【OpenTalk】孟鸿：AI改变教育，得跨过产品场景化的坎

　　​​多知网6月25日消息，多知网第十二期OpenTalk活动上，AI新媒体《量子位》创始人孟鸿分享了从AI垂直领域的视角观察人工智能的内容。《量子位》的主要目标是围绕人工智能的技术和产品来做内容上的追踪。

　　透过AlphaGo看AI技术传播

　　在AI传播上，早前最能传播自己的是IBM，二十年前IBM做了“深蓝”，通过不断下棋，后来又参加了智力答题的活动，在宣传之后开始在各个行业推“沃森”。20年后，出了比深蓝更会宣传自己的“deepmind”，做了AlphaGo，整个流程非常严谨。

　　deepmind在2014年拿到Google的融资，决定要做围棋的AI，到2015年8月，加入深度学习和蒙特卡洛搜索，包括后面加进来的强化学习。这部分都做的很完善了，就开始做下一步的规划，找人对弈。

　　（樊辉赴伦敦对弈现场）

　　当时deepmind请樊辉去伦敦做对弈，这是当时的现场局，复盘时，问樊辉，“你刚才那一步为什么不摆在这个位置，摆这个位置不就赢了吗”，樊辉就抱头，觉得很不可思议，价值观要崩塌了。

　　在这之后，外界仍然不知道AlphaGo，因为一直保密，也和樊辉签了保密协议。

　　deepmind在等《Nature》的封面。2016年1月，deepmind将整体数据和对人的战绩编辑为论文，发表《Nature》，由于做了前提准备，文章有很强的理论基础，后续就开始和李世石、柯洁的下棋。

　　从传播角度讲，AI技术方面，让宣传有更大突破，搭配论文的发表会更好一点。论文不会出卖技术，AI的技术里面有很多参数是保密的，大家能够复制的几率并不很高。

　　AI2是微软的联合创始人艾伦创立的研究人智能机构，想做通用人工智能，通过答题的方式实现。他们其中一个产品是答题系统。比如，根据食物链的图，太阳、植物、虫子、青蛙、蛇，问：当蛇的数量增长的时候，青蛙的数量怎么样？AI给的答案是会减少。把图片做识别处理，用一个算法得出一个结论。

　　还有一个问答，兔子的毛什么时候最厚？四个备选答案是“春、夏、秋、冬”，系统给出的答案是冬天。为什么选择这个答案，这套AI系统会参考美国四年级的自然教材里讲到的，熊的毛冬天最厚，根据这个答案推断。

　　还有数学的问题，过程中把题干拆解，到底怎么解决这个问题的？

　　今年3月，我们去拜访了一位图灵奖的得主，他当时提到，AI2最开始想做的实验是直接让人工智能通过AP测试（美国大学预科测试），试了很长时间，但通不过，就去请教这位图灵奖得主。

　　他说不能一开始就做AP测试，人人工智能要先有能理解中学知识的能力，这之前要先有理解小学知识的能力，一步步成长。于是，AI2重新从初级的阶段开始研发，再进展到目前的程度。

　　 人工智能正在改变教育，同时也会存在一些疑虑

　　在来看看AI教育，从普华永道的角度来看AI，改变教育是非常乐观的一件事。

　　（普华永道报告）

　　调查报告中，有58%的人认为AI会改变教育。在五年内会被AI取代的职业中，排名第一的职位与教育相关。

　　从麦肯锡的角度来看AI，情况可能没那么乐观。

　　（麦肯锡报告）

　　麦肯锡报告对整个德国的持久行业用7个维度做了分析，圆圈的大小代表维度上所需要的时间占比，红色是被替代的可能性最高，蓝色最低。第一个是餐饮行业，最容易被AI自动化所取代；最低的是教育行业，它认为被自动化的比例非常低。

　　从这两个报告来看，既有对人工智能改变教育的乐观，同时也会存在一些疑虑。

　　回到线下教育，来看一些国外的案例。

　　第一个案例叫Gooru，Gooru融合了大量多媒体教学资源，用机器学习的方式打标签，把资源打上标签提供给教师，教师用这些资源和学生做互动，可以实时追踪学生，实现差异化的教学。Gooru的投资者有谷歌和微软。

　　ThirdSpaceLearnig提供1对1面向小学生的数学辅导，过程中没有太多的人工智能成分在，把辅导过程记录下来，积累数据。数据在AI上面数据非常重要，哪怕公司不具备做进一步挖掘的潜力，应该尽可能多准备一些数据，ThirdSpaceLearnig拿数据和伦敦大学学院合作，利用大学的资源在数据中寻找模式和挖掘，得到的结果也是优化教学结果。

　　Knewton在机器学习里面做了什么事情？把数据拿出来，根据得到的数据判断这个学生该学什么，通过这些数据预测出你需要掌握的知识内容。

　　Grammarly，有很多朋友说在用他们服务，Grammarly做AI写作，通过数据和算法告诉你哪些是错的，哪些词是可以修改的，在浏览器做一个插件就可以用使用。

　　LCALearning做的是线上的课程，包括录课在内，他们也通过分析眼睛的动作来追踪学生的学习情况。

　　AI产品在未来：产品场景化，底层技术标准化、透明化

　　大家讲起AI是革命，是颠覆。但是最大的焦虑是做AI很难找到一个场景，很难找到让用户使用产品的场景。

　　这是很现实的问题，生活中真正遇到人工智能的产品并不是特别多。怎么场景化，可能需要做产品的同学们更多去探索。

　　我们看人工智能的项目，天使轮AI创业公司和C轮创业公司风险是一样的，跟传统的行业不一样，AI创业公司从天使轮到C轮，风险性没有降低。很多的创业公司没有建立起自己的门槛，不具备销售能力和真正产生商业模式的基础，只有一个概念，真正要落地就很困难。

　　底层技术还需要标准化、透明化。

　　卡耐基梅隆唯一还在职的华裔背景的教授说，现在底层技术还需要标准化和透明化。一方面，过去看数据库行业也很乱，有比较标准的模式出来，大家都会按照一定的标准化去生产。另一方面，现在很多神经网络或者深度学习，很难反推原理，它基本是一个黑盒子，没有办法有的放矢地优化。

　　我们会感觉到，AI说起来很大。但从另外一个角度看，它其实刚刚起步，需要解决的问题和面对的困难还很多，有一本书说，当AI快赶上来的时候，它已经超过去很远了。

　　这是从我们的角度跟大家分享了一些AI的内容。（多知网 黎珊）