直到80年代，人工智能才开始有了一些产业化的应用，出现了一种被称为“专家系统”的东西，“专家系统”可以通过不断的收集数据建立数据库，形成自己的一套判断机制，根据不同用户出现的问题提供相应的解决方案。“专家系统”的应用领域很多，比如在医疗领域可以进行简单的辅助诊断，判断疾病成因或提供治疗建议，或者在大型设备上的故障自检，根据自检结果提供维修方案。虽然在这个阶段，人工智能已经开始转向实用，但是其发展仍面临巨大的障碍，首当其冲的是作为人工智能载体的第五代计算机的发展并未取得成功，另一个是由于互联网还处于萌芽阶段，无法帮助人工智能获得足够大量的数据用于加工和分析。总而言之，在这个阶段人工智能已有了长足的发展，但是仍未取得飞跃式的进步。

　　第三个阶段自2000年开始，这一阶段是人工智能爆发式发展的时期，首先就是因为互联网的发展成熟。我们如今在讨论人工智能的时候必然会聊到人工智能的机器学习，这个过程是需要大量的数据支撑的，比如说AlphaGO能进化到现在这个水平，是因为它进行了数十亿次自我对决才实现的。互联网的成熟使得大量的线上数据收集成为可能，为人工智能的自我学习提供了足够多的素材，另一方面线下的传感器的覆盖范围也变得前所未有的广，也为线下的收集数据提供了硬件基础。在这个阶段，数据采集不再成为问题，通过设计算法就可以对这些收集到的数据进行加工和分析，然后才能进入到深度学习的阶段，人工智能也才会有可能获得我们所期待的能力。

　　了解了人工智能的发展脉络，我们再回过头来看看人工智能的定义吧，人工智能并非是一个独立的概念，而是多种应用的结合体，比如语音识别、图像识别、文本理解与内容生成等技术，这些技术可以根据行业的特典进行有效的适配结合，也就是行业领域内的人工智能应用。人工智能大体上可以根据发展的不同程度分为四类，分别是：响应式机器，IBM的超级电脑“深蓝”就是这一类的典型代表；有限记忆机器，这类AI可以短暂回顾过去的经验，无人驾驶汽车已经可以做到这一点；心智理论机器，未来AI机器将不仅自己建立模拟世界，还会模拟世界上其他对象和实体；最后是自我意识机器，是心智理论机器的延伸，具有自我意识的机器，也就是我们在电影中经常看到的像人一样思考的机器人。

　　其实后面两类人工智能其实离我们还有一段距离，那么在前两个模式下，在教育领域里能有哪些应用呢，我总结了五点，分别是自动批改作业、个性化学习、智能辅助系统互动学习环境、对教学体系进行反馈和评测以及通过仿真游戏学习。

　　自动批改作业是一个比较容易理解的概念，主要涉及到的技术包括语音识别、字体识别以及文本理解，客观题的自动批改几乎没有任何难度，和上文提到的“专家系统”没有本质区别，主要难点是主观题的评判。目前中国走在语音识别最前沿的科大讯飞已经开始和新东方合作，准备要在英语口语考试以及作文考试方面做一些结合和应用。我个人最近也接触了一家做自动批改作文的创业公司，他们整理了76个作文相关的知识点，通过人工智能进行判卷的准确率已经非常高了，不过由于目前高考作文仍然是手写答卷，而他们的系统手写字体识别准确率只达到了97%，这一点让他们参与高考判卷遇到了巨大阻碍，但是如果仅是在教学日常中使用，配合教师的校对，已经完全能够大规模推广使用了。所以我还是认为目前有些人工智能的发展还是受限于数据的采集，而算法方面的问题已经不大。