2026年9月8日至11日,UNESCO Digital Learning Week 联合国教科文组织数字学习周在法国巴黎UNESCO总部举行。本届大会以“Education in the age of AI: Facts | Frictions | Frontiers”为主题,汇聚来自全球的教育部长、高级别专家、科技行业代表、教育工作者与学生。会议首日,超过25位教育部长及代表通过联合声明,呼吁在人工智能时代继续将教育作为一项人权和共同利益加以维护,明确指出“若人工智能取代人际关系和人类判断,这对学习毫无助益”。作为全球教育领域最具影响力的多边对话平台之一,本届数字学习周聚焦agentic AI的崛起、AI主权、学生与教师主体性、个性化学习规模化等前沿议题。
本次大会汇聚来自全球的教育部长、高级别专家、科技行业代表、教育工作者,联合国教科文教育助理总干事、上海市原副市长、华东师范大学原校长陈群教授,联合国副秘书长Amandeep Singh Gill,阿联酋教育部长Sarah Al Amiri,可汗学院创始人及CEO Sal Khan,联合国教科文组织副总干事Åsa Regnér,巴西教育部副部长Rodolfo De Carvalo Cabral 等重磅嘉宾参会。其中,松鼠Ai联合创始人、国际CEO梁静博士受邀出席此次会议,发表 “From Precision Diagnosis to Scalable Impact: What AI Changes in Personalized Learning. 从精准诊断到规模化影响:AI 如何改变个性化学习” 主题演讲。

本届主题旨在辨析AI在教育中的真实成效、现实阻力与未来方向,核心议题涵盖agentic AI的崛起、AI主权、学生与教师主体性、个性化学习的规模化等。在这一高规格对话场域中,梁静博士的参与和发言,让全球教育界得以从大规模应用一线出发,理解AI如何更好地服务于人的发展。
01 从精准诊断到规模化影响:AI重塑个性化学习的核心逻辑
在演讲中,梁静博士聚焦“从精准诊断到规模化影响:AI如何改变个性化学习”,直面个性化教育长期面临的规模化困境,为这一难题提供了新的解题思路。

传统模式下,个性化学习往往依赖教师手动调整教学内容。这种方式在小规模场景中或许有效,却难以在大规模推广中持续奏效。松鼠Ai认为,破解这一困境的关键,在于让AI深度理解学习过程并实现精准诊断。为此,松鼠Ai打造多模态智适应教育大模型,借助微颗粒知识图谱与多模态数据分析,不仅能识别学生的知识漏洞,更能追溯漏洞背后的认知薄弱环节,从而动态生成专属学习路径。
这一从“诊断出哪里出错”到“理解为什么出错”的跃迁,让个性化教育不再依赖教师个人经验,更具备了可规模化复制的可能。松鼠Ai的MCM(学习思想、能力、方法)训练体系,正是这一路径的框架。随着AI导师与智能体AI逐步兴起,松鼠Ai的实践表明:规模化的关键不在于增加算力或用户数量,而在于让每个学习者都能获得精准、持续、有认知深度的支持。
02 人机协同与教育主权:规模化路径中的价值选择
在专题讨论中,梁静博士与来自OECD经济合作与发展组织、MIT麻省理工学院、斯坦福等机构的嘉宾围绕“个性化学习为何难以规模化推广:AI带来了什么改变”展开对话。讨论聚焦AI如何助力实现更精准、更具规模化能力的个性化学习,特别是在理解学习过程和诊断个体学习短板方面,以及如何将这些技术能力转化为覆盖不同教育体系的切实影响。
AI负责诊断、个性化教学和重复性分析,把教师从繁重事务中解放出来,让他们能够专注于学生情感激励、价值引领以及复杂情境中的判断与干预。在这种人机协同中,AI教育和教师角色皆被重新定义:AI作为“个性化学习引擎”提供深度洞察,教师成为“学习策略师”和“人生导师”。

面对“agentic AI”、“frugal AI”等前沿趋势,松鼠Ai坚持垂直教育大模型的路径。在松鼠Ai看来,教育需要精准、有价值的专业数据,通用模型的泛化能力难以满足这一要求。在AI主权与主体性成为全球议题的当下,这一路径选择背后,是对教育公共属性与人的发展的深层关怀。
当人工智能重塑全球教育格局,真正的变革不在于技术本身,而在于它能否让每个学习者被看见、被理解、被赋能。技术正成为激发人类潜能的战略性伙伴,而规模化个性化的最终目标,是让每个学习者都能在适合自己的节奏中成长。松鼠Ai的实践表明,AI与教育的深度融合,不仅是效率的提升,更是对“因材施教”这一教育理想的当代践行。此次分享展现了松鼠Ai在教育科技前沿的探索,也以其对“人的发展”的持续关注,为全球教育如何负责任地融合智能技术提供了重要参照。
(免责声明:本文为本网站出于广告目的进行转载发布,不代表本网站的观点及立场。本文所涉文、图、音视频等资料之一切权力和法律责任归材料提供方所有和承担。本网站对此咨询文字、图片等所有信息的真实性不作任何保证或承诺,亦不构成任何购买、投资等建议,据此操作者风险自担。)
评论