（文章來源：人人都是產(chǎn)品經(jīng)理）

時下的人工智能教育是社會的一個熱點、甚至是一個風(fēng)口。那人工智能教育到底是什么呢？

從兩個賽道的劃分，顯而易見人工智能教育有兩種不同的教育模式。但，不管是第一個賽道的K12人工智能教育，還是第二個賽道以STEAM教育著稱的人工智能教育，他們都圍繞著學(xué)生與學(xué)習(xí)。換句話說不管任何形式的人工智能教育都無法脫離學(xué)生與學(xué)習(xí)兩者的關(guān)系。

從經(jīng)濟學(xué)上來講，一旦供需失衡，整個市場就會產(chǎn)生動蕩以至經(jīng)濟下行。同理，教育失衡，人才培養(yǎng)、人才供應(yīng)就會出現(xiàn)問題。也不妨從比較實際的假設(shè)來看，假如個性化的學(xué)習(xí)或者機器的教學(xué)比教師教授來得更有效率，能取得更好的成績，那這個更私人化的機器或許就會讓教師“失寵”，那對學(xué)生有人生意義的啟發(fā)和引導(dǎo)的任務(wù)，教師還能夠繼續(xù)嗎？

同樣，從長遠來看STEAM的人工智能教育，STEAM教育的風(fēng)口必將催生越來越多不同形態(tài)各式各樣的入局者。現(xiàn)在假設(shè)，每位學(xué)生都有機會接觸很多不同類型的產(chǎn)品，那人工智能知識會不會像現(xiàn)在移動互聯(lián)網(wǎng)的信息一樣，碎片化、內(nèi)容參差不齊。而，對于辨別力還不是很敏捷的中小學(xué)生來說，人工智能的哪些知識是值得學(xué)習(xí)的、哪些是沒必要深入的，我想他們可能分辨不出。

所以，人工智能教育的本質(zhì)還是教育，教育就必須得圍繞學(xué)生與學(xué)習(xí)。不管是AI時代的AI教育也好，或者是未來時代的未來式教育也罷，學(xué)生與學(xué)習(xí)之間的關(guān)系都是永恒的，是學(xué)生就一定得學(xué)習(xí)，要學(xué)習(xí)就要把自己當(dāng)做學(xué)生。由此，本文將從7種新的學(xué)習(xí)方式，來聊聊新的學(xué)習(xí)方式對學(xué)生學(xué)習(xí)有何影響。

何為新的學(xué)習(xí)方式，顧名思義就是跟傳統(tǒng)學(xué)習(xí)方式有差異的地方，而傳統(tǒng)的學(xué)習(xí)方式就是我們耳熟能詳?shù)囊詰?yīng)試為主的先教后學(xué)再考、題海戰(zhàn)術(shù)、千人一面的PPT的教學(xué)方案、唯分數(shù)唯成績論的學(xué)習(xí)。反觀，一直以來推行的素質(zhì)教育，以先學(xué)后教再測的翻轉(zhuǎn)課堂、慕課，以千人千面的個性化學(xué)習(xí)，以資源共享、網(wǎng)絡(luò)協(xié)同的雙師課堂教學(xué)模式為代表的所謂新型的學(xué)習(xí)方式。

除了應(yīng)對應(yīng)試教育的個性化學(xué)習(xí)方式之外，當(dāng)下的素質(zhì)教育、人工智能教育還需哪些學(xué)習(xí)方式才能夠在教學(xué)模式、教育理念上進行變革呢？或許，還有這幾個學(xué)習(xí)方式需要我們關(guān)注，游戲化、社交化、協(xié)作型、問題式、自主型、探究型、項目式等7個。其中，可根據(jù)學(xué)生與學(xué)習(xí)的關(guān)系，將上述學(xué)習(xí)方式劃分成學(xué)習(xí)心理、群體心理、教學(xué)心理這三類，依次對應(yīng)：游戲化、自主型；社交化、協(xié)作型；項目式、探究型、問題式。

對此，游戲化的學(xué)習(xí)體驗，相信能夠引起學(xué)生的關(guān)注、興趣、向往。諸如：現(xiàn)在的少兒英語、少兒編程、早教等產(chǎn)品很多都利用游戲化的元素，結(jié)合游戲通關(guān)的機制來觸達用戶。自主型，顯然是讓學(xué)生有權(quán)利選擇自己感興趣的事物進行學(xué)習(xí)，而在應(yīng)試教育體制下，學(xué)生的選擇余地并不大，他們除了為考試而學(xué)習(xí)外，做其他事情似乎得不到父母支持，甚至被受限。

團隊的形成或許正是這一流程，想想學(xué)生們參加的競賽為什么大多是團隊式的，從政府頂層設(shè)計的目當(dāng)然是促進學(xué)生之間協(xié)作的教育目的，但要是從學(xué)生的角度來看，其實是因為比賽是競爭式的，所以需要站隊，結(jié)伴而行。這也就是為什么學(xué)生們要尋求參賽團隊的根本原因。

顯然，團隊存在的目的不單純是為了在氣勢壓倒一切，競爭意識是觸發(fā)形成團隊的因子。而團隊的真正建立，是要經(jīng)歷一場甚至多場賽事的磨合，才逐漸清楚哪些人適合這個團隊，團隊中的每個人依依適合什么角色，扮演什么角色才能夠發(fā)揮他們各自的競爭力。

所以，在實際的教學(xué)中，實際的創(chuàng)作過程中，我們應(yīng)該教授他們將人工智能的知識深入到實際場景中，在實際的環(huán)境中發(fā)現(xiàn)應(yīng)用最關(guān)鍵的問題，發(fā)現(xiàn)產(chǎn)品最本質(zhì)的問題。也就是應(yīng)對每一個項目、每一份作品、每一個應(yīng)用時，需圍繞應(yīng)用最核心的部分，多多質(zhì)疑，多多提出問題，多問為什么，以使來反復(fù)校正自己的對應(yīng)用的認知。

正如前面提到，當(dāng)AI產(chǎn)品越來越多樣，越來越雜亂時，學(xué)生怎么辨別出哪些東西該學(xué)，哪些不該學(xué)。我想，此刻的答案應(yīng)該是，學(xué)那些離我們實際場景最近，對實際應(yīng)用最契合的知識。反觀，現(xiàn)在編程教育、人工智能教育，它們離掌握實際的人工智能技術(shù)、應(yīng)用到底有多遠呢？希望引發(fā)你的質(zhì)疑。