其實(shí)人工智能+教育在國外已經(jīng)有十幾年的發(fā)展歷史。國內(nèi)我們想要打造的人工智能+教育的“特級教師”，在國外對應(yīng)的概念叫自適應(yīng)學(xué)習(xí)。
6月24日，人工智能先行者大會暨黑馬大賽人工智能分賽在京舉行，近千名人工智能產(chǎn)業(yè)相關(guān)創(chuàng)業(yè)者、投資人、產(chǎn)業(yè)專家參會。本次活動由創(chuàng)業(yè)黑馬與人工智能新媒體平臺黑智聯(lián)合主辦，聯(lián)合冠名商摩比神奇與戰(zhàn)略合作伙伴鉑諾對活動進(jìn)行了支持。
下午，乂學(xué)教育首席科學(xué)家、自適應(yīng)學(xué)習(xí)和大數(shù)據(jù)專家崔煒進(jìn)行了主題為《人工智能在教學(xué)機(jī)器人中的應(yīng)用實(shí)踐》的演講。以下是演講內(nèi)容節(jié)選，經(jīng)創(chuàng)業(yè)家& i黑馬編輯：
大家好，我很高興第二次站在創(chuàng)業(yè)黑馬的舞臺上，與大家分享乂學(xué)教育在過去接近兩年的時間里的一些思考與實(shí)踐。
首先我們回顧一下過去發(fā)生了什么。在過去10多年里，互聯(lián)網(wǎng)浪潮、人工智能技術(shù)逐漸成熟、視頻技術(shù)的發(fā)展等都推動了教育的發(fā)展，具體來說有以下五波浪潮。
第一是互聯(lián)網(wǎng)+浪潮。慕課的教育形式讓教育資源可獲得性大大提升，人們在家里就可以通過網(wǎng)絡(luò)看到斯坦福、哈佛等大學(xué)里的講課視頻，獲得高質(zhì)量的講課內(nèi)容。第二是工具化的浪潮。一些教學(xué)工具、學(xué)習(xí)工具，給師生帶來很多方便，比如學(xué)生可以在沒有老師幫助的情況下，通過學(xué)習(xí)工具，快速找到他們問題的答案。第三是O2O的浪潮。這很好地解決了信息不對稱的問題，讓更多更好教師資源能夠觸及更多人。第四是真人一對一的浪潮。通過視頻技術(shù)，很多人足不出戶就能享受到國內(nèi)外名師一對一的個人輔導(dǎo)。第五也是現(xiàn)在最火的這一波浪潮，就是人工智能的浪潮?，F(xiàn)在有很多做人工智能+教育的應(yīng)用，包括采用圖像識別的技術(shù)做一些題目搜索，用語音測評的技術(shù)做口語的識別等等。
我們再來看看教育行業(yè)的痛點(diǎn)。傳統(tǒng)教育的場景是一對多，一個老師對幾十上百個學(xué)生進(jìn)行授課。這種情況下，老師采用是一刀切的教學(xué)方式，不能照顧到不同水平的學(xué)生。從學(xué)生角度來看，很多學(xué)生都不能得到個性化輔導(dǎo)，導(dǎo)致學(xué)習(xí)無法提升。另一方從教師角度來看，教師資源是教學(xué)的核心，但是 優(yōu)質(zhì)教師資源稀缺且昂貴。一個最好的老師，在保證教學(xué)效果的情況下，最多只能帶100個以內(nèi)的學(xué)生。
同時，我們也看到人工智能技術(shù)帶來了很多應(yīng)用。比如Alpha Go成功戰(zhàn)勝了一位又一位的圍棋大師，比如在金融交易所里，有不少是機(jī)器在做交易，眾所周知，巴菲特每年收益率在20%以上。但是有一家公司能做到年收益率30%以上，叫復(fù)興科技，是由一位數(shù)學(xué)科學(xué)家創(chuàng)立的，采用了人工智能技術(shù)構(gòu)建一個金融交易的模型，構(gòu)建一個高頻交易的策略，寫好代碼后計算機(jī)可以自動化交易。
