【GES】中外教育者共論AI：是賦能，還是？

　　11月28日，在GES2017未來教育大會(huì)上，“人工智能與個(gè)性化學(xué)習(xí)”分論壇就“如何利用數(shù)據(jù)打造AI產(chǎn)品”、“自適應(yīng)學(xué)習(xí)的發(fā)展及未來”等問題展開了深入討論。對(duì)于數(shù)據(jù)捕捉、場(chǎng)景躍遷、以及自適應(yīng)學(xué)習(xí)對(duì)整個(gè)教育行業(yè)的影響等問題，中外教育者觀點(diǎn)有何異同？

　　以下為多知網(wǎng)根據(jù)現(xiàn)場(chǎng)討論內(nèi)容編輯整理。

　　如何通過數(shù)據(jù)捕捉來設(shè)計(jì)AI產(chǎn)品？

　　楊松帆（分論壇主持人，好未來人工智能實(shí)驗(yàn)室負(fù)責(zé)人）：目前AI人工智能已經(jīng)成為了一個(gè)鋪天蓋地的話題，甚至我的孩子都在談?wù)撊斯ぶ悄堋?shù)據(jù)和環(huán)境。你們是如何對(duì)數(shù)據(jù)進(jìn)行分類，來更好地使用數(shù)據(jù)，建造你們的AI產(chǎn)品或者是自適應(yīng)產(chǎn)品的？

　　Michael D.King（IBM全球教育產(chǎn)業(yè)副總裁兼總經(jīng)理） ：講到數(shù)據(jù)及結(jié)構(gòu)化數(shù)據(jù)，我們發(fā)現(xiàn)在教育行業(yè)有一個(gè)主要的挑戰(zhàn)：沒有深度數(shù)據(jù)集，學(xué)校對(duì)學(xué)生的學(xué)習(xí)沒有進(jìn)行深度的數(shù)據(jù)采集和挖掘。我們做沃森教育產(chǎn)品，利用數(shù)據(jù)采集的方式來收集學(xué)生的學(xué)情，正是為了解決這個(gè)痛點(diǎn)。

　　王翌（英語流利說創(chuàng)始人兼首席執(zhí)行官）：學(xué)習(xí)過程的數(shù)字化第一點(diǎn)就是數(shù)據(jù)，要實(shí)施AI，數(shù)據(jù)必不可少。我們通過對(duì)用戶語流、語速的數(shù)據(jù)的收集，我們進(jìn)行挖掘和分析。首先，先收集數(shù)據(jù)。接著，等到數(shù)據(jù)達(dá)到了一定的量，才可以對(duì)這些數(shù)據(jù)進(jìn)行有意義的利用。要應(yīng)用已有的數(shù)據(jù)，并不僅僅是對(duì)數(shù)據(jù)進(jìn)行評(píng)估。是否有一個(gè)系統(tǒng)化的解決方案幫助用戶才是關(guān)鍵。

　　隨后，我們解決以下問題：如何增加學(xué)習(xí)者的效率。我們現(xiàn)在所處的階段是：觀察學(xué)習(xí)者的學(xué)習(xí)活動(dòng)軌跡。比如說每周使用這款A(yù)PP多長時(shí)間。在下一個(gè)階段我們會(huì)探討如何挖掘這些數(shù)據(jù)，并且把這些數(shù)據(jù)服務(wù)于個(gè)性化學(xué)習(xí)。

　　王楓（論答創(chuàng)始人兼首席執(zhí)行官）：其實(shí)對(duì)于人工智能來說，我們需要的是量化數(shù)據(jù)。我們專注于K12，學(xué)生每做完一道題，我們都要采集的是，這個(gè)題是否做對(duì)了，花了多長時(shí)間。除此之外，還有更多的數(shù)據(jù)需要分析。比如題目的難度是怎樣的？區(qū)分度是什么樣的？題目背后還有知識(shí)點(diǎn)標(biāo)簽，牽涉到知識(shí)點(diǎn)之間的相關(guān)性、強(qiáng)弱度，這就是從量化數(shù)據(jù)方面來說的。

