【GES】中外教育者共論AI：是賦能，還是？

　　11月28日，在GES2017未來教育大會上，“人工智能與個性化學習”分論壇就“如何利用數據打造AI產品”、“自適應學習的發(fā)展及未來”等問題展開了深入討論。對于數據捕捉、場景躍遷、以及自適應學習對整個教育行業(yè)的影響等問題，中外教育者觀點有何異同？

　　以下為多知網根據現場討論內容編輯整理。

　　如何通過數據捕捉來設計AI產品？

　　楊松帆（分論壇主持人，好未來人工智能實驗室負責人）：目前AI人工智能已經成為了一個鋪天蓋地的話題，甚至我的孩子都在談論人工智能、數據和環(huán)境。你們是如何對數據進行分類，來更好地使用數據，建造你們的AI產品或者是自適應產品的？

　　Michael D.King（IBM全球教育產業(yè)副總裁兼總經理） ：講到數據及結構化數據，我們發(fā)現在教育行業(yè)有一個主要的挑戰(zhàn)：沒有深度數據集，學校對學生的學習沒有進行深度的數據采集和挖掘。我們做沃森教育產品，利用數據采集的方式來收集學生的學情，正是為了解決這個痛點。

　　王翌（英語流利說創(chuàng)始人兼首席執(zhí)行官）：學習過程的數字化第一點就是數據，要實施AI，數據必不可少。我們通過對用戶語流、語速的數據的收集，我們進行挖掘和分析。首先，先收集數據。接著，等到數據達到了一定的量，才可以對這些數據進行有意義的利用。要應用已有的數據，并不僅僅是對數據進行評估。是否有一個系統(tǒng)化的解決方案幫助用戶才是關鍵。

　　隨后，我們解決以下問題：如何增加學習者的效率。我們現在所處的階段是：觀察學習者的學習活動軌跡。比如說每周使用這款APP多長時間。在下一個階段我們會探討如何挖掘這些數據，并且把這些數據服務于個性化學習。

　　王楓（論答創(chuàng)始人兼首席執(zhí)行官）：其實對于人工智能來說，我們需要的是量化數據。我們專注于K12，學生每做完一道題，我們都要采集的是，這個題是否做對了，花了多長時間。除此之外，還有更多的數據需要分析。比如題目的難度是怎樣的？區(qū)分度是什么樣的？題目背后還有知識點標簽，牽涉到知識點之間的相關性、強弱度，這就是從量化數據方面來說的。

　　這個分析是基于大數據，實時分析，不斷更新。這些數據除了學生在用，其實老師們也在用，不論是深度學習還是人工智能，并不是一個完全封閉的系統(tǒng)。老師的教學完全按照系統(tǒng)來進行，可能并不一定合適。所以老師會對系統(tǒng)的推薦做出選擇，這些數據也會被反饋回去，再加上老師對學生的評價以及一些定性數據，就會構成一個完整的報告：包含各個維度的數據。

　　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據，這些數據可以分為三個類型。

　　第一，用來預測個人學習行為的數據，第二、適用于集體的數據。有一些數據是關于內容的。AI以及機器學習對于數據的影響力是不同的，對一些數據集的影響力會強于另外的一些。第三，就是覆蓋的群組。比如說對于一個班級里有一些學生總能更快地完成作業(yè)，這樣教師可以為他們做出個性化的教學建議。

　　接下來的巨大變革就是我們如何應對更大的數據群組。在同樣的一個數據條件下我們需要考慮這三個領域。探索一下我們的應用機器學習和AI在哪些方面可以產生很大的影響。

　　楊松帆：在不同的領域里，AI正在應運而生。我認為AI+教育有非常大的實現機率，自適應是其中的一個。我想問一下各位嘉賓，自適應學習的現狀如何，最先進的是什么樣的？您在這個系統(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不同的參考角度。第一，從教育機構本身來看，需要跨越時間節(jié)點去收集學生的信息，用很長的周期收集個性化的學習數據。我們公司使用的平臺，可以立刻把學生的數據進行傳送，所以可以更快地進行落地，既關注課程設置，又關注整個機構的課程內容、課程模式，以及對于老師的一些指導和建議。

　　另外我們也發(fā)現，很多教育機構并沒有一些源數據，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，未來幾年是自適應學習的元年，它更多地進入到了混合的模式。像IBM和其他舞臺上的公司，會有更加集成和一體化的教學系統(tǒng)和模式。

　　我們需要把自適應、自指導學習以及教師指導學習綜合起來。2015年之前美國和中國有青海教育學校，對3到14歲的藏族學生進行教育捐贈。每周花大概3到4天，每天給他們提供45分鐘的手機學習，由自愿者進行輔導。一些使用的學生，高考的平均分數，按100分來說，平均提高了20分。這充分驗證了自我指導或者是通過指導來完成的自適應系統(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領域的自適應學習系統(tǒng)。用的時候感覺后面有個老師圍著我在出題，不斷地來判斷，看我到底哪些掌握了。最開始事23個知識點的小圖譜，后來我們做到幾百個知識點的大圖譜，每做完一道題，后臺的運算量都是百億級以上的更新。

　　我們整個系統(tǒng)，最開始是封閉型，現在已經可以根據系統(tǒng)的推薦，判斷老師是否選擇該知識點進行教學。這些算法的開發(fā)，對技術提出了很大的挑戰(zhàn)，因為把整個算法后臺都全部打亂了。

