圖：Aleutie / Shutterstock

雷鋒網(wǎng)按：日前，科大訊飛輪值總裁吳曉如表示，「人工智能在一些細(xì)分領(lǐng)域的應(yīng)用，目前已經(jīng)進(jìn)入深水期」。雖然其認(rèn)為人工智能并非無(wú)所不能，但它在教育領(lǐng)域卻大有作為。吳曉如持這個(gè)觀點(diǎn)，確實(shí)有跡可循。不管是從科大訊飛已經(jīng)在AI+教育領(lǐng)域取得的成績(jī)來(lái)看，還是從整個(gè)AI+產(chǎn)業(yè)鏈的結(jié)合中，教育作為首當(dāng)其沖的角色，早已成為AI的最直接獲益領(lǐng)域之一。而與這一趨勢(shì)相呼應(yīng)，國(guó)內(nèi)外關(guān)于AI+教育的主題的討論也是不絕于耳。本文由雷鋒網(wǎng)編譯于國(guó)外科技媒體 EdSurge 的《Real Questions About Artificial Intelligence in Education》，作者 Tony Wan。

在過(guò)去兩年中，大眾對(duì)構(gòu)建自主“學(xué)習(xí)”和改進(jìn)自己的操作或經(jīng)驗(yàn)（而不是顯示編程）的復(fù)雜算法的興趣不斷在增加。AI、機(jī)器學(xué)習(xí)等詞匯在 Google Trends 上的熱度不斷攀升，甚至在2016年的10月份直接「登頂」。

圖/EdSurge

近日，國(guó)內(nèi)外公司在AI+教育領(lǐng)域的動(dòng)作可謂頻頻，國(guó)外不僅有 Bloomberg Beta 一直在建立一個(gè)機(jī)器學(xué)習(xí)應(yīng)用于其他行業(yè)的概略圖，教育赫然在列；而在國(guó)內(nèi)則有在線教育公司英語(yǔ)流利說(shuō)剛剛完成1億美元的新一輪融資。

為了進(jìn)一步理清AI及機(jī)器學(xué)習(xí)可在教育行業(yè)發(fā)揮的作用，EdSurge 在過(guò)去一周舉辦了一次面談會(huì)，將OpenEd（一家提供 K12 教育資源 搜索服務(wù)的公司，2016年被美國(guó)考試服務(wù)商 ACT 收購(gòu)）的 CEO Adam Blum、IBM Watson 的學(xué)術(shù)研究員 Armen Pischdotchian，以及 EruditeAI （一家面向K12領(lǐng)域的在線教育公司，是 IBM Watson AI XPRIZE的參與單位之一）的 CEO  Kathy Benemann 和 instaGrok 的創(chuàng)始人 Kirill Kireyev 集結(jié)在了一起，記者 Tony Wan 就這一主題和四位進(jìn)行了交談。以下是此次談話的部分摘錄：

EdSurge：AI已經(jīng)有希望改變幾代人的教育。目前離這一目標(biāo)的實(shí)現(xiàn)還有多遠(yuǎn)？

Benemann：眾所周知，現(xiàn)在產(chǎn)生的數(shù)據(jù)比以往任何時(shí)候都要多得多。對(duì)我們 EruditeAI 而言，數(shù)據(jù)比公司營(yíng)收還要重要。有了更好的數(shù)據(jù)，我們才能更好的訓(xùn)練算法。不管AI如何發(fā)展，我們都要記住，人類(lèi)才是AI的最終締造者。

Pischdotchian：如果我們回想早些年的教育模式，會(huì)將其稱為“工廠模式”。即老師們總是向?qū)W生們教授相同的科目，教無(wú)定法，有教無(wú)類(lèi)，一視同仁。雖然這也是教學(xué)的初衷，但并不適用于「雖然年齡一致，但認(rèn)知、智力等水平參差不齊」的學(xué)生，特別是在AI+產(chǎn)業(yè)鏈結(jié)合應(yīng)用的大環(huán)境下。一些組織，如 Chan Zuckerberg（小扎的妻子）領(lǐng)導(dǎo)的團(tuán)體正試圖對(duì)這一模式進(jìn)行改革。目前來(lái)看，由于“工廠模式”的不可持續(xù)發(fā)展性，其已十分不適用于教育。對(duì)于現(xiàn)在的學(xué)生而言，認(rèn)清未來(lái)工作的需求更為重要。

