从“NSTC规划”到“CSIS规划”：美国人工智能赋能教育的颠覆与创新

蒋鑫 洪明

【摘要】 《国家人工智能研究与发展战略规划》和《美国机器智能国家战略规划》分别是奥巴马和特朗普在其任内颁布的首份国家人工智能发展规划，同时也是全球首份分别针对人工智能与机器智能的国家规划，先后针对人工智能支持社会各个领域的變革提出了发展蓝图。针对教育领域，相比《国家人工智能研究与发展战略规划》《美国机器智能国家战略规划》在教育目标的追求、教育领导力保障以及负责任发展的理念方面都有重大转变，在一定程度反映了美国人工智能技术支持教育变革战略的调整动向。教育目标从对教育公平的强调转为更加关注对教育卓越的追求，领导力由政府监管转为协同合作，负责任发展的理念由研发的公正转向使用的公正，或对我国未来教育人工智能战略的制定具有借鉴意义。

【关键词】  人工智能;美国人工智能战略;国家人工智能战略;教育变革;机器智能;人工智能发展规划;STEM教育;教育信息化

【中图分类号】  G434       【文献标识码】  A       【文章编号】  1009-458x（2019）7-0027-11

引言

自20世纪90年代后期以来，伴随着国际范围内围绕“深蓝计算机战胜国际象棋大师”的激烈讨论，美国联邦政府对人工智能（AI）技术发展采取了前所未有的干预姿态。2016年10月，国家科学技术委员会（NSTC）出台人工智能领域的专项规划《国家人工智能研究与发展战略规划》（The National Artificial Intelligence Research and Development Strategic Plan，简称“NSTC规划”），首次从国家的层面对人工智能发展提出了全面、系统的指导意见。当基于深度学习的AlahaGo再次战胜围棋世界冠军，联邦政府对人工智能的教育热情更是到了如日中天的地步。2018年3月，美国国际战略中心（CSIS）再次出台《美国机器智能国家战略规划》（A National Machine Intelligence Strategy for the United States，简称“CSIS规划”），该规划是继2016年NSTC出台的首份人工智能领域的国家专项规划之后联邦政府国家安全机构颁布的又一份人工智能发展专项新政，更是将人工智能的发展上升至国家安全层面进行战略性布局，美国对人工智能发展的重视程度可见一斑。值得注意的是，在CSIS出台的规划中联邦政府一改“人工智能”的传统提法，首次以“机器智能”（MI）名称出台人工智能领域的专项国家规划，这一提法的转变是否意味着联邦政府在人工智能发展方面有了新的发展和补充？新一届联邦政府在保障人工智能技术在教育领域的应用方面又提出了哪些规划建议？本文将对这些问题进行初步探讨。

一、美国将教育纳入国家人工智能发展规划的动因

伴随着人工智能技术的深入应用，美国智能技术创新不再如往昔般一枝独秀。中国、日本、英国等国家相继出台人工智能专项发展规划，不遗余力地实施科技强国战略。这些“咄咄逼人”的人工智能发展规划给美国聊以自豪的“创新之邦”的国际地位带来严峻挑战，美国亟须重新引领人工智能发展前沿，确保美国在人工智能的创造和使用中的领导地位。自2016年开始，联邦政府先后出台两份国家层面的人工智能发展专项规划，对人工智能在经济、军事、医学、教育、法律等具体领域的发展做出切实指导。对于教育领域，联邦政府之所以在人工智能受到普遍重视的历史关头始终将教育作为人工智能技术应用的重要一环，具体来说有以下几个原因。

（一）美国“科技引领”教育技术发展战略的内在要求

受制于国际安全竞争的复杂性和激烈性，美国始终秉承“科技引领”的教育理念。在努力将科技创新置于优先发展地位的同时，始终对科学技术支持教育变革保持着关注。自联邦教育部1996年开始着手制定了美国历史上首份《国家教育技术规划》起，在已出台的五份国家教育技术规划中联邦政府基本维持了每四至五年更新一版的传统，不断赋予国家规划在不同社会发展阶段、不同技术背景下利用教育技术创新教育变革新的时代特征，以求不断将创新技术融于教育改革之中，实现1980年联邦教育部成立之初既定的“提高教育质量，确保每个美国人受教育机会均等”的使命、目标。对此，美国前教育部长邓肯（Duncan. A）曾指出：“技术需要真正的进步，发挥出它在改善教育民主与质量上的重要作用。”（OET， 2016， p. 1）新任特朗普政府教育部长德沃斯（DeVos. B）则认为，技术会在课堂中发挥作用，要增加新的革命性的教育技术运用，显著改善成百上千万美国儿童的教育（转自搜狐网， 2017）。

（二）STEM教育的供给不足殃及人工智能发展

STEM教育因承担培养优质计算机、工程科技人才的任务已然成为美国雇主对优质人工智能人力资源来源的重要诉求，但现实中美国STEM教育在培养人工智能领域相关人才的过程中却“暗礁潜藏”（Carter， Kinnucan， & Elliot， 2018， pp. 24-25）。一方面，STEM教育水平不高的问题凸显。受益于人工智能带来的自动化水平的提高，劳动力市场对雇员机器智能素养要求的降低并未带来原本预期的“失业潮”，人才“贫瘠”的窘境却愈发明显。2017年的一项调查结果显示，2016年仅有30%的工作岗位对雇员有基本的技术素养要求，该指标虽然相较2002年下降了26%，但却仅有10%的毕业生达到了满足雇主对智能技术的基本要求（Carter， et al.， 2018， p. 25）。在机器硬件日渐自动化的趋势下，日益增长的智能技术岗位需求与毕业生计算机技能短缺的矛盾日益突出，同时攻读STEM高级学位的美国学生比例较低。受益于美国卓越的高等教育的领先优势，国际学生始终是美国高等教育学生总量的主体。对此，美国政府问责办公室曾指出：“如果移民学生返巢，美国将陷入科技人才短缺的危机。”（张燕军， 2013， p. 140）有事实表明，这种危机正在变成现实。2017年，特朗普宣布废除“幼年抵美暂缓遣返计划”，国际学生合法移民机会的压缩或进一步使美国陷入困境。面对此类形势，社会各界焦虑不安（MPI， 2017）。

