AI让“中国式教育”的优势荡然无存
即使以上“AI能在创造力上超越（大部分）人类”的技术命题为真，或许还不足以证明机器人能在需要“即兴交互”的授课场景中做到完美，况且教育之于不同地区和人的习惯和意义都各有差异。
然而，至少从中国教育目前的特点来看，AI的出现至少已经在教育思路上对现行的教育状态发起了挑战。
清华大学经济管理学院院长钱颖一曾在一篇演讲中提及中国教育的特点。
他指出，中国教育的最大问题是我们对教育从认知到实践都存在一种系统性偏差，“这个偏差就是我们把教育等同于知识，并局限于知识。高考也是考知识，所以知识就几乎成了教育的全部内容”。
“而死记硬背、大量做题正是我们目前培养学生的通常做法”，钱颖一强调。
更引人担忧的是，原本被社会大众殷切的赋予个性化、创造力期望的知识教授者们，目前在教学队伍的培养当中也局部呈现出一种“流水线生产式”的生产态势。
起风财经曾卧底某以青少年应试教育为主营业务的课外培训机构进行走访调查，发现此类连锁培训机构的师资队伍中，存在大量非科班、兼职教学的情况。而该培训机构对外的承诺则是，机构中所有的教学人员皆为资质过硬的在职教师。
为了安排此类非科班出身的兼职老师尽快“上手”，机构对其进行的培训流程堪称“高效”。以语文科目为例，培训机构的教案编辑团队会编制一本特殊的教案，其中逐句逐段的标注、注释了教学重点，“我们老板的要求是，任何人一看，不用备课就能讲出东西来”，该负责人称。
当学生乃至教师都或多或少表现出严重程式化的教育人格后，人和机器的边界开始变得模糊。
钱颖一指出，人工智能本身就是通过机器进行深度学习来工作，而这种学习过程恰是在大量地识别和记忆已有的知识积累。从这个角度出发，人工智能可以替代甚至超越那些通过死记硬背、大量做题而掌握知识的人脑。
而且事实证明，人工智能在和中国特色“填鸭教育”的契合度上早已取得了不错的表现。
2017年高考第一天，一台名为“Al－Maths”的人工智能机器人和考生一起参加了数学考试，其在22分钟时间内完成了北京文科数学试卷，得分105分（满分150分）。而另一台人工智能教育机器人Aidam则对阵了6名来自不同地区的前文理科状元，在数学答题中，Aidam拿到了134分（满分150分）。
在传统教育机械化、竞争力普遍不强的情况下，AI的固有储备优势已经初步显现，并且已经通过“一对一AI教学”的理念提出了“因材施教”的命题。
“AI可以对孩子的知识点进行扫描，知道他们的知识体量，知道应该学多少，然后制定一些与分数对应的目标计划。还有，不同的孩子对不同的知识点学习的时间不一样，学霸也有要学很久的知识点。既然每个孩子都有不可知的学习时间的云图，就不应该把所有孩子都放在45分钟的课堂上，甚至不应该把两个孩子放在同一间教室中去学习”，栗浩洋如是说。
与此同时，让人担忧的还有AI的交互和输出能力。
2018年6月，IBM人工智能产品“Project Debater”与两位经验丰富的辩手分别进行较量，最终在两场由观众投票的辩论中赢得了其中一场。
根据IBM人工智能研发人员的分析，机器人接到辩题之后首先会努力理解辩题的意义，然后扫描几亿篇文章找到潜在的论据用来构成辩护材料，其间，辩论机器人采用独有的自然语言处理方式、机器学习和推理技巧，在了解辩题的潜在主题的基础上，将论据组织得有效且有说服力。
而在真实的辩论场景中，人类对手语速极快，并且会提出复杂的论据；这时候人工智能不仅要充分理解对手的核心思想，还要根据听到的内容组织驳辩。
对此，IBM的研发人员把机器的搜索模式改成了研究模式，促使机器对命题进行研究，从而比搜索更深一个层次。“搜索一个主题会搜出一个清单，如果以研究的方式去处理一个主题就能得出正反两方的论据”。
让人惊喜的是，Debater除了可以进行精准的抗辩，还可以遵循人类的语言逻辑开适当的玩笑。比如在“政府是否应该增加空间探索的费用”的辩题中，Debater说，“这个辩论对我来说尤其关乎我的命运，但是我不能兴奋的热血沸腾，因为我没有血”。
可以说，从辩论的表现来看，人工智能在语言理解和交互能力方面已经展现出更多可能。
“改变整个教育体系，这不是哪一个公司能做到的”
AI机器人代替人类老师并没有成为既定结果，但的确存在技术上的可期，甚至价值上的启发。事实上，在政策、消费和技术的推动之下，国内人工智能的设想和研发进程都不断在出现新的进展。
据此前《2018－2023年中国人工智能行业市场前景及投资机会研究报告》数据显示，2017年中国人工智能投资事件数达到353次，投资金额为582亿元，后者与2016年相比增长65．34％。此外，随着人工智能技术的逐渐成熟，科技、制造业等业界巨头布局的深入，应用场景不断扩展，预计2018年中国人工智能市场规模有望突破200亿元，达到238．2亿元，增长率达到56．6％。
当然，人工智能和所有产业的发展一样，都无法倚靠单一力量一蹴而就。
在今年6月的IEEE SMC学会上，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃在接受媒体采访时表示，人工智能最核心的是人才问题。据不完全统计，目前美中两国的人工智能的人才比例约为13 ： 1。
王飞跃认为，人工智能的人才培养需要一个应用场景和一个平台来推动，然后立即转到行业开发中去、把各种各样的应用场景做起来。
他同时强调，这不是一个公司可以凭一己之力完成的。
“现在的学校，现在教的东西，跟未来的时代脱节极其严重，这需要改变整个教育体系，这不是哪一个公司能做到的，将来会是一个社会运动”，王飞跃称。
提到“人工智能＋教育”，王飞跃直言，“我们现在的老师一定程度上只能在未来的学校做辅导员，我们需要大批的辅导让学生克服这种心理上、文化上的障碍。我们需要新的老师，能教智能产业、给智能产业提供基础的老师。”