Kireyev：如 Benemann 所說(shuō)，AI+教育的內(nèi)容正呈爆炸式增長(zhǎng)，無(wú)論是關(guān)于學(xué)生的還是從學(xué)生得到的。通過(guò)這些數(shù)據(jù)，我們可以知道學(xué)生們都在做些什么，而這一了解的速度要比過(guò)去快得多。比如，當(dāng)孩子們用 Scratch（麻省理工媒體實(shí)驗(yàn)室開(kāi)發(fā)的一套電腦編程平臺(tái)）工作時(shí)，由于其工作是基于網(wǎng)絡(luò)，我們可以得到關(guān)于孩子們行為的各種信息，如他 們什么時(shí)候開(kāi)始觀看視頻、什么時(shí)候停下來(lái)等。清晰明了的數(shù)據(jù)是非常有價(jià)值的，而且在其基礎(chǔ)上的技術(shù)可用性也會(huì)更大。所以這也是越來(lái)越多的人開(kāi)始使用AI和機(jī)器學(xué)習(xí)來(lái)做事情的一大原因。

EdSurge：剛才大家說(shuō)了「數(shù)據(jù)的爆炸」，也說(shuō)了改變「工廠教學(xué)模式」的必要性。除此之外，還有其他趨勢(shì)嗎？

Blum：這有兩大趨勢(shì)——雖然暫時(shí)都處于初始階段。第一，OpenEd 目前也在和 IMS Global 合作，而技術(shù)標(biāo)準(zhǔn)，如 Caliper、xAPI（或Experience API）也是 剛剛實(shí)施。第二，教育領(lǐng)域的數(shù)據(jù)，是沒(méi)有長(zhǎng)期性的（因?yàn)槌^(guò)3個(gè)月的數(shù)據(jù)，其實(shí)就沒(méi)有多大效用了。特別是對(duì)自適應(yīng)學(xué)習(xí)系統(tǒng)來(lái)說(shuō)，更應(yīng)該強(qiáng)調(diào)實(shí)時(shí)性）。所以，如果你想將機(jī)器學(xué)習(xí)應(yīng)用于教育，就必須使用另一種途徑——強(qiáng)化學(xué)習(xí)。

EdSurge：目前有哪些AI+教育的應(yīng)用已經(jīng)被實(shí)際應(yīng)用？

Pischdotchian：這個(gè)問(wèn)題的重點(diǎn)應(yīng)該是「如何在學(xué)習(xí)經(jīng)驗(yàn)中發(fā)現(xiàn)痛點(diǎn)、總結(jié)模式」。這也給大家提出一個(gè)挑戰(zhàn)——如果一個(gè)人的數(shù)學(xué)成績(jī)很好，那么，系統(tǒng)該如何識(shí)別這一要點(diǎn)，并將其反饋給老師，以便老師為學(xué)生提供更好的指導(dǎo)？為此，IBM 正在和芝麻街（一檔兒童教育電視節(jié)目）合作，二者作為伙伴關(guān)系利用大學(xué)將其作為機(jī)器學(xué)習(xí)發(fā)展的試驗(yàn)平臺(tái)。同時(shí)，老師們也被派上了用場(chǎng)——我們?cè)?MIT（麻省理工學(xué)院）進(jìn)行了一次測(cè)試，并在學(xué)生知情的情況下為每間 教室配備了攝像頭。教授在講課時(shí)，無(wú)需再抬頭數(shù)教室里有多少學(xué)生在睡覺(jué)，而是通過(guò)系統(tǒng)的面部識(shí)別技術(shù)來(lái)捕捉情緒（如「無(wú)聊」），教授通過(guò)系統(tǒng)的信息提示，即可知曉。

圖：EdSurge

Benemann：看看我們的周?chē)?，AI+教育應(yīng)用的方方面面都在飽受質(zhì)疑。很多人都在問(wèn)著差不多的問(wèn)題：未來(lái)的教室會(huì)是什么樣？ AI 會(huì)完全取代老師嗎？AI 能幫助老師解放「批改作業(yè)的雙手」從而為學(xué)生提供更具意義的指導(dǎo)嗎？自適應(yīng)學(xué)習(xí)平臺(tái)（如 Aleks、Knewton）能幫助學(xué)生學(xué)到知識(shí)嗎？....正是它的「差不多性」，反而很好的代表了大家正在關(guān)心的 AI+教育的幾大問(wèn)題。

