AI+教育如何得到更好的应用？我们找了IBM Watson研究员、OpenEd创始人等谈了谈

本篇文章3819字，读完约10分钟

照片:阿留申群岛/shutterstock

雷锋。com:近日，HKUST新闻飞轮价值总裁吴小如表示:“人工智能在一些细分领域的应用已经进入深水期。”虽然他认为人工智能不是万能的，但它在教育方面有很大的成就。吴小如持有这种观点，并且有迹可循。无论从iFlytek在ai+教育方面的成就，还是整个ai+产业链的结合来看，教育作为第一角色，已经成为ai最直接受益的领域之一。针对这一趋势，国内外关于ai+教育主题的讨论层出不穷。这篇文章是由雷锋编辑的。(公开号码:雷锋。在国外科技媒体Edsur的《教育中的人工智能的现实问题》中，作者是托尼·万。

在过去的两年里，公众对构建用于自主“学习”的复杂算法和改进他们自己的操作或经验(而不是显示编程)的兴趣一直在增加。像人工智能和机器学习这样的词汇在谷歌趋势上越来越受欢迎，甚至在2016年10月达到了顶峰。

图/ed敦促

最近，国内外公司在ai+教育领域的行动可谓频繁。不仅仅是布隆伯格贝塔已经建立了一个应用于国外其他行业的机器学习的粗略地图，教育也令人印象深刻；在中国，在线教育公司英语说得很流利，并表示他们刚刚完成新一轮1亿美元的融资。

为了进一步阐明人工智能和机器学习在教育行业中可以发挥的作用，eds Recht在过去一周召开了一次面对面的会议。一家提供k12教育资源搜索服务的公司opened，2016年美国考试服务提供商act的CEO Adam Blum，ibm watson的学术研究员armen pischdotchian，k12的在线教育公司eruditeai，ibm watson ai xprize的CEO Kathy Benemann，instagrok的创始人kirill kireyev聚集在一起。记者托尼万就这个话题与四个人进行了交谈。以下是本次对话的部分摘录:

艾德·斯波:人工智能有希望改变几代人的教育。离实现这个目标还有多远？

贝奈曼:众所周知，现在产生的数据比以往任何时候都多。对我们博学的人来说，数据比公司的收入更重要。有了更好的数据，我们可以更好地训练算法。无论人工智能如何发展，我们必须记住人类是人工智能的最终创造者。

皮施多钦:如果我们回忆一下早年的教育模式，它将被称为“工厂模式”。也就是说，老师总是教学生相同的科目，没有固定的教学方法。虽然这也是教学的初衷，但它不适用于同龄但认知和智力水平不同的学生，尤其是在ai+产业链的背景下。一些组织，如陈扎克伯格领导的组织，正试图改革这种模式。目前，由于“工厂模式”的不可持续性，它不适合教育。对于今天的学生来说，更重要的是认识到未来工作的需要。

正如贝奈曼所说，人工智能+教育的内容正在爆炸式增长，无论是关于学生还是来自学生。通过这些数据，我们可以知道学生们在做什么，而且这种理解的速度比过去快得多。例如，当孩子们在零开始工作时(麻省理工学院媒体实验室开发的一个计算机编程平台)，我们可以获得关于孩子行为的各种信息，比如他们什么时候开始看视频，什么时候停止。清晰的数据非常有价值，基于它的技术可用性将会更高。这就是为什么越来越多的人开始使用人工智能和机器学习来做事的原因之一。

埃德斯敦:刚才，每个人都在谈论“数据爆炸”和改变“工厂教学模式”的必要性。此外，还有其他趋势吗？

布卢姆:有两个主要趋势——尽管它们目前还处于初始阶段。首先，open目前正与ims global合作，而卡尺和xapi(或经验api)等技术标准刚刚实施。其次，在教育领域没有长期数据(因为超过三个月的数据实际上用处不大。特别是对于自适应学习系统，应该强调实时性。因此，如果你想把机器学习应用到教育中，你必须使用另一种方法——强化学习。

埃德斯敦:人工智能+教育在实践中有哪些应用？

皮施多钦:这个问题的焦点应该是“如何在学习经验中找到痛点和总结模式”。这也给每个人带来了挑战——如果一个人的数学成绩很好，系统应该如何识别这个关键点并反馈给老师，以便老师能给学生提供更好的指导？出于这个原因，ibm正在与芝麻街(一个儿童教育电视节目)合作，他们利用大学作为合作伙伴开发机器学习的实验平台。与此同时，老师也被派上了用场——我们在麻省理工学院进行了一次测试，并为每个教室配备了带有学生知识的摄像机。讲课时，教授不需要抬头数教室里睡了多少学生，而是使用系统化的面部识别技术来捕捉情绪(比如“无聊”)，教授可以通过系统化的信息提示知道。

