材料一：

网络在线学习，因为少了在途时间，获得知识更便捷、省时、省钱，赢得了学生和家长的厚爱。再加上通过前沿技术的使用带来更好的教学互动与体验，使教师授课效果更好。但是，在线教育也带来了一定的问题，有的甚至很令人担忧。在线教育不应仅仅是将线下教育通过录像、录音简单上传至网络，而且要根据在线教育的内容和受教育者的年龄特征等，釆取受教育者喜欢又能够接受的方式方法，满足受教育者的求知欲。在线教育者眼里有学生，心里有分寸，做到想学生所想，在线教育才会更上一个台阶。不要把在线教育变成冰冷的机器人教学，也不要吸收网络隔空对话油腔滑调、想当然的手法，甚至把低俗当有趣。另外，行业竞争激烈却又缺乏有效监管时，在线教育各种过度营销、虚假宣传、提前“抢跑”、“名师”掺假注水等乱象就涌现出来。

(《在线教育要多点温度和责任》）

材料二：

图表1：中国在线教育用户使用率与用户规模统计

图表2：中国直播互动类教学的组成

（ 摘编自相关公开资料）

材料三：

根据公开数据统计，在今年上半年，国内各家K12领域的创业公司，累计获得融资已经超过 5亿美元，K12领域也成了投资人热捧的风口。K12，是教育领域对“从幼儿园到高中”的专有名词，其实就是基础教育领域。但是，投资人和创业者需要意识到，与其他互联网产品的最大不同点，是买单者并非产品或服务的享用者。 K12 的实际买单者，是家长而非学生本身。因此K12的发展，还取决于家长对其态度，而非现有的点击量和融资额。另外，不妨将眼界放远，未来最大的蓝海，不能将目光仅盯在K12，而是扩大视角，如“18+”，即高考之后的大学生，以及职场人士。因为，这些人群的触网时间相对自由，财务也有自我支配余地，更为关键的是，入读大学之后的考试，不论是英语、考研考公考证，往往是省级乃至全国级的统一性考试。

（摘编自《在线教育，需要的不只是互联网思维》）

材料四：

大数据和云计算将海量的数据和用户需求进行高效的处理，创造出良好的用户体验。而AI技术又进一步发现、判断、分析并最终解决用户的隐性需求和衍生型需求，这既能扩展厂商的业务范围和盈利空间，还在一定程度上推动整体市场规模的扩大。此外， AR 等沉浸感强的新兴技术，为实操性强或场景化要求高的学科也创造了新的机遇，不断丰富学科内容和教学形式。同时，教育直播互动的推广打破了时空的界限，也加快了向三四线城市及以下城市转移的进程，多样化可自主选择的教学模式不断满足着变化多端的用户需求。知识付费模式的发展，用户知识付费习惯的培养也推动着教育厂商不断深挖垂直场景需求，大范围个性化教学将在技术的不断迭代及应用推广中成为可能。

（摘编自《监管发力促行业规范化发展》）

据初步测算，2017年，全球人工智能市场规模约为2000亿元。预计到2020年，全球人工智能市场规模将达到3700亿元，年均增速约20%，中国人工智能市场规模将达到约330亿元，年均增速将达到35%。其中，语音服务的市场规模将达到160亿元，约占到全部市场的一半。

“人工智能在与传统产业融合并加快传统产业智能化转型过程中，形成了智能网联汽车、智能服务机器人、智能家居、智能装备、智能制造等诸多新产业新业态新模式。这些新产业、新业态、新模式迅速发展壮大，拓宽了人工智能的发展空间，正成为重要的经济新增长点。”吕海霞说。

2017年7月份，国务院发布的《新一代人工智能发展规划》将“培育高端高效的智能经济”作为我国未来一段时间发展人工智能的一项重点任务，并提出要加快培育具有重大引领带动作用的人工智能产业，促进人工智能与各产业领城深度融合，形成数据驱动、人机协同、跨界融合、共创分享的智能经济形态。

（摘编自《经济日报》2018年12月11日）

“应该鼓励科研人员瞄准人工智能学科前沿方向，开展引领性原创科学研究，通过人工智能与脑认知、神经科学、心理学等学科的交叉融合，重点聚焦人工智能领域的重大基础性科学问题，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。”中科院院士谭铁牛说。

专家指出，攻克人工智能的关键核心技术，除了寻求前沿基础理论的突破，还应重视基础硬件研发、支撑系统研发、生态构建以及研发心态调整。受访专家还指出，我国入门级人工智能人才比较丰富，但具有国际影响力的人才稀缺、高水平人才匮乏，必须建设完备的人工智能人才体系。

（摘编自《人民日报》2018年12月3日）

伴随人工智能的高歌猛进，相关的“噪音”也越来越多，比如数据隐私、AI偏见、A1造反……相关话题引发了数次讨论甚至恐慌，人们开始疑问：AI是不是太强了？它会失控吗？麻省理工学院媒体实验室曾出品一个名叫诺曼的“暗黑版AI”，它会以负面想法来理解它看到的图片。团队希望通过诺曼的表现提醒世人：用来教导或训练机器学习算法的数据，会对AI的行为造成显著影响。但其实，这其中的罪魁祸首往往不是算法本身，而是带有偏差、偏见的数据。

还有一个重要的忧虑来自隐私，目前，国内从消费电子领域到安保、数字金融等领域都在逐步引入人脸识别，特别是随着“刷脸支付”的普及，用户的姓名、性别、年龄、职业等身份信息，甚至用户在不同情境状态下的情绪等信息都被机器收集。这些信息如果得不到妥善保管而被泄露，用户个人信息就处在“裸奔”状态。

（摘编自《科技日报》2018年12月24日）

完善与人工智能相关的法律法规，关键在于明确归责原则：一旦问题出现，哪些是人的责任，哪些是算法的责任？归责原则实际上就是对算法做出评价，而算法本身并不透明，如何对其进行评估？对此有三种解决方案：不用算法，使算法透明，审查算法输出。完全避免算法不现实，除了算法，几乎没有其他工具可以处理大量的数据。而算法透明化则难以操作，这相当于要求普通人也能理解算法。因此审查算法输出是目前的最佳方案。这一方案的要义在于，不管算法的内在工作机制，只根据其结果的公正性对其进行评价。在此方案下，监管成本更低，可操作性更强，归责原则的确定也更明确，具有立法实践的意义。

（摘编自《人民日报》2018年11月1日）