吳俊明

摘要：人工智能也會影響到教育。在簡述人工智能的關(guān)鍵性發(fā)展和有關(guān)評論展望基礎(chǔ)上。討論了人工智能能不能用于教育教學，人工智能化學教學需要解決好的問題；怎樣開展機器教學的研究和開發(fā)、需要解決哪些問題等。人工智能教學具有特殊性，應滿足多方面要求，不能簡單地搬用“已有人工智能”所采用的方法。人工智能的發(fā)展趨勢帶來了挑戰(zhàn)，也給化學教學論的革新和發(fā)展帶來了新的機遇，要積極地做一點探索，做一點工作，而不是消極地等待。

關(guān)鍵詞：人工智能；化學教學；教學論研究；機器教學研發(fā)基礎(chǔ)

文章編號：1005–6629（2017）11–0003–08 中圖分類號：G633.8 文獻標識碼：B

1 人工智能也會影響到教育

2016年，谷歌的人工智能系統(tǒng)AlphaGO（“阿爾法狗”）打敗韓國圍棋頂級高手李世石，震驚整個世界，使人工智能被廣泛注意。

其實，早在幾年前，谷歌的無人駕駛汽車系統(tǒng)就已在測試；百度建成多層神經(jīng)網(wǎng)絡(luò)，把人工智能、大數(shù)據(jù)、云計算集合起來，向業(yè)界提供整體解決方案，應用于金融、交通、物流甚至制造業(yè)；微軟早已開始研發(fā)多輪人機對話，計算機預測農(nóng)田作物產(chǎn)量的準確性比美國農(nóng)業(yè)部還高。2016年，特斯拉實現(xiàn)自動駕駛；百度的語音識別與語義辨別、與人對話技術(shù)開始實際應用；機器翻譯的水平已經(jīng)逐步逼近人工翻譯；大疆無人機能夠感知環(huán)境，自動避障、減速懸停和跟蹤運動物體、監(jiān)控指定區(qū)域，并在召回時自動繞過各種障礙選擇最佳路線飛回；阿里的人工智能已經(jīng)用到電商決策之中；人臉識別、人工智能對話醫(yī)療機器人（例如百度醫(yī)療大腦美樂醫(yī)）等專家系統(tǒng)陸續(xù)研發(fā)成功；美國在線教育平臺KnewTon借助于大數(shù)據(jù)對學生因材施教……日常生活中也出現(xiàn)了越來越多人工智能的身影：我們每用一次打車軟件、點一次外賣，背后都有人工智能根據(jù)大數(shù)據(jù)為你選擇司機、規(guī)劃線路；人工智能技術(shù)已全面支持百度現(xiàn)有的搜索、廣告、地圖、外賣、安全、消費金融等業(yè)務(wù)，竭力給用戶提供可能需要的搜索內(nèi)容；蘋果的iPhone7雙攝像頭能實現(xiàn)更準確的參數(shù)智能設(shè)置，使拍攝效果更理想；IBM的人工智能沃森（Watson）法律顧問平臺能夠達到90%的準確性，比只有70%準確性的真人律師既便捷又便宜；沃森跟醫(yī)療機構(gòu)合作，在臨床應用中能夠識別肺癌，并在肺癌、乳腺癌、直腸癌、結(jié)腸癌、胃癌和宮頸癌等癌癥領(lǐng)域為醫(yī)生提供診斷建議，而且正確率達到醫(yī)生的4倍，沃森可以博覽100萬本書或2億頁的數(shù)據(jù)量，并且在3秒內(nèi)分析其中的信息并給出精確回應。2000年高盛在紐約的股票現(xiàn)金交易大廳有600名交易員，而如今卻只剩下兩人，其余工作均由機器代替完成，這意味著連華爾街金融業(yè)也要被人工智能“接管”！2017年，百度的人工智能機器“百度大腦”甚至以“智能革命”為主題作了一首長詩，“我來了，天上的云乘著風飛翔，心中的夢占據(jù)一個方向……醒來之后何時是歸期，我要看到未來的自己”；《華盛頓郵報》的寫稿機器人“Heliograf”既可以在文字模板的基礎(chǔ)上嵌入數(shù)據(jù)生成文章，又能利用軟件搜索海量信息幫助記者挖掘獨家新聞點……

原百度首席科學家吳恩達指出，將來人工智能會影響到幾乎每一個行業(yè)，哪個行業(yè)都擺脫不了。人們普遍認為：人工智能的新時代開啟了，它將極大地影響人類社會的許多方面！

無疑，人工智能的迅速發(fā)展也會影響到教育。合理、廣泛地應用人工智能，是教育現(xiàn)代化的重要內(nèi)容之一。目前，我國正在研究制定《中國教育現(xiàn)代化2030》，深入地研究人工智能在教育教學中的應用不但十分重要，而且迫在眉睫。弄清什么是人工智能，它有哪些特點，人工智能能不能用于教育教學，我們需要做好哪些準備……這是人工智能化學教學前期研究的重要內(nèi)容。

