0
| 本文作者： 張莉 | 2018-11-19 12:01 | 專題：2018全球AI+智適應教育峰會 |
雷鋒網(wǎng)按：11月15日-16日，“全球AI+智適應教育峰會”在北京嘉里中心大酒店盛大開幕，峰會由雷鋒網(wǎng)聯(lián)合乂學教育松鼠AI，以及IEEE（美國電氣電子工程師學會）教育工程和自適應教育標準工作組共同舉辦，匯聚國內(nèi)外頂尖陣容。
AI智適應學習是目前產(chǎn)學研三界關注度最高的話題之一。此次峰會，主辦方邀請了美國三院院士、機器學習泰斗Michael Jordan，全球公認機器學習之父Tom Mitchell，斯坦福國際研究院（SRI）副總裁Robert Pearlstein、美國大學入學考試機構(gòu)ACT學習方案組高級研究科學家Michael Yudelson等頂尖學者。
16日下午，松鼠AI首席架構(gòu)師 Richard Tong 發(fā)表主題為“AI自適應教育的架構(gòu)和策略”的精彩演講。Richard Tong 介紹了松鼠AI智適應教育的架構(gòu)和策略，詳細闡釋了平臺架構(gòu)的四個層面，并談到自適應平臺架構(gòu)的愿景是為每一位同學打造超級AI導師，這將使學習變得有效、高效、吸引人。
以下為演講實錄（雷鋒網(wǎng)做了不改變原意的編輯與整理）：
多謝大家能參加AIAED大會，剛才大家聽到的都是商業(yè)、投資相關的，我回到技術(shù)，講一講我們自適應的架構(gòu)。
我們講架構(gòu)，大家就要了解架構(gòu)首先是為什么？我們在做自適應教育這樣的領域，想了解架構(gòu)這個事，我們建立整個愿景會提供一個依據(jù)，來告訴我們這個架構(gòu)該怎么設計。
我們的愿景是什么呢？大家這幾天可能聽到了很多，我們要有一對一的智適應導師，讓每個學生的學習更高效、有效、吸引人，和他能更貼近。我們想談一談我們是怎么走過來的，我們的愿景也是建立在美國一些先驅(qū)的實踐基礎上的，我們的企業(yè)里從很多公司學到了很多，包括Dream Box這些公司。這和我們自己怎么來實現(xiàn)這個東西相關，有幾個比較重要的，把我們長期的愿景轉(zhuǎn)化成真正要提供實踐的環(huán)節(jié)。
剛才我為什么要提到一些先驅(qū)，因為我們站在巨人的肩膀上。我們做AI教育的時候，我們要看到AI教育的本質(zhì)是什么，要想做好的核心因素在哪里，而且之所以我們從以前這些公司里學到了東西，到底哪些東西給我們提供了幫助。
其實AI教育更多的是一種AI應用，AI應用跟傳統(tǒng)技術(shù)應用有不一樣的地方，有四個關鍵環(huán)節(jié)和關鍵因素：
商業(yè)模型。AI能不能成功或者能不能落，還不是由于技術(shù)決定的，而是由產(chǎn)生的產(chǎn)品能不能落地來決定。
AI所要求的能力和做AI技術(shù)人的能力構(gòu)成的。
數(shù)據(jù)，尤其是先進AI相關的，比如說深度學習，即使傳統(tǒng)機器學習對數(shù)據(jù)的量要求大，對質(zhì)的要求也很大，所以AI要考慮數(shù)據(jù)的問題。
AI要求很強的計算力。
在這四個方面實際上是缺一不可的，里面只要有一個地方有短板就成功不了。我們學習到了先驅(qū)的什么東西呢？一些傳統(tǒng)的，在美國是可行或者是OK的東西，在中國是不行的，或者在中國會有相當大的障礙。
我之前在Kenwton幫很多中國企業(yè)討論自適應的合作，但是很大的問題就是在中國這些東西都落不了地。為什么呢？因為B2B要求大家專業(yè)化的分工，專業(yè)化分工的前提是什么？要求要有相對的穩(wěn)定性，接口要相對比較穩(wěn)定。
但是AI這件事你會發(fā)現(xiàn)，尤其在目前的階段來說，它對各環(huán)節(jié)的要求都很高，要把它結(jié)合起來做成一個產(chǎn)品，第一要不斷迭代，第二在接口上的變化是非常大的，所以我們一開始智適應在中國落地的時候，Kenwton失敗了，當時跟好未來等等做了很多項目，效果都不好。
