人类学习是一个复杂的，有时是神秘的过程。我们大多数人都曾经历过努力学习新事物的经历，但有时却几乎毫不费力地拾起了东西。如果计算机科学和心理学的融合可以帮助我们更多地了解人们的学习方式，并可以设计理想的课程，该怎么办?

在威斯康星大学麦迪逊分校计算机科学，心理学和教育心理学系的教授们的努力下，这一长期目标正在向现实迈进。他们的合作研究旨在为计算机科学家朱瑞(Jerry Zhu)所谓的“机器教学”开辟新局面，这是对更为熟悉的机器学习概念的一种扭曲。

“我希望机器教学能够对教育界产生影响。这与人们通常对教育的看法完全不同。”朱说。“它将为我们为真正的人类学生提供最佳的个性化课程。”

机器学习是计算机科学领域一个公认的子领域，专家可以在其中开发数学工具来帮助计算机从数据中学习并检测模式。机器学习者(计算机)就像一个学生。机器学习的目标是开发一种模型，该模型将在将来处理大型且通常不需要的数据集时被证明是有用的。机器学习可以辅助诸如语音识别之类的实际任务。

机器教学使这个概念浮出水面。机器教学安排中的研究人员已经知道他或她想给学习者留下什么样的知识，而不是处理数据池并且一开始不知道通过分析会揭示什么模式。

机器教学使用复杂的数学方法，使研究人员可以对实际的人类学生进行建模，并为他们设计最佳的课程。虽然在特定环境中“最佳”的定义取决于老师，但一个示例可能是确定特定学生掌握概念所需的最少练习次数。或者，如朱所言，“五个真正好的问题可以教这个材料，而不是二十个吗?”

尽管这项工作仍处于初期阶段，但它有巨大的潜力影响教育。

威斯康星大学麦迪逊分校的认知心理学教授，朱的合作者之一蒂莫西·罗杰斯(Timothy T. Rogers)解释了计算机科学和心理学是如何融合在一起的。

罗杰斯说：“为了使机器教学方法行之有效，它需要一个良好的学习者行为模型，即学习者的行为会随着不同类型的学习或实践经验而发生变化。” “此外，该模型需要是可计算的;它必须能够对学习者的行为做出具体的，定量的预测。”

罗杰斯以数学，科学和阅读为例说：“最终，我们希望这项工作可以用于帮助教师制定课程计划和课程，以促进广泛领域的学习。” “而且，同样重要的是，将学习的认知模型应用于现实世界问题的努力必将在我们对人们的整体学习方式的理解方面带来重要的新进展。”

朱伟今年初在德克萨斯州奥斯汀市举行的第29届人工智能年度会议上介绍了他的一些研究，该会议由人工智能发展协会组织。

威斯康星大学麦迪逊分校的两年种子资助目前支持这项工作。将来将寻求外部来源的资金。

“通过机器教学，从概念上讲它很容易，但是在现实世界中实施却极具挑战性。这是一项重大的任务。”朱说。

除了朱和罗杰斯之外，威斯康星大学的研究团队还包括计算机科学教授迈克尔·费里斯(Michael Ferris)，比尔格·穆特鲁(Bilge Mutlu)和斯蒂芬·赖特(Stephen Wright)。工程学教授罗布·诺瓦克(Rob Nowak);心理学教授玛莎·阿里巴利(Martha Alibali);教育心理学教授马丁·劳(Martina Rau)和珀西瓦尔·马修斯(Percival Matthews)。

机器教学探讨了基本的数学和科学概念。因此，该团队的研究在这个阶段是不限成员名额的。