11月28日，在GES2017未來教育大會上，好未來人工智能實驗室負責人楊松帆、IBM全球教育產(chǎn)業(yè)副總裁兼總經(jīng)理Michael D. King、英語流利說聯(lián)合創(chuàng)始人兼首席執(zhí)行官王翌、論答創(chuàng)始人兼首席執(zhí)行官王楓、Area9 Learning首席執(zhí)行官Ulrik Juul Christensen齊聚“人工智能與個性化學習”分論壇，就“如何利用數(shù)據(jù)打造AI產(chǎn)品”、“自適應學習的發(fā)展及未來”等問題展開了深入討論。

　　人工智能的熱潮正席卷全球，教育行業(yè)也正迎來AI時代。楊松帆表示，數(shù)據(jù)和環(huán)境，將成為推動“AI+教育”進步的兩個主要因素。“人工智能正在不同領域紛紛落地，而教育是其中非常重要的一個領域。如何運用AI來更好地管理學生的學習，提升數(shù)據(jù)管理能力，是教育領域非常重要的問題。”王楓也肯定了數(shù)據(jù)對于AI的重要性，“從教育研究來說，量化數(shù)據(jù)和定性數(shù)據(jù)非常重要。在人工智能領域，我們更加需要量化數(shù)據(jù)，從而精準判斷學生的學習狀態(tài)。”

　　同時，楊松帆認為“AI+教育”有非常多可以率先落地的場景，而自適應學習是其中一個。王翌也表示，“未來幾年是自適應學習的元年。我們需要把自適應、自指導學習以及教師指導學習綜合起來，教學場景也將實現(xiàn)課堂內(nèi)外的結合，自適應學習正在進入混合模式。”

　　眾多專家紛紛表示，人工智能將推動教育的進步。“人工智能，正在把之前不可能的事情變?yōu)榭赡堋?rdquo;Ulrik Juul Christensen表示，“AI一方面可以提高教育解決方案的質量，另一方面可以推動教學內(nèi)容的更新。”Michael D. King也認為，AI將推動個性化學習的發(fā)展，為教育產(chǎn)業(yè)帶來更加顯著、深刻的變革。

　　以下為“人工智能與個性化學習”分論壇現(xiàn)場實錄：

　　背景：GES未來教育大會

　　時間：17：00—17：50

　　主題：人工智能與個性化學習

　　主持嘉賓：楊松帆 好未來人工智能實驗室負責人

　　論壇嘉賓：

　　Michael D.King IBM全球教育產(chǎn)業(yè)副總裁兼總經(jīng)理

　　王翌 英語流利說創(chuàng)始人兼首席執(zhí)行官

　　王楓 論答創(chuàng)始人兼首席執(zhí)行官

　　Ulrik Juul Christensen Area9 Learining首席執(zhí)行官

　　楊松帆 好未來人工智能實驗室負責人

　　主持人：

　　非常高興來主持這個圓桌會議，看到我們的嘉賓里面有兩位來自美國，另外兩位來自中國。今天現(xiàn)場也有一部分外國朋友，所以我會用一部分中文和一部分英文來進行問答，希望整個過程比較方便一點。

　　首先，我先介紹一下自己：我之前是一位大學教授，就讀于加州大學并在該校讀完了博士后學位，這是我的個人背景。在加入好未來之前，我是自己創(chuàng)業(yè)的，我所創(chuàng)辦的公司是關于AI和計算機科學的，通過人臉識別，可以分析個人的情感狀態(tài)。我們公司涉足了不同的領域，比如說房地產(chǎn)、廣告業(yè)等等。之后我們發(fā)現(xiàn)，在教育行業(yè)中，我們無法憑一己之力產(chǎn)生非常大的影響力，所以我們決定和好未來開展合作。之后，我就進入到好未來工作，這是我的工作背景。

　　下面有請其他幾位嘉賓來介紹一下自己：比如說你們的公司、市場領域和客戶等等。

　　Michael D.King：

　　我是IBM全球教育產(chǎn)業(yè)副總裁兼總經(jīng)理Michael D.King，我們主要教育領域的解決方案設計和咨詢，主要在高等教育領域和沃森展開了合作，目前我們共同開發(fā)了一款沃森教室應用以及沃森輔導解決方案，并部署在美國的各大學校。而且在職業(yè)發(fā)展領域，我們也使用了沃森和人工智能相結合的方式進行職業(yè)教育和職業(yè)生涯的持續(xù)教育。

　　王翌：

　　我來自英語流利說，流利說的意思是流利地講英語，我們所做的英語流利說APP是中國最大的移動APP之一，現(xiàn)在已經(jīng)有5000萬的注冊用戶。我們目前想要做的一件事兒就是通過使用人工智能，使得學習語言，特別是英語更加地個性化、高效化。

