AI教育論壇：AI+教育內(nèi)容為先需要新數(shù)據(jù)集衡量學(xué)習(xí)效率 | 全球AI+智適應(yīng)教育峰會

本文作者：張帥

2018-11-19 18:36

專題：2018全球AI+智適應(yīng)教育峰會

導(dǎo)語：AI教育學(xué)術(shù)專家共同探討AI教育的進一步發(fā)展空間。

雷鋒網(wǎng)按：11月15日-16日，“全球AI+智適應(yīng)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(xué)教育松鼠AI，以及IEEE（美國電氣電子工程師學(xué)會）教育工程和自適應(yīng)教育標(biāo)準(zhǔn)工作組共同舉辦，匯聚國內(nèi)外頂尖陣容。

AI智適應(yīng)學(xué)習(xí)是目前產(chǎn)學(xué)研三界關(guān)注度最高的話題之一。此次峰會，我們邀請美國三院院士、機器學(xué)習(xí)泰斗Michael Jordan，全球公認(rèn)機器學(xué)習(xí)之父Tom Mitchell，斯坦福國際研究院（SRI）副總裁Robert Pearlstein、美國大學(xué)入學(xué)考試機構(gòu)ACT學(xué)習(xí)方案組高級研究科學(xué)家Michael Yudelson等頂尖學(xué)者；新東方、掌門1對1、作業(yè)盒子、一起作業(yè)、ALEKS等國內(nèi)外最具影響力的AI智適應(yīng)教育公司共聚北京，共同探討AI智適應(yīng)熱點話題。

16日上午的AI教育學(xué)術(shù)論壇由乂學(xué)教育松鼠AI高級數(shù)據(jù)和認(rèn)知科學(xué)家 KP Thai 主持，參與討論的嘉賓分別是德國人工智能研究中主任Carsten Ullrich博士、乂學(xué)教育松鼠AI數(shù)據(jù)科學(xué)家Dan Bindman教授以及谷歌中國資深研究科學(xué)家王京濤博士。

AI教育論壇：AI+教育內(nèi)容為先需要新數(shù)據(jù)集衡量學(xué)習(xí)效率 | 全球AI+智適應(yīng)教育峰會

以下為圓桌討論實錄，雷鋒網(wǎng)做了不改變原意的整理與編輯：

KP Thai：大家早上好，我的名字叫KP Thai，非常高興能來到這里跟非常出色的專家進行討論，大家也有不同的背景，在人工智能領(lǐng)域有非常多的專業(yè)經(jīng)驗和才能，我想和大家來談一下AI+教育，我們過去的一天半也一直在談這樣的話題，現(xiàn)在我們想更好的探討一下當(dāng)下的情況，并且展望一下未來。

我想從各位嘉賓這里獲得不同的觀點，大家可不可以說一下，你認(rèn)為自己在人工智能+教育方面扮演著什么角色呢？

Carsten Ullrich：感謝KP，我來自德國人工職能研究中心，研究如何應(yīng)用人工智能促進學(xué)校的學(xué)習(xí)，以及促進職業(yè)教育。當(dāng)然人工智能為我們打開了很多不同的可能性的大門，在正確的時間、正確的地點給你正確的內(nèi)容。

今天我們談到了很多大學(xué)教育以及中小學(xué)教育，同時職業(yè)教育也是需要關(guān)注的。在德國有非常大的教育行業(yè)，現(xiàn)在德國工業(yè)4.0在進展當(dāng)中，應(yīng)用了新的技術(shù)、新的設(shè)備，需要保證的是給工人最好的培訓(xùn)，讓他們能適應(yīng)這個時代的需要。

Dan Bindman：在這個過程中，我們國家也有很多不同的項目和相應(yīng)的支持研究項目，2002—2014年代我在ALEKS工作，在智適應(yīng)方面也有很多經(jīng)驗。在所有數(shù)學(xué)方面的產(chǎn)品我都有涉及，2015年我設(shè)計了一個新的模型，我認(rèn)為它也是非常有前景的。后來我加入了松鼠AI，是今年加入的。