不好在什么地方呢？不是技術(shù)不好，而是在中國落地的時候周期太長，一個產(chǎn)品在中國拿到好的智適應技術(shù)，去落地的時候?qū)?nèi)容有很大的要求，對教學方式有很大的要求，對提供產(chǎn)品的方式也有很大的要求。在這些東西不成熟的情況下，一個周期過去了，試錯還沒試完，時間已經(jīng)沒有了。而且教育這個行業(yè)對整個學期的要求，對整個上線的要求有很多不可控性。
比如說每年春季、秋季開學的時候，產(chǎn)品沒有準備好的話，上不了線的話，這次迭代的機會就錯過了。本來9月1日要上線，如果9月16日你還沒有上線，下次再想上線就是春節(jié)以后了，AI要求迭代非?？?，而且結(jié)合性非常強，這樣的公司在中國做B2B基本上是沒有機會的。
在中國我們也學到了一些東西，在AI的情況下需要非常強的能力，也就是說要想把AI的項目做好，人員既要懂教育的整個場景，又需要有很強的AI本身的能力，很多時候需要有很強的工程能力，要有很多能力的結(jié)合。
中國的機器學習或者是AI學習，跟美國相比還有相當大的差距。中國一開始做的時候，栗總做松鼠AI的時候，要找到把四項能夠都能夠拼起來的東西。把好的商業(yè)模式，AI的能人，能夠拿到數(shù)據(jù)的途徑以及要結(jié)合強的計算力，把這些東西能夠結(jié)合在一起才有成功的可能性。
所以我們自己設計的話，我們是從頭到尾完整的AI連續(xù)的自適應，另外我們從數(shù)據(jù)角度來講是全面、完整、快速增長的數(shù)據(jù)模型。
為什么我們要做這么一個東西？這也和一開始說的教育里面最大的智適應解決的痛點是什么相關。自適應最大的痛點來自于傳統(tǒng)教育的低效或者是無效性，只要是老師一對多的情況下，我們覺得一定是無效或者低效的。也就是說學生在傳統(tǒng)課堂里花的時間，和一個一對一相比有一個很大的效率差距。
我們?yōu)槭裁床徽J可像雙師課堂，或者是課后人工智能作業(yè)，這是漸進性的提高，有一定的幫助，但是沒有解決最根本的效率低下問題。最根本的效率低下問題，是一個老師哪怕給三個學生或者是十五個學生，還是四十個學生，教的時候，每個學生在學的過程里因為自己每個人的要求不一樣，針對一個人好的東西，針對另外一個人不一定好。
人工智能就是要診斷他在學習過程中的問題，根據(jù)他的學習路徑貼近。如果你沒有這樣一個完整的貼近機會的話，這個AI就實現(xiàn)不了。
崔博士那天講到我們產(chǎn)品的時候大家也知道，AI就是要解決這七個問題，能夠準確的診斷學生的學習狀態(tài)、提供有效的學習路徑、制定合理的學習目標、在教室里還有輔導老師給他提供一個合適的預警機會，以后能用主觀因素的認知幫助小孩提供信心、態(tài)度、習慣，幫助家長給小孩提供更好的學環(huán)境，這是整個AI自適應平臺的要求。
我們自己具體是怎么做的呢？給大家提供一個框架，我們講一些產(chǎn)品和系統(tǒng)，這個東西是什么呢？這張是講主要系統(tǒng)的模塊，在這個模塊之間我想專門提幾個我們認為對我們來說，從設計角度比較重要的東西。因為AI里很重要的是數(shù)據(jù)，數(shù)據(jù)來自于兩個方向，一個是能大量的積累，另外數(shù)據(jù)要有深度的關聯(lián)。
這張圖里有兩塊是和數(shù)據(jù)相關的，最右邊的LRS，中間有一個MDS，這兩個東西給我們提供的是把學習行為數(shù)據(jù)，和我們的知識圖譜、題庫、內(nèi)容庫和教學內(nèi)容的東西連接起來，這樣才能達到數(shù)據(jù)有效的長期使用。以前我們在實施過程中發(fā)現(xiàn)了一個很大的問題，很多企業(yè)的數(shù)據(jù)是單維度的，可能有學生所有做題的記錄，可能有學生所有考試的記錄，可能有學生所有英語閱讀的東西，發(fā)音的數(shù)據(jù)，但是單個來看的話，數(shù)據(jù)有效性很受限制。
如果你想從里面找到數(shù)據(jù)的話，如果只有一個維度的數(shù)據(jù)的話，你能做的事情非常有限，而且需要大量的人工去建標簽或者人工的做相應的反饋。如果你的數(shù)據(jù)是多維度的，是有相關聯(lián)系的，如果一個學生不光有做題的數(shù)據(jù)，還有做題之后看視頻的數(shù)據(jù)，還有做題的時候當時表情的數(shù)據(jù)，還有做題的時候腦電波的數(shù)據(jù)，這樣我們可以在各個方面把這些數(shù)據(jù)結(jié)合起來，能夠做到的東西比以前要多得多，它能提供的可能性大得多。
