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(zé)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(xué)習(xí)”分論壇，就“如何利用數(shù)據(jù)打造AI產(chǎn)品”、“自適應(yīng)學(xué)習(xí)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(lǐng)域紛紛落地，而教育是其中非常重要的一個領(lǐng)域。如何運用AI來更好地管理學(xué)生的學(xué)習(xí)，提升數(shù)據(jù)管理能力，是教育領(lǐng)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(lǐng)域，我們更加需要量化數(shù)據(jù)，從而精準(zhǔn)判斷學(xué)生的學(xué)習(xí)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(yīng)學(xué)習(xí)是其中一個。王翌也表示，“未來幾年是自適應(yīng)學(xué)習(xí)的元年。我們需要把自適應(yīng)、自指導(dǎo)學(xué)習(xí)以及教師指導(dǎo)學(xué)習(xí)綜合起來，教學(xué)場景也將實現(xiàn)課堂內(nèi)外的結(jié)合，自適應(yīng)學(xué)習(xí)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(zhì)量，另一方面可以推動教學(xué)內(nèi)容的更新。”Michael D. King也認為，AI將推動個性化學(xué)習(xí)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(xué)習(xí)”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(xué)習(xí)
主持嘉賓：楊松帆 好未來人工智能實驗室負責(zé)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(zé)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(xué)教授，就讀于加州大學(xué)并在該校讀完了博士后學(xué)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(guān)于AI和計算機科學(xué)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(lǐng)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(lǐng)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(lǐng)域的解決方案設(shè)計和咨詢，主要在高等教育領(lǐng)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(yīng)用以及沃森輔導(dǎo)解決方案，并部署在美國的各大學(xué)校。而且在職業(yè)發(fā)展領(lǐng)域，我們也使用了沃森和人工智能相結(jié)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(xué)習(xí)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(yīng)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(dǎo)學(xué)習(xí)。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(biāo)的基準(zhǔn)，我們也希望通過標(biāo)準(zhǔn)的語言教育框架推進學(xué)習(xí)進行比較，可以把我們這個APP的學(xué)習(xí)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(xué)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(xué)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(xué)習(xí)、分析和技術(shù)，也就是說我們是做分析軟件以及學(xué)習(xí)技術(shù)的公司，我們是利用AI做學(xué)習(xí)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(xué)習(xí)系統(tǒng)，利用這個系統(tǒng)獨有的算法，我們也做自適應(yīng)學(xué)習(xí)研發(fā)，我們在這兩個領(lǐng)域已經(jīng)發(fā)表了一些論文。瑞貝卡是賓夕法尼亞大學(xué)教育學(xué)系的教授，目前和我們一起主要是做資訊學(xué)習(xí)方面的應(yīng)用，特別是輔導(dǎo)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(yīng)學(xué)習(xí)產(chǎn)品，我們做了一些模擬器，第一款醫(yī)學(xué)教育領(lǐng)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(dāng)中，Area9 Learining開始設(shè)計一款新的產(chǎn)品，做AI以及機器學(xué)習(xí)，也就是說我們利用AI和機器學(xué)習(xí)，來開發(fā)新的產(chǎn)品及解決方案。事實上過去的15年當(dāng)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(lǐng)域就是通過AI和機器學(xué)習(xí)如何達到適應(yīng)現(xiàn)在的教學(xué)環(huán)境，教師的傳統(tǒng)教學(xué)如何在新技術(shù)視角下進行更新這個方面。我們希望成為基準(zhǔn)的奠基者，幫助學(xué)生在學(xué)習(xí)上能夠有更多地主動性、自適應(yīng)性。
當(dāng)然AI和自適應(yīng)學(xué)習(xí)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?wù)撊斯ぶ悄堋?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(yīng)產(chǎn)品的?
