是“智能化教育”還是“促進智能發展的教育”

張進寶 姬凌巖

摘要：人類已步入人工智能時代，開展全面的智能教育勢在必行。然而對于智能教育是“智能化教育”還是“促進智能發展的教育”，當前一些研究者和實踐者的認識尚不清晰。人工智能技術為全民智能教育提供了技術基礎，但將智能教育定位于以人工智能為內容的教育則過于狹隘。智能教育不完全等同于智能學科的人才培養，也不等同于一般意義上的思維教學。智能教育應將促進個體理解與智力發展作為核心價值主張，培養具有計算思維、工程思維、人工智能思維等關鍵性思維的智能人才，構建包括人工智能核心概念與思想、技術方法與技術實踐的智能教育本體知識。推動實施智能教育的措施不能僅從高等學校人才培養和人工智能發展的必要性角度思考，要從人才培養規格、教育信息化建設、課程與教學改革、教學活動創新、教師專業化發展等方面謀劃可行策略，按照統一協調、多措并舉的原則，推進智能教育的各項工作。

關鍵詞：人工智能；智能教育；概念內涵；目標定位；實施策略

中圖分類號：G434 文獻標識碼：A 文章編號：1009-5195（2018）02-0014-10 doi10.3969/j.issn.1009-5195.2018.02.002

一、引言

心理學、計算機科學、教育學領域對于如何提升人的智力與能力的研究與實踐，已經取得了很多進展（張曉峰，2002；林崇德等，2004；蔡曙山等，2016）。近些年人工智能成為信息技術的制高點（鐘義信，2015），被認為是新一輪產業革命的引擎（湯敏等，2016），美國先于中國開始做出系統的規劃（馬玉慧等，2017）。2017年中國政府也發布了《新一代人工智能發展規劃》（以下簡稱《規劃》），其中保障措施包括了實施“全民智能教育項目”（人民網，2017）。人工智能教育早已有之，但將智能教育推向全民，成為所有人都需要學習的內容，在歷史上還是首次，一時成為研究熱點。

規劃所描述的智能教育包括舉辦相關的人工智能科普活動、開設人工智能課程、推廣編程教育，以及鼓勵開發相關軟件與游戲等。不難發現，這樣的智能教育僅限于信息技術教育范疇。有專家對當前絕大多數企業界與教育界對人工智能教育和智能教育認識混淆的現象進行了分析（李亦菲，2017），一線教育工作者也從實踐角度指出中小學開展人工智能啟蒙教育必然遭遇諸多挑戰（包桂霞，2017），還有研究者通過開展廣泛的調查發現編程教育是否應該在小學開設等問題尚無明確的共識（毛澄潔等，2017）。由此可見，研究者和實踐者對智能教育概念、目標定位與實施策略并未形成統一認識。

教育的目的在于使人“變成他自己”，應該把“學習實現自我”放在最優先的地位（聯合國教科文組織國際教育發展委員會，1996）。教育的目的首先需要滿足個人發展的需要，其次才能體現到對經濟發展的推動作用。雖然世界的技術化在所難免，但是現代人在主動將生活完全交給各種技術加以處理之時，又恐懼自身將被機器統治（文晗，2017）。這足以說明人類對于掌握社會變化趨勢有著迫切的需求。

人類已步入弱人工智能時代，強人工智能也將悄悄來臨，開展全面的智能教育勢在必行。與多數人在“智能化的教育”和“促進智能發展的教育”中選邊站隊不同，本文更傾向于整合二者的廣義智能教育。其基本指導思想是：通過對長期以來人類教育實踐經驗與社會發展趨勢的深度理解，兼顧個人與社會發展的需要，求得最廣泛的認同，構建內涵更為豐富的教育與實踐體系，構建多元化的目標體系、內容體系與實施策略，實現受教育者個體智能與社會智能化程度的全面發展。

二、智能教育的內涵分析

人類認識與改造社會的過程，也是不斷提升自身智力與能力的過程（常艷，2010）。人的智能也體現在學會面對過去、現在和未來。教育肩負著傳承人類優秀傳統與知識的任務，確保青年人能夠適應當下的社會生活，并為他們的未來考慮。當社會發展失去了勞動力成本和資源消耗的優勢后，就需要通過要素投入結構的改變實現經濟結構的調整，唯一可行的便是更多地向知識、向智力資源要生產力（劉仁，2010）。教育因此被更多地賦予開發智力的重任，這是社會生產力和科技高度發展的必然結果。教育改革也因此更加強調內涵式發展，高等教育應該從注重專業建設、科研工作轉向強調育人為主（龔克，2013）；基礎教育從重視基礎設施建設和硬件達標轉向重視質量和效益，以實現從高代價發展模式向低代價發展模式的轉換（鐘作慈，2007）。

狹義的智能教育定位于“以人工智能為內容的教育”，目的是培養掌握機器智能技術的專業化人才，以滿足技術發展需要。廣義的智能教育則定位于最終實現個體智能的提升，不僅掌握人工智能等技術，還能初步具備未來工作中實現人機合作的能力。

