过去的十几年间，信息技术作为教育研究与实践活动中的重要工具，有力推动了教育的改革与创新。随着人工智能技术的出现和指数式发展，信息技术在教育领域中的角色和功能被颠覆并重塑，其已突破单纯的工具应用维度，对教育研究范式产生了深刻、持久的影响。新技术发展为人工智能＋教育开辟了广阔的成长空间，提升了技术与教育融合的深度与广度，使得教育数字化转型向纵深发展，进而为教育变革注入充足动能。面对人工智能＋教育如火如荼发展的“热现象”，教育学者应当从教育和技术的综合视角出发进行“冷思考”，审慎看待人工智能＋教育面临的实践挑战与理论藩篱，引领教育走向真正智能的未来。
一、人工智能＋教育面临的现实困境
人工智能＋教育并非技术与教育的简单相加，而是技术与教育在实践应用和理论研究层面上的激烈碰撞与有机融合，由此产生的巨大张力将推动技术对教育进行赋能增效，以满足教育的功用性追求。然而，目前人工智能发展还存在技术瓶颈，教育系统及其核心元素间的运行规律与机理也不清晰，致使技术与教育间的融合受阻。从教育和人工智能视角综合考察人工智能＋教育，我们认为，人工智能＋教育面临教育和技术的双重困境。
(一)从教育视角考察人工智能＋教育
在新时代征程中，人工智能＋教育的出现开创了智能教育事业发展的新格局，是发挥教育基础性、战略性作用，满足国家教育战略需求的关键所在。在人工智能＋教育领域，教育教学流程在技术加持下获得重构，人机协同的新型教学生态为增强教学质效提供了助益；教育服务供给机制在技术赋能下获得优化，学习者的个性化需求能够被精准识别，教育服务的质量正在稳步提升；教育评价与管理模式在技术支撑下获得改善，科学、合理的评价方式与管理策略有助于推动教育系统的良性发展，促进建成更加公平、包容的教育体系。
如今，新技术环境下的教育比以往任何时候都更接近“有教无类”“因材施教”的理想形态，人们有机会在多主体、多目标、多环节、长周期的复杂教育活动中，破解各类教育难题，为教育数字化、教育现代化开辟新的发展路径，为实现全民终身学习的美好愿景提供新的实践方案。
(二)从人工智能视角考察人工智能＋教育
教育是人工智能技术获得深入、广泛应用的重要场景之一。教育将人视作教育主体，把促进人的全面、可持续发展看作教育活动的终极目标，这种以人为本的独特追求造就了教育的复杂性。人工智能先后经历了检测、识别与决策这三个成长阶段，带领人工智能＋教育从计算机辅助教学阶段，走过智能教学系统阶段和个性化自适应学习阶段，来到了内容生成阶段。可尽管如此，人工智能技术仍需不断更迭升级，以应对教育的复杂性对技术应用提出的新要求。
下一代人工智能会否来临、何时来临、如何来临，以及人工智能＋教育是否能够突破内容生成阶段，步入完全智慧阶段，都是未知数。唯一可以确定的是，智能教育在教学、服务、评价、管理等方面产生的更高标准、精细化的实际需求，正在倒逼人工智能技术取得新的突破，并逐渐形成以教育需求反哺技术发展的新局面。
(三)人工智能＋教育的教育困境：运行规律不明晰
(四)人工智能＋教育的技术困境：观测手段不足
二、人工智能＋教育亟待解决的基本问题
人工智能＋教育面临的双重困境，既是教育学者应当解决的实际问题，也是人工智能＋教育的方向。对双重困境进行深层次剖析后，我们认为，人工智能＋教育未来发展亟待解决以下5个基本问题，这些问题既包括对教育可计算性本质的思量，也包括对学习主体建模和教育场域感知活动面临的技术挑战的分析，还包括对机器主体这类新角色以及教育研究新范式的探讨。
(一)基本问题1：教育系统的可计算
人工智能＋教育能否获得良性的、可持续的发展，根本上取决于技术与教育融合的程度。然而，技术天然带有可计算性的烙印，所谓可计算性，即实际问题可借助算法或机械程序予以解决。因此，各类教育要素是否具备可计算性，教育系统又是否可计算，决定了技术在教育领域中的应用成效及其与教育的融合效果，进而决定了人工智能＋教育的发展质量。
教育的可计算性必须以坚实的数理基础为支撑，其原因有二：其一，教育的研究对象是人，教育的研究场景是开放、复杂的，拥有丰富内涵的研究对象和研究场景要求为教育系统的可计算建立数理基础；其二，教育系统的可计算本质上是要对教育系统进行模型化、定量化和程式化的转变，这类转变工作以算法和数据为核心，而两者又以数学为基础。所以，要对教育可计算性进行完整、科学的意义建构，就必须追寻并建立相应的数理基础。以深度学习为代表的人工智能技术，能够帮助研究者理解更高维度的空间，探索更多尺度的主体，进而辅助揭示和解释复杂学习活动与教育系统的内在运行机理，在一定程度上为教育可计算性数理基础的构建提供解决方案。
