11月28日,在GES2017未来教育大会上,“人工智能与个性化学习”分论坛就“如何利用数据打造AI产品”、“自适应学习的发展及未来”等问题展开了深入讨论。对于数据捕捉、场景跃迁、以及自适应学习对整个教育行业的影响等问题,中外教育者观点有何异同?
以下为多知网根据现场讨论内容编辑整理。
如何通过数据捕捉来设计AI产品?
杨松帆(分论坛主持人,好未来人工智能实验室负责人):目前AI人工智能已经成为了一个铺天盖地的话题,甚至我的孩子都在谈论人工智能、数据和环境。你们是如何对数据进行分类,来更好地使用数据,建造你们的AI产品或者是自适应产品的?
Michael D.King(IBM全球教育产业副总裁兼总经理) :讲到数据及结构化数据,我们发现在教育行业有一个主要的挑战:没有深度数据集,学校对学生的学习没有进行深度的数据采集和挖掘。我们做沃森教育产品,利用数据采集的方式来收集学生的学情,正是为了解决这个痛点。
王翌(英语流利说创始人兼首席执行官):学习过程的数字化第一点就是数据,要实施AI,数据必不可少。我们通过对用户语流、语速的数据的收集,我们进行挖掘和分析。首先,先收集数据。接着,等到数据达到了一定的量,才可以对这些数据进行有意义的利用。要应用已有的数据,并不仅仅是对数据进行评估。是否有一个系统化的解决方案帮助用户才是关键。
随后,我们解决以下问题:如何增加学习者的效率。我们现在所处的阶段是:观察学习者的学习活动轨迹。比如说每周使用这款APP多长时间。在下一个阶段我们会探讨如何挖掘这些数据,并且把这些数据服务于个性化学习。
王枫(论答创始人兼首席执行官):其实对于人工智能来说,我们需要的是量化数据。我们专注于K12,学生每做完一道题,我们都要采集的是,这个题是否做对了,花了多长时间。除此之外,还有更多的数据需要分析。比如题目的难度是怎样的?区分度是什么样的?题目背后还有知识点标签,牵涉到知识点之间的相关性、强弱度,这就是从量化数据方面来说的。
这个分析是基于大数据,实时分析,不断更新。这些数据除了学生在用,其实老师们也在用,不论是深度学习还是人工智能,并不是一个完全封闭的系统。老师的教学完全按照系统来进行,可能并不一定合适。所以老师会对系统的推荐做出选择,这些数据也会被反馈回去,再加上老师对学生的评价以及一些定性数据,就会构成一个完整的报告:包含各个维度的数据。
Ulrik Juul Christensen( Area9 Learining首席执行官):在过去的十年中,我们积累了大量的数据,这些数据可以分为三个类型。
第一,用来预测个人学习行为的数据,第二、适用于集体的数据。有一些数据是关于内容的。AI以及机器学习对于数据的影响力是不同的,对一些数据集的影响力会强于另外的一些。第三,就是覆盖的群组。比如说对于一个班级里有一些学生总能更快地完成作业,这样教师可以为他们做出个性化的教学建议。
接下来的巨大变革就是我们如何应对更大的数据群组。在同样的一个数据条件下我们需要考虑这三个领域。探索一下我们的应用机器学习和AI在哪些方面可以产生很大的影响。
杨松帆:在不同的领域里,AI正在应运而生。我认为AI+教育有非常大的实现机率,自适应是其中的一个。我想问一下各位嘉宾,自适应学习的现状如何,最先进的是什么样的?您在这个系统里面扮演什么样的角色,看到的挑战有哪些?
Michael D.King:我觉得我们可以从两个不同的参考角度。第一,从教育机构本身来看,需要跨越时间节点去收集学生的信息,用很长的周期收集个性化的学习数据。我们公司使用的平台,可以立刻把学生的数据进行传送,所以可以更快地进行落地,既关注课程设置,又关注整个机构的课程内容、课程模式,以及对于老师的一些指导和建议。
另外我们也发现,很多教育机构并没有一些源数据,我们给他们的最好是一开始就可以用到的系统。
王翌:我觉得,未来几年是自适应学习的元年,它更多地进入到了混合的模式。像IBM和其他舞台上的公司,会有更加集成和一体化的教学系统和模式。
我们需要把自适应、自指导学习以及教师指导学习综合起来。2015年之前美国和中国有青海教育学校,对3到14岁的藏族学生进行教育捐赠。每周花大概3到4天,每天给他们提供45分钟的手机学习,由自愿者进行辅导。一些使用的学生,高考的平均分数,按100分来说,平均提高了20分。这充分验证了自我指导或者是通过指导来完成的自适应系统能起到非常好的效果。
王枫:去年我们开发出来了中国K12领域的自适应学习系统。用的时候感觉后面有个老师围着我在出题,不断地来判断,看我到底哪些掌握了。最开始事23个知识点的小图谱,后来我们做到几百个知识点的大图谱,每做完一道题,后台的运算量都是百亿级以上的更新。
我们整个系统,最开始是封闭型,现在已经可以根据系统的推荐,判断老师是否选择该知识点进行教学。这些算法的开发,对技术提出了很大的挑战,因为把整个算法后台都全部打乱了。
刚才举的这些例子,对于自适应学习或者是AI在教育来说,还只是挑战的开始,真正的挑战在于要根据教学的实际应用不断开发新的算法和优化算法,归根结底,其实是有效的收集分析与应用海量的应用数据。
Ulrik Juul Christensen:我们确实也在考虑,过去三年人工智能到底给我们带来什么样的有效影响。
以数学来说,每个学生的学习是多元化的,也就是说这些训练集都需要进一步优化,并且在过去,因为数学题的复杂程度较大,并没有非常多的数据集进行参考和进一步的深度学习。所以,人类在这个数学这个领域上,实际上是领先于对机器的。所以我们需要有人为的干预,弥补人工智能的一些不足,这样的话我们可以充分探索AI的其他方面优势。
AI+教育,能从其他领域借鉴到什么?
