哈佛大学两位经济学家回顾美国教育发展历程发现，教育和技术之间存在一场持续不懈的竞赛。

20世纪80年代以前，美国率先实现高中教育普及和高等教育大众化。教育进步为经济增长提供了充足的高素质劳动力，适应了技术进步带来的社会变革，整体提高国民收入水平并缩小了贫富差距。

大约自1980年起，情况出现逆转。技术进步依旧，社会对高素质劳动力的需求也在增长，但美国教育却无法生产出足够的人才。

随着教育增速放缓，人群出现分化：

一部分人受过良好教育，毕业后进入高端行业，收入迅速提升；另一部分人接受着过时的教育，技能适应性不强，导致贫富差距快速拉大，制约了经济的进一步增长。

这种现象被形象地称为“教育和技术的赛跑”，当教育的发展速度超过技术时，就会给经济增长带来明显的人才红利，反之则会导致经济社会发展失衡。

当前，以人工智能为代表的技术创新进入前所未有的活跃期，而教育仍未摆脱“工业化”的印记，以至于我们“把机器制造的越来越像人，却把人培养得越来越像机器”。这不仅制约着教育功能的发挥，而且导致经济社会转型面临危机。

我们要有一种时代紧迫感，全面深化教育改革，推动“工业化教育”向“智慧型教育”转变，扩大高质量人才的供给，为经济社会发展提供强有力的人力资源保障。

随着人工智能越来越广泛的应用于传统行业，那些机械重复、繁琐枯燥、大量使用体力的职业可能都会被机器人所取代，甚至连一些专家决策工作也面临风险。

比如，拥有大数据分析能力的智能医疗诊断，在某些疾病上比普通医生判断的准确率更高；智能金融系统在风险预测、股票投资等方面大显神通，成为金融机构争先布局的重点领域……

随着一系列连锁反应的叠加，人工智能正在触发一场剧烈的社会分工调整，我们很可能会成为人类历史上第一代需要和机器去竞争工作的人。

“我们是如此彻底地改造了我们的环境，以至于我们现在必须改造自己，才能在这个新环境中生存下去。”

——“控制论之父”维纳

教育作为培养人的事业，将会成为决定人类能否在人工智能时代胜出的关键。

现行教育体系是工业社会的产物，核心是通过整齐划一的教学流程批量化地生产人才。尽管难以照顾个性差异，但却为人类从农业社会进入工业社会提供了不可或缺的人力资源基础。

但是，当人类社会迈进人工智能时代，这种工业化的教育体已经无法满足未来社会对人才的需求，时代发展迫切需要一场教育变革。

2016年3月，世界经济论坛发布了一份题为《教育的新愿景：通过技术培育社会和情感学习》的研究报告:

倡导把人的社会性和情感教育置于应对新工业革命的高度，包括批判性思维、创造力、沟通能力、合作能力等四种胜任力，以及好奇心、首创精神、坚毅、适应力、领导力、社会文化意识等六种个性品质。

换句话说，教育不是由外而内传递知识，而是由内而外觉悟智慧。我们必须打破整齐划一的传统教育形态，构建与人工智能时代相适应的智慧教育体系，利用智能技术对学习环境、学习内容、教学方式、管理模式进行改造，为学生提供适合的教育。

我们认为，智慧教育是运用人工智能促进学习环境、教学方式和教育管理的智慧转型，在普及化的学校教育中提供适切学习机会，最大限度地满足学生的成长需要。

它不仅是教育设施的信息化、智能化，而且是教育理念与教育方式的转型升级，从注重“物”的建设向满足“人”的多样化需求转变。

如果把原来的学习环境比作是“教育工厂”的话，那么，智慧学习环境就是“学习村落”。

在这里，每个学习者都掌握学习的主动权，人工智能可以帮助他们找到志同道合的伙伴和相互匹配的导师，提供精准的学习支持，从而开展积极主动的个性化学习。

全面感知的学习场所

现在，校园只是一个开展教学的物理场所；未来，校园将变成万物互联的智能空间。

人工智能会把冷冰冰的机器设备变成充满温情的“私人助理”，通过不断学习人类的行为和习惯，提出针对性的辅助策略，帮助学生开展积极主动的个性化学习。

一是，利用物联网技术对温度、光线、声音、气味等参数进行监测，自动调节窗户、灯具、空调、新风系统等相关设备，主动响应校园安全预警，保障学校各系统绿色高效运行，为学生创设安全舒适的学习环境；

