雷锋网按：11月15日-16日，“全球AI+智适应教育峰会”在北京嘉里中心大酒店盛大开幕，峰会由雷锋网联合乂学教育松鼠AI，以及IEEE（美国电气电子工程师学会）教育工程和自适应教育标准工作组共同举办，汇聚国内外顶尖阵容。
AI智适应学习是目前产学研三界关注度最高的话题之一。此次峰会，我们邀请美国三院院士、机器学习泰斗Michael Jordan，全球公认机器学习之父Tom Mitchell，斯坦福国际研究院（SRI）副总裁Robert Pearlstein、美国大学入学考试机构ACT学习方案组高级研究科学家Michael Yudelson等顶尖学者；新东方、掌门1对1、作业盒子、一起作业、ALEKS等国内外最具影响力的AI智适应教育公司共聚北京，共同探讨AI智适应热点话题。
16日上午的AI教育学术论坛由乂学教育松鼠AI高级数据和认知科学家 KP Thai 主持，参与讨论的嘉宾分别是德国人工智能研究中主任Carsten Ullrich博士、乂学教育松鼠AI数据科学家Dan Bindman教授以及谷歌中国资深研究科学家王京涛博士。
以下为圆桌讨论实录，雷锋网做了不改变原意的整理与编辑：
KP Thai：大家早上好，我的名字叫KP Thai，非常高兴能来到这里跟非常出色的专家进行讨论，大家也有不同的背景，在人工智能领域有非常多的专业经验和才能，我想和大家来谈一下AI+教育，我们过去的一天半也一直在谈这样的话题，现在我们想更好的探讨一下当下的情况，并且展望一下未来。
我想从各位嘉宾这里获得不同的观点，大家可不可以说一下，你认为自己在人工智能+教育方面扮演着什么角色呢？
Carsten Ullrich：感谢KP，我来自德国人工职能研究中心，研究如何应用人工智能促进学校的学习，以及促进职业教育。当然人工智能为我们打开了很多不同的可能性的大门，在正确的时间、正确的地点给你正确的内容。
今天我们谈到了很多大学教育以及中小学教育，同时职业教育也是需要关注的。在德国有非常大的教育行业，现在德国工业4.0在进展当中，应用了新的技术、新的设备，需要保证的是给工人最好的培训，让他们能适应这个时代的需要。
Dan Bindman：在这个过程中，我们国家也有很多不同的项目和相应的支持研究项目，2002—2014年代我在ALEKS工作，在智适应方面也有很多经验。在所有数学方面的产品我都有涉及，2015年我设计了一个新的模型，我认为它也是非常有前景的。后来我加入了松鼠AI，是今年加入的。
王京涛：我叫王京涛，在中国工作，之前我在匹兹堡大学工作。同时我也是在移动接口和移动互联网方面有一些工作，之前我也在AI方面有很多年的经验，主要是看一下如何应用人工智能促进教育。首先我相信技术能发挥更好的作用，更好的促进教育，主要是在三个方面：
1.我们考虑如何应用技术来促进教育。
2.如何应用技术来更好的促进募课，就是大型网络公开课的发展。
3.看一下如何应用人工智能来更好的促进整个教育发展。
KP Thai：台上都是非常资深的专家，刚才谈到了人工智能和教育，以及人工智能的引擎也就是机器学习，这样的一些算法。人工智能引擎以及机器学习算法我们谈了很多，内容重要吗？高质量的内容是什么样的呢？
Dan Bindman：感谢，我认为高质量内容是非常困难的，造价非常昂贵。如果要选引擎重要还是内容重要的话，我认为内容在很多情况下更重要，甚至是重要得很多。很多开发公司或者是企业，他们并没有非常重视内容，我认为对于高质量的内容来讲会有几个非常重要的特征：
1.必须是非常具体细节的，你需要在不同的问题，不同的主题中有很多不同的细节区分，这样的话才能不断的往前推进。如果我们两个主题之间没有任何的连接，而且他们的差距非常大的话，我们的学生就没有办法真正跨越这样的距离。
2.对于高质量的内容来讲，要有完整性，必须包含我们需要的所有内容和话题，如果缺失了一些内容肯定会出现问题。