EdSurge：這是否表明，如果沒(méi)有AI，市場(chǎng)上的「自適應(yīng)技術(shù)」就不是真正的「自適應(yīng)」？

Benemann：這里涉及到「范圍」的概念。有些只是因?yàn)樗霉ぞ呱婕暗健缸赃m應(yīng)」，就自稱已經(jīng)是 AI公司（不過(guò)我們自有判別的方法）。

Kireyev：我可以說(shuō)說(shuō)我公司的例子。 Instagrok 是一個(gè)視覺(jué)搜索引擎。我們主要使用機(jī)器學(xué)習(xí)來(lái)識(shí)別重要的事實(shí)和概念，并確保學(xué)生可以以正確的方向?qū)W習(xí)，學(xué)生可以按照自己的節(jié)奏來(lái)安排學(xué)習(xí)。TextGeonome 是另外一個(gè)項(xiàng)目——我們正在建立基礎(chǔ)設(shè)施，以便基于 AI 實(shí)現(xiàn)深入的詞匯開(kāi)發(fā)工作。在此其中，我們考慮的問(wèn)題是，學(xué)生的年級(jí)水平以及其在下一階段需要掌握的詞匯量。

Blum：以 ACT 為例，我們主要關(guān)注這些問(wèn)題：如果系統(tǒng)確定了學(xué)生在哪些知識(shí)點(diǎn)處于空白地帶，那么幫助學(xué)生學(xué)習(xí)的最佳教輔資料是哪些？而不僅僅是 ACT 材料。據(jù)此，我們想為學(xué)生提供我們能找到的最好的教學(xué)資源。而這個(gè)過(guò)程都需要機(jī)器學(xué)習(xí)來(lái)實(shí)行精準(zhǔn)定位。

在教育的某些領(lǐng)域，如果不使用機(jī)器學(xué)習(xí)的相關(guān)預(yù)測(cè)模型，學(xué)生很有可能就錯(cuò)失上大學(xué)的機(jī)會(huì)。

事實(shí)上，當(dāng)你從統(tǒng)計(jì)評(píng)估模型轉(zhuǎn)移到深度學(xué)習(xí)，包括神經(jīng)網(wǎng)絡(luò)，這個(gè)過(guò)程中不能保持步調(diào)的就是“可解釋性”。雖然用到了神經(jīng)網(wǎng)絡(luò)，但你不能很好的向外界解釋。所以，在此其中，一個(gè)重要的挑戰(zhàn)就在于，預(yù)測(cè)模型算法提升了，而“可解釋性”卻下降了。特別是在一些監(jiān)管?chē)?yán)格的市場(chǎng)，如醫(yī)療和教育，就需要開(kāi)發(fā)更多的解釋性工具。

以「大學(xué)使用統(tǒng)計(jì)模型來(lái)挑選入學(xué)課程」為例。假如這里有一個(gè)神經(jīng)網(wǎng)絡(luò)或一些機(jī)器學(xué)習(xí)程序，可以很好的預(yù)測(cè)學(xué)生的學(xué)習(xí)成績(jī)（事實(shí)上，目前也有一些大學(xué)已經(jīng)在用這些應(yīng)用）。我們能確定的是他們確實(shí)使用了機(jī)器學(xué)習(xí)來(lái)挑選入學(xué)課程，但是我們還需要一些總結(jié)性工具來(lái)解釋這些選擇。即使深度學(xué)習(xí)很復(fù)雜，但為了讓這些預(yù)測(cè)的結(jié)論被談?wù)撘约氨唤邮?，我們必須解釋好這一問(wèn)題，即“他們?nèi)绾巫龅健薄?/p>

EdSurge：有人擔(dān)心，“AI”可能會(huì)成為一些公司用以謀利的噱頭。如果我是一名教師，一家教育科技公司跟我說(shuō)，“我們的數(shù)學(xué)工具使用了AI技術(shù)”，我該問(wèn)些什么？