二是，借助情境感知技术在自然状态下捕获学习者的动作、行为、情绪等方面的信息，精准识别学习者特征，全面感知学生的成长状态，提供学习诊断报告、身高体重走势图、健康分析报告等，为学生身心健康发展提供有力支持；

三是，利用大数据技术对学习过程进行跟踪，了解学生的认知水平以及在学习中存在的优势和不足，提供量身定制的最优学习路径。

灵活创新的学校布局

随着人工智能时代的到来，教育理念和教学组织形式都在发生深刻变化，学习空间的呈现形式也将随之改变。

未来的学习空间将把千篇一律的教室变成灵活创新的学习空间，把单调乏味的建筑打造成智慧的育人环境。

一是，创新教室布局，打破工厂车间式的教室设计，配备可移动、易于变换的桌椅设施，支持教师开展多样化的教学活动；

二是，扩展学校的公共空间，按照多功能、可重组的设计思维，加强学习区、活动区、休息区等空间资源的相互转化，给学生提供更多的活动交往空间，促进学生的社会性发展，弥合正式学习与非正式学习之间的鸿沟；

三是，优化校园空间，给学生提供动手实践的场地，建立创客空间、创新实验室、创业孵化器等新型学习环境，培育有共同兴趣爱好的实践社群，鼓励学生把创新想法转化为实际作品。

深度交互的网络学习空间

网络教育的真谛在于实现人文交互环境下的个性化学习，要突破网络学习空间活跃度不高、在线交互停留于较浅层面的现实瓶颈。

一是，开发智能学习助手，根据学生的学习需求、学习路径和检索痕迹，按需推送学习资源，过滤无关的信息，减轻认知负荷，使学生可以随时随地随需进行高质量学习；

二是，强化成员间的关系网络，加强对互动数据的收集和分析，包括订阅、观看、转发、提问、评论等，精准识别师生、生生互动关系，提供更加匹配的组合方案，形成稳定的趣缘合作共同体，促进深度交互的发生；

三是，提供远程协作、社会网络、同步课堂等方面的工具，鼓励跨学校、跨区域、跨国别的协同学习，扩大优质教育资源覆盖面，突破常规手段难以解决的教育均衡问题，让亿万孩子同在蓝天下共享优质教育。

随着人工智能时代的到来，仅靠死记硬背就可以掌握的知识或技能逐渐失去价值，因为人工智能在这些方面比人做的更好。

我们要转变教育观念，从“学以致用”走向“用以致学”，更加重视学生的个性体验，鼓励他们在解决问题中学会解决问题，在做事中学会做事，成为能适应未来挑战的人才。

深度学习

在人工智能的语境下，深度学习是一种新的算法，它通过模拟人类神经网络，构建具有多隐含层的机器学习模型和海量的训练数据，让机器自动学习有用的特征，从而提升预测的准确性。

在语音识别、图像理解、自然语言处理等领域，采用深度学习算法之后，其准确性都得到了极大的提升。正是这种算法模型的突破，让机器拥有了类似人类的智慧，引发了新一代人工智能的崛起。

巧合的是，深度学习既是决定人工智能兴衰的关键所在，也是决定未来教育成败的关键所在。人类要想从人工智能时代的职场中胜出，就必须从强调记忆和练习的传统学习中脱离出来。

一是，还原知识的丰富情境，知识从哪里来，深度学习的起点就应该从哪里开始；

二是，面向实践的学习活动，鼓励学生用所学知识解决实际问题，以任务驱动的方式组织学习，提供接近专家及其工作过程的机会；

三是，用不同视角透视学习，提供社会化软件及其它认知工具来支持学习，允许共同体成员拥有不同的角色和身份，鼓励提出不同观点，让学生在对话和互动中建构知识；

四是，提供成果展示及表达的机会，促使思维清晰化，引导学生，进行反思，实现对知识的深度理解；

五是，建立更加立体的评价，把关注点从教师的教转向学生的学，强调学生的参与度、积极性以及突破原有框架的创造力，利用学习分析、课堂观察等技术手段，为不同的学生制定不同的标准，让每一位学生都有出彩的机会。

