Activities
導(dǎo)讀：2025年1月11日-12日，由中國(guó)自動(dòng)化學(xué)會(huì)、中國(guó)青少年科技教育工作者協(xié)會(huì)聯(lián)合主辦的2025中國(guó)自動(dòng)化與人工智能科普大會(huì)暨創(chuàng)新人才貫通式培養(yǎng)研討會(huì)在中國(guó)科學(xué)院大學(xué)玉泉路校區(qū)禮堂隆重舉行。此次會(huì)議以“跨界融合·創(chuàng)新未來”為主題，聚焦大中小學(xué)貫通式培養(yǎng)模式與人工智能教育的科學(xué)化、系統(tǒng)化發(fā)展，吸引了來自全國(guó)高校、科研院所、中小學(xué)校等專家學(xué)者、師生代表共計(jì)500余人現(xiàn)場(chǎng)參會(huì)，有效匯聚了領(lǐng)域產(chǎn)學(xué)研優(yōu)質(zhì)資源，為推動(dòng)我國(guó)教育強(qiáng)國(guó)與創(chuàng)新型國(guó)家建設(shè)貢獻(xiàn)了力量。
田鋒教授受邀在2025中國(guó)自動(dòng)化與人工智能科普大會(huì)暨創(chuàng)新人才貫通式培養(yǎng)研討會(huì)上作題為“結(jié)合大模型的混合增強(qiáng)智能賦能教育案例”的專題報(bào)告，報(bào)告回顧并總結(jié)教育技術(shù)發(fā)展歷史，指出教師、學(xué)生、機(jī)器智能的優(yōu)勢(shì)與缺點(diǎn)；提出師-機(jī)-生復(fù)合主體混合增強(qiáng)智慧教育理論，介紹了結(jié)合大模型的情景理解、智能導(dǎo)學(xué)、科學(xué)評(píng)價(jià)等核心關(guān)鍵技術(shù)研究進(jìn)展，以及基于這些技術(shù)研制的平臺(tái)。最后給出4點(diǎn)思考。
一、啟示與挑戰(zhàn)
創(chuàng)新科技在教育中的應(yīng)用通常存在滯后的現(xiàn)象。第二次工業(yè)革命后，經(jīng)過了50年的時(shí)間才將無聲電影引入學(xué)校。第三次工業(yè)革命時(shí)這種滯后現(xiàn)象有所縮短。計(jì)算機(jī)于1946年發(fā)明后，僅十多年便開始進(jìn)入教學(xué)領(lǐng)域，電視等技術(shù)也出現(xiàn)類似情況。1969年互聯(lián)網(wǎng)誕生后，相關(guān)的閉路電視教學(xué)和廣播電視教學(xué)也在十多年后得到廣泛應(yīng)用。然而，盡管人工智能的概念自1956年便被提出，經(jīng)過五六十年的不斷研究，我們?nèi)匀辉谟懻撍膽?yīng)用，這說明人工智能技術(shù)本身還沒有發(fā)展成熟。
在這種背景下，當(dāng)一個(gè)創(chuàng)新科技，如人工智能，要被引入到教育領(lǐng)域時(shí)，會(huì)面臨一些獨(dú)特的挑戰(zhàn)。教育本身不僅是傳承人類文明和價(jià)值觀的過程，而且在教學(xué)場(chǎng)景中的應(yīng)用創(chuàng)新也對(duì)新技術(shù)的引入提出了更高要求。因此，人工智能要在教育中得以有效應(yīng)用，需要克服三個(gè)關(guān)鍵挑戰(zhàn)：技術(shù)的成熟度、教育體系的適應(yīng)性以及教育應(yīng)用中的創(chuàng)新實(shí)踐。只有在這些挑戰(zhàn)得到解決之后，人工智能技術(shù)才能夠充分發(fā)揮其在教育中的潛力。