王京濤：我叫王京濤，在中國工作，之前我在匹茲堡大學(xué)工作。同時我也是在移動接口和移動互聯(lián)網(wǎng)方面有一些工作，之前我也在AI方面有很多年的經(jīng)驗，主要是看一下如何應(yīng)用人工智能促進教育。首先我相信技術(shù)能發(fā)揮更好的作用，更好的促進教育，主要是在三個方面：

1.我們考慮如何應(yīng)用技術(shù)來促進教育。

2.如何應(yīng)用技術(shù)來更好的促進募課，就是大型網(wǎng)絡(luò)公開課的發(fā)展。

3.看一下如何應(yīng)用人工智能來更好的促進整個教育發(fā)展。

KP Thai：臺上都是非常資深的專家，剛才談到了人工智能和教育，以及人工智能的引擎也就是機器學(xué)習(xí)，這樣的一些算法。人工智能引擎以及機器學(xué)習(xí)算法我們談了很多，內(nèi)容重要嗎？高質(zhì)量的內(nèi)容是什么樣的呢？

Dan Bindman：感謝，我認(rèn)為高質(zhì)量內(nèi)容是非常困難的，造價非常昂貴。如果要選引擎重要還是內(nèi)容重要的話，我認(rèn)為內(nèi)容在很多情況下更重要，甚至是重要得很多。很多開發(fā)公司或者是企業(yè)，他們并沒有非常重視內(nèi)容，我認(rèn)為對于高質(zhì)量的內(nèi)容來講會有幾個非常重要的特征：

1.必須是非常具體細(xì)節(jié)的，你需要在不同的問題，不同的主題中有很多不同的細(xì)節(jié)區(qū)分，這樣的話才能不斷的往前推進。如果我們兩個主題之間沒有任何的連接，而且他們的差距非常大的話，我們的學(xué)生就沒有辦法真正跨越這樣的距離。

2.對于高質(zhì)量的內(nèi)容來講，要有完整性，必須包含我們需要的所有內(nèi)容和話題，如果缺失了一些內(nèi)容肯定會出現(xiàn)問題。

3.第三點可能是最難的一點，就是希望能有一個深度。剛才我也聽到了大家談到了深度知識、深度學(xué)習(xí)，我也是非常同意，就像藝術(shù)一樣，我們想要使用一些內(nèi)容來促進AI的發(fā)展，但是卻不知道真正的高質(zhì)量內(nèi)容是什么樣的，這是非常難來界定的。對于學(xué)生來講，不管他們學(xué)什么，他們其實學(xué)的就是內(nèi)容，學(xué)的就是系統(tǒng)提供的內(nèi)容，這就是他們的知識。他們的知識就是對這些內(nèi)容的主觀反映，所以如果我們的內(nèi)容質(zhì)量不高的話，學(xué)生就沒有辦法真正從內(nèi)容中獲益，學(xué)到相應(yīng)的知識。

還有一點非常重要，通過我這么多年的經(jīng)驗，有些公司沒有重視內(nèi)容，有些人甚至認(rèn)為做內(nèi)容的人并不那么重要。但是我認(rèn)為做內(nèi)容的工作特別的重要，而且他們的成功與否對于整個系統(tǒng)的成功與否也會發(fā)揮非常大的決定性的作用。

另外一點剛才我也談到了內(nèi)容對AI的重要性，同時我們也需要讓人工智能和內(nèi)容有一個互相的互動，并且有一個反饋的過程。也就是說，怎么樣能更好的促進內(nèi)容。

王京濤：我認(rèn)為內(nèi)容確實非常重要，至少它和算法和其他技術(shù)是一樣重要的，這是我想跟大家分享的一點。教育科技不光是科技，是三合一的東西，我們需要有技術(shù)、內(nèi)容，還有另外的第三個元素，就是政策。我不是一個政策的制定者，但是我意識到政策是非常重要的，我們?nèi)绻姓_的政策就可以真正的讓教育起飛，所以它并不僅僅是技術(shù)的問題，我們也需要有相應(yīng)的利益相關(guān)方的支持。

