人工智能教育现存的问题是什么？

教育创新与科技创新既是抗疫的有力工具，也正在成为新的经济增长点。在后疫情时代，社会将进入智能化和数字化快车道，线上力量正在兑换为线下力量，为构建基于智能技术的新型教育教学模式、教育服务供给方式，推动教育治理体系和治理能力的现代化，提供深度变革的内生力量。 现存三大问题 1.先天受限，落地迟缓

中肯来看，在目前的人工智能产业当中，金融、营销、安防、客服领域在IT基础设施、数据质量、对新技术的接受周期等人工智能发展基础条件方面表现较优，其商业化渗透率和对传统产业的提升程度较高。然而教育行业由于数据储备、数据感知、数据标准化受限，跨介质互联困难，情感计算与认知计算难以突破等约束条件，自然呈现的发展规律确实是慢一拍，迄今为止多数解决方案的落地效果仍然表现一般。校外教育方面，在线教学的用户体验粗糙且教学效果模糊，用户对新技术的接受周期较长，更加智能化的产品值得探索。而与此同时，校内师生的信息素养不高，且信息化设备使用频率较低，均导致核心教学数据缺失，加大了教育数据挖掘分析的难度。 2.重复建设，粗放演进

所谓重复体现在，当前“人工智能+教育”在所谓的“精准化监测与个性化评价”这一功能上，探索过于集中，用力过于聚焦，甚至少有过度监控、过度反馈、过度迎合的辩证性反思。而所谓粗放，是指当前教育口的这只“人工智能大筐”，实际上装进了与人工智能沾边或不沾的各类技术，装进了各路概念、噱头甚至利益诉求，实质的进步、真实的助力很大程度上被淹没在粗放的统计口径与表面的虚假繁荣里。在政策的大力支持与市场对智能化的强烈需求背景之下，“人工智能+教育”的政府采购模式和商业模式都亟待清晰化与规范化。