移动版

主页 > 拉菲娱乐 >

AI+教育如何得到更好的应用?我们找了IBM Watson研

图:Aleutie / Shutterstock

雷锋网按:日前,科大讯飞轮值总裁吴晓如表示,「人工智能在一些细分领域的应用,目前已经进入深水期」。虽然其认为人工智能并非无所不能,但它在教育领域却大有作为。吴晓如持这个观点,确实有迹可循。不管是从科大讯飞已经在AI+教育领域取得的成绩来看,还是从整个AI+产业链的结合中,教育作为首当其冲的角色,早已成为AI的最直接获益领域之一。而与这一趋势相呼应,国内外关于AI+教育的主题的讨论也是不绝于耳。本文由雷锋网(公众号:雷锋网)编译于国外科技媒体 EdSurge 的《Real Questions About Artificial Intelligence in Education》,作者 Tony Wan。

在过去两年中,大众对构建自主“学习”和改进自己的操作或经验(而不是显示编程)的复杂算法的兴趣不断在增加。AI、机器学习等词汇在 Google Trends 上的热度不断攀升,甚至在2016年的10月份直接「登顶」。

图/EdSurge

近日,国内外公司在AI+教育领域的动作可谓频频,国外不仅有 Bloomberg Beta 一直在建立一个机器学习应用于其他行业的概略图,教育赫然在列;而在国内则有在线教育公司英语流利说刚刚完成1亿美元的新一轮融资。

为了进一步理清AI及机器学习可在教育行业发挥的作用,EdSurge 在过去一周举办了一次面谈会,将OpenEd(一家提供 K12 教育资源 搜索服务的公司,2016年被美国考试服务商 ACT 收购)的 CEO Adam Blum、IBM Watson 的学术研究员 Armen Pischdotchian,以及 EruditeAI (一家面向K12领域的在线教育公司,是 IBM Watson AI XPRIZE的参与单位之一)的 CEO  Kathy Benemann 和 instaGrok 的创始人 Kirill Kireyev 集结在了一起,记者 Tony Wan 就这一主题和四位进行了交谈。以下是此次谈话的部分摘录:

EdSurge:AI已经有希望改变几代人的教育。目前离这一目标的实现还有多远?

Benemann:众所周知,现在产生的数据比以往任何时候都要多得多。对我们 EruditeAI 而言,数据比公司营收还要重要。有了更好的数据,我们才能更好的训练算法。不管AI如何发展,我们都要记住,人类才是AI的最终缔造者。

Pischdotchian:如果我们回想早些年的教育模式,会将其称为“工厂模式”。即老师们总是向学生们教授相同的科目,教无定法,有教无类,一视同仁。虽然这也是教学的初衷,但并不适用于「虽然年龄一致,但认知、智力等水平参差不齐」的学生,特别是在AI+产业链结合应用的大环境下。一些组织,如 Chan Zuckerberg(小扎的妻子)领导的团体正试图对这一模式进行改革。目前来看,由于“工厂模式”的不可持续发展性,其已十分不适用于教育。对于现在的学生而言,认清未来工作的需求更为重要。

Kireyev:如 Benemann 所说,AI+教育的内容正呈爆炸式增长,无论是关于学生的还是从学生得到的。通过这些数据,我们可以知道学生们都在做些什么,而这一了解的速度要比过去快得多。比如,当孩子们用 Scratch(麻省理工媒体实验室开发的一套电脑编程平台)工作时,由于其工作是基于网络,我们可以得到关于孩子们行为的各种信息,如他 们什么时候开始观看视频、什么时候停下来等。清晰明了的数据是非常有价值的,而且在其基础上的技术可用性也会更大。所以这也是越来越多的人开始使用AI和机器学习来做事情的一大原因。

EdSurge:刚才大家说了「数据的爆炸」,也说了改变「工厂教学模式」的必要性。除此之外,还有其他趋势吗?

Blum:这有两大趋势——虽然暂时都处于初始阶段。第一,OpenEd 目前也在和 IMS Global 合作,而技术标准,如 Caliper、xAPI(或Experience API)也是 刚刚实施。第二,教育领域的数据,是没有长期性的(因为超过3个月的数据,其实就没有多大效用了。特别是对自适应学习系统来说,更应该强调实时性)。所以,如果你想将机器学习应用于教育,就必须使用另一种途径——强化学习。

EdSurge:目前有哪些AI+教育的应用已经被实际应用?

Pischdotchian:这个问题的重点应该是「如何在学习经验中发现痛点、总结模式」。这也给大家提出一个挑战——如果一个人的数学成绩很好,那么,系统该如何识别这一要点,并将其反馈给老师,以便老师为学生提供更好的指导?为此,IBM 正在和芝麻街(一档儿童教育电视节目)合作,二者作为伙伴关系利用大学将其作为机器学习发展的试验平台。同时,老师们也被派上了用场——我们在 MIT(麻省理工学院)进行了一次测试,并在学生知情的情况下为每间 教室配备了摄像头。教授在讲课时,无需再抬头数教室里有多少学生在睡觉,而是通过系统的面部识别技术来捕捉情绪(如「无聊」),教授通过系统的信息提示,即可知晓。

图:EdSurge

Benemann:看看我们的周围,AI+教育应用的方方面面都在饱受质疑。很多人都在问着差不多的问题:未来的教室会是什么样? AI 会完全取代老师吗?AI 能帮助老师解放「批改作业的双手」从而为学生提供更具意义的指导吗?自适应学习平台(如 Aleks、Knewton)能帮助学生学到知识吗?....正是它的「差不多性」,反而很好的代表了大家正在关心的 AI+教育的几大问题。

EdSurge:这是否表明,如果没有AI,市场上的「自适应技术」就不是真正的「自适应」?