　　我們的APP是在2016年7月份發(fā)布在蘋果以及安卓平臺上的。事實上，我們同時也是手機軟件應用方面的首開先河者。截至今年7月，我們用了12個月的時間，使得我們的APP擁有了60萬的付費用戶。也就是說，他們可以利用交年費的方式，全年地使用這個軟件進行輔導學習。通過這個APP我們已經(jīng)幫助許多人提升了他們的英文水平，他們只需要利用這個APP，不需要和教師有直接的互動就可以提升他們的英文水平。這是一個非常令人激動的前景，通過把ETS作為對標的基準，我們也希望通過標準的語言教育框架推進學習進行比較，可以把我們這個APP的學習效率提升3倍。我們知道這個語言的評價體系從A1到A2，是有一定的學識要求的，比如說達到一級的水平需要100個小時，或者是達到幾級需要350個小時等。通過有效的縮短學時，我們可以把效率提升3倍。

　　王楓：

　　大家好，我是論答創(chuàng)始人兼首席官王楓。論答是去年在上海成立的，它的英文翻譯包括了學習、分析和技術，也就是說我們是做分析軟件以及學習技術的公司，我們是利用AI做學習以及解決方案的。我們非常自豪地宣布，我們現(xiàn)在已經(jīng)開發(fā)了一個主動學習系統(tǒng)，利用這個系統(tǒng)獨有的算法，我們也做自適應學習研發(fā)，我們在這兩個領域已經(jīng)發(fā)表了一些論文。瑞貝卡是賓夕法尼亞大學教育學系的教授，目前和我們一起主要是做資訊學習方面的應用，特別是輔導產(chǎn)品。我們的團隊發(fā)展非常迅速，接下來我會和大家分享更多的細節(jié)內(nèi)容。

　　Ulrik Juul Christensen：

　　大家好，我是Area9 Learining的首席執(zhí)行官?？赡艽蠹乙呀?jīng)聽到過我們平臺上主要的品牌，我們已經(jīng)開發(fā)了1600多款自適應學習產(chǎn)品，我們做了一些模擬器，第一款醫(yī)學教育領域的模擬器，就是來自我第一家的創(chuàng)業(yè)公司。

　　我去年離開了Mikeholl，在15個月當中，Area9 Learining開始設計一款新的產(chǎn)品，做AI以及機器學習，也就是說我們利用AI和機器學習，來開發(fā)新的產(chǎn)品及解決方案。事實上過去的15年當中我一直在從事這方面的研發(fā)工作，比如說如何使用內(nèi)容分析，從而以不同的方式進行交付和表達。

　　我們非常感興趣的一個領域就是通過AI和機器學習如何達到適應現(xiàn)在的教學環(huán)境，教師的傳統(tǒng)教學如何在新技術視角下進行更新這個方面。我們希望成為基準的奠基者，幫助學生在學習上能夠有更多地主動性、自適應性。

　　當然AI和自適應學習只是占到5%，但是我認為這個方向會在未來有很大的發(fā)展契機。

　　主持人：

　　非常感謝，可能大家都已經(jīng)注意到，目前AI人工智能已經(jīng)遍及全球，滲透到了各個角落，成為了一個鋪天蓋地的話題，甚至我的孩子都在談論人工智能、數(shù)據(jù)和環(huán)境。

　　現(xiàn)在，我想問一各位嘉賓同一個問題，每個人可以從自己的角度來回答，我希望了解到：在你們的從業(yè)環(huán)境下，你們?nèi)绾螌?shù)據(jù)進行分類，來更好地使用數(shù)據(jù)，建造你們的AI產(chǎn)品或者是自適應產(chǎn)品的?

　　Michael D.King：

　　講到數(shù)據(jù)及結構化數(shù)據(jù)，我們發(fā)現(xiàn)在教育行業(yè)有一個主要的挑戰(zhàn)：我們沒有深度數(shù)據(jù)集，因此我們做了沃森教育產(chǎn)品。正是為了解決這個痛點或者是應對這個挑戰(zhàn)，我們認為學校對于學生的學習沒有進行很深度的數(shù)據(jù)采集和挖掘系統(tǒng)，這是我們和各個學校采用數(shù)字技術所要解決的一個問題，因此，我們決定利用數(shù)據(jù)采集的方式來收集學生的學情。

　　主持人：

　　我相信幾位嘉賓也都從自己的角度分析了問題，我們?nèi)绾蚊鎸@個領域的挑戰(zhàn)，如何運用AI來更好地管理學生的學情，以及如何提升我們的數(shù)據(jù)管理能力，這是教育領域的一個很重要的問題。

　　王翌：

　　這個作為第一個問題是正逢其時的，因為學習過程的數(shù)字化第一點就是數(shù)據(jù)，如果我們要真的實施AI的話，這個數(shù)據(jù)是必不可少的。從我們的角度來講，我認為這是一個案例分析。我們并不僅僅是IBM，也就是說我們需要建構自己的產(chǎn)品，我們希望這個產(chǎn)品可以被下載到手機上，在語言練習中，可以反饋數(shù)據(jù)的結果。