　　這個(gè)分析是基于大數(shù)據(jù)，實(shí)時(shí)分析，不斷更新。這些數(shù)據(jù)除了學(xué)生在用，其實(shí)老師們也在用，不論是深度學(xué)習(xí)還是人工智能，并不是一個(gè)完全封閉的系統(tǒng)。老師的教學(xué)完全按照系統(tǒng)來進(jìn)行，可能并不一定合適。所以老師會(huì)對(duì)系統(tǒng)的推薦做出選擇，這些數(shù)據(jù)也會(huì)被反饋回去，再加上老師對(duì)學(xué)生的評(píng)價(jià)以及一些定性數(shù)據(jù)，就會(huì)構(gòu)成一個(gè)完整的報(bào)告：包含各個(gè)維度的數(shù)據(jù)。

　　Ulrik Juul Christensen（ Area9 Learining首席執(zhí)行官）：在過去的十年中，我們積累了大量的數(shù)據(jù)，這些數(shù)據(jù)可以分為三個(gè)類型。

　　第一，用來預(yù)測(cè)個(gè)人學(xué)習(xí)行為的數(shù)據(jù)，第二、適用于集體的數(shù)據(jù)。有一些數(shù)據(jù)是關(guān)于內(nèi)容的。AI以及機(jī)器學(xué)習(xí)對(duì)于數(shù)據(jù)的影響力是不同的，對(duì)一些數(shù)據(jù)集的影響力會(huì)強(qiáng)于另外的一些。第三，就是覆蓋的群組。比如說對(duì)于一個(gè)班級(jí)里有一些學(xué)生總能更快地完成作業(yè)，這樣教師可以為他們做出個(gè)性化的教學(xué)建議。

　　接下來的巨大變革就是我們?nèi)绾螒?yīng)對(duì)更大的數(shù)據(jù)群組。在同樣的一個(gè)數(shù)據(jù)條件下我們需要考慮這三個(gè)領(lǐng)域。探索一下我們的應(yīng)用機(jī)器學(xué)習(xí)和AI在哪些方面可以產(chǎn)生很大的影響。

　　楊松帆：在不同的領(lǐng)域里，AI正在應(yīng)運(yùn)而生。我認(rèn)為AI+教育有非常大的實(shí)現(xiàn)機(jī)率，自適應(yīng)是其中的一個(gè)。我想問一下各位嘉賓，自適應(yīng)學(xué)習(xí)的現(xiàn)狀如何，最先進(jìn)的是什么樣的？您在這個(gè)系統(tǒng)里面扮演什么樣的角色，看到的挑戰(zhàn)有哪些？

　　Michael D.King：我覺得我們可以從兩個(gè)不同的參考角度。第一，從教育機(jī)構(gòu)本身來看，需要跨越時(shí)間節(jié)點(diǎn)去收集學(xué)生的信息，用很長的周期收集個(gè)性化的學(xué)習(xí)數(shù)據(jù)。我們公司使用的平臺(tái)，可以立刻把學(xué)生的數(shù)據(jù)進(jìn)行傳送，所以可以更快地進(jìn)行落地，既關(guān)注課程設(shè)置，又關(guān)注整個(gè)機(jī)構(gòu)的課程內(nèi)容、課程模式，以及對(duì)于老師的一些指導(dǎo)和建議。

　　另外我們也發(fā)現(xiàn)，很多教育機(jī)構(gòu)并沒有一些源數(shù)據(jù)，我們給他們的最好是一開始就可以用到的系統(tǒng)。

　　王翌：我覺得，未來幾年是自適應(yīng)學(xué)習(xí)的元年，它更多地進(jìn)入到了混合的模式。像IBM和其他舞臺(tái)上的公司，會(huì)有更加集成和一體化的教學(xué)系統(tǒng)和模式。