2 人工智能的關(guān)鍵性發(fā)展

要討論人工智能應用必須先了解當今人工智能發(fā)展形成的新特點。

今天我們談的人工智能（Artificial Intelligence，縮寫為AI）其實是大數(shù)據(jù)下新的算法。

1997年，電腦“深藍”戰(zhàn)勝國際象棋棋壇神話加里·卡斯帕羅夫時，是靠電腦背棋譜獲勝的，所以人們不十分吃驚。為什么人們對AlphaGo戰(zhàn)勝圍棋高手大吃一驚？因為圍棋和國際象棋不同，它的背后有所謂“道”，也就是有哲學理念。它要從全局出發(fā)，進行十分復雜的判斷和選擇，而不只是一步步簡單計算的累積，這是一個質(zhì)的飛躍：這個時候機器已經(jīng)能夠?qū)W習，具備了人最重要的能力，具有了人類能夠成為這個星球主人的重要特征——智能。

人工智能是研究使計算機模擬人的某些思維過程和智能行為（如學習、推理、思考、規(guī)劃等）的學科，是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新的技術(shù)科學，是計算機科學的一個分支，發(fā)端于上世紀50年代。2010年前后，準確地說是從2006年開始，隨著深度學習技術(shù)的成熟，加上計算機運算速度的大幅增長，還有互聯(lián)網(wǎng)時代積累起來的海量數(shù)據(jù)財富，人工智能開始了一段與以往大為不同的復興之路。它能取得目前的成就主要依賴于下列技術(shù)的發(fā)展和突破：

機器學習（Machine Learning，ML）[1]使機器能夠模擬、實現(xiàn)自主學習行為，獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)，不斷改善自身的性能，是使計算機具有智能的根本途徑，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜度理論等多門學科，其應用遍及人工智能的各個領(lǐng)域。所謂“機器”指的就是計算機。人工智能的發(fā)展事實證明，機器不但能夠象人類一樣能具有學習能力，而且能夠超過人的學習能力。人的學習是需要有一定的經(jīng)驗基礎(chǔ)的。機器學習系統(tǒng)也不能在全然沒有任何知識的情況下憑空獲取知識，每一個學習系統(tǒng)都要求具有某些知識理解環(huán)境提供的信息，以供分析比較，做出假設(shè)，檢驗并修改這些假設(shè)。因此，更確切地說，學習系統(tǒng)是對其已有知識的擴展和改進。機器學習的實現(xiàn)依賴于神經(jīng)網(wǎng)絡(luò)和深度學習。

神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）[2]是一種模擬人腦結(jié)構(gòu)的算法模型，由多層神經(jīng)元構(gòu)成，各層神經(jīng)元有不同的功能（例如第一層神經(jīng)元主要負責識別顏色和簡單紋理；第二層的一些神經(jīng)元可以識別更加細化的紋理，比如布紋、刻度、葉紋；第三層的一些神經(jīng)元負責感受黑夜里的黃色燭光、雞蛋黃、高光；第四層的一些神經(jīng)元負責識別萌狗的臉、七星瓢蟲和一堆圓形物體的存在……），由各層神經(jīng)元可獲取更多最全數(shù)據(jù)集，具有自組織、自適應和自學能力，其原理就在于將信息分布式存儲和并行協(xié)同處理。雖然每個單元的功能非常簡單，但大量單元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)就能實現(xiàn)非常復雜的數(shù)據(jù)計算，成為一個高度復雜的非線性動力學習系統(tǒng)。endprint

神經(jīng)網(wǎng)絡(luò)的用途非常廣泛，在系統(tǒng)辨識、模式識別、智能控制等領(lǐng)域都能一展身手。而現(xiàn)在最吸引IT巨頭們關(guān)注的就是神經(jīng)網(wǎng)絡(luò)在智能控制領(lǐng)域中的自動學習功能，特別適合在需要代入一定條件，并且信息本身不確定和模糊的情況下，進行相關(guān)問題的處理，例如語音識別。上世紀40年代，心理學家麥克庫羅克和數(shù)理邏輯學家皮茲首先提出了神經(jīng)元的數(shù)學模型。此模型沿用至今，并且直接影響著這一領(lǐng)域研究的進展。神經(jīng)網(wǎng)絡(luò)最重要的用途是分類，例如，垃圾郵件識別、疾病判斷，能自動對輸入的東西進行分類。神經(jīng)網(wǎng)絡(luò)現(xiàn)在已經(jīng)被廣泛用于語音識別領(lǐng)域以及圖像軟件領(lǐng)域，在醫(yī)學領(lǐng)域也初步施展拳腳，多倫多大學的一個研究團隊，已經(jīng)成功地用神經(jīng)網(wǎng)絡(luò)分析出藥物分子在實際環(huán)境中可能的作用方式。

深度學習（Deep Learning，DL）[3]通過組合低層特征形成更加抽象的高層特征表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示，是機器學習研究中的一個新的領(lǐng)域，其動機在于建立、模擬人腦進行分析學習的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機制來解釋數(shù)據(jù)，例如圖像、聲音和文本。人工智能之所以有今天的成就，深度學習技術(shù)居功至偉。谷歌最杰出的工程師杰夫·迪恩說：“我認為在過去5年，最重大的突破應該是對于深度學習的使用。這項技術(shù)目前已經(jīng)成功地被應用到許許多多的場景中，從語音識別到圖像識別，再到語言理解。而且有意思的是，目前我們還沒有看到有什么是深度學習做不了的。希望在未來我們能看到更多更有影響力的技術(shù)?！?/p>