（三）传统技术已难以保证学生获得相同优质的学习体验

面对久治不愈的“数字鸿沟”问题，联邦政府近年来陆续推出“数字联结”“Goopen”计划等项目，试图通过持续的技术设备升级为每位学生均有机会享受技术带来的学习体验提供保障（陈强， 等， 2016）。然而，联邦政府竭力追求的学生享受技术带来的优质学习体验的格局却并未随技术设备的升级而如期缩小，反而面临停滞不前的尴尬。首先，传统的学习分析技术过于低效已是美国教育界和社会舆论界的共识。2018年，作为教育信息化发展风向标的国际新媒体联盟（NMC）出台的《地平线报告》（Horizon Report）对目前的学习分析技术就曾尖锐地指出：“技术无法做到有效地统整学习者为中心的学习数据仍是国际范围内为不同的学习者提供差异化学习内容、学习活动和学习路径的首要阻碍。”（魏雪峰， 等， 2018）。其次，传统技术交互不强的劣势依旧无法得到明显改善。交互形式依然停留在自定步调学习、个别化指导的初级阶段，这一点已备受诟病。美国高等教育信息化协会主席亚伯林格（Oblinger. D）博士对此曾直言不讳地指出：“仅寄希望于将教学内容切分成较小的片段，按照模块化的方式进行组合以满足学生的个性需求，这是远远不够的。”（鄭旭东， 等， 2014）在技术快速创新发展的背景下，NSTC规划与CSIS规划正是寄希望于通过对更具颠覆性的智能技术的“有意义”干预，改善上述不足，彻底解决“每位学生都能享受技术带来的优质体验”的历史遗留问题。

（四）人工智能技术在教育领域应用的问题频现

人工智能技术因其在预测方面表现出的巨大潜力已经成为联邦政府在教育领域使用技术的重点。伊利诺伊州年度政府报告曾总结该州2017年成功的教育改革经验时指出：“机器学习模型能实现基于对在读学生的考试数据、人口基本信息等数据预测当前学生潜在的辍学风险以及哪些学生在学业上吃力，秋季学期之后将大量应用。”（转自搜狐网， 2018）然而，该报告断言的“人工智能广泛使用”的美好愿景却并未随其在教育预测中的巨大潜力而自动到来，屡禁不止的数据泄露事件让智能技术的普及面临“进退两难”的尴尬。联邦政府虽已颁布《家庭教育权和隐私权法案》（FERPA）、《学生在线个人信息保护法》（SOPIPA）等法律规范对教育数据隐私进行保护，但效果不佳。据美国身份被盗信息中心（ITRC）统计，仅在2018年上半年就发生六例数据泄露事件，其中两例均与教育机构紧密相关，尤其作为政府机构的宾夕法尼亚州教育部在30分钟内就出现了36，000条教育记录泄露事件更是让社会各界对机器学习的智能化预测前景产生了极大恐慌（转引自E安全网， 2018）。美国信息产业理事会（ITI）甚至认为“数据安全不断加深着公众对人工智能的敌意和不信任”（ITI， 2017， p. 3）。正如奥巴马受访时所言：“人工智能的实际应用和真实潜力之间还存在很大差距，改善认识偏差，为社会提供更加积极的影响，需要更加凝聚力的措施。”（转引自Dadich， 2016）

二、两份规划对人工智能赋能教育变革的建议

（一）NSTC对人工智能技术支持教育发展的规划

如NSTC规划所言：“人工智能发展初期正是百花齐放的时期，政府通过加大对调查研究的投资，确保基础研究和应用研究之间有良好的交流而充分支持了新技术的发展，智能技术也在制造、物流、教育、科技等领域得到了应用，让人们看到了它的潜力，但也给我们带来了一些负面影响。随着技术的进步和成熟，为了使技术可以更加良性发展，是时候考虑技术和政府的关系了（NSTC， 2016， p. 3）。”可见，通过对人工智能技术“有意义干预”为社会提供更加积极的影响是NSTC规划出台的主要目标。从内容看，为挖掘智能技术支持教育变革的全部潜力，联邦政府从六个维度对有效使用智能技术支持教育创新提出了发展对策。

1. 重塑政府在AI长期研发中的角色

NSTC规划指出，虽然私营部门是AI发展的主要动力，但联邦政府资助在AI的长期研究中却具有关键的作用。规划认为，目前AI技术仍停留在特定的环境中执行单独任务的狭隘阶段，将这些狭隘的专用系统用于更为广泛的问题环境中仍需要持久的研究工作（NSTC， 2016， pp. 5-7）。规划认为，AI技术支持教育变革的研究是一项可预测结果的渐进式研究，联邦政府应对竭尽所能为将AI技术变为能够在更广泛的认知领域中（如学习、推理、创造力等）表现出人类智能的多功能通用系统提供必备的政策和财政支持。为此，①为避免行业与私营企业资金的缺乏，教育部应该优先发展人工智能基础和长期研究项目，尤其保证在高风险、高回报的基础研究方向进行长期投资;②政府应探索人工智能应用新方法，推出专项高级教育研究项目，以确定人工智能及其他技术显著提高学生成绩的最佳实践;③教育部等诸多部门应加强合作，共同为教育人工智能从业者开辟一个实践社区，制定并分享人工智能在政府工作中的使用标准和最佳实践经验，确保将新技术引入教育培训领域的可能性（NSTC， 2016， pp. 16-22）。