　　我們需要把自適應(yīng)、自指導(dǎo)學(xué)習(xí)以及教師指導(dǎo)學(xué)習(xí)綜合起來。2015年之前美國和中國有青海教育學(xué)校，對(duì)3到14歲的藏族學(xué)生進(jìn)行教育捐贈(zèng)。每周花大概3到4天，每天給他們提供45分鐘的手機(jī)學(xué)習(xí)，由自愿者進(jìn)行輔導(dǎo)。一些使用的學(xué)生，高考的平均分?jǐn)?shù)，按100分來說，平均提高了20分。這充分驗(yàn)證了自我指導(dǎo)或者是通過指導(dǎo)來完成的自適應(yīng)系統(tǒng)能起到非常好的效果。

　　王楓：去年我們開發(fā)出來了中國K12領(lǐng)域的自適應(yīng)學(xué)習(xí)系統(tǒng)。用的時(shí)候感覺后面有個(gè)老師圍著我在出題，不斷地來判斷，看我到底哪些掌握了。最開始事23個(gè)知識(shí)點(diǎn)的小圖譜，后來我們做到幾百個(gè)知識(shí)點(diǎn)的大圖譜，每做完一道題，后臺(tái)的運(yùn)算量都是百億級(jí)以上的更新。

　　我們整個(gè)系統(tǒng)，最開始是封閉型，現(xiàn)在已經(jīng)可以根據(jù)系統(tǒng)的推薦，判斷老師是否選擇該知識(shí)點(diǎn)進(jìn)行教學(xué)。這些算法的開發(fā)，對(duì)技術(shù)提出了很大的挑戰(zhàn)，因?yàn)榘颜麄€(gè)算法后臺(tái)都全部打亂了。

　　剛才舉的這些例子，對(duì)于自適應(yīng)學(xué)習(xí)或者是AI在教育來說，還只是挑戰(zhàn)的開始，真正的挑戰(zhàn)在于要根據(jù)教學(xué)的實(shí)際應(yīng)用不斷開發(fā)新的算法和優(yōu)化算法，歸根結(jié)底，其實(shí)是有效的收集分析與應(yīng)用海量的應(yīng)用數(shù)據(jù)。

　　Ulrik Juul Christensen：我們確實(shí)也在考慮，過去三年人工智能到底給我們帶來什么樣的有效影響。

　　以數(shù)學(xué)來說，每個(gè)學(xué)生的學(xué)習(xí)是多元化的，也就是說這些訓(xùn)練集都需要進(jìn)一步優(yōu)化，并且在過去，因?yàn)閿?shù)學(xué)題的復(fù)雜程度較大，并沒有非常多的數(shù)據(jù)集進(jìn)行參考和進(jìn)一步的深度學(xué)習(xí)。所以，人類在這個(gè)數(shù)學(xué)這個(gè)領(lǐng)域上，實(shí)際上是領(lǐng)先于對(duì)機(jī)器的。所以我們需要有人為的干預(yù)，彌補(bǔ)人工智能的一些不足，這樣的話我們可以充分探索AI的其他方面優(yōu)勢(shì)。

　　AI+教育，能從其他領(lǐng)域借鑒到什么？

　　主持人楊松帆：我之前負(fù)責(zé)的團(tuán)隊(duì)，對(duì)整個(gè)課程、教室環(huán)境進(jìn)行模擬和記錄，監(jiān)控整個(gè)課程的學(xué)習(xí)情況。尼爾森調(diào)研機(jī)構(gòu)，跟我們合作過，他們會(huì)在線上進(jìn)行一些問答調(diào)研，把廣告視頻給網(wǎng)民們，網(wǎng)民們?cè)诳催@些廣告的時(shí)候，他們的面部表情會(huì)被實(shí)時(shí)捕捉，通過他們的表情可以反映出這個(gè)視頻是否真正受歡迎。

　　我們也借鑒了廣告領(lǐng)域的這個(gè)想法。對(duì)于教育領(lǐng)域來說，我們實(shí)際上是可以從其它的行業(yè)有所領(lǐng)悟和借鑒的。