Michael D.King：
講到數(shù)據(jù)及結(jié)構(gòu)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(yīng)對這個挑戰(zhàn)，我們認為學(xué)校對于學(xué)生的學(xué)習(xí)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(xué)校采用數(shù)字技術(shù)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(xué)生的學(xué)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(lǐng)域的挑戰(zhàn)，如何運用AI來更好地管理學(xué)生的學(xué)情，以及如何提升我們的數(shù)據(jù)管理能力，這是教育領(lǐng)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(xué)習(xí)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(gòu)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(xí)中，可以反饋數(shù)據(jù)的結(jié)果。
現(xiàn)在，我們已經(jīng)是中國人學(xué)習(xí)英語在線應(yīng)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(dāng)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(yīng)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(xí)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(guān)鍵。
隨后，通過我們自己的內(nèi)容設(shè)計團隊(課程設(shè)計團隊)，以及自適應(yīng)學(xué)習(xí)程序的開發(fā)，我們要解決的問題就是，如何使學(xué)習(xí)者通過我們的學(xué)習(xí)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(xué)習(xí)活動進行記錄，對于語言的學(xué)習(xí)來說，我們只需要用手機上的應(yīng)用，就可以對他們整個的學(xué)習(xí)過程進行記錄，通過對他們整個學(xué)習(xí)活動的軌跡的監(jiān)測，我們可以得出相關(guān)的結(jié)論，這就是我們現(xiàn)在所處的階段：觀察學(xué)習(xí)者的學(xué)習(xí)活動軌跡。比如說每周使用這款A(yù)PP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(wù)于個性化學(xué)習(xí)。
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(xué)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(xué)培訓(xùn)，對于K12來說，比如說我們的自適應(yīng)學(xué)習(xí)系統(tǒng)，首先我們要在盡可能短的時間之內(nèi)，找到學(xué)生盡可能多的學(xué)習(xí)問題和知識薄弱點，所以學(xué)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(biāo)簽，它知識點之間的相關(guān)性的是什么樣的，它知識點之間的相關(guān)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(xué)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(xué)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(xué)什么，這叫學(xué)習(xí)途徑推進算法，學(xué)習(xí)路徑推進之后，還有相匹配的學(xué)習(xí)內(nèi)容是什么，這是一個完整的學(xué)習(xí)過程。
但是，這個是基于學(xué)生的數(shù)據(jù)，這些數(shù)據(jù)除了學(xué)生在用，其實老師們也在用，不論是深度學(xué)習(xí)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(xué)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(xué)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(jié)一下，對于學(xué)生來說，比如說一個學(xué)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(xué)生的評價，這就構(gòu)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(yù)測個人學(xué)習(xí)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(guān)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(xué)習(xí)者的數(shù)據(jù)監(jiān)測，可以看到AI在整個結(jié)構(gòu)里的相關(guān)性。當(dāng)然還有其他一系列的算法也可以被應(yīng)用。
我的意思是AI以及機器學(xué)習(xí)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(xué)生而言，有一些數(shù)據(jù)，你想用自適應(yīng)系統(tǒng)或者是相似的系統(tǒng)，應(yīng)用在教室環(huán)境當(dāng)中，有一些學(xué)生他們總能夠比其他學(xué)生更快地完成作業(yè)，在這種情況下，教師可以根據(jù)學(xué)生的素質(zhì)為他們做出個性化的教學(xué)建議。這樣AI和機器學(xué)習(xí)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?yīng)對更大的數(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(yīng)用。在同樣的一個數(shù)據(jù)條件下我們需要考慮這三個領(lǐng)域。探索一下我們的應(yīng)用機器學(xué)習(xí)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(lǐng)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(lǐng)域里，我們可以看出AI正在應(yīng)運而生，很多的領(lǐng)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(lǐng)域。我認為AI+教育有非常多能夠?qū)崿F(xiàn)的機率，自適應(yīng)是其中的一個。
