是“智能化教育”还是“促进智能发展的教育”
张进宝 姬凌岩
摘要：人类已步入人工智能时代，开展全面的智能教育势在必行。然而对于智能教育是“智能化教育”还是“促进智能发展的教育”，当前一些研究者和实践者的认识尚不清晰。人工智能技术为全民智能教育提供了技术基础，但将智能教育定位于以人工智能为内容的教育则过于狭隘。智能教育不完全等同于智能学科的人才培养，也不等同于一般意义上的思维教学。智能教育应将促进个体理解与智力发展作为核心价值主张，培养具有计算思维、工程思维、人工智能思維等关键性思维的智能人才，构建包括人工智能核心概念与思想、技术方法与技术实践的智能教育本体知识。推动实施智能教育的措施不能仅从高等学校人才培养和人工智能发展的必要性角度思考，要从人才培养规格、教育信息化建设、课程与教学改革、教学活动创新、教师专业化发展等方面谋划可行策略，按照统一协调、多措并举的原则，推进智能教育的各项工作。
关键词：人工智能；智能教育；概念内涵；目标定位；实施策略
中图分类号：G434 文献标识码：A 文章编号：1009-5195（2018）02-0014-10 doi10.3969/j.issn.1009-5195.2018.02.002
一、引言
心理学、计算机科学、教育学领域对于如何提升人的智力与能力的研究与实践，已经取得了很多进展（张晓峰，2002；林崇德等，2004；蔡曙山等，2016）。近些年人工智能成为信息技术的制高点（钟义信，2015），被认为是新一轮产业革命的引擎（汤敏等，2016），美国先于中国开始做出系统的规划（马玉慧等，2017）。2017年中国政府也发布了《新一代人工智能发展规划》（以下简称《规划》），其中保障措施包括了实施“全民智能教育项目”（人民网，2017）。人工智能教育早已有之，但将智能教育推向全民，成为所有人都需要学习的内容，在历史上还是首次，一时成为研究热点。
规划所描述的智能教育包括举办相关的人工智能科普活动、开设人工智能课程、推广编程教育，以及鼓励开发相关软件与游戏等。不难发现，这样的智能教育仅限于信息技术教育范畴。有专家对当前绝大多数企业界与教育界对人工智能教育和智能教育认识混淆的现象进行了分析（李亦菲，2017），一线教育工作者也从实践角度指出中小学开展人工智能启蒙教育必然遭遇诸多挑战（包桂霞，2017），还有研究者通过开展广泛的调查发现编程教育是否应该在小学开设等问题尚无明确的共识（毛澄洁等，2017）。由此可见，研究者和实践者对智能教育概念、目标定位与实施策略并未形成统一认识。
教育的目的在于使人“变成他自己”，应该把“学习实现自我”放在最优先的地位（联合国教科文组织国际教育发展委员会，1996）。教育的目的首先需要满足个人发展的需要，其次才能体现到对经济发展的推动作用。虽然世界的技术化在所难免，但是现代人在主动将生活完全交给各种技术加以处理之时，又恐惧自身将被机器统治（文晗，2017）。这足以说明人类对于掌握社会变化趋势有着迫切的需求。
人类已步入弱人工智能时代，强人工智能也将悄悄来临，开展全面的智能教育势在必行。与多数人在“智能化的教育”和“促进智能发展的教育”中选边站队不同，本文更倾向于整合二者的广义智能教育。其基本指导思想是：通过对长期以来人类教育实践经验与社会发展趋势的深度理解，兼顾个人与社会发展的需要，求得最广泛的认同，构建内涵更为丰富的教育与实践体系，构建多元化的目标体系、内容体系与实施策略，实现受教育者个体智能与社会智能化程度的全面发展。
二、智能教育的内涵分析
人类认识与改造社会的过程，也是不断提升自身智力与能力的过程（常艳，2010）。人的智能也体现在学会面对过去、现在和未来。教育肩负着传承人类优秀传统与知识的任务，确保青年人能够适应当下的社会生活，并为他们的未来考虑。当社会发展失去了劳动力成本和资源消耗的优势后，就需要通过要素投入结构的改变实现经济结构的调整，唯一可行的便是更多地向知识、向智力资源要生产力（刘仁，2010）。教育因此被更多地赋予开发智力的重任，这是社会生产力和科技高度发展的必然结果。教育改革也因此更加强调内涵式发展，高等教育应该从注重专业建设、科研工作转向强调育人为主（龚克，2013）；基础教育从重视基础设施建设和硬件达标转向重视质量和效益，以实现从高代价发展模式向低代价发展模式的转换（钟作慈，2007）。