2. 交互是人机协作学习的关键

NSTC规划认为，学习者与AI系统的协作学习是使用智能技术获取更具个性化优质教学体验的最有效方式（NSTC， 2016， pp. 22-23）。规划指出，未来的AI学习系统可能已经实现了学习者与机器功能范围的划分，学习者与智能机器在交流方式和意识习惯上的不同决定了有效交互必然将成为决定人机协作学习效果的关键。为此，①注重开发教育用户与AI机器的可视化交互界面技术，将运行结果以直观、易被理解的形式呈现给教育用户，为教师和学生提供实时反馈;②开发更加有效的语言处理系统，让师生与机器通过书面和口头的语言形式进行交流，并将此作为AI研究的一个长期目标;③努力寻求具有人类感知的AI新算法，以支持在不同学习情境、不同设备中的使用，如固定设备、可穿戴设备、植入设备等，为实现无人监督的自主学习、开展完全的人机互动、解决复杂的学习问题做准备（NSTC， 2016， pp. 23-26）。

3. 注意解决智能技术使用在法律、伦理安全领域的问题

NSTC规划指出，智能系统在学习交互活动中潜在的自主代理行为为打破空间和时间对学习行为的束缚进而实现随时随地的学习提供了可能，但这种具有类人智能特征的自主代理行为仍须遵守人类正式的或非正式的行为规范。为了保证每位学习者均能享受到优质的学习体验，智能技术开发者应注意将公正与正义的考虑设计至系统之中（NSTC， 2016， p. 26）。该规划建议：①研发人员在设计AI系统时应遵循透明性原则，保证智能系统行为决策依据的透明性，确保师生使用以AI为基础的产品或服务时能够产生足够易懂的可解释性结果，并支持对教育决策或学习结果的效力性和公平性提供证据性的检验和确认;②政府应组织相关机构共同开发一套与现有法律、道德、社会规范以及学习者年龄特征相契合的算法程序，避免AI系统进行教育推理和决策时与现行的社会伦理价值体系相冲突，并支持以证据对决策结果进行验证（NSTC， 2016， pp. 26-27）。

4. 为AI发展提供开放共享的数据测试环境

NSTC规划指出，AI系统在教育实验环境中所表现出的稳定性与高效性使社会各界有理由对AI技术彻底打破现实中使用技术手段解决教育不公平、不均衡問题低效的困扰保持了美好期待（NSTC， 2016， pp. 30-31）。规划认为，伴随专用AI系统向通用AI系统的升级，用于支持研发的数据和测验之后所产生的数据都将呈现增长态势，如何获取数据支持技术的研究以及如何及时、充分地从海量测验结果数据中挖掘出有价值的科学知识并再次反馈于技术的研发就成为保障人工智能技术持续进步的关键（NSTC， 2016， p. 32）。因此，规划建议：①政府应逐步实施“人工智能公开数据”项目，有计划地公布政府数据，保障私营部门可拥有支持AI开发的训练数据，但要时刻注意对智能系统是否会随着数据积累而出现预测结果前后偏差保持关注，避免出现加剧教育不公正的结果;②政府应强调发布数据集的重要性，各利益相关者应联合制定发布AI数据的格式标准，降低新的数据集利用的成本与难度（NSTC， 2016， pp. 30-31）。

5. 制定AI标准，保障AI技术的有效使用

NSTC规划指出，一套可以在人、机器以及不同人工系统之间通用的知识表征方式、术语定义以及技术规范标准可以有效地帮助知识在不同系统之间实现转移，这对帮助积累学生依托不同系统的不同学习行为产生的教育数据，设计学生高参与的学习环境，以及优化学习体验都有重要的意义（NSTC， 2016， pp. 32-33）。为此，规划建议政府组建由AI用户、产业人员、学术人员和政府人员构成的AI测评标准共同体，负责AI标准指标的制定工作。不仅如此，规划还指出，为了保障标准的规范性与普遍性，这种通用标准应具有支持量化数据驱动检验的特征，而安全性、普适性、有效性、可追溯性、隐私性以及意外偏差六个方面应是该标准需要考虑的核心维度（NSTC， 2016， pp. 32-34）。

6. 培养多元化的AI人才队伍

NSTC规划认为，多元化创新队伍的缺失可能会使美国已面临的AI人力资源短缺的挑战进一步加剧（NSTC， 2016， p. 35）。规划指出，学习者来自不同种族、民族、国家背景的多元化特征决定了AI应该由多样化的人才创造。一支包含多样经历、不同背景与多种意见的AI人才队伍可有效规避教育人工智能产品设计因缺乏多样而带来的无法满足不同类型学习者尤其是残疾学习者的不同学习需求的风险。为此，规划指出，充分挖掘不同美国人群的学术研究潜力，将多种身份的人群尤其是女性和常被忽略的特殊人群纳入AI研发的人才队伍之中应是联邦政府首要的核心任务。该规划建议：①重视女性、少数种族以及特殊学习者享受同等优质STEM教育的机会和质量，增加少数人群在技术、计算机等领域的从业比例;②出台联邦政府官方AI劳动力调研报告，鼓励人工智能或机器智能行业推出促进少数人群尤其是特殊人群就业的激励措施，以创建健康的AI国家研发图景（NSTC， 2016， pp. 36-37）。

