人工智能与教育 政策制定者指南CLD 826.21 联合国教育、科学及文化组织，丰特努瓦广场7号，75352巴黎 07 SP，法国2021年出版 UNESCO 2021 ISBN 978-92-3-500039-9 本出版物为开放获取出版物，授权协议为 Attribution-ShareAlike 3.0 IGO (CC-BY-SA 3.0 IGO) (creativecommons. org/licenses/by-sa/3.0/igo/)。用户使用本出版物内容，即表明同意接受教科文组织开放获取资源库使用条件的约束 (unesco/open-access/terms-use-ccbysa-chi)。 原版书籍名称：AI and education: guidance for policy-makers 联合国教育、科学及文化组织2021年出版 本出版物所用名称及其材料的编制方式并不意味着教科文组织对于任何国家、领土、城市、地区或其当局的法 律地位，或对于其边界或界线的划分，表示任何意见。 本出版物表达的是作者的看法和意见，而不一定是教科文组织的看法和意见，因此本组织对此不承担责任。 作者：苗逢春、Wayne Holmes、黄荣怀、张慧 封面图片：SChompoongam/S、Lidiia/S及illustrator096/S 装帧设计：Anna Mortreux UNESCO 2030 203017 2030 4 2030概 述 人工智能与教育： 前景与启示 人 工 智 能（ ArtificialIntelligence ， AI ） 有 望解 决 当 今 教 育 面 临 的 部 分 重大 挑 战 ， 革 新 教 学 实 践 ， 最终 加 快 迈 向 可 持 续 发展 目 标4的 进 程 。然 而 ，这 些 技 术 的 快 速 发 展不 可避 免 地带来 了种种风 险和挑战， 目 前相应政 策 讨论与监管框 架 变 革 的速度 已 赶不 上 其 发展 速度 。 本出版物为政 策 制定者提供 指南 ， 指导政 策 制定者 充分利 用 人 工 智能 与 教 育深度 融合带来的机 遇以及 应 对 随 之而来 的风 险。 本 出 版 物 开 篇 讲 述人 工 智能 的 相关 必 备 知识 ： 定 义 、 底 层技术和 技术 应 用 。 然 后 ， 详 细 分 析 人 工 智 能 新 兴 趋 势 及 其 对 教 学的影 响 ， 包 括 我们 如 何 确 保人 工 智 能 技 术 在教育中的应 用合乎 伦 理、 包 容和 公 平 ， 教育 如 何 能 够 帮助人 类 与 人 工智 能 共 处与合 作 ， 以 及 如 何发 掘人 工 智能潜 力促 进教育 发 展 。 最 后 ， 本出版物 论 述 了 利 用人 工智 能 实 现 可持 续 发 展目标4 所 面临的挑 战 ， 并 且为政 策 制定者因地制 宜 规 划 政 策 和 项目提 供 切 实 可行 的 建 议。 Short Summary 人工智能教育 应用市场规模预计 2024年将达到 60亿美元 “战争起源于人之思想， 故务需于 人之思想中 筑起保卫和平之屏障。序 人工智能与教育政策制定者指南 序 人 工 智 能（ Artificial Intelligence ， AI ） 技 术的迅 速 发 展 对 教 育产 生 着 重 大 影 响 。 人 工 智能赋 能 解 决 方案 的 进步 蕴 含 着 巨 大潜 力 ， 有 望 促 进 社 会 公 益 事 业和 实 现 可 持 续 发 展 目 标 。 要 使 这 些 成 为 现实 ， 离 不 开 全系 统的 政 策 调 整 以 及 对健 全的伦 理 监 督的呼吁 ， 也 离 不开 全 球 从 业 人员 和 研 究 人 员的 深 度 参 与。 政 策 制 定 者和 教 育 工 作 者 已 然 走 进 未 知领 域 ， 面 临 有 关 未 来 学 习如 何与 人 工智 能 相 互作 用的 基 本 问 题。 人 工智 能 技 术 在 教 育 中 的 部 署 和应 用必 须 遵 循 包 容 和 公 平 的 原 则 ， 这是 底 线 。 为 此 ， 相关政 策 必 须 促 进公 平 和普 惠 地 获 取 人 工智 能 技 术， 倡 导 将 人 工智 能 技 术作为一 种 共 有 物品 （public good ） 的 非排 他 性 应用 ， 并注重赋能 女童 、 妇 女和 社会 经济 弱 势 群 体 。 