狭义的智能教育定位于“以人工智能为内容的教育”，目的是培养掌握机器智能技术的专业化人才，以满足技术发展需要。广义的智能教育则定位于最终实现个体智能的提升，不仅掌握人工智能等技术，还能初步具备未来工作中实现人机合作的能力。
1.智能教育与人工智能技术
从智能科学角度来看，“智能”是个体对客观事物进行合理分析、判断及有目的地行动和有效地处理周围环境事宜的综合能力（杜庆东，2011）。智能学科的基础包括人工智能、计算机科学、控制论、信息学、系统论、认知科学、仿生学等内容，其中人工智能是核心（蔡自兴，2017）。但是，人工智能并不能代表智能科学。人工智能着重研究与模拟的是“人类的显性智慧能力”，而对“人类隐形智慧与显性智慧奥秘”的研究则被称为智能科学技术（钟义信，2016）。后者对于人类自身智慧的研究更具普适价值。
人工智能的现有应用和潜力已经引发了各种担心。由于采用了学习策略和更加高级的算法，不论是AlphaGo还是AlphaGo Zero在围棋比赛方面所取得的惊人成就，让人相信有朝一日人工智能将全面战胜人类智能。牛津大学的卡尔·贝内迪克特·弗雷（Carl Benedikt Frey）和迈克尔·奥斯本（Michael Osborne）称，未来二十年美国几乎一半的就业岗位、印度2/3的岗位以及中国3/4的工作都很可能被计算机取代（Sarah，2016）。业界普遍认为，人工智能技术升级的速度快于以往任何一次技术革新，正全方位、加速改变着人类生活。包括著名科学家斯蒂芬·威廉·霍金、特斯拉汽车公司首席执行官埃隆·马斯克、微软创始人比尔·盖茨等名人都对人工智能发展可能引发的隐患表示担忧，既有“可能毁灭人类”的远虑，也有“人工智能将与人类抢饭碗”的近忧。实际上，在一些看似简单，但需要直觉、灵感、顿悟和创造性思维的领域，如面孔识别、直觉判断、交感交流、创新思维，人工智能的水平甚至不如一个婴儿（蔡曙山等，2016）。
智能科学的发展具有无限的潜力，因而受到全球的关注。智能科学主要集中于以人的智能作为模仿的对象，构建机器智能，使其具备人的智能特征。人工智能在本质上是对人类智能的模拟，是对人类智能的物化。客观看待技术的发展，突出其发展与应用对人类体力和脑力的延伸作用，改变和推动人类社会更快地发展，有助于人类更加有尊严、更加优雅、更加智慧地生活（李德毅，2017）。这将成为人类在人工智能时代学会与技術共存的指导原则。
广义的智能教育不完全等同于智能学科的人才培养。二者虽然都强调使受教育者系统掌握智能方法和智能信息处理技术，但在实践层次与要求方面，前者更加强调面向个人生活与一般性科研活动，后者则更加强调工程能力。智能学科培养具有宽口径知识和较强适应能力及现代科学创新意识的高级技术人才，能够实施信息获取、传输、处理、优化、控制工程，具备在相应领域从事智能技术与工程的科研、开发、管理工作的能力（张炜等，2017）。
专业性的智能科学教育实践为全民智能教育提供了坚实的技术基础，但教学内容不能局限于计算机科学范畴，仅仅关注机器所实现的智能，讲授形式逻辑、算法、程序设计等数学和计算机科学的知识，忽视与个人发展的直接关系。其定位应着眼于理解该学科领域基础性的思想与方法，以及近些年计算机科学、工程教育和思维教育领域中各种有益于促进个体智力和能力发展的思想与实践。
加强受教育者对智能的理解与应用，以科学、实践领域的问题解决为主要形式，运用包括人工智能在内的各类技术，发展人类自身的智力和能力，形成人机合作的行为模式，这是智能教育的基本目标。
2.智能教育与思维能力培养
高质量、高效率的思维能力培养是智能教育的核心灵魂。思维是智力的核心成分；人类个体之间智力差异的原因，主要是思维结构的差异（Lin et al.，2003）。目前，大部分心理学家和教育工作者都接受加德纳提出的多元智能理论。受此启发，对智力的培养强调，应着重于个体解决各个领域（如语言、逻辑-数理、空间、运动、音乐、人际交往、内省、自然观察等）问题的能力和生产及创造出社会需要的有效产品的能力（霍力岩，2000）。
智能教育不等同于一般意义上的思维教学。智能教育不仅仅关注学生的一般性自学能力、研究能力、思维能力、表达能力和组织管理能力的培养（赵会茹等，1999），还应结合实践领域新产生的问题解决方法。快速变化的世界需要更加综合的技能，除了识字、运算、科学素养等基本技能外，还有团队合作、批判性思维、沟通、毅力和创造性等优秀的个性品质。近些年教育界对核心素养、学科思维培养的关注程度与日俱增，这些最新的发展集中反映了当代教育工作者对各个工作领域核心方法与技能的提炼，是思维能力培养的进一步发展。