　　現(xiàn)在，我們已經(jīng)是中國人學習英語在線應用的最大數(shù)據(jù)集，比如說通過對他們語流、語速的數(shù)據(jù)的收集，我們可以對這些數(shù)據(jù)近來挖掘和分析。比如說通過語音識別系統(tǒng)，我們可以對他們的語音語流、語速、語法和詞匯進行進一步的分析，當然，這只是第一步。

　　首先，先收集數(shù)據(jù)，然后把這個數(shù)據(jù)投入使用。接著，等到數(shù)據(jù)達到了一定的量，比如說積累了幾百萬用戶，我們才可以對這些數(shù)據(jù)進行有意義的利用。

　　現(xiàn)在已經(jīng)有了這么多的數(shù)據(jù)，接下來我們要怎么樣應用，并不僅僅涉及到對數(shù)據(jù)進行評估，或者是幫助用戶練習提升他們的語言水平。我們是否可以有一個系統(tǒng)化的解決方案，來幫助他們提升水平，這個問題才是關鍵。

　　隨后，通過我們自己的內(nèi)容設計團隊(課程設計團隊)，以及自適應學習程序的開發(fā)，我們要解決的問題就是，如何使學習者通過我們的學習程序能夠更好的、更高效的利用時間，以更高的效率，把時間的排序做到最優(yōu)化。

　　我們知道數(shù)據(jù)有不同的層級，現(xiàn)在我們要做的并不僅僅是截取一些數(shù)據(jù)，我們需要對整個的學習活動進行記錄，對于語言的學習來說，我們只需要用手機上的應用，就可以對他們整個的學習過程進行記錄，通過對他們整個學習活動的軌跡的監(jiān)測，我們可以得出相關的結論，這就是我們現(xiàn)在所處的階段：觀察學習者的學習活動軌跡。比如說每周使用這款APP多長時間，是用了5個小時還是10小時。

　　接下來在下一個階段我們會探討如何挖掘這些數(shù)據(jù)，并且把這些數(shù)據(jù)服務于個性化學習。

　　王楓：

　　我簡單地介紹一下我們在做什么，從數(shù)據(jù)來說，剛才松帆提到了數(shù)據(jù)怎么分類

　　首先從大的方面來說，有學生數(shù)據(jù)和老師數(shù)據(jù)。從教育研究來說，有量化數(shù)據(jù)和定性數(shù)據(jù)。其實對于人工智能來說，我們需要的是量化數(shù)據(jù)，或者說我們要把數(shù)據(jù)來進行量化。

　　舉個例子，我們是專注于K12，即中小學培訓，對于K12來說，比如說我們的自適應學習系統(tǒng)，首先我們要在盡可能短的時間之內(nèi)，找到學生盡可能多的學習問題和知識薄弱點，所以學生每做完一道題，我們首先需要采集的是，他做題的時候，是否這個題做對了，他花了多長時間，除此之外，其實還有更多的數(shù)據(jù)需要分析。

　　更多的數(shù)據(jù)就是整個題目它的本身難度是怎么樣的?區(qū)分度是什么樣的?對于算法引擎來說，這個題目背后還有知識點的標簽，它知識點之間的相關性的是什么樣的，它知識點之間的相關性的強弱度有多高，這個就是從量化數(shù)據(jù)這個上面來說的，基于這一數(shù)據(jù)，我們的系統(tǒng)就可以不斷地判斷，學生在每一個知識點上面，他的掌握程度是什么樣。

　　而且這個分析是基于大數(shù)據(jù)，是實時分析，并且不斷地在更新。在我們更新了學生所有的知識狀態(tài)之后，我們的定位就完成了。比如說在181個知識點里面，你可能只有這20個知識點沒有掌握。然后基于這些知識點我們要推薦下一步要學什么，這叫學習途徑推進算法，學習路徑推進之后，還有相匹配的學習內(nèi)容是什么，這是一個完整的學習過程。

　　但是，這個是基于學生的數(shù)據(jù)，這些數(shù)據(jù)除了學生在用，其實老師們也在用，不論是深度學習還是人工智能，并不是一個完全封閉的系統(tǒng)。雖然我們認為系統(tǒng)可能足夠的智能，我們希望它可以達到一個優(yōu)秀老師50%甚至是70%的水平。有的時候如果老師的教學完全按照系統(tǒng)來進行，可能并不一定是合適的。

　　所以系統(tǒng)需要給老師推薦下一步要教哪一個知識點，老師也可以選擇教這個或者不教這個知識點，由此，這些數(shù)據(jù)又可以被反饋回去，另外，再加上老師對于學生和家長訪談，以及一些定性的數(shù)據(jù)，這些數(shù)據(jù)又可以被反饋回去。