看了人工智能這么多成功應(yīng)用之后，結(jié)合教育行業(yè)的痛點(diǎn)，我們想在教育領(lǐng)域里打造一個類似Alpha Go的教學(xué)機(jī)器人，給每個人帶來個性化的輔導(dǎo)。它能夠關(guān)注每個學(xué)生的學(xué)習(xí)情況，并且能夠提供個性化的學(xué)習(xí)建議和輔導(dǎo)。
我們先來看看國外這一塊的發(fā)展情況。其實(shí)人工智能+教育在國外已經(jīng)有十幾年的發(fā)展歷史。國內(nèi)我們想要打造的人工智能+教育的“特級教師”，在國外對應(yīng)的概念叫自適應(yīng)學(xué)習(xí)。自適應(yīng)學(xué)習(xí)本質(zhì)上就是利用人工智能和大數(shù)據(jù)分析，依據(jù)學(xué)生個人的知識狀況和能力水平，給學(xué)生推薦個性化的學(xué)習(xí)解決方案，讓這個學(xué)生學(xué)習(xí)變得更加有效率。
目前為止，國外已經(jīng)有幾十家自適應(yīng)教育產(chǎn)品的公司，包括我們都知道的Knewton，它目前已經(jīng)融資1.5億美元。很多國外著名的媒體比如經(jīng)濟(jì)學(xué)人，福布斯，還有比爾蓋茨基金會等，都非常認(rèn)可自適應(yīng)學(xué)習(xí)這個發(fā)展方向的趨勢，因?yàn)樗貧w到教育的本質(zhì)，真正能做到因材施教。
國外已經(jīng)有很多公司對學(xué)生使用自適應(yīng)學(xué)習(xí)產(chǎn)品的學(xué)習(xí)效果進(jìn)行了詳細(xì)分析，有公司發(fā)現(xiàn)自適應(yīng)學(xué)習(xí)的學(xué)習(xí)效果，已經(jīng)非常接近1對1的老師。2014年的研究也發(fā)現(xiàn)，通過自適應(yīng)學(xué)習(xí)代數(shù)課程，問題解決能力能提高25%，集合代數(shù)就提高70%，而且還能降低學(xué)校整體的輟學(xué)率，提升學(xué)生升學(xué)率。從另一個角度看，自適應(yīng)學(xué)習(xí)產(chǎn)品還能在一定程度上減少學(xué)校的人工成本，因?yàn)閷W(xué)生大部分時間都是在系統(tǒng)上學(xué)習(xí)，真人老師可能更多屬于一個輔助角色。
除了借鑒國外自適應(yīng)學(xué)習(xí)產(chǎn)品的經(jīng)驗(yàn)，我們也需要結(jié)合中國國情，打造一款針對中國學(xué)生K12領(lǐng)域進(jìn)行自適應(yīng)學(xué)習(xí)產(chǎn)品。其實(shí)無論是傳統(tǒng)還是MOOC形式的教學(xué)，所有學(xué)生在每個知識點(diǎn)上花費(fèi)的時間都是一樣的。一個學(xué)生對知識點(diǎn)A掌握得好，另外一個不好，但是他們所花的時間一樣。
而在咱們的自適應(yīng)學(xué)習(xí)系統(tǒng)里，改進(jìn)了這種學(xué)習(xí)方式。怎么做呢?
