雷锋网按：2018 全球人工智能与机器人峰会（CCF-GAIR）在深圳召开，峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，得到了宝安区政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会，旨在打造国内人工智能领域最具实力的跨界交流合作平台。
CCF-GAIR 2018 延续前两届的“顶尖”阵容，提供1个主会场和11个专场（仿生机器人，机器人行业应用，计算机视觉，智能安全，金融科技，智能驾驶，NLP，AI+，AI芯片，IoT，投资人）的丰富平台，意欲给三界参会者从产学研多个维度，呈现出更富前瞻性与落地性相结合的会议内容与现场体验。
大会第三天的“AI+专场”，乂学教育松鼠AI首席科学家崔炜博士作为第三位演讲嘉宾，发表了题为“让每个孩子身边都有AI超级老师”的精彩演讲，为我们描绘了一幅未来教育的美好图景。
崔炜博士介绍，每个学生的学习能力和知识掌握程度不尽相同，传统课堂统一教学无法满足学生的个性化学习需求。
不同学生对于教学风格的偏好程度也不一样，成绩好的可能喜欢能切中要害的年长教师，成绩差一点的可能喜欢风格轻松活泼的年轻老师。
过去学生弥补知识漏洞主要靠“题海”战术，其实80%都是无效劳动，因为80%的题目他已经掌握了。
这些都严重影响了学生的学习效率和效果。
为此，乂学教育从2014年开始研发人工智能自适应学习系统“松鼠AI”。松鼠AI智适应学习引擎包含学生画像、内容模型、教学模型和预测模型四大模块。该系统内含不同类型的教学资源，可以根据学生画像进行精准的教学内容匹配。学习过程中系统会实时监测和评估学生的学习效果，诊断知识薄弱点。同时系统还能预测学生学习某个知识点的效果，以及所需的时间，从而制定最优的战略性学习路径。
2017年至今，松鼠AI先后在多个城市举行了“人机大战”。让自适应学习系统和经验丰富的公立学校老师进行公平公正的对决，结果显示人工智能自适应学习系统的教学效果要优于人类教师。
崔炜博士表示，乂学教育松鼠AI希望AI老师能够解决学习效率的问题，让人类老师从备课、授课、批改作业中解放出来，更多从事“育人”的工作，培养学生的想象力与创造力。他认为，未来教育是“人机共教”，AI超级老师将是苏格拉底、达芬奇和爱因斯坦的结合体。
以下是崔炜博士的全部演讲内容，雷锋网做了不改变原意的整理与编辑：
大家下午好，我叫崔炜，来自上海乂学教育。非常感谢雷锋网提供机会，让我们作为教育企业的代表在这里分享过去三四年间，我们在人工智能+教育这个垂直行业的应用和实践经验。我今天分享的主题是“让每个孩子身边都有AI超级老师”。
人工智能无处不在，涉及我们生活的方方面面。我们看到的应用主要集中在计算机视觉（包括图像识别、安防、安检）、自然语言处理、文字理解等领域。图像识别和自然语言处理在教育行业也有所应用，比如一些批改作业的工具。
我们做的AI教育应用跟这些不大一样。我们的做法类似AlphaGo和IBM沃森，希望AI模拟一个优秀老师的知识经验和教学经验。我们的使命是通过AI和大数据技术因材施教，将个性化学习规模化，让每一个孩子都能按照自己的特点去学习。过去我们一直在朝这个方向努力。
我们为什么要做这件事情？因为传统课堂教育无法满足所有学生的需求。这种模式比较适合授新课，因为所有学生对新课内容都不太了解，处于同一起点。但每个学生的学习、接受能力和智力水平不尽相同，一堂课下来，不同学生的学习效果千差万别。课后复习等也会影响到学习效果，随着时间推移，学生对知识的掌握程度会逐渐拉开距离。
一名优秀的教师通常可以做到两点：一是精准诊断学生的问题；二是为学生制定个性化的学习方案。这样一名优秀教师需要几十年的教学经验积累，这些经验只可意会不可言传，难以复制和传承。即使传授给新教师，后者也需要在教学实践中不断打磨和积累，就像老中医一样。
尤为重要的是，学生数量十分庞大，而教师队伍相对较少。老师的时间、精力有限，不可能照顾到每一个学生，为其提供个性化的学习。