　　最終總結一下，對于學生來說，比如說一個學期報告，在處理我們前面所講的那種定性數(shù)據(jù)，比如正確率、錯誤率、做題時間以及薄弱點，錯題。

　　之外，老師的反饋數(shù)據(jù)、或者加上對學生的評價，這就構成了一個完整的報告：包含了各個維度的數(shù)據(jù)。

　　Ulrik Juul Christensen：

　　在過去的十年中，我們積累了大量的數(shù)據(jù)，這些數(shù)據(jù)可以分為三個類型。

　　第一，用來預測個人學習行為的數(shù)據(jù)，第二、適用于集體的數(shù)據(jù)。正如項總所說的，有一些數(shù)據(jù)是關于內(nèi)容的。這些是非常重要的，因為我們目前在教育產(chǎn)業(yè)最大的挑戰(zhàn)之一就是我們可以從已有的數(shù)據(jù)出發(fā)，通過對個人學習者的數(shù)據(jù)監(jiān)測，可以看到AI在整個結構里的相關性。當然還有其他一系列的算法也可以被應用。

　　我的意思是AI以及機器學習對于數(shù)據(jù)的影響力是不同的，對一些數(shù)據(jù)集的影響力會強于另外的一些。

　　第三，就是覆蓋的群組。比如說對于一個班級或者一個國家的學生而言，有一些數(shù)據(jù)，你想用自適應系統(tǒng)或者是相似的系統(tǒng)，應用在教室環(huán)境當中，有一些學生他們總能夠比其他學生更快地完成作業(yè)，在這種情況下，教師可以根據(jù)學生的素質為他們做出個性化的教學建議。這樣AI和機器學習的優(yōu)勢就能被很好地發(fā)揮出來。

　　接下來的巨大變革就是我們?nèi)绾螒獙Ω蟮臄?shù)據(jù)群組。Michael可能會給我們更多地分享一下他的感受，比如說沃森的應用。在同樣的一個數(shù)據(jù)條件下我們需要考慮這三個領域。探索一下我們的應用機器學習和AI在哪些方面可以產(chǎn)生很大的影響。

　　主持人：

　　在教育發(fā)展過程中，我作為一個剛進入教育領域的從業(yè)者，在座的都是我的前輩，我特別想請教一下，在不同的領域里，我們可以看出AI正在應運而生，很多的領域包含了非常大的挑戰(zhàn)，比如說自動駕駛、AI+醫(yī)療等駕車、醫(yī)療領域。我認為AI+教育有非常多能夠實現(xiàn)的機率，自適應是其中的一個。

　　我想問一下各位嘉賓，自適應學習的現(xiàn)狀如何，最先進的是什么樣的?您在這個系統(tǒng)里面扮演什么樣的角色，您看到的挑戰(zhàn)有哪些?

　　Michael D.King：

　　我覺得我們可以從兩個不同的參考角度。

　　第一，從教育機構本身來看，因為之前的嘉賓也說到了，需要在不同的課程上跨越時間節(jié)點去收集每個學生的信息，并且需要一個非常長的周期去收集用于個性化的學習的數(shù)據(jù)。我們公司使用的是沃森這個平臺，可以立刻把學生的數(shù)據(jù)傳送到教育中心和教育機構，所以我們可以更快地進行落地，既關注課程設置，又關注整個機構的課程內(nèi)容、課程模式，以及對于老師的一些指導和建議，這其中更多的是對于某個學生學習歷程的指導和指引，幫助教師針對個性化的需求來管理學生，像是一些高校的管理方式，學生在他們自己學習的過程中，也能夠有所獲益。比如說我們在蘋果的平臺上就有一些評估軟件和工具來評估學生的表現(xiàn)。

　　另外我們也發(fā)現(xiàn)，很多的教育機構并沒有一些源數(shù)據(jù)，如果他們想做這樣的數(shù)據(jù)集需要花很多的時間，我們最好給到他們的是一開始就可以用到的系統(tǒng)。

　　在自適應系統(tǒng)當中，很多公司都在使用沃森的平臺，我們現(xiàn)在也是在幫沃森在做它的不同的API，云端就能夠使用，通過輔導老師這樣的形式去教學生，對我們來說也需要綜合地在一個課程當中考慮一些通用的痛點或者是一些通用的個性，這樣的話，再加以機器學習和人工智能，即可以在短期內(nèi)給出一個響應，如果讓學生通過機器學習，并且像是識別的工具，有一些像沃森，它給出的一些問題或者論文的答案比較簡單，因此需要呈現(xiàn)簡單的操作做法和應用，這也是需要更多的企業(yè)以及個人了解到沃森的平臺，在某些知識點上到底該怎么解決。

　　王翌：

　　我覺得，未來幾年是自適應學習的元年，它更多地進入到了混合的模式。一方面像IBM和其他舞臺上的公司，都會有更加集成和一體化的教學系統(tǒng)和模式，也就是說很多的學生是在學校之外需要有更好地自適應教學方式以及實踐。