我想問一下各位嘉賓，自適應(yīng)學(xué)習(xí)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(gòu)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(xué)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(xué)習(xí)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(xué)生的數(shù)據(jù)傳送到教育中心和教育機構(gòu)，所以我們可以更快地進行落地，既關(guān)注課程設(shè)置，又關(guān)注整個機構(gòu)的課程內(nèi)容、課程模式，以及對于老師的一些指導(dǎo)和建議，這其中更多的是對于某個學(xué)生學(xué)習(xí)歷程的指導(dǎo)和指引，幫助教師針對個性化的需求來管理學(xué)生，像是一些高校的管理方式，學(xué)生在他們自己學(xué)習(xí)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(xué)生的表現(xiàn)。
另外我們也發(fā)現(xiàn)，很多的教育機構(gòu)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(yīng)系統(tǒng)當(dāng)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(dǎo)老師這樣的形式去教學(xué)生，對我們來說也需要綜合地在一個課程當(dāng)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(xué)習(xí)和人工智能，即可以在短期內(nèi)給出一個響應(yīng)，如果讓學(xué)生通過機器學(xué)習(xí)，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(yīng)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(yīng)學(xué)習(xí)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(xué)系統(tǒng)和模式，也就是說很多的學(xué)生是在學(xué)校之外需要有更好地自適應(yīng)教學(xué)方式以及實踐。
我們需要把自適應(yīng)、自指導(dǎo)學(xué)習(xí)以及教師指導(dǎo)學(xué)習(xí)綜合起來，我們也會看到未來會有越來越多的自適應(yīng)學(xué)習(xí)系統(tǒng)，既是在課堂內(nèi)，也是課堂外進行混搭結(jié)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(xué)習(xí)的學(xué)習(xí)者，他們用我們的產(chǎn)品是自掏腰包去主動學(xué)習(xí)，這樣的學(xué)習(xí)群體，更多地是松散形式的，他們需要進行虛擬式的教學(xué)和授課的指導(dǎo)。
2015年之前美國和中國有青海教育學(xué)校，是教青海的藏族學(xué)生，會對從3到14歲的學(xué)生進行捐贈性的學(xué)習(xí)，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(xué)習(xí)，每周會花大概3到4天，每天給他們提供45分鐘的手機學(xué)習(xí)的時間，他們也是通過這45分鐘的學(xué)習(xí)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(xué)習(xí)方式，對于美國學(xué)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(dāng)然他們的起步點也比較低，他們本身的基礎(chǔ)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(dǎo)或者是通過指導(dǎo)來完成的自適應(yīng)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(yīng)學(xué)習(xí)還是自己主動學(xué)習(xí)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(yīng)學(xué)習(xí)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(yīng)學(xué)習(xí)，美國有很多公司在90年代就已經(jīng)做了，但是到底自適應(yīng)學(xué)習(xí)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(xué)來說，美國比中國簡單很多，在中國的應(yīng)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(lǐng)域真正應(yīng)用頂級算法的自適應(yīng)學(xué)習(xí)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(dāng)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(yīng)學(xué)習(xí)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(xué)，英語和數(shù)學(xué)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(yīng)該學(xué)習(xí)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(xué)。這些算法的開發(fā)，對于技術(shù)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(xué)生薄弱的知識點。