照片:埃德斯赫德

看看我们周围，人工智能+教育应用的所有方面都受到了质疑。许多人都在问类似的问题:未来的教室会是什么样子？人工智能会完全取代教师吗？人工智能能帮助教师解放他们的“批改作业的手”并为学生提供更有意义的指导吗？适应性学习平台(如aleks和knewton)能帮助学生学习知识吗？...这是它的“相似性”，但它代表了每个人都关心的人工智能+教育的几个主要问题。

埃德斯敦:这是否意味着没有人工智能，市场上的“适应性技术”就不是真正的“适应性”了？

贝奈曼:这里涉及范围的概念。有些人声称自己是人工智能公司，只是因为使用的工具涉及“自我适应”(尽管我们有自己的辨别方法)。

基里耶夫:我可以告诉你一些我公司的例子。Instagrok是一个视觉搜索引擎。我们主要使用机器学习来识别重要的事实和概念，并确保学生能够朝着正确的方向学习，并根据自己的节奏安排学习。Textgeonome是另一个项目——我们正在构建一个基于人工智能的深度词汇开发基础设施。其中，我们考虑学生的年级水平和下一阶段需要掌握的词汇。

Blum:以act为例，我们主要关注这些问题:如果系统确定哪些知识点学生在空白区，什么是帮助学生学习的最佳教材？不仅仅是表演材料。因此，我们想为学生提供我们能找到的最好的教学资源。这个过程需要机器学习来实现精确定位。

在某些教育领域，如果不使用机器学习的相关预测模型，学生可能会错过上大学的机会。

事实上，当你从统计评估模型转向深度学习(包括神经网络)时，在这个过程中跟不上的是“可解释性”。虽然使用了神经网络，但你无法向外界很好地解释它。因此，一个重要的挑战是改进预测模型算法，同时降低可解释性。特别是在一些严格监管的市场，如医疗和教育，有必要开发更多的解释工具。

以“大学利用统计模型选择录取课程”为例。如果有一个神经网络或一些机器学习程序，它可以很好地预测学生的学业成绩(事实上，一些大学已经使用了这些应用程序)。我们可以肯定的是，他们确实使用机器学习来选择入学课程，但是我们仍然需要一些总结工具来解释这些选择。尽管深入学习是复杂的，但为了让这些预测的结论被讨论和接受，我们必须很好地解释这个问题，即“他们是如何做的”。

埃德斯敦:有些人担心“人工智能”可能会成为一些公司获取利润的噱头。如果我是一名教师，一家教育技术公司告诉我，“我们的数学工具使用人工智能技术”，我应该问什么？

布鲁姆:这个问题应该追溯到“可发现性”和“可解释性”。如果一些公司故意给“人工智能”贴上标签，我们可以经常访问这个话题，问更多的问题，这样他们就可以谈论它背后的技术。如果对方只是强调“人工智能”的概念而没有深入的解释，那就没有多少可信度。

贝奈曼:供应商应该更多地谈论学生通过使用这些系统取得的学习成绩，或者教师的实际操作。与其总是谈论人工智能，这只是学生学习和教师实践的另一种方式。对于教师来说，他们更关心的是在人工智能的帮助下，课堂效率能提高多少，浪费的时间能减少多少。

埃德斯敦:如何平衡人工智能工具的数据需求，同时保护敏感学生的隐私和数据安全？

布卢姆:我们正处于没有PII(个人身份信息)的阶段。如果你有足够的数据和信息，你可以准确地描绘出用户的肖像。面对这种需求与可能侵犯用户隐私之间的矛盾，制定和完善“行业标准”是非常必要的。例如，行业标准已经规定了哪些方面的数据可以被企业使用，哪些方面是不可侵犯的，这更容易处理。

贝奈曼:我们需要考虑这个问题——谁有数据？以医疗为例，其细分有一个增长趋势:患者拥有越来越多的自己的数据。同样，学生是他们数据的所有者，我们需要找到他们数据的来源，并赋予他们决策权，以便他们或他们的父母能够决定学校或机构是否可以访问这些数据。

艾德·斯波:“人工智能取代了人类的职业”是许多人担心的问题。你认为人工智能会对教师和其他职业产生什么影响？

基里耶夫:这个问题已经讨论了很多。事实上，我认为在人工智能的帮助下，教师的角色会得到更好的转移，他们会逐渐成为领导者和指导者。越来越多的老师可以专注于更有创造性的工作，更好地教他们的孩子，而不仅仅是一遍又一遍地解释方程的数学原理。

布卢姆:就我个人而言，人工智能在职业教育中的应用还没有得到充分利用，所以我们需要更有前瞻性地思考。例如，十年后当一名卡车司机意味着什么？人工智能将如何影响跨行业供应链...我们应该更加重视这些方面，把职业教育做得更好。

皮施多奇安:这就是蒸汽(科学、技术、工程、艺术和数学)取代了阀杆的原因。事实上，我们也可以看到艺术、心理学、历史、辩论课、戏剧和其他涉及情感和创造力的工作变得越来越重要，因为这些不是人工智能擅长的地方。

随着人工智能的迅速发展，人类必然会面临一些威胁和挑战。因为“增长”和“舒适”不能共存。

雷锋编的《前进》。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。