当前，人工智能（AI）在自然语言处理、计算机视觉、语音处理、机器人技术和自动驾驶等领域取得了重要进展，强化学习和元学习等领域也成为研究的热点。在教育领域，不管是普教还是高教、学历教育还是非学历教育，人工智能的应用都呈现出更多潜力和机会。

AI在教育领域的应用

目前来看，AI在教育领域的应用主要从教育教学和教育管理这两大模块入手。

【资料图】

教育教学

对于教育教学，AI可以为学生和教师提供更多个性化、交互式和创新性的学习方式，能够有效提升教育质量。具体内容如下：

在个性化学习方面，AI可以根据学生的兴趣、学习风格和进度，提供个性化的学习内容和教学方法。通过分析学生的学习数据和行为模式，AI可以根据学生的特点调整教学策略，提供定制化的学习体验，帮助学生更高效地学习。

在智能辅导方面，AI可以作为智能辅导工具，为学生提供学习指导和反馈。通过自然语言处理和机器学习技术，AI可以与学生进行对话，并解答他们的问题，提供学习资料和练习题目，帮助他们理解和掌握知识。

在学习分析方面，AI可以分析学生的学习数据，提供对学生学习情况的全面评估，以及个性化的学习建议和辅导。通过对学习数据的挖掘和分析，AI可以发现学生的学习难点和潜在问题，为教师和学生提供学习策略上的有效反馈和建议。

在教学和研究支持方面，AI可以应用于教学和研究领域，提供智能化的教学和研究支持工具。例如，AI可以自动评阅作业和论文，解答和编程作业，提供快速、准确的评估结果等AI还可以分析学术文献并研究数据，辅助教师和研究人员进行文献检索和数据分析。

在实验与实践教学方面，AI与VR（虚拟现实）、AR（增强现实）相结合，可以提供沉浸式的学习体验。学生可以通过虚拟现实和增强现实技术，亲身参与到各种模拟环境中，进行实践和探索，加强对知识的理解和应用。

教育管理

对于教育管理，AI能够提供便捷式、智能化管理服务，重塑或优化校园管理模式，有效解放师生双手。具体内容如下：

在学生服务和支持方面，AI可以提供学生服务和支持的智能化解决方案。例如，智能助手可以回答学生的问题，提供校园导航和校园活动信息，帮助学生解决学习和生活中的各种问题。AI可以对学生的出勤、学习状态、成绩等进行智能化管理，及时发现学生存在的问题，提供更加个性化的辅导和教育。

在校园管理智能化方面，AI可以对校园设施及设备进行智能化监控和管理，及时发现设备的故障或者异常情况，提供更加智能化的保障和服务。例如，AI可以应用于视频监控和安全管理系统，通过智能分析和识别算法，实时监测校园内的安全情况，快速发现异常事件并进行预警。此外，AI还可以应用于人脸识别技术，提供高效的门禁管理和校园安全控制。

在教师助理智能化方面，AI可以作为教师的助理，帮助教师处理一些日常的事务，如阅卷、生成试卷等，让教师更加专注于教学工作。

在数据分析和决策支持方面，AI可以处理和分析大规模的校园数据，提供数据驱动的决策支持。例如，AI通过对学生数据、教职员工数据和校园运营数据的分析，可以发现潜在的问题和趋势，为管理者提供决策参考和预测分析。

AI对智慧校园建设的影响

AI作为新一代的信息技术，将与教育教学和管理进一步融合。AI 2.0将对高校智慧校园建设产生极其深远的影响。不久的将来，智慧校园将诞生新平台，并将重构所有应用与微服务。

智能应用

在AI 1.0时代，高校建设智慧校园的过程当中，AI主要作为工具和能力广泛存在于各服务场景。例如，NLP在智能客服问答系统的应用，计算机视觉在智能安防的应用，教学过程中OCR、NLP等AI工具的赋能，基于AI、大数据进行建模辅助决策，等等。

进入AI 2.0时代，大语言模型（LLM）、多模态人工智能（MAI）、通用人工智能（AGI）、生成式人工智能（Generative AI或AIGC）在智慧校园场景中如何应用，很多高校与厂商正在探索。

业务系统与微服务：Al in All

所有业务系统与微服务都应该用AI的思维进行重新赋能与再造，从而提供更高效、优良的服务。

传统的业务系统与微服务，一般基于小数据环境，以业务流程驱动的思路进行构建，已经不能满足师生对于智慧校园使用体验的要求，都有极大的空间被AI重新赋能再造。

以课堂点名服务为例，一门课程，几百人上课，系统根据教学计划、班级信息生成点名名单，教师按照过程化管理的要求，适时进行课堂点名。完全人工的方式效率很低，目前一般以蓝牙、扫码、图像识别等技术手段加以辅助，提升效率与体验。