深度學習應用了層數(shù)比較多的神經(jīng)網(wǎng)絡(luò)。它能夠取得很大成功，重要的原因就是基于巨大的數(shù)據(jù)和巨大的運算量訓練出的擁有巨大容量的模型，其參數(shù)之大常高達幾十億。所以，深度學習的成功離不開大數(shù)據(jù)和硬件系統(tǒng)。以深度學習為代表的人工智能技術(shù)，需要有大量的樣本提供規(guī)律、需要大量的標注數(shù)據(jù)來訓練，以形成有效的模型。大數(shù)據(jù)驅(qū)動的深度學習方式是機器自主學習，它跟傳統(tǒng)的專家系統(tǒng)方式有很大的不同：專家系統(tǒng)的方式是人總結(jié)規(guī)則，然后把規(guī)則交給機器，機器來利用規(guī)則面對使用場景；由于機器本身具有學習能力，所以大數(shù)據(jù)驅(qū)動的深度學習方式可以較容易地從一個應用擴展到另外一個應用。AlphaGo、圖像識別、自然語言理解、語言合成、無人駕駛、醫(yī)療診斷等等都應用了深度學習技術(shù)，深度學習的能力已經(jīng)無可置疑，深度學習將會改變?nèi)祟?。深度學習機器的行為和判斷人類不能完全理解，不能判斷和解釋，這是人類歷史上從未有過的。

AlphaGo用了深度的神經(jīng)網(wǎng)絡(luò)，用了深度學習里面的強化學習、半監(jiān)督學習，還用了蒙特卡洛樹搜索法（Monte Carlo Tree Search），整體來說是經(jīng)典的技術(shù)和新的機器學習算法結(jié)合在一塊，從而能夠提高算法的性能，使它的學習能力更強；通過增加深度學習網(wǎng)絡(luò)的隱層神經(jīng)元數(shù)目從而建立起很好的學習能力、吸收知識的能力。20世紀60年代的智能技術(shù)以數(shù)學證明系統(tǒng)、知識推理系統(tǒng)、專家系統(tǒng)等為里程碑式標志，80～90年代的智能技術(shù)以非特定人連續(xù)語音識別技術(shù)、基于統(tǒng)計模型的技術(shù)、語音識別和機器翻譯等取得進展、人工神經(jīng)網(wǎng)絡(luò)在模式識別領(lǐng)域開始有所建樹為主要成就。跟這兩次AI熱潮相比，這一次人工智能復興的最大特點，就是AI在多個相關(guān)領(lǐng)域表現(xiàn)出可以被普通人認可的性能或效率，并因此被成熟的商業(yè)模式接受，開始在產(chǎn)業(yè)界發(fā)揮出真正的價值。

最近，中科院計算所的陳云霽、陳天石課題組提出深度學習處理器“寒武紀”和深度學習指令集DianNaoYu。它們可以相對于x86指令集的CPU有兩個數(shù)量級的性能提升。目前“阿爾法狗”使用了約170個GPU和1200個CPU，可能需要占用一個機房，還要配備大功率的空調(diào)，有一群專家進行系統(tǒng)維護。將來如果換成寒武紀架構(gòu)的芯片，芯片數(shù)量可以大幅減少，體積也可以變得更小，易用性更高。所以，“寒武紀”深度學習處理器和DianNaoYu深度學習指令集是現(xiàn)今人工智能的又一個重大突破。

3 對人工智能的評論與展望

關(guān)于人工智能，人們有各種各樣的看法和預言，有的擔憂，有的樂觀。了解這些不同的意見，可以發(fā)現(xiàn)許多有益的啟示，做好人工智能化學教學的教學論基礎(chǔ)研究。

目前精英們對人工智能的擔憂主要集中于可控性和失業(yè)方面，也有人在考慮倫理等方面的問題。例如：

英國劍橋大學著名物理學家斯蒂芬·霍金（Stephen Hawking）教授不止一次提出“人工智能威脅論”。4月27日，他在2017全球移動互聯(lián)網(wǎng)大會（GMIC）上通過視頻發(fā)表演講，預言人工智能的崛起可能是人類文明的終結(jié)?；艚鸬膿鷳n在于，人工智能從原始形態(tài)不斷發(fā)展，并被證明非常有用的同時，也在創(chuàng)造一個可以等同或超越人類的事物。這恐將導致的結(jié)果是：人工智能一旦脫離束縛，以不斷加速的狀態(tài)重新設(shè)計自身，人類由于受到漫長的生物進化的限制，無法與之競爭，將被取代，經(jīng)濟也將受到極大破壞。未來，人工智能可以發(fā)展出自我意志，一個與我們沖突的意志?；艚鹁嬲f，人工智能的發(fā)展必須在人類的可控范圍內(nèi)，才能保障人類的安全。

特斯拉和SpaceX創(chuàng)始人伊隆·馬斯克（Elon Musk）把開發(fā)人工智能比作“召喚魔鬼”，并警告稱人工智能技術(shù)給人類帶來的傷害可能超過核武器。