近年来人工智能取得了很大的发展，我们相信人工智能是人类智力的延伸。以AlphaGo为例，六七年前大家认为下围棋需要人类的全局观，这是人工智能无法模拟的，所以它取代不了人类。但AlphaGo推翻了这种观念，它在短短几年时间里学会了人类历史上的几十万步棋，而且还进化了几十万步。它证明人工智能确实可以在某些方面超过人类，做人类做不到的事情。再比如IBM的沃森，它可以模仿优秀医生做诊断，给出治疗方案，而且给出的治疗方案优于一般医生。我们相信，人工智能在教育领域也能像在医疗、围棋、德州扑克等领域一样，超越人类，将传统教育模式下无法规模化的个性化学习进行普及。
我们去医院看病，打喷嚏可能是因为着凉，也可能是因为发热和过敏性鼻炎。过敏性鼻炎又有几种诱因，可能是花粉过敏，也可能是粉尘过敏。只有精准找出病因才能更好地治疗。学习也是如此，只有精准诊断出每个学生的特点和薄弱知识环节，才能更高效地学习。
这里就要提到自适应学习。自适应学习在国外并不陌生，已经有20多年的历史，从最早规则化的自适应到现在基于人工智能的自适应。自适应学习能够更加精准地定位每个学生的特点，为其提供高效的个性化学习方案。
过去我们主要依据分数判断学生对知识的掌握程度。传统考试只是对学生知识水平的粗略评估，受考试范围（考试不可能覆盖所有知识点）和学生考试心态影响。采用人工智能算法后，我们可以更精准地定位学生对每个字的熟练程度，全方位覆盖学生对所有知识点的掌握情况，并及时有效地让其针对薄弱点进行个性化学习，哪里不会学哪里。我们会精准地给学生推荐最合适的学习内容，学生学习水平低就推荐容易的内容，程度还可以就推荐难一点的内容。过去学生弥补知识漏洞的做法通常是“题海战术”，其实80%都是无效劳动，因为80%的题目他已经掌握了。而且不同学生会与不会的东西不同，传统模式下所有学生的学习内容和课后作业完全一样，无法因材施教。
自适应学习在国外已经开始应用，覆盖了不同国家、不同年龄层，从小学、初中、高中到职业教育的几百个学科。其效果得到了很好的验证，无论对小学生还是初中生，文科生还是理科生，都可以带来成绩的提升。
乂学教育从2014年开始研发人工智能自适应学习系统，并在2015年底、2016年初正式上线了国内第一个针对K12学生的人工智能自适应学习产品“松鼠AI”。我们的产品完整覆盖了所有学习流程，学生只需要有一台电脑、一个账号和网络就可以登录到系统中，AI会像老师一样给学生带来个性化学习。
下面介绍一些案例，展示学生通过系统学习之后的效果。比如，有一个学生之前一点都不喜欢写作文，无论怎么要求、激励他都不愿意写。在我们这里学习一个礼拜后，能够写500字的作文了。
还有一个初中生，在初三进行中考冲刺的时候使用了我们的系统，总成绩提升了近100分。我们的产品对中考复习和冲刺特别有效，能够诊断学生所有的知识漏洞，并有针对性地帮助其解决知识薄弱问题。
还有一位同学，他之前上过很多辅导班，也使用了各种产品，但英语成绩一直没什么提升。用了我们的产品后，在没有任何老师干预的情况下，依靠自主学习成绩从63分提升到了120分。最后受到副校长的全校表扬，当时学校只表扬了两名学生，一名是个学霸，另一名就是他。
我们是如何做到这一点的呢？我们会在学生的学习过程中实时监测和评估，通过数据分析构建学生画像，掌握他对每一个知识点的熟练程度。然后以此为基础，为其规划最佳学习路径和学习解决方案。
我们可以做到像一个优秀老师，不仅给学生做诊断和规划，还为他制定战略性的学习策略。比如一个面临中考冲刺的学生，要在两个月内学习100个知识点。我们依据他过往的学习情况判断，他两个月内无法完全掌握这100个知识点。那么我们就会优先让他学习考试中出现频率较高、分数占比较高，而且学起来比较容易的知识点。因为如果100个知识点全部学习就只能蜻蜓点水，最后每个知识点都掌握不好。假如把时间精力放在重要知识点上，把它钻研透，就能在考试中稳稳得分。这才是最高效的学习方式。
我们的AI老师还可以做前瞻式判断。学生要完成某个学习目标，我们会先判断他当前是否有能力完成这个目标。比如某个学生学习一元二次方程，我们会看他的分解和一次方程是否学好了。如果没有学好，就先学习这些薄弱的基础知识点。只有熟练掌握这些前提知识点，他才能完成学习目标。
我们的系统会给学生推荐最合适的学习内容。不同学生的学习风格和兴趣都不一样，学习特别好的可能喜欢年长的老教师，因为他们可以切中要害，学生的学习效率比较高。另外一些学生可能喜欢轻松活泼的课程。我们系统中有很多不同类型的学习内容，会针对学生的特点进行相应推荐。