新 型 人 工智 能 技 术 在 教育中的应 用 日 益 增 长 。 如 若 人 工 智 能技 术 在 设 计 上 有 意 增 进 以人为 本的 教 学法并 尊 重 伦理规 范 及 标 准 ， 那 么这 一 趋 势 对 整个 人类 有 益无 害 。 人工 智 能 技术 应 以 促进 每个学 生 学 习 、 赋能教 师队伍和强化学习管理 系统为导向 。 除 此 之 外 ， 帮 助受教 育 者和全体公 民在 生 活 和工 作中安 全 有 效 地 利用 人 工 智能是 全 球范 围 内 面临的 一 大 共 同挑 战。 未 来 的学习和 培训系 统 必 须让 所有人 具备核心 人 工智 能 素养 ， 包 括了 解人 工智 能 技 术 如 何 收 集和 操 纵 数 据 ， 以及确 保 个 人 数 据 安 全和 保 护的 技 能 。 最 终 ， 人 工智 能在 本质上是 跨行业部门的 。 有 效的 人 工 智能 与 教 育 政 策规 划离不 开 与 各 学 科领 域 及 部 门 的 利 益 相关 方 进 行磋商 协 作 。 在促 进与关 键 公私部门参 与者就 这 些 领域 开展 对 话 、 掌握相关知识 方面 ， 教科 文 组织 一 直 发 挥 着牵 头 作 用 。 各 种 活 动 和出版物已 使各 方进 一步 认识 到人 工智 能 给 教育 带 来 的 大 量 机 遇 和 深 刻 影响 ， 帮 助教 科 文 组织成 员 国 着 手 应 对 各种 复 杂 挑 战。 2019 年 ， 联 合国的教育领域信息 通信技 术旗 舰 项 目 “ 移动 学习 周” 探讨 了 人 工智 能与可持 续 发 展之间的 关 系。 同年 ， 教科文组织与中国政府在北京携手主办 “国际人 工智 能与教育大会 ” ， 主 题 是 “ 规 划 人 工智 能 时代 的 教育 ： 引领与跨 越” 。 大会 探 讨 了 人 工智 能 对 教育的 全 系 统 影 响 ， 同时通 过 并发布成 果文 件 北 京共识 。 这 是有史 以 来 第一 份就 如 何 充 分 利用人 工智 能 技 术 实 现 “ 可持 续 发 展目标4 2030 年 教育” 提 出建议的文 件 。 北京共识 明 确 建 议 ， 教 科 文 组 织 应 该 提 供 相 关 指引 和资源 ， 以支 持 教 育 政 策制 定 者 的 能 力 建设 ， 并 将 人 工 智 能 技能 纳 入 信 息 通 信 技 术 能 力框 架 。 更 广 泛 地 讲 ， 该 文 件 呼吁 教科 文 组 织 纵 观 全 局 ，与 相 关 伙 伴 一 起 加 强 在 人 工智 能 与 教 育 领 域 的 国 际合 作。 人 工 智 能 与 教 育 ：政 策 制定者指南 是在 北 京共 识 实施 框架 下 编 制 的 ， 旨 在 培 养 教 育 领 域 具 备人 工 智 能 素 养 的 政 策 制 定 者 。本 出 版 物 会 充 实 教 科文 组 织日 益 扩 展 的 教 育 领 域 智力成 果 库， 并旨在 服 务 政 策 制 定 和 教育领域的实 践 人员与专业 人 士 。 本出版物 旨 在 形 成 对于 人 工 智 能 给 教 育 带来的 机 遇的共同 认 知 ， 及 其 对 人 工智 能 时代 必 备素养 的启 示 的 理 解 。 本 出 版 物 通过 呈 现 一 份 效益风 险评估 ， 以 此来 激发 各 方 发 挥 批 判 性 思 维 思 考 如 何借助人 工智 能 技 术 应 对 实 现 可 持 续 发 展目标4过程 中 面 临 的 挑战 ， 以 及如何 发现和化 解潜 在风 险 。 本 出版物 汇 集 了 相 关 的新 兴 国家 政 策 ， 以 及 如 何 借 助 人 工智 能 强 化 教学质 量 的实 践 典 范。 本 出 版 物 也 可作为 制 定 人 工 智 能 与 教 育 政 策的指导 手 册 ， 从 规 划人本 的 和战略 性 目 标 ， 到 制 定 关 键 建 设政 策 组 成部 分 和实 施 策 略 ， 皆 有 助 益。 因此 ， 我希 望本出版物中提 出 的关 键 政 策问题 、 分析的 经验 教训 以及分 享 以人为本的政 策方针能够 帮 助各国政 府 和合 作 伙 伴 有 效 部 署 人 工 智 能 技 术 ， 促 进 教 育 和培 训 体 系 转型 ， 使 之 服务于 社 会共同 利 益 ， 打 造 一个 包 容 的 、 可 持 续 的未来。 