（二）CSIS对人工智能技术支持教育发展的规划

美国人工智能技术发展随着特朗普的上任突然来到“十字路口”。面对世界各国对发展人工智能的支持力度不断加大，曾在大选之初便承诺“带来更多就业岗位”的特朗普“预料之中”地将国家科学基金会对人工智能的研究预算缩减10%，此举招致科技界和学术界的广泛批评，认为“美国将失去人工智能领域的优势地位”（Carter， et al.， 2018， p. 20）。在这种背景下，特朗普对人工智能发展终于做出了“只加油，不设限”的许诺，并承诺“要优化措施维持美国在新兴人工智能技术方面的领先地位”（The White House Office， 2018）。作为特朗普任内首份人工智能发展规划，CSIS规划对美国智能技术的发展提出了两个关键目标，即安全、负责任地发展机器智能技术（MI）并保持美国在全球机器智能领域的领导地位。在支持教育发展方面，该规划主要从五个方面构建了机器智能指导性框架，以应对人工智能技术驱使机器自动化带来的种种挑战。

1. 持续投资机器智能技术研究和开发

CSIS规划认为，联邦政府对MI研究预算的缩减可能使美国陷入未来MI发展的危机。私营机构的实验室虽弥补了国家MI研发的部分差距，但他们却无力保证对应用前景尚未明确的智能技术探索性项目资金的持续投入（Carter， et al.， 2018， p. 21）。规划指出，联邦政府亟须调整MI的研发战略，明确研究资助的优先事项，重塑政府在MI技术发展中的角色。为此，①政府应为私营机构不太可能进行的长期基础研究提供资助;②美国应突破对算法这一可直接促使MI发展技术的聚焦，对间接支持MI发展的基础设施领域也应保持关注，如机器人、传感器、材料科学方向，保障美国在人工智能领域的全面领先;③政府应积极获取并主动应用由私营部门开发的尖端技术，以提高政府的运行效率，进而间接推动政府对MI计划的资助（Carter， et al.， 2018， pp. 22-23）。

2. 培养满足机器智能时代要求的劳动者

CSIS规划指出，虽然MI技术促使自动化程度提高可能会弥补因为自动化而出现的劳动力资源的流失，但如何有效地帮助当前劳动者重塑工作场所中的新角色并迅速向新的职业生涯过渡将成为智能时代MI技术取得进步的关键（Carter， et al.， 2018， p. 24）。规划认为，MI技术的持续应用或对未来劳动者具备的素养结构产生重要影响。规划指出，STEM教育过于重视对学习者科学技术能力等“硬技术”的教学而忽视了创造力、适应性、批判思维等“软能力”的训练是引发未来自动化时代劳动者“就业荒”的重要诱因。劳动者单纯“硬技术”的优势正随着机器智能对人工技能的复制而日渐缩小，而劳动者的适应性、批判思维等“软能力”却有望成为机器智能的重要补充，重新构建满足未来MI时代的劳动者数字素养至关重要。为此，①扩大机器智能等计算机科学方向的学位计划;②重视对学习者进行软技能和AI的通识教育，注重培养具有通用性MI技能的数字公民（Carter， et al.， 2018， pp. 25-28）。

3. 以MI技术重塑教学

CSIS规划认为，学习者对MI的单纯兴趣或对计算机科学的基本理解并不能保证学习者在未来机器智能化时代将基本技能有效地转化为MI的专业技能，教育部门应将MI技能纳入对学习者的基本要求，成为各级各类教育的必修科目（Carter， et al.， 2018， p. 25）。在这方面，规划建议：①教师应主动、有效地使用MI技术为学习者设计能够自主参与的个性化学习体验，借助虚拟现实设备创设基于现实问题的学习情境，并注意将学生所需的知识和技能全面融于学生的学习体验过程之中;②教师、政府人员、行业代表等各利益相关者应共同参与制定各级教育学习者的核心MI技能标准;③作为对日新月异的MI技术环境的回应，组建教育部工作组专项负责MI对国家教育系统的长期影响研究，保障对学习者MI技能教育的持续性、创新性与终身性（Carter， et al.， 2018， pp. 26-29）。

4. 为MI支持教育创造灵活开放的数据环境

美国教育信息化实践中长期存在的学习者之间无法相同地获得优质个性化学习体验的问题有望随着MI技术的有效使用而得到解决，因此，是否可以提供丰富的数据对MI技术在研发、使用过程中能否发挥全部潜力至关重要（Carter， et al.， 2018， p. 30）。为此，CSIS规划建议，①扩大公众对联邦教育部拥有和管理的数据的访问权限，确保MI开发者和使用者可以接触到美国教育系统;②联邦政府应加强与企业或外国政府合作，共同制定数据的使用标准和分类标准，以推进数据的可读性、共享性;③在保护数据隐私和数据安全性的前提下，鼓励私企进行数据共享，并进行新的应用（Carter， et al.， 2018， pp. 30-33）。

5.制定有效的公共政策，保障机器智能赋能教育的无障碍性

CSIS规划认为，昂贵的技术成本以及国家法律对MI用户责任范围规定的不确定性是目前MI技术使用不积极、不充分的重要原因。规划指出，拥有支持大数据计算的泛在连接设备是教育用户选择使用MI技术的关键，完善的MI学习设备决定了学习者能否平等地享受优质数字化资源所带来的个性化体验，每一位学生都应该有机会从MI设备中受益（Carter， et al.， 2018， p. 34）。规划指出，开放数据环境下的法律监管的无力可能是学习者不愿主动选择使用MI技术的另一重要原因。目前，国家法律监管体系仍旧无法在人机协同学习的开放环境中为用户和机器的责任范围做出明确的划分，联邦政府应该为MI技术使用的风险评估提供便利，保障MI使用的安全性和负责任性（Carter， et al.， 2018， p. 36）。对于如何进一步消除MI技术的选择障碍，合理发挥MI技术支持教学的最大潜力，规划建议应做到以下两个方面：①联邦政府应创建贷款担保计划，积极推进政府、银行、技术企业、地方学校的多方合作，帮助学校普及MI基础设施，为广泛的将MI技术整合到教学之中做好准备;②联邦政府应成立一个包含法律和技术人员的专家审查委员会对国家现有法律进行检视，并授权该委员会参考法律体系制定MI系统的责任划分原则，明确用户的责任范围，促进MI安全负责任地使用（Carter， et al.， 2018， pp. 36-37）。

