值得注意的是，目前，人工智能仍处在“弱”人工智能阶段，教育数据生态尚未形成，共享机制和人工智能伦理尚未建立。因此，现阶段的“人工智能+教育”产品必然存在诸多风险。就教育领域而言，人工智能的发展在于推进人工智能在教师的“教”和学生的“学”中的深度运用，解决教育、教学中的突出难题，赋能教师，减负学生，回归立德树人初心，促进学生德智体美劳全面发展。
新一代“人工智能+教育”研发方向首选——
开发面向教师的人工智能专家平台
当前，人工智能技术叠加到教育场景的探索正在如火如荼地进行。2018年11月，北京师范大学发布的《人工智能+教育蓝皮书》表明，“人工智能+教育”主要集中在智能教育环境、智能学习过程支持、智能教育评价、智能教师助理、教育智能管理与服务等五个典型场景。德勤研究发布的《全球人工智能发展白皮书（2019）》中，人工智能在教育中的
应用则被归纳为教、学、评、测、练五个教学环节。
然而，目前大多数人工智能教育产品主要面向学生和家长，如各种各样的学习机、早教
机器人以及搜题类产品等。市场行为本身无可非议，但到目前为止，现有的人工智能教育产品仍未解决精准化和零误差的问题，潜在的教育风险尚未被关注。
实际上，就当前教育而言，最迫切需要开发和提供的产品恰恰应该是面向教师、具有数据挖掘和智能辅助功能的专家系统或平台。
首先，这是教师精准诊断学情的需要。既往讨论教师专业化问题，学者一般会将教师职业与医生职业进行比较。100年前医生与教师使用工具的复杂性几乎没有太大差别，医生使用听筒，教师使用粉笔、黑板；当下这两个职业辅助工具的智能化程度却大相径庭，医生拥有心电、脑电、核磁共振、神经外科手术机器人以及基于大数据和人工智能的专家读片系统、远程诊疗系统等，而教师教学的辅助工具只有电子白板，在学情诊断上缺少相应的智能化工具。教育教学是艺术的，但首先应该是科学的。如果教育教学缺乏科学技术支撑，就会导致教师茫然与困顿。同时，科学技术界尚未优先开发支持教师教育教学、具有诊断功能的产品。因此，聚合新一代通信、物联网、大数据挖掘、人工智能深度学习等技术，开发面向教师的具有教育诊断、解决方案建议的专家系统或平台迫在眉睫。
其次，这是达成实质减负的需要。德国心理学家赫尔曼·艾宾浩斯等人研究发现，学习者要掌握所学的知识需要反复练习巩固，过度学习是需要的，但超过一定限度就会导致学习疲劳而产生边际递减效应。题海战术在传统教学模式中的盛行，不能简单归因为教师“偷懒”或是“片面追求升学率”，而是因为教师大多并不能如医生精准诊断病情那样掌握学生学情。随着班级规模的扩大，教师对学生学情的掌握程度越来越低。因此，要真正减轻学生负担，关键是给予教师必要的支持，帮助其诊断、评价学生学习状况，提供可以选择、改造的教育方案，而这恰恰是人工智能的强项。同时，人工智能也可以将教师从繁杂的简单劳动如考勤、登记分数、统计成绩、数据收集等中解放出来。
最后，这是弥补“人工智能+教育”产品缺陷的需要。当前人工智能仅擅长于处理单个方面的任务，不能平行甚至“非理性”地完成多个任务。教育的情境性、非逻辑性注定了目前“人工智能+教育”产品难免存在误差或缺陷。如果这些产品直接面向学生、家长，其后果可想而知。而教师自身具有专业性，可以识别、纠正和规避这些差错或缺陷。人工智能平台提供的大数据报表、智能解决方案等，经过教师的“人脑”筛选、加工、改组，加以恰当运用，就可以在一定程度上避免人工智能产品在教育中的滥用、误用。
人工智能专家平台建设的突破点——
学科交叉融合、建立数据生态、推进区块链应用
从目前已经面世的人工智能教育产品来看，其开发思路和产品功能的相似度很高。以学习机为例，开发商通过前期与几千所中小学合作，获取海量与教材知识点、能力点关联的练习题，设计出基于行为主义理论的学情诊断和矫正系统或平台。这类平台一般都具有大数据功能，能够对学生的作业对错、练习频次等“画像”。实际上，将这些功能提供给教师，能在一定程度上减轻教师负担，帮助教师实施个性化教育教学，这可以称为“人工智能+教育”1.0样态。但是，面向教师的人工智能专家平台应该在智慧化方面向前迈进，从学科交叉融合、教育数据生态建设和区块链技术应用等方面加以突破。