Stefania Giannini 联 合国教科 文 组织 教育助 理 总干 事人工智能与教育政策制定者指南 致谢 致谢 本出版物是 人 工智 能与教育界专家共同努 力的成 果。 本 出 版 物 的 篇 章 框 架 构 思 源 自 以 下 两 人 ：联 合 国 教 科 文 组 织 教育 信息 化 与 教育 人 工智 能 部 门主 管 苗逢 春 和 前英国国家科技艺术基金会 （NESTA）首 席 教 育 研 究 员 Wayne Holmes 。 他们也是本出版物的 主 要 作 者 。 另两位 作 者 是任 职 于 中 国 北京 师 范大 学 的 黄 荣怀和 张慧 。 负责 协 调 本出版物 审核 与编 制的团 队 成 员 包 括 教 育 信息 化 与 教育 人 工智 能 部 门 范 胡 华、 SamuelGrimonprez 、 王 舒 童、 Veronica Cucuiat以及Glen Hertelendy 。 为本出版物 提 供 意 见 和同行 评审的 教科 文 组 织专 家 包 括 ： 政 策 与 终身学 习 体 系 部 门 主 任Borhene Chakroun、未 来 学习 与创新 部门 主 任Sobhi Tawil、 未来学习 与创新小组 计 划 专家Keith Holmes、哈 拉 雷 办 事 处 计 划 专 家 Julia Heiss、教 育 信 息技 术研 究所高级国家教育 项 目 干事Natalia Amelina、政 策 与终 身 学习体 系处高级计 划负责人Valtencir M .Mendes 以 及 性 别平 等 处计 划专 家Elspeth McOmish 。 为本 出版物 提 供 宝贵 意 见 的外 部专 家 包 括 ： 东 南亚 教 育部 长 组织 秘 书 处主 任EthelAgnesPascua -Valenzuela、中 国南方科 技 大学 教 授 赵 建华 、 南非 约 翰内 斯 堡 大学 研 究 助理ShafikaIsaacs 、 智 利 国 会 图书 馆 公民 教 育 计 划 负 责 人 WernerWestermann 以 及 英 国开放 大 学 教育 科 技名 誉 教 授 Mike Sharples 。 另 外 ，需 要 感 谢 的 还 有 Jenny Webster 和 Anna Mortreuxr ， 他们 分 别 为本出版物 提 供文 本 编 辑 校 对以及 版 面 设 计。 联 合国教科 文 组 织在 此 感谢中 国伟 东集团提供的资金 支 持 。 这 些 资金 支 持 也 为 联 合国 教科 文 组 织 成 员 国 借 助 信 息 技术 技术和 人 工 智 能 实 现 可 持 续 发 展 目 标4提 供了支 持3 目录 人工智能与教育政策制定者指南 人工智能与教育： 政策制定者指南 目录 序 1 致谢 2 缩略语表 4 1. 引言 5 2. 政策制定者关于人工智能的必备知识 6 2.1 人工智能的跨学科本质 6 2.2 人工智能底层技术简介 8 2.3 人工智能技术简介 9 2.4 人工智能潜在发展趋势：“弱”人工智能与“强”人工智能 10 2.5 对人工智能潜能和局限性的批判性审视 11 2.6 人机协同智能 11 2.7 第四次工业革命和人工智能对就业的影响 12 3. 理解人工智能与教育：新兴实践与效益风险评估 13 3.1 如何借助人工智能强化教育质量？ 13 利用人工智能支持教育管理和教育供给 14 利用人工智能支持学习和测评 15 人工智能为教师赋能并提高教学水平 18 3.2 如何挖掘人工智能的创新应用实现教育共同目标？ 19 3.3 如何确保人工智能在教育中应用的伦理规范、包容性和公平性？ 20 3.4 人类如何通过教育实现与人工智能共处及合作？ 23 4. 利用人工智能实现可持续发展目标4所面临的挑战 25 4.1 数据伦理和算法偏见 25 4.2 性别平等的人工智能以及借助人工智能促进性别平等 25 4.3 监测、评估和研究人工智能在教育领域的应用 26 4.4 人工智能将对教师角色产生哪些影响？ 27 4.5 人工智能将对学习者能动性产生哪些影响？ 27 5. 政策应对综述 28 5.1 政策应对方式 28 5.2 共同政策关注领域 30 5.3 筹资、伙伴关系和国际合作 30 6. 