主持人杨松帆:我之前负责的团队,对整个课程、教室环境进行模拟和记录,监控整个课程的学习情况。尼尔森调研机构,跟我们合作过,他们会在线上进行一些问答调研,把广告视频给网民们,网民们在看这些广告的时候,他们的面部表情会被实时捕捉,通过他们的表情可以反映出这个视频是否真正受欢迎。
我们也借鉴了广告领域的这个想法。对于教育领域来说,我们实际上是可以从其它的行业有所领悟和借鉴的。
Michael D.King:事实上我们并不只是借鉴,不夸张地说,我们是把沃森在医疗行业的原理照抄过来了。
我们会参考,到底沃森对这个病人的诊断是什么样的,这个模式在我们跟教师进行沟通时选择了沿用。我们要考虑不同的课程、学科的设置,怎么样给教师更好地提供工具,让他们更富创新性的组织教学方案以及效果优化。
王翌:我们应用程序的第一版是借用了唱吧的想法。我们当时的想法是,如果大家这么愿意用手机唱KTV,为什么不能用手机来学习英语呢?所以我们把人们对于愤怒的小鸟以及唱吧的迷恋,沿用到了学习英语上。
当然我们也在考虑用不用人工智能式的英文老师,会考虑在特定情况下,人类的老师是怎么样教英语的,所以我们又回归到了最本真的东西,即老师在教新知识的时候是怎么教的,他们会怎样布置作业、批改作业。
我们觉得最佳的实践是无处不在的,但是需要沉下心来好好考虑,怎么样把最佳实践应用到教育领域。
王枫:我们可以从不同领域借鉴很多东西。自适应学习的基本理念已经在其他的领域有了很好的应用案例,比如说警务以及犯罪控制领域,可以通过一个城市不同地区犯罪率高低的分析,帮助警务人员更好地控制风险。
在教育领域,我们也可以通过数据做一些预测。我们可以搜集学生的数据,预测这道题他会做对还是做错,这个知识点他是否掌握。我想对数据挖掘而言,预测是很有应用前景的领域。
Ulrik Juul Christensen:在上个世纪90年代,美国有很多人死于人为的医疗事故,我们对于人为的医疗疏忽和过失进行数据挖掘和采集研究。在分析了医生和病人接触的成千上万交互点中,发现可能有22%是不合规的,或者说有是没有达到他们应有的能力。
但是这些医生对于22%这些并不了解,我们想要解决的就是这22%,在接下来的一个学期之内,我们发现一旦他们开始适应这种方式,他们的做答、他们知识掌握领域的扩张,就会有一个很大的提升。
自适应学习、机器学习的应用,使这些人知道了他们所不知道的。在机器翻译研究方面,这是我们所专注的一个主要领域。
未来自适应学习会对教育造成怎样影响?
主持人杨松帆:下面是一个脑力风暴的问题,接下来的五年中或者是任何一个时间点,你认为自适应学习会有怎样的进展,会发展到一个怎样的阶段,对教育会造成怎样的影响?
Michael D.King:我认为AI会影响大部分的产业和大部分的工作,学习者如果只靠传统的教育,将有可能无法满足未来劳动力市场的需求。AI使得学习更加个性化,更加符合个人需求。在教育领域会产生一个显著、深刻的变革,造福于每一个学习者。
一个主要的挑战就是,这关乎整个生态系统。并不是我们发明两种工具就可以改变整个系统,我们需要分析教育生态系统所有涵盖的方方面面。我们越来越认识到生态系统的各个方面、各个维度之间的关系,更多地把AI看作一种赋能辅助的工具、手段。
王翌:我想说最令人兴奋的一个前景,关于AI和技术赋能学习是两重性的:意义一,可及性。我认为基础学习,或者新技能的学习,会是对所有人可及的,所有人在他们的一生中,都可以去学习新的技能,不管他们的地理位置、经济能力。学习将越来越可及,门槛逐步降低。
另外就是学习效率的提升。现在有一些不良的教育机构,会故意降低教育效率来增加课时,这样就可以收取更多学费。如果AI可以从根本上改变这种营利模式的话,会是一个令人兴奋的前景。
王枫:
对于K12而言,我认为自适应学习,以及AI学习系统的部署对于学习者以及教师来说,会是一个必不可少的东西。如果你不使用,你的学习就失去了竞争力。AI其实是非常有效率的,对于提升学习的结构化而言,是非常重要的。教育正迎来一个崭新时代,采用自适应系统的公立学校,在这个方面会是前途无量的。对于教师来说,这一系统是非常复杂的,并不仅仅是关于技术本身,也包括学校本身的架构。即它的部署并不是一朝一夕的事情。
哈佛、斯坦福这些一流大学开始部署慕课教学之后,很多普通的大学、主流的大学也开始使用。我相信在未来自适应学习也会有同样的发展路径。
Ulrik Juul Christensen:AI以及机器学习对于学校结构革命性或者颠覆性的改变,我个人持比较保留的态度。它确实可以改变教育的某一些领域,不仅仅是教育领域、包括零售领域,AI以及机器学习可以把之前不可能的事情变成可能,一方面可以提升教育解决方案的质量,另一方面可以使得内容有更高的质量,更多的更新。但我并不认为在未来的10年,它会对于整个的教育系统或者学校系统有一个颠覆性的改变。(多知网 尚昌华)