當前，人工智能（AI）在自然語言處理、計算機視覺、語音處理、機器人技術和自動駕駛等領域取得了重要進展，強化學習和元學習等領域也成為研究的熱點。在教育領域，不管是普教還是高教、學歷教育還是非學歷教育，人工智能的應用都呈現出更多潛力和機會。
AI在教育領域的應用
目前來看，AI在教育領域的應用主要從教育教學和教育管理這兩大模塊入手。
教育教學
對于教育教學，AI可以為學生和教師提供更多個性化、交互式和創新性的學習方式，能夠有效提升教育質量。具體內容如下：
在個性化學習方面，AI可以根據學生的興趣、學習風格和進度，提供個性化的學習內容和教學方法。通過分析學生的學習數據和行為模式，AI可以根據學生的特點調整教學策略，提供定制化的學習體驗，幫助學生更高效地學習。
在智能輔導方面，AI可以作為智能輔導工具，為學生提供學習指導和反饋。通過自然語言處理和機器學習技術，AI可以與學生進行對話，并解答他們的問題，提供學習資料和練習題目，幫助他們理解和掌握知識。
在學習分析方面，AI可以分析學生的學習數據，提供對學生學習情況的全面評估，以及個性化的學習建議和輔導。通過對學習數據的挖掘和分析，AI可以發現學生的學習難點和潛在問題，為教師和學生提供學習策略上的有效反饋和建議。
在教學和研究支持方面，AI可以應用于教學和研究領域，提供智能化的教學和研究支持工具。例如，AI可以自動評閱作業和論文，解答和編程作業，提供快速、準確的評估結果等AI還可以分析學術文獻并研究數據，輔助教師和研究人員進行文獻檢索和數據分析。
在實驗與實踐教學方面，AI與VR（虛擬現實）、AR（增強現實）相結合，可以提供沉浸式的學習體驗。學生可以通過虛擬現實和增強現實技術，親身參與到各種模擬環境中，進行實踐和探索，加強對知識的理解和應用。
教育管理
對于教育管理，AI能夠提供便捷式、智能化管理服務，重塑或優化校園管理模式，有效解放師生雙手。具體內容如下：
在學生服務和支持方面，AI可以提供學生服務和支持的智能化解決方案。例如，智能助手可以回答學生的問題，提供校園導航和校園活動信息，幫助學生解決學習和生活中的各種問題。AI可以對學生的出勤、學習狀態、成績等進行智能化管理，及時發現學生存在的問題，提供更加個性化的輔導和教育。
在校園管理智能化方面，AI可以對校園設施及設備進行智能化監控和管理，及時發現設備的故障或者異常情況，提供更加智能化的保障和服務。例如，AI可以應用于視頻監控和安全管理系統，通過智能分析和識別算法，實時監測校園內的安全情況，快速發現異常事件并進行預警。此外，AI還可以應用于人臉識別技術，提供高效的門禁管理和校園安全控制。
在教師助理智能化方面，AI可以作為教師的助理，幫助教師處理一些日常的事務，如閱卷、生成試卷等，讓教師更加專注于教學工作。
在數據分析和決策支持方面，AI可以處理和分析大規模的校園數據，提供數據驅動的決策支持。例如，AI通過對學生數據、教職員工數據和校園運營數據的分析，可以發現潛在的問題和趨勢，為管理者提供決策參考和預測分析。
AI對智慧校園建設的影響
AI作為新一代的信息技術，將與教育教學和管理進一步融合。AI 2.0將對高校智慧校園建設產生極其深遠的影響。不久的將來，智慧校園將誕生新平臺，并將重構所有應用與微服務。
智能應用
在AI 1.0時代，高校建設智慧校園的過程當中，AI主要作為工具和能力廣泛存在于各服務場景。例如，NLP在智能客服問答系統的應用，計算機視覺在智能安防的應用，教學過程中OCR、NLP等AI工具的賦能，基于AI、大數據進行建模輔助決策，等等。
進入AI 2.0時代，大語言模型（LLM）、多模態人工智能（MAI）、通用人工智能（AGI）、生成式人工智能（Generative AI或AIGC）在智慧校園場景中如何應用，很多高校與廠商正在探索。
業務系統與微服務：Al in All
所有業務系統與微服務都應該用AI的思維進行重新賦能與再造，從而提供更高效、優良的服務。
傳統的業務系統與微服務，一般基于小數據環境，以業務流程驅動的思路進行構建，已經不能滿足師生對于智慧校園使用體驗的要求，都有極大的空間被AI重新賦能再造。
