芥末堆 西瓜 11月21日

11月16日，GET2017教育科技大會“人工智能論壇”上，好未來人工智能實驗室負(fù)責(zé)人楊松帆以“人工智能+教育：用科技推進(jìn)教育進(jìn)步”為題發(fā)表了主題演講。

楊松帆從人工智能在多個領(lǐng)域的應(yīng)用，指出在教育領(lǐng)域，人工智能同樣可以解決生產(chǎn)力不足、分布不均的兩大痛點(diǎn)。

他認(rèn)為，AI項目的落地需要非常多因素的配合，其中包括場景、數(shù)據(jù)、算法和算力。楊松帆還以課前、課中、課后為例說明了AI在好未來的教學(xué)活動中是如何應(yīng)用并推動教育進(jìn)步的。

以下為嘉賓演講實錄（芥末堆略有刪減）：

大家下午好，首先介紹一下我自己。我算是教育界的新人，進(jìn)到好未來做教育領(lǐng)域一共才一年多的時間，在這之前一直做人工智能方向，教過書，也在游戲行業(yè)待過。

我自己一直做的是人工智能里面偏情感計算和表情識別的方向。一年之前和邦鑫老師聊了一下關(guān)于表情識別和情感計算在教育里的應(yīng)用，我才意識到這個技術(shù)可能在教育里發(fā)揮更多的作用，而在之前可能更多的是廣告、游戲和醫(yī)療領(lǐng)域。在大概三四個月之前，我們FaceThink的全部小伙伴加入了好未來團(tuán)隊。目前大概有40多人，在人工智能和教育方面進(jìn)行了非常多的探索。今天我希望就這個話題來做一些分享。

基于大組織，我們應(yīng)該怎么思考人工智能這件事情呢？大家會問到創(chuàng)業(yè)公司和大公司在人工智能方向上各自的壁壘在哪？創(chuàng)業(yè)公司有一個很重要的壁壘，可能不是速度，可能不是其他的，而是他的戰(zhàn)略合作方是誰。而大組織的核心壁壘在于對AI的認(rèn)知是什么。

今年，我們可以看到基本呈現(xiàn)這么一個狀況，中國和美國大企業(yè)們和中美兩國的政府都在統(tǒng)一號召人工智能。那人工智能到底能做什么？因為我接觸教育之前接觸了大量其他行業(yè)，看到了在不同行業(yè)里面非常多的應(yīng)用。很多時候是基于人工智能在不同行業(yè)里面的應(yīng)用，決定了我們對教育里人工智能應(yīng)用的可能性更多地思考。

提高人效是人工智能的最大價值

我們來看一下AI到底能干什么。有一個網(wǎng)站叫做Kaggle，后來被谷歌收購了，上面匯聚了大量的人工智能項目。這個項目是由企業(yè)提供它的數(shù)據(jù)和場景，然后數(shù)據(jù)科學(xué)家們在上面發(fā)揮自己的能力和才干。

上面有非常多懸賞非常高的項目。下面是美國的安檢，機(jī)場安檢現(xiàn)在已經(jīng)是這樣的造型了，有一個大的核磁機(jī)器，你進(jìn)去以后把手舉起來，掃你一圈。而在之前，是有非常多的繁瑣過程，人效是非常低的。他們希望通過這樣的方式，首先通過核磁生成一個圖片，在圖片基礎(chǔ)上，對我們?nèi)祟惖纳眢w上面的各個部分做分類，最終自動預(yù)測出來哪些地方可能是有危險的，比如說金屬片、刀片、打火機(jī)等。

在醫(yī)療領(lǐng)域里面基于圖象的識別的研究現(xiàn)狀，跟教育一樣，同樣面臨幾個大的問題：1、生產(chǎn)力不足，或者優(yōu)質(zhì)生產(chǎn)力不足，好醫(yī)生少；2、優(yōu)質(zhì)生產(chǎn)力分布不均勻。你在三四線城市看一看，里面好醫(yī)生非常少。我們希望通過圖片提供的知識，能夠訓(xùn)練出一套人工智能的模型去輔助醫(yī)生治療。無形之中提高人效。