　　我們需要把自適應、自指導學習以及教師指導學習綜合起來，我們也會看到未來會有越來越多的自適應學習系統(tǒng)，既是在課堂內(nèi)，也是課堂外進行混搭結合。

　　對于我們這樣的公司來說，大部分的用戶，無論是付費還是不付費的，他們實際上都是去主動學習的學習者，他們用我們的產(chǎn)品是自掏腰包去主動學習，這樣的學習群體，更多地是松散形式的，他們需要進行虛擬式的教學和授課的指導。

　　2015年之前美國和中國有青海教育學校，是教青海的藏族學生，會對從3到14歲的學生進行捐贈性的學習，我們給他們捐贈了數(shù)百個智能手機，我們會從一些500強企業(yè)，像是廣州的500強企業(yè)，調(diào)動一些企業(yè)員工的支援者去教他們學習，每周會花大概3到4天，每天給他們提供45分鐘的手機學習的時間，他們也是通過這45分鐘的學習時間來獲得體會和感悟，并從中受益的。

　　我們現(xiàn)在是在借用美國的學習方式，對于美國學生來說，他們高考的平均分數(shù)，按100分來說，每個人平均提高了20分，當然他們的起步點也比較低，他們本身的基礎較差，所以提高起來很快，就能夠提高20分。

　　對于我們來說我們并沒有期待有這么大的分數(shù)提升，但是這也充分驗證了自我指導或者是通過指導來完成的自適應系統(tǒng)能起到一個非常好的效果，無論是課堂內(nèi)進行自適應學習還是自己主動學習也好，都帶來了很大的能力提升和效果的提升。

　　王楓：

　　從自適應學習在整個中國發(fā)展的歷程來看，我們論答團隊在這個方面是比較有經(jīng)驗了。以前我們都知道自適應學習，美國有很多公司在90年代就已經(jīng)做了，但是到底自適應學習在中國的系統(tǒng)里面長什么樣，以前沒有任何人知道從數(shù)學來說，美國比中國簡單很多，在中國的應用價值并不大。

　　去年的1月8日，我們開發(fā)出來了中國K12領域真正應用頂級算法的自適應學習系統(tǒng)，感覺用的時候還是個測試，是23個知識點的小的知識圖譜，并感覺后面有個老師圍著我在出題，不斷地來判斷、來嘗試，看我到底哪些掌握，哪些沒有掌握。

　　我當時就跟團隊說，這是我們公司的一小步，但是是中國教育一大步，這是個具有里程碑意義的事件，因為自適應學習從此已經(jīng)開始對中國教育產(chǎn)生影響。

　　從去年的1月8日到現(xiàn)在已經(jīng)差不多快兩年了，現(xiàn)在我們?nèi)〉昧四男┻M步，整個行業(yè)取得了哪些進步。我就論答來簡單的說一下。

　　從最開始23個知識點小圖譜，每做完一道題，是從百萬級的知識進行更新，到后面我們已經(jīng)做到幾百個知識點的大圖譜，每做完一道題，后臺的運算量都是百億級以上的更新，從最開始是英語，而后又拓展到數(shù)學，英語和數(shù)學現(xiàn)在有好幾百個測分專題，而且覆蓋幾乎你能想象到的所有知識點。

　　這是我們現(xiàn)在已經(jīng)取得的進步，而且我們整個系統(tǒng)，從最開始的封閉型，系統(tǒng)判斷你哪些知識點已經(jīng)掌握或者是沒有掌握，根據(jù)你沒有掌握的知識點再給你來推薦下一步應該學習什么;到現(xiàn)在已經(jīng)可以根據(jù)系統(tǒng)的推薦來判斷老師是否選擇該知識點進行教學。這些算法的開發(fā)，對于技術來講已經(jīng)提出了很大的挑戰(zhàn)，因為把整個算法后臺都全部打亂了。

　　從整個挑戰(zhàn)來說，最好地算法是沒有開發(fā)出來的算法。世界上沒有一成不變的算法，也沒有任何通用型的AI系統(tǒng)，就能夠把教育的一切問題給搞定。

　　以老師為例，老師說這個知識點必須要非常細，不細的話就不可能找到學生薄弱的知識點。

　　但是真正在教學應用過程中，我們后面會發(fā)現(xiàn)老師又開始抱怨，這個知識點拆的過細的話，我沒法教，我們拿一個題來教的話一定會包含多個知識點，所以又得把知識點從細變粗，這又給算法提出了很大的挑戰(zhàn)，因為你變粗包含的知識點，可能個別是掌握的，而有些又沒有掌握，到底是推薦學這個知識點還是不推薦?所以我們的數(shù)據(jù)科學家和內(nèi)容專家又得根據(jù)這個進行很多調(diào)整。