政策建议 31 6.1 全系统愿景和战略优先事项 31 6.2 人工智能与教育政策的指导原则 32 6.3 跨学科规划和跨部门治理 32 6.4 确保公平、包容和合乎伦理地应用人工智能的政策和法规 33 6.5 在教育管理、教学、学习和评估中使用人工智能的总体规划 34 6.6 试验、监测和评估，建立实证库 36 6.7 促进本土化教育人工智能技术创新 37 7. 参考资料 38 注 45人工智能与教育政策制定者指南 缩略语表 4 缩略语表 AI Artificial Intelligence 人 工智 能 AI TA AI Teaching Assistant 人 工智 能 助 教 ANN Artificial Neural Network 人 工神经 网络 AR Augmented Reality 增强现实 AWE AutomatedWriting Evaluation 作 文自动 评阅 CNN ConvolutionalNeural Network 卷积神经网络 DBTS Dialogue-Based TutoringSystem 基于对 话 的 导 学系 统 DigComp European Digital Competence Framework 欧 洲公 民数 字能力框 架 DNN Deep Neural Networks 深度神经网络 EEG Electroencephalography 脑电图 ELE Exploratory Learning Environment 探 索性学习环 境 EMIS Education Management InformationSystem 教 育 管理 信 息 系统 GAN Generative Adversarial Network 生 成 式 对 抗 网络 GDPR General Data Protection Regulation 通用 数 据 保护 条例 GOFAI Good -Old -Fashioned AI 有 效的老式 人 工 智能 ICT Informationand Communication Technology 信息 通信 技 术 ILO International Labour Organization 国际劳工 组 织 ITS Intelligent TutoringSystems 智 能 导 学系 统 IoT Internet ofThings 物联网 LMS Learning Management System 学 习 管理 系统 LNO Learning Network Orchestrator 学习网络协调 器 LSTM LongShort -Term Memory 长 时短 期 记忆 ML Machine Learning 机 器 学习 NLP Natural LanguageProcessing 自然 语言处 理 OER Open Educational Resources 开放 教育资源 RNN Recurrent Neural Network 循环 神经网络 SDG Sustainable DevelopmentGoal 可持 续 发 展目标 STEM Science ,Technology ,Engineering ,and Mathematics 科学 、 技 术 、 工程和数学 TVET Technical and Vocational Education and Training 职业 技术 教 育 与 培 训 UNESCO United Nations Educational ,Scientific ,and Cultural Organization 联 合 国 教 育、科 学 及 文 化 组 织 VR Virtual Reality 虚 拟 现实引言 人工智能与教育政策制定者指南 5 1. 引言 在过去短短五年间， 由于某些突出成就和颠覆性潜力， 人工智能已走出学术研究的象牙 塔， 成为公众讨论的前沿焦点， 自然也受到了联合国专家的关注。 在许多国家， 人工智能在日 常生活之中已经普及从智能手机的个 人助理到客服聊天机器人， 从娱乐信息推荐到犯罪 行为预测， 从人脸识别到医疗诊断， 人工智能应用无处不在。 然 而 ， 尽 管 人 工 智 能 有 可能 帮 助 各 方 实 现 联 合 国 可持 续 发 展 目 标（ SDGs），但 是 日 新 月 异 的 技 术 不 可 避 免 地 带 来 了 种 种风 险 和 挑 战， 目 前 相 应 的 政 策 讨 论与监 管 框 架 的 变 革 速 度已 远 远 落后于其 发 展 速 度 。 