下一個要介紹的應(yīng)用領(lǐng)域是航線優(yōu)化。天空中任何一個時刻，基本上飛機(jī)的數(shù)量是下圖這樣的。每年在飛機(jī)航線調(diào)度、優(yōu)化、管理方面的投入大概是220億美元。

 說了那么多，AI究竟能干什么？我們認(rèn)為基于大組織，不管是國家，還是大的公司，我們認(rèn)為這里面AI的核心、底層邏輯，應(yīng)該是提升人效。我們希望能夠通過人工智能的發(fā)展，重新去定義人應(yīng)該干什么，機(jī)器應(yīng)該干什么。每一次工業(yè)革命來臨的時候，無外乎就是這樣背后的邏輯。

AI項目落地的四大因素：場景、數(shù)據(jù)、算法、算力

前兩天，好未來的總裁白云峰講過這樣一條曲線，我這個地方略講一點(diǎn)。我認(rèn)為AI在每個行業(yè)的成熟度，其實已經(jīng)探究得非常多了。在搜索、社交、電商，十年之前，AI就已經(jīng)開始落地了。那為什么這兩年又被稱為人工智能元年呢？第一，海量數(shù)據(jù)；第二，深度學(xué)習(xí)的演進(jìn)和爆發(fā)。那這兩個基礎(chǔ)之上，有非常多新的領(lǐng)域可以被探索。比如說虛擬助理、自動駕駛，以及教育。

那AI項目的落地需要非常多因素的配合，我認(rèn)為它里面包含了四大點(diǎn)，如果我們把它比作成汽車的話：方向盤代表場景是什么，在這個場景里面，用戶的需求到底是什么。數(shù)據(jù)代表汽車的汽油，你能夠跑多久、跑多遠(yuǎn)、跑多快。汽車引擎代表使用的算法，我是16杠的，我是12杠的。算力代表車輪，最終要在馬路上馳騁，是輪子起的作用。

這是我認(rèn)為人工智能所要落地需要的四大要素，缺一不可。創(chuàng)業(yè)公司里面可能是有非常多算法的人才，有相對比較豐富的算力。而在行業(yè)里面，它更多具有的是上面兩層：有具體的業(yè)務(wù)場景；屬于業(yè)務(wù)場景的數(shù)據(jù)。

 從課前、課中、課后，看人工智能在教育領(lǐng)域的應(yīng)用

說了很多人工智能在其他行業(yè)的應(yīng)用，以及人工智能底層的邏輯，那在教育里面，我們是怎么樣來探索的呢？教育里也有剛剛提到過兩大痛點(diǎn)：生產(chǎn)力不足、分布不均。

如果我們把教育的商業(yè)流程做一個拆解的話，可以用這個維度來拆分：課前、課中、課后。課前包含了三個互相互動的主體：老師、學(xué)生、內(nèi)容。我們認(rèn)為在獲取每個主體的時候，它的每一個箭頭都可以被人工智能所加持。

比如說老師的選聘，老師的師訓(xùn)，怎么去培養(yǎng)一個老師，讓他更好地站在講臺上。學(xué)科招生運(yùn)營，教研提供內(nèi)容。有了質(zhì)量好的老師，學(xué)生、內(nèi)容之后，我們把它融合起來，放在課中。那我們的課堂體驗可以是一對一的、大班的、小班的，線上的、線下的，以及我們現(xiàn)在探索的雙師課堂。課后的時候，可以做到練習(xí)、答疑、考試、評定。所有后面的階段，我們都希望做出一個正向的反饋和提升。這是我所看到的商業(yè)邏輯在教育里面怎么呈現(xiàn)。我們看看在每個階段，每個箭頭上面，我們是怎么探索的呢？

AI的技術(shù)和模塊主要包含幾大塊。在好未來AI Lab里面，我們會就下面所有大塊做出非常多的探索。圖像的、計算機(jī)視覺的、語音的、泛化的數(shù)據(jù)挖掘。其中功能點(diǎn)包含很多，如表情識別、人臉識別、姿態(tài)、體態(tài)、語音、情感、語意、聊天機(jī)器人，以及用戶畫像，還有更多的個性化推薦。

