AI教育培养的是四个智能化素养，包括智能意识、智能计算思维、智能化学习与创新能力以及智能社会责任。
(1)智能意识智能意识是指个体对智能的敏感度和对智能价值的判断力。通过课程学习，学生会逐渐具备智能意识，认识到借助人工智能这个好帮手，可极大地提升学习工作效率，更高效地获取信息、处理信息、生成信息。具备智能意识的学生能够根据解决问题的需要，自觉、主动地寻求恰当的人工智能工具用于问题的解决；能够敏锐感觉到人工智能应用在解决问题中产生的价值，同时对应用技能技术可能产生的影响进行预期分析，为解决问题提供参考；在合作解决问题的过程中，与团队成员共同讨论人工智能技术的应用手段，实现人工智能的更大价值。
从技术视角来看，人工智能技术与教育教学的融合，正在成为教育发展的核心驱动力之一。人工智能对教育的积极作用主要体现在：
(1)专家系统
(2)自然语言处理自然语言处理(NaturalLanguageProcessing，NLP)是与自然语言的计算机处理有关的所有技术的统称，包含语义分析技术、处理应用技术等，亦为人工智能领域中最活跃与广泛的研究课题之一。其目的是使计算机能够理解和接受人类用自然语言输入的指令，完成从一种语言到另一种语言的翻译功能。其核心技术为语义分析，具体包括词法分析、句法分析、语用分析、语境分析、自然语言生成，而处理应用技术则囊括字词级别、句法级别、篇章级别的分析。现阶段使用率较高的有道翻译、谷歌翻译、百度翻译等众多翻译系统便是采用了自然语言处理技术，还有备忘录自行生成、重点列表生成等也是该技术应用的典型案例。
(3)模式识别
模式识别(PatternRecognition，PR)是当前信息科学技术与人工智能技术的重要组成部分，也被认为是人工智能最具应用前景与价值的技术之一。模式识别主要针对已知数据样本的特征挖掘与提取，例如概念识别、人脸识别、语音识别、文字识别、雷达信号识别等等，强调从以各种形式呈现的原有信息中获取有价值的特征进而达到对事物或现象的描述、解释、分类、辨认等目标②。在实现模式识别的过程当中，好的特征所带来的贡献有时候远远大于算法本身。模式识别的研究聚焦于探索生物体如何感知以及在给定指令下计算机如何完成识别两方面，属于生理、心理学研究范畴和信息、计算机研究范畴的交融与合作。
(4)机器学习和大数据分析
机器学习(MachineLearning，ML)从广义上来说是通过赋予机器学习的能力因而使得它能够实现直接编程所不能完成的功能，包括当前大热的深度学习(DeepLearning，DL)也是实现机器学习的技术方法之一。从实践角度来说机器实习实为依靠庞大的数据支撑从而训练出一定的规律与模型，最终使用模型实现预测与相应的功能，因此可以说大数据(BigData)对于机器学习来说是不可或缺的，数据直接影响着模型的精准性与决策的准确性。同样，大数据的核心是利用数据的价值，而价值的获取和利用的关键技术便是机器学习，需要通过更清晰的洞察力、更强大的决策力和流程优化能力去更快速地获取体量更大、类型更多的信息资产。所以，两者存在着相互促进与依存的密切关系。
(5)物理机器人与机器人流程自动化
随着全球每年安装的工业机器人数量超过20万台之多，据统计美国境内公司物理机器人覆盖率达到32%，机器人(Robot)已越来越为大众所熟知。随着智能能力不断嵌入控制系统之中，机器人的应用将变得更随处可见。而机器人流程自动化(RoboticProcessAutomation，RPA)并不属于真正物理机器人范畴，其本质是按照特定指令和规则完成结构化数字任务的计算机程序或系统，因此也被形象地称为数字化劳动力(DigitalLabor，DL)。自2015年以来，RPA与AI相辅相成，不断融合，进而形成了独特的IPA技术(IntelligenceProcessAutomation，IPA)，能够“观察”并模仿人类工作行为，完成线上证件验证、线上客服等任务，具有广泛的未来应用前景[2]。
(1)中国
《高等学校人工智能创新行动计划》《教育信息化2.0行动计划》都强调构建人工智能多层次教育体系，要在信息素养全面提升行动中要求完善课程方案和课程标准，充实适应信息时代、智能时代发展需要的人工智能和编程课程内容，在中小学阶段引入人工智能普及教育。
《中小学人工智能课程标准》指出指向课程设计与教学实施的人工智能课程开发标准的提出，对于基础教育阶段人工智能课程的有效落地具有现实意义，同时学习不仅停留在知识层面，更加重视从中观层面核心概念原理、观念的理解和落实，转向人的综合素质和能力的培养。
(2)英国
政策有《人工智能在英国:准备、意愿和能力》，因此大部分中学设立了人工智能学科课程；重视人工智能与STEM教育的结合；部分企业或其他机构采用与高校协作的方式开展教学，中小学的人工智能教育师资既包括校内教师，也包括高校实习教师。例如，一些科技公司搭建人工智能教育专题教育网站、邀请高校知名专家指导中小学生的学习。
(3)美国
政策或计划有《保持美国在人工智能领域的领导地位》、《K-12人工智能国家导则》、“美国人工智能倡议”等；学校中人工智能课程大多以选修或者必修课的形式列入10-12年级信息技术学科中；“K-12”学生学习计算机科学，通过STEM教育项目开展人工智能教育。美国麻省理工学院为学生研制了名为《如何训练你的机器人》的人工智能课程；部分机构的实践例如，一些博物馆提供互动展览为中学生开展非正式的人工智能教育；人工智能促进协会和计算机科学教师协会成立了AlforK-12工作组。
(4)日本
(5)新加坡
政策有《新加坡人工智能战略》、“AlforKid”“AlforStudents"；计划。实践有：学校将基础编程和数据技能引入课堂，指导学生利用Scratch、MicrosoftCognitiveServices开发Al方案。一些培训机构利用游戏培养年轻学习者对机器人、编程和计算机科学的兴趣和能力[3]。
人工智能教育市场规模超400亿，泛AI产品渗透率普遍较低。服务提升需求驱动校外在线产品AI化，效率提升需求驱动校内信息系统AI化，校外AI技术的市场渗透率小于校内。从目前AI+教育的实际应用来看，AI产品的工具化与功能化属性较重，校外产品商业化价值的驱动因素仍为优质教育资源(师资、内容)，AI在教学上的价值尚未被家长普遍认可，直接付费意愿不强。校内信息系统在政府政策主导下，财政预算驱动着教育信息化的普及与升级，泛AI产品应用场景丰富，整体渗透率较高。
参考资料：
[2]吕上一.人工智能教育应用的风险审视与规避策略研究[D].浙江:浙江工业大学，2021.