未来AI教育的发展关键
①制定人工智能教育的白皮书，就像教授多年前指定的机器学习的白皮书称为全球技术的指导规范那样，成为全球AI教育的工作标准。
②优化现有的AI算法模型，在利用实时动态数据（学生学习时候的正答率、时间、表情、脑电波等等）不断调整学生的动态学习目标和推荐给学生的学习内容（视频、动画、讲义、题目、解析等）时，可以更加精准，让效果更加突出。
③尝试教授近几年研究的重点课题，用人机对话来使用户可以教授机器，从而颠覆过去机器学习只能够依靠算法自我进化的现状。采用类似人类大脑的学习方式，让机器从每一次被指导中直接学习，就像一个人对GPS导航的一次错误的直接矫正可以省去百万数据量下机器学习的优化一样，每个学生、老师都可以通过和机器做简单的结构化的对话来高效完善机器学习本身。
教育数据对AI的作用
在教育行业，人工智能不仅被用来节省教师人力、提高教学效率，而且可以驱动教学方式的变革。以人工智能驱动个性化教育为例，收集学生作业、课堂行为、考试等数据，对不同学生的学情进行个性化诊断，并进一步为每个学生制定有针对性的辅导和练习，从而实现因材施教。
AI老师的基因是数据。充分了解孩子之后，AI老师就能够因材施教地给孩子配置学习内容、学习进度，实现千人千面的学校教育。这样，AI老师就可以让孩子在学习中，用更短的时间达到更大的学习成果。它可以为每个孩子的千人千面学生画像去配置数千上万种学习计划。学习计划包括学习目标、学习路径、学习内容，从而让孩子达到一个更高的学习效率，让问题的解决达到最好的效果。
AI助力技术和教育跨界
①行业的跨界一定是未来世界的趋势，只是我国现在还处在摸索阶段，特别是把技术和教育能完美结合起来。
现在大多满足的是知识领域的需求，当知识产生的那一刻已经是过去式，我们现在大多的教学中知识学习的占比非常大，但这不是教育真正的意义，教育是在培养能适应未来创造未来的人才，需要的是具有创造力的人才，跨界的人才，我们的教育不能仅停留在每天学习被淘汰的知识层面，这一点需要太多的教育者反思。
②技术和教育本身都是一个非常复杂系统的东西，而且内核不同，这就好比如何用物理角度表达人文学科的理论，到底是应该从教育的角度出发，匹配相应的智能技术；还是从一个智能技术出发，设计满足相应的教育需求。双方会本能地倾向于自己的专业领域，这是人的局限性。所以需要双方多去了解对方的内核，这需要时间去好好做功课。毕竟只有真正了解精髓才能让呈现的作品体现出技术和教育结合后的核聚变效应。
情感的课堂 VS AI的机器
一直以来，教育，尤其是基础教育领域的教育，需要更多的情感交流。所以和学生打交道时，除了教授知识、技能，更重要的是懂学生的情绪。
课堂容量越大，孩子越不喜欢，教学效果越不好。这个效果不好就是没有适时对学生的情绪做出反馈并调整教授策略。上课的时候，经过大量备课与准备的教师滔滔不绝地讲课，但学生却因没心情、没兴趣等因素，无法将这些知识完全接受。
AI发展的过程中，机器如何实现跟人进行一些情感上的交流就是问题之一。目前的AI教育技术很难复制教师的行为模型，现实中的教师可以通过自己的课堂行动适应挑战，并在情感上做出适当的回复，而这一点很难由人工智能体系重新创建。但显然，情感化和社会化问题仍是目前AI教育存在的普遍问题，如何做到AI的情感化沟通依然仍重而道远。
总结
技术发展的愿景和初衷是好的，人工智能也一样，它的研发初衷是为了把人从简单、机械、繁琐的工作中解放出来，然后从事更具创造性的工作。教育人工智能的使命应该是让教师腾出更多地时间和精力，创新教育内容、改革教学方法，让教育这件事变得更好。
人工智能在教书的方式方法和效率上会带来一场革命，老师将变为一个知识整合者，而不再是知识传授者，将帮助学生从互联网纷繁复杂的文字、图片、音频、虚拟等信息中筛选出优质内容。只有AI+教育回归教育内容本身，靠教育的内容取胜，而这也是真正大规模、系统化、标准化地使用人工智能技术的开始。