人工智能在教育體系的適應(yīng)性和應(yīng)用中需面對(duì)學(xué)習(xí)主體、教學(xué)主體以及教學(xué)內(nèi)容的適應(yīng)性等三方面引起的難題。學(xué)生的個(gè)性差異是人工智能教育應(yīng)用的一個(gè)核心障礙。學(xué)習(xí)是一個(gè)動(dòng)態(tài)發(fā)展的過程，每個(gè)學(xué)生個(gè)體的認(rèn)知能力、學(xué)習(xí)需求和興趣各不相同，AI如何適應(yīng)這一過程是個(gè)性化學(xué)習(xí)的核心難點(diǎn)。此外，教學(xué)內(nèi)容必須符合學(xué)生的認(rèn)知發(fā)展規(guī)律。
教師的角色與工作壓力也是影響AI應(yīng)用的重要因素。教師不僅是知識(shí)的傳遞者和引導(dǎo)者，更是學(xué)生德智體美勞全面發(fā)展的促進(jìn)者。然而，在當(dāng)前的教育體系中，生師比例普遍較高，教師的任務(wù)繁重，需要在課堂上完成感知、計(jì)算、推理、決策等復(fù)雜任務(wù)，導(dǎo)致他們難以完全適應(yīng)現(xiàn)代教育的高要求。
二、混合增強(qiáng)智慧教育
混合增強(qiáng)智慧教育的核心特點(diǎn)在于：利用機(jī)器的海量存儲(chǔ)、檢索、計(jì)算等能力，結(jié)合人類教師的理解、推理、評(píng)價(jià)和創(chuàng)造等能力，形成“師-機(jī)-生”三元復(fù)合主體結(jié)構(gòu)。這一模式改變了傳統(tǒng)的二元師-生結(jié)構(gòu)，使教師、學(xué)生、AI共同成長(zhǎng)、相互適應(yīng)，并通過螺旋式認(rèn)知協(xié)同增強(qiáng)的效果，促進(jìn)教育質(zhì)量的提升。
這一理念不僅在學(xué)術(shù)研究中得到認(rèn)可，也在政策決策和教育實(shí)踐中引起廣泛關(guān)注。在2023世界慕課與在線教育大會(huì)上，我國(guó)教育部吳巖副部長(zhǎng)提出了“構(gòu)建‘師—機(jī)—生’三元一體的教育新模式”，表明這一框架呈現(xiàn)在了世界教育舞臺(tái)。
三、三個(gè)案例
我們課題組圍繞人工智能在教育中的應(yīng)用，開展了多個(gè)項(xiàng)目。
案例一是賦能考試。首先，構(gòu)建了一個(gè)包含幾十萬道歷年高考題的數(shù)據(jù)庫。該數(shù)據(jù)庫可用于試題解析、查重檢測(cè)和試題質(zhì)量評(píng)估，并從多個(gè)角度分析知識(shí)點(diǎn)分布，提高試題庫的智能化水平。
其次，開發(fā)了基于大語言模型與符號(hào)系統(tǒng)協(xié)同的數(shù)學(xué)幾何問題生成。該方法可以根據(jù)需求自動(dòng)生成不同難度的題目。例如，給一個(gè)種子問題，在五分鐘內(nèi)，可以生成800道推理題，其中最長(zhǎng)推理步驟可達(dá)75步，高于國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽的平均題目推理步數(shù)。
此外，還探索了利用AI發(fā)現(xiàn)考生創(chuàng)造性思維的方法。例如，在開放類題目閱卷分析中，AI可以識(shí)別并分析標(biāo)準(zhǔn)答案之外的創(chuàng)新性回答，如發(fā)現(xiàn)人口增長(zhǎng)、道路交通改善等未被閱卷組最初考慮的角度。這一技術(shù)為教學(xué)和閱卷提供了更廣泛的參考價(jià)值。
通過這些實(shí)踐，我們展示了AI在優(yōu)化教育資源、提高試題質(zhì)量和挖掘?qū)W生創(chuàng)造力方面的潛力。
