当我们听到“机器人”这个词时，寻常的反应要么是担忧，要么是联想到娱乐。  担忧是因为像《终结者》和《我，机器人》里，机器可以代替他们的制造者决定自己什么时候行动，想到娱乐则是因为像《星球大战》和《机器人总动员》和他们可爱的形象，或者像卓别林搞笑的金属身躯。但对机器人的认识我们还不够客观，因为电影都集中在娱乐层面，而不是信息层面。机器人的真实的故事要复杂得多，并且值得关注。

   Elliott Masie，MASIE中心总裁兼首席执行官日前表示，“越来越多的人相信，我们开始进入一个时代，那就是技术（将）越来越能够理解我们如何学习。”LearnBots将站在这个时代的前沿。

什么是LearnBots？
   LearnBots是通过编程实现自动化的学习程序。例如，LearnBot可以跟踪你的学习历史，映射对你目前的学习需求，为你提供你所需要的学习干预措施，甚至提出方案，以增加相关的知识或在某个领域的专业技能。 这种类型程序的复杂型应用已经在市面上出现（比如亚马逊），学习行业也正在慢慢感受到这类程序的益处。不过随着时间推移，LearnBots能做的还有很多很多。

他们从哪儿来？
   LearnBots与电子绩效支持系统（Electronic Performance Support Systems : EPSSs）有很强的关联，电子绩效支持系统诞生于20世纪80年代末/ 90年代初。 EPSSs致力于减少甚至消除工作和学习之间的区别。最初，EPSSs专注提供给人们环境资源-敏感度的支持。现在，这一功能已经实现了自动化。鲍伯Mosher，APPLY Synergies的首席学习推广者，指出：“随着时间推移，这些技术只会变得更灵活，更有适应性。”
   LearnBots也和智能教学有着重要的关联。克拉克奎因，Quinnovation执行董事指出，“智能教学系统已经存在了几十年，是基于某个领域的专业知识的深层模型上进行适配的，最近，基于根据学习者特征的适配系统已经出现，而且现在有些商业人士开始瞄准将这两个元素结合起来的市场。”

但是，这些应用却迟迟没有流行开来。Clive Shepherd，The More Than Blended Learning（不止盲目学习）公司的创建人兼经经理，指出，“由于某些原因，我们将电脑的使用限制在了单纯的多媒体功能上，完全忽略了它们在提供个性化学习体验上的潜力，”即使在20世纪80年代，“智能教学曾取得过真正的进展”。幸运的是，他说，“......如果你等待足够长的时间，这一切将再度归来，而这一次，将很有可能稳固住地位。”

LearnBots在许多领域受益并且受到其发展的影响，包括：
•个性化/适配学习
•增加计算机能力，这反过来又会导致更高效的能力
•传感器和互联网（IOE）：收集到来自世界各地的信息，并不断更新
•大数据和预测分析：大量的信息收集来自传感器、IOE和使用这些信息来预测结果的程序
•合成生物学（包括情绪对接）：以电子/合成形式模拟现实，也用作现实对接。

鉴于其复杂性，在商业，科学，学术界和世界其他方面的发展将可能以令人惊讶的方式塑造出各代LearnBots。

为什么是LearnBots？
LearnBots可以：
•将基本的，重复性的和/或容易出错的学习发展任务自动化，让我们做其他（例如高阶）的活动
•收集和分析数据，以更好地进行学习管理
•弥补学习资源差距，向需要的人提供高质量的学习资源
•提高效率，减低达到学习目标所需的复杂性，时间和/或步骤
•提高学习质量，在提供个性化学习的同时提供适当的一致性
•提供学习功能性上的支持，例如计算机处理能力和速度
•实现适配学习和预测分析，例如语义搜索引擎优化和其他先进技术
•持续可用性

在未来，LearnBots还可以：
•自学，这样他们就可以不断提高
•提供逼真，极具吸引力和不断变化的模拟；设计学习活动，从而能够启发参与者获得新见解，机遇和解决方案
•扩展学习的定义
•扩大学习的影响
•帮助我们用不同的方式思考世界，帮助我们使世界变得更美好