以AI思维重构上述服务：系统根据班级、位置、门禁、历史点名结果、监控、成绩等师生的多模态信息，由AIGC生成动态点名名单，把最有可能没到的学生排在前面进行核验，如此将极大提升效率与体验。

随着AI的进步和发展，越来越多的系统和服务都能够应用人工智能技术。AIinAll，在所有领域中应用人工智能，这种普及性将促进人工智能的创新和应用，推动高校的改革创新发展。

基础数据：多模态人工智能助力全量数据中心建设

多模态人工智能可以助力全量数据中心的建设和应用，提供更全面、准确和智能的数据获取、数据处理和分析能力。

在多模态数据处理上，全量数据中心通常包含各种类型和格式的数据，如文本、图像、音频、视频等。多模态人工智能可以同时处理和分析这些多种类型的数据，实现跨模态的信息提取、关联和分析，使得数据中心的处理更加全面和多样化。

在多模态数据关联上，多模态人工智能可以通过学习和理解不同模态之间的关系，实现跨模态数据的关联和融合。例如，可以将图像、文本和音频数据进行联合分析，从中提取更丰富和全面的信息，帮助数据中心发现隐藏的模式。

在多模态数据搜索和检索上，全量数据中心存储了大量的数据，多模态人工智能可以提供高效的多模态数据搜索和检索功能。通过学习多种数据模态的特征和相互关系，可以根据用户的需求和查询条件，快速准确地定位和提取相关的数据。

在多模态数据挖掘和分析上，多模态人工智能可以应用于全量数据中心的挖掘和分析任务。通过深度学习、机器学习等技术，可以从多模态数据中挖掘隐藏的模式、关联规则和异常情况，为数据中心提供更深入和全面的分析结果。

多模态人工智能在全量数据中心建设中具有重要的作用。它能够处理和分析多种类型的数据，实现数据的关联和融合，提供全面、准确和智能的数据处理和分析能力，为数据中心的应用和决策提供更好的支持。

交互界面：大语言模型重构人机交互界面服务模式

教育部发布的《高等学校数字校园建设规范（试行）》（简称《规范》）中提到：“高等学校的数字校园应用建设应注重用户体验，重视人机交互界面设计与建设。人机交互设计将业务应用及业务系统提供的信息和服务进行集成、组织和融合，为各类用户提供简洁友好的服务……可综合使用智能门户、办事大厅、移动入口、智能终端设备等方式为用户使用数字校园建设成果提供用户界面。”

当前以大语言模型为代表的AI2.0时代，已经重新定义了搜索引擎的服务模式，Google搜索、Bing都已引入相关技术进行重构，总体方向是极简、更智能、可交互。数字校园的重要基础设施，如门户、办事大厅也必然向这个方向演化。

人机交互界面设计的核心诉求，就是让用户如何能够最快速、最高效找到校内所能提供的应用、服务、数据、资讯等。不远的将来，大语言模型、多模态人工智能等技术将重构门户、办事大厅等产品，改变目前传统产品的服务模式。

图1 东北财经大学校园门户首页

如图1所示，门户呈现极简的状态，以更智能、更互动形式与用户进行交流，极大提升用户体验。

资源建设：大语言、多模态模型助力教学资源知识图谱建设

大语言模型的强大语义理解和生成能力，为教学资源知识图谱建设带来了巨大的潜力，可以提升教学资源的组织、发现和应用效率，从而提高教学质量和学生学习体验。具体应用内容主要包括以下四个方面。

第一，自动知识抽取。大语言模型可以通过阅读和理解大量的教学资源文本，自动抽取其中的知识，结合图神经网络，将其结构化表示。这有助于构建知识图谱的初始框架和内容。

第二，关系挖掘与链接。基于大语言模型的理解和推理能力，可以分析教学资源中的语义关系，发现实体之间的关联，并进行关系挖掘和链接。这有助于构建知识图谱中的关系网络，展现知识之间的连接。

第三，问答与推荐系统。大语言模型可以用于构建教学资源的问答系统和个性化推荐系统。通过对学生提问进行自动回答，并基于学生的兴趣和学习情况进行资源推荐，可以提供个性化的学习支持和指导。

第四，知识补全补缺。在知识图谱构建过程中，可能存在一些信息缺失或不完整的情况。大语言模型可以通过自动补全和补缺的方式，填充知识图谱中的空白部分，提高知识的完整性和准确性。