Carsten Ullrich：這是一個非常好的觀點，對于技術(shù)、內(nèi)容和算法，以及剛才您提到的政策的內(nèi)容，我們怎么樣通過這樣的內(nèi)容促進技術(shù)的實施和進展。在德國還有一點，對于算法以及機器學(xué)習(xí)和相應(yīng)的內(nèi)容，從我的角度來講，我是更加傳統(tǒng)的人，我想要更好的對傳統(tǒng)教學(xué)知識來進行應(yīng)用、建模。有的時候AI可以做得很好，但有的時候人類教師做得更好，教學(xué)方法和知識怎么樣把它真正的跟AI融合起來，這是非常需要考慮的一個方面。

KP Thai：智適應(yīng)實際上是不斷適應(yīng)的過程，而且會花費很長的時間，它的起源可能是40年以前，如果我們再往前看的話，可能100多年前就有這樣的一個苗頭了。我想問一下，人工智能是真正的顛覆性的技術(shù)嗎？或者我們需要怎么樣重新思考這樣的智適應(yīng)教學(xué)呢？

王京濤：我覺得現(xiàn)在創(chuàng)新無處不在，包括基本研究、深度學(xué)習(xí)的算法等等，還有數(shù)據(jù)包、數(shù)據(jù)的內(nèi)容、數(shù)據(jù)集等等，能夠讓AI和深度學(xué)習(xí)有飛速發(fā)展。所以我想說一點，我覺得心態(tài)和思維模式也非常重要，思維模式指的是我們能夠做某件事情或者不能做某件事情的共識，我們想要做一些事情的話需要一些共識，比如說短期內(nèi)3年、5年內(nèi)能解決什么問題。

谷歌告訴我們可以用深度學(xué)習(xí)來完成圍棋的博弈，我覺得這也是一樣的道理。在這之前很多人會覺得至少10年之內(nèi)才能實現(xiàn)用電腦下圍棋這個事情，但是最近不管是在教育還是在其他的領(lǐng)域，我們都要改變我們的心態(tài)和思維模式。思維模式改變了之后我們就可以探索更多機遇，尤其是教育行業(yè)的機遇，這個看起來比較小，但是確實是實在發(fā)生的。

Dan Bindman：剛剛提到了政策制定者的思維模式，我覺得在深度內(nèi)容方面所遇到的一個阻礙，就是政策制定者管理考試的時候一般會用簡單易行的考試，因為打分非常簡單，所以深度內(nèi)容需要進入到政策制定者的視野中，我們要改變政策制定者的心態(tài)和思維模式。

Carsten Ullrich：最近我也讀到了一篇文章，是麻省的，提到了當(dāng)前的架構(gòu)，很多不同領(lǐng)域的架構(gòu)會有一個用戶模型，以及學(xué)習(xí)者的模型，以及內(nèi)容的模式。所以會有一個教育學(xué)的模式，比如說這樣一個內(nèi)容是怎么樣教的，不同的教學(xué)內(nèi)容會用不同的教學(xué)模式，所以我覺得基本的概念也是非常清楚的，我不知道這是好事還是壞事，但是我覺得這是基本的架構(gòu)能幫助我們解決當(dāng)前的問題。在這樣的架構(gòu)之上，我們能取得更多的進步。