1.智能教育與人工智能技術

從智能科學角度來看，“智能”是個體對客觀事物進行合理分析、判斷及有目的地行動和有效地處理周圍環境事宜的綜合能力（杜慶東，2011）。智能學科的基礎包括人工智能、計算機科學、控制論、信息學、系統論、認知科學、仿生學等內容，其中人工智能是核心（蔡自興，2017）。但是，人工智能并不能代表智能科學。人工智能著重研究與模擬的是“人類的顯性智慧能力”，而對“人類隱形智慧與顯性智慧奧秘”的研究則被稱為智能科學技術（鐘義信，2016）。后者對于人類自身智慧的研究更具普適價值。

人工智能的現有應用和潛力已經引發了各種擔心。由于采用了學習策略和更加高級的算法，不論是AlphaGo還是AlphaGo Zero在圍棋比賽方面所取得的驚人成就，讓人相信有朝一日人工智能將全面戰勝人類智能。牛津大學的卡爾·貝內迪克特·弗雷（Carl Benedikt Frey）和邁克爾·奧斯本（Michael Osborne）稱，未來二十年美國幾乎一半的就業崗位、印度2/3的崗位以及中國3/4的工作都很可能被計算機取代（Sarah，2016）。業界普遍認為，人工智能技術升級的速度快于以往任何一次技術革新，正全方位、加速改變著人類生活。包括著名科學家斯蒂芬·威廉·霍金、特斯拉汽車公司首席執行官埃隆·馬斯克、微軟創始人比爾·蓋茨等名人都對人工智能發展可能引發的隱患表示擔憂，既有“可能毀滅人類”的遠慮，也有“人工智能將與人類搶飯碗”的近憂。實際上，在一些看似簡單，但需要直覺、靈感、頓悟和創造性思維的領域，如面孔識別、直覺判斷、交感交流、創新思維，人工智能的水平甚至不如一個嬰兒（蔡曙山等，2016）。

智能科學的發展具有無限的潛力，因而受到全球的關注。智能科學主要集中于以人的智能作為模仿的對象，構建機器智能，使其具備人的智能特征。人工智能在本質上是對人類智能的模擬，是對人類智能的物化。客觀看待技術的發展，突出其發展與應用對人類體力和腦力的延伸作用，改變和推動人類社會更快地發展，有助于人類更加有尊嚴、更加優雅、更加智慧地生活（李德毅，2017）。這將成為人類在人工智能時代學會與技術共存的指導原則。

廣義的智能教育不完全等同于智能學科的人才培養。二者雖然都強調使受教育者系統掌握智能方法和智能信息處理技術，但在實踐層次與要求方面，前者更加強調面向個人生活與一般性科研活動，后者則更加強調工程能力。智能學科培養具有寬口徑知識和較強適應能力及現代科學創新意識的高級技術人才，能夠實施信息獲取、傳輸、處理、優化、控制工程，具備在相應領域從事智能技術與工程的科研、開發、管理工作的能力（張煒等，2017）。

專業性的智能科學教育實踐為全民智能教育提供了堅實的技術基礎，但教學內容不能局限于計算機科學范疇，僅僅關注機器所實現的智能，講授形式邏輯、算法、程序設計等數學和計算機科學的知識，忽視與個人發展的直接關系。其定位應著眼于理解該學科領域基礎性的思想與方法，以及近些年計算機科學、工程教育和思維教育領域中各種有益于促進個體智力和能力發展的思想與實踐。

加強受教育者對智能的理解與應用，以科學、實踐領域的問題解決為主要形式，運用包括人工智能在內的各類技術，發展人類自身的智力和能力，形成人機合作的行為模式，這是智能教育的基本目標。

2.智能教育與思維能力培養

高質量、高效率的思維能力培養是智能教育的核心靈魂。思維是智力的核心成分；人類個體之間智力差異的原因，主要是思維結構的差異（Lin et al.，2003）。目前，大部分心理學家和教育工作者都接受加德納提出的多元智能理論。受此啟發，對智力的培養強調，應著重于個體解決各個領域（如語言、邏輯-數理、空間、運動、音樂、人際交往、內省、自然觀察等）問題的能力和生產及創造出社會需要的有效產品的能力（霍力巖，2000）。

智能教育不等同于一般意義上的思維教學。智能教育不僅僅關注學生的一般性自學能力、研究能力、思維能力、表達能力和組織管理能力的培養（趙會茹等，1999），還應結合實踐領域新產生的問題解決方法。快速變化的世界需要更加綜合的技能，除了識字、運算、科學素養等基本技能外，還有團隊合作、批判性思維、溝通、毅力和創造性等優秀的個性品質。近些年教育界對核心素養、學科思維培養的關注程度與日俱增，這些最新的發展集中反映了當代教育工作者對各個工作領域核心方法與技能的提煉，是思維能力培養的進一步發展。

實施智能教育不能墨守于心理學的認識。智能教育理應承擔起幫助青少年準備好應對這個科技日新月異、信息互聯互通、就業快速更新的世界，成為敏捷的、適應能力強、具有跨學科思維的學習者。科技的發展已經顛覆了人們對教育的理解，在搜索引擎極其發達的時代，絕大多數人都認可不再需要通過死記硬背來掌握知識。除了積極運用數字技術支持個體智能發展外（錢津，2012），還要引導學生有意識地理解蘊藏于計算機科學中閃光的思維方法，進而實現一般思維教育與智能科學教育的銜接。

