几个世纪以来，教育一直遵循着相同的道路，无非是以老师为中心或者走流水线模式。不过，在人工智能相继侵袭了消费电子、电子商务、媒体、交通和医疗保健等行业之后，我们不禁要问，教育行业是否会成为人工智能的下一个目标呢？
人工智能与人类生活所发生的联系越来越紧密，人工智能如何应用于教育？人工智能又将对教育产生怎样的影响？
人工智能（ARTIFICIAL INTELLIGENCE）一词最初是在1956年DARTMOUTH学会上提出的。许多对机器智能感兴趣的专家学者聚集在一起，进行了一个月的讨论。从那时起，这个领域被命名为“人工智能”。
人工智能时代沉浮
人工智能至今经历了诞生、黄金时代（1956-1974）、遭遇基础障碍（1974-1980）、繁荣（1980-1987）、低潮（1987-1993）、复兴（1993-2006）、酝酿（2006-2012）、百花齐放（2012-2016）、爆发（2016-现在）多个时期，在曲折中不断发展。
第一次浪潮（1956-1974）
达特茅斯会议推动了全球第一次人工智能浪潮的出现，即为1956年到1974年。当时乐观的气氛弥漫着整个学界，在算法方面出现了很多世界级的发明，其中包括一种叫做增强学习的雏形（即贝尔曼公式），增强学习就是谷歌AlphaGo算法核心思想内容。现在常听到的深度学习模型，其雏形叫做感知器，也是在那几年间发明的。
除了算法和方法论有了新的进展，在第一次浪潮中，科学家们还造出了聪明的机器。其中，有一台叫做STUDENT（1964）的机器能证明应用题，还有一台叫做ELIZA（1966）的机器可以实现简单人机对话。于是，人工智能界认为按照这样的发展速度，人工智能真的可以代替人类。
第一次寒冬（1974-1980）
人们发现逻辑证明器、感知器、增强学习等等只能做很简单、非常专门且很窄的任务，稍微超出范围就无法应对。
这里面存在两方面局限：一方面，人工智能所基于的数学模型和数学手段被发现有一定的缺陷；另一方面，有很多计算复杂度以指数程度增加，所以成为了不可能完成的计算任务。先天缺陷导致人工智能在早期发展过程中遇到瓶颈，所以第一次冬天很快到来，对人工智能的资助相应也就被缩减或取消了。
第二次浪潮（1980-1987）
80年代出现了人工智能数学模型方面的重大发明，其中包括著名的多层神经网络（1986）和BP反向传播算法（1986）等，也出现了能与人类下象棋的高度智能机器（1989）。
此外，其它成果包括能自动识别信封上邮政编码的机器，就是通过人工智能网络来实现的，精度可达99%以上，已经超过普通人的水平。于是，大家又开始觉得人工智能还是有戏。
第二次寒冬（1987-1993）
然而，1987年到1993年现代PC的出现，让人工智能的寒冬再次降临。当时苹果、IBM开始推广第一代台式机，计算机开始走入个人家庭，其费用远远低于专家系统所使用的Symbolics和Lisp等机器。相比现代PC，专家系统被认为古老陈旧而且非常难以维护。于是，政府经费开始下降，寒冬又一次来临。
第三次浪潮（1993-现在）
出现了新的数学工具、新的理论和摩尔定律。
人工智能也在确定自己的方向，其中一个选择就是要做实用性、功能性的人工智能，这导致了一个新的人工智能路径。由于对人工智能任务的明确和简化，带来了新的繁荣。
在新的理论方面，数学模型对自然世界的简化，有着非常明确的数理逻辑，使得理论分析和证明成为可能，可以分析出到底需要多少数据量和计算量来得到期望的结果，这对开发相应的计算系统非常有帮助。
在更重要的一方面，摩尔定律让计算越来越强大，而强大的计算机很少被用在人工智能早期研究中，因为早期的人工智能研究更多被定义为数学和算法研究。当更强大的计算能力被转移到人工智能研究后，显著提高了人工智能的研究效果。
由于这一系列的突破，人工智能又产生了一个新的繁荣期。最早的结果即为1997年IBM深蓝战胜国际象棋大师。在更加专用型的功能性方面，机器在人脸识别、物体定位、物体检测和识别以及自然语言处理的挑战中，也可以达到或者超越人类的平均水平。
最近（2012-现在）
从2012年Alexnet在Imagenet竞赛中以压倒性的优势夺得冠军之后深度学习开始登上人工智能的大舞台成为“网红”，而这一段时期也迎来了一波人工智能的创业热潮。
人工智能是一个非常大的领域，应用于多个行业，包括金融、汽车、农业等。例如Google大脑，基于海量数据深度学习的智能计算系统，包含有七个主要研究方向：机器学习算法和技术、医疗健康、机器学习计算系统、机器人、自然语言理解、音乐和艺术创作以及知觉仿真。
什么是人工智能2.0时代？
中国工程院潘云鹤院士提出：“基于重大变化的信息新环境和发展新目标的新一代人工智能。”它有两个特点：一是信息的新环境，它要求周围所涉及的整个环境要互联互通，包括互联网、大数据、移动载体和传感网；二是有新目标，就是智能要渗透到人们生活的方方面面。
其技术表征其实体现在下面几点：第一点是从传统的知识表达过渡到一个大数据驱动的知识学习；第二点是进行一个跨媒体的认知学习和推理，不单是在单一领域的学习；第三点是它不单是指智能机器的应用，而是要进行人机协同、人机交互；第四点是要从个体智能过渡到群体智能；第五点是从单个的机器人到一个智能自主的系统。
人工智能与教育
AlphaGo人机的世纪大战实际上就是AI+教育最直接的案例和体验。
那么AI是否可以代替老师，甚至包括医生、律师等行业？实际上，AI在完成一些事务性工作，或者某一个方面它计算能力一定是比人类做得更好。
以教育行业为例，它一定会把教育行业里面的人才往两端去分化，那些带有创新性的、教导性的工作则要交给更优秀的老师去做，因此它一定取代的是属于事务性工作的一部分，但是它一定不是完全替代老师，并不是完全颠覆整个教育行业的价值观。
此外，AI还可以提升学习体验，它会有一种互动性，然后根据学生体验的结果定期反馈来制订个性化的教育的流程，这对我们是很好的启发。
在教育行业AI会进行一些探索，比如自动批改作业来解决对老师减负、拍照搜题的在线答疑、语音识别评测、个性化学习、对教学体系进行反馈和评测等。如今AI+教育也是在刚刚起步阶段，未来，虚拟现实的介入、机器人助教等也许可以使AI更好地服务于教育。
大学其实就是一个微缩版的城市，过去人们谈智慧城市、智能城市，在校园里最多提到的也是智慧校园。实际上，我们可以把城市里的AI+方方面面的应用缩小体现在学校，比如每个学校有自己的交通、教育环境、医疗包括安保和小的购物环境。那么就可以在校园里把它打造成智慧式的校园建设，我们的需求包括校园的安防、健康医疗，依据本校或者该地区的数据建立AI+的生态圈。
如果说AI有生命的话，她应该是“Ladies”，而其他各行各业就是“Gentlemen”。两者结合也许将孕育出新的生命，创造新的惊喜。总之，人工智能无处不在，使世界更加美好！
（本文根据电子科技大学计算机科学与工程学院教授董乐在“2017年高等教育信息化创新论坛”上的部分演讲内容整理）
原标题：电子科技大学计算机科学与工程学院教授董乐：让AI更好地服务于教育
评论前必须登录！
注册