而且， 尽管人们 对 其主 要 的 顾 虑 还 停 留 在 人 工 智 能是 否 会强 大 到 碾 压 人 类 主 体 ， 但 是涉 及 人 工 智 能的 社 会 和 伦 理 影 响 则引发 人 们 更 加迫 在眉 睫 的 担忧 例 如 ， 滥 用个 人 数 据以 及 人 工 智 能 其 实 可能 无 法 缓 解 ，反 而 加 剧 现 有 的 不 平 等 现 象 。 尽 管如 此， 人 工智 能已 经 进 入教育领 域。 “ 智 能 ” 、 “自适 应” 和 “ 个 性化” 学习系 统日 益增多。 私营企 业 纷 纷 开 发 这些系统 ， 以 供 全 球 广 大 中 小 学和高 校使用 。 人工 智 能教 育 应 用 市 场 应 运 而 生 ，预 计 2024 年 将达 到60亿美 元的 市场 规 模（ Bhutani 和Wadhwani ， 2018）。人 工 智 能 技 术 在 教 育 领 域的 应 用不 可避 免 地带 来 了 深 层 次 问题 比 如 ， 教学内 容 与 方 式 、 教 师的角色演 变 以 及 人 工 智 能的 社 会 和 伦 理 影 响 。 同 时 ， 其应 用 带 来 了 许 多 挑 战 ， 包 括 教 育 公 平 和 机 会均 等 。 各 方 也 逐 渐 达 成 一个共识 ： 人 工 智 能技 术 在教 育 领域的 部 署应 用或 将重 塑教学的 根 基。 新 冠 肺 炎 疫情 期间 ， 学 校 封 闭 带 来的在 线 教 学 巨 大 转 变 使得上 述 问 题 变得更 加 复 杂。 因此 ， 联 合 国 教 科 文 组 织的 这 一指 导 意 见 力求 帮 助 政 策制定者更 好地 了 解 人 工 智能 给 教学带来的可能性与影响 ， 以 期 人 工 智 能在教 育 领域的 应 用 能 够 真 正有 助于 实 现可 持 续 发 展目标4：“ 确保包容和公平的优质教育 ， 让全民终身享 有学习机会”。 我们也必 须认识到 ， 人 工智能与教育之间的联 系 难免 会 产生 参差 不齐的结果 ， 具体因各国社 会 经济环境 而异。 通 常情况下 ， 我们对 人 工 智能技 术的担忧在 于 ， 如果我们继续盲目前进， 那么可以预料， 未来不平 等现象、 经济崩坏和社会动荡皆会加剧， 甚至在 某些情况下政局不稳也 会 加 剧 ，其 中 在 技 术 上 处 于 劣 势 和 被忽视的群体处境最糟。 （Smith和Neupane， 2018，第 12页） 在 人 工 智 能与教 育 领域 ， 这种 担忧只多不少 。 如 果 想 将 人 工 智能用 于 帮 助实 现可 持 续 发 展 目 标4，还 需 要 提 供 廉 价 的人 工智 能 技 术开发 模 式， 确 保 低 收 入 和中 等 收 入 国 家 的 利 益也被 纳入 关 键 讨 论与决 策 之 中 ， 并 且在 这 些 国家与人 工 智 能 技 术 相 对 先 进 的国家 之 间搭 建 桥梁 。 本出版物 首 先简 要介 绍了 人 工智能的定义 及 运作 机制 ， 为深入论 述 人 工智能 与教育之间的相互 作 用奠 定 基 础。 随 后 ， 本出版物介 绍了 当 前 人 工 智能在 教 育 领 域 的 多 种 应用 ， 以及人 工 智能如何 促 进 教育 包 容 性 和 公 平 性 、 提 高学 习 质 量以 及 完 善 教育管 理 和 教 学法 。 这 部分 内 容 还探 讨 了 教 育 如 何帮 助 公 民发展人工 智能时 代 生 活 和 工 作 所需 的 技能 。 接 下 来 ， 本 出 版 物详细 介 绍 了 主 要战 略 目 标 利 用 人工 智 能给教 育带 来 的 益 处 、 化 解 相 关 风 险， 同 时 探 讨了实 现 这 些目标 面 临 的 挑 战 。 最 后 ， 本 出 版 物提出 一 系 列 建 议 作 为 结 语 ， 旨 在 为 人 工 智 能 与 教 育政 策的全 面 愿景 和行 动方案提供 参考 。人工智能与教育政策制定者指南 政策制定者关于人工智能的必备知识 6 2. 政策制定者关于人工智能的必备知识 2.1 人工智能的跨学科本质 “人 工 智 能（artificial intelligence）”一 词 最 早 出 现 在 1956年美国常春藤盟校达特茅斯学 院举办的一场研讨会上， 用来描述 “用于打造智能机器、 尤其是智能计算机程序的科学和工程 技 术 ”（ McCarthy等人， 2006，第 2页） 1 。 