Benemann:这里涉及到「范围」的概念。有些只是因为所用工具涉及到「自适应」,就自称已经是 AI公司(不过我们自有判别的方法)。

Kireyev:我可以说说我公司的例子。 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,并确保学生可以以正确的方向学习,学生可以按照自己的节奏来安排学习。TextGeonome 是另外一个项目——我们正在建立基础设施,以便基于 AI 实现深入的词汇开发工作。在此其中,我们考虑的问题是,学生的年级水平以及其在下一阶段需要掌握的词汇量。

Blum:以 ACT 为例,我们主要关注这些问题:如果系统确定了学生在哪些知识点处于空白地带,那么帮助学生学习的最佳教辅资料是哪些?而不仅仅是 ACT 材料。据此,我们想为学生提供我们能找到的最好的教学资源。而这个过程都需要机器学习来实行精准定位。

在教育的某些领域,如果不使用机器学习的相关预测模型,学生很有可能就错失上大学的机会。

事实上,当你从统计评估模型转移到深度学习,包括神经网络,这个过程中不能保持步调的就是“可解释性”。虽然用到了神经网络,但你不能很好的向外界解释。所以,在此其中,一个重要的挑战就在于,预测模型算法提升了,而“可解释性”却下降了。特别是在一些监管严格的市场,如医疗和教育,就需要开发更多的解释性工具。

以「大学使用统计模型来挑选入学课程」为例。假如这里有一个神经网络或一些机器学习程序,可以很好的预测学生的学习成绩(事实上,目前也有一些大学已经在用这些应用)。我们能确定的是他们确实使用了机器学习来挑选入学课程,但是我们还需要一些总结性工具来解释这些选择。即使深度学习很复杂,但为了让这些预测的结论被谈论以及被接受,我们必须解释好这一问题,即“他们如何做到”。

EdSurge:有人担心,“AI”可能会成为一些公司用以谋利的噱头。如果我是一名教师,一家教育科技公司跟我说,“我们的数学工具使用了AI技术”,我该问些什么?

Blum:这个问题应该回溯到「可发现性」和「可解释性」。如果一些公司蓄意打上“AI”标签,我们往往可以接入这个话题问得更多,让他们谈谈背后使用的技术。如果对方只是单纯强调“AI”概念,而没有深入的解释,其实也没有多大的可信度。

Benemann:供应商更应该多谈谈学生使用这些系统获得的学习成果,或者老师实操的问题。而不要总是谈论 AI ,这毕竟只是让学生学习和老师实践的另一种方法。对于老师来说,其更关心「有了AI的辅助,课堂效率能提高多少,又减少了多少被浪费的时间」的问题。

EdSurge:在保护敏感学生的隐私和数据安全性的同时,如何平衡AI工具对数据的需求?

Blum:我们正处于没有 PII(( Personally identifiable information:个人识别信息)的阶段。如果你拥有足量的数据和信息,就能精准的刻画用户画像。面对这一需求和用户隐私可能被侵犯之间的矛盾,其实就非常需要「行业标准」的制定和完善。比如,行业标准就已经规定好了企业可以利用哪些方面的数据,而哪些方面是不可以侵犯的,那就好办多了。

Benemann:我们需要思考这样一个问题——数据到底掌握在谁的手里?以医疗为例,在其细分领域越来越呈现这样一个趋势:患者掌握的自己的数据越来越多。同理,学生是其数据的拥有者,而我们需要弄清楚其掌握的数据的源头,并将决定权交给他们,由其或其父母决定学校或机构是否可以访问数据。

EdSurge:「AI取代人类职业」,是很多人都在担心的一个问题。你们认为AI将对教师和其他职业带来哪些影响?

Kireyev:这个问题其实已经被谈了很多。事实上,我认为在AI 的助力下,教师这个角色将完成更好的转移,他们正逐渐成为领导者和指导者。越来越多的老师可以更专注于更具创造力的工作,更好的去把孩子们教好,而不仅仅是周而复始的解释「方程式的数学原理」。

Blum:个人认为,AI 在职业教育的应用没有被充分利用,对此我们需要多一些前瞻性的思考。如,10年内成为卡车司机将意味着什么?AI 将如何影响跨行业的供应链....我们应该更加专注这些方面,并让职业教育变得更好。

Pischdotchian:这就是为什么 STEAM (科学、技术、工程、艺术和数学)取代了 STEM 的原因。事实上,我们也可以看到,艺术、心理学、历史、辩论课、戏剧等涉及情感和创造力等要素的工作变得越发重要,因为这些都不是AI擅长的地方。

在AI快速发展的同时,人类必然会受到一些威胁和挑战。因为「成长」与「舒适」注定无法共存。

Via EdSurge,雷锋网编译

雷锋网原创文章,未经授权禁止转载。详情见转载须知。

http://www.cpic-ing.com.cn/edVSn/