在过去的几年里，机器学习应用已经悄然进入人们生活的方方面面：从社交媒体到语音识别，从放射学到零售业，从战争到写作，从编码到客户】服务，从机器人到路线优化。

　　信息▼时代四十年来，我们已经能告诉计算机该做什么了。但随着人工智能的进步，尤其是机器学习的发展，芯片处理速度的提升，我们可以持续地为计算机庞大的数据集送入各种数据。

　　它们可以(在狭小的空间里)自己得出一些推论。正如《Ask About AI》报告中所说的＠ 那样，学习代码的兴起标志着增强智能新时代的⊙开始。这是我们扩大受教育机会的大好时机，也是年轻人做出重大贡献的大好时机。附报告链接

　　考虑到人际关系在人类发展中的重要性，人工智能将在许多方面增强教育，而不是取代教育者的工作。我们必须在团♀队合作方面做得更好，也◆包括与智能机器的合作。

　　机器学习正√在改善学生的学习，并为教师和学◥习者提供更好的支持。我们整理了32个可以利用机器学习来支持更好教育的方向，并列举了一些案例，希望能给大家一些启思。

　　改善学习

　　1.早期学习。

　　Kidaptive是为幼儿提供游戏和玩具的适应性学习平台。Osmo是一款结合了在线学习和∴动手学习的互动游戏◤。

　　2.自适应学∞习。

　　课程助理i-Ready是广泛使用的︻适应性阅读和数学学习软件。近日，Rise基金还对自适应学习软件DreamBox进★行了巨额投资；而 Imagine Learning公司收购了非营利的自适应数学学习软件公司Reasoning Mind。

　　3.课程资料。

　　优质内容和开放性内容的提供商越来越多地使用机器学习，来提供最佳课程。像Content Technologies Inc.这样的公司正在使用机器学习来实现这个过程的自动化〇。

　　4.在线学习。

　　像Coursera、Udacity和edX这样规模较大的高等教育机构，正在使用机器学习来改卐善学习目标设置、课程和◆支持服务。

　　5.语言学习。

　　正式和非正式使用的语言学习应用程序，(Duolingo, Babbel, Rosetta Stone)开始使用更好的匹配和翻译服务。VIPKID最近又融了5亿美元，以充分融入机器学习。

　　6.写作。

　　Grammarly、Turnitin、WriteLab (被Chegg收购)、PEG Writing和Write to Learn等软件，由机器学习提供反馈和评分系统，正得到越来越广泛的应用。

　　7.编码和制造商。

　　LittleBits和Modular Robotics教授机器人技术基▃础知识。 Tynker和CodeHS教授编码。这些让所有人都越来越≡多地了解AI。

　　8.考试准备。

　　像Quizlet、Kaplan、Magoosh和Toppr这样的学习和考试准备工具，正变得越来越聪明。

　　9.调度。

　　Abl学校是下一代学校的典型。随着像普渡理工这样的名校都开始重视个体学生日程安排，预计智能日程安排工具很快就会出现。

　　10.探索。

　　越来越多的孩子有机会在增强现实和虚拟现实中学▲习和创造。机器学习将⊙继续以多种方式改善VR体验，包括手势和声音识别、图像渲染和更好的协作体验」。

　　11.辅助技术。

　　在过去的两年中，许多帮助特殊需求学习者的技术得到了改进，包括语音识别、文本到语音转换和文本修改。

　　12.评估。

　　机器学习在许多方面都在改善评估，包括』适应性测试(NWEA)、快速评分(GradeScope)、跟踪解决问题的步〖骤(Thinkster)和监控学生进步[包括难以在学校衡量的技能（全方位教育）]。它也将是实现互动性的关键，并能整合形成性评ζ　估的多个来源。

　　13.诊断。

　　人工智能在诊断疾病、视力问题和学习差异方面正在迅速改善。

　　14.分析。

　　包括BrightBytes、Civitas Learning、Acrobatiq aa在内的分析平台已经在高等教育中广泛使用，并在K-12课程中也得到了广泛的应用。

　　15.指导系统。

　　领英和Ziprecruiter等人才平台帮助雇主和】有潜力的求职者之间进行匹＠配。大量的本地化△信息将使Naviance和WorkKeys等高中毕业生就业求学指导平台的可用性更强，并且这些平台与就业途径相关联。

　　16.能力管理。

　　学生成绩册◇将纳入多个来源的评估信息，并帮助教师结合徽章或微证书，对学生的能力做出正确∮判断。

　　17.学习者○档案。

　　能力管理将通过大々规模综合档案(包括课外〖阅读的书籍和拥有的技能)的比较来实现︼。各种分散式记录都将成为扩展记录的一部分。在可预见的将ξ　来，人工审阅人员只需浏览记录的摘要，配合着使用机器学习工具就可以了，这些工具将筛查更大的配置文件——包括︾提交的和删除的。

