芥末堆 那子 11月18日 報道

11月15日，在主題為“碰撞·演變”的GET2018教育科技大會“人工智能+教育到底如何落地？”分論壇上，松鼠AI智適應(yīng)教育首席架構(gòu)師Richard分享了他的從業(yè)觀點。首先，人工智能發(fā)展至今仍然不完善，但在教育領(lǐng)域沒有辦法等技術(shù)完善之后再應(yīng)用。其次，技術(shù)介入到教學(xué)環(huán)節(jié)中的時間要恰當(dāng)。 

以下是Richard的演講精選實錄：

教育行業(yè)沒有辦法等到技術(shù)完善之后再應(yīng)用

我今天要講的是從模型到實施以及我們對于AI自適應(yīng)教育的思考。主要從四個方面來分享，我們是誰？方法是什么？具體效果？以及改進(jìn)的方案。

首先簡單介紹下我們，我們總部在上海，主要做課后一對一輔導(dǎo)，輔導(dǎo)科目包括語文、英語、數(shù)學(xué)、化學(xué)等。

接下來，介紹下我們的方法。最開始我們公司創(chuàng)始團隊都來自于教育行業(yè)，我們總結(jié)之前的從業(yè)經(jīng)歷覺得說，人工智能是個非常復(fù)雜的過程，AI與傳統(tǒng)技術(shù)有很多不同點。AI是個集合體，需要包括人員、模型、算法和數(shù)據(jù)來支持。想改進(jìn)這項技術(shù)是需要漫長的過程，在教育行業(yè)我們可能沒有辦法等這樣長的時間。一起作業(yè)等其他公司都在嘗試如何利用AI技術(shù)改良教育，但實際我們的算法對教學(xué)并不適用。在傳統(tǒng)市場上的數(shù)據(jù)可能只是其中一個領(lǐng)域，我們只需要其中一個方面的數(shù)據(jù)，但人工智能需要非常多層次的語義數(shù)據(jù)。所以我們想做的是一個完全由AI支持的自適應(yīng)學(xué)習(xí)系統(tǒng)。

正如前面的嘉賓的介紹，打造一個學(xué)習(xí)系統(tǒng)，在合適的時間向合適的學(xué)生推薦相應(yīng)的教材。但我認(rèn)為有這個系統(tǒng)還不夠，我們還需要打造一個數(shù)據(jù)集，這樣學(xué)生有問題就可以給出相應(yīng)的答案。這樣便對我們提出要求，如何了解學(xué)生問題所在，這個問題是由于他們的哪些行為或是由于怎樣的結(jié)果造成的，以及我們給出的反饋是什么，這需要我們打造一個接口幫助他們完成這些問答。

AI技術(shù)的介入要在恰當(dāng)?shù)臅r間

我們相信對于教育來說，需要的是改革或革命，而不是單純的改良。傳統(tǒng)教育的效率是建立在以小組以團隊為單元的基礎(chǔ)之上，人類的老師可以稱之為教練，他們應(yīng)該提供有目標(biāo)的社交的激勵型的支持，反復(fù)內(nèi)容的重復(fù)不應(yīng)該由人類的老師完成。課后的一些推薦活動，這些都應(yīng)該由AI來推動。

AI自適應(yīng)學(xué)習(xí)平臺核心是AI引擎，包括AI算法、內(nèi)容、數(shù)據(jù)、教育法、教學(xué)法。我認(rèn)為這幾方面可以從根本上改變我們AI的教育。首先我們要準(zhǔn)確高效的學(xué)生知識狀態(tài)診斷，就是學(xué)生學(xué)習(xí)的GPS。我們需要判斷學(xué)生在學(xué)習(xí)過程中處于什么狀態(tài)，之后我們才能夠考慮給他們提供加強他們的效率并解決他們的問題。AI是為學(xué)生提供恰當(dāng)?shù)膶W(xué)習(xí)路徑。

我們認(rèn)為AI必須給學(xué)生提供一個恰當(dāng)?shù)膶W(xué)習(xí)路徑，就像GPS進(jìn)行導(dǎo)航。我們經(jīng)常忽略或者沒有做好的一個方面就是每一個學(xué)習(xí)都是不一樣，每個學(xué)習(xí)目標(biāo)應(yīng)該也不一樣。每個學(xué)生都要一個可實現(xiàn)的學(xué)習(xí)目標(biāo)，給他們一定的時間、一定的壓力，他們可以實現(xiàn)這些目標(biāo)。

并且我們是在恰當(dāng)?shù)臅r間介入。如果完全使用AI還是會出現(xiàn)一些問題。教室要有老師，老師的職責(zé)不是單純地看護(hù)學(xué)生，而是提供動態(tài)高效的人為介入和參與。而這些并不是由AI提供，而是由AI促進(jìn)的。

我們認(rèn)為，學(xué)生需要有高效的環(huán)境。我認(rèn)為之前傳統(tǒng)的學(xué)習(xí)小組是浪費時間，因為每位學(xué)生的水平不一樣，有的學(xué)生掌握52%，而有的學(xué)生只掌握了20%。除此之外，對于同一知識點，每個學(xué)生所需要花的時間是不一樣的。因此，我們的自適應(yīng)引擎有兩個主要部分。第一部分是診斷學(xué)生的學(xué)習(xí)進(jìn)度，第二部分推薦學(xué)習(xí)內(nèi)容。

如何進(jìn)步？四個方面，模型、AI專家、數(shù)據(jù)、競爭力。我們在內(nèi)容方面進(jìn)行評估，這也是機器的工作。這里面會涉及到機器學(xué)習(xí)、監(jiān)控學(xué)習(xí)、非監(jiān)控學(xué)習(xí)。

點擊這里查看所有嘉賓精彩分享。