跨学科学习

人类的智慧来源于知识观的完整，它不是零敲碎打的，而是与整体特征密切相关的。

现行的分科教学有利于系统知识的习得，但不利于完整知识体系的形成和综合思维能力的培养。

跨学科学习倡导根据生活中的问题设置主题，将不同学科围绕同一个主题联系起来，构建相互衔接贯通的课程体系。

一是，学科知识整合取向，分析各学科的知识结构，找到不同知识点之间的连接点与整合点，将分散的课程知识按跨学科的问题逻辑结构化；

二是，生活经验整合取向，从儿童适应社会的角度选择典型项目进行结构化设计，让学习者在体验和完成项目的过程中，习得蕴含其中的多学科知识与技能；

三是，学习者中心整合取向，这种模式不是由教师预设问题，而是由学习者个体或小组提出任务，任务内容需要学习并运用跨学科知识。

值得说明的是，跨学科学习需要坚实的学科基础，没有学科就没有跨学科，两者是相辅相成的，要处理好分科教学和跨学科学习的关系，从更广阔的视野认识学习的本质。

无边界学习

陶行知先生指出，如果学校生活与社会生活联系不紧密, 学生的学习不是从自己的直接经验里长出来的，那就是一种呆板的、低效的教育。

学校应该是一个开放的组织系统，要建立与真实世界的联系。

美国的密涅瓦大学就是“一所没有校园的大学”，四年本科学习分布在全球七大城市，包括旧金山、香港、伦敦等，通过与当地的高校、研究所、高新技术企业建立合作，学生可以使用一流的图书馆、实验室等进行学习，利用一切可利用的社会资源开放办学，实现了教育的结构性创新。

无边界学习是未来教育发展的重要趋势，它包括：

一是，把知识学习和现实生活连接起来，学生的学习场所不再固定，随着课程的不同，既可以在教室，也可以在社区、科技馆和企业，甚至可以去不同城市游学，任何可以实现高质量学习的地方都是“学校”；

二是，建立实践共同体，加强学校与产业行业之间的合作，共建创新创业实践基地，引导他们运用知识去解决现实问题，从而获得真正的本领；

三是，技术增强的泛在学习，利用混合现实技术，让学生有机会观察微观世界、感知抽象概念，使学习变成一种丰富情境下的亲身体验。

当前的教育管理大多采用科层制，各职能部门分工明确，职权关系等级分明，按照标准化流程开展工作。

这种模式有利于提高效率，为现代学校运行提供了有力的组织保障，但在人工智能时代却暴露出缺陷：在严格的条条框框下，学校被程序化、行政化，很容易就会陷入具体细节之中，对新变化缺乏适应能力。

原本充满智慧的教育，变成了按部就班的机械操作，学校和教师逐渐失去自主性和创造性。

智慧教育管理要改变这种局面，更加关注人的完整实现，增强组织运行的灵活性，从根本上激发学校的办学活力。

破除“效率至上”的评价导向

教育作为培养人、发展人、成就人的事业，所有的外在指标都应服务于这一根本目的。现在普遍存在的分数、升学率等量化指标，设计初衷都是为了提高教育质量，在过去也确实发挥了重要作用。

但在人工智能时代，这种围绕效率而构建的工业化教育体系正面临危机。由于过于强调效率，学生的创新意识、完备人格以及兴趣志向都受到了不应有的忽视。

实际上，效率从来不是教育的关键，人的智慧成长才是教育应该关注的重点。

一旦学校被功利化、浮躁化的思想所绑架，就会陷入“谁先减负谁就利益受损”的囚徒困境，并最终走向共同毁灭。所以，智慧教育一定要破除“效率至上”的痼疾。

一是，不用单一片面的标准评价学生，把品德、行为习惯、身体健康、社会实践等方面的表现纳入评价指标，利用人工智能对定性数据进行分析，更加科学地评价学生的全面成长；

二是，综合考虑学生的起点水平，引导学校不抢生源、不过分拔高、不恶性竞争，把增值性作为评价学校的基本原则，重点关注学校提供高质量课程的水平和满足学生个性化学习的程度，一流学校不一定是拥有一流生源的学校，而是把一般生源也能培养成一流人才的学校；