歸納上述討論，本文對“智能教育”做出新的界定，即“培養學習者系統掌握和運用各種思維與技術工具，通過人人或人機合作模式，實現對外部世界（實體的或虛擬的）與問題情景的形式化表征，在符合價值觀與道德倫理的前提下，實現智能信息處理、構造智能解決方案和開發系統，是個體智能發展與智能技術實踐相整合的跨學科開展的創新教育過程”。

三、智能教育的目標定位

開展智能教育需要有明確的目標定位，即正確理解教育對象的需求，據此提供何種教育服務。目標定位研究涉及核心價值主張、教育主體需求的理解以及教育內容價值的認定。選擇正確的目標定位是實施成功教育的重要一步，也是評價教育價值的依據。目標定位的確立，直接影響智能教育的實施策略與思路。

1.智能教育的核心價值主張

明確智能教育的核心價值主張是獲得受教育者認可的關鍵。狹義的智能教育將人工智能技術作為學習內容，無法吸引最廣泛的人。廣義的智能教育強調提升個體智力與能力，本質上是提升人解決問題的思維品質與實踐能力，最高目標是發展人的智慧。因此能夠覆蓋絕大多數的學習者，這種價值主張容易獲得教育用戶的認可。

人工智能時代的智能教育，應旗幟鮮明地將提升個體智能作為最重要的價值主張。信息時代到來以后，決定教育形態的三大因素（生產力與生產方式的發展水平、人類認識能力的發展水平、教育自身的發展水平）都已經發生了質的變化。以發展受教育者的思維能力為核心的思維教育，被認為是繼信仰教育、知識教育之后，信息時代的教育形態（胡弼成，2008）。社會對教育產生了完全嶄新的要求，開發人腦的信息加工功能、培養具有創新能力的新型人力資源成為核心，這是知識教育所不能勝任的。心理學研究表明，智力是由思維、感知（觀察）、記憶、想象、言語和操作技能組成。而智力的內容是思維的對象，其形式總是表現在各種學科能力之中（李慶安等，2006）。由此可見，智能教育智力的開發與能力的培養，其核心是思維技巧的培養。

智能教育注重基于學習知識開展高級認知思維的過程，是促進學生深度學習與能力提升的有效方式。人對世界的認知可以分為三個層次：經驗、知識和智慧。經驗和知識是能夠表述的，可以認為是實體。存儲在大腦中的知識是觀念形態的，存儲在書本或其他實體上時則是物化形態的（史寧中等，2007）。不論是觀念形態的還是物化形態的學科知識，都是開展跨學科教育活動、發展思維和提升智力的重要基礎。而智慧（智能的高級形態）則潛藏于經驗和知識之中，由經驗與練習習得，屬于“德才兼備”的綜合心理素質（汪鳳炎等，2015）。合理的跨學科思維活動則能顯著激發知識的加工，在往復循環的知識運用于智力活動過程中，經驗、知識與智慧均能得到不斷的更新與深化。

持續提升數字素養與學習能力不僅為提升個體智能做好技術保障，也是個體參與智能化實踐與綜合思維運用的重要形式。

推動教育手段的智能化不應成為智能教育的核心價值。即使人工智能是智能教育的重要內容，但首先需要強調的是人工智能的思想，而非特定的人工智能技術。雖然人工智能水平會不斷進步，變得越來越“聰明”，但由于它們自身缺乏創造性和道德性，是永遠不可能有智慧的。從這一個意義上來說，應強調學習人工智能的本質而非機器的智能，目的不是要讓人具備機器的智能，這就如同工業時代教授人們學會使用機器，以便能夠更好地利用機器為我們服務一樣。此外，工具手段的智能化或許會對學習進程產生積極的影響，但人類智慧的提升則不能完全依賴手段來實現。

2.智能教育的關鍵思維培養

當前計算機的應用已經遍及全社會，人們越來越多地依賴計算機作為分析和解決問題的工具。在這個過程中，最重要的不是如何解決問題的具體技巧，而是首先需要把問題轉化成能夠用計算機解決的形式，而后才是有效運用各種技術構造解決方案。這已成為全社會成員都必須具有的基本素質，這也正是計算思維培養所強調的內容。學會使用計算思維的基本方法解決問題，以及學會具體解決問題的技術，二者相比顯然前者更加重要。

計算思維包括一系列計算機科學的心智工具與概念，可被用于解決問題、設計系統和理解人類行為，構造基于計算機的自動化方案。計算思維的要素相當豐富，包括計算機科學中經常見到的計算概念、原理、方法、語言、模型和工具。計算思維被認為是與面向所有兒童的數學、語言和邏輯推理同等重要的能力。人們日益認識到，計算思維（不僅僅是計算）已經開始影響和塑造許多學科的思維（例如地球科學、生物學和統計學），不僅可以使其他科學家受益，也可以使其他人（例如銀行家、股票經紀人、律師、汽車修理工、銷售人員、醫療保健專業人士、藝術家等）的工作受益，支撐著各個領域的發展。