案例二是探索了如何利用大數(shù)據(jù)、大模型對(duì)教學(xué)質(zhì)量進(jìn)行實(shí)時(shí)檢測(cè)。自2011年起，逐步構(gòu)建了教育教學(xué)質(zhì)量大數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)系統(tǒng)，實(shí)時(shí)精準(zhǔn)采集數(shù)據(jù)，目前已覆蓋全校，記錄了年均6000多門課程的數(shù)據(jù)，形成了7億多條教學(xué)多模態(tài)數(shù)據(jù)，每年新增6GB；同時(shí)也嚴(yán)格保護(hù)隱私。
在教學(xué)質(zhì)量監(jiān)測(cè)方面，結(jié)合大小模型，利用人物分割與識(shí)別技術(shù)，對(duì)課堂中的每個(gè)人進(jìn)行識(shí)別，并分析人物交互和意圖推理。通過這一方法，突破了傳統(tǒng)評(píng)價(jià)指標(biāo)的局限，實(shí)現(xiàn)了靈活的指標(biāo)構(gòu)建，能夠基于學(xué)科特點(diǎn)進(jìn)行課堂評(píng)價(jià)，并發(fā)現(xiàn)新的教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)。目前，該系統(tǒng)已迭代到第二版，并應(yīng)用于課堂互動(dòng)智能分析，實(shí)現(xiàn)表情、動(dòng)作、交互等聯(lián)合意圖識(shí)別。
案例三是知識(shí)森林智能導(dǎo)學(xué)，服務(wù)一帶一路國(guó)家。我們提出了“知識(shí)森林”智能導(dǎo)學(xué)系統(tǒng)，主要目的是解決“盲人摸象”學(xué)習(xí)迷航、認(rèn)知過載、千人一面的難題?；谥R(shí)主題及其關(guān)系組織教學(xué)，知識(shí)森林使學(xué)生既能掌握知識(shí)的整體脈絡(luò)，又能深入學(xué)習(xí)具體知識(shí)點(diǎn)，實(shí)現(xiàn)個(gè)性化搜索和關(guān)聯(lián)推薦。另外，由于學(xué)習(xí)過程中資源訪問存在長(zhǎng)尾現(xiàn)象，學(xué)生在深入學(xué)習(xí)時(shí)興趣容易下降，而結(jié)合大模型增強(qiáng)后，該問題得到了有效優(yōu)化，提高了學(xué)習(xí)的連續(xù)性和效率。
該成果入選教育部首批“人工智能+高等教育”應(yīng)用場(chǎng)景典型案例。
以上技術(shù)還被應(yīng)用于“一帶一路”國(guó)家的人才培養(yǎng)，已為115個(gè)國(guó)家培養(yǎng)了工程科技人才，提供了中國(guó)的智能教育方案。例如，泰國(guó)教育部次長(zhǎng)和巴基斯坦駐中國(guó)大使都對(duì)我們的工作給予了積極評(píng)價(jià)。這充分體現(xiàn)了我國(guó)在智能教育領(lǐng)域的創(chuàng)新實(shí)力和國(guó)際影響力。
四、四點(diǎn)思考
一是智慧教育理論仍處于探索階段，目前尚未形成完整的智慧教育理論體系。結(jié)合生成式人工智能或大模型的教育模式仍需要多個(gè)學(xué)科共同研究和探討。
二是盡管AI技術(shù)發(fā)展迅猛，但人類社會(huì)尚未完全做好迎接這一變革的準(zhǔn)備。許多旁觀者為技術(shù)的進(jìn)步歡呼，而真正推動(dòng)技術(shù)發(fā)展的人則步步為營(yíng)，謹(jǐn)慎前行。在這個(gè)過程中，我們必須保持審慎態(tài)度，建立嚴(yán)格的規(guī)范和引導(dǎo)機(jī)制，確保人工智能的合理應(yīng)用。