以色列新銳歷史學家，《人類簡史》和《未來簡史》的作者尤瓦爾·諾亞·赫拉利（Yuval Noah Harari）認為，關(guān)鍵在于，一個充斥著無意識超級智能的世界是怎樣的？歷史上絕對沒有類似的參照。對于AI會朝什么方向發(fā)展，我們是無法預見的，這是危險之一。AI取代人類還有另一個問題——不是經(jīng)濟問題，而是意義問題——如果你沒有工作，并從政府那里領(lǐng)取無條件基本收入，那么，最大的問題是：你怎么尋找生命的意義？你整天都干些啥？

樂觀的預見及分析有：

目前的人工智能還停留在弱人工智能階段，強人工智能只存在于科幻片，人工智能毀滅人類論只是炒作。

機器一次只能專注在某一個領(lǐng)域，在單一領(lǐng)域它可以做得非常好，但是跨領(lǐng)域做不到，所以人類還是有機會的。AI在異常情況下仍需要人類進行干預，在更復雜的情況時，更加需要人類。endprint

通過3000萬棋局的自我對弈以及與同專業(yè)棋手的較量，AlphaGo團隊大大精進了這一智能程序的棋藝?？瓷先ミ@個故事的主角似乎是機器學習，但是我們忽略了人機交互中人類獲得的益處：在和AlphaGo較量的過程中，人類棋手的棋藝也能得到很大的提高，就像神經(jīng)網(wǎng)絡(luò)會讓AlphaGo用人類的方式思考問題一樣。在未來，和這樣的智能程序的互動也會讓人類從機器學習中提高已有的能力并獲得新的知識。再比如觀察神經(jīng)網(wǎng)絡(luò)如何工作的過程也是幫助我們加深了解自己大腦的過程。

還有人指出了人工智能的不足之處和解決問題的初步思路。例如：

有人認為，將來機器人可被應用于各個領(lǐng)域，從教室到醫(yī)院等，可是誰來教授新出現(xiàn)的機器人技能以便于它們能夠輕松地應用在工作中？更重要的是，誰會教授機器人如何互相教授以便于AI能夠繼續(xù)擴大規(guī)模？雖然機器人編程自動化（RPA）需要專注于編程可重復的任務(wù)，但AI卻可從非結(jié)構(gòu)化輸入中提供結(jié)構(gòu)化輸出。屆時，“教師培訓”將被賦予全新的意義。

微軟亞洲研究院院長芮勇指出：目前人工智能在學習上遵循的理論依然是上個世紀80年代提出的，人們并沒有從本質(zhì)上理解人類的學習原理，從監(jiān)督學習到無監(jiān)督學習的方法還在探索。目前的人工智能技術(shù)多數(shù)都要依靠形態(tài)匹配，在監(jiān)督式學習下，輸入訓練數(shù)據(jù)，每組訓練數(shù)據(jù)有一個明確的標識或結(jié)果。人們將預測結(jié)果與訓練數(shù)據(jù)的實際結(jié)果進行比較，不斷調(diào)整預測模型，直到模型的預測結(jié)果達到一個預期的準確率。而無監(jiān)督學習中，計算機無需人類幫助的情況下，像人類一樣自己學習知識。計算機并不被告知怎么做，而是采用一定的激勵制度來訓練機器人培養(yǎng)出正確的分類。無監(jiān)督學習方式是機器人工智能發(fā)展的關(guān)鍵技能之一，目前朝著良性的趨勢發(fā)展，但還未達到我們希望的階段。

有人認為，許多輸入的數(shù)據(jù)其實都經(jīng)過了人腦抽象，但大家看不到，就好比你看到地面上的竹子每一根都是獨立的，但它的地下莖聯(lián)系是非常緊密的。若要完成形式化知識結(jié)構(gòu)的搭建，是需要很多知識的，而機器沒有人腦的背景知識，所以數(shù)據(jù)中蘊含的信息是不完整的，繼而計算不出正確的結(jié)果。知識太多、知識難以形式化、人腦輸出太慢，成為了知識表達的三大障礙。海云數(shù)據(jù)首席數(shù)據(jù)科學家趙丹認為，深度學習的研究一定程度上已經(jīng)到達瓶頸期，現(xiàn)在到了需要將深度學習現(xiàn)有成果轉(zhuǎn)化成產(chǎn)品的時候，而形成產(chǎn)品是件很難的事情。在科學理論上的進步很多是偶然事件，說不準下次會是什么時候。目前人工智能雖處于寒武紀的大爆發(fā)階段，但也很可能再度面臨寒潮，面臨新的考驗。

中科院院士、清華大學教授張鈸認為：AlphaGo的成功證明，能夠被人工智能解決甚至超過人類水平的問題具有下列特點：一是有充足的數(shù)據(jù)（或知識）；二是完全信息；三是確定性；四是單領(lǐng)域。缺少其中任何一個（或幾個）時，對計算機來說就會變得十分困難，人類反而覺得相對比較容易。所以機器智能與人類智能之間通常不是互相排斥和互相替代的，而是互補的。當前，以大數(shù)據(jù)與深度學習為基礎(chǔ)的人工智能存在的最大問題是：不可解釋和不可理解，就事論事，缺乏推廣能力，遇到新的情況一籌莫展。面對動態(tài)變化的環(huán)境，信息不完全，存在干擾與虛假信息時，人工智能系統(tǒng)的性能就會顯著下降。此外，人工智能系統(tǒng)由于不可理解，無法實現(xiàn)人機交互，無法與人類協(xié)同工作、和諧相處。解決這些問題的困難很大，人工智能發(fā)展的道路還很長，機器智能達到適應動態(tài)變化環(huán)境的能力還很遙遠……