实施智能教育不能墨守于心理学的认识。智能教育理应承担起帮助青少年准备好应对这个科技日新月异、信息互联互通、就业快速更新的世界，成为敏捷的、适应能力强、具有跨学科思维的学习者。科技的发展已经颠覆了人们对教育的理解，在搜索引擎极其发达的时代，绝大多数人都认可不再需要通过死记硬背来掌握知识。除了积极运用数字技术支持个体智能发展外（钱津，2012），还要引导学生有意识地理解蕴藏于计算机科学中闪光的思维方法，进而实现一般思维教育与智能科学教育的衔接。
归纳上述讨论，本文对“智能教育”做出新的界定，即“培养学习者系统掌握和运用各种思维与技术工具，通过人人或人机合作模式，实现对外部世界（实体的或虚拟的）与问题情景的形式化表征，在符合价值观与道德伦理的前提下，实现智能信息处理、构造智能解决方案和开发系统，是个体智能发展与智能技术实践相整合的跨学科开展的创新教育过程”。
三、智能教育的目标定位
开展智能教育需要有明确的目标定位，即正确理解教育对象的需求，据此提供何种教育服务。目标定位研究涉及核心价值主张、教育主体需求的理解以及教育内容价值的认定。选择正确的目标定位是实施成功教育的重要一步，也是评价教育价值的依据。目标定位的确立，直接影响智能教育的实施策略与思路。
1.智能教育的核心价值主张
明确智能教育的核心价值主张是获得受教育者认可的关键。狭义的智能教育将人工智能技术作为学习内容，无法吸引最广泛的人。广义的智能教育强调提升个体智力与能力，本质上是提升人解决问题的思维品质与实践能力，最高目标是发展人的智慧。因此能够覆盖绝大多数的学习者，这种价值主张容易获得教育用户的认可。
人工智能时代的智能教育，应旗帜鲜明地将提升个体智能作为最重要的价值主张。信息时代到来以后，决定教育形态的三大因素（生产力与生产方式的发展水平、人类认识能力的发展水平、教育自身的发展水平）都已经发生了质的变化。以发展受教育者的思维能力为核心的思维教育，被认为是继信仰教育、知识教育之后，信息时代的教育形态（胡弼成，2008）。社会对教育产生了完全崭新的要求，开发人脑的信息加工功能、培养具有创新能力的新型人力资源成为核心，这是知识教育所不能胜任的。心理学研究表明，智力是由思维、感知（观察）、记忆、想象、言语和操作技能组成。而智力的内容是思维的对象，其形式总是表现在各种学科能力之中（李庆安等，2006）。由此可见，智能教育智力的开发与能力的培养，其核心是思维技巧的培养。
智能教育注重基于学习知识开展高级认知思维的过程，是促进学生深度学习与能力提升的有效方式。人对世界的认知可以分为三个层次：经验、知识和智慧。经验和知识是能够表述的，可以认为是实体。存储在大脑中的知识是观念形态的，存储在书本或其他实体上时则是物化形态的（史宁中等，2007）。不论是观念形态的还是物化形态的学科知识，都是开展跨学科教育活动、发展思维和提升智力的重要基础。而智慧（智能的高级形态）则潜藏于经验和知识之中，由经验与练习习得，属于“德才兼备”的综合心理素质（汪凤炎等，2015）。合理的跨学科思维活动则能显著激发知识的加工，在往复循环的知识运用于智力活动过程中，经验、知识与智慧均能得到不断的更新与深化。
持续提升数字素养与学习能力不仅为提升个体智能做好技术保障，也是个体参与智能化实践与综合思维运用的重要形式。
推动教育手段的智能化不应成为智能教育的核心价值。即使人工智能是智能教育的重要内容，但首先需要强调的是人工智能的思想，而非特定的人工智能技术。虽然人工智能水平会不断进步，变得越来越“聪明”，但由于它们自身缺乏创造性和道德性，是永远不可能有智慧的。从这一个意义上来说，应强调学习人工智能的本质而非机器的智能，目的不是要让人具备机器的智能，这就如同工业时代教授人们学会使用机器，以便能够更好地利用机器为我们服务一样。此外，工具手段的智能化或许会对学习进程产生积极的影响，但人类智慧的提升则不能完全依赖手段来实现。
2.智能教育的关键思维培养
当前计算机的应用已经遍及全社会，人们越来越多地依赖计算机作为分析和解决问题的工具。在这个过程中，最重要的不是如何解决问题的具体技巧，而是首先需要把问题转化成能够用计算机解决的形式，而后才是有效运用各种技术构造解决方案。这已成为全社会成员都必须具有的基本素质，这也正是计算思维培养所强调的内容。学会使用计算思维的基本方法解决问题，以及学会具体解决问题的技术，二者相比显然前者更加重要。