然而，人工智能也正面临若干数理基础问题，如机器学习自动化问题、知识推理与数据学习融合问题等。因此，奠定教育可计算性数理基础的工作与解决人工智能数理问题的任务必须同步进行，技术攻关人员与教育研究者应当深入合作，以协同推进人工智能＋教育的可持续发展。
(二)基本问题2：学习主体的可建模
建模作为人们认识与分析世界的重要手段，在各科研领域获得了广泛应用，对学习主体进行建模，有助于科学认识和深入理解学习者，为创设高质量的教育服务夯实根基。
在对学习主体建模时，需要深入思考两方面的问题。一方面是“认知黑箱”。在过去的几十年里，脑科学、心理学等领域的研究成果，为人们认识学习者的学习机理、认知规律提供了理论参考。但近些年来，机器介入带来的教育新场景和教学新体验，机器介入增添的学习活动的影响因素，致使外显行为下隐藏的复杂认知规律更加难以被洞察和揭示。与此同时，伴随机器介入而来的多维信息为破解“认知黑箱”提供了丰富的数据材料。然而，如何有效融合多维信息并开展基于多维信息的认知建模工作，以促进对智能教学情境下学习认知过程的全方位、多角度、深层次理解，成为新的技术挑战。
另一方面是人际交互与人机交互的建模。学习是一项社会活动，学习者会在学习、互动的过程中形成学习群体，群体行动又将反向影响个体行为。利用建模手段对群体学习者的学习特征、群体学习的演化规律等内容进行探索，实现人际交互空间内的学习群体建模，对于探索群体层面的学习机理而言意义重大。如今，机器主体作为新的角色加入教育系统，频繁同个体学习者、群体学习者产生交互，能够以有意和无意的方式塑造人类行为和社会结果，人机之间有了深度羁绊，人类与机器共存的新型社会生态环境已然形成，并牵引出新的社会运行规律。在新环境、新规律下开展人机交互空间内的学习者建模研究，成为学习主体建模迈向高阶的又一必要条件。
(三)基本问题3：教育场域的可感知
人工智能技术可以辅助实现物理世界信号到数字世界信息的有效映射，让学习者所处的真实教育情境可以被精准探知，从而凭借教育场域的可感知推动教育服务走向更为情境化、个性化、智能化的理想形态。
教育场域的可感知面临两个层面的问题，即看得清和看得懂。就看得清而言，目前，脑电、核磁、心电等生理数据的采集仍以实验室环境为主；视频、音频等数据的质量，也易受数据采集场景影响。在真实、开放的教学场景中，数据获取的精确度、全面性、实时性会受到更大的考验。如何丰富感知手段和提升感知精度，推动实现无干扰、全息化、精准化的教育场域可感知，让学习者在任何学习活动中的动态表现数据都能被有效捕获，成为摆在人工智能＋教育领域工作者面前的一道难题。
就看得懂而言，海量的数据需要在教育层面获得合理、科学的解释，以获得数据价值的有效转化。这就要求对捕获到的数据进行计算分析与处理，在该过程中，单模态数据的计算精度与多模态数据融合的质量，决定了分析结果的准确性。人工智能的发展为此提供了理论支持与技术保障。然而，现有技术手段无法充分发挥各个模态数据间的信息互补机制，在处理单模态数据和多模态数据时也有着较强的场景依赖性，同类技术方法在不同场景和数据集中不能保持较好的迁移水平。因此，数据处理的精度与技术应用策略的可泛化、可重用性亟待提升，用以打破人工智能＋教育在教育场域可感知方面的实践困境。
(四)基本问题4：机器主体的可协同
人工智能在教育场景中既作为工具为人类主体所使用，又在被使用的过程中与人类产生交互，拥有并发挥着机器主体的“主观能动性”，继而对教育系统产生影响。因此，人们必须对机器在教育系统中的角色内涵进行系统思考，明确机器主体在教育系统中的能力限度，厘清机器主体究竟如何干预教育系统并与之形成有机融合的新生态，最终赋能教育，实现机器主体的可协同。
此外，机器主体开辟出的新型教学空间，还将用于容纳人类智能和机器智能协同进化后产生的智慧成果，有助于构建新的教育信息物理系统，进而推进教学方式的全面变革和教育质量的高效提升。新理论、新规范和新系统将成为撬动新型教学实践发展的杠杆，推动建立人机互适的全新格局，并有效转化有关智慧成果，进一步满足新时代背景和新技术环境下人才培养的新需求。
(五)基本问题5：教育研究的新范式