Blum：這個(gè)問(wèn)題應(yīng)該回溯到「可發(fā)現(xiàn)性」和「可解釋性」。如果一些公司蓄意打上“AI”標(biāo)簽，我們往往可以接入這個(gè)話題問(wèn)得更多，讓他們談?wù)劚澈笫褂玫募夹g(shù)。如果對(duì)方只是單純強(qiáng)調(diào)“AI”概念，而沒(méi)有深入的解釋?zhuān)鋵?shí)也沒(méi)有多大的可信度。

Benemann：供應(yīng)商更應(yīng)該多談?wù)剬W(xué)生使用這些系統(tǒng)獲得的學(xué)習(xí)成果，或者老師實(shí)操的問(wèn)題。而不要總是談?wù)?AI ，這畢竟只是讓學(xué)生學(xué)習(xí)和老師實(shí)踐的另一種方法。對(duì)于老師來(lái)說(shuō)，其更關(guān)心「有了AI的輔助，課堂效率能提高多少，又減少了多少被浪費(fèi)的時(shí)間」的問(wèn)題。

EdSurge：在保護(hù)敏感學(xué)生的隱私和數(shù)據(jù)安全性的同時(shí)，如何平衡AI工具對(duì)數(shù)據(jù)的需求？

Blum：我們正處于沒(méi)有 PII（( Personally identifiable information：個(gè)人識(shí)別信息）的階段。如果你擁有足量的數(shù)據(jù)和信息，就能精準(zhǔn)的刻畫(huà)用戶畫(huà)像。面對(duì)這一需求和用戶隱私可能被侵犯之間的矛盾，其實(shí)就非常需要「行業(yè)標(biāo)準(zhǔn)」的制定和完善。比如，行業(yè)標(biāo)準(zhǔn)就已經(jīng)規(guī)定好了企業(yè)可以利用哪些方面的數(shù)據(jù)，而哪些方面是不可以侵犯的，那就好辦多了。

Benemann：我們需要思考這樣一個(gè)問(wèn)題——數(shù)據(jù)到底掌握在誰(shuí)的手里？以醫(yī)療為例，在其細(xì)分領(lǐng)域越來(lái)越呈現(xiàn)這樣一個(gè)趨勢(shì)：患者掌握的自己的數(shù)據(jù)越來(lái)越多。同理，學(xué)生是其數(shù)據(jù)的擁有者，而我們需要弄清楚其掌握的數(shù)據(jù)的源頭，并將決定權(quán)交給他們，由其或其父母決定學(xué)?；驒C(jī)構(gòu)是否可以訪問(wèn)數(shù)據(jù)。

EdSurge：「AI取代人類(lèi)職業(yè)」，是很多人都在擔(dān)心的一個(gè)問(wèn)題。你們認(rèn)為AI將對(duì)教師和其他職業(yè)帶來(lái)哪些影響？

Kireyev：這個(gè)問(wèn)題其實(shí)已經(jīng)被談了很多。事實(shí)上，我認(rèn)為在AI 的助力下，教師這個(gè)角色將完成更好的轉(zhuǎn)移，他們正逐漸成為領(lǐng)導(dǎo)者和指導(dǎo)者。越來(lái)越多的老師可以更專(zhuān)注于更具創(chuàng)造力的工作，更好的去把孩子們教好，而不僅僅是周而復(fù)始的解釋「方程式的數(shù)學(xué)原理」。

Blum：個(gè)人認(rèn)為，AI 在職業(yè)教育的應(yīng)用沒(méi)有被充分利用，對(duì)此我們需要多一些前瞻性的思考。如，10年內(nèi)成為卡車(chē)司機(jī)將意味著什么？AI 將如何影響跨行業(yè)的供應(yīng)鏈....我們應(yīng)該更加專(zhuān)注這些方面，并讓職業(yè)教育變得更好。

Pischdotchian：這就是為什么 STEAM （科學(xué)、技術(shù)、工程、藝術(shù)和數(shù)學(xué)）取代了 STEM 的原因。事實(shí)上，我們也可以看到，藝術(shù)、心理學(xué)、歷史、辯論課、戲劇等涉及情感和創(chuàng)造力等要素的工作變得越發(fā)重要，因?yàn)檫@些都不是AI擅長(zhǎng)的地方。

在AI快速發(fā)展的同時(shí)，人類(lèi)必然會(huì)受到一些威脅和挑戰(zhàn)。因?yàn)椤赋砷L(zhǎng)」與「舒適」注定無(wú)法共存。

Via EdSurge，雷鋒網(wǎng)編譯

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。