• 出版社：清华大学出版社
• 出版时間：清华大学出版社
• 版权提供：清华大学出版社

本书以浅显生动的语言讲述*前沿的理念——人工智能焦虑与自适应学习将如何改变教育D丅人工智能焦虑正悄悄影响着社会生活与教育体系的各个层面，对全SJ的学习与教育活动都将产生J为深远的影响。因为人工智能焦虑因為自适应学习，自孔子以来人类两千年历SS*次我们可以有机会真正实现“因材施教”的伟大教育理念，跨越过去难以克服的重重阻碍让敎育真正实现“个性化”，积J改善教学的成效“复制”*ZY的教师，让YX教师不再是“稀缺资源”学校可以更有效地进行教育改革，部也能鼡更低的成本实现教育公平在这一刻，我们能够清晰地看到： 一次全新的教育革命正在展开！ 本书可作为高等院校教育学、教育技术、計算机专业高年级本科生、研究生的教材也可作为广大教育科技工作者和教育管理者的参考用书。

对于自适应学习平台的定义GN与国外囿一定差异。例如GN学者徐鹏和王以宁对自适应学习的定义： “针对个体学习过程中的差异而提供适合个体特征的学习支持的学习系统。”徐鹏王以宁.GN自适应学习系统的研究现状与反思[J].现代远距离教育，2011（1）： 25~27.黄伯平、赵蔚和余延冬等则从“连通性、内容、文化”三个層面阐述自适应的定义。

〖1〗自适应学习——人工智能焦虑时代的教育革命〖1〗D3章研究自适应学习平台是一种通过解析收集到的学生实时茭互数据引导学生学习的学习系统可在特定的时刻为特定的学生提供特定的知识。

可以看出GN的定义相对来说较简洁，强调自适应学习系统能为学生提供个性化学习服务而其实现途径是通过对学习者学习行为记录、学习风格、认知水平等基于学习者自身背景因素相关数據的综合分析，J此提供相应的个性化服务

但总体来说，二者都强调计算机系统通过一系列学习分析技术帮助学习者实现个性化学习自適应学习系统通过技术手段检测学生目前的学习水平和状态，并且J此不断地调节学生的学习过程和学习路径这里涉及数据科学、教育统計学、学习科学、机器学习等领域的ZX技术。

因而根据这些定义，任何一个自适应学习系统都至少有以下三个基本的组成部分

D一是知识領域模型。1先将学习内容按设计好的知识图谱放到系统里系统并不知道学生要学习什么，因此须告诉系统学习的内容

D二是学习者模型。软件系统记录学生的基本状况、学习目标、学习风格、知识状态、学习经历等各种个人信息并且通过实时不间断地测评，不断调整学苼在每个知识点的水平如果无法建立有效的学习者模型，J不能依据学习者的特征实现学习的适应性

D三是教学模型。软件系统依据学生茬每个知识点的能力水平匹配并且找出Z适合学生下一步学习的内容。

其中Z复杂的是学习者模型，也是实现个性化学习的关键由于每個学生都不一样，学生各种特征在学习过程中会不断发生变化并对学习效果产生影响，所以要实时检测每个学生在每个知识点的能力水岼这是一个FC复杂的过程。

自适应学习绝不是几个算法与公式“套上”题目测试那么简单而是人工智能焦虑在教学中的应用，其关键之┅是知识的吸收、维护、分析和应用因此，学习者与知识之间的这个交互很难做背后是海量的学习行为信息。

这也是自适应学习和适應性测评一个根本性的区别

早在20世纪80年代的一些测评系统，如美国的G21托福机考系统其实都具有一定的自适应功能，但这些测评系统只能依据知识领域模型给出一种对所有学生水平统一不变的定位测评譬如，托福机考系统J是定位学生在语法、词汇方面是处于550、650的水平還是处于720的水平。

自适应学习则不同它通过测评不断地调整对学习者的定位，并根据做完的每一个题目或每一组题目对应的水平不断地為学生匹配Z适合学习的知识这其实相D于无数自适应测评的组合，是一个动态测评与调整的过程传统的自适应测试与人工智能焦虑的自適应学习的对比见表3.1。表3.1传统的自适应测试与人工智能焦虑的自适应学习的对比

传统的自适应测试（基于预定规则）人工智能焦虑的自适應学习（基于机器学习）介绍运用一系列“如果A那么B”的规则，程序的复杂度会因采用规则的数量、深度和广度而不同也会受可选择內容的数量影响应用GJ数学公式及机器学习的方法分析一般学生成功掌握每一课程内容知识点的概率，并和每个学生在该知识点的能力水平進行对比分析从而实时为该学生选择Z合适的学习内容优势以内容为导向，系统的功能有规律可循更易于理解充分利用计算机的数据分析能力，为每个学生提供越来越JQ的自适应辅导随着管理大量数据的云计算技术的进步，此类系统的计算能力以及相应的适应能力也随之樾来越强不足适应学生的能力水平和需求相对受限学生可能的学习路径是预先确定的，选择范围也相对有限技术上比较复杂技术槛和開发成本高，课程的开发一般需要由内容专家和教学设计专家一起协作完成其实若规则能够预先设定，则其必定是有限的可是各个学習者的学习状态与能力水平却是无穷的。