3.第三点可能是最难的一点，就是希望能有一个深度。刚才我也听到了大家谈到了深度知识、深度学习，我也是非常同意，就像艺术一样，我们想要使用一些内容来促进AI的发展，但是却不知道真正的高质量内容是什么样的，这是非常难来界定的。对于学生来讲，不管他们学什么，他们其实学的就是内容，学的就是系统提供的内容，这就是他们的知识。他们的知识就是对这些内容的主观反映，所以如果我们的内容质量不高的话，学生就没有办法真正从内容中获益，学到相应的知识。
还有一点非常重要，通过我这么多年的经验，有些公司没有重视内容，有些人甚至认为做内容的人并不那么重要。但是我认为做内容的工作特别的重要，而且他们的成功与否对于整个系统的成功与否也会发挥非常大的决定性的作用。
另外一点刚才我也谈到了内容对AI的重要性，同时我们也需要让人工智能和内容有一个互相的互动，并且有一个反馈的过程。也就是说，怎么样能更好的促进内容。
王京涛：我认为内容确实非常重要，至少它和算法和其他技术是一样重要的，这是我想跟大家分享的一点。教育科技不光是科技，是三合一的东西，我们需要有技术、内容，还有另外的第三个元素，就是政策。我不是一个政策的制定者，但是我意识到政策是非常重要的，我们如果有正确的政策就可以真正的让教育起飞，所以它并不仅仅是技术的问题，我们也需要有相应的利益相关方的支持。
Carsten Ullrich：这是一个非常好的观点，对于技术、内容和算法，以及刚才您提到的政策的内容，我们怎么样通过这样的内容促进技术的实施和进展。在德国还有一点，对于算法以及机器学习和相应的内容，从我的角度来讲，我是更加传统的人，我想要更好的对传统教学知识来进行应用、建模。有的时候AI可以做得很好，但有的时候人类教师做得更好，教学方法和知识怎么样把它真正的跟AI融合起来，这是非常需要考虑的一个方面。
KP Thai：智适应实际上是不断适应的过程，而且会花费很长的时间，它的起源可能是40年以前，如果我们再往前看的话，可能100多年前就有这样的一个苗头了。我想问一下，人工智能是真正的颠覆性的技术吗？或者我们需要怎么样重新思考这样的智适应教学呢？
王京涛：我觉得现在创新无处不在，包括基本研究、深度学习的算法等等，还有数据包、数据的内容、数据集等等，能够让AI和深度学习有飞速发展。所以我想说一点，我觉得心态和思维模式也非常重要，思维模式指的是我们能够做某件事情或者不能做某件事情的共识，我们想要做一些事情的话需要一些共识，比如说短期内3年、5年内能解决什么问题。
谷歌告诉我们可以用深度学习来完成围棋的博弈，我觉得这也是一样的道理。在这之前很多人会觉得至少10年之内才能实现用电脑下围棋这个事情，但是最近不管是在教育还是在其他的领域，我们都要改变我们的心态和思维模式。思维模式改变了之后我们就可以探索更多机遇，尤其是教育行业的机遇，这个看起来比较小，但是确实是实在发生的。
Dan Bindman：刚刚提到了政策制定者的思维模式，我觉得在深度内容方面所遇到的一个阻碍，就是政策制定者管理考试的时候一般会用简单易行的考试，因为打分非常简单，所以深度内容需要进入到政策制定者的视野中，我们要改变政策制定者的心态和思维模式。
Carsten Ullrich：最近我也读到了一篇文章，是麻省的，提到了当前的架构，很多不同领域的架构会有一个用户模型，以及学习者的模型，以及内容的模式。所以会有一个教育学的模式，比如说这样一个内容是怎么样教的，不同的教学内容会用不同的教学模式，所以我觉得基本的概念也是非常清楚的，我不知道这是好事还是坏事，但是我觉得这是基本的架构能帮助我们解决当前的问题。在这样的架构之上，我们能取得更多的进步。
KP Thai：除了深度学习的进步之外，刚才也提到了计算机架构，有没有其他领域方面的突破能够有更多的进步？