　　剛才舉的這些例子，對于自適應學習或者是AI在教育來說，真正的挑戰(zhàn)，我們看到的還只是開始，真正地挑戰(zhàn)在于我們需要非常優(yōu)秀的數(shù)據(jù)科學家團隊和內(nèi)容團隊，要根據(jù)教學的實際應用不斷地來開發(fā)新的算法和優(yōu)化算法，歸根結底，其實是有效的收集分析和應用海量的應用數(shù)據(jù)。

　　Ulrik Juul Christensen：

　　我們確實也在充分地在考慮，過去三年人工智能到底給我們帶來什么樣的有效影響。首先確認會毫無疑問地對沃森平臺帶來很多有意義的洞察。

　　另外，人類的這種增強型的學習能力，確實能夠提升內(nèi)容的學習，比如說內(nèi)容像是一個金字塔，金字塔上面，就是非常集中性的，并且非常自動化的內(nèi)容。實際上人最有價值的是人所創(chuàng)造出來的這些內(nèi)容，并不是說人工智能就可以做很多的東西。

　　以數(shù)學來說，每個學生的學習是多元化的，也就是說這些訓練集都需要進一步優(yōu)化，并且在過去，因為數(shù)學題的復雜程度較大，并沒有非常多的數(shù)據(jù)集進行參考和進一步的深度學習。所以，人類在這個數(shù)學這個領域上，實際上是領先于對機器的掌握的。

　　所以我們需要有人為的干預，進一步地去優(yōu)化這樣的數(shù)學培訓，用人力的力量來進一步去彌補人工智能方面的一些不足，這樣的話我們可以更好充分耦合各種能力，進一步去探索AI的其他方面的優(yōu)勢。

　　主持人：

　　大家都知道站在巨人的肩膀上，可以更好地進行創(chuàng)新和突破，所以以我的一個案例來說，實際上我之前是負責一個團隊，這個團隊是對整個的課程、教室環(huán)境進行模擬和記錄，也就是說我們可以通過這樣的視頻和模擬，去監(jiān)控在整個課程上的一個學習情況。

　　像尼爾森調(diào)研機構，我們跟他們也是有合作的，比如說他們在做廣告的時候，他們需要考慮到廣告的有效性和營銷的效果。所以他們會進行一些問答環(huán)節(jié)，或者是這種問答的調(diào)研。像他們就會在線上進行一些問答調(diào)研，并且把廣告的視頻給網(wǎng)民們。但是，網(wǎng)民們在看這些廣告的時候，他們的面部表情其實是被實時的捕捉了，通過他們的表情可以反映出這個視頻是否真正受歡迎，

　　所以我們也有沿用到廣告領域的這個想法。對于教育領域來說，我們實際上是可以從其它的行業(yè)有所領悟和借鑒的。

　　Michael D.King：

　　但是，事實上我們并不是借鑒，不夸張地說是把沃森在醫(yī)療行業(yè)的原理照抄過來了。我們首先應用的場景是醫(yī)療領域，把沃森應用到了醫(yī)療的腫瘤學，我們對每一個病人的基因組學以及大量地人群的陣列數(shù)據(jù)進行匹配和分析，以幫助我們完成對腫瘤的治療。

　　對我們來說，很多的這些系統(tǒng)都是需要有人類的參與和貢獻，腫瘤學的突破就是其中的一個案例，通過沃森得到的這個結論，準確率高達90%，其他的只有40%—50%，對于我們來說只會參考，到底沃森對這個病人的診斷是什么樣的，有前三大診斷或者是治療方案的推薦，通過這個結論可以更好地優(yōu)化治療計劃，這個模式也是在一開始我們跟教師進行溝通時選擇了沿用。

　　我們要考慮不同的課程、學科的設置，怎么樣給教師更好地提供工具，讓他們更富創(chuàng)新性的組織教學方案以及效果優(yōu)化。

　　王翌：

　　我們應用程序的第一版是借用了唱吧的想法。我們當時的想法是，如果大家這么愿意用手機唱KTV，為什么不能用手機來學習英語呢?所以我們覺得，繼續(xù)沿用這樣的方法是可行的，所以我們直接就把人們對于憤怒的小鳥以及唱吧這樣的迷戀，沿用到了學習英語上。

　　我們想讓學習英語的過程中有更多游戲化的體驗，就像在玩游戲一樣去學習英語，這也是我們在研發(fā)這種電子學習或者是手機平臺學習的初衷。

　　當然我們也在考慮用不用人工智能式的英文老師，會考慮在特定情況下，人類的老師是怎么樣教英語的，所以我們又回歸到了最本真的東西，即老師在教新的知識的時候是怎么教的，他們會怎么樣去布置作業(yè)，怎么樣批改作業(yè)。

　　這樣的反饋是非常重要的，根據(jù)不同的教學和學習環(huán)境來決定到底其需要什么樣的數(shù)據(jù)，計算引擎需要輸入什么樣的數(shù)據(jù)等來完成模擬最佳的教師實踐活動并且探討怎么樣通過技術來讓這樣的英語學習互動變得更有意義、更加地高效。