　　Michael D.King：事實(shí)上我們并不只是借鑒，不夸張地說，我們是把沃森在醫(yī)療行業(yè)的原理照抄過來了。

　　我們會(huì)參考，到底沃森對(duì)這個(gè)病人的診斷是什么樣的，這個(gè)模式在我們跟教師進(jìn)行溝通時(shí)選擇了沿用。我們要考慮不同的課程、學(xué)科的設(shè)置，怎么樣給教師更好地提供工具，讓他們更富創(chuàng)新性的組織教學(xué)方案以及效果優(yōu)化。

　　王翌：我們應(yīng)用程序的第一版是借用了唱吧的想法。我們當(dāng)時(shí)的想法是，如果大家這么愿意用手機(jī)唱KTV，為什么不能用手機(jī)來學(xué)習(xí)英語呢？所以我們把人們對(duì)于憤怒的小鳥以及唱吧的迷戀，沿用到了學(xué)習(xí)英語上。

　　當(dāng)然我們也在考慮用不用人工智能式的英文老師，會(huì)考慮在特定情況下，人類的老師是怎么樣教英語的，所以我們又回歸到了最本真的東西，即老師在教新知識(shí)的時(shí)候是怎么教的，他們會(huì)怎樣布置作業(yè)、批改作業(yè)。

　　我們覺得最佳的實(shí)踐是無處不在的，但是需要沉下心來好好考慮，怎么樣把最佳實(shí)踐應(yīng)用到教育領(lǐng)域。

　　王楓：我們可以從不同領(lǐng)域借鑒很多東西。自適應(yīng)學(xué)習(xí)的基本理念已經(jīng)在其他的領(lǐng)域有了很好的應(yīng)用案例，比如說警務(wù)以及犯罪控制領(lǐng)域，可以通過一個(gè)城市不同地區(qū)犯罪率高低的分析，幫助警務(wù)人員更好地控制風(fēng)險(xiǎn)。

　　在教育領(lǐng)域，我們也可以通過數(shù)據(jù)做一些預(yù)測(cè)。我們可以搜集學(xué)生的數(shù)據(jù)，預(yù)測(cè)這道題他會(huì)做對(duì)還是做錯(cuò)，這個(gè)知識(shí)點(diǎn)他是否掌握。我想對(duì)數(shù)據(jù)挖掘而言，預(yù)測(cè)是很有應(yīng)用前景的領(lǐng)域。

　　Ulrik Juul Christensen：在上個(gè)世紀(jì)90年代，美國有很多人死于人為的醫(yī)療事故，我們對(duì)于人為的醫(yī)療疏忽和過失進(jìn)行數(shù)據(jù)挖掘和采集研究。在分析了醫(yī)生和病人接觸的成千上萬交互點(diǎn)中，發(fā)現(xiàn)可能有22%是不合規(guī)的，或者說有是沒有達(dá)到他們應(yīng)有的能力。

　　但是這些醫(yī)生對(duì)于22%這些并不了解，我們想要解決的就是這22%，在接下來的一個(gè)學(xué)期之內(nèi)，我們發(fā)現(xiàn)一旦他們開始適應(yīng)這種方式，他們的做答、他們知識(shí)掌握領(lǐng)域的擴(kuò)張，就會(huì)有一個(gè)很大的提升。

　　自適應(yīng)學(xué)習(xí)、機(jī)器學(xué)習(xí)的應(yīng)用，使這些人知道了他們所不知道的。在機(jī)器翻譯研究方面，這是我們所專注的一個(gè)主要領(lǐng)域。

　　未來自適應(yīng)學(xué)習(xí)會(huì)對(duì)教育造成怎樣影響？

　　主持人楊松帆：下面是一個(gè)腦力風(fēng)暴的問題，接下來的五年中或者是任何一個(gè)時(shí)間點(diǎn)，你認(rèn)為自適應(yīng)學(xué)習(xí)會(huì)有怎樣的進(jìn)展，會(huì)發(fā)展到一個(gè)怎樣的階段，對(duì)教育會(huì)造成怎樣的影響？