计算思维包括一系列计算机科学的心智工具与概念，可被用于解决问题、设计系统和理解人类行为，构造基于计算机的自动化方案。计算思维的要素相当丰富，包括计算机科学中经常见到的计算概念、原理、方法、语言、模型和工具。计算思维被认为是与面向所有儿童的数学、语言和逻辑推理同等重要的能力。人们日益认识到，计算思维（不仅仅是计算）已经开始影响和塑造许多学科的思维（例如地球科学、生物学和统计学），不仅可以使其他科学家受益，也可以使其他人（例如银行家、股票经纪人、律师、汽车修理工、销售人员、医疗保健专业人士、艺术家等）的工作受益，支撑着各个领域的发展。
笔者认为，“全民智能教育”有望成为全球“计算思维教育”的中国版。广义的智能教育不仅包括计算思维教育，还整合了设计思维、工程思维、数学思维等其他领域的思维，特别是人工智能思维，因其独特性而被认为有超越计算思维之处（Zeng，2013），成为智能教育的独特需求。
人工智能通常是使用逻辑和启发式学习及强化学习相结合的方式进行训练的。一般的逻辑和启发式算法会以符合人类思维的方式进行运算。例如早期的国际象棋程序就是将规定的规则编入计算机，加入某些人类专家的决策规则，然后利用计算机的运算能力，其结果已远超人类的思维能力。人工智能能以人类永远不会想到的方式探索可能的行动与策略空间，而且我们也不了解它将从这种探索中产生何种具体方法。这种人工智能的思想所能解决的问题甚至是人类所无法预测的。
自从人工智能在棋类游戏中胜出人类以后，几乎没有人有机会在人机对弈中胜出，但人机混队模式胜出人人混队或机器混队的概率高得多。为此，智能教育应该承担起教会受教育者同机器一同合作解决各个学科领域问题的责任。人类多年以来梦想的智能外脑，就在眼前了。智能教育将通过训练人类掌握同机器一起工作的方法，理解计算的过程，充分利用包括机器学习或深度学习的结果，解决那些前所未有的问题。
3.智能教育的本体知识构建
随着高等教育领域计算机专业人才培养的逐步细化，逐步体系化的智能研究为人工智能知识体系的构建奠定了基础。自从1950年图灵提出“机器思维”概念以来，人们一直以来将图灵测试当作测试机器智能程度的标准，很多科学家也做了诸多的尝试，虽充满争议但在很大程度上激励了计算机科学领域不断提升机器的“智能”水平，同时也极大地促进了认知科学、神经科学和数学（理论计算科学）的发展。
回顾人工智能理论研究和应用实践，可以梳理出遵循不同心理模型构建的人工智能学派，他们各自有着不同的适用领域。如理论方面存在符号主义、连结主义、行为主义等三大学派，应用方向包括符号计算、模式识别、机器翻译、机器学习、问题求解、逻辑推理与定理证明、自然语言处理、分布式人工智能、计算机视觉、智能信息检索、专家系统等等。这些传统形式的人工智能早已被广泛应用于一般性的智能应用，也是传统的人工智能教育学习的主体内容。
而今，互联网大数据的兴起使得以深度学习等为主的机器学习算法在商业领域广泛应用，人工智能再次进入快速发展期。由于人工神经网络对传统人工智能“符号处理”理论基础提出了挑战，人们开始反思人工智能乃至认知科学的基本概念和理论，特别是对“认知即计算”的计算理论的反思，以及对智力本质进行的重新思考。实验心理学的研究发现“认知的计算理论”并不能解释一切认知和智力活动。以深度学习或神经网络为核心的人工智能应用正成为当下人工智能实践探索的主流形式，而广泛存在的大数据为其注入了不竭的源泉，推动着一个又一个令人惊叹的奇迹诞生。
在这样的情况下，重视人工智能思维教育则变得尤为重要。人工智能思想关注的是从人工智能研究和实践中提炼出来的框架、技能集合和一般工具，这些对每个人都是有用的（而不仅仅是人工智能研究者），应被纳入到智能教育的本体知识之中，并作为重要的组成部分。与计算思维相比，人工智能思维超越了逻辑和算法的观点，强调如何利用知识库和案例库解决问题，捕获和理解常识，启用语义和上下文，以及非结构化数据等，是当下机器智能的核心思想。
智能教育本体知识中自然少不了技术实践。学习人工智能的前提是有扎实的计算机科学基础知识。很自然的，基于众多开源系统，探索智能化的系统构建，提升程序设计能力，体验编程实践是智能教育的重要实践形式，在此就不再赘述。虽然人工智能领域存在多种学派，尚未形成统一的认识，但各自均有可取之处，故此需要理解各自差异，在学习与实践中明确应用情景，并以此提升问题解决能力。