三、对两份规划的评析

（一）NSTC与CSIS规划异同点分析

总体而言，两份规划阐释了一个人工智能技术支持学习的美好愿景。从两份规划的内容看，两份规划均不约而同地将人工智能技术作为优化学生个性化体验、提高教育机会的“颠覆性”手段，认为人工智能技术为彻底解决“技术无法摆脱对教育渐进式修补”的历史顽疾提供了新的可能，均主张挖掘人工智能的全部潜力以实现教育的“结构性”变革。然而，由于两份规划产生于不同的历史时代与机构背景，在如何充分挖掘人工智能技术的潜力方面两份规划呈现出不同的关注焦点与实施途径，见表1。

首先，核心目标不同。与NSTC规划出台于宽松自由的背景截然不同，CSIS规划一经颁布即面临美国人工智能发展内忧外患的严峻形势。为逆境中求生，CSIS规划更为侧重将“保持美国在人工智能发展的国际领先地位”作为首要目标（Carter， et al.， 2018， p. 4）。这一点从其签署于国家安全机构也可窥一斑。可以说，作为全球首份机器智能国家规划，该规划在孕育之初便承载着美国在人工智能领域领导力的危机将随着前沿人工智能技术的创新而得到解除的期待;NSTC规划则认为“依靠政府不断的研究支持为教育提供更加积极的影响，减少消极影响应是首要的教育使命”，主张通过教育研究不断深化对人工智能的认识，发挥智能技术在改善教育機会方面更加积极的作用。这种教育目标呈现出强化研究的导向，这或与NSTC规划出身于科学研究机构有着直接关系。其次，战略主体迥异。NSTC规划高度重视联邦政府在人工智能支持教育的变革过程中的引领作用，认为“政府应保证在高风险、高回报的基础研究方向进行长期投资”（Carter， et al.， 2018， p. 21），而CSIS规划则并未将政府置于新技术支持教育创新发展的关键位置，认为“政府应为私营机构不太可能进行的长期基础研究提供资助”。不仅如此，CSIS规划更加强调通过行业之间协调配合的方式实现前文已述的“前沿人工智能技术领域创新”的目标。正如规划所言：“美国拥有比任何其他国家更多、更具潜力的人工智能创业公司，拥有全球百强中的四分之三，但是我们需要将他们联合起来”（Carter， et al.， 2018， pp. 22-23）。可见，CSIS规划认为行业组织应投入更多的研发经费支持新技术引发的教育变革，发挥其在教育技术创新中的主体作用。

（二）从NSTC到CSIS的改革取向分析

从名称上看，NSTC规划与CSIS规划虽是美国前后两任总统责令不同机构出台的两份不同主题的国家人工智能专项发展规划，但却呈现出明显的递进特征。CSIS规划指出：“所有人员应该将执行和审查2016年人工智能规划作为优先事项，但政府与学术界、私营部门也应继续保持磋商，不断适应新技术。”（Carter， et al.， 2018， p. 5）从这个角度讲，CSIS规划可以作为NSTC规划的重要补充与延伸。然而，作为全球首份国家层面的机器智能专项政策，却在人工智能受到普遍重视的历史关头率先转向对机器智能发展的聚焦，这本身也体现出CSIS规划强烈的时代特征和创新特征，其前瞻性定位也越加明显。

1. 教育目标：从坚持公平优先转向努力实现教育优异

公平优先是奥巴马政府教育理念的核心要素。奥巴马始终对帮助中下阶层以及特殊民众享受同等的优质教育保持强烈的迫切愿望。2015年，奥巴马重新授权《每个孩子都成功法》（ESSA）取得成功，该法案被誉为“引领美国未来教育改革”的重要文件，首次明确了“有效使用技术实现教育资源均衡”的战略目标，必然对后续发布的诸多教育技术政策都产生了深刻影响（陈殿兵， 等， 2017）。时任科学和技术办公室（OSTP）主任的霍尔德伦（Holdren）就曾评价NSTC规划“帮助美国推进了优先的国家事务，这其中包括经济繁荣、教育机会以及国家安全”（OSTP， 2016， p. 2）。不止于此，在实现目标方面该规划更明确提出：“这份规划虽然构建了人工智能使用和研发的一个宏观愿景，但这都要回归于多元化的人才队伍建设，因为他们能使这项技术更好地为不同人群服务，这应该是联邦政府最紧要的任务。”（NSTC， 2016， p. 37）可见，教育公平依然是NSTC规划关注的核心问题。从某种意义上讲，NSTC规划是联邦政府基于“技术无法彻底解决教育公平”遗留问题而做出的再次尝试。

特朗普竞选成功曾被美国媒体视为非传统竞选者击败政治精英的非典型胜利。上任伊始，特朗普便一反奥巴马致力于解决教育公平问题的传统。他曾大胆地指出：“本届政府搞砸了教育，他们失败的彻彻底底，他们推行以公平为目的的政策往往带来了不公正的结果，没有优异的公平永远都是空洞的成就。”（李先军， 等， 2017）这种思想在CSIS规划中也被彰显出来。该规划出台于新一届政府面对“促进就业”与“发展人工智能”的抉择之际，特朗普放弃“兑现”竞选的承诺而专注创新人工智能的发展，这本身就显示出其追求优异的勇气和决心。不仅如此，CSIS规划的诸多建议表现出该观念的深刻印迹。如教育等利益相关者要将培养符合未来机器智能时代要求的劳动者作为首要目标;注重培养具有创新、批判思维、协作等软技能的数字公民，等等。可见，保障学生在未来机器智能时代取得成功是CSIS规划阐述机器智能技术支持教育变革的主要目标，体现出对卓越的强烈追求。