　　Michael D.King：我認(rèn)為AI會(huì)影響大部分的產(chǎn)業(yè)和大部分的工作，學(xué)習(xí)者如果只靠傳統(tǒng)的教育，將有可能無法滿足未來勞動(dòng)力市場(chǎng)的需求。AI使得學(xué)習(xí)更加個(gè)性化，更加符合個(gè)人需求。在教育領(lǐng)域會(huì)產(chǎn)生一個(gè)顯著、深刻的變革，造福于每一個(gè)學(xué)習(xí)者。

　　一個(gè)主要的挑戰(zhàn)就是，這關(guān)乎整個(gè)生態(tài)系統(tǒng)。并不是我們發(fā)明兩種工具就可以改變整個(gè)系統(tǒng)，我們需要分析教育生態(tài)系統(tǒng)所有涵蓋的方方面面。我們?cè)絹碓秸J(rèn)識(shí)到生態(tài)系統(tǒng)的各個(gè)方面、各個(gè)維度之間的關(guān)系，更多地把AI看作一種賦能輔助的工具、手段。

　　王翌：我想說最令人興奮的一個(gè)前景，關(guān)于AI和技術(shù)賦能學(xué)習(xí)是兩重性的：意義一，可及性。我認(rèn)為基礎(chǔ)學(xué)習(xí)，或者新技能的學(xué)習(xí)，會(huì)是對(duì)所有人可及的，所有人在他們的一生中，都可以去學(xué)習(xí)新的技能，不管他們的地理位置、經(jīng)濟(jì)能力。學(xué)習(xí)將越來越可及，門檻逐步降低。

　　另外就是學(xué)習(xí)效率的提升。現(xiàn)在有一些不良的教育機(jī)構(gòu)，會(huì)故意降低教育效率來增加課時(shí)，這樣就可以收取更多學(xué)費(fèi)。如果AI可以從根本上改變這種營利模式的話，會(huì)是一個(gè)令人興奮的前景。

　　王楓：

　　對(duì)于K12而言，我認(rèn)為自適應(yīng)學(xué)習(xí)，以及AI學(xué)習(xí)系統(tǒng)的部署對(duì)于學(xué)習(xí)者以及教師來說，會(huì)是一個(gè)必不可少的東西。如果你不使用，你的學(xué)習(xí)就失去了競爭力。AI其實(shí)是非常有效率的，對(duì)于提升學(xué)習(xí)的結(jié)構(gòu)化而言，是非常重要的。教育正迎來一個(gè)嶄新時(shí)代，采用自適應(yīng)系統(tǒng)的公立學(xué)校，在這個(gè)方面會(huì)是前途無量的。對(duì)于教師來說，這一系統(tǒng)是非常復(fù)雜的，并不僅僅是關(guān)于技術(shù)本身，也包括學(xué)校本身的架構(gòu)。即它的部署并不是一朝一夕的事情。

　　哈佛、斯坦福這些一流大學(xué)開始部署慕課教學(xué)之后，很多普通的大學(xué)、主流的大學(xué)也開始使用。我相信在未來自適應(yīng)學(xué)習(xí)也會(huì)有同樣的發(fā)展路徑。

　　Ulrik Juul Christensen：AI以及機(jī)器學(xué)習(xí)對(duì)于學(xué)校結(jié)構(gòu)革命性或者顛覆性的改變，我個(gè)人持比較保留的態(tài)度。它確實(shí)可以改變教育的某一些領(lǐng)域，不僅僅是教育領(lǐng)域、包括零售領(lǐng)域，AI以及機(jī)器學(xué)習(xí)可以把之前不可能的事情變成可能，一方面可以提升教育解決方案的質(zhì)量，另一方面可以使得內(nèi)容有更高的質(zhì)量，更多的更新。但我并不認(rèn)為在未來的10年，它會(huì)對(duì)于整個(gè)的教育系統(tǒng)或者學(xué)校系統(tǒng)有一個(gè)顛覆性的改變。（多知網(wǎng) 尚昌華）