四、智能教育的實施策略
基于本文对智能教育的理解与定位，推动实施智能教育的措施不能仅从高等学校人才培养和人工智能发展的必要性角度思考。国务院出台的《新一代人工智能发展规划》所提及的相关措施是从科技、产业及高等学校角度提出的规划，缺少对教育系统现有规划及工作衔接的考虑。为此，有必要从人才培养规格、教育信息化建设、课程与教学改革、教学活动创新、教师专业化发展等方面谋划可行策略，按照统一协调、多措并举的原则，推进智能教育的各项工作。
1.创新高层次人才培养机制
2016年美国国家科学与技术委员会相继发布两份人工智能领域国家战略报告，标志着美国开始了面向人工智能时代的国家努力（何哲，2016）。美国的人工智能报告鲜明指出了政府要主动作为，创造并维持一个足以支撑未来的三个层次的人才资源队伍（技术专家、应用专家和未来学专家），这一点值得中国借鉴。
构建中国科技发展的新高地需要形成开放协同的科技创新体系。针对我国智能教育领域原创性理论基础薄弱、重大产品和系统缺失等重点难点问题，一方面需要建设重大科技创新基地，吸引高端智能人才队伍聚集，开展跨学科研究；另一方面，强调产学研用间的互动，充分激活企业创新主体积极性与动力，在市场竞争过程中，摸准市场需求，明确研发方向，促进持续的创新能力提升。中国拥有目前最大的电子商务市场，因此在新一阶段的市场竞争与科技创新中具有独特的优势。在国家宏观政策支持与市场机制的调节下，始终坚持上述两个定位，我国智能应用领域与智能教育高端人才可以获得前所未有的发展。
加强对智能科学的系统研究，相关数据的收集与整理尤为重要。除了注重课程建设与人才培养外，科研院所应发挥自身优势，做好国内外智能教育前沿进展与实践动态数据的收集与分析。正如《人工智能发展报告（2017）》中指出的，如果没有人工智能技术发展状态的数据，我们与人工智能（AI）的对话和决策基本上都是“盲目的”（Shoham et al.，2017）。为了跟踪这个新兴领域的进展，斯坦福大学领导人工智能领域专家推动了“人工智能百年研究”（AI100），制定发展指数，为人工智能专题提供一个全面的基准，并据此衡量技术进步状态。该计划囊括了学术界、工业界、开源软件、公众兴趣、类人能力的技术进展等18个方面的内容，旨在如同经济领域中的标准普尔商品指数（SPCI）追踪美国经济和全球股市一样，反映当下美国人工智能发展状况。这一定位既符合高等学校科研与人才培养的定位，又能够与产业领域保持密切的联系，对于推动人工智能技术及应用领域拓展发挥了积极的作用。同时，这一研究也使得各层次的专家能够对现有及未来的人工智能应用，开展更加具体和深入的研究，研究结果对于国家政策和产业发展必将发挥积极作用。
人才培养方向的设定不应盲目以市场短期动向作为依据。正如英国牛津大学计算机科学系主任、人工智能研究员Michael Wooldridge所说：“目前显然存在人工智能泡沫。《人工智能发展报告（2017）》给我提出了这样的问题——这个泡沫是会爆炸，还是像1996-2001年的网络泡沫一样，慢慢地放气？当这种情况发生时，还会留下什么？”（Knight，2017）。高屋建瓴的审视智能教育人才培养层次与分类，或许是应对风险最好的做法。
2.提升教育手段智能化程度
虽然本文更倾向于将智能教育定义为广义的适应新时代变化、提升个体应对解决问题的能力，但智能教育的开展离不开手段与技术的智能化。
近些年被热炒的“智慧教育”实际上还依然是“信息素养教育”时代的产物，强调的是对教育过程起到支撑作用的工具进行的智能化、适配性的提升，本质是对教育环境的改造。以韩国等为代表的国家2011年以来推动的智能教育（Smart Education）更多是一种基于学习者自身能力与水平、兼顾兴趣、通过娴熟的运用信息技术、获取丰富的学习资料、开展自助式学习的教育，本质上是教育的信息化。
机器人一直是受欢迎的教育设备，从20世纪80年代麻省理工学院媒体实验室开发的乐高Mindstorms工具包开始，各类被用于科学、数学、语言和其他学科的智能辅导系统（ITS）成为与学生交互的智能教学助理。人工智能可以在日益增长的学习分析领域、课程材料质量评估、适应性学习和推荐引擎中发挥作用。例如，有研究已经开始发挥人工智能的潜力，为个别学习者在慕课（MOOCs）和混合式学习中创造独特的学习建议（Chaudhri et al.，2013）。各类智能教学系统和开源硬件进入中小学校，在一定程度上为智能教育的开展奠定了物质基础。