筆者認為，“全民智能教育”有望成為全球“計算思維教育”的中國版。廣義的智能教育不僅包括計算思維教育，還整合了設計思維、工程思維、數學思維等其他領域的思維，特別是人工智能思維，因其獨特性而被認為有超越計算思維之處（Zeng，2013），成為智能教育的獨特需求。

人工智能通常是使用邏輯和啟發式學習及強化學習相結合的方式進行訓練的。一般的邏輯和啟發式算法會以符合人類思維的方式進行運算。例如早期的國際象棋程序就是將規定的規則編入計算機，加入某些人類專家的決策規則，然后利用計算機的運算能力，其結果已遠超人類的思維能力。人工智能能以人類永遠不會想到的方式探索可能的行動與策略空間，而且我們也不了解它將從這種探索中產生何種具體方法。這種人工智能的思想所能解決的問題甚至是人類所無法預測的。

自從人工智能在棋類游戲中勝出人類以后，幾乎沒有人有機會在人機對弈中勝出，但人機混隊模式勝出人人混隊或機器混隊的概率高得多。為此，智能教育應該承擔起教會受教育者同機器一同合作解決各個學科領域問題的責任。人類多年以來夢想的智能外腦，就在眼前了。智能教育將通過訓練人類掌握同機器一起工作的方法，理解計算的過程，充分利用包括機器學習或深度學習的結果，解決那些前所未有的問題。

3.智能教育的本體知識構建

隨著高等教育領域計算機專業人才培養的逐步細化，逐步體系化的智能研究為人工智能知識體系的構建奠定了基礎。自從1950年圖靈提出“機器思維”概念以來，人們一直以來將圖靈測試當作測試機器智能程度的標準，很多科學家也做了諸多的嘗試，雖充滿爭議但在很大程度上激勵了計算機科學領域不斷提升機器的“智能”水平，同時也極大地促進了認知科學、神經科學和數學（理論計算科學）的發展。

回顧人工智能理論研究和應用實踐，可以梳理出遵循不同心理模型構建的人工智能學派，他們各自有著不同的適用領域。如理論方面存在符號主義、連結主義、行為主義等三大學派，應用方向包括符號計算、模式識別、機器翻譯、機器學習、問題求解、邏輯推理與定理證明、自然語言處理、分布式人工智能、計算機視覺、智能信息檢索、專家系統等等。這些傳統形式的人工智能早已被廣泛應用于一般性的智能應用，也是傳統的人工智能教育學習的主體內容。

而今，互聯網大數據的興起使得以深度學習等為主的機器學習算法在商業領域廣泛應用，人工智能再次進入快速發展期。由于人工神經網絡對傳統人工智能“符號處理”理論基礎提出了挑戰，人們開始反思人工智能乃至認知科學的基本概念和理論，特別是對“認知即計算”的計算理論的反思，以及對智力本質進行的重新思考。實驗心理學的研究發現“認知的計算理論”并不能解釋一切認知和智力活動。以深度學習或神經網絡為核心的人工智能應用正成為當下人工智能實踐探索的主流形式，而廣泛存在的大數據為其注入了不竭的源泉，推動著一個又一個令人驚嘆的奇跡誕生。

在這樣的情況下，重視人工智能思維教育則變得尤為重要。人工智能思想關注的是從人工智能研究和實踐中提煉出來的框架、技能集合和一般工具，這些對每個人都是有用的（而不僅僅是人工智能研究者），應被納入到智能教育的本體知識之中，并作為重要的組成部分。與計算思維相比，人工智能思維超越了邏輯和算法的觀點，強調如何利用知識庫和案例庫解決問題，捕獲和理解常識，啟用語義和上下文，以及非結構化數據等，是當下機器智能的核心思想。

智能教育本體知識中自然少不了技術實踐。學習人工智能的前提是有扎實的計算機科學基礎知識。很自然的，基于眾多開源系統，探索智能化的系統構建，提升程序設計能力，體驗編程實踐是智能教育的重要實踐形式，在此就不再贅述。雖然人工智能領域存在多種學派，尚未形成統一的認識，但各自均有可取之處，故此需要理解各自差異，在學習與實踐中明確應用情景，并以此提升問題解決能力。

四、智能教育的實施策略

基于本文對智能教育的理解與定位，推動實施智能教育的措施不能僅從高等學校人才培養和人工智能發展的必要性角度思考。國務院出臺的《新一代人工智能發展規劃》所提及的相關措施是從科技、產業及高等學校角度提出的規劃，缺少對教育系統現有規劃及工作銜接的考慮。為此，有必要從人才培養規格、教育信息化建設、課程與教學改革、教學活動創新、教師專業化發展等方面謀劃可行策略，按照統一協調、多措并舉的原則，推進智能教育的各項工作。

1.創新高層次人才培養機制

2016年美國國家科學與技術委員會相繼發布兩份人工智能領域國家戰略報告，標志著美國開始了面向人工智能時代的國家努力（何哲，2016）。美國的人工智能報告鮮明指出了政府要主動作為，創造并維持一個足以支撐未來的三個層次的人才資源隊伍（技術專家、應用專家和未來學專家），這一點值得中國借鑒。