但是真正在教學(xué)應(yīng)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(xué)這個知識點還是不推薦?所以我們的數(shù)據(jù)科學(xué)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(yīng)學(xué)習(xí)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(xué)家團隊和內(nèi)容團隊，要根據(jù)教學(xué)的實際應(yīng)用不斷地來開發(fā)新的算法和優(yōu)化算法，歸根結(jié)底，其實是有效的收集分析和應(yīng)用海量的應(yīng)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(xué)習(xí)能力，確實能夠提升內(nèi)容的學(xué)習(xí)，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(xué)來說，每個學(xué)生的學(xué)習(xí)是多元化的，也就是說這些訓(xùn)練集都需要進一步優(yōu)化，并且在過去，因為數(shù)學(xué)題的復(fù)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(xué)習(xí)。所以，人類在這個數(shù)學(xué)這個領(lǐng)域上，實際上是領(lǐng)先于對機器的掌握的。
所以我們需要有人為的干預(yù)，進一步地去優(yōu)化這樣的數(shù)學(xué)培訓(xùn)，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(zé)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(xué)習(xí)情況。
像尼爾森調(diào)研機構(gòu)，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(lǐng)域的這個想法。對于教育領(lǐng)域來說，我們實際上是可以從其它的行業(yè)有所領(lǐng)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(yīng)用的場景是醫(yī)療領(lǐng)域，把沃森應(yīng)用到了醫(yī)療的腫瘤學(xué)，我們對每一個病人的基因組學(xué)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(xué)的突破就是其中的一個案例，通過沃森得到的這個結(jié)論，準(zhǔn)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(jié)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(xué)科的設(shè)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(xué)方案以及效果優(yōu)化。
王翌：
我們應(yīng)用程序的第一版是借用了唱吧的想法。我們當(dāng)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(xué)習(xí)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(xué)習(xí)英語上。
我們想讓學(xué)習(xí)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(xué)習(xí)英語，這也是我們在研發(fā)這種電子學(xué)習(xí)或者是手機平臺學(xué)習(xí)的初衷。
當(dāng)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(xué)和學(xué)習(xí)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(shù)來讓這樣的英語學(xué)習(xí)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(yīng)用到教育領(lǐng)域。
王楓：
提到自適應(yīng)學(xué)習(xí)本身，我們可以從不同的領(lǐng)域來借鑒很多東西。特別是自適應(yīng)學(xué)習(xí)的基本理念已經(jīng)在其他的領(lǐng)域有了很好的應(yīng)用案例，比如說我們看到警務(wù)以及犯罪控制領(lǐng)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(wù)人員更好地控制風(fēng)險。
比如說有一家美國公司，已經(jīng)應(yīng)用了數(shù)據(jù)搜集、數(shù)據(jù)挖掘的方式來應(yīng)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(guān)系。
同樣應(yīng)用于教育領(lǐng)域，我們也可以通過這種數(shù)據(jù)做一些預(yù)測，剛才我舉的兩個例子是關(guān)于預(yù)測，我們可以搜集學(xué)生的數(shù)據(jù)，并且預(yù)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(yù)測是很有應(yīng)用前景的領(lǐng)域。
講到自適應(yīng)學(xué)習(xí)，這方面的技術(shù)研究和應(yīng)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(shù)，比如說神經(jīng)網(wǎng)絡(luò)算法，我們希望得到怎樣的結(jié)果，追求的是怎樣的目標(biāo)，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(xué)生更好地學(xué)習(xí)，怎么樣掌握知識。
比如說數(shù)學(xué)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(guān)于如何更好地管理不同領(lǐng)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(xué)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(jié)合起來。我們可以很自豪地說，這方面我們已經(jīng)總結(jié)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(shè)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(yīng)用于翻譯的領(lǐng)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(xué)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(xí)。
事實上這個并不準(zhǔn)確，不僅僅需要一萬小時的練習(xí)，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(xí)一萬個小時。
在上個世紀(jì)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(yīng)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(xué)習(xí)和自適應(yīng)幫助他們提升，在接下來的一個學(xué)期之內(nèi)，我們發(fā)現(xiàn)了之前有一些學(xué)生從未試過這個方法，但是一旦他們開始適應(yīng)這種方式，他們的做答、他們知識掌握領(lǐng)域的擴張，就會有一個很大的提升。