4 人工智能能不能用于教育教學

人工智能究竟能不能用于教育教學？這是一個需要首先弄清楚的前提性問題，人們對此存有疑慮是有道理的，因為我們需要優(yōu)秀的教師，如果“機器教師”水平一般般，甚至難以勝任教育教學工作，那就沒有實際意義了。筆者認為，在對這個問題尚不能進行實證的時候，不妨先從“人工智能在教育教學中能做些什么？”“究竟什么是教育？”“什么是教學？”等問題開始進行理性思考，再結(jié)合實際得出結(jié)論。

現(xiàn)在，人工智能已經(jīng)在圖像識別、語音識別、語義分析以及語言合成等方面初步達到實用要求。由此可以判定，人工智能可以將教師從繁重的批改作業(yè)和閱卷工作中解放出來：可以輔助教師進行英語口試測評，也可以糾正、改進學生的英語發(fā)音；而人機交互技術(shù)可以協(xié)助教師為學生在線答疑解惑。去年媒體曾報道：美國佐治亞理工大學的機器人助教代替人類助教與學生在線溝通交流竟無學生發(fā)現(xiàn)，已經(jīng)展現(xiàn)了人工智能在這方面的應用潛力。人工智能用于個性化學習、智能學習反饋、機器人遠程支教等不是不可能的。這樣，人工智能就可以讓教師騰出更多的時間和精力，創(chuàng)新教育內(nèi)容、改革教學方法，設(shè)計更好的教學方案，把教育教學工作做得更好。需要指出的是，目前人工智能技術(shù)在教育中的應用尚處于起步階段，隨著人工智能技術(shù)的進步，未來它在教育領(lǐng)域的應用程度將會加深，應用空間也會更大。例如，在班級授課條件下，個性化教學一直是一個難以實現(xiàn)的理想。有了人工智能，可以用它來收集學生作業(yè)、課堂行為、考試等數(shù)據(jù)，對不同學生的學情進行個性化診斷，并進一步為每個學生制定有針對性的輔導和練習，從而實現(xiàn)因材施教、個性化教育。目前國內(nèi)一些研究者正在對人臉情緒表現(xiàn)的識別進行研究，這一技術(shù)一旦成功，再綜合情緒的生理生化檢測，由人工智能進行注意、遺忘、疲勞、拒斥等學習心理狀態(tài)診斷，提出改進和調(diào)控的合理建議乃至某些對應措施，是不難實現(xiàn)的。

但是也要看到，人工智能目前所做的主要還是認知性的事情。就本質(zhì)而言，教育是育人的事業(yè)。育人過程是養(yǎng)育、優(yōu)化受教育者的人性即社會性的過程。一個生命體（或物體）不具有人性就成不了人，頂多只是人形生命體（或物體）。塑造心靈、養(yǎng)育人性是教育最根本的任務(wù)。要把學生培育成人，需要教師以己心靈育彼心靈，以己人性育彼人性，還需要構(gòu)造適當?shù)纳鐣原h(huán)境。由此看來，只要人工智能不具有意識、情緒，不具有心靈、人性，不能構(gòu)造社會性環(huán)境，這些缺陷不發(fā)生根本性改變，人工智能就不能替代教師和學校進行教育工作。

不僅教師的教育職能不能被機器替代，在人工智能時代，教師、學校等仍要努力改進和加強教育工作。對此，不少有識之士和教育學界學者都發(fā)表了有關(guān)的意見。例如：endprint

人工智能出現(xiàn)后，未來的教育一定要重新思考。未來教育不僅是知識的傳授，重點是想象力、創(chuàng)造力和團隊精神。教育方法、教育體系訓練也應該由面對工業(yè)時代轉(zhuǎn)而去面對大數(shù)據(jù)、云計算時代。

保證人類對人工智能的有效控制，而不是個別人、少數(shù)人對人工智能的有效控制，是人類必須認真對待的關(guān)系生死存亡的重要問題。其有效保障措施就是在學校中加強人性的培養(yǎng)，加強德性、情感、創(chuàng)新能力、溝通能力、團隊精神等培養(yǎng)。人性的培養(yǎng)，品德、情感、創(chuàng)新能力、溝通能力、團隊精神等培養(yǎng)，應該是未來教育最為重要的任務(wù)。在“德、智、體”三大教育任務(wù)中，“德”和“體”在未來教育中的位置將日益突出。

教師不僅需要智慧，還必須富于情感、想象力與創(chuàng)造力，這些特質(zhì)是目前的人工智能無法比擬的?；诖耍词谷斯ぶ悄芸赡茉谥R儲備量、知識傳播速度以及教學傳授手段等方面超越人類，人類教師仍然具有不可替代的作用。

