導讀：2025年1月11日-12日，由中國自動化學會、中國青少年科技教育工作者協會聯合主辦的2025中國自動化與人工智能科普大會暨創新人才貫通式培養研討會在中國科學院大學玉泉路校區禮堂隆重舉行。此次會議以“跨界融合·創新未來”為主題，聚焦大中小學貫通式培養模式與人工智能教育的科學化、系統化發展，吸引了來自全國高校、科研院所、中小學校等專家學者、師生代表共計500余人現場參會，有效匯聚了領域產學研優質資源，為推動我國教育強國與創新型國家建設貢獻了力量。
田鋒教授受邀在2025中國自動化與人工智能科普大會暨創新人才貫通式培養研討會上作題為“結合大模型的混合增強智能賦能教育案例”的專題報告，報告回顧并總結教育技術發展歷史，指出教師、學生、機器智能的優勢與缺點；提出師-機-生復合主體混合增強智慧教育理論，介紹了結合大模型的情景理解、智能導學、科學評價等核心關鍵技術研究進展，以及基于這些技術研制的平臺。最后給出4點思考。
一、啟示與挑戰
創新科技在教育中的應用通常存在滯后的現象。第二次工業革命后，經過了50年的時間才將無聲電影引入學校。第三次工業革命時這種滯后現象有所縮短。計算機于1946年發明后，僅十多年便開始進入教學領域，電視等技術也出現類似情況。1969年互聯網誕生后，相關的閉路電視教學和廣播電視教學也在十多年后得到廣泛應用。然而，盡管人工智能的概念自1956年便被提出，經過五六十年的不斷研究，我們仍然在討論它的應用，這說明人工智能技術本身還沒有發展成熟。
在這種背景下，當一個創新科技，如人工智能，要被引入到教育領域時，會面臨一些獨特的挑戰。教育本身不僅是傳承人類文明和價值觀的過程，而且在教學場景中的應用創新也對新技術的引入提出了更高要求。因此，人工智能要在教育中得以有效應用，需要克服三個關鍵挑戰：技術的成熟度、教育體系的適應性以及教育應用中的創新實踐。只有在這些挑戰得到解決之后，人工智能技術才能夠充分發揮其在教育中的潛力。
人工智能在教育體系的適應性和應用中需面對學習主體、教學主體以及教學內容的適應性等三方面引起的難題。學生的個性差異是人工智能教育應用的一個核心障礙。學習是一個動態發展的過程，每個學生個體的認知能力、學習需求和興趣各不相同，AI如何適應這一過程是個性化學習的核心難點。此外，教學內容必須符合學生的認知發展規律。
教師的角色與工作壓力也是影響AI應用的重要因素。教師不僅是知識的傳遞者和引導者，更是學生德智體美勞全面發展的促進者。然而，在當前的教育體系中，生師比例普遍較高，教師的任務繁重，需要在課堂上完成感知、計算、推理、決策等復雜任務，導致他們難以完全適應現代教育的高要求。
二、混合增強智慧教育
混合增強智慧教育的核心特點在于：利用機器的海量存儲、檢索、計算等能力，結合人類教師的理解、推理、評價和創造等能力，形成“師-機-生”三元復合主體結構。這一模式改變了傳統的二元師-生結構，使教師、學生、AI共同成長、相互適應，并通過螺旋式認知協同增強的效果，促進教育質量的提升。
這一理念不僅在學術研究中得到認可，也在政策決策和教育實踐中引起廣泛關注。在2023世界慕課與在線教育大會上，我國教育部吳巖副部長提出了“構建‘師—機—生’三元一體的教育新模式”，表明這一框架呈現在了世界教育舞臺。
三、三個案例
我們課題組圍繞人工智能在教育中的應用，開展了多個項目。
案例一是賦能考試。首先，構建了一個包含幾十萬道歷年高考題的數據庫。該數據庫可用于試題解析、查重檢測和試題質量評估，并從多個角度分析知識點分布，提高試題庫的智能化水平。
其次，開發了基于大語言模型與符號系統協同的數學幾何問題生成。該方法可以根據需求自動生成不同難度的題目。例如，給一個種子問題，在五分鐘內，可以生成800道推理題，其中最長推理步驟可達75步，高于國際數學奧林匹克競賽的平均題目推理步數。
此外，還探索了利用AI發現考生創造性思維的方法。例如，在開放類題目閱卷分析中，AI可以識別并分析標準答案之外的創新性回答，如發現人口增長、道路交通改善等未被閱卷組最初考慮的角度。這一技術為教學和閱卷提供了更廣泛的參考價值。
通過這些實踐，我們展示了AI在優化教育資源、提高試題質量和挖掘學生創造力方面的潛力。
