986
對於AI+教育的重點問題，這3位人工智能專家有話說
毫無疑問，人工智能（AI）等新技術正在滲入教育行業。但究竟新技術+教育將帶來哪些應用場景的改變，對此，各家公司有不同的路徑和暢想。
從左到右分別為王翌、王卓和林遠東
11月16日，「AI早餐匯」受邀參加以“共建丨讓更好的教育來得更快”為主題的GET2017教育科技大會“人工智能論壇”，幾家致力AI+教育的科技公司創始人和專家悉數到場。就AI和教育結合的核心因素、AI如何驅動教育教學方式變革等熱點話題給出了自己的見解。
教育和醫療可能是人類所有的花費裏麵，最昂貴的兩個，它不僅花了很多的錢，還要花用戶很多時間，對於所謂結果，很多時候還不一定可預測，結果不一定能拿到。
王翌認為，如今教育行業的基本矛盾，是持續增長的個性化需求和日益稀缺的師資之間的矛盾。
很多人都學了12年英語，一個普通中國年輕人，大概在英語學習上花的時間是2000—2500小時，結果90%的人是啞巴英語，看到一個老外會臉脹的通紅，可能不能自如溝通，而歐標報告顯示隻要學習1000—1200小時，可能就能從一個零基礎到接近母語水平程度，效率差別非常大，提升空間巨大。
目前，英語流利說的人工智能係統可以個性化給用戶確定起始級別，這是一個可變長度自適應的定級測試。然後，通過智能算法給學生個性化的推送學習內容，每個人的內容、順序，甚至裏麵的選項，都是因人而異設定的。整個課程，像一個無形的手，牽著學生往前走，不緊不慢。
王翌總結，教育的未來可以用個性化、高效率這兩個詞概括，當下AI和教育結合的五大核心元素：團隊、數據、技術本身、產品體驗、內容。
至於AI+教育如何煉成，首先需要一個好的團隊。其次，要積累大量數據。此外，在人工智能老師背後，需要一個學習理論來指導。
王卓認為：第一，人工智能技術要對教育數據采集的手段進行變革。大量教和學的過程化數據都是以視頻、音頻、圖片的方式存在的，但這隻是數字化。想要形成數據化，就需要人工智能技術。
人工智能技術要能把音頻都轉成文字，把以前寫在紙上的作文識別出來，把以前在紙上寫的學科試題答卷智能解析出來。用人工智能技術對課堂教學場景進行分析，是人工智能技術在數據采集和分析方麵的重要價值。
第二，為教師減負增效。很多老師都在做重複性的工作，比如批改作業、重複備課。人工智能可以大幅提高老師的效率，讓計算機來承擔那些簡單重複的工作。
第三，幫助學生實現個性化的學習，提高學習效率。一個初三學生可能花3個小時來練習一套題，第二天做這套題可以得100分。通過後台數據分析，可以在半小時裏教給學生他想學的、欠缺的、需要提升的東西，剩下兩個半小時的時間，學生可以做別的事情。
第四，為管理決策提供大數據，為科學治理提供支撐。國家對教育的年度投資已經達到了GDP的4%。想要知道投下去的資源是否產生了相應的效果，可以用人工智能技術分析教育大數據，給國家相關部門提供科學的決策依據。
目前，科大訊飛對教學過程性數據的采集有一個完整的鏈條。從課堂互動、作業到考試，都會收集對應的數據。不同數據的采集方法有所不同。
比如，用智慧課堂設備采集課堂教學互動和授課數據，用手機采集日常學生作業和練習的數據，用校級雲閱卷係統采集校內考試數據，用區域數據中心采集中考、會考等區域統考數據，為個性化學習打下數據基礎。
據介紹，馳聲科技是國內教育行業最大的口語評測技術解決方案提供商，大致在6個細分行業提供智能口語評測技術。林遠東參與和觀察了很多合作夥伴應用馳聲所提供的人工智能技術，所包裝的各種各樣的產品。這個過程中去體驗，到底教育和技術結合的過程中，有哪些趨勢和哪些規律。
他認為教育和技術的結合有四個階段。
第一個階段，移動互聯網的信息技術的普及。這個階段作為一對一的視頻載體或者教學輔助的工具，都無可避免地發現所有的教學行為、所有的學習數據都變得在線化、移動化，而且大量的數據采集、存儲、分析和後續的分析和推動，實際上現在的信息整體都被存儲下來了，這在移動信息或者是互聯網技出現是沒有辦法想象的，由此形成了整個教育改良運動的非常重要的一個基礎。
第二個階段，人工智能技術階段。很長一段時間裏麵，技能的習得是需要大量的人工幹預的。舉個例子，智能口語評測技術出現之前，人們練習口語的唯一途徑是找到熟知英語口語的人，跟他一起練習。使得整個過程難以大量快速普及，很少人真正有機會張嘴說好一口外語。人工智能技術去做這個技術和改良運動的推動，它使開口練習發音技能變成了可能。
第三個階段，教育融合。最明顯的特征是自適應學習，即基於對一個學習個體的深度理解，從而規劃出對他最高效的學習路徑和學習內容。海量數據的自動化時代對教學的挑戰是人的角色的變化，自適應學習和個性化學習本質的關鍵點和瓶頸是教師的角色改變和整個主流教學模式的改變，或者說教師角色的重新被定義。
第四個階段，大數據階段。人工智能和移動信息技術的發展，越來越多將取代教師大部分的功能，而教師轉向針對采集到的海量數據去做決策，這是自適應學習的第一步。
而自適應的學習發生以後，老師對於個性化學習的決策數據開始被收集，所有人工智能的起由和推動都是數據，當這一部分數據被大量的采集，人工智能在進一步往前去替代人對於個性化學習的決策才變得可能。
隨著未來海量數據和自適應學習數據這個階段被真正意義上的記錄、存儲和分析，人類從大量的數據裏麵學習到學習的規律、教學的規律才成為可能，那個階段才是真正意義上教育和技術進入大數據夢想的階段。
原文發布時間為：2017-11-24
本文作者：Chloe&Linda
本文來自雲棲社區合作夥伴“AI早餐匯”，了解相關信息可以關注“AI早餐匯”微信公眾號
最後更新：2017-11-26 22:05:20