以課堂點名服務為例，一門課程，幾百人上課，系統根據教學計劃、班級信息生成點名名單，教師按照過程化管理的要求，適時進行課堂點名。完全人工的方式效率很低，目前一般以藍牙、掃碼、圖像識別等技術手段加以輔助，提升效率與體驗。
以AI思維重構上述服務：系統根據班級、位置、門禁、歷史點名結果、監控、成績等師生的多模態信息，由AIGC生成動態點名名單，把最有可能沒到的學生排在前面進行核驗，如此將極大提升效率與體驗。
隨著AI的進步和發展，越來越多的系統和服務都能夠應用人工智能技術。AIinAll，在所有領域中應用人工智能，這種普及性將促進人工智能的創新和應用，推動高校的改革創新發展。
基礎數據：多模態人工智能助力全量數據中心建設
多模態人工智能可以助力全量數據中心的建設和應用，提供更全面、準確和智能的數據獲取、數據處理和分析能力。
在多模態數據處理上，全量數據中心通常包含各種類型和格式的數據，如文本、圖像、音頻、視頻等。多模態人工智能可以同時處理和分析這些多種類型的數據，實現跨模態的信息提取、關聯和分析，使得數據中心的處理更加全面和多樣化。
在多模態數據關聯上，多模態人工智能可以通過學習和理解不同模態之間的關系，實現跨模態數據的關聯和融合。例如，可以將圖像、文本和音頻數據進行聯合分析，從中提取更豐富和全面的信息，幫助數據中心發現隱藏的模式。
在多模態數據搜索和檢索上，全量數據中心存儲了大量的數據，多模態人工智能可以提供高效的多模態數據搜索和檢索功能。通過學習多種數據模態的特征和相互關系，可以根據用戶的需求和查詢條件，快速準確地定位和提取相關的數據。
在多模態數據挖掘和分析上，多模態人工智能可以應用于全量數據中心的挖掘和分析任務。通過深度學習、機器學習等技術，可以從多模態數據中挖掘隱藏的模式、關聯規則和異常情況，為數據中心提供更深入和全面的分析結果。
多模態人工智能在全量數據中心建設中具有重要的作用。它能夠處理和分析多種類型的數據，實現數據的關聯和融合，提供全面、準確和智能的數據處理和分析能力，為數據中心的應用和決策提供更好的支持。
交互界面：大語言模型重構人機交互界面服務模式
教育部發布的《高等學校數字校園建設規范（試行）》（簡稱《規范》）中提到：“高等學校的數字校園應用建設應注重用戶體驗，重視人機交互界面設計與建設。人機交互設計將業務應用及業務系統提供的信息和服務進行集成、組織和融合，為各類用戶提供簡潔友好的服務……可綜合使用智能門戶、辦事大廳、移動入口、智能終端設備等方式為用戶使用數字校園建設成果提供用戶界面。”
當前以大語言模型為代表的AI2.0時代，已經重新定義了搜索引擎的服務模式，Google搜索、Bing都已引入相關技術進行重構，總體方向是極簡、更智能、可交互。數字校園的重要基礎設施，如門戶、辦事大廳也必然向這個方向演化。
人機交互界面設計的核心訴求，就是讓用戶如何能夠最快速、最高效找到校內所能提供的應用、服務、數據、資訊等。不遠的將來，大語言模型、多模態人工智能等技術將重構門戶、辦事大廳等產品，改變目前傳統產品的服務模式。
圖1 東北財經大學校園門戶首頁
如圖1所示，門戶呈現極簡的狀態，以更智能、更互動形式與用戶進行交流，極大提升用戶體驗。
資源建設：大語言、多模態模型助力教學資源知識圖譜建設
大語言模型的強大語義理解和生成能力，為教學資源知識圖譜建設帶來了巨大的潛力，可以提升教學資源的組織、發現和應用效率，從而提高教學質量和學生學習體驗。具體應用內容主要包括以下四個方面。
第一，自動知識抽取。大語言模型可以通過閱讀和理解大量的教學資源文本，自動抽取其中的知識，結合圖神經網絡，將其結構化表示。這有助于構建知識圖譜的初始框架和內容。
第二，關系挖掘與鏈接。基于大語言模型的理解和推理能力，可以分析教學資源中的語義關系，發現實體之間的關聯，并進行關系挖掘和鏈接。這有助于構建知識圖譜中的關系網絡，展現知識之間的連接。
第三，問答與推薦系統。大語言模型可以用于構建教學資源的問答系統和個性化推薦系統。通過對學生提問進行自動回答，并基于學生的興趣和學習情況進行資源推薦，可以提供個性化的學習支持和指導。
第四，知識補全補缺。在知識圖譜構建過程中，可能存在一些信息缺失或不完整的情況。大語言模型可以通過自動補全和補缺的方式，填充知識圖譜中的空白部分，提高知識的完整性和準確性。