即使不說腦電波或者表情數(shù)據(jù)，哪怕把學習目標了解了，就是學生做一道題的時候，當時學習的目標是什么，想學的是什么知識點，這套題做之前已經(jīng)了解了哪些知識點，不了解哪些知識點。
如果知道了這個信息以后，你的做題數(shù)據(jù)包括以后的其他學生行為數(shù)據(jù)，對你的機器學習和整個老師的診斷來說有非常大的作用，我們是通過MDS把數(shù)據(jù)結(jié)合起來，LRS把數(shù)據(jù)積累起來。
另外想談一下自適應引擎，不管是剛才一起作業(yè)他們提到的東西，還是掌門一對一提到的，都提到了比較類似的東西。
我們的適應引擎提供了兩個最基本的功能，它自己的大腦里需要有什么東西，第一個是了解一個學當時學習的狀態(tài)，了解他對知識點了解的程度，和所有知識點之間的聯(lián)系，互相之間的關聯(lián)性是什么樣的。第二個是推薦路徑，我知道這個東西以后怎么給你好的推薦，這是我們的引擎最重要的核心部分。
這個機器需要知道什么呢？一方面需要知道學生長期的數(shù)據(jù)，越長時間越好，還有一個他需要了解學習它學的東西，像一個GPS導航一樣，學生要去哪兒？這些地方之間的關聯(lián)是什么？還有一個學生可以做的事情是什么，可以看的內(nèi)容是什么，和我們導航的東西有什么聯(lián)系，這樣才好給他推薦。第三個就是學生自己的狀態(tài)，包括他的學習目標是什么。
有了這些，自適應引擎就可以轉(zhuǎn)起來了，后面還有很多其他相關的東西，因為時間的關系我們就不一一介紹了。
我想談一談我們以后要做的，未來要打造AI教室所需要的東西。
剛才由于三個層面所謂模型的信息，最頂上那一層是DKT還有Dan新開發(fā)的一個模型，可以很好的認知學生的狀態(tài)，當然還有其他的模型，可以根據(jù)記憶的消減來給學生提供以后的學習機會。
第二層是多輸入的，或者是通過不同的信號來輸入，來了解學生的情感和注意力的狀態(tài)，這樣它主要的目的是為了給老師提供更好的預警，老師什么時候干預學生、提供學生，提供這樣一個層級的作用。
第三層是我們比較新的開發(fā)的東西，通過對話的形式幫助學生做錯因分析，幫助學生做一些具體的“診斷”，這個在開發(fā)的過程中，我們跟CMU在做一些新的東西。
我們?yōu)槲磥泶蛟斐堿I導師，在國際上有大量的合作，現(xiàn)在已經(jīng)跟我們有合作關系的有SRI、UC Berkeley，中國社科院，澳大利亞UTC，現(xiàn)在馬上要建立合作關系的包括CMU，孟菲斯大學，西班牙的IIA和MIT，我們都在談判中。
我們希望通過跟頂級機構(gòu)建立合作關系，利用我們的標準和數(shù)據(jù)共享以及開放平臺的優(yōu)勢，來提供更強的AI功能，為每一個小孩提供超級AI教師，多謝大家。（演講全文完）
人工智能風雨60年，與其說技術(shù)升級促成了今天的浪潮，不如說當前的人工智能，終于站在離商業(yè)最近的位置。
去年，首屆「AI 最佳掘金案例年度評選」活動一經(jīng)推出，便受到了AI方案輸出方和AI技術(shù)需求方的極大關注。評選從商業(yè)維度出發(fā)，尋找用戶/客戶問題解決能力強的產(chǎn)品和解決方案。
現(xiàn)在，我們再次站在AI浪潮之巔，正式啟動第二屆「AI最佳掘金案例評選」。
在AI+教育領域我們一共設置了6個獎項，歡迎踴躍報名，報名地址：http://www.ozgbdpf.cn/special/custom/AITopTen2018.html
相關文章：
掌門1對1張翼：AI對教育最大的賦能是讓學生獲取打開知識寶庫的“鑰匙” | 全球AI+智適應教育峰會
天圖資本馮衛(wèi)東：面對AI革命中小學教育何處去？| 全球AI+智適應教育峰會
松鼠AI栗浩洋：AI將對教育帶來顛覆性變革 | 全球AI+智適應教育峰會
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
本專題其他文章
