問責(zé)[27]。在教育領(lǐng)域同樣要將機器的道德倫理約束放于算法執(zhí)行的第一位，保護學(xué)習(xí)者私人學(xué)習(xí)數(shù)據(jù)信息。

六、結(jié)語

我們追問技術(shù)，這種追問構(gòu)成一條道路[28]。雖然通往前方的途徑仍在探索，但是道路指向明確的未來。當(dāng)我們站在機器行為的立場上去探討人工智能技術(shù)之于教育的意義與未來時，我們?yōu)闄C器注入了自我建構(gòu)與發(fā)展的可能，機器行為學(xué)探討的是目前未知的機器行為特點與規(guī)律，而我們要以先驗的視角在未知之上再建立我們對于“人工智能+教育”應(yīng)用的認知，并以此作為機器行為學(xué)在人工智能技術(shù)應(yīng)用于教育領(lǐng)域的發(fā)展方向與突破口，為機器行為的研究提供方向與著力點，并促進“人工智能+教育”的發(fā)展與進步。

參考文獻：

[1][24] Yukdowsky，E.Artificial Intelligence as a Positive and Negative Factor in Global Risk. Global Catastrophic Risks [DB/OL].https：// www.bibsonomy.org/bibtex/3eeac2f3508800771e3cb27a3dae 6e30，2020-02-17.

[2] Mccarthy J，Minsky M L，et al.A Proposal for the Dartmouth Summer Research Project on Articial Intelligence [J].AI Magazine，2006，（4）：1-13.

[3] Hanno H，Benjamin H.Overview of Artificial Intelligence [J].Journal of Family Medicine and Primary Care，2019，（7）：1-14.

[4] 賈積有，樂惠驍?shù)?人工智能助力教育均衡發(fā)展——以個性化在線教學(xué)系統(tǒng)對隨遷子女的有效輔導(dǎo)為例[J].中國電化教育，2022，（1）：42-49.

[5] 尼采.賀驥譯.權(quán)力意志[M].桂林：漓江出版社，2007.

[6] 李芒，張華陽.對人工智能在教育中應(yīng)用的批判與主張[J].電化教育研究，2020，（3）：29-39.

[7] Russell S，Norvig P.Artificial Intelligence：A Modern Approach，3rd Edition [M].Upper Saddle River：Prentice Hall，2009.

[8] Milner R.A Modal Characterisation of Observable MachineBehaviour [A].Colloquium on Trees in Algebra and Programming [C]. Berlin：Springer，1981.25-34.[9][11] Hunter G.What Computers Cant Do [J].Philosophy，1988，（244）：1-9.[10] Rahwan I，Cebrian M，et al.Machine behaviour [J].Nature，2019，（7753）：477-486.[12] Ray Kurzweil.The Singularity is Near [M].New York：Viking Press，2005.

[13] 李芒，石君齊.靠不住的諾言：技術(shù)之于學(xué)習(xí)的神話[J].開放教育研究，2020，（1）：14-20.

[14] Dreyfus，H.What Computers Still Cant Do [M].New York：MIT Press，1979.

[15] Woolf，Beverly P，et al.AI Grand Challenges for Education [J].AI Magazine，2013，（4）：66-84.

[16] Crevier，D.AI：The Tumultuous Search for Artificial Intelligence [M]. New York：NY，1993.

[17] 郭炯，郝建江.智能時代的教師角色定位及素養(yǎng)框架[J].中國電化教育，2021，（6）：121-127.

[18] 朱春艷，黃曉偉等.“自主的技術(shù)”與“建構(gòu)的技術(shù)”——雅克·埃呂爾與托馬斯·休斯的技術(shù)系統(tǒng)觀比較[J].自然辯證法研究，2012，（10）：31-35.[19] Noel S.The Ethical Frontiers of Robotics [J].Science，2008，（5909）：1800-1801.[20] 孫偉平.人工智能與人類命運的哲學(xué)思考[J].江海學(xué)刊，2019，（4）：134-140.

[21] Luckin R，Holmes W.Intelligence Unleashed：An argument for AI in Education [DB/OL].https：//www.researchgate.net/ publication/303014375_Intelligence_Unleashed_An_Argument_for_ AI_in_Education，2022-02-12.

[22] Pan，Y.Heading toward Artificial Intelligence2.0 [J]. Engineering，2016，（4）：409-413.

[23] Sdenka Z，Salas P.The impact of AI and robotics on physical，social‐emotional and intellectual learning outcomes：An integrated analytical framework [J].British Journal of Educational Technology，2020，（51）：1808-1825.

[25] 劉進，鐘小琴等.教育人工智能：前沿進展與機遇挑戰(zhàn)[J].高等工程教育研究，2020，（4）：113-123.

[26] 張學(xué)軍，董曉輝.人機共生：人工智能時代及其教育的發(fā)展趨勢[J].電化教育研究，2020，（4）：35-41.

[27] 孫偉平.關(guān)于人工智能的價值反思[J].哲學(xué)研究，2017，（10）：120-126.

[28] 海德格爾.孫周興譯.演講與論文集[M].北京：生活·讀書·新知三聯(lián)書店，2005.

作者簡介：

孫立會：副教授，博士，博士生導(dǎo)師，研究方向為兒童編程教育。

王曉倩：在讀碩士，研究方向為人工智能教育。

（下轉(zhuǎn)第70頁）

The Future Prospect of Artificial Intelligence in Education： From the Perspective of Machine Behavior

Sun Lihui1， Wang Xiaoqian2（1.School of Education， Minzu University of China， Beijing 100081； 2.School of Education， Tianjin University， Tianjin 300350）

Abstract： As one of the main forces leading the fourth industrial revolution， the question of whether “Artificial intelligence + Education” is at the commanding height of development or the critical period of transformation has attracted much attention. The long-standing research and decades of development of artificial intelligence have laid a profound technical foundation for the field of “Artificial intelligence + Education”. The application of artificial intelligence education is mainly reflected in teaching technical tools， teaching data analysis and teaching curriculum management. At the same time， there are some problems， such as data selection deviation， students emotional neglect， classroom subject dislocation and so on. The blending of the budding field of artificial intelligence and the educational field nurtured by history is undoubtedly a game of symbiosis and collision. There is an obvious contrast between the emphasis on efficiency， the immediacy of effectiveness， the fragmentation of technology， the identity of use， the emphasis on effect， the post-dominance of representation， the regularity of development， the difference of objects and the unique humanism of artificial intelligence. Machine behavior provides us with a new perspective and opens up the research direction of machine intelligence， self-adaptation， empathy and its connection. foresee the great picture of the development of “Artificial intelligence + Education” in the future： building learners personal database， providing guiding technical support services， changing symbiosis to give full play to the greater effectiveness of artificial intelligence education， and paying attention to the development of morality and ethics.

Keywords： Artificial Intelligence； education； machine behavior； review； prospect

收稿日期：2021年12月15日

責(zé)任編輯：李雅瑄