教育部日前印發《高等學校人工智能創新行動計劃》，要求推進“新工科”建設，重視人工智能與計算機、控制、數學、統計學、物理學、生物學、心理學、社會學、法學等學科專業教育的交叉融合，形成“人工智能+X”復合專業培養新模式，到2020年建設100個“人工智能+X”復合特色專業，建立50家人工智能學院、研究院或交叉研究中心。
人工智能是一個涉及多學科的復雜科技，需要一系列學科的基礎理論支持，在進入應用的時候，亦因技術快速進步的領先優勢，對很多工種具有強大的替代性，并導致法律、社會道德、監管等存在滯后性，進而衍生出司法、倫理、就業、心理等各種復雜問題。而對于這些問題，單靠人工智能自身是無法解決的，必須連接其它學科，形成“人工智能+X”復合專業交叉融合，激活人工智能和其它學科的發展潛力。
如今，世界各國都在加大人工智能的研發力度，投入大量的教育資源，為未來培養人工智能人才。那么，在人工智能時代該怎樣當老師?
學生提問多 虛擬助教幫回答
早在2013年，英國牛津大學發布了一份名為《就業前景：哪些工作最容易受到計算機自動化的挑戰》的研究報告。
報告分析了702種常見職業后認為，需要大量社交、創造性的工作，或是需要技巧、靈活運用技能的工作，機器人都難以取代。在報告結尾處長達16頁的列表中，高等教育管理者和高等教育教師分別以1%和3.2%的幾率，位列未來被“計算機化”可能性最低的職業排名的第52位和112位。
而且人工智能技術的出現不僅難以撼動大學教師的工作崗位，而且還可能助教學工作一臂之力。
為學生答疑解惑是教師的基本職責，但是如果海量問題集中涌來，想一一解答卻力不從心，這時希不希望有個人來分擔?這就是虛擬助教存在的價值。最出名的一個例子就是助教吉爾。2016年4月，美國佐治亞理工學院計算機專業教授阿肖克戈爾開設的一門人工智能課程臨近結束時炸開了鍋。作為一門每學期有300多名學生學習的核心必修課，學生在課程網絡平臺上發布的超過1萬條實時信息讓戈爾教授和他的8名助教解答起來忙碌不堪。
不過當戈爾發現，學生詢問的問題相對固定，通常與期末考、課程大綱和課程安排等相關，于是就“偷偷地”設計了一款人工智能程序“吉爾”作為助教與學生進行在線互動，緩解了任課教師和助教的工作壓力。
虛擬助教的上崗并不意味著人類助教即將失業。畢竟目前來看它只是負責機械性地回答一些諸如正確的文件格式、數據使用，以及教職員工的日程安排等有客觀答案的問題。而一些更為復雜的問題，還是需要人類助教負責回應。 教學個性化 學習系統做決策
如果要問當今高等教育領域最當紅的技術是什么，自適應學習技術一定會被反復提及。
“它將讓學習系統自動調整課程、學習材料或學習活動，以符合學習者個人情況、性格和需求，從而為學習者提供個性化的學習體驗。”由國際新媒體聯盟發布的《地平線報告(高等教育版)》，在2015-2017年連續三年預測自適應學習技術未來將在高等教育中被普遍采用。而人工智能無疑為其在教育領域更好的使用提供了有力的技術支撐。
自適應學習系統可以利用基本的人工智能算法，基于學生的學習經歷“算出”他們需要學習的內容，更好地實現學習個性化。同時對教師而言，由于此類系統可以在學生學習過程中更好地了解他們的學習進度，這也有助于系統向教師反饋數據、提供信息，以便分析和了解某位學生及其班級的整體需求，協助教師做出正確的教育決策。
考試評分成本高
人工智能先挑錯
在給學生作業或考試評分時，對開放性試題(如作文)的評價對教師而言是一項艱巨的任務，在大型課堂為個人提供反饋更是如此。一些人相信，由于學生的回答有其固有的句法和語義結構，因此只需對計算機“稍加訓練”，用人工智能系統取代人類反饋是很有可能的，而且其成本要比靠人打分低得多。通過深度學習幾百萬篇作文和相應的評分，人工智能很快就能掌握批改作文的套路。想一想，一名教師在從教的四十多年里可以閱讀一萬份作文，那么僅在幾分鐘內就讀完上百萬份作文的人工智能似乎經驗更為豐富。而且確有實驗表明，人工智能給出的分數與人類教師的幾乎完全匹配。
從2017年秋季學期開始，密西根大學的教師就開始用計算機輔助給學生改論文作業了。這個由該校教師團隊研發的輔助評分工具M-Write，利用文本自動分析技術，借助不同的算法(如詞匯匹配、題目匹配)分析學生提交的文章內容，從而找到學生論文中存在的問題。此外，老師還能通過語義分析的結果，找到在寫作上需要幫助的學生。不過在將最終評分反饋給學生之前，教師還需要先對計算機的打分結果進行核對，并進行一定的修正。
類似的應用中國高校也在嘗試。2017學年末，浙江外國語學院國際學院的11位外國留學生完成了一份特別的中文試卷——批卷老師為來自阿里巴巴的人工智能系統。在這批試卷上，人工智能系統用代表不同意義的符號在試卷上精確地圈出外國留學生們的多詞、缺詞、錯詞和詞序錯誤等錯誤的位置，完成了對作文的批改，其準確率和細致程度接近甚至超乎人類的水平。
