本书是学习与发展领域的一本兼具前瞻性与实操性的指南。作者Donald Clark旨在帮助读者穿透关于AI的夸大宣传，理性认识技术本质。本书系统驳斥了“机器人教师取代人类”的常见谬误，深入探讨了生成式AI背后的学习理论，并提供了从内容创作、聊天机器人应用到自适应学习、数据分析和伦理考量等全流程的实践方法。通过结合NHS、Netflix等真实案例，本书指导L＆D专业人士、HR及教育科技从业者，如何有效利用AI提升学习体验、个性化内容与评估效率，从而在职场学习场景中实现技术的负责任落地。本书读者对象为 学习与发展（L＆D）专业人士、人力资源从业者、教育科技专家、培训师、企业管理者，以及对人工智能在教育及职场培训领域应用感兴趣的高校研究者、教学设计人员以及政策制定者。

唐纳德?克拉克（Donald Clark），学习技术领域的国际知名思想家、企业家。1956年出生于现代AI研究的起点之年，在达特茅斯学院求学时首次接触计算机，从此投身于AI与学习交叉领域半个多世纪。20世纪80年代，他开发了早期智能辅导程序，后联合创立Epic plc，参与缔造英国在线学习行业。此后深耕自适应学习与AI驱动工具，主导的WildFire、CogBooks等项目多次荣获国际大奖。他活跃于全球讲坛，在数十个国家发表主题演讲，并著有《学习体验设计》《学习技术》《在元宇宙中学习》等多部作品。坚信AI正在从根本上重塑学习的本质与未来。
滕启明，北京大学博士，曾任IBM 研究部门 )高级技术主管，现为深信服科技 云原生首席架构师。曾获ubernetes社区贡献者奖、IBM杰出研究成就奖（表彰使用机器学习工具自动化IBM建议）、IBM开源认可计划（OSRP）奖等奖项、

目录

第1章 术人 // 1
技术革命 // 1
文化 // 4
哲学与数学 // 6
学习技术 // 7
结论 // 11
第2章 什么是AI // 12
AI的含义很宽泛 // 12
AI与智能 // 15
AI是一种没有理解力的能力 // 18
作为群体能力的AI // 20
AI能够学习 // 21
AI在学习中的应用 // 23
第3章 学习理论与AI // 26
生成式AI和学习 // 26
学习理论和生成式AI // 34
AI、语言和学习 // 47
学习设计 // 56
结论 // 58
第4章 AI是新的用户界面 // 59
隐形界面 // 62
学习界面 // 64
学习中的语音 // 65
AI界面与学习 // 67
低门槛、高上限、广空间 // 70
结论 // 74
第5章 教学 // 75
在学习中拟人化AI // 75
简化机器人谬误 // 76
教学与技术 // 79
使用AI开展教学活动 // 82
用于增强教学的AI // 85
第6章 全能教师 // 90
21世纪技能神话 // 90
人类例外主义 // 95
生产力 // 96
还剩下什么吗 // 97
全能教师的概念 // 100
通用教学 // 104
AI和情感 // 108
结论 // 111
第7章 聊天机器人 // 113
愚弄了所有人的教师机器人 // 114
聊天机器人和学习理论 // 117
聊天机器人在学习中的用途 // 120
构建聊天机器人 // 125
个性化的聊天机器人 // 126
聊天机器人的滥用 // 128
糟糕的机器人 // 129
谨慎 // 130
结论 // 131
第8章 AI与绩效支持 // 132
AI与非正规学习 // 133
AI与绩效支持 // 136
组织化的学习 // 138
结论 // 139
第9章 AI内容创作 // 140
学习科学 // 140
从头开始创作内容 // 143
提示词 // 144
学习科学和教育学 // 148
分支场景 // 152
AI用于敏捷生产 // 156
主题领域专家的消亡 // 157
视频与AI // 158
交替练习与分散练习 // 161
评估 // 164
结论 // 164
第10章 自适应学习 // 165
关于适应学习 // 165
自适应的类型 // 167
从LMS到AI // 171
结论 // 172
第11章 数据分析 // 174
数据来源 // 174
数据陷阱 // 175
数据类型 // 177
学习者和数据 // 179
学习分析 // 180
学习分析和组织变革 // 181
结论 // 183
第12章 AI学习组织 // 184
AI改变一切 // 184
AI战略 // 185
使用生成式AI // 186
AI与学习设计 // 188
AI与技术设计 // 192
AI与数据设计 // 193
AI与采购 // 194
结论 // 196
第13章 AI与伦理 // 197
道义论与功利论 // 199
伦理道德与监管 // 203
技术决定论 // 204
AI的发展 // 205
结论 // 212
第14章 AI与偏见 // 213
大脑与AI // 214
人类偏见与AI // 216
常见的指责 // 218
从统计学角度看AI // 222
避免偏见 // 223
教学领域的顾虑 // 224
第15章 AI与就业 // 227
“47%的工作将被自动化替代……” // 228
“今天65%的学生将从事尚不存在的工作……” // 230
AI的影响 // 230
生产力 // 232
创造力 // 233
职业与AI // 234
学习工作与AI // 235
就业率不足与失业问题 // 238
结论 // 241
第16章 AI与灭绝 // 242
反乌托邦或乌托邦 // 244
结论 // 250

第17章 接下来呢 // 251
科技 // 251
能源和排放问题 // 253
生物计算机 // 254
量子计算 // 255
核聚变 // 257
第18章 学习领域的前沿 // 260
AI学习 // 262
AI、AR和VR // 264
神经技术 // 265
第19章 跨越学习边界 // 269
教学边界 // 269
教育边界 // 271
认知边界 // 273
艺术边界 // 275
社交边界 // 277
来自边界的最终启示 // 278
参考资料 // 280
索引 // 293