用人工智能开启未来学习的升级之路

在第十二届中国互联网年度盛典——网易教育金翼奖颁奖现场，北京，热闹非凡。这场盛大的活动汇聚了众多教育界与互联网行业的精英人士。其中，清华大学电子工程系副系主任、长聘教授、博士生导师吴及教授，作为特邀嘉宾，带来了主题为《人工智能开启未来学习的升级之路》的精彩演讲。

吴及教授首先指出，教育的核心目标是培养出全面发展的人才，而人工智能正是助力教育实现这一目标的强大引擎。在竞争日益激烈的现代社会，我们需要用更少的时间投入获得更好更全面的发展，教育的质量和效率必须得到提升。人工智能在教育行业的应用，是实现这一目标的关键所在。通过与教育场景的深度融合，人工智能能够实现数字化、科学化和个性化的教学，从根本上促进教育的“提质增效”。

接下来，吴及教授详细阐述了人工智能在教育领域的具体应用。智能教学、智能学习、智能考试与评价以及智能管理等多个方面，人工智能正在助力教育行业的变革。特别是在助力学习个性化方面，人工智能能够精准识别学生的最近发展区，为其规划出动态的学习路径。通过构建面向教育的知识图谱，人工智能还能覆盖新课标知识点，为学生的学习提供全面的支持。

在分享会上，吴及教授强调：“作为教育从业者和技术研究者，我深感人工智能为教育带来的变革潜力巨大。”他表示，今天能够站在这里与众多教育界同仁分享自己的研究成果和心得，感到十分荣幸。他也期待未来人工智能能够在更多领域助力教育的发展，让教育变得更加高效、公平和个性化。吴及教授的演讲深入浅出，生动形象地展示了人工智能在教育领域的广阔前景和无限潜力。他的分享内容引起了在场观众的浓厚兴趣，赢得了阵阵掌声。今天我将为大家带来关于人工智能的汇报，相信大家对人工智能这个词都已经耳熟能详了。由于它的广泛应用和快速发展，导致在交流中每个人对于人工智能的理解可能都存在差异。因为当我们在谈论人工智能时，心里所想象的具体内容可能并不相同。这种差异主要源于两方面原因：人工智能这个领域的技术本身日新月异，其内涵和外延在不断变化。十年前、今天乃至十年后的人工智能，可能包含完全不同的含义。当初科学家创造“人工智能”这个词时，它的命名富有想象力，给了每个人广阔的想象空间。即使没有人解释这个词的确切含义，我们也能根据直觉想象出无数的可能。在认识人工智能上，我们存在极大的差异。

让我们先回到历史的长河中，一探人工智能的起源。这张照片拍摄于一个具有历史意义的时刻——1956年的美国达特茅斯会议。这次会议催生了人工智能这个词的诞生。照片中的三位科学家在信息科技历史上留下了浓墨重彩的一笔。他们是麦卡锡（stanford人工智能的创始人）、明斯基（MIT人工智能实验室的创始人）以及信息论的创始人香农。他们的贡献和想象奠定了人工智能发展的基础。

人工智能的发展并非一帆风顺。我们称之为第三次浪潮的人工智能的今天，其实经历了无数的波折和挫折。以人工智能的第一个黄金期为例，那时科学家们对未来充满了憧憬和期待。他们设想计算机能够证明数学定理，例如著名的四色定理，并开启了对话机器人的历史先河以及积木世界的探索。然而好景不长，随着英国国会的一份报告出炉，人工智能领域遭受了巨大的打击。报告指出，人工智能初期所承诺的种种成果并未如期实现，这使得人工智能进入了第一个寒冬期，各国纷纷停止了对这一领域的投资。尽管如此，这并未阻止人工智能继续发展的步伐。上世纪8世纪年代初期，人工智能迎来了它的第二个黄金时代。这一时期，硕果累累，包括神经网络和反向传播算法的发展，专家系统的涌现，例如医院的CBS系统。这些系统接受了我们的指令和规则，开始帮助人们做出决策。那时，人们认为只要构建更多的规则，就能解决更多的问题。于是，日本开始了第五代计算机的研究工作。尽管投入了大量的精力和资源，这项工作在不到十年的时间里就遇到了巨大的困难，最终宣告失败。美国国防部高技术情报署也停止了投资。规模扩大后，应用的难度急剧增加，人工智能迎来了第二次低谷。