三是，基于大数据的教育管理优化，动态模拟学校布局、入学形势、就业渠道等方面的变化，更加关注教育公平，着力解决教育发展不平衡不充分问题。

充分激发学校的办学活力

当前，学校作为办学主体，面临着有责无权、权责不对等、人权财权不匹配等突出问题，无力推动更深层面的教育改革，主要精力都用来应付上级部门的各类评比和检查。

管理转型是智慧教育能否成功的关键，必须解决传统管理与学校创新之间存在的不协调问题，从根本上激发学校的办学活力。

一是，落实学校的办学自主权，形成政府宏观管理、学校自主办学、社会广泛参与的教育格局，推动教育、财政、人事等管理部门向学校下放权力，让学校享有教师评聘、经费使用、课程安排（包括大小课、长短课、阶段性课程等）、修业年限（包括弹性学期、混龄编班等）、育人方式（包括社会实践、参观考察、研学旅行等）等方面的自主权，从根本上激发学校的办学活力；

二是，完善学校的内部治理结构，利用信息化手段提高教育治理的现代化水平，促进“管理本位”向“服务本位”转型，建立普通师生、家长、社区以及相关利益方参与学校管理的机制，形成依法办学、自我约束、多元参与、社会监督的网状治理结构；

三是，增加学术团体的权利，形成新的治理单元，通过职能重新定位，明确划分行政事务与专业事务的边界，强化教师领袖的专业影响力和学术领导力，激发教师的主动性和创造力，构建行政管理和学术引领相融合的学校治理体系。

构建全社会参与的教育生态

作为一项复杂的系统工程，智慧教育决不能走“头疼医头，脚疼医脚”的老路，要从构建良好生态的高度进行教育改革，建立学校与外部社会的协同机制，形成校内外相互沟通、资源高度共享、流程无缝衔接的新格局。

一是，积极引导多元社会主体参与教育，促进和规范民办教育发展，鼓励社会力量提供多样化的教育产品和服务，适当放宽办学资格门槛，为教育公益组织的成长创造更大空间，广泛开展薄弱学校委托管理、第三方教育评价等方面的探索。

二是，建立行业专家驻校制度，包括科学家驻校、工程师驻校、文学家驻校、艺术家驻校等，鼓励行业专家为学生开设专题讲座、指导研究性学习、开展技能培训等；

三是，探索多样化的教师补充渠道，提升兼职教师评聘的灵活性，引导各行各业的专业力量参与学校教育，教学的提供者不仅是教师，也可能是科学家、工程师、工人、农民、医生、商人等，任何有专长的人都可以成为“教师”；

四是，支持学校购买教育服务，加大财政支持力度，拓展教育公共服务的有效供给，帮助学校构建起一套覆盖广、选择多、更加完善的课程体系，为每一个学生提供个性化的课程，最大限度满足学生多样化的学习需求。

教育是人类应对人工智能挑战的根本力量，只有通过智慧的教育培养智慧的人，充分发掘生命的内在潜质，才能让人类在人工智能时代立于不败之地。

值得注意的是，人工智能在促进教育变革的同时，也隐含着巨大风险：当机器越来越智能，对学习的预测越来越精准，就会反过来限制学生的选择自由，导致一部分人成为量化评估的受害者而非受益者。

因为，所有的数据都来自于过去，我们完全依赖过去来判断未来，表面看是提供了量身定制的教育，实际上却让学生只能成为过去自己的延伸，而非新生的自我。

本文转载自微信公众号“智能观”，作者曹培杰。原文刊于《教育研究》2018年第8期，有删改。文章为作者独立观点，不代表本公司立场，转载请联系原作者。