<mark id="oztn4"></mark>
0
| 本文作者： 劉偉 | 2018-07-03 16:47 | 專題：2018 CCF-GAIR 全球人工智能與機器人峰會 |
雷鋒網按：2018 全球人工智能與機器人峰會（CCF-GAIR）在深圳召開，峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，得到了寶安區政府的大力指導，是國內人工智能和機器人學術界、工業界及投資界三大領域的頂級交流盛會，旨在打造國內人工智能領域最具實力的跨界交流合作平臺。
CCF-GAIR 2018 延續前兩屆的“頂尖”陣容，提供1個主會場和11個專場（仿生機器人，機器人行業應用，計算機視覺，智能安全，金融科技，智能駕駛，NLP，AI+，AI芯片，IoT，投資人）的豐富平臺，意欲給三界參會者從產學研多個維度，呈現出更富前瞻性與落地性相結合的會議內容與現場體驗。
大會第三天的“AI+專場”，乂學教育松鼠AI首席科學家崔煒博士作為第三位演講嘉賓，發表了題為“讓每個孩子身邊都有AI超級老師”的精彩演講，為我們描繪了一幅未來教育的美好圖景。
崔煒博士介紹，每個學生的學習能力和知識掌握程度不盡相同，傳統課堂統一教學無法滿足學生的個性化學習需求。
不同學生對于教學風格的偏好程度也不一樣，成績好的可能喜歡能切中要害的年長教師，成績差一點的可能喜歡風格輕松活潑的年輕老師。
過去學生彌補知識漏洞主要靠“題海”戰術，其實80%都是無效勞動，因為80%的題目他已經掌握了。
這些都嚴重影響了學生的學習效率和效果。
為此，乂學教育從2014年開始研發人工智能自適應學習系統“松鼠AI”。松鼠AI智適應學習引擎包含學生畫像、內容模型、教學模型和預測模型四大模塊。該系統內含不同類型的教學資源，可以根據學生畫像進行精準的教學內容匹配。學習過程中系統會實時監測和評估學生的學習效果，診斷知識薄弱點。同時系統還能預測學生學習某個知識點的效果，以及所需的時間，從而制定最優的戰略性學習路徑。
2017年至今，松鼠AI先后在多個城市舉行了“人機大戰”。讓自適應學習系統和經驗豐富的公立學校老師進行公平公正的對決，結果顯示人工智能自適應學習系統的教學效果要優于人類教師。
崔煒博士表示，乂學教育松鼠AI希望AI老師能夠解決學習效率的問題，讓人類老師從備課、授課、批改作業中解放出來，更多從事“育人”的工作，培養學生的想象力與創造力。他認為，未來教育是“人機共教”，AI超級老師將是蘇格拉底、達芬奇和愛因斯坦的結合體。
以下是崔煒博士的全部演講內容，雷鋒網做了不改變原意的整理與編輯：
大家下午好，我叫崔煒，來自上海乂學教育。非常感謝雷鋒網提供機會，讓我們作為教育企業的代表在這里分享過去三四年間，我們在人工智能+教育這個垂直行業的應用和實踐經驗。我今天分享的主題是“讓每個孩子身邊都有AI超級老師”。
人工智能無處不在，涉及我們生活的方方面面。我們看到的應用主要集中在計算機視覺（包括圖像識別、安防、安檢）、自然語言處理、文字理解等領域。圖像識別和自然語言處理在教育行業也有所應用，比如一些批改作業的工具。
我們做的AI教育應用跟這些不大一樣。我們的做法類似AlphaGo和IBM沃森，希望AI模擬一個優秀老師的知識經驗和教學經驗。我們的使命是通過AI和大數據技術因材施教，將個性化學習規模化，讓每一個孩子都能按照自己的特點去學習。過去我們一直在朝這個方向努力。
我們為什么要做這件事情？因為傳統課堂教育無法滿足所有學生的需求。這種模式比較適合授新課，因為所有學生對新課內容都不太了解，處于同一起點。但每個學生的學習、接受能力和智力水平不盡相同，一堂課下來，不同學生的學習效果千差萬別。課后復習等也會影響到學習效果，隨著時間推移，學生對知識的掌握程度會逐漸拉開距離。
一名優秀的教師通常可以做到兩點：一是精準診斷學生的問題；二是為學生制定個性化的學習方案。這樣一名優秀教師需要幾十年的教學經驗積累，這些經驗只可意會不可言傳，難以復制和傳承。即使傳授給新教師，后者也需要在教學實踐中不斷打磨和積累，就像老中醫一樣。
尤為重要的是，學生數量十分龐大，而教師隊伍相對較少。老師的時間、精力有限，不可能照顧到每一個學生，為其提供個性化的學習。