此后数十年里， 人工智能的发展断断续续， 时而飞速 进 步，时 而 经 历 寒 冬（ Russell和Norvig， 2016）。 一 直 以 来 ，人 工 智 能 的 各 种 定 义 不 断 增 多 、延 伸 ，而 且 往 往 牵涉 到哲 学问题， 比 如： 什么构成 “ 智 能” ？ 机 器 是 否 真 的 能 够 获 得“ 智 力 ”？在 此 仅 举 一 例 ，钟 义 信 对 人 工 智 能 的 定 义 如 下： 现代科技的一门分支学科， 旨在探索人类智能 奥秘， 同时最大限度将人类智能移植到机器上， 使机器能够像人类一样智能地执行功能。 （Zhong， 2006， 第90页） 如若务实地绕开这 个长期争 论 ， 在 本出版物中 ， 可 将 人 工 智 能 定 义为是 一 种 被设 计 出来 以人 类 能力 与世界进行互动的计算机系统 （Luckin等人， 2016）。而 教 科 文 组 织 世界 科 学知 识与技 术伦 理 委员会 （COMEST）给 出 更 多 细 节 ，将 人 工 智能描述 为涉 及 能够模仿人类智能某些 功能的机器， 具体功能 包括感知、 学习、 推理、 解决问题、 语 言 互 动 、甚 至 创 造 性 工 作 等 。 （COMEST， 2019） 目 前 ，我 们 正 在 经 历 一 场 人 工 智 能 复 兴 ，越 来 越 多 的 行 业 部 门开始应用机 器 学习技 术。 这种 人工智能技术涉 及人工智能系 统分析海量数据 。 这是两大关键 发展趋势共同作 用的结果： 一是 数 据 呈 指 数 级 增 长（ 据 IBM 计 算， 由 于 互 联 网 和 相 关 技 术 普 及 ，每 天创建的数据量超过2 . 5万亿 个 字节 2 ） ， 二 是 计算 机 处 理能 力 呈指数 级 增长 （ 由 于 摩尔 定 律 ， 如今 的 手机 与40年 前 的 超 级 计 算 机 一 样 强 大 ）。大 数 据 和 强 大 的 计 算 机 均 是机 器 学习技 术 取 得成 功的必 要条 件 ， 因 为 这 种 技术 的 算 法依赖 于 对数 百 万 个 数据 点 的 处理 ， 而 后者 又 离不开 庞 大的计算 机 处 理能力 。 3 有意思的是， 最常登上新闻头条的机器学习算法 （ “ 深 度 学 习 ” 和 “ 神 经 网 络 ” ） 本身 已 经存 在40多 年 了。 表1：“人工智能即服务（AI-AS-A-SERVICE ）”示例 科技公司 “人工智能即 服务”平台 公司官方描述 阿里巴巴 阿里云 (Alibaba Cloud) 提供各种基于云的人工智能工具，满足企业、网站或 应用的需求： 亚马逊 AWS 提供计算机视觉、语言、推荐和预测所需的预训练人 工智能服务。能够大规模快速构建、训练和部署机器 学习模型，或者构建为全部流行开源框架支持的定制 模型： 百度 飞桨 (EasyDL) 支持客户构建无需编写代码的优质定制人工智能模 型： 谷歌 TensorFlow 端到端的机器学习开源平台，提供涵盖工具、资料库 和社群资源的生态系统，使研究人员能够共享最先进 的机器学习技术，使开发者能够轻易构建和部署机器 学习赋能的应用程序：tensorflow IBM Watson 让用户能够对任何主机平台上的数据使用人工智能工 具和应用程序： 微软 Azure 提供100多项构建、部署和管理应用程序的服务： 腾讯 众创空间 (WeStart) 汇集各种人工智能能力、专业人才和行业资源，支持 初创企业开设或改进。连通行业伙伴，传播人工智 能技术，使之广泛应用于多个行业部门：westart. 如今，世界上几乎所有的科技巨头以及许多其他科技公司都提供精深的“人工智能 即服务”平台，其中部分是开源平台。这些平台提供了各种人工智能基础模块可供 开发者使用，而无需从零开始编写人工智能算法7 政策制定者关于人工智能的必备知识 人工智能与教育政策制定者指南 既 然如 此 ， 为什 么 人 工 智 能技 术的瞩 目 成 就 及 其 颠 覆 性潜 力 近些 年 来 才 显 露 出 来 ？ 这 是 因 为 对 人工 智 能 算 法 巧 妙地 改 进， 同时 人们 也更 加 容 易 获得 “ 人 工智 能 即服 务 ” ， 而 不 是 出于 任 何 根 本 性 的 新 范 式。 