2. 领导力建设：从强调政府监控转向多元主体融合

无法彻底兑现教育计划的承诺已经成为历届政府的通病。2016年更新的《国家教育技术规划》曾直言不讳地指出：“改革的受挫正是因为地方分权的领导体制，各州对联邦规划执行的选择过于自由。”（OET， 2016， p. 40）对此，NSTC规划期望通过统一的“政府的监控体制”保障联邦政府规划的愿景可以落到实处，以改善各州、地方执行来自联邦政府的规划时因缺乏强制、各地执行力度不一等原因导致的规划推进成效不高的通病。NSTC规划规定“联邦政府应保障对人工智能教育产品有效监管;下属机构、州政府应定期向联邦政府报告国内外人工智能教育应用状况，以确保联邦政策及时调整”（NSTC， 2016， pp. 16-22）。可见，为了如期完成人工智能规划设定的教育目标，NSTC规划呈现出明显的强化政府职能的导向，保留了联邦政府掣肘智能技术教育应用的权利。但是，这种联邦主导教育技术监管导向是否契合ESSA明确规定的“下放管理权限”的改革导向却有待商榷。当推崇“有限政府”理念的特朗普执政后，这种为保障人工智能战略如期推进而设立监管制度的做法或将引发联邦与地方的更大争端，影响规划的落地实施。

CSIS规划主张以更加自由的机构协作取代NSTC规划为改善积重难返的低效问题而确立的自相矛盾的监控体制。CSIS规划指出“无尽的监管可能会给人工智能持续创新造成障碍，实现人工智能的全部潜力需要把企业、学界、政府的努力都结合在一起”（Carter， et al.， 2018， p. 36）。为了最大限度调动各种力量执行联邦规划的积极性，CSIS规划主张将人工智能创新教育的主导权交还于行业机构，指出“政府无须就研发发出命令，但需帮助行业积极发展与国外政府、企业的研究合作;州政府应与行业领导、学术领导合作构建开放的技术环境;鼓励行业部门之间实现安全的数据共享”（Carter， et al.， 2018， pp. 38-41）。可见，为了实现复杂而又无法一蹴而就的智能技术变革教育的愿景，CSIS规划主张以融合多元主体机构的协作关系促使各利益相关者有效参与使用人工智能技术变革教育的愿景中来，顺应了美国教育不乏“民主”但独缺“集中”的变革趋势。单就这一点而言，CSIS规划是有明显进步意义的。

3. 负责任发展的理念：从强调研发的公正转向注重使用的公正

公平、公正、正义是美国教育关注的核心问题。这一点反映到人工智能发展规划中就是关注如何负责任地使用人工智能技术，使每一位学生都能从技术的创新中受益。NSTC规划指出：“人工智能虽然为提升个性化的学习服务、解决教育机会不均等问题提供了可能，但是基于安全、隐私等因素所形成的负责任地使用技术问题在人工智能时代也已經演化成了教育歧视与偏见问题，无法保证所有学生可以平等、公正地享受新技术带来的创新体验。”（NSTC，  2016， pp. 33-34）因此，解决新技术在发展过程中带来的教育正义危机成为NSTC规划必须应对的挑战。对此，规划强调，人工智能系统设计应遵循增加透明性、不以取代人类为目的和可解释性原则。同时，在使用新技术之前要始终保持对系统决策可能的偏差和歧视的测试。可见，引导行业负责任地研发是NSCT规划强调发展负责任的人工智能的重要原则。然而，这种导向是以行业自律为本质特征的，是否可以解决法律监管都难以根治的负责任地使用技术问题值得审思。事实证明，这种方式是过于理想的。代表科技行业发展利益和需求的美国信息技术产业理事会（ITI）2017年发布的《人工智能政策原则》指出：“事故还在频繁地发生，公众的恐慌也在不断地升级，负责任地发展人工智能，还是要以现有的法律监管为前提，但是需要重新关注使用的一端。”（ITI， 2017， p. 5）

CSIC规划则强调通过更为严格的技术使用问责制解决技术在使用过程中带来的隐私与安全问题，以实现教育的公正、正义。CSIS规划指出：“机器人已经具有自主性和认知特征，政府应支持出台新的法律制度，技术的发展轨迹还是要回归于使用，法律应对不负责使用技术的行为问责，而不是笼统对研发者问责，而这首先要做的就是明确智能系统和用户的责任范围。”规划认为：“行业研发的犹豫不决，公众对人工智能安全、隐私的焦虑很大原因来自现有法律并不适用对不负责使用人工智能事故的监管。”（Carter， et al.， 2018， p. 36）因此，规划建议，联邦政府应成立一个包含法律和技术人员的专家审查委员会，围绕人工智能使用与美国法律所产生的冲突进行磋商，并制定一套可以划定出智能系统与人类行为主体明确的责任认定原则，特别是对人机协作学习情境下的相对责任划分要有适用性。由此，联邦政府的保障人工智能负责任的发展理念开始由注重研发的起点转为强调使用的结果，由宽松的行业自律转向严格的法律问责。

四、借鉴与反思

（一）借鉴

在距离人工智能这一概念首次提出已然过去60年的今天，人工智能再次成为国际范围内关注的热点。世界各国纷纷通过国家规划的形式出台人工智能发展的指导意见，试图在新一轮社会信息化的竞争变革中取得领先。对于中国而言，2018年教育信息化工作会议虽然已经提出了“智能化领跑教育信息化2.0”的前沿论断，但总体而言，我国人工智能教育应用研究仍处于起步阶段，对从教育教学立场出发的理论分析研究仍旧十分缺乏（张志祯， 等， 2019）。美国从NSTC规划到CSIS规划关注重点的演变或对我国未来智能技术支持下的教育模式变革和生态重构有重要借鉴价值。

