作者：阎 琨 段梦涵（分别系清华大学教育学院长聘副教授；博士后研究人员）

　　随着人工智能技术的飞速发展，其在教育上的运用展现出更多可能性。我们要重视人工智能在教育应用上的多种可能，促进教育生态全面转型，推进人工智能赋能教育全面深化。

　　发挥人工智能强大的数据挖掘与分析能力，提高基础性教学、学习、管理任务的完成效率，减轻教师与学生负担，支持“双减”政策、素质教育等政策更好落地。推动人工智能技术参与高阶教育任务的完成，推进智慧教育生根开花。当前，人工智能技术展现出了赋能教育的多种可能，尤其是对学生想象力与创造性思维培养的促进作用。但在具体的课堂实践与学校环境中还缺乏成熟的、体系化的生成式人工智能技术应用，人工智能教育研究者应联手一线教师，共同探索强涌现人工智能在高阶教学与学习任务上的赋能路径及具体举措。

　　除了探索运用人工智能为教育提供支持，还要关注其与教育制度结构之间的深层关系。人工智能技术虽然带来了突破时空限制、个性化定制等新兴教育范式，但是相对于传统教育具有的班级结构、教学顺序、管理模式等制度要素支持的优势，人工智能教育尚缺乏有效制度支撑，使得创新效果难以全面发挥。人工智能需要实现与当前教育生态的有效融合创新，创生从下层任务到上层制度的完全结构，全面赋能教育深化改革。

　　需要强调的是，在人工智能赋能教育的历史发展中，多学科的知识、理论交叉融汇创新是重要的先行环节。但是，当前的人工智能赋能教育已经越来越呈现出以计算机科学为主导的技术倾向。长期缺乏理论指导的技术发展易导致价值与目标的缺失，从而使技术野蛮生长、偏离轨道，也可能导致技术发展后继乏力。为此，当前要大力强化多学科整合下的理论指导，体现人工智能赋能教育的理性追求。

　　一方面，人工智能赋能教育需要进一步加强理论基础研究，尤其需要解决两个关键的理论问题。一是要加强对人工智能的核心技术——智能涌现能力的理论探索，避免人工智能技术在赋能教育应用中盲目探索；二是要加强教育理论与人工智能技术的融汇支撑，提升人工智能在教育领域应用的适切性。这也对多学科交叉支撑进一步提出了要求，包括加强相关基础学科对人工智能技术的理论研究，打开智能涌现的“黑匣”，构建人工智能的运行原理与机制；还要以此指导人工智能技术在教育领域的应用更加理性，防止技术依赖、技术滥用等风险；同时要加强教育学者的参与，积极探索人工智能时代的教育规律，为人工智能技术进行价值赋能，优化其在教学、学习、学术研究、教育管理等方面的应用效能。

　　与此同时，要坚持市场推动与法律约束双轨推进，促进人工智能在赋能教育时平衡兼顾。从全球范围来看，人工智能服务于教育已经形成了一定的产业生态框架。其中，欧美国家起步早，占有较大的份额。即使如此，人工智能教育仍然有较大开拓空间。积极推进人工智能教育发展，就需要提振各方信心，为人工智能教育发展打造良好的环境；要强调需求导向和服务导向的技术应用与成果转化，增强人工智能教育产品的竞争力；构建大中小型企业共存，人工智能教育项目多样化的生态；同时，关注基础性、标准化的人工智能教育基础产业建设，从国内竞争走向国际化竞争。

　　另一方面，人工智能赋能教育应保证公益底色，自觉在伦理道德约束下发展。主管部门及学校要树立人工智能技术在教育领域应用的基本法律规范，避免教师、学生数据的过度暴露或不当使用；要加强对教育科技公司和人工智能教育行业的外部监管，保障技术开发与应用的安全，防止算法偏见；还要引导行业、企业形成关于人工智能伦理道德的内部监管和自我审查，引导师生基于教育精神与价值来使用人工智能技术与产品。

　　人工智能技术在拔尖人才培养上具有突出优势，要发挥其助推器作用，完善拔尖创新人才发现培养机制，着力造就一大批拔尖创新人才。首先，要将人工智能技术广泛融入拔尖人才的“选—育—评—管”中，实现覆盖“入口—过程—出口”的全过程全环节全体系的智能培养，包括实现对拔尖人才的智能甄别，支撑“一生一策”的拔尖学生智能个性化培养与自适应学习，落实对拔尖学生“知情意行”的多维智能评价和动态反馈。其次，要积极利用人工智能软件、程序与嵌入设备为拔尖人才培养搭建智慧学习环境以及智能管理体系。可通过虚拟指导平台探索导师与学生的精准匹配、教学互动，利用智能辅导系统支持专家学者实施个性化学习计划、指导计划，以及帮助行政管理人员建立对拔尖人才成长的持续跟踪监测反馈机制，根据质量监测和反馈信息完善培养方案，提升人才培养质量。

　　另外，拔尖人才培养要更新传统教育模式，结合网络技术和实践教学，探索产教融合、科教融汇的智能教学改革路径，积极进行“AI+”专业建设，培养符合现代产业需求的具有较高综合素养的拔尖人才。尤其要激发人工智能对国家重大战略需求、重要基础学科，以及关键核心技术领域的拔尖人才培养的支撑作用。

　　《光明日报》（2025年10月14日 15版）