構建中國科技發展的新高地需要形成開放協同的科技創新體系。針對我國智能教育領域原創性理論基礎薄弱、重大產品和系統缺失等重點難點問題，一方面需要建設重大科技創新基地，吸引高端智能人才隊伍聚集，開展跨學科研究；另一方面，強調產學研用間的互動，充分激活企業創新主體積極性與動力，在市場競爭過程中，摸準市場需求，明確研發方向，促進持續的創新能力提升。中國擁有目前最大的電子商務市場，因此在新一階段的市場競爭與科技創新中具有獨特的優勢。在國家宏觀政策支持與市場機制的調節下，始終堅持上述兩個定位，我國智能應用領域與智能教育高端人才可以獲得前所未有的發展。

加強對智能科學的系統研究，相關數據的收集與整理尤為重要。除了注重課程建設與人才培養外，科研院所應發揮自身優勢，做好國內外智能教育前沿進展與實踐動態數據的收集與分析。正如《人工智能發展報告（2017）》中指出的，如果沒有人工智能技術發展狀態的數據，我們與人工智能（AI）的對話和決策基本上都是“盲目的”（Shoham et al.，2017）。為了跟蹤這個新興領域的進展，斯坦福大學領導人工智能領域專家推動了“人工智能百年研究”（AI100），制定發展指數，為人工智能專題提供一個全面的基準，并據此衡量技術進步狀態。該計劃囊括了學術界、工業界、開源軟件、公眾興趣、類人能力的技術進展等18個方面的內容，旨在如同經濟領域中的標準普爾商品指數（SPCI）追蹤美國經濟和全球股市一樣，反映當下美國人工智能發展狀況。這一定位既符合高等學校科研與人才培養的定位，又能夠與產業領域保持密切的聯系，對于推動人工智能技術及應用領域拓展發揮了積極的作用。同時，這一研究也使得各層次的專家能夠對現有及未來的人工智能應用，開展更加具體和深入的研究，研究結果對于國家政策和產業發展必將發揮積極作用。

人才培養方向的設定不應盲目以市場短期動向作為依據。正如英國牛津大學計算機科學系主任、人工智能研究員Michael Wooldridge所說：“目前顯然存在人工智能泡沫。《人工智能發展報告（2017）》給我提出了這樣的問題——這個泡沫是會爆炸，還是像1996-2001年的網絡泡沫一樣，慢慢地放氣？當這種情況發生時，還會留下什么？”（Knight，2017）。高屋建瓴的審視智能教育人才培養層次與分類，或許是應對風險最好的做法。

2.提升教育手段智能化程度

雖然本文更傾向于將智能教育定義為廣義的適應新時代變化、提升個體應對解決問題的能力，但智能教育的開展離不開手段與技術的智能化。

近些年被熱炒的“智慧教育”實際上還依然是“信息素養教育”時代的產物，強調的是對教育過程起到支撐作用的工具進行的智能化、適配性的提升，本質是對教育環境的改造。以韓國等為代表的國家2011年以來推動的智能教育（Smart Education）更多是一種基于學習者自身能力與水平、兼顧興趣、通過嫻熟的運用信息技術、獲取豐富的學習資料、開展自助式學習的教育，本質上是教育的信息化。

機器人一直是受歡迎的教育設備，從20世紀80年代麻省理工學院媒體實驗室開發的樂高Mindstorms工具包開始，各類被用于科學、數學、語言和其他學科的智能輔導系統（ITS）成為與學生交互的智能教學助理。人工智能可以在日益增長的學習分析領域、課程材料質量評估、適應性學習和推薦引擎中發揮作用。例如，有研究已經開始發揮人工智能的潛力，為個別學習者在慕課（MOOCs）和混合式學習中創造獨特的學習建議（Chaudhri et al.，2013）。各類智能教學系統和開源硬件進入中小學校，在一定程度上為智能教育的開展奠定了物質基礎。

Woolf等人（2013）總結了人工智能教育的五項關鍵研究挑戰，包括研制個性化學習導師、支持21世紀核心能力培養、基于學習交互數據的分析、服務的普及性、為終身學習服務。國內專家認為，智能校園、立體化綜合教學場、基于大數據智能的在線學習教育平臺、智能教育助理等是人工智能增強型教育的四種微觀層次的應用形態（吳永和等，2017）。

教育部副部長杜占元在2017年底召開的未來教育大會上表示，人工智能將對教育產生革命性影響，將為教育界與產業界更加廣泛的跨界合作提供發展空間。人工智能在教與學、教育管理、教育服務過程中的融合應用，可以推動實施教育信息化進入新的階段。隨著教育系統智能化水平的提升，也將會讓越來越多的人認識到開展智能教育的必要性。

結合我國《新一代人工智能發展規劃》中的有關表述，以及近些年網絡教育的飛速發展，可以預見：今后基于智能技術增強型的教育模式與教學方法改革將得到大發展；智能學習、交互式學習的新型教育體系也將逐步顯示出看得見的效果；基于大數據和人工智能技術的遠程教育將獲得巨大的發展空間；建立以學習者為中心的教育環境，為學生提供精準推送的教育服務，不再是夢想；個性化與定制化的教育與管理也將初見端倪。