1. 关注学生非认知能力的培养

认知技能是学生获取和加工知识的能力，决定了学生在学术层面的发展;非认知技能与学生的感情有着直接关系，与态度、意识、动机、兴趣密切相关，包括批判、协作、适应等能力（赵建华， 等， 2016）。人工智能作为技术属性和社会属性高度融合的专项领域，必然要求未来人工智能人才在掌握智能时代所需的知识和技能的同时，也必须具备符合未来智能社会所要求的所有意识形态的特征，这是人与机器的本质区别。正如CSIC规划所言，未来机器有可能随着机器自动化程度的提高实现了对人类技能的复制，部分人类主导的机械工作也必将被机器取代，但机器却很难获得人类的批判、适应、协作等情感，培养能够与智能系统协作的创新性劳动者将是教育的重任。从另一角度而言，智能技术的日渐普及应用为实现“随时随地皆可学”奠定了重要的技术支撑，在此环境下学习者的非认知能力，如在网络中学会与系统相处、监控自己的网络学习行为等，将为学习者超越课堂的正式学习，深入参与各种非正式学习体验提供了重要契机。因此，将非认知能力培养纳入未来智能时代学习者的培养体系之中，是未来技术应用过程中需要迫切引起关注的重要方向，也是当前技术或媒体素养教育的重要内容。

2. 构建协作的教育人工智能发展的变革氛围

出台战略规划已然成为世界各国发展人工智能产业的重要方式，然而技术“颠覆性”和“破坏性”的本质属性也决定了技术的不断创新同时也是人工智能不断发展的重要前提。在当今以大数据、云计算等技术为代表的互聯网时代，新技术层出不穷，诸多新生事物都处于监管的真空状态，如忽略技术与产业模式的创新，沿用已有的监管思路监管的效果有可能会大打折扣，甚至会直接扼杀新技术的创新。从某种意义上而言，美国从NSTC规划强调监管到CSIS规划突出协作的演变正体现出联邦政府为弥补政府技术发展性知识的滞后而积极做出的变革，以保持美国在人工智能前沿技术的领先。我国教育事业“十三五”规划明确提出要充分利用人工智能、大数据等技术探索未来教育教学的新模式，然而在实际规划落实中也暴露出与美国类似的问题，如基层缺乏积极性和创造性、技术更新太快使专业人才的贮备捉襟见肘等（陈松云， 等， 2017）。而包括政府、企业、高校的多元主体协作形式不仅可以为我国应对复杂性、长期性的人工智能发展工作提供重要的经验借鉴，使各组织参与到技术变革教育的共同愿景中来，而且可以更加充分地发挥科技企业作为技术拥有者的主体作用，激发企业对技术创新的积极性，同时也有利于实现新技术服务教育的及时性、长期性和终身性。

3. 树立“行业自律+法律问责”的人工智能教育应用的双重保障机制

人工智能本质上是一种数据预测，算法模型和历史数据决定了预测的结果，算法模型的公正性与收集数据的规范性在帮助学生享受优质的个性化体验的同时，也存在数据泄露等危及教育正义的风险。2017年，“隐私伦理”作为重点任务被列入《新一代人工智能发展规划》之中，成为我国人工智能国家战略的重要主题之一（国务院， 2017）。美国在NSTC规划中就已经开始了对该领域的改革探索。作为对美国现有法律体系监管无力的回应，NSTC规划强调在人工智能教育产品研发的起始阶段，研发者就要遵循透明性、不以取代人类为目的以及可解释性原则的行业自律原则，以规避算法可能出现的歧视与数据泄露问题。之后，实践证明单纯的行业自律并未取得预期效果，而作为对此收效甚微的回应，为从根本上消除用户担忧，促进人工智能的教育应用，CSIS规划认为保障新技术使用的合理性还是应诉诸法律监管，但更应关注对参与到机器人授权和分配等使用过程中的人的责任划分，以促进人工智能教育应用的规范，体现了联邦政府为解决负责任地发展人工智能实现教育正义的目标正不断进行积极的改革与变通。这背后的改革动因对目前尚对人工智能负责任地发展处于探索起步阶段的我国而言，无论是行业自律原则还是立法动态的调整导向都是可供参考的。

（二）反思

NSTC规划与CSIS规划的相继出台表明联邦政府已经充分意识到发展人工智能对于国家的重要意义，正为充分释放人工智能支持社会变革的潜力而不断努力。从两份规划的出台历程看，CSIS规划不仅延续与发展着NSTC规划所构的“以人工智能技术支持教育颠覆性变革”的理想愿景，而且针对NSTC规划在执行过程中所产生的问题进行了修订和补充，从这个角度而言，两份规划的相继出台本身就表明联邦政府在人工智能发展创新方面已经取得了重要进步，同时也预示着美国新一届政府在人工智能赋能教育的政策方面出现了新的转向。例如，CSIS规划更加强调对学生创新、批判等“软技能”的培养，为培养符合未来通用智能时代要求的劳动者做准备;强调以行业、学界、政府之间的协同合作取代可能引发联邦与地方之间权利矛盾的政府管控体制，以最大限度地挖掘智能技术在创新学习方式方面的潜力，但同时主张以严厉的法律监管形式保障智能技术使用的公正与正义，消除技术在创新发展过程中可能带来的安全危机等。