比如在培訓(xùn)教師的時候，我們有這么一套系統(tǒng)，實時跟蹤老師的面部表情、聲態(tài)、姿態(tài)、手勢。通過這樣一套系統(tǒng)，可以自動識別老師講課的風(fēng)格。在了解他的風(fēng)格，給他打分的基礎(chǔ)之上，能夠做到跟學(xué)生的需求相匹配，進(jìn)而激發(fā)學(xué)生對課堂的熱愛。

再比如對話機(jī)器人，我認(rèn)為人工智能要落地，必須要具備非常清晰的邊界定義。那在自學(xué)狀態(tài)下，學(xué)生跟我們的距離非常近。不管是iPad也好，還是live talk也好，在跟他們做互動的時候，我們能夠獲取非常多高精度的數(shù)據(jù)，比如通過攝像頭，通過麥克風(fēng)。那通過這樣的數(shù)據(jù)得到的互動，我們能夠去訓(xùn)練聊天機(jī)器人，能夠去了解學(xué)生是怎么樣進(jìn)行學(xué)習(xí)的。

第三個例子是考試或者練習(xí)。我們在做的時候，有一條非常重要的、最終的優(yōu)化目標(biāo)，那就是希望用最少的題目來達(dá)到效果。那在練習(xí)里就是希望用最少的題目讓孩子掌握知識點(diǎn)，真正學(xué)懂、學(xué)到。那在考試的時候就是希望用最少的題目測出孩子的水平。

最后的例子是評定。通過上課的狀態(tài)，課后的作業(yè)情況，以及最后考試的表現(xiàn)。我們打造了一套評定報告以及它背后對應(yīng)的指標(biāo)和邏輯。最終把這樣的一份報告給到家長的手里面，讓他知道你的孩子可能更適合什么樣的專業(yè)，更適合什么樣的課程，以及他需要去提升的能力在哪些方面。

好未來的AI探索方向：AI基礎(chǔ)設(shè)施與AI感知識別

我們在探索AI方向的時候，其實是以教育公司為本，以偏重AI的方式做這樣的事情，所以我們會對兩大塊做出非常深的探索：第一，AI的基礎(chǔ)設(shè)施；第二，AI的感知識別。

基礎(chǔ)設(shè)施這一點(diǎn)通常大家可能不太會有感知，因為它的應(yīng)用確實比較遠(yuǎn)。比如說數(shù)據(jù)存儲、數(shù)據(jù)標(biāo)注、我們自己研發(fā)的高性能計算平臺、投入非常多的跨平臺部署，這些是跟落地極其相關(guān)的元素。但是，它通常是幕后的工程。我們在這一塊會投入大量的精力和人力去研發(fā)。

再上一層就是感知層，我們有非常多的方向，囊括了計算機(jī)視學(xué)、語音識別、語義理解以及知識圖譜，我們通過這樣的方式去做到一個全盤的，更加全面的人工智能+教育的探索。在這個過程中，我們需要非常多的伙伴們一同前行。

人工智能人才的模型，不光需要懂人工智能，他需要對行業(yè)有非常深的理解。我現(xiàn)在剛剛進(jìn)入教育領(lǐng)域小一年的時間，對教育的理解遠(yuǎn)遠(yuǎn)不夠，所以我在這兒也希望跟大家多學(xué)習(xí)。其次是要非常懂產(chǎn)品和用戶，如果沒法做到這一點(diǎn)很有可能只是用技術(shù)思維去理解用戶，往往會做得非常非常偏離。

所以，最后我想告訴大家的是，我們現(xiàn)在在擴(kuò)大我們的隊伍，我們在更深地，更鉆精地探索AI在教育方向上面的應(yīng)用。最終我們希望連接更多不同的教育從業(yè)者，包括創(chuàng)業(yè)公司和大組織里面的高精尖的教授和人才，我們希望能把大家囊括在一塊，最終賦能給所有的教育機(jī)構(gòu)。

這就是我的演講，我希望能夠有更多的人工智能創(chuàng)業(yè)者們加入教育這個領(lǐng)域，發(fā)現(xiàn)這一片非常非常美麗的瑰寶，最終產(chǎn)生出巨大的意義和價值。

謝謝大家！