近年來人工智能取得了很大的發展，我們相信人工智能是人類智力的延伸。以AlphaGo為例，六七年前大家認為下圍棋需要人類的全局觀，這是人工智能無法模擬的，所以它取代不了人類。但AlphaGo推翻了這種觀念，它在短短幾年時間里學會了人類歷史上的幾十萬步棋，而且還進化了幾十萬步。它證明人工智能確實可以在某些方面超過人類，做人類做不到的事情。再比如IBM的沃森，它可以模仿優秀醫生做診斷，給出治療方案，而且給出的治療方案優于一般醫生。我們相信，人工智能在教育領域也能像在醫療、圍棋、德州撲克等領域一樣，超越人類，將傳統教育模式下無法規模化的個性化學習進行普及。
我們去醫院看病，打噴嚏可能是因為著涼，也可能是因為發熱和過敏性鼻炎。過敏性鼻炎又有幾種誘因，可能是花粉過敏，也可能是粉塵過敏。只有精準找出病因才能更好地治療。學習也是如此，只有精準診斷出每個學生的特點和薄弱知識環節，才能更高效地學習。
這里就要提到自適應學習。自適應學習在國外并不陌生，已經有20多年的歷史，從最早規則化的自適應到現在基于人工智能的自適應。自適應學習能夠更加精準地定位每個學生的特點，為其提供高效的個性化學習方案。
過去我們主要依據分數判斷學生對知識的掌握程度。傳統考試只是對學生知識水平的粗略評估，受考試范圍（考試不可能覆蓋所有知識點）和學生考試心態影響。采用人工智能算法后，我們可以更精準地定位學生對每個字的熟練程度，全方位覆蓋學生對所有知識點的掌握情況，并及時有效地讓其針對薄弱點進行個性化學習，哪里不會學哪里。我們會精準地給學生推薦最合適的學習內容，學生學習水平低就推薦容易的內容，程度還可以就推薦難一點的內容。過去學生彌補知識漏洞的做法通常是“題海戰術”，其實80%都是無效勞動，因為80%的題目他已經掌握了。而且不同學生會與不會的東西不同，傳統模式下所有學生的學習內容和課后作業完全一樣，無法因材施教。
自適應學習在國外已經開始應用，覆蓋了不同國家、不同年齡層，從小學、初中、高中到職業教育的幾百個學科。其效果得到了很好的驗證，無論對小學生還是初中生，文科生還是理科生，都可以帶來成績的提升。
乂學教育從2014年開始研發人工智能自適應學習系統，并在2015年底、2016年初正式上線了國內第一個針對K12學生的人工智能自適應學習產品“松鼠AI”。我們的產品完整覆蓋了所有學習流程，學生只需要有一臺電腦、一個賬號和網絡就可以登錄到系統中，AI會像老師一樣給學生帶來個性化學習。
下面介紹一些案例，展示學生通過系統學習之后的效果。比如，有一個學生之前一點都不喜歡寫作文，無論怎么要求、激勵他都不愿意寫。在我們這里學習一個禮拜后，能夠寫500字的作文了。
還有一個初中生，在初三進行中考沖刺的時候使用了我們的系統，總成績提升了近100分。我們的產品對中考復習和沖刺特別有效，能夠診斷學生所有的知識漏洞，并有針對性地幫助其解決知識薄弱問題。
還有一位同學，他之前上過很多輔導班，也使用了各種產品，但英語成績一直沒什么提升。用了我們的產品后，在沒有任何老師干預的情況下，依靠自主學習成績從63分提升到了120分。最后受到副校長的全校表揚，當時學校只表揚了兩名學生，一名是個學霸，另一名就是他。
我們是如何做到這一點的呢？我們會在學生的學習過程中實時監測和評估，通過數據分析構建學生畫像，掌握他對每一個知識點的熟練程度。然后以此為基礎，為其規劃最佳學習路徑和學習解決方案。
我們可以做到像一個優秀老師，不僅給學生做診斷和規劃，還為他制定戰略性的學習策略。比如一個面臨中考沖刺的學生，要在兩個月內學習100個知識點。我們依據他過往的學習情況判斷，他兩個月內無法完全掌握這100個知識點。那么我們就會優先讓他學習考試中出現頻率較高、分數占比較高，而且學起來比較容易的知識點。因為如果100個知識點全部學習就只能蜻蜓點水，最后每個知識點都掌握不好。假如把時間精力放在重要知識點上，把它鉆研透，就能在考試中穩穩得分。這才是最高效的學習方式。
我們的AI老師還可以做前瞻式判斷。學生要完成某個學習目標，我們會先判斷他當前是否有能力完成這個目標。比如某個學生學習一元二次方程，我們會看他的分解和一次方程是否學好了。如果沒有學好，就先學習這些薄弱的基礎知識點。只有熟練掌握這些前提知識點，他才能完成學習目標。
我們的系統會給學生推薦最合適的學習內容。不同學生的學習風格和興趣都不一樣，學習特別好的可能喜歡年長的老教師，因為他們可以切中要害，學生的學習效率比較高。另外一些學生可能喜歡輕松活潑的課程。我們系統中有很多不同類型的學習內容，會針對學生的特點進行相應推薦。