3.加強課程與教學頂層設計

啟智教育的重要性受到越來越多人的關注。以往課程設置過分注重學科知識體系，強調單一學科的教育，忽視信息時代智能教育人才培養應有的內容體系與核心價值，而今需要在課程與教學改革的頂層設計時予以高度重視。智能教育的本體知識與關鍵思維培養要想在教育系統中得以落實，必須將其納入到更大的教育體系之中，做好相關課程的銜接與整合。

以中小學信息技術課程改革歷史為例，伴隨信息技術的發展，中小學信息技術教育的核心目標也在經歷不斷的調整。時代變遷，導致越來越多的人對“信息素養教育”的定位產生質疑與不滿；計算機科學與編程教育受到日益關注；人工智能時代的到來進一步增強了改革的期望。近20年中小學信息技術教育目標是培養學生的信息素養，基本思路可以概況為培養學生的信息意識、掌握信息技能、形成信息能力和運用信息方法。由于中小學生心智發展尚未成熟，沒有在問題解決中進行收集、篩選與處理的直接需求。因此，在信息技術課對學生開展信息素養教育，缺少更加深刻的問題情景，較之語文、外語等學科中進行技術增強性學習，難以營造更真實的學習機會，教學效果一直不佳。

以工具實用性為主的教育背離了基礎教育應有的定位，信息技術教育未能承擔應有的數字時代信息意識教育的責任，計算思維成為信息技術學科的核心素養。新時期，中小學信息技術教育迎來了新的改革與發展機會，為此應該在頂層設計方面著重強調系統性設計，切實處理好多層次教育目標的定位，其中包括：以“增進信息意識，提升數字素養”作為課程初級目標，以“促進計算思維，培養編程能力”作為課程核心目標，以“體驗技術實踐，實現技術創新”作為教育的高級目標，推動小學到高中的課程改革與教學創新。這樣的改革思路與定位勢必會有效地推動智能教育的發展。

隨著越來越多的工作被技術所替代，特別是智能技術的使用，我們的行為方式隨之改變，具有創造性、想象力、合作精神、系統性思維和高情商的人，將成為駕馭機器智能使其服務于人類的杰出人才。從這個意義上來說，從更廣義的角度理解近些年出現的新型教育（如創客、STEM教育和智能教育），將幫助學習者具備適應未來工作所需要的21世紀能力。落實面向人工智能時代的智能教育，必然需要將計算機科學與數學、工程、科學等多學科進行整合。通過將STEM教育的思想植入智能教育課程，將進一步豐富學習活動，增強學習任務的探索性與實踐性，使學生的計算思維、工程思維、設計思維等得到充分發揮與發展。作為一種值得研究與探討的教育實施模式，整合型智能教育還需要更多人的探討與實踐。

4.探索多元化教育教學形式

面向全體社會成員開展智能教育的基本目標，就是要讓各類社會成員均能理解人類的認知規律與方法，掌握各類人造智能技術，并能在所參與的社會生活、科學研究與工程實踐中為人類服務。智能教育強調個體思維的發展，而非特定問題解決能力（包括人工智能）知識的提升。故此需要明確，智能教育強調全面的思維養成，而非單一的編程學習或者是機器人教育活動，在活動設計時需要根據要達到的目的確定有針對性的智能活動實踐。

在大學中開展基于計算思維導向的計算機公共課改革已經得到廣泛的認同。國內鮮有將人工智能納入公共教學的嘗試。事實上，人工智能的很多知識點都為計算思維提供了很好的詮釋和生動的案例；而計算思維方法也可以在人工智能理論和技術的發展中找到痕跡（王甲海等，2010）。國外有學校已經開始做了這方面的嘗試，取得了較好的效果。例如，泰國Mahidol大學開展了人工智能引入計算機導論課程的實驗（Silapachote et al.，2016）。

事實上，智能教育不應僅局限于學校正規的課程。不論是中小學還是高等學校均可以開設各類形式多樣的創客活動、編程活動、機器人教育以及形式多樣的不插電教育活動。在這些活動中均能很好地滲透形式多樣的思維教育，引導學生體驗基于跨學科知識的問題解決過程，開展創新技術應用與發明創造，探尋科學現象與工程實踐中的規律，從而獲得個體成功的喜悅。這些活動均在一定程度上體現了智能教育的目標。

國內還存在一種普遍的誤區，認為發展計算思維就一定要編程；培養思維就一定要做思維訓練。事實上，國外中小學階段開展計算思維教育形式尤為豐富，小學階段除了趣味編程外，更多是通過開展不插電的計算思維教學活動（Bell et al.，2009）。這是因為不插電的計算思維教育適合不同國家和具有不同知識層次的中小學生。這種教學活動方式，可以不受任何限制隨時隨地的學習（Smith，2017）。