资源建设：生成式人工智能助力教学内容生成

生成式人工智能在教学内容生成方面的应用可以提高教学效率和质量，促进个性化学习和教学创新，为学生和教师带来更好的教育体验和成果。具体应用包括以下三个方面：

第一，自动化教案和教学材料生成。人工智能可以通过学习大量的教学资源和文档，自动生成教案和教学材料；可以分析学习目标、学生特点和教学要求，并基于此生成适应性强、个性化的教学内容。

第二，试题和测评生成。人工智能可以自动生成各种类型的试题和测评题目。它可以根据学科领域的知识体系、题目类型和难度水平，生成符合教学要求的试题，并根据学生的回答情况进行智能化评估和反馈。

第三，多媒体内容生成。人工智能可以生成各种形式的多媒体教学内容，如图像、动画、视频等；可以通过图像和视频处理技术，将文字、声音和图像等元素进行合成和编辑，生成丰富多样的教学资源和教学展示材料。

基础平台

随着各种垂直领域的业务与微服务被AI赋能与重构，迫切需要一个平台化的AI基础设施提供一个统一的环境，用于整合和管理各类资源，如数据、算法、模型和计算资源等。

这有助于实现资源的共享和协同使用，避免重复投入和资源浪费，提高效率和成果的可复用性。同时，从安全和隐私保护的角度，AI平台设施可以提供安全的数据存储和处理环境，加强数据的隐私保护和安全控制；可以采用数据加密、身份验证、访问控制等技术，确保敏感数据的安全，并遵守相关的数据隐私法规和合规要求。

因此，未来数字校园整体结构将持续演化，在数据层之上、业务层之下，需要提供平台化的AI支撑能力，通过与业务持续深度迭代，促进整体数字校园的进化，赋能高校数字化转型（如图2所示）。

图2 未来高等学校数字校园的整体结构

AI平台提供了一个便于开发、测试和部署人工智能应用的环境，可以提供集成开发环境（IDE）、模型训练框架、调试工具和自动化部署管道等工具和功能，简化开发者的工作流程，提高开发效率。AI平台的建设是为了提供一个集成、高效、安全和可管理的环境，以支持人工智能应用的开发、部署和运行；同时能够提供必要的资源、工具和功能，促进人工智能技术的发展和应用，为用户提供更好的体验和支撑。

另外，平台还提供可供部署的、成熟的算法和模型，以中台化的形式，直接服务于上层。这些成熟的算法、模型，一方面来源于各专业服务厂商直接部署，支持各高校共性类业务的AI模型，如人脸识别、知识图谱发现等等；另一方面，来源于高校自己基于本地化数据环境的训练和微调的算法与模型。本地化数据环境的训练和微调可以更好地适应本地业务和环境的特点，更接近实际应用场景，提供更准确、更贴近实际情况的结果，有助于提高模型的性能和预测能力。同时，在本地环境中进行训练和微调，高校可以更好地控制数据，确保数据使用符合法规和内部政策的要求，增加组织对数据的管理和监控能力。

算力建设

大语言模型的预训练与微调模型，都需要一定的算力来处理大量数据和模型参数。大语言模型在生产环境的运行对算力的要求远高于传统模型，尤其是推理与生成类任务，对于生成较长的文本序列或处理大规模的输入数据，需要更多的算力来实现高效的推理过程。

在《规范》中，人工智能平台及工具作为可选项，是数据中心建设的一部分，“人工智能平台及工具提供机器学习、算法服务、模型管理等核心能力，提供人工智能算法的开发、训练、部署、运行和管理能力。高等学校可根据实际情况按需建设”。

高校AI算力建设将成为下一阶段数字校园建设的重点，包括高性能计算设备，如图形处理器（GPU）、专用AI芯片（如TPU）等，以支持大规模数据处理和复杂模型的训练和推理。这些设备可以提供并行计算能力，加速人工智能任务的执行。同时，高校需要具备高速、稳定的网络和通信基础设施，以支持大规模数据传输和分布式计算。

目前，高校HPC（高性能计算）较为普遍，尤其是理工类院校，但AI计算平台，尤其是GPU算力还处于起步阶段。通过高校AI算力建设，依托海量数据支持，赋能未来数字校园整体结构中的基础应用服务层，为智慧校园建设创造无限可能。

来源：《中国教育网络》2023年6月刊

作者：邵美科、陈伟（作者单位为东北财经大学网络信息管理中心）

责编：陈永杰