为了评估学习效果，从2017年10月开始，我们采取公平公正的方式先后进行了十多场对比实验。我们提供一套系统，由当地教育局或公立学校找来一部分学生，将他们随机分成两组，保证两组学生成绩一致。一组作为实验组，完全使用我们的系统自主学习，没有老师干预；另一组是对照组，由十几年教学经验的公立学校老师按传统方式授课，一位老师带15-20个学生。我们按给定的学习范围让老师出卷子，学生学习前测试一套，学习后再测试一套，保证难度一致。
2017年至今，我们在郑州、南昌、武汉、嘉兴、成都等地进行了十多场对比实验，结果都证明我们的产品比经验丰富的老师授课更有效。最近一场实验是在山东东营举办的，我们召集了120多个学生。这次对比实验更具挑战，一位老师只带三名学生，结果证明我们的产品跟一位老师带三名学生的效果不相上下。
我们的系统包含四大功能：学习前的诊断、学习过程中的诊断、个性化学习方案和个性化学习内容的推荐，以及个性化学习路径的规划。
先说学习前的诊断。每个学生到我们这里，都要先经过智能化的诊断测试。我们通过少量题和少量时间就能快速精准诊断出他对每个知识点的掌握情况。诊断后有一个报告，告诉学生哪些知识点是他已经掌握的，哪些是没掌握的。接下来，学生只需要学习没有掌握的知识点。
我们还能像优秀的教师一样，在学习过程中不断评估学生的知识掌握情况。就像病人住院，护士需要经常给病人量血压和体温，调整治疗方案。系统可以及时了解学生做完一元二次方程的题后能力是否提升，AI引擎会自动推荐后面的学习内容，及时调整学习路径和学习内容，保证当前的学习内容是对学生帮助最大的。
我们的人工智能自适应学习引擎包含四大模块：
一、学生画像。通过采集学生数据形成学生画像，这是精准个性化推荐的基础。
二、内容模型。我们的系统中包含大量学习资源，包括对每个知识点的讲解视频，每个知识点匹配不同难度、不同层次的试题。有了学生画像和内容模型，才能在学生和内容之间搭建桥梁，做到精准的个性化推荐。
三、教学模型。根据学生画像，及时给学生提供个性化解决方案。比如在学生学习前预测其是否有能力掌握这些知识点，以及哪些知识点对他帮助最大。这就像AlphaGo的动态规划，AlphaGo下一步棋会往后推十步、百步、万步，才知道哪种落子方案获胜概率最高。我们给学生的学习方案也一样。比如某个学生有一百个知识点没掌握，我们会往后推一百步，判断哪些知识点对学生帮助最大，然后优先推荐给他学习。
四、预测模块。我们还可以预测学生在尚未学习的知识点上能达到怎样的水平，需要花多长时间学习，这样AI老师才能给学生做整体学习规划。
下图展示了传统的学习路径，所有学生按照统一路径学习。
有了AI老师后就不用这样刷题了，比如我们诊断出某个学生有五个知识点需要学习，系统就会规划最佳学习路径。
另一个学生的薄弱知识点更多一点，系统诊断后会给出另一套最佳学习路径。
下图是AI老师为第三位学生诊断出的知识漏洞，和相应规划的学习路径。
在我们的系统中，每个学生按照自己的学习路径学习。AI老师诊断出每个学生的知识漏洞，给他分配不同的学习时间、学习内容和试题，让学生个性化地高效地学习。
下图是十个学生在不同知识点上花费时间的分布图。
下图是九个学生在十一个知识点上的不同学习路径。前面的学生只有三个薄弱知识点，中间的有七个，后面有十个。
他们的学习路径不一样，不同学生学习同一个知识点花的时间和做题的难度都不一样。
我们的产品以学生为中心，学生自主在系统中学习，老师只起答疑解惑的作用。我们希望AI老师能帮助学生提高学习效率，把老师解放出来。以往老师疲于备课、授课、批改作业，没有时间育人。有了AI老师解决学习效率问题，人类老师就可以从事更有意义和价值的事情，比如跟学生进行情感沟通和交流，帮学生解决学习动机的问题，培养他们的创造力和想象力。人工智能替代的不仅是简单重复的工种，很多智力相关的工作也可能会被替代，包括金融高频交易员和律师等，因此创造力和想象力的培养更加重要。
提升能力，光靠传统老师授课肯定不够，未来是“人机共教”的时代。学习通过系统完成，创造力、想象力由老师培养。我们希望未来AI老师是苏格拉底、达芬奇和爱因斯坦的结合体。
正在生成分享图...
刘海涛