中国教育领域人工智能研究论纲基于通用人工智能视角3.人工智能内涵与教育内涵融通时的混淆。这是另一个重灾区。自2001年教育部办公厅发布《普通高中信息技术课程标准》以来，人工智能便成为中学信息技术课程不可或缺的一部分(王斐，2013)。张剑平(2003)分析了国内外中学阶段人工智能教育的现状，并对人工智能课程内容进行了探讨，随后相当长时间内人工智能教育的实质落脚点只是人工智能课程。另一方面，闫志明等(2017)提出了教育人工智能(EducationalArtificialIntelligence，简称EAI)的新概念，明确指出“教育人工智能是人工智能与学习科学相结合的新领域。教育人工智能的目标有两个：一是促进自适应学习环境……及个性化的使用；二是‘使用精确的计算……知识’，让人工智能……的重要工具。”然而，作为上述论述的关键支撑依据，其引文除“使用精确的计算……知识”来自20世纪一篇经典智能导学系统的论文(Self，1998)外，其余全部出自培生教育集团网站刊登的博文(Luckin&Holmes，2016)，而且讨论的实际对象均为含义明确的ArtificialIntelligenceinEducation(AIEd)，并非EducationalArtificialIntelligence。因此，教育人工智能(EducationalArtificialIntelligence，简称EAI)这一概念的合理性、准确性、科学性和必要性都值得商榷。总之，对于教育领域的人工智能研究而言，“人工智能教育”令问题本身变得狭窄，而“教育人工智能”又使问题变得泛化。不论狭窄还是泛化，亦或是人工智能本身及其相关概念的冲突和误解，这都不利于人工智能在教育领域的推行。四、主要内涵如前所述，由于人工智能概念的发展历程及其内涵的分化，目前教育学(特别是教育技术学)缺乏对该问题讨论的合理框架，尚不能对相关的基本概念、基本问题、基本方法进行清晰而系统的说明。这就出现了一个跨度极大且模糊的---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---灰色过渡区间，“好像一切都可冠以人工智能的帽子，而一切又似乎并不那么‘智能’”。合适的研究框架的缺乏，令后续研究可能变得更为杂乱且难以控制。本文试图站在通用人工智能的视角下提出如下框架，并将其命名为“教育领域人工智能研究论纲”，主要解决三个基本问题：定义核心概念、划分基本问题、制订统一的表示形式。其中，核心概念是论纲的起点和基石，核心概念之间交叉构成研究领域的基本问题。在此基础上，为便于学术交流和评价，论纲采用逻辑一致的形式化符号对基本问题做出规范性表述。(一)核心概念1.人工智能人工智能是用人工方法和技术，模仿、延伸和扩展人的智能，进而实现机器智能的科学与工程领域(史忠植，2017；Russell&Norvig，2013)，包括专用人工智能和通用人工智能两个子领域，即：人工智能(AI)=专用人工智能(SAI)+通用人工智能(AGI)人工智能本质上为类人智能，即追求设计和开发像人脑那样工作的软件或硬件系统(钟义信，2017)。基于对“智能”理解的差异，人工智能分化为专用和通用两个分支。专用人工智能先做后思，即开始并不深究智能也不对智能做清晰的界定，而是通过技术迭代渐进式地提升智能化的程度，分为符号主义、联结主义和行为主义三个派别(余胜泉，2018)。通用人工智能认为智能的存在代表着可以被认知的理性原则，采取先思后做的路径。本文基于的“智能的一般理论”及其“非公理逻辑推理系统(NARS)”的工程实现，便是通用人工智能领域极具代表性和影响力的学派。其对智能的操作性定义为：智能就是在知识和资源相对不足的条件下主体的适应能力(Wang，2011)。正是基于该假设而非某种预设的高深算法，使得NARS不但具有感知、运动等低层活动(配备机械躯体和传感器)，也具有类似人脑的情感、记忆、推理、决策乃至自我意识等高级认知活动(Wangetal.，2017)。同时，系统强调经验的可塑性，以及经验与系统个性和自我发展的相互影响(Wang，2005)。这些高级认知活动是专用人工智能不具备的。2.教育大科学---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---教育大科学指研究教育活动规律的一门交叉学科。从外延看，教育大科学涉及教育学、哲学、心理学、逻辑学、计...