Woolf等人（2013）总结了人工智能教育的五项关键研究挑战，包括研制个性化学习导师、支持21世纪核心能力培养、基于学习交互数据的分析、服务的普及性、为终身学习服务。国内专家认为，智能校园、立体化综合教学场、基于大数据智能的在线学习教育平台、智能教育助理等是人工智能增强型教育的四种微观层次的应用形态（吴永和等，2017）。
教育部副部长杜占元在2017年底召开的未来教育大会上表示，人工智能将对教育产生革命性影响，将为教育界与产业界更加广泛的跨界合作提供发展空间。人工智能在教与学、教育管理、教育服务过程中的融合应用，可以推动实施教育信息化进入新的阶段。随着教育系统智能化水平的提升，也将会让越来越多的人认识到开展智能教育的必要性。
结合我国《新一代人工智能发展规划》中的有关表述，以及近些年网络教育的飞速发展，可以预见：今后基于智能技术增强型的教育模式与教学方法改革将得到大发展；智能学习、交互式学习的新型教育体系也将逐步显示出看得见的效果；基于大数据和人工智能技术的远程教育将获得巨大的发展空间；建立以学习者为中心的教育环境，为学生提供精准推送的教育服务，不再是梦想；个性化与定制化的教育与管理也将初见端倪。
3.加强课程与教学顶层设计
启智教育的重要性受到越来越多人的关注。以往课程设置过分注重学科知识体系，强调单一学科的教育，忽视信息时代智能教育人才培养应有的内容体系与核心价值，而今需要在课程与教学改革的顶层设计时予以高度重视。智能教育的本体知识与关键思维培养要想在教育系统中得以落实，必须将其纳入到更大的教育体系之中，做好相关课程的衔接与整合。
以中小学信息技术课程改革历史为例，伴随信息技术的发展，中小学信息技术教育的核心目标也在经历不断的调整。时代变迁，导致越来越多的人對“信息素养教育”的定位产生质疑与不满；计算机科学与编程教育受到日益关注；人工智能时代的到来进一步增强了改革的期望。近20年中小学信息技术教育目标是培养学生的信息素养，基本思路可以概况为培养学生的信息意识、掌握信息技能、形成信息能力和运用信息方法。由于中小学生心智发展尚未成熟，没有在问题解决中进行收集、筛选与处理的直接需求。因此，在信息技术课对学生开展信息素养教育，缺少更加深刻的问题情景，较之语文、外语等学科中进行技术增强性学习，难以营造更真实的学习机会，教学效果一直不佳。
以工具实用性为主的教育背离了基础教育应有的定位，信息技术教育未能承担应有的数字时代信息意识教育的责任，计算思维成为信息技术学科的核心素养。新时期，中小学信息技术教育迎来了新的改革与发展机会，为此应该在顶层设计方面着重强调系统性设计，切实处理好多层次教育目标的定位，其中包括：以“增进信息意识，提升数字素养”作为课程初级目标，以“促进计算思维，培养编程能力”作为课程核心目标，以“体验技术实践，实现技术创新”作为教育的高级目标，推动小学到高中的课程改革与教学创新。这样的改革思路与定位势必会有效地推动智能教育的发展。
随着越来越多的工作被技术所替代，特别是智能技术的使用，我们的行为方式随之改变，具有创造性、想象力、合作精神、系统性思维和高情商的人，将成为驾驭机器智能使其服务于人类的杰出人才。从这个意义上来说，从更广义的角度理解近些年出现的新型教育（如创客、STEM教育和智能教育），将帮助学习者具备适应未来工作所需要的21世纪能力。落实面向人工智能时代的智能教育，必然需要将计算机科学与数学、工程、科学等多学科进行整合。通过将STEM教育的思想植入智能教育课程，将进一步丰富学习活动，增强学习任务的探索性与实践性，使学生的计算思维、工程思维、设计思维等得到充分发挥与发展。作为一种值得研究与探讨的教育实施模式，整合型智能教育还需要更多人的探讨与实践。
4.探索多元化教育教学形式
面向全体社会成员开展智能教育的基本目标，就是要让各类社会成员均能理解人类的认知规律与方法，掌握各类人造智能技术，并能在所参与的社会生活、科学研究与工程实践中为人类服务。智能教育强调个体思维的发展，而非特定問题解决能力（包括人工智能）知识的提升。故此需要明确，智能教育强调全面的思维养成，而非单一的编程学习或者是机器人教育活动，在活动设计时需要根据要达到的目的确定有针对性的智能活动实践。