KP Thai：除了深度學(xué)習(xí)的進步之外，剛才也提到了計算機架構(gòu)，有沒有其他領(lǐng)域方面的突破能夠有更多的進步？

王京濤：我覺得有很多，要讓教育技術(shù)真正切實可行，不僅僅是借用其他領(lǐng)域的突破，在教育行業(yè)本身也要有一些技術(shù)的突破。我覺得可以說的有很多，但是最重要的一點就是數(shù)據(jù)集，就是數(shù)據(jù)科學(xué)。要讓數(shù)據(jù)在深度學(xué)習(xí)中發(fā)揮更大的作用，比如說很多數(shù)據(jù)是由大學(xué)教授收集的，所以在深度學(xué)習(xí)中扮演了非常重要的作用。還有將數(shù)據(jù)進行分類，對于醫(yī)學(xué)的影像處理和其他影像處理來說，數(shù)據(jù)集沒有特別的關(guān)系，我們要先訓(xùn)練一個影像處理的網(wǎng)絡(luò)，利用一個特定的數(shù)據(jù)集才能獲得最優(yōu)的表現(xiàn)。我們要用這種數(shù)據(jù)集開拓很多的創(chuàng)新，這在教育行業(yè)中尤其重要，當(dāng)下可能沒有這樣的數(shù)據(jù)集和數(shù)據(jù)科學(xué)，要從頭開始收集數(shù)據(jù)，把它們放到應(yīng)用當(dāng)中，這是教育科技要做的一件事情。

Dan Bindman：我非常同意，在AI方面我們花了很多時間，有很多輸入，比如說臉部識別、大腦掃描等等，但是更重要的是要讓人們有更多的激勵。如果有更多的數(shù)據(jù)集能衡量學(xué)生學(xué)習(xí)的進步集，讓就能系統(tǒng)變得更加的強大。

KP Thai：所以我們需要有新的數(shù)據(jù)集進行衡量，有沒有其他的一些手段來衡量智適應(yīng)的學(xué)習(xí)效率呢？

王京濤：這個問題最近出現(xiàn)很多次，尤其是最近的學(xué)界中，但是大家會忽略這個問題。在社會中大家會搞壞科學(xué)的結(jié)論，一個宣傳上會有一些混淆，對于科學(xué)結(jié)論來說人們不知道這個結(jié)論的預(yù)設(shè)是什么。比如說這個技術(shù)對于學(xué)習(xí)話題來說是否有用，需要用什么樣的控制環(huán)境，以及是否能擴大化、規(guī)模化，如何跟技術(shù)相結(jié)合等等，我覺得這些都是開放的問題，但是這些問題被報道一些突破的時候沒有得到關(guān)注，所以我們應(yīng)該更好的關(guān)注這些技術(shù)的創(chuàng)新和技術(shù)的突破，尤其是教育技術(shù)方面的創(chuàng)新和突破，應(yīng)該得到更多的報道。

所以我個人的建議是，在科研界應(yīng)該有共識，就是如何去評估和衡量一個好的教育技術(shù)和教育體系，當(dāng)前的教育體系肯定是不完美的，我們做總比不做要好，而且總比光是宣傳要好，我的建議就是對于每個觀眾來說，如果有一些突破性的技術(shù)進行報道的話，一定要去問會在哪里發(fā)布結(jié)果，以及評估過程是什么，你的論證、驗證是什么。

Dan Bindman：我覺得非常重要的一點就是有很多人都會有他們的想法，但是一個好的教育體系，其實很多時候很難定義。但是有很多優(yōu)勢是很容易找到的，我們要有一個共同的共識，共同的標(biāo)準(zhǔn)來衡量好的教育系統(tǒng)，也可以在產(chǎn)品之間進行比較，跟同類產(chǎn)品之間進行比較，要有一個共同的數(shù)據(jù)集，共同的標(biāo)準(zhǔn)，否則的話大家拿蘋果跟橘子進行比較，這個衡量標(biāo)準(zhǔn)就不一樣了。

Carsten Ullrich：當(dāng)前我們有一些方法，這些方法并不是非常完美，但是我覺得總比沒有方法要好，比沒有衡量標(biāo)準(zhǔn)要好。我們看到職業(yè)教育、成人教育更加復(fù)雜，衡量更難，比如沒有考試或者分?jǐn)?shù)對進行衡量，以及對于工作場合的學(xué)習(xí)就沒有很多的考試，這時候很多公司就更多的關(guān)注利潤。因為對于一個人學(xué)習(xí)成效很難去衡量，比如是不是發(fā)明了一個科技，還是發(fā)布了一個博客，這也是非常開放的一個話題。