在此情境下，AIforScience应运而生。作为第五代科研范式，AIforScience能够为教育研究开拓出全新视角，有望修正并加深人们对教育系统的理解，发现新的教育系统运行规律与机理，推动实现教育研究路向的又一次革命性、超前性嬗变。值得注意的是，人类对科学的认识和对科学知识的掌握非常有限，如今的AI已经跨越简单模仿人类技能的层级，凭借自身超高的计算分析能力向着认识和改造世界的方向进发，它在前进路上不断发现人类学者和人类大脑无法看到和理解的知识，并在此基础上提供内容生成服务。换言之，AIforScience开创了由AI主导的知识发现和内容生成的新时代。
总而言之，AIforScience在教育系统中有着广阔的应用前景，不仅能够在宏观层面上辅助揭示教育系统规律，为教育理论研究提供助益，还能在中观或微观层面上自动生成教育教学资源、自动解答多学科问题，为个性化、启发式、引导式的人机协同的教学实践提供支持，成为打开人工智能＋教育新世界大门的钥匙。
三、人工智能＋教育带来的前景展望
对人工智能＋教育亟待解决的基本问题进行“冷静思考”后，还应充分肯定其已取得的成就，对人工智能＋教育即将为教育生态带来的新变化作出“热切展望”。在展望新变化时，既要正视人工智能在教育发展、教育研究转型和教学变革方面展现出的巨大潜能，又要重视人工智能＋教育在教育强国建设中的关键地位。
(一)人工智能＋教育将开辟教育发展的新赛道
人工智能对教育生态的深刻影响，赋予了教育发展情境集成、数智驱动的新特征。所谓情境集成，意味着将人工智能技术与5G、物联网、大数据、边缘计算等技术相结合后，可以进一步联通虚拟与物理世界中的数据信息，以丰富教学资源展现形式，拓展实际教学空间，推动形成信息共享、虚实融合的教育空间。与此同时，新型教育空间中的技术将以非侵入的形式来组合教学场景、资源、模式、过程、主体等要素，为学生打造高度情境化和智能化的学习体验。所谓数智驱动，是强调技术的作用对象，即学习数据、情境数据等教育场景大数据在教育发展过程中的关键作用。数据作为现实世界中教育主体、教学环境等实体在网络空间中的映射，能够将实体转化为可计算的形式，推动塑造不同教育系统要素的数字孪生体，实现数据价值的再创造和多向流动，助力教育数字化转型。
与此同时，人工智能在教育领域实践探索中积累的应用经验与科技成果，可在一定程度上被共享、复制、迁移至技术研发领域，形成以智能技术促教育实践，以教育实践促技术升级的局面。总而言之，在教育和人工智能的双重视角下，教育与技术之间的融合程度将愈来愈深，两者的能量正在向彼此传递与汇聚，不断加速人工智能与教育的双向赋能。
(二)人工智能＋教育将激发教育研究的新方法
人工智能与教育的双向赋能将推动人类智能与机器智能的紧密结合，形成人机混合智能的新型智慧形态，在理论和实践层面激发教育研究的新方法，为实现更科学、更高效的教育科研创新温床。
一方面，混合智能将凝结多学科智慧，为教育研究开辟新的理论视角。人工智能受到数学、认知科学、数据科学、神经科学、脑科学、心理学等学科领域的深刻影响，是汇聚多学科科研特征与实现多技术跨界融合的学科交叉新领域，能够为教育者带来跨学科的研究思维，将自然科学中独特的问题解决模式引入人文社会科学。新思维与新模式所产生的巨大能量将在教育世界中激发连锁反应，通过促进对实际教育问题的解释与解决，实现对教育现象的准确理解，进而推动对教育系统的科学认知。
另一方面，混合智能将凝聚多主体力量，为教育研究注入新的转型动能。在人工智能＋教育领域，人类和技术的主客体关系已被重塑，承载技术的机器主体有了更丰富的角色内涵，同教育系统中教师、学习者、管理者、家长，以及学校、科研机构、企业、政府等多个主体间形成了密切的利益关联。人类与机器主体间的协作共融与多向互动，能够充分发挥多元主体的主观能动性，进一步完善理论创新、技术攻关、产品应用、产业升级、学科发展、人才培养的价值交付链，在加速教育研究价值落地的同时，推动教育研究转型。
(三)人工智能＋教育将成为教育教学的新支撑
在此基础上，学习者可以自由穿梭于各类学习场景与学习空间，在获取无缝学习体验、保持良好学习节奏的同时，与多样化、跨媒介、多感官的学习资源产生交互，以更直观的思维方式接触知识，实现对世界的连续感知，激发创造性思维。教师将在技术支持下，实时、全面、准确把握学习者在多场景和多空间中的学习状态，并据此开展合理的教学干预、科学的学习引导，以更高的水准完成知识教授、认知辅导、情感支持等教育任务，提升人才培养的效能。
总而言之，人工智能＋教育给学生个性化学习和教师差异化教学带来新契机，已成为推动教育优质均衡发展的主力军，也是推动中国教育实现数字化、现代化乃至国际化转型的力量源泉。