在大学中开展基于计算思维导向的计算机公共课改革已经得到广泛的认同。国内鲜有将人工智能纳入公共教学的尝试。事实上，人工智能的很多知识点都为计算思维提供了很好的诠释和生动的案例；而计算思维方法也可以在人工智能理论和技术的发展中找到痕迹（王甲海等，2010）。国外有学校已经开始做了这方面的尝试，取得了较好的效果。例如，泰国Mahidol大学开展了人工智能引入计算机导论课程的实验（Silapachote et al.，2016）。
事实上，智能教育不应仅局限于学校正规的课程。不论是中小学还是高等学校均可以开设各类形式多样的创客活动、编程活动、机器人教育以及形式多样的不插电教育活动。在这些活动中均能很好地渗透形式多样的思维教育，引导学生体验基于跨学科知识的问题解决过程，开展创新技术应用与发明创造，探寻科学现象与工程实践中的规律，从而获得个体成功的喜悦。这些活动均在一定程度上体现了智能教育的目标。
国内还存在一种普遍的误区，认为发展计算思维就一定要编程；培养思维就一定要做思维训练。事实上，国外中小学阶段开展计算思维教育形式尤为丰富，小学阶段除了趣味编程外，更多是通过开展不插电的计算思维教学活动（Bell et al.，2009）。这是因为不插电的计算思维教育适合不同国家和具有不同知识层次的中小学生。这种教学活动方式，可以不受任何限制随时随地的学习（Smith，2017）。
享誉全球的Bebras计算思维挑战赛实际也是一种不插电的思维教育活动。研究者发现，Bebras的试题不仅可以有效激发学生参与思维比赛的互动，还可以作为教学资源为课程提供支撑，培养学生的计算思维能力（Lonati et al.，2017）。
5.加强教师专业发展与培训
联合国教科文组织《教育2030宣言暨行动框架》指出，要实现人类社会教育的可持续发展，教师和资金是关键。自《教育信息化十年发展规划（2011-2020）》颁布以来，我国教育信息化取得了显著成效，绝大多数中小学教师能够利用网络空间开展教学，数字资源已经成为教学不可缺少的部分，各种新式教育教学装备也正在被广大师生使用。随着人工智能的飞速发展，教育信息化正在步入新的时期，智能教育正在成为这个新时期的重要特征。为此，广大教师还将面临理解、学习和运用新的理念，实施智能教育的重任。
相比美英等国，我国教师自主参加各类实践社区的意识明显要差。长期以来，我国教师在职培训倾向于统一内容与要求，以行政命令的模式要求教师必须参加某些活动，教师自发自愿参加的活动比较少。随着在线教育和网络学习的兴起，教师虚拟实践共同体得到了很大的发展。自2014年起，我国教师培训体系中组织开展实施网络研修与校本研修相整合的混合模式，力图基于真实问题开展教师工作坊活动，切实解决教师教学中的问题；通过基于网络的教师教研活动，实现教师间的良好互动，推动广大教师有意识形成各种类型的实践共同体，促进个人的专业发展。已有的实践表明，这项措施虽然在具体操作过程中尚有诸多不足，但已经得到广大教师的认可。
智能教育作为新鲜事物，没有多少成熟的本地经验可以借鉴。因此，尽快由政府推动发起建立广泛的实践联盟，共同推动智能教育在线实践社区的建设，尤为必要。美国上一任总统奥巴马推动的“面向所有人的计算机科学”行动，引发美国IT界的大力支持，其做法值得中国政府和各级教育主管部门认真研究与借鉴。中国的高等学校也应积极支持在线实践共同体建设，发挥其不可替代的学术指导与智力支持作用。
五、结束语
全球化的互联互通、日益智能的机器应用以及超乎想象的新媒体力量，正在刷新我们对世界的理解。越来越多的智能设备进入人们的生活与工作中，人与机器的关系在不断地发生着变化。狭隘地将《新一代人工智能发展规划》中提及的全民智能教育理解为人工智能课程进入中小学、普及编程和机器人教育，并非完全不可取，但却缺乏全局观。大力普及信息技术教育是教育领域一直在努力推动的工作，然而纵观以往所取得的成绩以及目前面临的发展机遇，如果仅仅停留在原有的信息技术学科视角内思考，势必无法弄清楚以往所犯的错误和本该认真解决的问题。广义地理解和包容智能教育，是我国推动人工智能人才培养的必由之路，也是推动包括STEM教育在内的其他新型教育的必然选择。
参考文献：
[1]包桂霞（2017）.“人工智能”启蒙教育离课堂有多远？[J].中国信息技术教育，（22）：70.