當人類和機器合作，人工智能將發(fā)掘出我們真正的潛力。人工智能有助于人類面對日益復雜、數(shù)據(jù)巨量增多的世界，但其應用需有人負責且符合倫理。人工智能應該幫助人類提升自己，開拓我們的邊界，而不是簡單地超越我們……

總之，在較長時間內(nèi)人工智能尚難對育人直接起多大的作用，但能夠給我們帶來變革傳統(tǒng)教育、創(chuàng)新未來教育、做好育人工作的新任務(wù)、新機遇。人工智能可以在教學中發(fā)揮較大作用，但這種作用可能在較長時期內(nèi)仍然是輔助性的，直到機器能夠像真人那樣自如地進行教學工作，完全可以取代教師為止。人工智能在教學中發(fā)揮輔助作用，即人工智能輔助教學，是建立在機器學習基礎(chǔ)上的，因而跟20世紀90年代以前的“計算機輔助教學”有很大的不同。以前的“計算機輔助教學”不具有自主學習功能，強烈地依賴于人們給它設(shè)置的專家系統(tǒng)，依賴專家總結(jié)的規(guī)則來應對使用場景。如果說20世紀的“計算機輔助教學”是1.0版，如今的“計算機輔助教學”應該開始走進2.0版。

5 人工智能化學教學需要解決好的幾個問題

這里所說的“人工智能化學教學”也可以稱為“機器化學教學”。要用機器代替教師進行教學需要解決幾個問題：

首先，前面說過“由于機器本身具有學習能力，所以可以較容易地從一個應用擴展到另外一個應用”。那么，機器教學能夠仿照或者借用人工智能在法律咨詢、醫(yī)療診斷、無人駕駛、音像圖文識別等“已有人工智能”領(lǐng)域所采用的方法嗎？

其次，由誰來開發(fā)人工智能化學教學的機器？

第三，怎樣開展機器教學的研究和開發(fā)？需要解決哪些問題？等等。

把教學跟法律咨詢與辯論、醫(yī)療檢測與診斷、無人駕駛、音像圖文識別等“已有人工智能”作較深入的比較，可以發(fā)現(xiàn)在目的、活動主體、待解問題、過程方法以及成果評判等方面，它們都有很大的不同?！耙延腥斯ぶ悄堋钡哪康氖侵苯哟嫒藖斫鉀Q問題，“機器教學”的目的則是讓學生學會解決問題，或者形成解決問題的能力；“已有人工智能”的活動主體就是機器，而“機器教學”中的活動主體不僅有機器，還有學生，兩個主體同時活動并且相互作用；法律咨詢與辯論、醫(yī)療檢測與診斷、無人駕駛、音像圖文識別等“已有人工智能”要解決的問題諸如有哪些適用法律（條文）和使用策略、患者生了什么病、有哪些有效的醫(yī)療措施、最佳行車路線和車速如何以及如何保證行車安全、機器面對的音像圖文是什么等等，是明確和相對簡單的問題，而“機器教學”要解決采用什么樣的教學過程和方法能夠使學生學得最好，怎樣設(shè)計和實施教學過程和方法、怎樣根據(jù)實際效果調(diào)整教學過程和方法等問題，最優(yōu)解常常不明確、沒有標準答案，實際效果特別是長遠效果涉及多個方面且難以測評，沒有“定法”，問題及其解決的復雜性遠高于“已有人工智能”。這樣，機器教學解決問題的方法需要特別設(shè)計，不能簡單地搬用“已有人工智能”所采用的方法。

未來的人工智能教學機器即機器教師實際上是能跟學生交互作用的教學機器人。一個優(yōu)秀的教師應該具有淵博的知識（特別是專業(yè)知識）、先進的教育教學思想、睿智的思維、精湛的教學技藝、豐富的教學經(jīng)驗、敏捷的教學反應能力和高尚的品德。機器教師不但應該有比較豐富的學科專業(yè)知識、教育教學知識與經(jīng)驗，具有必要的其他學科相關(guān)知識，還應該在表達知識內(nèi)涵、表現(xiàn)教學內(nèi)容、體現(xiàn)學科特點、適應技能操作教學和能力測評要求等方面表現(xiàn)出較高水平；能夠用適當?shù)姆椒ㄟM行實驗教學活動；能夠隨著學生的類型和個性、教學內(nèi)容的類型和特點、學習過程和階段的變化而選擇最適宜的教學模式和方法，隨時對教學過程作適當調(diào)整；能夠靈活地跟學生良性互動、設(shè)置良好的學習環(huán)境，對學生有很強的吸引力；應該能夠?qū)W生的學習基礎(chǔ)和學習能力等準確地進行認知和判斷，能夠準確地檢測和調(diào)節(jié)學生學習狀態(tài)參數(shù)和知能應用水平等學習結(jié)果，基于每個學生不同的學習習慣，為其量身打造最適合的學習方法，根據(jù)學生具體情況為他們打造個性化的教學方案，應該能夠吸收、融合、體現(xiàn)教學大師的經(jīng)驗，具有高超的教學智慧和能力。