資源建設：生成式人工智能助力教學內容生成
生成式人工智能在教學內容生成方面的應用可以提高教學效率和質量，促進個性化學習和教學創新，為學生和教師帶來更好的教育體驗和成果。具體應用包括以下三個方面：
第一，自動化教案和教學材料生成。人工智能可以通過學習大量的教學資源和文檔，自動生成教案和教學材料；可以分析學習目標、學生特點和教學要求，并基于此生成適應性強、個性化的教學內容。
第二，試題和測評生成。人工智能可以自動生成各種類型的試題和測評題目。它可以根據學科領域的知識體系、題目類型和難度水平，生成符合教學要求的試題，并根據學生的回答情況進行智能化評估和反饋。
第三，多媒體內容生成。人工智能可以生成各種形式的多媒體教學內容，如圖像、動畫、視頻等；可以通過圖像和視頻處理技術，將文字、聲音和圖像等元素進行合成和編輯，生成豐富多樣的教學資源和教學展示材料。
基礎平臺
隨著各種垂直領域的業務與微服務被AI賦能與重構，迫切需要一個平臺化的AI基礎設施提供一個統一的環境，用于整合和管理各類資源，如數據、算法、模型和計算資源等。
這有助于實現資源的共享和協同使用，避免重復投入和資源浪費，提高效率和成果的可復用性。同時，從安全和隱私保護的角度，AI平臺設施可以提供安全的數據存儲和處理環境，加強數據的隱私保護和安全控制；可以采用數據加密、身份驗證、訪問控制等技術，確保敏感數據的安全，并遵守相關的數據隱私法規和合規要求。
因此，未來數字校園整體結構將持續演化，在數據層之上、業務層之下，需要提供平臺化的AI支撐能力，通過與業務持續深度迭代，促進整體數字校園的進化，賦能高校數字化轉型（如圖2所示）。
圖2 未來高等學校數字校園的整體結構
AI平臺提供了一個便于開發、測試和部署人工智能應用的環境，可以提供集成開發環境（IDE）、模型訓練框架、調試工具和自動化部署管道等工具和功能，簡化開發者的工作流程，提高開發效率。AI平臺的建設是為了提供一個集成、高效、安全和可管理的環境，以支持人工智能應用的開發、部署和運行；同時能夠提供必要的資源、工具和功能，促進人工智能技術的發展和應用，為用戶提供更好的體驗和支撐。
另外，平臺還提供可供部署的、成熟的算法和模型，以中臺化的形式，直接服務于上層。這些成熟的算法、模型，一方面來源于各專業服務廠商直接部署，支持各高校共性類業務的AI模型，如人臉識別、知識圖譜發現等等；另一方面，來源于高校自己基于本地化數據環境的訓練和微調的算法與模型。本地化數據環境的訓練和微調可以更好地適應本地業務和環境的特點，更接近實際應用場景，提供更準確、更貼近實際情況的結果，有助于提高模型的性能和預測能力。同時，在本地環境中進行訓練和微調，高校可以更好地控制數據，確保數據使用符合法規和內部政策的要求，增加組織對數據的管理和監控能力。
算力建設
大語言模型的預訓練與微調模型，都需要一定的算力來處理大量數據和模型參數。大語言模型在生產環境的運行對算力的要求遠高于傳統模型，尤其是推理與生成類任務，對于生成較長的文本序列或處理大規模的輸入數據，需要更多的算力來實現高效的推理過程。
在《規范》中，人工智能平臺及工具作為可選項，是數據中心建設的一部分，“人工智能平臺及工具提供機器學習、算法服務、模型管理等核心能力，提供人工智能算法的開發、訓練、部署、運行和管理能力。高等學校可根據實際情況按需建設”。
高校AI算力建設將成為下一階段數字校園建設的重點，包括高性能計算設備，如圖形處理器（GPU）、專用AI芯片（如TPU）等，以支持大規模數據處理和復雜模型的訓練和推理。這些設備可以提供并行計算能力，加速人工智能任務的執行。同時，高校需要具備高速、穩定的網絡和通信基礎設施，以支持大規模數據傳輸和分布式計算。
目前，高校HPC（高性能計算）較為普遍，尤其是理工類院校，但AI計算平臺，尤其是GPU算力還處于起步階段。通過高校AI算力建設，依托海量數據支持，賦能未來數字校園整體結構中的基礎應用服務層，為智慧校園建設創造無限可能。
來源：《中國教育網絡》2023年6月刊
作者：邵美科、陳偉（作者單位為東北財經大學網絡信息管理中心）
責編：陳永杰