KP Thai：下一步我們要做什么呢？對于智適應(yīng)學(xué)習(xí)，我想讓Carsten教授回答一下這個問題。剛才也談到了我們有很多進步，尤其是深度學(xué)習(xí)、機器學(xué)習(xí)、計算方面的進步，我們剛才舉了很多例子，比如說AI以及AI打分器，你們覺得我們展望未來下一步應(yīng)該是什么樣的？

Carsten Ullrich：我覺得這個問題非常好，剛才提到了有很多AI方面的進步，有很多機器學(xué)習(xí)的方法，有幾百萬、幾千萬的數(shù)據(jù)，比如說AlphaGo是我們常常提到的例子，它達(dá)到人類大師級別之前下了4.9億盤圍棋，這是非常大的數(shù)據(jù)積累，所以它的數(shù)據(jù)能力也非常強，谷歌跟非常強的計算能力結(jié)合，計算能力的基礎(chǔ)就是數(shù)據(jù)。

教育行業(yè)每個學(xué)習(xí)者都是單獨的個體，單獨的宇宙，相當(dāng)于每個人的目標(biāo)是一樣的，在玩游戲的時候我們目標(biāo)一樣，就是要通關(guān)，但是學(xué)生的過程中是非常個性化的，所以要收集他們的數(shù)據(jù)。我們會關(guān)注每一個學(xué)校，比如說學(xué)校的學(xué)生數(shù)量還有學(xué)生的年齡，他們的目標(biāo)是要通過哪些考試，以及考試的狀況，我覺得是一方面。

另一方面要看到成人學(xué)習(xí)、成人教育我們還沒有太多數(shù)據(jù)進行衡量，在這方面沒有用太多的機器學(xué)習(xí)的方式。當(dāng)然肯定會有越來越多的數(shù)據(jù)，因為會有新的數(shù)據(jù)流，現(xiàn)在有面部識別還有其他的措施來收集更多的數(shù)據(jù)。

Dan Bindman：我想說的是，我們剛剛提到了很多演講者，尤其是今天我們有很多不同的視角，剛剛提到我們并不只需要一個系統(tǒng)，如果是單一系統(tǒng)的話就不是特別高效，所以我們有更多的數(shù)據(jù)產(chǎn)生。數(shù)據(jù)的產(chǎn)生量也非常重要，所以當(dāng)前的一個事情，我們要關(guān)注的是處理數(shù)據(jù)和面對算法的時候，我們會運用到AI，區(qū)分哪些事情是普適的，哪些不是普適的，

Carsten Ullrich：我們經(jīng)常說要開放數(shù)據(jù)來源，比如說新東方會給教師拍視頻。在上海交大有一個非常好的研究，跟上海另一家公司合作，有100個教室，有攝像頭，會對學(xué)生的表現(xiàn)進行網(wǎng)絡(luò)分析。比如說學(xué)生是不是清醒的，是不是昏昏欲睡，是不是跟老師進行互動，對真實世界的分析和評估，把數(shù)據(jù)整合到體系當(dāng)中。因為大多數(shù)的學(xué)習(xí)并不是在學(xué)習(xí)管理系統(tǒng)當(dāng)中發(fā)生的，而是在真實世界中發(fā)生的，我們也做了一些研究。

比如說用物聯(lián)網(wǎng)，用各種各樣的傳感器來做一些數(shù)學(xué)的計算，在空客公司我們做了一個工作空間的數(shù)據(jù)化，這樣系統(tǒng)就能知道員工在做什么，是不是以正確的方式進行銷售。所以我們會用互聯(lián)網(wǎng)空間的數(shù)字化方式來衡量真實世界中的行為，這樣可以更好的了解真實世界中的情況，把他們的進展整合到數(shù)據(jù)系統(tǒng)當(dāng)中。

我想再增加一點，因為我個人覺得今天有很多方法很有趣，但是也是有限的，就是跟真實的老師相比的話還是有很多限制的，所以如何建模解決這個問題，我們?nèi)绾谓o真實世界的老師建模。我們已經(jīng)看到了這樣具有革新性的技術(shù)，人工智能仍然關(guān)注的是傳統(tǒng)的知識以及傳統(tǒng)的學(xué)習(xí)，我不禁思考怎么樣能將學(xué)習(xí)也進行一些變革，這是我們真正需要思考的一個方面。