一是学科交叉，跨界融合，实现分工合作的“人工智能+教育”2.0环境架构。“人工智能+教育”2.0技术环境架构需要软件工程、信息科学与技术、控制与自动化、神经教育学、神经心理学、教育技术学等多学科交叉融合。其中，教育学科侧重依托神经科学、心理科学最新研究成果，特别是脑科学和类脑研究领域的最新成果，为计算科学理解人脑和仿生技术提供支撑；计算科学、信息科学等侧重教育大数据获取、知识图谱构建、数据处理与挖掘、智能诊断、研究；软件工程则负责智能平台工程开发等。
二是构建教育数据生态系统。数据、算力、算法、学习科学是“人工智能+教育”的四大要素。海量教育数据既是训练人工智能系统的基础，也是发展教育人工智能的关键。海量教育数据生态数据的形成，取决于获取与共享、数据预处理、数据存储与计算等多方面。在教育数据获取方面，应将重点放在学生学习过程，可以通过眼动仪和可回放书写轨迹的电子墨水本等设备与手段，获取包括课堂学习、解题、回答问题、作品创作等过程的认知、记忆、表象、思维、注意和个性等特征。在教育数据共享方面，应该加快教育数据采集标准与规范的建立，在遵守数据规则和隐私伦理的前提下，按协议开放、共享公共教育数据资源。在教育数据存储与计算方面，除算法优化、深度学习、材料训练等人工智能技术发展与应用外，各高校、科研院所还应联合攻关，快速形成拥有我国自主知识产权的大数据模型和比对常模。
三是推进区块链技术在面向教师的人工智能专家平台中的应用。当前，国内外“区块链+教育”的研究热点，主要聚焦在学分认证、证书管理、数字教育资源、学习者能力与学习成果管理等方面。区块链的中心化、共识机制、可追溯性和高度信任等属性，恰恰可以用来解决教育诊断、学生发展尤其是品德发展评价等棘手问题。基于区块链技术建立学生个人学习成长档案，将有助于彻底改变教育、教学评价方式，也可以为面向教师的人工智能专家平台开发提供重要支撑。
人工智能专家平台之于教师——
赋能教师并促进教师主要任务发生变化
以智能感知、深度学习、神经网络、情感计算等为要素的人工智能环境，已经深深嵌入人类社会的各行各业、生活学习的方方面面。面对人工智能在教育领域的迅猛发展，不少教师开始担忧，人工智能会不会让自己失业？
“人工智能+教育”是对教师的赋能，但同时也呼唤教师工作转型。当前，教师传道、授业、解惑的三个主要任务正在发生变化。慕课平台的海量在线学习资源和人工智能家教类产品基本上可以代替传统教师的知识讲授；面向教师的人工智能专家平台也可以在一定程度上协助教师给学生答疑、解惑。
由中国科学技术发展战略研究院、科技部新一代人工智能发展研究中心联合国内外十余家机构编写的《中国新一代人工智能发展报告2020》认为，人工智能时代教师角色和定义发生了变化，但技术不会取代人类教师。新一代人工智能专家平台的出现，除了可以帮助教师完成机械重复的劳动，还能为教师提供学情“画像”和个性化帮助学生的方案。
朱小蔓早在1994年《创建情感师范教育》中就指出，“人的思想品德、情感素质和行为习惯方面，更不是依靠认知教学过程来完成的，而往往是学生自发地向教师模仿、认同，在不自觉的情况下接受教师的影响，建立行为的制约，即所谓潜移默化”。所以，“传道”这一极具情感性的教育任务，目前人工智能还很难替代。教师与学生进行面对面教育，教师一个关切的眼神、一个加油鼓劲的手势，师生之间形成的信任与支持，以及学生对教师的崇拜、模仿等，是任何冷冰冰的人工智能产品都无法替代的。疫情期间的在线学习效果也从另一角度佐证了教师与学生面对面教育的重要性和不可替代性。
教育的本质是一棵树摇动另一棵树，一朵云推动另一朵云，一个灵魂唤醒另一个灵魂。人工智能自身的风险和人工智能在教育中应用的特殊性，决定了应该优先开发面向教师，辅助、支持教师工作的专家系统或平台。教师应该更加关注自身教育经验、智慧的积累，利用人工智能专家平台，开展循证教学，让教学、教育过程变得更科学、更有效，让学生作业、练习更轻松、更精准。借助人工智能提供的大数据和教育建议，教师可以从繁杂、琐碎的重复劳动和分数追逐中解放出来，更充分地担当情感性“育人”的角色，更好地坚守立德树人的初心。