到了年代后期，人工智能领域的情况发生了翻天覆地的变化。那时的AI行业远不如如今繁荣，AI专业毕业生找工作并不容易，神经网络的论文也往往遭到编辑部的拒绝。历史的车轮不断向前推进。IBM开始研发深蓝，到了2006年，深度神经网络的概念由Hinton提出。到了2011年，微软宣布他们使用深度神经网络技术将语音识别的错误率降低了30%，这是一个巨大的突破。随后的几年里，基于神经网络的机器系统在各种竞赛中屡创佳绩，深度学习开始风靡，各种任务都开始尝试使用深度神经网络来解决，且成果显著，这也标志着人工智能的第三次浪潮的到来。

历史总是充满了曲折。我们知道，即使今天的人工智能迎来了第三次浪潮，也无法预测未来它是否会再次遭遇冬天。我们只能拭目以待，因为未来总是充满了不确定性。

而在人工智能被社会广泛认知的过程中，AlphaGo的横空出世无疑起到了关键作用。从2010年开始，它陆续战胜欧洲职业棋手冠军、李世石和柯洁等围棋顶尖选手，取得了举世瞩目的成绩。这一切让人们深刻认识到，在围棋这个领域，人类已经无法与人工智能匹敌。AlphaGo的成功，让全世界都认识到了人工智能的强大。深邃智慧的公司研发了AlphaGo，展现出了惊人的才智。他们独具慧眼，找到了一个机器处理起来得心应手的任务——围棋。尽管围棋是一项人类智慧的结晶，难度极高，但它是封闭的游戏，双方都能看到棋盘上的所有信息，我们称之为全信息零和博弈。这种特性使得信息输入对系统至关重要，全信息则为系统构建提供了巨大的便利。

这个聪明的公司利用围棋的零和博弈特性，将黑棋和白棋的争夺转化为一种独特的竞赛。在361个空格的棋盘上，搜索空间极其庞大，任何一个计算机都无法仅凭蛮力完成计算。围棋中每一步棋的选择，在数据评估上都非常困难。还存在地平线效应，如同在地球上看到的远处船只突然显现。在围棋中，一步棋的好坏可能要在三五十步之后才显露出端倪，也许20步之后的下一步才是妙手。

在AlphaGo诞生之前，人类已经发明了许多策略来提高围棋水平，但仍然有限。当时，机器下围棋的水平甚至不如学了半年的人类儿童。AlphaGo引入了深度学习的技术，包括策略网络和价值网络。策略网络负责在当前的局面下决定下一步棋应该下在哪里，价值网络则判断当前棋局的胜算。AlphaGo不仅做出了决策，还判断了当前的胜率。观察AlphaGo与柯洁或李世石的对战，可以看到AlphaGo一直在计算胜率。据AlphaGo的开发者说，在与李世石对战时，其系统还有波动，而与柯洁对战时，AlphaGo一直预测自己会赢。这个系统凸显了技术带来的变革。

围棋是一个封闭系统，属于全信息零和博弈。面对现实世界的许多问题，既不封闭也不全信息，很多选择是开放性的。人工智能要解决真实世界的问题仍然面临巨大的困难。

这里简要介绍一下相关的学习类型。有监督学习是我们提供数据和准确的标注；无监督学习则只提供数据没有标注；而AlphaGo下棋则属于强化学习，根据棋盘未来的结果来判断当时下的棋是否是一步好棋。强化学习被认为是构建学习系统的一种有效途径。从人工智能的发展脉络来看，人工智能绝非单一的技术流派。实际上，至少存在三大技术流派：符号主义、连接主义和行为主义。