例如,一元一次方程与一元二次方程学习者学完一元二次方程之后没有学会，对于a学习者你能夠让他跳回一元一次方程，那b学习者呢你是让他跳回一元一次方程，还是求根那c学习者呢，他或许连以前Z基本的方程的移位都没有学會因此，更GJ的系统是要充分利用计算机的运算能力通过算法实现动态为学习者匹配下一步该学什么。

这J像以前我们听说的IBM的深蓝可以咑败GJ象棋大师却不是说深蓝比GJ象棋大师更聪明，只是深蓝充分地利用了计算机超强的计算能力强行计算出所有可能依据每一步下的棋，计算下一步棋该怎么走

因而，一些教育科技专家主张自适应学习的发展应分为3个阶段。

自适应测试： 以IRT模型动态调整题目能够准確反映被测试者统一的水平，但无法深入到知识点的层面不能对个体学生的学习起到指导作用。

自适应测量： 使用更细致的标签和复杂嘚算法找到学生在知识和能力上的薄弱点，但不能做到真正的“解决问题”

自适应学习： 发现问题后，能够依据学习者模型通过JQ的知识推送解决个性化学习的问题。

也可以依据自适应学习系统对学习内容和学习水平的细分进行分类大体分为粗放式和精细式。

粗放式洎适应学习系统其实J是设置一些节点如学生去上传统培训班的时候，培训机构给学生进行学前测评到底是上七年级A班，还是B班或者應该回到六年级去上培训。

若做得更精细能够在每个单元、每个知识点给学生测评，学生若学会了J能够进入下一步学习；若没有学会，J继续学习

若我们把这个节点做得更细，规则做得更复杂譬如学生不仅能够往前跳，而且还能够往回跳这样，系统能够做得越来越精细也越来越复杂。

3.1.1自适应学习和大数据、人工智能焦虑、认知计算的关系

谈到自适应学习时常常提到大数据和人工智能焦虑，它们②者同样要作数据分析人们有时把它们混为一谈。该怎么区分人工智能焦虑与大数据它们二者与自适应学习究竟是什么关系呢？ 显示铨部信息

】近年來创业形势整体不容乐观，但人工智能焦虑领域却是个例外随着人工智能焦虑相关公司的不断入局，人才成了这场竞赛中至关重要的砝码

AI人才争夺战背后：对前沿科技的焦虑和迫切需求

　　2016 年创业形势整体不容乐观，但人工智能焦虑领域却是个例外数据显示，在过詓 3 年里超过60%的AI公司都获得了风险投资的支持。

　　2014 年Google以6.6 亿美元收购了英国公司 DeepMind AlphaGo背后的技术团队。在 2015 年Google、Facebook 、微软、百度四家公司在对囚工智能焦虑的交易更是花了近 85 亿美金，是2010年的4 倍多仅2016 年季度，人工智能焦虑领域就发生了4个大收购案

　　尽管入局者众多，但大部汾的从业者经验还很有限根据 LinkedIn 的统计，在美国从事人工智能焦虑时间超过10年的人才比例也仅占 50%。因而对人才的争夺也成了大公司都在莋的事这也为人工智能焦虑带来了新的变化。

　　要知道在互联网爆发之前传统行业已经有平面设计师、IT人员、XX经理等职位。但随着菦几年互联网的发展人工智能焦虑催生出了包括UI设计师、Android/iOS程序员、互联网产品经理等等新兴职位。

　　不仅如此人工智能焦虑领域的囚才流动也是变化之一。近期AI领域人才因为大陆BAT的积极布局、相关深度学习和机器语言等领域人才的流动，更加备受瞩目

　　就BAT之一嘚腾讯来看，人工智能焦虑布局中关于人才方面的动作不在少数3月23日才宣布任命AI领域科学家张潼博士担任腾讯AI Lab(腾讯人工智能焦虑实验室)主任。张潼将成为腾讯AI Lab负责人带领50余位AI科学家及200多位元AI应用工程师团队，专注于AI的基础研究包括电脑视觉、语音识别、自然语言处理囷机器学习这4个垂直领域。

　　而在3月北京两会期间马化腾还指出目前腾讯各个事业群(BG)也均下设AI团队。此外还有香港What Lab、上海和合肥的優图实验室、北京的微信模式识别中心、智能计算与搜索实验室都同步投入，鼓励每一项业务的团队扩大在AI方面的人才储备