享譽全球的Bebras計算思維挑戰賽實際也是一種不插電的思維教育活動。研究者發現，Bebras的試題不僅可以有效激發學生參與思維比賽的互動，還可以作為教學資源為課程提供支撐，培養學生的計算思維能力（Lonati et al.，2017）。

5.加強教師專業發展與培訓

聯合國教科文組織《教育2030宣言暨行動框架》指出，要實現人類社會教育的可持續發展，教師和資金是關鍵。自《教育信息化十年發展規劃（2011-2020）》頒布以來，我國教育信息化取得了顯著成效，絕大多數中小學教師能夠利用網絡空間開展教學，數字資源已經成為教學不可缺少的部分，各種新式教育教學裝備也正在被廣大師生使用。隨著人工智能的飛速發展，教育信息化正在步入新的時期，智能教育正在成為這個新時期的重要特征。為此，廣大教師還將面臨理解、學習和運用新的理念，實施智能教育的重任。

相比美英等國，我國教師自主參加各類實踐社區的意識明顯要差。長期以來，我國教師在職培訓傾向于統一內容與要求，以行政命令的模式要求教師必須參加某些活動，教師自發自愿參加的活動比較少。隨著在線教育和網絡學習的興起，教師虛擬實踐共同體得到了很大的發展。自2014年起，我國教師培訓體系中組織開展實施網絡研修與校本研修相整合的混合模式，力圖基于真實問題開展教師工作坊活動，切實解決教師教學中的問題；通過基于網絡的教師教研活動，實現教師間的良好互動，推動廣大教師有意識形成各種類型的實踐共同體，促進個人的專業發展。已有的實踐表明，這項措施雖然在具體操作過程中尚有諸多不足，但已經得到廣大教師的認可。

智能教育作為新鮮事物，沒有多少成熟的本地經驗可以借鑒。因此，盡快由政府推動發起建立廣泛的實踐聯盟，共同推動智能教育在線實踐社區的建設，尤為必要。美國上一任總統奧巴馬推動的“面向所有人的計算機科學”行動，引發美國IT界的大力支持，其做法值得中國政府和各級教育主管部門認真研究與借鑒。中國的高等學校也應積極支持在線實踐共同體建設，發揮其不可替代的學術指導與智力支持作用。

五、結束語

全球化的互聯互通、日益智能的機器應用以及超乎想象的新媒體力量，正在刷新我們對世界的理解。越來越多的智能設備進入人們的生活與工作中，人與機器的關系在不斷地發生著變化。狹隘地將《新一代人工智能發展規劃》中提及的全民智能教育理解為人工智能課程進入中小學、普及編程和機器人教育，并非完全不可取，但卻缺乏全局觀。大力普及信息技術教育是教育領域一直在努力推動的工作，然而縱觀以往所取得的成績以及目前面臨的發展機遇，如果僅僅停留在原有的信息技術學科視角內思考，勢必無法弄清楚以往所犯的錯誤和本該認真解決的問題。廣義地理解和包容智能教育，是我國推動人工智能人才培養的必由之路，也是推動包括STEM教育在內的其他新型教育的必然選擇。

參考文獻：

[1]包桂霞（2017）.“人工智能”啟蒙教育離課堂有多遠？[J].中國信息技術教育，（22）：70.

[2]蔡曙山，薛小迪（2016）.人工智能與人類智能——從認知科學五個層級的理論看人機大戰[J].北京大學學報（哲學社會科學版） ， （4）：145-154.

[3]蔡自興（2017）.智能科學學科若干問題的討論[J].計算機教育， （10）：6-8.

[4]常艷（2010）. 恩格斯晚年社會發展理論研究[M]. 北京：中央編譯出版社.

[5]杜慶東（2011）.智能科學的現狀與發展趨勢[J].沈陽師范大學學報（自然科學版）， （1）：49-54.

[6]龔克（2013）.立德樹人、素質教育與內涵式發展[J].中國高等教育，（2）：6-8.

[7]何哲（2016）.通向人工智能時代——兼論美國人工智能戰略方向及對中國人工智能戰略的借鑒[J].電子政務， （12）：2-10.

[8]胡弼成（2008）. 論教育形態的變革——思維教育簡論[J]. 高教探索， （5）：15-19.

[9]霍力巖（2000）.多元智力理論及其對我們的啟示[J].教育研究，（9）：71-76.

[10]李德毅（2017）.機器崛起，人機共融——評《機器崛起前傳——自我意識與人類智慧的起源于開端》[EB/OL]. [2018-02-28]. http：//www.aisixiang.com/data/106553.html.

[11]李慶安，吳國宏（2006）.聚焦思維結構的智力理論——林崇德的智力理論述評[J].心理科學， （1）：216-220.

[12]李亦菲（2017）.智能教育與人工智能教育之間的關系[J].教育家，（44）：16-18.

[13]聯合國教科文組織國際教育發展委員會（1996）. 學會生存：教育世界的今天和明天[M].北京：教育科學出版社：14.

[14]林崇德，白學軍，李慶安（2004）.關于智力研究的新進展[J].北京師范大學學報（社會科學版），（1）：25-32.

[15]劉仁（2010）. 調整經濟結構：向智力資源要生產力[N]. 中國知識產權報，4-2（001）.