他们会随时间而变化？
   个性化，适配化学习，增加计算机能力，传感器等现象塑造了第一代LearnBots – 现在已经面世。这些LearnBots可以基于EPSS做出改进，或帮助一个学习管理系统（LMS）有更好的表现。这一代LearnBots将创建学习效率的新标准，但他们仅仅是个开始。

建立在我们从第一代学到的经验，同时应用数学进展，数据科学，心理学等多个领域科学，第二代LearnBots将会明白（如果不是控制的话），人个性的微妙之处，特别是自然语言。他们将使用这些知识来推动和不断强化仿真，这将测试到人的潜能。

然而，依旧还会存在限制。第二代LearnBot仍然将是幕后操作，智能机器语言由科学家开发的，但会由机器本身加以不断提高。这将成为有效性的障碍，但日后仍然会有更多的进步出现。

第三代LearnBots将成为实际的、合成的教师。他们会有超强的能力去理解他们的学生，根据他们特有的行为和特点提供无与伦比的学习体验。这些LearnBots将采用启发式的一种高级形式，产生深刻和新颖的见解，反过来，就会转变成前所未有的学习体验。这些体验可能改变了人们看世界和生活的方式。如果LearnBots发挥了这些潜力，影响将是变革性的。

他们现在为什么还不盛行？
   Julie Dirksen，Usable Learning的学习策略顾问，说：“我一直困惑于这个事实，就是在学习领域运用推荐引擎非常罕见。推荐引擎正在被越来越频繁地运用在零售，社交媒体和网络搜索。这似乎是一个学习天造地设的技术，但迄今为止我很少见到。可能我们在被锁定学习的内容上还要做些什么，我们的管理学习内容的管理也需要改进。”

除了学习内容的上的问题，还有其他至少两个原因使得LearnBots没有普及。
首先，成功的LearnBot开发需要两个独立的，不同的学科的积极合作：学习（教育）科学和数据科学。 曾有过先例，需要这种跨学科合作（例如，在过去几十年学习技术所做的工作）。然而，到目前为止，对LearnBots的工作一直分离的和受到局限的。两组学科人员来自不同的学校，在不同的行业工作，有不同的说话方式。我们需要一批LearnBot科学家用正确的学术能力和专业技术来胜任这一跨学科的角色，而且，考虑到LearnBot的潜力，这个行业是有可能发展的。

第二，创造LearnBots是困难的。他们支持人类大脑的重要功能。如物理学家Michio Kaku博士指出，人类的大脑“是在已知的宇宙中最复杂的对象。”通过机器人有效地学习数学是一个正在进展中的工作，而且这一阶段还会保持一段时间。此外，生产第三甚至第二代LearnBots所需要的技术，才刚刚兴起。因此，如果要让LearnBot达到和人类一样的思考，观察和行为模式，还需要很多年。

LearnBots的未来将是怎样？
   Craig Weiss是E-learning 的CEO，博客，演讲者和分析师，他持谨慎态度：“我认为这将取决于是否测试和L＆D部门看到LearBots可以做什么，更重要的是，管理员能够调整算法的比例和权重有多少。如果LearnBot不允许任何修改，或者归属于某一个组织，这将是个问题。”

一些Weiss的同事都比较乐观。Clark Quinn说，“内容语义挖掘的潜力正在变强，这提供了能满足情境化的学习需求的可能，并且无需人工干预，虽然混合解决方案很可能是更好的选择。不过，我们已经看到了这种苗头出现， 一个无处不在的永远在线的学习导师概念可以（在未来五到十年）就修成正果。”Ryan Tracey，AMP的电子学习经理，同样认为LearnBots将有可能更为普遍，但告诫说：“如果你需要一个电子工程博士来教你......这项技术将停留在一个少数人的领域，只有他们付得起高昂的资金让别人来为他们这样做出这种技术。”

由于LearnBots有节省时间，金钱和精力的潜力，并且在不断提高他们的按需服务能力，商业将推动科学和学习教育领域找到一种方法，使他们得以运行。它会发生在未来3年？ 5年？10年？敬请关注！

本文作者詹姆斯J.史密斯曾在Accenture工作19年，目前是学习工程师/商业顾问。他拥有超过30年的学习设计/开发和程序/项目管理工作经验，与多家世界500强和全球大型客户合作。