[2]蔡曙山，薛小迪（2016）.人工智能与人类智能——从认知科学五个层级的理论看人机大战[J].北京大学学报（哲学社会科学版） ， （4）：145-154.
[3]蔡自兴（2017）.智能科学学科若干问题的讨论[J].计算机教育， （10）：6-8.
[4]常艳（2010）. 恩格斯晚年社会发展理论研究[M]. 北京：中央编译出版社.
[5]杜庆东（2011）.智能科学的现状与发展趋势[J].沈阳师范大学学报（自然科学版）， （1）：49-54.
[6]龚克（2013）.立德树人、素质教育与内涵式发展[J].中国高等教育，（2）：6-8.
[7]何哲（2016）.通向人工智能时代——兼论美国人工智能战略方向及对中国人工智能战略的借鉴[J].电子政务， （12）：2-10.
[8]胡弼成（2008）. 论教育形态的变革——思维教育简论[J]. 高教探索， （5）：15-19.
[9]霍力岩（2000）.多元智力理论及其对我们的启示[J].教育研究，（9）：71-76.
[10]李德毅（2017）.机器崛起，人机共融——评《机器崛起前传——自我意识与人类智慧的起源于开端》[EB/OL]. [2018-02-28]. http：//www.aisixiang.com/data/106553.html.
[11]李庆安，吴国宏（2006）.聚焦思维结构的智力理论——林崇德的智力理論述评[J].心理科学， （1）：216-220.
[12]李亦菲（2017）.智能教育与人工智能教育之间的关系[J].教育家，（44）：16-18.
[13]联合国教科文组织国际教育发展委员会（1996）. 学会生存：教育世界的今天和明天[M].北京：教育科学出版社：14.
[14]林崇德，白学军，李庆安（2004）.关于智力研究的新进展[J].北京师范大学学报（社会科学版），（1）：25-32.
[15]刘仁（2010）. 调整经济结构：向智力资源要生产力[N]. 中国知识产权报，4-2（001）.
[16]马玉慧，柏茂林，周政（2017）.智慧教育时代我国人工智能教育应用的发展路径探究——美国《规划未来，迎接人工智能时代》报告解读及启示[J].电化教育研究， （3）：123-128.
[17]毛澄洁，覃芳，唐亮等（2017）.一次问卷引发的思考——谈面向人工智能时代的编程教育[J].中小学信息技术教育，（12）：33-36.
[18]钱津（2012）.智能教育：中国高校改革的新课题[J]. 创新， （2）：109-112.
[19]人民网（2017）.国务院印发《新一代人工智能发展规划》[EB/OL]. [2018-02-28].http：//politics.people.com.cn/n1/2017/0721/c1001-29418862.html.
[20]史宁中，柳海民（2007）.素质教育的根本目的与实施路径[J].教育研究， （8）：10-14.57.
[21]汤敏，左小蕾（2016）. “互联网+人工智能”正催生一场新的工业革命[N]. 经济日报，4-8（001）.
[22]汪凤炎，郑红（2015）. 品德与才智一体：智慧的本质与范畴[J]. 南京社会科学， （3）：127-133.
[23]王甲海，印鉴（2010）. 人工智能教学与计算思维培养[A].2010年全国智能科学技术课程教学研讨会论文集[C].张家界：（19）：68-70.
[24]文晗（2017）.世界的技术化与主体的技艺化[J].世界哲学，（5）：130-136.
[25]吴永和，刘博文，马晓玲（2017）.构筑“人工智能+教育”的生态系统[J]. 远程教育杂志， （5）： 27-39.
[26]张炜，吕正则，吴蓝迪等（2017）.“智能科学和技术”引领工程教育发展新动向——中国工程院李德毅院士访谈录[J].高等工程教育研究， （1）：123-126，132.
[27]张晓峰（2002）.对传统教育评价的变革——基于多元智能理论的教育评价[J].教育科学研究，（4）：28-30.
[28]赵会茹，李燕华，王速（1999）. 智能教育与高校教学方法的改进[J].华北电力大学学报（社会科学版），（4）：87-88.
[29]钟义信（2015）.人工智能：信息技术的制高点——献给《中兴通讯技术》创刊20周年[J].中兴通讯技术， （3）：1-3.
[30]钟义信（2016）.三论“智能科学与技术”[J].计算机教育， （10）：2-6.
[31]钟作慈（2007）.以普通高中课程改革为契机 推动基础教育走内涵式发展之路[J].基础教育参考，（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 責任编辑 汪燕
