摘要：人工智能也会影响到教育。在简述人工智能的关键性发展和有关评论展望基础上。讨论了人工智能能不能用于教育教学，人工智能化学教学需要解决好的问题；怎样开展机器教学的研究和开发、需要解决哪些问题等。人工智能教学具有特殊性，应满足多方面要求，不能简单地搬用“已有人工智能”所采用的方法。人工智能的发展趋势带来了挑战，也给化学教学论的革新和发展带来了新的机遇，要积极地做一点探索，做一点工作，而不是消极地等待。
关键词：人工智能；化学教学；教学论研究；机器教学研发基础
文章编号：1005–6629（2017）11–0003–08 中图分类号：G633.8 文献标识码：B
1 人工智能也会影响到教育
2016年，谷歌的人工智能系统AlphaGO（“阿尔法狗”）打败韩国围棋顶级高手李世石，震惊整个世界，使人工智能被广泛注意。
其实，早在几年前，谷歌的无人驾驶汽车系统就已在测试；百度建成多层神经网络，把人工智能、大数据、云计算集合起来，向业界提供整体解决方案，应用于金融、交通、物流甚至制造业；微软早已开始研发多轮人机对话，计算机预测农田作物产量的准确性比美国农业部还高。2016年，特斯拉实现自动驾驶；百度的语音识别与语义辨别、与人对话技术开始实际应用；机器翻译的水平已经逐步逼近人工翻译；大疆无人机能够感知环境，自动避障、减速悬停和跟踪运动物体、监控指定区域，并在召回时自动绕过各种障碍选择最佳路线飞回；阿里的人工智能已经用到电商决策之中；人脸识别、人工智能对话医疗机器人（例如百度医疗大脑美乐医）等专家系统陆续研发成功；美国在线教育平台KnewTon借助于大数据对学生因材施教……日常生活中也出现了越来越多人工智能的身影：我们每用一次打车软件、点一次外卖，背后都有人工智能根据大数据为你选择司机、规划线路；人工智能技术已全面支持百度现有的搜索、广告、地图、外卖、安全、消费金融等业务，竭力给用户提供可能需要的搜索内容；苹果的iPhone7双摄像头能实现更准确的参数智能设置，使拍摄效果更理想；IBM的人工智能沃森（Watson）法律顾问平台能够达到90%的准确性，比只有70%准确性的真人律师既便捷又便宜；沃森跟医疗机构合作，在临床应用中能够识别肺癌，并在肺癌、乳腺癌、直肠癌、结肠癌、胃癌和宫颈癌等癌症领域为医生提供诊断建议，而且正确率达到医生的4倍，沃森可以博览100万本书或2亿页的数据量，并且在3秒内分析其中的信息并给出精确回应。2000年高盛在纽约的股票现金交易大廳有600名交易员，而如今却只剩下两人，其余工作均由机器代替完成，这意味着连华尔街金融业也要被人工智能“接管”！2017年，百度的人工智能机器“百度大脑”甚至以“智能革命”为主题作了一首长诗，“我来了，天上的云乘着风飞翔，心中的梦占据一个方向……醒来之后何时是归期，我要看到未来的自己”；《华盛顿邮报》的写稿机器人“Heliograf”既可以在文字模板的基础上嵌入数据生成文章，又能利用软件搜索海量信息帮助记者挖掘独家新闻点……
原百度首席科学家吴恩达指出，将来人工智能会影响到几乎每一个行业，哪个行业都摆脱不了。人们普遍认为：人工智能的新时代开启了，它将极大地影响人类社会的许多方面！
无疑，人工智能的迅速发展也会影响到教育。合理、广泛地应用人工智能，是教育现代化的重要内容之一。目前，我国正在研究制定《中国教育现代化2030》，深入地研究人工智能在教育教学中的应用不但十分重要，而且迫在眉睫。弄清什么是人工智能，它有哪些特点，人工智能能不能用于教育教学，我们需要做好哪些准备……这是人工智能化学教学前期研究的重要内容。
2 人工智能的关键性发展
要讨论人工智能应用必须先了解当今人工智能发展形成的新特点。
今天我们谈的人工智能（Artificial Intelligence，缩写为AI）其实是大数据下新的算法。
1997年，电脑“深蓝”战胜国际象棋棋坛神话加里·卡斯帕罗夫时，是靠电脑背棋谱获胜的，所以人们不十分吃惊。为什么人们对AlphaGo战胜围棋高手大吃一惊？因为围棋和国际象棋不同，它的背后有所谓“道”，也就是有哲学理念。它要从全局出发，进行十分复杂的判断和选择，而不只是一步步简单计算的累积，这是一个质的飞跃：这个时候机器已经能够学习，具备了人最重要的能力，具有了人类能够成为这个星球主人的重要特征——智能。
人工智能是研究使计算机模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是计算机科学的一个分支，发端于上世纪50年代。2010年前后，准确地说是从2006年开始，随着深度学习技术的成熟，加上计算机运算速度的大幅增长，还有互联网时代积累起来的海量数据财富，人工智能开始了一段与以往大为不同的复兴之路。它能取得目前的成就主要依赖于下列技术的发展和突破：
机器学习（Machine Learning，ML）[1]使机器能够模拟、实现自主学习行为，获取新的知识或技能，重新组织已有的知识结构，不断改善自身的性能，是使计算机具有智能的根本途径，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，其应用遍及人工智能的各个领域。所谓“机器”指的就是计算机。人工智能的发展事实证明，机器不但能够象人类一样能具有学习能力，而且能够超过人的学习能力。人的学习是需要有一定的经验基础的。机器学习系统也不能在全然没有任何知识的情况下凭空获取知识，每一个学习系统都要求具有某些知识理解环境提供的信息，以供分析比较，做出假设，检验并修改这些假设。因此，更确切地说，学习系统是对其已有知识的扩展和改进。机器学习的实现依赖于神经网络和深度学习。
神经网络（Artificial Neural Network，ANN）[2]是一种模拟人脑结构的算法模型，由多层神经元构成，各层神经元有不同的功能（例如第一层神经元主要负责识别颜色和简单纹理；第二层的一些神经元可以识别更加细化的纹理，比如布纹、刻度、叶纹；第三层的一些神经元负责感受黑夜里的黄色烛光、鸡蛋黄、高光；第四层的一些神经元负责识别萌狗的脸、七星瓢虫和一堆圆形物体的存在……），由各层神经元可获取更多最全数据集，具有自组织、自适应和自学能力，其原理就在于将信息分布式存储和并行协同处理。虽然每个单元的功能非常简单，但大量单元构成的网络系统就能实现非常复杂的数据计算，成为一个高度复杂的非线性动力学习系统。