　　剛才舉的這些例子，對于自適應學習或者是AI在教育來說，還只是挑戰(zhàn)的開始，真正的挑戰(zhàn)在于要根據教學的實際應用不斷開發(fā)新的算法和優(yōu)化算法，歸根結底，其實是有效的收集分析與應用海量的應用數據。

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

　　以數學來說，每個學生的學習是多元化的，也就是說這些訓練集都需要進一步優(yōu)化，并且在過去，因為數學題的復雜程度較大，并沒有非常多的數據集進行參考和進一步的深度學習。所以，人類在這個數學這個領域上，實際上是領先于對機器的。所以我們需要有人為的干預，彌補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。

　　AI+教育，能從其他領域借鑒到什么？

　　主持人楊松帆：我之前負責的團隊，對整個課程、教室環(huán)境進行模擬和記錄，監(jiān)控整個課程的學習情況。尼爾森調研機構，跟我們合作過，他們會在線上進行一些問答調研，把廣告視頻給網民們，網民們在看這些廣告的時候，他們的面部表情會被實時捕捉，通過他們的表情可以反映出這個視頻是否真正受歡迎。

　　我們也借鑒了廣告領域的這個想法。對于教育領域來說，我們實際上是可以從其它的行業(yè)有所領悟和借鑒的。

　　Michael D.King：事實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。

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

　　王翌：我們應用程序的第一版是借用了唱吧的想法。我們當時的想法是，如果大家這么愿意用手機唱KTV，為什么不能用手機來學習英語呢？所以我們把人們對于憤怒的小鳥以及唱吧的迷戀，沿用到了學習英語上。

　　當然我們也在考慮用不用人工智能式的英文老師，會考慮在特定情況下，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，即老師在教新知識的時候是怎么教的，他們會怎樣布置作業(yè)、批改作業(yè)。

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

　　王楓：我們可以從不同領域借鑒很多東西。自適應學習的基本理念已經在其他的領域有了很好的應用案例，比如說警務以及犯罪控制領域，可以通過一個城市不同地區(qū)犯罪率高低的分析，幫助警務人員更好地控制風險。

　　在教育領域，我們也可以通過數據做一些預測。我們可以搜集學生的數據，預測這道題他會做對還是做錯，這個知識點他是否掌握。我想對數據挖掘而言，預測是很有應用前景的領域。

　　Ulrik Juul Christensen：在上個世紀90年代，美國有很多人死于人為的醫(yī)療事故，我們對于人為的醫(yī)療疏忽和過失進行數據挖掘和采集研究。在分析了醫(yī)生和病人接觸的成千上萬交互點中，發(fā)現可能有22%是不合規(guī)的，或者說有是沒有達到他們應有的能力。

　　但是這些醫(yī)生對于22%這些并不了解，我們想要解決的就是這22%，在接下來的一個學期之內，我們發(fā)現一旦他們開始適應這種方式，他們的做答、他們知識掌握領域的擴張，就會有一個很大的提升。

　　自適應學習、機器學習的應用，使這些人知道了他們所不知道的。在機器翻譯研究方面，這是我們所專注的一個主要領域。

　　未來自適應學習會對教育造成怎樣影響？

　　主持人楊松帆：下面是一個腦力風暴的問題，接下來的五年中或者是任何一個時間點，你認為自適應學習會有怎樣的進展，會發(fā)展到一個怎樣的階段，對教育會造成怎樣的影響？

　　Michael D.King：我認為AI會影響大部分的產業(yè)和大部分的工作，學習者如果只靠傳統(tǒng)的教育，將有可能無法滿足未來勞動力市場的需求。AI使得學習更加個性化，更加符合個人需求。在教育領域會產生一個顯著、深刻的變革，造福于每一個學習者。

　　一個主要的挑戰(zhàn)就是，這關乎整個生態(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。我們越來越認識到生態(tài)系統(tǒng)的各個方面、各個維度之間的關系，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前景，關于AI和技術賦能學習是兩重性的：意義一，可及性。我認為基礎學習，或者新技能的學習，會是對所有人可及的，所有人在他們的一生中，都可以去學習新的技能，不管他們的地理位置、經濟能力。學習將越來越可及，門檻逐步降低。

　　另外就是學習效率的提升。現在有一些不良的教育機構，會故意降低教育效率來增加課時，這樣就可以收取更多學費。如果AI可以從根本上改變這種營利模式的話，會是一個令人興奮的前景。

　　王楓：

　　對于K12而言，我認為自適應學習，以及AI學習系統(tǒng)的部署對于學習者以及教師來說，會是一個必不可少的東西。如果你不使用，你的學習就失去了競爭力。AI其實是非常有效率的，對于提升學習的結構化而言，是非常重要的。教育正迎來一個嶄新時代，采用自適應系統(tǒng)的公立學校，在這個方面會是前途無量的。對于教師來說，這一系統(tǒng)是非常復雜的，并不僅僅是關于技術本身，也包括學校本身的架構。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開始部署慕課教學之后，很多普通的大學、主流的大學也開始使用。我相信在未來自適應學習也會有同樣的發(fā)展路徑。

　　Ulrik Juul Christensen：AI以及機器學習對于學校結構革命性或者顛覆性的改變，我個人持比較保留的態(tài)度。它確實可以改變教育的某一些領域，不僅僅是教育領域、包括零售領域，AI以及機器學習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量，另一方面可以使得內容有更高的質量，更多的更新。但我并不認為在未來的10年，它會對于整個的教育系統(tǒng)或者學校系統(tǒng)有一個顛覆性的改變。（多知網 尚昌華）