在NSTC规划出台之后，奥巴马总统曾兴奋地评价这份人工智能发展规划将成为美国新的“阿波罗登月计划”，而两年之后，特朗普再次出台全球首份针对机器智能技术发展的专项规划应对时代变迁的技术背景与激烈竞争的国际格局。可以说，国家规划的连续出台在体现出新政府的开拓之举的同时，也使得美国未来人工智能发展走向充满了更多的不确定性。作为美国历史上首位就任前毫无政治经验的总统，特朗普及其内阁在出台创新政策时较多地参考了其商人经验，从CSIS规划过于强调行业、私营部门的作用可见端倪，亦如《美国优先外交政策》曾反复提到：“依据总统长期的谈判经验。”（朱启超， 等， 2018）然而，在保守主义势力已经成为主导美国教育决策和立法的主流力量的今天，CSIS规划确立的依托行业协同合作的发展模式能否发挥出理想的改革效果有待观察，而法律监管与人工智能自由发展是否会发生冲突也有待于实践证明。总之，CSIS规划到底是美国未雨绸缪创新教育科技战略还是自以为是的杞人忧天，是人工智能创新教育变革的“刚需”还是“炫技”，有待于进一步验证。

[参考文献]

陈殿兵，杨新晓，赵雷洪. 2017. 美国国家教育技术计划的再出发：创新与方向[J]. 现代教育管理（8）：114-118.

陈强，赵鑫. 2016. EDUCAUSE年度十大IT议题之成熟议题研究[J]. 中国教育信息化（1）：22-24.

陈松云，何高大. 2017. 新技术推动下的学习愿景和作用——2017《美国国家教育技术计划》及启示[J]. 远程教育杂志，35（6）：21-30.

E安全网. 2018-10-8. 2018年十大数据泄露事件[EB/OL]. [2018- 11-10]. http：//cloud.idcquan.com/yaq/148692.shtml

国务院. 2017. 国务院关于印发《新一代人工智能发展规划的通知》（国发〔2017〕35号）[EB/OL]. [2018-9-20]. www.gov.cn/zhengce/ content/2017-07/20/content-5211996.html

李先军，陈琪. 2017. 特朗普的教育质量观述评[J]. 世界教育信息，30（11）：52-59.

搜狐网. 2017-06-01. 美国教育部长贝齐·德沃斯：教育部应当叫做终身学习部[EB/OL]. [2018-11-10]. http：//www.sohu.com/a/145257 764_111782

搜狐网. 2018-8-20. 从奥巴马到特朗普，美国政府全面拥抱机器学习之路[EB/OL]. [2018-11-10]. https：//www.sohu.com/a/248926455_473283

魏雪峰，高媛，曾海军，等. 2018. 我国高等教育与基础教育技术应用发展趋势分析——基于《2017新媒体联盟中国高等教育技术展望》和《2016新媒体联盟中国基础教育技術展望》的对比[J]. 中国电化教育（1）：72-76.

赵建华，蒋银健，姚鹏阁，等. 2016. 为未来做准备的学习：重塑技术在教育中的角色——美国国家教育技术规划（NETP2016）解读[J]. 现代远程教育研究（2）：3-17.

朱启超，龙坤. 2018. 试论后九一一时代美国国家安全战略的调整——基于对特朗普政府《美国国家安全战略》报告的分析[J]. 美国研究，32（3）：78-98.

郑旭东，魏志慧. 2014. 高等教育信息化及其发展趋势——访美国高等教育信息化协会主席戴安娜·亚伯林格博士[J]. 开放教育研究，20（6）：4-9.

张燕军. 2013. 大国教育战略研究丛书：美国教育战略研究[M]. 浙江：浙江教育出版社.

张志祯，张玲玲，李芒. 2019. 人工智能教育应用的应然分析：教学自动化的必然与可能[J]. 中国远程教育（1）：25-35.

Carter， W.A.， Kinnucan， E.， Elliot， J. （2018， March）. ANational Machine Intelligence Strategy for the United States. Retrieved August 17， 2018， from https：//csis-prod.s3.amazonaws.com/s3fs-public/publication/180227_Carter_MachineIntelligence_Web.PDF？CLlXGgQQQoc 78akgCk.2StKO7NsrC2J1.pdf

Dadich. S. （2016， August 24）. Barack Obama on Artificial Intelligence， Autonomous Cars， and the future of world.Retrieved November 10， 2018， from https：//www.wired.com/2016/10/president-obama-mit-

joi-ito-interview/

ITI. （2017）. AI Policy Principles - Information Technology Industry Council. Retrieved February 14， 2018， fromhttps：//www.itic.org/resources/AI-Policy-Principles-FullReport2.pdf

MPI. （2017， February 14）. Immigration under Trump： A Review of Policy Shifts in the Year Since the Election. Retrieved November 10， 2018， from https：//www.migrationpolicy.org/research/immigration-under-

trump-review-policy-shifts

NSTC. （2016， October）. The National Artificial Intelligence Research and Development Strategic Plan. Retrieved October 11， 2018， from https：//www.nitrd.gov/PUBS/national_ai_rd_strategic_plan.pdf

OET. （2016）. Future Ready Learning： Reimagining the Role of Technology in Education. National Education Technology Plan. Retrieved November 18， 2017， from https：//tech.ed.gov/files/2015/12/NETP16.pdf

OSTP. （2016， October）. Preparing for the future of artificial intelligence. Retrieved October 11， 2018， from https：//obamawhitehouse. archives.gov/blog/2016/05/03/preparing-future-artificial-intelligence

The White House Office. Trump just appointed himself the White Houses top AI adviser. Retrieved November 10， 2018， from https：//thenextweb.com/artificial-intelligence/2018/05/14/the-white-houses-new-

ai-panel-is-a-joke-trump-is-its-top-adviser/

收稿日期：2019-01-05

定稿日期：2019-03-04

作者簡介：蒋鑫，博士研究生，讲师，山东管理学院（250357）。

洪明，博士，教授，博士生导师，福建师范大学教育学院（350117）。

责任编辑 张志祯 刘 莉