首先，我們通過檢測發(fā)現(xiàn)他的薄弱知識點(diǎn)，并且詳細(xì)了解到每個學(xué)生在每個細(xì)小知識點(diǎn)上不同的掌握情況。
我們知道，我們給學(xué)生精準(zhǔn)的定位他的知識狀態(tài)的時候，其實(shí)是在一個龐大的知識狀態(tài)空間里給學(xué)生定位到他所處的知識狀態(tài)。如果一個知識里包括500個知識點(diǎn)，其實(shí)搜索的空間就是2的500次方，因?yàn)槊總€知識點(diǎn)對應(yīng)的兩種狀態(tài)：掌握、沒有掌握。2的500次方是個龐大的搜索空間，做窮取法的話其實(shí)是非常耗時耗力的。此外，這500個知識點(diǎn)里面有些知識點(diǎn)跟其它的知識點(diǎn)關(guān)聯(lián)比較大，因?yàn)樗?a class='keywords' target='_blank' href='http://www.buyu5683.com/product/ca1333.shtml'>其它的知識點(diǎn)連接的更加緊。所以，我們在給學(xué)生挑選知識點(diǎn)的時候，要快速的找到知識含量最大的知識點(diǎn)。
因此，我們采用了類似AlphaGO的技術(shù)，結(jié)合了知識空間理論和信息流技術(shù)，在更廣泛的人工智能技術(shù)框架下，做到了快速縮小知識狀態(tài)的搜索范圍，給學(xué)生精準(zhǔn)定位他的知識狀態(tài)，同時快速找到知識含量最大的知識點(diǎn)。這樣我們也就做到了，只需要花一兩百道題的測試，我們就能針對500個知識點(diǎn)，快速檢測出學(xué)生的知識狀況。
除了快速檢測，我們也希望快速定位學(xué)生早期出現(xiàn)的問題，而不是等到學(xué)生在期末考試才發(fā)現(xiàn)。所以，我們系統(tǒng)做到的是持續(xù)跟蹤、評估學(xué)生在學(xué)習(xí)過程中的學(xué)習(xí)掌握情況，學(xué)生做完每一道題，看完每個知識點(diǎn)或者做完練習(xí)題，我們都會相對應(yīng)得出學(xué)生在該知識點(diǎn)上的掌握情況。并且，我們會根據(jù)整個知識體系重新為進(jìn)行學(xué)生的個人畫像。這就像一個特級老師，不僅僅了解這個學(xué)生在某個專題上所掌握的情況，還了解他在整個知識體系中的知識掌握情況，實(shí)時跟進(jìn)。
通過快速檢測、持續(xù)跟蹤和評估、夠構(gòu)建學(xué)生的畫像，我們就能給學(xué)生推薦個性化學(xué)習(xí)內(nèi)容，從而匹配他最佳的學(xué)習(xí)路徑。比如40分的學(xué)生給他提供40-45分的學(xué)習(xí)內(nèi)容，讓這個學(xué)生迅速獲得他學(xué)習(xí)成就感，從而提升他的學(xué)習(xí)興趣和動力。
教育領(lǐng)域的推薦完全不同于電商、資訊的個性化推薦，就像 AlphaGO的模型只能用來下圍棋，不能下象棋，我們在構(gòu)建我們教育領(lǐng)域的個性化學(xué)習(xí)路徑推薦的時候，結(jié)合了人工智能+教育測量學(xué)、教育理論知識。不僅考察給學(xué)生推薦知識點(diǎn)的屬性，還同時考察學(xué)生當(dāng)前的能力水平、學(xué)習(xí)能力、學(xué)習(xí)效率和學(xué)生的當(dāng)前知識狀態(tài)，并且實(shí)時更新。也就是說，我們的個性化推薦會隨著學(xué)生的能力水平變化、知識狀態(tài)的變化，進(jìn)行實(shí)時改進(jìn)和更新。后臺根據(jù)這些數(shù)據(jù)不斷更新我們對這個學(xué)生的認(rèn)知。
教育產(chǎn)品是很看重效果的。我們產(chǎn)品上線近一年的時間，大部分使用的學(xué)生都能得到有效的學(xué)習(xí)成績有效的提升，一位學(xué)生原來只能考70多分，使用4個月后提高到了120多分，我們也收到了這位同學(xué)的校長的表揚(yáng)。還有很多學(xué)生反饋表示他們喜歡這種新型的人機(jī)結(jié)合學(xué)習(xí)模式。
我們希望未來能將個性化教育帶給更多的孩子，讓他們感受到學(xué)習(xí)的快樂。
謝謝大家!