[16]馬玉慧，柏茂林，周政（2017）.智慧教育時代我國人工智能教育應用的發展路徑探究——美國《規劃未來，迎接人工智能時代》報告解讀及啟示[J].電化教育研究， （3）：123-128.

[17]毛澄潔，覃芳，唐亮等（2017）.一次問卷引發的思考——談面向人工智能時代的編程教育[J].中小學信息技術教育，（12）：33-36.

[18]錢津（2012）.智能教育：中國高校改革的新課題[J]. 創新， （2）：109-112.

[19]人民網（2017）.國務院印發《新一代人工智能發展規劃》[EB/OL]. [2018-02-28].http：//politics.people.com.cn/n1/2017/0721/c1001-29418862.html.

[20]史寧中，柳海民（2007）.素質教育的根本目的與實施路徑[J].教育研究， （8）：10-14.57.

[21]湯敏，左小蕾（2016）. “互聯網+人工智能”正催生一場新的工業革命[N]. 經濟日報，4-8（001）.

[22]汪鳳炎，鄭紅（2015）. 品德與才智一體：智慧的本質與范疇[J]. 南京社會科學， （3）：127-133.

[23]王甲海，印鑒（2010）. 人工智能教學與計算思維培養[A].2010年全國智能科學技術課程教學研討會論文集[C].張家界：（19）：68-70.

[24]文晗（2017）.世界的技術化與主體的技藝化[J].世界哲學，（5）：130-136.

[25]吳永和，劉博文，馬曉玲（2017）.構筑“人工智能+教育”的生態系統[J]. 遠程教育雜志， （5）： 27-39.

[26]張煒，呂正則，吳藍迪等（2017）.“智能科學和技術”引領工程教育發展新動向——中國工程院李德毅院士訪談錄[J].高等工程教育研究， （1）：123-126，132.

[27]張曉峰（2002）.對傳統教育評價的變革——基于多元智能理論的教育評價[J].教育科學研究，（4）：28-30.

[28]趙會茹，李燕華，王速（1999）. 智能教育與高校教學方法的改進[J].華北電力大學學報（社會科學版），（4）：87-88.

[29]鐘義信（2015）.人工智能：信息技術的制高點——獻給《中興通訊技術》創刊20周年[J].中興通訊技術， （3）：1-3.

[30]鐘義信（2016）.三論“智能科學與技術”[J].計算機教育， （10）：2-6.

[31]鐘作慈（2007）.以普通高中課程改革為契機 推動基礎教育走內涵式發展之路[J].基礎教育參考，（3）：12-14.

[32]Bell， T.， Alexander， J.， & Freeman， I. et al. （2009） Computer Science Unplugged： School Students Doing Real Computing Without Computers[J]. The New Zealand Journal of Applied Computing and Information Technology， 13（1）： 20-29.

[33]Chaudhri， V. K.， Lane， H. C.， & Gunning， D. et al. （2013）. Intelligent Learning Technologies： Applications of Artificial Intelligence to Contemporary and Emerging Educational Challenges[J]. AI Magazine， 34（3）： 10-12.

[34]Knight， W.（2017）. Progress in AI isnt as Impressive as You Might Think[DB/OL].[2018-01-10]. https：//www.technologyreview.com/s/609611/progress-in-ai-isnt-as-impressive-as

-you-might-think/.

[35]Lin， C.， & Li， T.（2003） .Multiple Intelligence and The Structure of Thinking[J].Theory & Psychology， 13：829-845.

[36]Lonati， V.， Malchiodi， D.， & Monga， M. et al. （2017）. Bebras as a Teaching Resource： Classifying the Tasks Corpus Using Computational Thinking Skills[A]. Proceedings of the 2017 ACM Conference on Innovation and Technology in Computer Science Education[C]. ACM： 366-366.

[37]Sarah， O. （2016）. How to Robot-proof Your Childrens Careers. The Financial Times[DB/OL].[2018-02-28]. https：//www.ft.com/content/0c7906d6-be89-11e5-9fdb-87b8d15baec2

[38]Shoham， Y.， Perrault， R.， & Brynjolfsson E. et al.（2017）. Artificial Intelligence Index 2017 Annual Report[DB/OL]. [2018-01-10]. http：//cdn.aiindex.org/2017-report.pdf.

[39]Silapachote， P.， & Srisuphab， A. （2016）. Teaching and Learning Computational Thinking Through Solving Problems in Artificial Intelligence： On Designing Introductory Engineering and Computing Courses[A]. Teaching， Assessment， and Learning for Engineering （TALE）[C]. 2016 IEEE International Conference： 50-54.

[40]Smith， K.（2017）. New Materials for Teaching Computational Thinking in Early Childhood Education[D]. Massachusetts Institute of Technology.

[41]Woolf， B. P.， Lane， H. C.， & Chaudhri， V. K. et al.（2013）. AI Grand Challenges for Education[J]. AI Magazine， 34 （4）： 9.

[42]Zeng， D. （2013）. From Computational Thinking to AI Thinking[J]. IEEE Intelligent Systems， （6）： 2-4.

收稿日期 2018-03-12 責任編輯 汪燕