　　我們覺得最佳的實踐是無處不在的，但是我們需要沉下心來好好考慮，怎么樣把最佳實踐應用到教育領域。

　　王楓：

　　提到自適應學習本身，我們可以從不同的領域來借鑒很多東西。特別是自適應學習的基本理念已經(jīng)在其他的領域有了很好的應用案例，比如說我們看到警務以及犯罪控制領域，可以通過一個城市的犯罪率在不同地區(qū)進行犯罪率高低的分析，來幫助警務人員更好地控制風險。

　　比如說有一家美國公司，已經(jīng)應用了數(shù)據(jù)搜集、數(shù)據(jù)挖掘的方式來應用于農(nóng)業(yè)。就是說什么樣的種子種在什么樣的泥土里可以得到最好的收成，它的播種季節(jié)有怎樣的關系。

　　同樣應用于教育領域，我們也可以通過這種數(shù)據(jù)做一些預測，剛才我舉的兩個例子是關于預測，我們可以搜集學生的數(shù)據(jù)，并且預測這道題他會做對還是做錯，這個知識點他是否掌握。我想對數(shù)據(jù)挖掘而言，預測是很有應用前景的領域。

　　講到自適應學習，這方面的技術研究和應用在過去十年二十年是不足的，但是我們借鑒的并不僅僅是算法和技術，比如說神經(jīng)網(wǎng)絡算法，我們希望得到怎樣的結果，追求的是怎樣的目標，比如說我們的用戶痛點是什么，我們想要解決的問題是什么，因此我們的目的就是怎么樣幫助學生更好地學習，怎么樣掌握知識。

　　比如說數(shù)學并不僅僅是記一些概念，他們需要很多不同的技能，思考技能、分析技能，在關于如何更好地管理不同領域、不同層面的技能這個問題上，并不是說原理和概念不必記憶了，我們需要學生記憶這原理和概念，并且把這些知識的掌握和他們的分析思考能力結合起來。我們可以很自豪地說，這方面我們已經(jīng)總結出了很多解決方案。

　　Ulrik Juul Christensen：

　　事實上我既是一個工程師也是一個研究者，工程是我們設計出來一個很好用的產(chǎn)品或者解決方案，比如人工智能應用于翻譯的領域，單字的翻譯并不能夠成為有意義的整體，現(xiàn)在有一位心理學家講到，一個人如果要掌握一項技能的話，需要一萬個小時的練習。

　　事實上這個并不準確，不僅僅需要一萬小時的練習，而是說一個人如果要掌握一項技能，平均需要精心刻意練習一萬個小時。

　　在上個世紀90年代，美國有很多的人死于人為的醫(yī)療事故，我們對于這一些人為的醫(yī)療疏忽和過失進行數(shù)據(jù)挖掘和采集研究。

　　在分析了醫(yī)生和病人接觸所有的成千論萬交互點中，發(fā)現(xiàn)可能有22%是不合規(guī)的，或者是22%是沒有達到他們所應該達到的能力點的。

　　但是這些醫(yī)生對于22%這些并不了解，現(xiàn)在我們想要解決的就是這22%，怎么樣通過使用機器學習和自適應幫助他們提升，在接下來的一個學期之內(nèi)，我們發(fā)現(xiàn)了之前有一些學生從未試過這個方法，但是一旦他們開始適應這種方式，他們的做答、他們知識掌握領域的擴張，就會有一個很大的提升。

　　也就是說由于自適應學習、機器學習的應用，使這些人知道他們不知道的，我們說真正的一個專家，他不僅僅需要知道他知道什么，他也需要知道他不知道什么，并且精心刻意去練習哪些他不知道的東西，對于機器翻譯研究這方面，這個是我們所專注的一個主要的領域。

　　主持人：

　　下面是一個腦力風暴的問題，接下來的五年中或者是任何一個時間點，你認為自適應學習會有怎樣的進展?在你們的腦海中自適應學習會發(fā)展到一個怎樣的階段。并且會對教育造成怎樣的影響?

