教育部日前印发《高等学校人工智能创新行动计划》，要求推进“新工科”建设，重视人工智能与计算机、控制、数学、统计学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合，形成“人工智能+X”复合专业培养新模式，到2020年建设100个“人工智能+X”复合特色专业，建立50家人工智能学院、研究院或交叉研究中心。
人工智能是一个涉及多学科的复杂科技，需要一系列学科的基础理论支持，在进入应用的时候，亦因技术快速进步的领先优势，对很多工种具有强大的替代性，并导致法律、社会道德、监管等存在滞后性，进而衍生出司法、伦理、就业、心理等各种复杂问题。而对于这些问题，单靠人工智能自身是无法解决的，必须连接其它学科，形成“人工智能+X”复合专业交叉融合，激活人工智能和其它学科的发展潜力。
如今，世界各国都在加大人工智能的研发力度，投入大量的教育资源，为未来培养人工智能人才。那么，在人工智能时代该怎样当老师?
学生提问多 虚拟助教帮回答
早在2013年，英国牛津大学发布了一份名为《就业前景：哪些工作最容易受到计算机自动化的挑战》的研究报告。
报告分析了702种常见职业后认为，需要大量社交、创造性的工作，或是需要技巧、灵活运用技能的工作，机器人都难以取代。在报告结尾处长达16页的列表中，高等教育管理者和高等教育教师分别以1%和3.2%的几率，位列未来被“计算机化”可能性最低的职业排名的第52位和112位。
而且人工智能技术的出现不仅难以撼动大学教师的工作岗位，而且还可能助教学工作一臂之力。
为学生答疑解惑是教师的基本职责，但是如果海量问题集中涌来，想一一解答却力不从心，这时希不希望有个人来分担?这就是虚拟助教存在的价值。最出名的一个例子就是助教吉尔。2016年4月，美国佐治亚理工学院计算机专业教授阿肖克戈尔开设的一门人工智能课程临近结束时炸开了锅。作为一门每学期有300多名学生学习的核心必修课，学生在课程网络平台上发布的超过1万条实时信息让戈尔教授和他的8名助教解答起来忙碌不堪。
不过当戈尔发现，学生询问的问题相对固定，通常与期末考、课程大纲和课程安排等相关，于是就“偷偷地”设计了一款人工智能程序“吉尔”作为助教与学生进行在线互动，缓解了任课教师和助教的工作压力。
虚拟助教的上岗并不意味着人类助教即将失业。毕竟目前来看它只是负责机械性地回答一些诸如正确的文件格式、数据使用，以及教职员工的日程安排等有客观答案的问题。而一些更为复杂的问题，还是需要人类助教负责回应。 教学个性化 学习系统做决策
如果要问当今高等教育领域最当红的技术是什么，自适应学习技术一定会被反复提及。
“它将让学习系统自动调整课程、学习材料或学习活动，以符合学习者个人情况、性格和需求，从而为学习者提供个性化的学习体验。”由国际新媒体联盟发布的《地平线报告(高等教育版)》，在2015-2017年连续三年预测自适应学习技术未来将在高等教育中被普遍采用。而人工智能无疑为其在教育领域更好的使用提供了有力的技术支撑。
自适应学习系统可以利用基本的人工智能算法，基于学生的学习经历“算出”他们需要学习的内容，更好地实现学习个性化。同时对教师而言，由于此类系统可以在学生学习过程中更好地了解他们的学习进度，这也有助于系统向教师反馈数据、提供信息，以便分析和了解某位学生及其班级的整体需求，协助教师做出正确的教育决策。
考试评分成本高
人工智能先挑错
在给学生作业或考试评分时，对开放性试题(如作文)的评价对教师而言是一项艰巨的任务，在大型课堂为个人提供反馈更是如此。一些人相信，由于学生的回答有其固有的句法和语义结构，因此只需对计算机“稍加训练”，用人工智能系统取代人类反馈是很有可能的，而且其成本要比靠人打分低得多。通过深度学习几百万篇作文和相应的评分，人工智能很快就能掌握批改作文的套路。想一想，一名教师在从教的四十多年里可以阅读一万份作文，那么仅在几分钟内就读完上百万份作文的人工智能似乎经验更为丰富。而且确有实验表明，人工智能给出的分数与人类教师的几乎完全匹配。
从2017年秋季学期开始，密西根大学的教师就开始用计算机辅助给学生改论文作业了。这个由该校教师团队研发的辅助评分工具M-Write，利用文本自动分析技术，借助不同的算法(如词汇匹配、题目匹配)分析学生提交的文章内容，从而找到学生论文中存在的问题。此外，老师还能通过语义分析的结果，找到在写作上需要帮助的学生。不过在将最终评分反馈给学生之前，教师还需要先对计算机的打分结果进行核对，并进行一定的修正。
类似的应用中国高校也在尝试。2017学年末，浙江外国语学院国际学院的11位外国留学生完成了一份特别的中文试卷——批卷老师为来自阿里巴巴的人工智能系统。在这批试卷上，人工智能系统用代表不同意义的符号在试卷上精确地圈出外国留学生们的多词、缺词、错词和词序错误等错误的位置，完成了对作文的批改，其准确率和细致程度接近甚至超乎人类的水平。