顯然，絕大多數(shù)學科教育教學工作者不能直接從事人工智能教學機器的開發(fā)工作。但是，“學科成百上千，術(shù)業(yè)各有專攻”，學科教育教學涉及教育學、教育原理、教育技術(shù)、認知科學、心理科學、行為與管理科學、學科課程與教學論以及學科等等，即便是人工智能專家，恐也不能完全、深入地了解，不具有豐富的實踐經(jīng)驗。因此，開展機器教學的研究和開發(fā)需要實行教學研究人員與AI技術(shù)開發(fā)人員密切地配合，需要一線教師貢獻新鮮的教學經(jīng)驗，需要教學研究人員從工程學角度對教學系統(tǒng)作深入研究，精細地確定教學系統(tǒng)各要素的組成、結(jié)構(gòu)、過程變量和各種參數(shù)。

第三個問題包含著教什么、怎樣教、怎樣實現(xiàn)教學個別化來體現(xiàn)機器的智能和優(yōu)勢等具體問題。

多年前就有人模仿大腦電信號研究植入大腦的芯片以解決記憶方面的問題，雖然這項工作是不輕松的，但在幾年前已經(jīng)取得了不錯的初步成果，引起好多人遐想未來可以通過植入芯片來解決知識記憶問題。這就引發(fā)了一個問題：一旦記憶芯片研制成功，學生還要學習記憶性知識嗎？筆者認為，未來學生還是要學習的，只不過學習的內(nèi)容可能會有某些變化，最起碼也要學學如何使用、維護教學機器等知識技能。未來的學生要不要學習化學呢？化學社會化、社會化學化，是當今社會發(fā)展的特點之一。未來社會將會延續(xù)這個特點，認識物質(zhì)及其化學變化，從而應用化學滿足新型功能材料開發(fā)、遠空與深海開發(fā)、生命健康與調(diào)整、能源與資源利用、環(huán)境保護與修復等等不斷提出的新的需要，不具有創(chuàng)新精神的計算機是無法滿足這些需要的，社會仍舊需要善于創(chuàng)新的化學人才。為了提高生活質(zhì)量，保證健康和生命安全，及時應對好身邊出現(xiàn)的種種化學問題，未來的社會公民可能隨時隨地需要應用各種化學知識，不具有必要化學素養(yǎng)的人是不能適應未來社會生活的。也許有人說，在人腦中植入記憶芯片，在體表植入各種化學物質(zhì)智能探頭等等不就可以不學化學了嗎。其實，被植入記憶芯片和各種化學物質(zhì)智能探頭的人已經(jīng)被各種芯片改造了、控制了，發(fā)生異化了，本質(zhì)上已經(jīng)不是本來意義上的人，與其這樣改造人，倒不如直接做一個機器人。一些人預言二三百年之后人類就會被人工智能控制、取代而消失，正是考慮了上述情況。當然，人類會竭力預防、避免這些情況的發(fā)生，即使不能避免也會設(shè)法推遲。在此之前，未來的學生還是需要學習化學的，需要學習作為社會公民必備的基礎(chǔ)化學知識，具備基本的觀念、關(guān)鍵的能力以及一些重要的品格，即具備基本的化學學科核心素養(yǎng)，能夠保證學習和應用效果。endprint

教學應該是“教學生學會學”的過程。坦率地說，跟人工智能教學的需要比較，迄今我們的教學論對許多問題還缺乏深入的研究。為了搞好人工智能教學，我們需要對教學論作創(chuàng)新思考，掌握學習的精髓，深入開展學習過程和規(guī)律的研究，特別是量化的研究。

教學機器應該能夠滿足基礎(chǔ)知識技能、基本觀念、關(guān)鍵能力以及重要品格的教學需要。但是，教學機器本不具備教學的知識技能，是“零起點”。能讓“機器教師”從“零起點”開始通過ML（機器學習）自主地學習教學的知識技能“邊學邊教”嗎？教育倫理決定了不能這樣做，需要先“教”機器學會做教師，把“零起點”變成“高起點”，然后再通過機器自主學習成為“優(yōu)秀教師”乃至“教學大師”。怎樣使教學機器具有高起點？從教學論角度看，一線教師積累、創(chuàng)造的豐富的優(yōu)秀教學經(jīng)驗就是教學機器應該具有的起點。這些經(jīng)驗是具體的、生動的、靈活的、深入的，不是經(jīng)典教科書中上位的、概括的、刻板的教條。對此，目前的學科教學論能滿足這個要求嗎？

此外，機器學習系統(tǒng)需要具有某些知識，以供分析、比較、理解環(huán)境提供的信息，做出、檢驗并修改假設(shè)。缺乏背景知識，會造成信息不完整，使機器計算不出正確的結(jié)果，這是可能出現(xiàn)的問題。如何提供足夠的背景知識，搭建完整的形式化的知識結(jié)構(gòu)？怎樣使經(jīng)典的經(jīng)驗、技術(shù)跟新的機器學習算法結(jié)合？如何體現(xiàn)最先進的學習理念？未來的化學教學應該采用什么樣的模式和方法？……這些問題都是必須解決好的重要問題。