换言 之， 可 以说目 前 我 们 身 处 “ 实 施 期 （ 大 规 模 实 际应 用时期） ” ： 人工智能研究的很多艰深且抽象的工作已经 完成 “实施期 （大规模实际应用时期） ” 意 味着， 我们将最终看到这些成果在现实世界中的应用。 （Lee， 2018，第 13页） 如 今 ， 人 工 智 能技 术 在 现实世界的 应 用越 来 越普 遍 且 具 有 颠 覆 性。 众 所周 知 的 例 子 包 括自动 语言 翻 译、 自动人 脸 识 别 （ 用于 识 别旅客和 追 踪 罪 犯） ， 以及我们 日 常生活中 的应 用 ， 比如无 人驾驶汽 车、 智 能手 机 和 其他设备 上的个 人 助理 程 序 等 。 医 疗行业 是 一 个 特 别 值 得 关 注的 领域。 最 近 一个 具 有 变革 性的 例子 就是 应用 人 工 智能技 术 研 发能够杀 死多种 抗 药 性 细 菌的新 药 （Trafton ， 2020 ） 。 第二 个 例子 是 应 用人 工 智能技 术来 分析医学影像 包括可以及 早 显 示 异常 畸 形 的胎儿 脑 部 扫 描 4 、 帮 助诊断 糖 尿 病 的视网 膜扫 描 5 以及 可 以提 高 肿 瘤 检 测 水 平的X 光 6 。这 些 例 子 均 说 明 了人 工 智 能 与 人共 生 协 作带 来 的 重大 潜 在效 益 。 当我们把基于人工智能的成像技术与放射科医 生结合起来后， 我们发现， 二者结合的表现优于 人 工 智 能 或 放 射 科 医 生 单 独 的 表 现 。（ Michael Brady，牛 津 大学肿瘤学教授， 引自 麻省理工技术评论和GE医 疗 上 发表的文章， 2019） 最 近的这 篇 评论 进一 步 表明 ， 人 工 智能技 术其 实可 以 使 医 疗“ 更 人 性 化 ”： 随 着 人 工 智 能 和 自 动 化 流 程 发 展 ，往 往 各 种 担 忧 随之而来， 比如医疗服务提供过程中会丧失人情 味。 然而， 业界发现， 事实正好相反： 人工智能可以为超负 荷工作的医疗专业人士拓展资源和能力， 极大地完善医疗 服务流程。 （ 麻省理工技术评论和GE医 疗 ，2019） 其 他日益常见 的人 工智 能 应 用 领 域包 括： 自动新闻 人 工 智 能代 理 程 序 不断监 测 全 球新闻媒 体 ， 为 记 者提 取 关 键 资 讯 ，同 时 也 自 动 撰 写 一 些 简 单 的 新 闻 报 道 ； 人工智能法律服务 例如 ， 提供 自 动取 证 工 具 ， 研 究判例法 和 成 文 法 ， 以及开 展 法 律尽 职调 查； 人工智能天气预报 挖掘和 自 动分析大量历 史气象数据 ， 在此基础上预测 天 气； 人工智能诈骗侦测 自动监 测 信用卡 使 用情况， 从 中发 现 规 律 和异常 情况 （ 即 潜 在 欺 诈 性 交 易 ）； 人工智能驱动的商业流程 例 如 ， 自 主 生 产 制 造 、 市场 分析 、 股 票 交 易 和 投 资 组 合 管 理； 智慧城市 采 用 人 工 智能 技 术 和 互 联 的 物 联网 （IoT）来 提 高 城 市 中人 们的生活与工作 效率和 可持 续性； 人工智能机器人 采 用机 器 视觉 、 强化学习 等 人 工 智 能技 术 作 为辅 助与 世界 进行互动的物 理 机 器。 上 述例 子 对 社 会具 有 显 著 的 积极 影 响力 ， 不 过 ， 我 们 不 应 忽的是 人 工 智 能在 其他领域的 应 用会比 较 有 争 议 。 以 下为两个 例 子： 自主作战 无需人为干预即可运作的武器、 无人机和其他军事 装 备； 深伪（deep-fakes） 自动生 成假 新闻 ， 替 换 视 频中的人 物面 孔， 让 人误以为政 客 和名人说 了或做 了 什 么， 但 其 实当事 人 从 未 说 过 或做 过。 此 外 ， 在 评 估 一 些 人 工 智能技 术 公 司 和媒 体的 许多夸 大 言 论 时 ， 我 们 也 应当谨 慎 。 首 先 ， 尽 管 新闻 头 条 宣 称 ， 如 今 的 人工 智 能 工 具 在 执 行 某些 任 务时 表 现 “优 于 ” 人 类 ， 比 如阅读文 本和识 别图像 中 的物体等 ， 但现实是 ， 这 些 成 功 只 在 有限 的 情 形 下 是成 立 的 例 如 ， 当 文 本篇 幅不 大 且 包 含 足 够的 必 要 信 息 、 从而无 需 人为推 断的时候 。 