三是對(duì)大模型的認(rèn)識(shí)存在誤區(qū)。在教育領(lǐng)域，大模型的輸出質(zhì)量至關(guān)重要，合規(guī)的數(shù)據(jù)，并不代表其訓(xùn)練出的大模型的能生成合規(guī)的內(nèi)容。人工輸入反饋學(xué)習(xí)過程中，反饋者的價(jià)值觀可能會(huì)影響模型的表現(xiàn)，因此需要建立有效的價(jià)值觀對(duì)齊機(jī)制。例如，可借鑒國(guó)家認(rèn)可的語料提煉出價(jià)值觀規(guī)則，訓(xùn)練模型能夠進(jìn)行自我批評(píng)和修正，以確保其輸出符合社會(huì)認(rèn)可的標(biāo)準(zhǔn)和倫理規(guī)范。
盡管大模型在許多任務(wù)上展現(xiàn)了強(qiáng)大的能力，但其推理能力仍然有限。目前的主流自回歸LLM是大量相關(guān)性疊加，而非真正具備因果推理能力的智能系統(tǒng)。已有文獻(xiàn)的實(shí)驗(yàn)表明，只需對(duì)某數(shù)據(jù)集數(shù)學(xué)題中的關(guān)鍵名詞稍作修改，模型的正確率便可能下降65.7%，甚至更低；而人類則能識(shí)別這些變化并排除干擾。
四是什么樣的架構(gòu)支撐未來的智慧教育應(yīng)用。在教育大模型的應(yīng)用中，僅依靠現(xiàn)有大模型是不夠的，一種可能得架構(gòu)是構(gòu)建基礎(chǔ)模型、學(xué)科模型、智能體以及端側(cè)模型相互協(xié)同的共同體，以提升模型的推理能力和可靠性，即構(gòu)建教育大模型，需要在基礎(chǔ)模型的框架上進(jìn)行適配，以滿足教育場(chǎng)景的特殊需求。當(dāng)前的大模型相當(dāng)于帶有噪聲和偏差的通識(shí)知識(shí)表示，必須通過價(jià)值觀對(duì)齊、學(xué)科知識(shí)導(dǎo)入等方式進(jìn)行優(yōu)化。同時(shí)，可以結(jié)合“知識(shí)森林”增強(qiáng)模型、專業(yè)知識(shí)庫增強(qiáng)模型等多種手段，提升模型的知識(shí)表達(dá)能力。此外，通過端云結(jié)合的架構(gòu)，不僅能夠滿足個(gè)性化需求，還能有效保護(hù)用戶隱私，降低云端計(jì)算負(fù)荷，使教育大模型更具實(shí)用價(jià)值。
*本文根據(jù)作者所作報(bào)告速記整理而成
嘉賓簡(jiǎn)介：
田鋒，西安交通大學(xué)教授，博士生導(dǎo)師，獲王寬誠育才獎(jiǎng)獲、校教學(xué)卓越獎(jiǎng)，電信學(xué)部主任助理，陜西省大數(shù)據(jù)知識(shí)工程重點(diǎn)實(shí)驗(yàn)室主任，大數(shù)據(jù)算法與分析技術(shù)國(guó)家工程實(shí)驗(yàn)室大數(shù)據(jù)算法測(cè)試與示范應(yīng)用中心主任，中國(guó)教育發(fā)展戰(zhàn)略學(xué)會(huì)第四屆理事，中國(guó)自動(dòng)化學(xué)會(huì)智慧教育專委會(huì)副主任委員。研究方向：人工智能與智慧教育、大數(shù)據(jù)挖掘應(yīng)用。承擔(dān)/完成國(guó)家自然科學(xué)基金、國(guó)家科技部課題/子課題等10余項(xiàng)。已在IEEE TKDE、AAAI、NeurIPS、ACL、ACM SIGIR等國(guó)內(nèi)外高水平期刊會(huì)議發(fā)表論文120余篇；部分成果已經(jīng)在全國(guó)教育和稅務(wù)等領(lǐng)域應(yīng)用，獲國(guó)/省部/全國(guó)學(xué)會(huì)級(jí)科技進(jìn)步/教學(xué)成果獎(jiǎng)12項(xiàng)。