當(dāng)然我們不是說要顛覆教育，只是像剛才所說的，怎么樣能把這些人類教師的專業(yè)才能進行建模，我認(rèn)為現(xiàn)在需要的是一種混合的方法，可以將人工智能、機器學(xué)習(xí)和一些更加傳統(tǒng)的方式進行結(jié)合。我們可以在機器學(xué)習(xí)非常成熟之后加一些規(guī)則，比如說在圖書館待時間太長的話，讓他活動一下，加一些更加人性化的東西，加一些人類教師會告訴他的一些內(nèi)容。

Dan Bindman：這可能也是回到了剛才所說的政策方面，首先我特別熱愛數(shù)學(xué)，我也特別熱愛教數(shù)學(xué)，我也特別愿意學(xué)數(shù)學(xué)課程，我一點也沒有覺得是被迫學(xué)的。有時候你覺得數(shù)學(xué)題目是沒有什么意義的，但是事實上還是要進行相應(yīng)的研究，這些內(nèi)容是特別重要的，政策是否影響到整個教育行業(yè)，如何影響到我們對于內(nèi)容的選擇。

王京濤：我想強調(diào)學(xué)習(xí)代表著什么，它實際上是一個知識的傳遞，并不是關(guān)于要理解學(xué)習(xí)者或者指導(dǎo)學(xué)習(xí)者，而是知識的傳遞，并且在這個過程中要使用適應(yīng)性的方法。比如說我問我的女兒晚上吃什么，是吃沙拉還是薯條，還是什么都不吃，她會說都不吃，但是現(xiàn)在的智適應(yīng)教育系統(tǒng)沒有第三個選項，只是要給予學(xué)生一些內(nèi)容，來評估結(jié)果，沒有真正對于中間傳導(dǎo)過程的研究，這也是我們需要注意的。因為在這方面技術(shù)可以發(fā)揮更大的作用，我們也可以真正來看一下技術(shù)的變革。

KP Thai：大家可不可以再跟我們簡單說一兩句，您對于未來人工智能+教育的發(fā)展方向，或者您希望一年以后、五年以后，我們在這樣的峰會中可以討論什么樣的內(nèi)容。

王京濤：我認(rèn)為AI+教育應(yīng)該是三個方面的結(jié)合：技術(shù)、內(nèi)容和政策。三方面都考慮才可以，我們也必須考慮到學(xué)習(xí)者的多樣化和多樣性，同時我認(rèn)為還有非常重要的一點，如果想要讓教育科技真正的發(fā)揮作用，就要知道怎么樣來不斷的促進學(xué)生持續(xù)的動力。

Dan Bindman：我也要說動力是非常重要的，可以讓我們創(chuàng)造更好的內(nèi)容，而且5—10年之后我希望我們能夠有這種深度的內(nèi)容，同時受到政策的支持。

Carsten Ullrich：我們需要應(yīng)用AI，使不同的人有更多的權(quán)利，給他們帶來更多的可能性，不是限制他們的發(fā)展，而是更好的促進他們潛能的開發(fā)。

KP Thai：非常感謝您剛才說的這個賦權(quán)的概念，我非常喜歡。非常感謝各位，也期望以后能跟大家有持續(xù)的交流，謝謝。

雷鋒網(wǎng)2018年度AI最佳掘金案例評選

人工智能風(fēng)雨60年，與其說技術(shù)升級促成了今天的浪潮，不如說當(dāng)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(guān)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(lǐng)域我們一共設(shè)置了6個獎項，歡迎踴躍報名，報名地址：http://m.zaocj.com/special/custom/AITopTen2018.html

AI教育論壇：AI+教育內(nèi)容為先需要新數(shù)據(jù)集衡量學(xué)習(xí)效率 | 全球AI+智適應(yīng)教育峰會