符号主义，如同人类阅读知识的方式，人工智能能够通过读取文字、建立知识图谱和各种知识工程，进行符号级的推理。这是人工智能发展中的一个重要分支。

连接主义则受到人脑神经系统的启发，它认识到信息并非存在于单个节点，而是存在于网络中。基于此，连接主义发展出了一系列人工智能网络，其中深度学习技术是当今第三次人工智能浪潮的核心。

行为主义并不追求模拟人的大脑，而是致力于让机器在自然界中完成一些基本功能，如行走、上台阶等。这一派别被称为“具身智能”，形象地说，就是机器像生物一样在自然界中生存。例如，大家熟知的波士顿大狗公司就是这一理念的代表。

那么，为什么第三次人工智能浪潮能够取得今天的成功呢？与前两次相比，这次浪潮的推动力量有三：首先是计算能力的飞速提升，人类可以调用无限的计算资源；其次是数据收集能力的增强，无论是哪个方向的研究都需要依赖数据分析；最后是深度学习等关键算法的突破。这三者共同作用，推动了人工智能的飞速发展。

我们应该客观地看待今天的人工智能。虽然它比以前更强大，能做很多事情，但也有许多不足和无法完成的任务。就像盖特纳技术成熟度曲线所示，任何技术的发展都会经历初发、期望膨胀、幻灭低谷，然后缓慢复苏的过程。波峰波谷的循环不止三次，但我们无法预知未来。对于人工智能这项先进技术，我们同样需要保持理性期待和客观评估。神经网络与我的人工智能见解

如今，各式各样的神经网络构型如雨后春笋般涌现，这是我想与你分享的第一部分关于人工智能的观点和认识。在当下这个快速发展的时代，神经网络已经深入我们生活的方方面面，它们以各种形态展现出惊人的能力，共同构成了人工智能这一宏大领域。

接下来我想谈谈人工智能与教育行业的融合。随着国家的发展，社会经济的进步，教育的重要性愈发凸显。对于教育的期望和要求也在不断提升。在“双减”政策的背景下，我们需要的不仅仅是会学习考试的学生，更需要具备全面素质、创造力和有效学习能力的人才。教育的核心任务应是提质增效，让学生以更高的效率掌握知识和技能，更好地适应未来社会的发展需求。

那么，如何实现这一目标呢？从技术层面来看，我认为需要经过三个主要过程：数字化、科学化和个性化。

数字化是第一步。在整个学习过程中，我们需要有效地采集各种数据。人工智能离不开数据，数据是决策的基础。只有积累了足够的数据，并对全过程进行精细的数据采集，我们才能深入了解教育的本质，为提质增效提供坚实的基础。这些数据为我们提供了一个丰富、详细的描述，使我们能够更准确地把握学生的学习情况，为个性化的教学方案提供支持。

随着数字化进程的推进，我们可以进一步实现科学化和个性化。科学化意味着我们要运用科学的方法来分析数据，深入理解学生的学习行为和习惯，从而制定出更有效的教学策略。而个性化则是根据每个学生的学习情况，提供定制化的教学方案，让每个学生都能以自己的方式、自己的节奏来学习，最大化地发挥他们的潜力。

在这三个过程的共同作用下，我们相信能够实现教育的提质增效，培养出更多具备全面素质、创造力的未来人才。科学化：借助客观数据与模型，构建精准有效的学习路径。

个性化：每个孩子都有独特之处，需要基于他们的能力差异量身定制学习方案。

让我们通过一个例子来深入理解个性化教育的重要性。在教育领域，个性化推荐已经成为一种相对成熟且效果显著的学习方式。每个学生掌握知识的速度和深度都有所不同，传统的教育方式往往采用一刀切的方式，所有学生做相同的作业，参加同样的考试，面对同样的教学问题。如果我们能够深入了解每个学生的长处和短板，知道如何发挥他们的优势并弥补不足，我们就能为他们提供更加个性化的学习方案。

