个性化学习既是人工智能时代人才培养的需要，也是开放大学2.0最重要的特征。从培养目标的个性化，到学习路径、教学方式、学习内容、学习评价的个性化，人工智能让学习者得到了无与伦比的个性化学习体验，这是传统的学校教育与现有开放大学无法企及的。
2.学习过程可视化
学习过程的可视化也是开放大学2.0教与学的主要特征。在线智能学习系统等可以通过各种可视化技术，把巨大、繁杂和难于理解的数据可视化，精准提供给教师和学习者。学习者能够直观发现自己的学习情况， 有效地进行理解和学习；教师也可以非常直观地了解每个学习者的学习动态，便于及时给予干预。比如，智能识别技术会对学习者的学习进行全过程监测，通过建立学习者数字化肖像，从收看学习材料，到综合评价，人工智能随时都对学习者进行识别。谁在学，学什么，是如何学的，学得怎么样，学习心情怎样，这些学习情况都可以可视化输出，从而可以保证对学习者的整个学习过程动态参与，确保学习质量。
3.学习评价全程化
对学习者的学习过程进行全程评价，是与上面的全程跟踪学习者的学习状态相对应的，目的在于及时改进教学，这是开放大学2.0的重要手段之一。从学习者开始课程学习起，智能学习系统无时不在对学习者的各项行为指标进行检测，不论是学习状态情况，还是注意力情况以及心理状况。通过实时监测，不断计算学习者的学习表现和学习目标之间是否存在差距。一旦学习表现低于学习目标，系统就会降低难度精准推送学习资料，若学习者对智能学习系统的推送的学习资料表现出困难，则推送可视化报告给教师，由教师制定个性化的辅导策略，开展线上和线下辅导。
4.线下交互社交化
长时间的线上学习可能会影响到学生正确地感知真实的社会关系和自我角色。因此，通过线下活动来强化社会网络关系，实现“自我的世界”与“他我的世界”的交流和对话，显得更加重要。开放大学2.0学习平台的智能学伴推荐功能，可以把价值观和志趣相投的学伴相互推荐给对方，为他们在线下开展社交活动提供基础。通过线下交互，提高了学习者社交能力与团队合作意识。因此，人工智能时代学习者与学习者之间、教师和学习者之间，线下社交活动会赋有新的内涵与特点。
五、人工智能时代开放大学2.0的思考与展望
我们认为，新一代人工智能将给开放大学带来巨大的变革。它既给开放大学带来了机遇，同时也带来了巨大挑战。例如，普通高校凭借其人工智能技术、人才优势，在线教育机构凭借其资本优势，它们所产生的对技术和人才的“虹吸效应”，都可能会在一定程度上挤压开放大学的办学空间。因此，开放大学必须通过转变观念、变革机制、开拓创新，从价值观念到技术手段、从管理制度到结构体系均需进行系统地改革和重构。
（一）顶层设计：制定开放大学 “人工智能+教育”发展规划
当前，从国外到国内，从国家层面到各行各业都在抢占人工智能发展的制高点。例如，2017年7月，国务院出台了《新一代人工智能发展规划》，2017年8月，工信部又出台了《促进新一代人工智能产业发展三年行动计划（2018-2020 年）》等政策文件，旨在推动人工智能技术研发和产业化发展。特别是教育部最近出台的《高等学校人工智能创新行动计划》，已经把新一代人工智能作为推进高校创新发展与人才培养的一个重要载体。
目前，一些普通高校和在线教育机构都纷纷在布局“人工智能+教育”研究和应用，并取得了一些实用性成果。在这种形势下，开放大学更要有使命感，必须主动适应这种发展，积极应对新技术的挑战，抓住新技术的机遇。我们认为，当务之急是尽快落实教育部“人工智能促进高等教育创新发展与人才培养”的指示精神，研究、寻找开放大学新的切入点，抓紧制定、出台《开放大学“人工智能+教育”的发展规划》这类指导性文件，推动开放大学人工智能教育应用的发展目标，明确人工智能教育如何更好地促进人才培养。要配套相应的开放大学人工智能应用支持要素，逐步推进人工智能在开放大学教育教学中的实践探索与应用。同时，还要研究与社会资本合作的模式，利用社会资本参与开放大学“人工智能+教育”项目实施和成果转化应用等。
（二）技术支持：构建“国开大脑”+“开源系统”+“国开大数据”的深度学习平台
“国开大脑”是从“谷歌大脑”引申过来的一个概念，它由数以万计的强大计算机集群构成。国家开放大学是一个超大学习者规模的巨型大学，智慧学习平台由超大规模的学习者及数据构成，因此，国家开放大学系统建立“国开大脑”非常必要。虽然在当前，开放大学建设 “国开大脑”的深度学习平台尚不现实。但随着技术的不断进步，建立“国开大脑”成本会不断下降，届时，国开系统可适时实施“国开大脑”建设工程。
事实上，当前开源人工智能系统为开放大学人工智能的研究与应用提供了一条有效的路径。国内外都有人工智能开源系统，例如，国内360公司的XLearning平台，国外TensorFlow、Caffe、Theano等。其中，Google公司推出的TensorFlow是一个较成熟的开源平台，在国开大数据分析领域可实现的应用主要有：一是文本分类、卷积神经网络等，可以实现开放大学大数据分析领域中的问答系统、情感分析等应用；二是图像自动批注和注解，可通过使用深度学习来为开放大学现有海量数据库中的图像提供相应的描述；三是海量视频资源分析技术，对开放大学现有精品视频课程资源进行智能分析，实现优质教学资源的结构化，对视频按知识点来打上标记和分割，为视频资源的大规模智能应用打下基础。