　　18.学习管理♀系统。

　　目前像Canvas from Instruction、D2L和AltSchool这样的学习平台对机器学习的♀使用是有限的，但也在不断〓地增长。有一〗些自适应的LMS（学习管理系统），如Fishtree和realize zeit主要◣用于职业教育。随着学习者数据的增加，更多的平台将加入推荐引擎和个性化路径。

　　在企业LMS市场，进展可能会更快。随着像NAF这样的集团采用SAP的SuccessFactors平台，我们开始看到更多的双赢现象。

　　19.经验管理。

　　随着学习方式变得◥更加分散和能力体系◤的提高，系统≡将提供来源、进度和适合学习科目等学习∴经验。

　　20.指导。

　　在正确的时间，以正确的理由(即基于项目的指导)将行业导师与学生联系▆起来。尽管在线学习平台在今天起到了一定的作用，但一个带贡献激【励机制的新版本，会极大↑地调动大家的积极性(很可能会与大学校友会联合出现)。

　　21.招聘和入■职。

　　机器学习在企业招聘》和入职培训中被广泛使用，目前它正在进入教育领域。“智能筛选”是人力资源领域的一项重大举措，人力资源领域将应用这种智能平台，以提高招聘、人员匹配和入职培训的〒效率。

　　22.员工调度和替代管理。

　　为了处理日益复杂ㄨ的人员调配问题，以支持个性化和※基于能力的学习，Frontline等公司正在构建更好的智能安排解决方案。

　　23.专业学习。

　　采用混→合和个性化的学习策略，面向教育者的新学习平台混合▃了开放的和专有的内容，并提供微证书。在不久的将来，这些平台将会随着个性化推荐(也许由教育学院№和平台合作伙伴提供)而变得适应性强。

　　改善支持

　　24.交通。

　　使用像Creatrix这样的人工智能手机应用程序，公交调度变得更容∏易了。在不到十年♂的时间里，各学区将会把特殊儿童的交卐通和自动驾驶汽车纳■入学生交通计划。

　　25.维护。

　　Dude Solutions公司利用云智能软件来指导建筑和地面维护。与传统的行业基准相比，能使设备监控◆变得越来越容易，生产→效率也有很大提高。学校可以自行控制时间(例如，什么〗时候修剪草坪)和服务。

　　26.设施管理。

　　智能建筑管理软件帮助管理暖↙通、照明和安全。

　　27.营养。

　　梅奥医学中↙心(Mayo Clinic)创建了一个名为FEED的人工智能项目，旨在关注营养缺乏患者补充营养的安全和质¤量。在芬兰，他们有5个试点，使用智能工具来改善营养和健康。

　　28.采购。

　　Deloitte公司通过对采购员的调ω　查发现，88%的人认为自动化∑和机器人技术将在五年＠内影响采购行业。新的采购平『台将更有效率、独立和支持精确】跟踪。

　　29.金融。

　　埃森哲公司表示，在商界，“自动化、微型机器人、机器学习和适应性智能正以闪电般的速度成为金融团队的一部分”，简化月度结账和费」用管理。当学校董事会成员有问题时，一个▲人工智能聊天机器人就会提供答案。

　　30.网络安全。

　　安全专家预々计，在〓人工智能工具上将有更多资金投入。思科(Cisco)的一份报◎告称，人工智能应该能够学习㊣　如何在加密网络和物联网(IoT)环境中，自动检测模式异常。

　　31.安全和保障。

　　越来越多的◥人使用人工智能，在学生的语言或行为中，预先识别出可︾能会出现学校暴力的情况。帕↓克兰高中的一名学生创建了#NeverAgainTech项目，她希望该项目能利用人工♀智能对校园枪击案相关的大量数据〓进行汇编和分析。

　　32.学校管理。

　　随着西方越来〗越多的微型学校(见CottageClass和Acton学院)和非洲、印度的低成本私立学校的出现，人们对包括招生、学生信息、出勤率和学费在内的学校管理平台越来越感兴趣。

　　就我们所看到的，与教师建立持久々的关系，学会他人□的学习经验，将继续成为教育中最▲重要的因素。而人工智能只是让学校里使用的每一种工具都加∞速了。能够帮助年轻人学习，让他们的学习能力每个月◣都会得到持续提高。

　　（原标题：AI到底能改善教育的哪些方面？我们列出这32个方向）