目 前的 人 工 智能 技 术 也 有可 能 极 不 稳定 。 例 如 ， 若 是 数 据 经 过 细 微 篡 改 ， 或者图像 上 叠加 了 一 些随机噪点 ， 那 么 人 工 智能工 具的 表 现 就 会 一 塌 糊 涂（ Marcus 和Davis ， 2019）。 78 人工智能与教育政策制定者指南 政策制定者关于人工智能的必备知识 2.2 人工智能底层技术简介 人工智能的每种应用都依赖一系列复杂的底层实现技术。 这就要求人工智能工程师受过 高阶数学、 统计和其他数据科学以及编程等方面的训练。 因为这些技术太过专业， 无法在此深 入探讨。 8 于是， 我们先来简要地介绍一些核心人工智能底层技术， 然后介绍一些典型人工智 能技术应用。 传统人工智能 比 较 早 期 的 或 “ 传 统 人 工智 能 ” （ 又 称 “ 符 号 人 工智 能” 、 “ 基于 规 则的人 工智 能” 或 “ 有 效 的 老 式 人 工智 能” ， 即“ GOFAI” ） 涉 及 编写如 “ 若 则 （IF . THEN . ） ” 语 句 序列 以及 其 他 条 件逻辑规 则等计算 机 完成 指 令需要采 取 的步 骤 。 过 去 几 十 年 里 ， 随 着医 疗 诊 断 、 信 用评级和生 产 制 造 等 领域的 广 泛 应 用 ， 此 类基 于规 则 的 人 工 智能 “ 专 家 系 统” 发 展 起 来。 这种 “ 专家系 统” 是 建 立在一种名为 “ 知 识 工 程 ” 的 方法 上 。 “知识工程 ” 涉 及 解 析和模 拟 某 一 具体领 域 的 专 家 知 识 这 是 一 项 资源 密集 型任 务 ， 但 并非 没 有 复 杂 的 运算 。 典 型 的 专 家 系统 包 含数 百 条 规则 ， 但是 通 常 其 逻 辑 尚算 有迹 可 循。 然而 ， 随 着 各种 规 则之 间的相 互作 用成倍增 加 ， 一 旦 想要 修改或 改 进 ， 那么 对于 专 家系统 来说 是 颇 具挑 战性 的。 机器学习 从 自 然语 言 处理到 人脸 识别 、 无人 驾 驶 汽车 许 多 新 近的 人工 智能技术 进步都离不 开基 于 机器学 习 的计算 方法 。 机 器学 习 不 去 运 用 规 则 ， 而 是分 析 大量数 据 ， 从 中 发 现 规律 ， 在 此 基 础上 构建 模 型 ， 用 来预测 未来 数 值 。 在 这 个 意 义上 ， 与其 说算法 是 预 先设 定 好的 ， 不 如说算法 是 在 “ 学 习 ”。 机 器 学习方 法主 要 有三种 ： 有监 督 学习 、 无 监 督 学习和 强化学习 。 有监督 学习涉 及已有 标 记的数 据 ， 比如 经 人为标 记的 成千 上万 张人 物照 片 。 有监督 学习将 数 据与 标 记关联 起 来 ， 构建 一个 可 用 于 类似数 据的模 型 比如 ， 自 动 识 别新 照 片中的人 物。 在 无 监 督 学习中 ， 人 工智 能 工具使 用 更 海量 的数 据 ， 不 过 这些 数 据没 有 经 过归类或 标 记 。 无 监督 学习 目 的在 于发 现 数 据中的隐 藏 规律 ， 即可 用于对新数 据 进行分类 的 类 簇（ cluster）。例 如 ，无 监 督 学 习 方 法 可 以 寻 找 成 千 上 万 个 例 子 中 包 含 的 规 律 ，从 中 自 动 识 别 手 写 字 母 和 数 字 。 不 论 在 有 监 督 还 是 无 监 督 学 习 中 ， 数 据生 成 的 模 型都 是固定的 ， 而一 旦数 据 有 变， 只 好再 次 进行分析 。 然而 ， 第三 种 机 器 学习方 法 强化学习涉 及根 据反 馈不断完善 模 型 也即是说 这 个意义 上的 机 器 学习是 指 学习在 持 续 进行 中 。 在一些 原始数 据 基 础 上， 人 工智 能 工具可以 生 成一 个模 型， 然 后 被 评 为“ 正 确 ”或“ 错 误 ”，得 到 相 应 的 奖 励 或 处 罚 。人 工 智能工具利用这 个强化机制来更 新模 型 ， 然后 再 次尝 试 ， 进 而 在一段 时 间内 迭 代 发 展 （学 习 和 演 进 ） 。 例 如， 如 果 一 辆无 人驾驶汽 车规