个性化教育对于提升学习效率和质量至关重要。虽然个性化教育听起来简单，但实际操作并不容易。我们需要了解每个学生的现状，掌握知识的体系和架构。这需要教育工作者投入大量的精力来描绘知识的结构图，定位每个学生的不足之处，并探究这些不足的根源。只有了解了学生的实际情况，我们才能更有效地进行个性化教育。

如果进行了大量基础性工作，我们就可以让不同的学生走不同的学习路径，以实现更好的教学效果。未来的教育发展方向是个性化教学。我们不应该培养出千篇一律的学生。在大学里，不仅有核心课程，还有各种各样的选修课。我们每年培养出的数百名学生，每个人都有自己的特点。因为社会需要不同的人才，而不是一群复制粘贴的人。这需要大量的工作，需要所有人共同努力。

技术对于细节的把握也至关重要。现代技术可以帮助我们更深入地了解学生的需求，提供更精准的教学方案。通过数据分析、人工智能等技术手段，我们可以更准确地评估学生的学习情况，为他们提供更为个性化的学习资源和方法。这种对细节的把握和追求，将推动教育不断进步，让每个学生都能得到最适合自己的教育。王校长对体育锻炼的重视程度非同一般，尤其是在清华附中，他大力倡导孩子们参与各类体育运动，深信运动能全面培养孩子的素质和精神。我对这一理念深表赞同。

奥运会的辉煌成绩背后，靠的不仅仅是运动员的辛勤付出，更是科学化的个性化训练。以苏炳添为例，他的成功并非偶然。他身材虽矮，步长不如黑人，但他的步频却快如闪电。苏炳添在29岁之后，成绩突飞猛进，跑入了10秒大关。这样的成就，离不开对运动员细致入微的技术分析。

而在跳水项目中，中国的跳水技术已经能够借助3D成像虚拟化进行精细化的分析和教育。如果这项技术能够应用到运动员训练和学生的体育教学中，无疑会取得更好的效果。

我们正在进行一项有意义的工作。对于中学生来说，引体向上是一项具有挑战性的运动。很多时候，学生拉不上去并不完全是因为能力不够，而是因为发力方式不对。据学生反映，正确的引体向上应该是背部肌肉发力，而许多学生却是用腹部肌肉发力。为了验证这一观点，我们进行了实验，拍摄了学生在做引体向上时的视频，并配备了机电感应器。我们发现，用力情况好的学生确实是用背部发力，而臂部发力不足的学生则无法完成动作。我们根据这些数据，针对性地建议学生如何锻炼背部肌肉，学会正确的背部发力方式。

在与清华体育部的老师交流中，我了解到，他们强调的不是简单的增加运动量，而是科学的、个性化的训练。每天适量的运动是必要的，但过度运动可能会带来负面影响。只有针对个体的缺失进行有针对性的训练，才是真正的科学化和个性化。这一切，都离不开数字化技术的支持。未来，不论在哪个方向的教育和学习领域，我们都需构建一个闭环。这个闭环始于智能信息采集，通过收集数据，我们进行知识能力的全面评估，为每位学习者量身定制独特的学习或训练方案。随后，我们注重质效评价，这一过程使我们能够明确每位学习者的优点和不足，并针对其弱点找到改进方法。有效的方案应坚持实施，无效的则应及时调整。这样的闭环，有望为我们的孩子带来更多的成长助力。

技术虽重要，但它并非万能。在教育的大道上，我们仍需要管理和专家的智慧引导。在这个过程中，技术或许能发挥重要作用，助力教育走向数字化、科学化和个性化。它能为我们的教育提供有力支持，使教育质量和效率得到进一步提升。如此，我们有望为未来社会培养更多卓越人才。感谢大家的聆听！