　　Michael D.King：

　　從一個更廣的范圍講，我認為AI會影響大部分的產(chǎn)業(yè)和大部分的工作，教育領域，最大的一個挑戰(zhàn)就是學習者如果只靠傳統(tǒng)的教育，將有可能無法滿足未來勞動力市場的需求。AI使得學習更加的個性化，更加的符合個人的需求。

　　我想無論是財務方面的學習，還是醫(yī)療技術方面的學習，AI會使得學習更加的個人化，在教育領域產(chǎn)生一個顯著的變革、深刻的變革，造福于每一個學習者。

　　自適應學習，并不僅僅是關于個人化的學習和指導。這些個性化的服務，以及教育服務的提供者，以及個人職業(yè)生涯的整個的指導和輔導，比如說接下來的一份工作需要怎樣的技能。

　　一個主要的挑戰(zhàn)就是，這個是關乎整個生態(tài)系統(tǒng)，而并不僅僅是我們發(fā)明兩種工具就可以改變整個系統(tǒng)，也就是說我們需要分析教育生態(tài)系統(tǒng)的所有涵蓋的方方面面。

　　我們能夠越來越多的認識到生態(tài)系統(tǒng)的各個方面、各個維度之間的關系，更多的把AI看作一種賦能輔助的工具、手段。

　　王翌：

　　我想說最令人興奮的一個前景，關于AI和技術賦能學習是兩重性的：

　　意義一，可及性。在我們的一生當中(我不知道這個具體有多長)，我認為一個基本的學習水平，或者新技能的學習水平，會是對所有人可及的，所有人在他們的一生中，都可以去學習新的技能，不管他們的地理位置，還是經(jīng)濟能力，學習將越來越可及，門檻逐步降低。

　　由于AI賦能的產(chǎn)品化的學習，相關的解決方案在不同的領域，將越來越富有可及性，無論是語言學習還是更復雜的技能組合，這是一個非常令人興奮的前景。

　　我也很榮幸能夠成為其中的一位，我相信無論是我的公司還是其它很多的友商，在自適應學習下，讓終生學習、終生教育對越來越多的人是可及的。

　　另外就是學習效率的提升。

　　我們知道學習其實是很昂貴的，或者說學習服務、教育服務是很昂貴的，要達到一定的學習效果需要付出很多的金錢成本和時間成本。有的時候即使付出了也不一定能達到想要的成果。

　　現(xiàn)在很多教育服務的成本是根據(jù)課時計算的，有一些不良的教育機構，會故意降低教育效率來增加課時，因為越是增加課時，他們就可以收取越高的學費，這個是他們的營利模式、商業(yè)模式。如果我們的AI可以從根本上改變這種營利模式的話，會是一個令人興奮的前景。

　　王楓：

　　教育是一個很復雜的產(chǎn)業(yè)，很難預測未來走勢。我在這里只是給予一些個人的粗淺建議。

　　對于K12而言，我認為一方面就是課外輔導，課外輔導在中國已經(jīng)成為了一個巨大的產(chǎn)業(yè)，對于K12來說，自適應學習，以及AI學習系統(tǒng)的部署對于學習者以及教師來說，會是一個必不可少的東西。

　　不再是一種新生事物，不再是一個很炫的新技術，而是一個必不可少的東西，如果你不使用AI、不使用自適應學習系統(tǒng)，你的學習就失去了競爭力。為什么?我經(jīng)常告訴我的同事，AI其實是非常有效率的，對于提升學習的結構化而言，是非常重要的。

　　在整個學習的過程中，我們知道有很多結構化的東西，比如說設計考試、組織考試等等，在過去的一年中，證明了我們的自適應學習系統(tǒng)在統(tǒng)計學上是更加有效的，和傳統(tǒng)的主流學習系統(tǒng)相比，從有效性而言，這個有效性會提升3到28倍，我想這是一個非常有力的結論。這就告訴了我們?yōu)槭裁催@個系統(tǒng)的使用是非常必要、有意義的。

　　現(xiàn)在的教育正迎來一個嶄新時代，采用自適應系統(tǒng)的公立學校，在這個方面會是前途無量的。對于教師來說，這一系統(tǒng)是非常復雜的，并不僅僅是關于技術本身，也包括學校本身的架構。即它的部署并不是一朝一夕的事情。

　　比如說在在哈佛、斯坦福這些一流大學開始部署慕課教學之后，有很多普通的大學、主流的大學也開始使用。

　　我相信在未來自適應學習也會有同樣的發(fā)展路徑，因為每一家學校、每一間教育機構，他們都希望提升學生的學習效率。

　　Ulrik Juul Christensen：

　　我個人認為，AI以及機器學習對于學校結構革命性或者顛覆性的改變，我個人持比較保留的態(tài)度。它確實可以改變教育的某一些領域，不僅僅是教育領域、包括零售領域，AI以及機器學習可以把之前不可能的事情變成可能，一方面可以提升教育解決方案的質量，另一方面可以使得內(nèi)容有更多的更新和更高的質量。但我并不認為在未來的10年，它會對于整個的教育系統(tǒng)或者學校系統(tǒng)有一個顛覆性的改變。

　　主持人：

　　剛才我們進行了非常熱烈而友好的討論，最后我希望可以給大家講一個故事，我三年前做了父親，從那個之后我對教育有了新層次的理解，我認為教育應該教會我的孩子更加堅強、更加有力量、更加快樂并且提升他們的領導力。因為“少年強則國強”。

　　我希望我們都可以同心協(xié)力，讓我們的少年更強，讓我們的技術得到更好的應用。