為了評估學習效果，從2017年10月開始，我們采取公平公正的方式先后進行了十多場對比實驗。我們提供一套系統，由當地教育局或公立學校找來一部分學生，將他們隨機分成兩組，保證兩組學生成績一致。一組作為實驗組，完全使用我們的系統自主學習，沒有老師干預；另一組是對照組，由十幾年教學經驗的公立學校老師按傳統方式授課，一位老師帶15-20個學生。我們按給定的學習范圍讓老師出卷子，學生學習前測試一套，學習后再測試一套，保證難度一致。
2017年至今，我們在鄭州、南昌、武漢、嘉興、成都等地進行了十多場對比實驗，結果都證明我們的產品比經驗豐富的老師授課更有效。最近一場實驗是在山東東營舉辦的，我們召集了120多個學生。這次對比實驗更具挑戰，一位老師只帶三名學生，結果證明我們的產品跟一位老師帶三名學生的效果不相上下。
我們的系統包含四大功能：學習前的診斷、學習過程中的診斷、個性化學習方案和個性化學習內容的推薦，以及個性化學習路徑的規劃。
先說學習前的診斷。每個學生到我們這里，都要先經過智能化的診斷測試。我們通過少量題和少量時間就能快速精準診斷出他對每個知識點的掌握情況。診斷后有一個報告，告訴學生哪些知識點是他已經掌握的，哪些是沒掌握的。接下來，學生只需要學習沒有掌握的知識點。
我們還能像優秀的教師一樣，在學習過程中不斷評估學生的知識掌握情況。就像病人住院，護士需要經常給病人量血壓和體溫，調整治療方案。系統可以及時了解學生做完一元二次方程的題后能力是否提升，AI引擎會自動推薦后面的學習內容，及時調整學習路徑和學習內容，保證當前的學習內容是對學生幫助最大的。
我們的人工智能自適應學習引擎包含四大模塊：
一、學生畫像。通過采集學生數據形成學生畫像，這是精準個性化推薦的基礎。
二、內容模型。我們的系統中包含大量學習資源，包括對每個知識點的講解視頻，每個知識點匹配不同難度、不同層次的試題。有了學生畫像和內容模型，才能在學生和內容之間搭建橋梁，做到精準的個性化推薦。
三、教學模型。根據學生畫像，及時給學生提供個性化解決方案。比如在學生學習前預測其是否有能力掌握這些知識點，以及哪些知識點對他幫助最大。這就像AlphaGo的動態規劃，AlphaGo下一步棋會往后推十步、百步、萬步，才知道哪種落子方案獲勝概率最高。我們給學生的學習方案也一樣。比如某個學生有一百個知識點沒掌握，我們會往后推一百步，判斷哪些知識點對學生幫助最大，然后優先推薦給他學習。
四、預測模塊。我們還可以預測學生在尚未學習的知識點上能達到怎樣的水平，需要花多長時間學習，這樣AI老師才能給學生做整體學習規劃。
下圖展示了傳統的學習路徑，所有學生按照統一路徑學習。
有了AI老師后就不用這樣刷題了，比如我們診斷出某個學生有五個知識點需要學習，系統就會規劃最佳學習路徑。
另一個學生的薄弱知識點更多一點，系統診斷后會給出另一套最佳學習路徑。
下圖是AI老師為第三位學生診斷出的知識漏洞，和相應規劃的學習路徑。
在我們的系統中，每個學生按照自己的學習路徑學習。AI老師診斷出每個學生的知識漏洞，給他分配不同的學習時間、學習內容和試題，讓學生個性化地高效地學習。
下圖是十個學生在不同知識點上花費時間的分布圖。
下圖是九個學生在十一個知識點上的不同學習路徑。前面的學生只有三個薄弱知識點，中間的有七個，后面有十個。
他們的學習路徑不一樣，不同學生學習同一個知識點花的時間和做題的難度都不一樣。
我們的產品以學生為中心，學生自主在系統中學習，老師只起答疑解惑的作用。我們希望AI老師能幫助學生提高學習效率，把老師解放出來。以往老師疲于備課、授課、批改作業，沒有時間育人。有了AI老師解決學習效率問題，人類老師就可以從事更有意義和價值的事情，比如跟學生進行情感溝通和交流，幫學生解決學習動機的問題，培養他們的創造力和想象力。人工智能替代的不僅是簡單重復的工種，很多智力相關的工作也可能會被替代，包括金融高頻交易員和律師等，因此創造力和想象力的培養更加重要。
提升能力，光靠傳統老師授課肯定不夠，未來是“人機共教”的時代。學習通過系統完成，創造力、想象力由老師培養。我們希望未來AI老師是蘇格拉底、達芬奇和愛因斯坦的結合體。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