案例二是探索了如何利用大數據、大模型對教學質量進行實時檢測。自2011年起，逐步構建了教育教學質量大數據實時監測系統，實時精準采集數據，目前已覆蓋全校，記錄了年均6000多門課程的數據，形成了7億多條教學多模態數據，每年新增6GB；同時也嚴格保護隱私。
在教學質量監測方面，結合大小模型，利用人物分割與識別技術，對課堂中的每個人進行識別，并分析人物交互和意圖推理。通過這一方法，突破了傳統評價指標的局限，實現了靈活的指標構建，能夠基于學科特點進行課堂評價，并發現新的教學質量評價指標。目前，該系統已迭代到第二版，并應用于課堂互動智能分析，實現表情、動作、交互等聯合意圖識別。
案例三是知識森林智能導學，服務一帶一路國家。我們提出了“知識森林”智能導學系統，主要目的是解決“盲人摸象”學習迷航、認知過載、千人一面的難題?；谥R主題及其關系組織教學，知識森林使學生既能掌握知識的整體脈絡，又能深入學習具體知識點，實現個性化搜索和關聯推薦。另外，由于學習過程中資源訪問存在長尾現象，學生在深入學習時興趣容易下降，而結合大模型增強后，該問題得到了有效優化，提高了學習的連續性和效率。
該成果入選教育部首批“人工智能+高等教育”應用場景典型案例。
以上技術還被應用于“一帶一路”國家的人才培養，已為115個國家培養了工程科技人才，提供了中國的智能教育方案。例如，泰國教育部次長和巴基斯坦駐中國大使都對我們的工作給予了積極評價。這充分體現了我國在智能教育領域的創新實力和國際影響力。
四、四點思考
一是智慧教育理論仍處于探索階段，目前尚未形成完整的智慧教育理論體系。結合生成式人工智能或大模型的教育模式仍需要多個學科共同研究和探討。
二是盡管AI技術發展迅猛，但人類社會尚未完全做好迎接這一變革的準備。許多旁觀者為技術的進步歡呼，而真正推動技術發展的人則步步為營，謹慎前行。在這個過程中，我們必須保持審慎態度，建立嚴格的規范和引導機制，確保人工智能的合理應用。
三是對大模型的認識存在誤區。在教育領域，大模型的輸出質量至關重要，合規的數據，并不代表其訓練出的大模型的能生成合規的內容。人工輸入反饋學習過程中，反饋者的價值觀可能會影響模型的表現，因此需要建立有效的價值觀對齊機制。例如，可借鑒國家認可的語料提煉出價值觀規則，訓練模型能夠進行自我批評和修正，以確保其輸出符合社會認可的標準和倫理規范。
盡管大模型在許多任務上展現了強大的能力，但其推理能力仍然有限。目前的主流自回歸LLM是大量相關性疊加，而非真正具備因果推理能力的智能系統。已有文獻的實驗表明，只需對某數據集數學題中的關鍵名詞稍作修改，模型的正確率便可能下降65.7%，甚至更低；而人類則能識別這些變化并排除干擾。
四是什么樣的架構支撐未來的智慧教育應用。在教育大模型的應用中，僅依靠現有大模型是不夠的，一種可能得架構是構建基礎模型、學科模型、智能體以及端側模型相互協同的共同體，以提升模型的推理能力和可靠性，即構建教育大模型，需要在基礎模型的框架上進行適配，以滿足教育場景的特殊需求。當前的大模型相當于帶有噪聲和偏差的通識知識表示，必須通過價值觀對齊、學科知識導入等方式進行優化。同時，可以結合“知識森林”增強模型、專業知識庫增強模型等多種手段，提升模型的知識表達能力。此外，通過端云結合的架構，不僅能夠滿足個性化需求，還能有效保護用戶隱私，降低云端計算負荷，使教育大模型更具實用價值。
*本文根據作者所作報告速記整理而成
嘉賓簡介：
田鋒，西安交通大學教授，博士生導師，獲王寬誠育才獎獲、校教學卓越獎，電信學部主任助理，陜西省大數據知識工程重點實驗室主任，大數據算法與分析技術國家工程實驗室大數據算法測試與示范應用中心主任，中國教育發展戰略學會第四屆理事，中國自動化學會智慧教育專委會副主任委員。研究方向：人工智能與智慧教育、大數據挖掘應用。承擔/完成國家自然科學基金、國家科技部課題/子課題等10余項。已在IEEE TKDE、AAAI、NeurIPS、ACL、ACM SIGIR等國內外高水平期刊會議發表論文120余篇；部分成果已經在全國教育和稅務等領域應用，獲國/省部/全國學會級科技進步/教學成果獎12項。