也就是說由于自適應(yīng)學(xué)習(xí)、機器學(xué)習(xí)的應(yīng)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(xí)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(lǐng)域。
主持人：
下面是一個腦力風(fēng)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(yīng)學(xué)習(xí)會有怎樣的進展?在你們的腦海中自適應(yīng)學(xué)習(xí)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(lǐng)域，最大的一個挑戰(zhàn)就是學(xué)習(xí)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(xué)習(xí)更加的個性化，更加的符合個人的需求。
我想無論是財務(wù)方面的學(xué)習(xí)，還是醫(yī)療技術(shù)方面的學(xué)習(xí)，AI會使得學(xué)習(xí)更加的個人化，在教育領(lǐng)域產(chǎn)生一個顯著的變革、深刻的變革，造福于每一個學(xué)習(xí)者。
自適應(yīng)學(xué)習(xí)，并不僅僅是關(guān)于個人化的學(xué)習(xí)和指導(dǎo)。這些個性化的服務(wù)，以及教育服務(wù)的提供者，以及個人職業(yè)生涯的整個的指導(dǎo)和輔導(dǎo)，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(guān)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(guān)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(guān)于AI和技術(shù)賦能學(xué)習(xí)是兩重性的：
意義一，可及性。在我們的一生當(dāng)中(我不知道這個具體有多長)，我認為一個基本的學(xué)習(xí)水平，或者新技能的學(xué)習(xí)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(xué)習(xí)新的技能，不管他們的地理位置，還是經(jīng)濟能力，學(xué)習(xí)將越來越可及，門檻逐步降低。
由于AI賦能的產(chǎn)品化的學(xué)習(xí)，相關(guān)的解決方案在不同的領(lǐng)域，將越來越富有可及性，無論是語言學(xué)習(xí)還是更復(fù)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(yīng)學(xué)習(xí)下，讓終生學(xué)習(xí)、終生教育對越來越多的人是可及的。
另外就是學(xué)習(xí)效率的提升。
我們知道學(xué)習(xí)其實是很昂貴的，或者說學(xué)習(xí)服務(wù)、教育服務(wù)是很昂貴的，要達到一定的學(xué)習(xí)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(wù)的成本是根據(jù)課時計算的，有一些不良的教育機構(gòu)，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(xué)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(fù)雜的產(chǎn)業(yè)，很難預(yù)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(dǎo)，課外輔導(dǎo)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(yīng)學(xué)習(xí)，以及AI學(xué)習(xí)系統(tǒng)的部署對于學(xué)習(xí)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(shù)，而是一個必不可少的東西，如果你不使用AI、不使用自適應(yīng)學(xué)習(xí)系統(tǒng)，你的學(xué)習(xí)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(xué)習(xí)的結(jié)構(gòu)化而言，是非常重要的。
在整個學(xué)習(xí)的過程中，我們知道有很多結(jié)構(gòu)化的東西，比如說設(shè)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(yīng)學(xué)習(xí)系統(tǒng)在統(tǒng)計學(xué)上是更加有效的，和傳統(tǒng)的主流學(xué)習(xí)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(jié)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(yīng)系統(tǒng)的公立學(xué)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(fù)雜的，并不僅僅是關(guān)于技術(shù)本身，也包括學(xué)校本身的架構(gòu)。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(xué)開始部署慕課教學(xué)之后，有很多普通的大學(xué)、主流的大學(xué)也開始使用。
我相信在未來自適應(yīng)學(xué)習(xí)也會有同樣的發(fā)展路徑，因為每一家學(xué)校、每一間教育機構(gòu)，他們都希望提升學(xué)生的學(xué)習(xí)效率。
Ulrik Juul Christensen：
我個人認為，AI以及機器學(xué)習(xí)對于學(xué)校結(jié)構(gòu)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(lǐng)域，不僅僅是教育領(lǐng)域、包括零售領(lǐng)域，AI以及機器學(xué)習(xí)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(zhì)量，另一方面可以使得內(nèi)容有更多的更新和更高的質(zhì)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(xué)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(yīng)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(lǐng)導(dǎo)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(shù)得到更好的應(yīng)用。