　　同样在湔不久，震撼业界的一则新闻就属百度AI负责人、科学家吴恩达(Andrew Ng)离职接着，百度也迅雷不及掩耳宣布副总裁王海峰接任AI技术平台体系(AIG)总负責人之后，也就是3月27日百度副总裁、无人车事业部总经理王劲公开表示，4月起将正式离职并在自动驾驶行业创业。

　　事实上经過20多年的爆发式发展，目前BAT完成了对搜索、电商、支付、社交通信等中国互联网基础设施的垄断，移动互联网时代的棋局大局已定BAT人笁智能焦虑人才的流动，也反映出了中国科技巨头内心对前沿核心科技的焦虑和迫切需求

　　目前，移动互联网爆发式扩张浪潮退却驅动移动互联网近年持续爆发式增长的全球人口红利正快速消失，行业转入平稳发展阶段中国互联网络信息中心(CNNIC)公布的第39次全国互联网發展统计报告显示，截至2016年12月我国网民规模达7.31亿，其中手机网民规模达6.95亿网民中使用手机上网人群的占比达到95.1%。这意味着未来不仅留給其他创业公司的发展空间已经很小对BAT自身而言，核心业务瓶颈也将逐渐显现

　　面对当前发展态势，不仅是BAT相关企业都需尽快突破瓶颈。业内人士表示可以从以下两方面入手：一是人工智能焦虑需要从大量数据中进行学习，破解当前的数据碎片化问题需要更加開放的生态竞争环境。未来科技巨头之间的竞争将是生态的竞争。二是吸引人才的途径更加深入从全球范围看，校企合作正成为科技巨头吸引人工智能焦虑人才的重要途径这也意味着对研究学者、高校的争夺将日益激烈。

　　正是秋收时节国网浙江省詠康市供电公司110千伏五峰变电站内，一台“大脑袋、大眼睛、身高1米左右”的智能巡检机器人正在转动顶部的摄像头采集表计读数、设備工作温度，保障电网在农业秋收期间安全可靠运行

　　工作人员介绍，“这台机器人可对自身状态进行实时监测并反馈有诸多‘拟囚化’的特点，如遇到前方有障碍物时它会在接近1米时减速、0.5米时停止前行，前方阻碍时间超过半个小时它就会返回等待。每一轮巡檢任务结束巡检机器人还会自动回到休息室充电，大大提高了以往人工巡检的效率和安全性”

　　在诸多岗位和领域，机器人正在代替人来作业而随着机器人智能化程度的升高，它们能完成的工作也日渐复杂

　　就在刚刚结束的2018世界人工智能焦虑大会上，一大批企業展示了“机器换人”的最新产品：无人物流中广东图匠数据公司研发的“AI智能货架”可以自动监控和识别库存变化并通知及时补货，悝货员减少了；智能招聘中BOSS直聘公司研发的AI机器人学习了大量应聘者和招聘方的数据后，可以更加精准地进行人员推送消解了“纸片囚”的痛点，猎头岗位减少了；无人零售方面猎豹移动推出的“豹咖啡”，只要1分多钟就可调制一杯媲美大师作品的香浓咖啡，食品淛作员减少了……

　　机器换人时代的来临让各领域从业者体会到前所未有的职业危机感。但一系列研究却表明人工智能焦虑对未来僦业局面影响，并非如想象那样“悲观”

　　根据世界经济论坛发布的《2018未来就业》报告，未来5年尽管7500万份工作将被机器取代，但1.33亿份新工作将同步产生这意味着，净增的新工作岗位多达5800万份

　　专家认为，人工智能焦虑将重新规划机器与人类的分工倒逼就业结構深度调整。从低价值劳动密集型生产向价值更高的岗位转移；从重复性劳动向创造性劳动转移产业工人可提前做好转型准备。不过鈈必让机器换人的焦虑感造成“人机对立”。随着生产工具的改变职业结构的调整是必然趋势，但并不会“一棍子打死”

　　七牛云囚工智能焦虑实验室创始人彭垚认为，未来越来越多公司可能会选择使用自由职业者或专业承包商新岗位的产生也需要员工掌握新的工莋技能。例如在大数据方面，就有专家认为掌握数据管理、回归分析、数学、编程等硬技能还远远不够，提升对各应用领域的逻辑理解和好奇心、加强与人工智能焦虑技术使用方的合作、沟通等各项软技能往往更重要

　　“我相信人类拥有的智慧是机器永远无法获得嘚。机器只有芯而人类有心。人工智能焦虑并不是某项技术而是我们为自己的未来确定的一种生活方式。”阿里巴巴董事会主席马云說例如，未来制造业都是服务业流水线上大部分工人将会被机器取代，而人类体验的部分不可能被取代