“電灌”和“刷題”訓練不能體現(xiàn)“智能”，教學機器不能做“電灌機”、“刷題機”。教學機器的“智能”應該體現(xiàn)在機器不斷學習、自我更新，能夠有效地實現(xiàn)教學個性化上。為此，教學機器應該具備各類內(nèi)容的教學能力，掌握各類內(nèi)容學習的具體過程規(guī)律，同時又掌握學生的認知和心理發(fā)展規(guī)律，具備學習水平評判、學習障礙診斷以及靈活有效地應對處理的能力。

人工智能的進展在很大意義上是從原來的傳統(tǒng)建模、制定規(guī)則到今天機器基于數(shù)據(jù)自主學習的根本轉(zhuǎn)變。過去的AI算法或者神經(jīng)網(wǎng)絡(luò)之所以不能夠達到今天的精度，很大程度上是因為當時沒有非常好和足夠多的數(shù)據(jù)，從而依賴于某些模型，依賴于某些算法。在今天，AI技術(shù)已經(jīng)能夠獲得足夠的數(shù)據(jù)，對樣本空間的覆蓋度越來越好，精度越來越高，能夠通過不斷地跟環(huán)境互動去調(diào)整有關(guān)參數(shù)，通過在成功時采用激勵函數(shù)使機器知道怎樣做更好，即進行強化，使原先非常困難的問題能夠解決得非常好。通過聚集/分類歸并找到訓練數(shù)據(jù)中的近似點，獲得有關(guān)的數(shù)據(jù)，也可以讓計算機自己學習怎樣做。

教育數(shù)據(jù)產(chǎn)生于各種教育活動和整個教學的全過程，人工智能要想更好地應用到教育中，首先面臨的就是采集哪些數(shù)據(jù)、如何采集數(shù)據(jù)的問題。實時收集數(shù)據(jù)的效率高、節(jié)省人力。在“互聯(lián)網(wǎng)+”教育的廣度和深度逐步推進的情況下，教育數(shù)據(jù)的來源很大一部分將會越來越依靠這種方式。

人工智能深度參與到教、學、練、測、評的環(huán)節(jié)中，能加深、加快個性化教學的進程。但這需要積累大量真實有效的數(shù)據(jù)，誰能在整個教育環(huán)節(jié)積累到足夠多的數(shù)據(jù)就有可能跑到前面。怎樣通過“互聯(lián)網(wǎng)+”教育來滿足對教育數(shù)據(jù)的需求？又怎樣克服數(shù)據(jù)質(zhì)量不穩(wěn)定帶來的消極影響？……未來教育數(shù)據(jù)或?qū)⒊蔀榘l(fā)展教育人工智能的一大制衡因素，數(shù)據(jù)的采集與分析是實現(xiàn)人工智能引領(lǐng)個性化教學的一個關(guān)鍵點。

多年來，我國教育的基礎(chǔ)建設(shè)成績顯著，但教師資源遠遠不能達到個性化教育要求的師生比例，優(yōu)質(zhì)教師資源缺乏更加嚴重。人工智能在教育領(lǐng)域的普遍應用，不但有助于普遍提升學生的學習水平，還能使教師有更多的時間研究學生、研究教育教學，有更多的時間關(guān)心學生、幫助學生，開展并搞好個性化教育，也有更多的時間進修學習，使教師的整體素質(zhì)不斷提高。

6 當前我們能做些什么——人工智能化學教學的前期準備性研究

筆者認為，就化學教學論而言，當前需要著手先行做好下列研究工作：

實施人工智能化學教學時應該如何編配學習內(nèi)容、學習活動、學習方式，進行教學決策？

如何實現(xiàn)化學知識的全息存儲-表達方式？

如何從優(yōu)秀案例獲得有價值信息，形成個性化教學預置方案？

如何確定學習規(guī)律，從理論角度建立理想的預置模型？

需要采集哪些數(shù)據(jù)？如何采集有關(guān)數(shù)據(jù)？

怎樣協(xié)調(diào)機器學習活動和學生學習活動？怎樣在保證機器學習的自主性的同時，又保證學習的自主性？怎樣解決施教模式與自主學習模式的矛盾？

人工智能應遵循的學習理論是什么？學習的有關(guān)參數(shù)是哪些？

如何進一步認識人類的學習原理？

……

這些問題中既有基礎(chǔ)層的，也有技術(shù)層、應用層的。

如果從產(chǎn)業(yè)角度把教學看作是一個“行業(yè)”的話，教學是一個試錯成本非常高的“行業(yè)”，而人工智能化學教學的探索更是充滿艱辛。人工智能的發(fā)展趨勢帶來了挑戰(zhàn)，也給教學論的革新和發(fā)展帶來了新的機遇。我們應該抓住、抓好這個機遇，積極地做一點探索，做一點工作，而不是消極地等待。這是我們的責任，也是對后人的一個交代，希望有更多的人就此共同努力。

參考文獻：

[1]郭亞寧，馮莎莎.機器學習[J].中國科技信息，2010，（14）：208～210.

[2]毛健，趙紅東，姚婧婧.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應用[J].電子設(shè)計工程，2011，19（24）：62～65.

[3]尹寶才，王文通，王立春.深度學習研究綜述[J].北京工業(yè)大學學報，2015，41（1）：48～59.endprint