人工智能在大学学生管理方面已经广泛应用，包括了解学生每天生活工作的情况，预测情景、去图书馆情况、吃饭规律等，大概都能预判。但是目前的人工智能本身面临升级换代的问题。

以深度学习技术为基础的人工智能只模拟了人脑分层结构，属于人智能中很小的一部分，还需要进一步发展。现在全球开始集中研究比人工智能更高级的“类脑”智能，国家应该下大力气支持。

在全国两会提的是“智能+”，当然可以加到教育里面来，现在以深度学习为代表的人工智能的应用，下一步要更广更宽的应用。

有一个案例讲通过信息技术监测学生的考勤，发现有学生连续一个月都是一个人去做事，老师担心其跟同伴不合。而科学研究表明很多天才或者出类拔萃的人物，在学生时代就显示出和别人不是很密接触的状态。从这个角度讲，这种案例能不能进行分析?

　　刚才说到这个情况是存在的，有不同的人格和特点是很正常的。在教育中存在许多运用这种监测分析技术的例子。

比如在管理方面，某些大学通过监测学生一学期或者三个月的消费情况，发现有些女生消费很少，这个时候可以分析这些女生是因为减肥还是家庭困难，校方就可以通过及时发出提醒来确认具体原因;如果是有困难，就可以进一步提供帮助。

再比如在教学方面，通过数据采集和分析技术，帮助教师全方位了解学生。过去只是关注学生的知识掌握度、考试水平，现在还可以分析学生的学习方法、学习特征，可以更多地辅助“因材施教”的实施。

　　智慧学习更多地指智慧学习环境。环境可以改变和塑造人的行为，但这不仅指设备和环境的条件，还包括很多人文氛围和行为方式。现在我们只考虑学校中的学习就有点儿窄化了，因为家庭、社会场馆、工作场所等都是典型的学习场域。我们把“智慧教育”“智慧学习环境”纳入到“智慧城市”中，可以帮助提升学校教育的地位，有助于拓展学习场域。

但通过分析发现，现在将“智慧学习环境”纳入“智慧城市”建设的不足三分之一。另外在建设新的环境或者使用新的技术时，应该把更多的精力放到技术、工具和环境的用户体验上，避免增加教师的负担。