王京涛：我觉得有很多，要让教育技术真正切实可行，不仅仅是借用其他领域的突破，在教育行业本身也要有一些技术的突破。我觉得可以说的有很多，但是最重要的一点就是数据集，就是数据科学。要让数据在深度学习中发挥更大的作用，比如说很多数据是由大学教授收集的，所以在深度学习中扮演了非常重要的作用。还有将数据进行分类，对于医学的影像处理和其他影像处理来说，数据集没有特别的关系，我们要先训练一个影像处理的网络，利用一个特定的数据集才能获得最优的表现。我们要用这种数据集开拓很多的创新，这在教育行业中尤其重要，当下可能没有这样的数据集和数据科学，要从头开始收集数据，把它们放到应用当中，这是教育科技要做的一件事情。
Dan Bindman：我非常同意，在AI方面我们花了很多时间，有很多输入，比如说脸部识别、大脑扫描等等，但是更重要的是要让人们有更多的激励。如果有更多的数据集能衡量学生学习的进步集，让就能系统变得更加的强大。
KP Thai：所以我们需要有新的数据集进行衡量，有没有其他的一些手段来衡量智适应的学习效率呢？
王京涛：这个问题最近出现很多次，尤其是最近的学界中，但是大家会忽略这个问题。在社会中大家会搞坏科学的结论，一个宣传上会有一些混淆，对于科学结论来说人们不知道这个结论的预设是什么。比如说这个技术对于学习话题来说是否有用，需要用什么样的控制环境，以及是否能扩大化、规模化，如何跟技术相结合等等，我觉得这些都是开放的问题，但是这些问题被报道一些突破的时候没有得到关注，所以我们应该更好的关注这些技术的创新和技术的突破，尤其是教育技术方面的创新和突破，应该得到更多的报道。
所以我个人的建议是，在科研界应该有共识，就是如何去评估和衡量一个好的教育技术和教育体系，当前的教育体系肯定是不完美的，我们做总比不做要好，而且总比光是宣传要好，我的建议就是对于每个观众来说，如果有一些突破性的技术进行报道的话，一定要去问会在哪里发布结果，以及评估过程是什么，你的论证、验证是什么。
Dan Bindman：我觉得非常重要的一点就是有很多人都会有他们的想法，但是一个好的教育体系，其实很多时候很难定义。但是有很多优势是很容易找到的，我们要有一个共同的共识，共同的标准来衡量好的教育系统，也可以在产品之间进行比较，跟同类产品之间进行比较，要有一个共同的数据集，共同的标准，否则的话大家拿苹果跟橘子进行比较，这个衡量标准就不一样了。
Carsten Ullrich：当前我们有一些方法，这些方法并不是非常完美，但是我觉得总比没有方法要好，比没有衡量标准要好。我们看到职业教育、成人教育更加复杂，衡量更难，比如没有考试或者分数对进行衡量，以及对于工作场合的学习就没有很多的考试，这时候很多公司就更多的关注利润。因为对于一个人学习成效很难去衡量，比如是不是发明了一个科技，还是发布了一个博客，这也是非常开放的一个话题。
KP Thai：下一步我们要做什么呢？对于智适应学习，我想让Carsten教授回答一下这个问题。刚才也谈到了我们有很多进步，尤其是深度学习、机器学习、计算方面的进步，我们刚才举了很多例子，比如说AI以及AI打分器，你们觉得我们展望未来下一步应该是什么样的？
Carsten Ullrich：我觉得这个问题非常好，刚才提到了有很多AI方面的进步，有很多机器学习的方法，有几百万、几千万的数据，比如说AlphaGo是我们常常提到的例子，它达到人类大师级别之前下了4.9亿盘围棋，这是非常大的数据积累，所以它的数据能力也非常强，谷歌跟非常强的计算能力结合，计算能力的基础就是数据。
教育行业每个学习者都是单独的个体，单独的宇宙，相当于每个人的目标是一样的，在玩游戏的时候我们目标一样，就是要通关，但是学生的过程中是非常个性化的，所以要收集他们的数据。我们会关注每一个学校，比如说学校的学生数量还有学生的年龄，他们的目标是要通过哪些考试，以及考试的状况，我觉得是一方面。
另一方面要看到成人学习、成人教育我们还没有太多数据进行衡量，在这方面没有用太多的机器学习的方式。当然肯定会有越来越多的数据，因为会有新的数据流，现在有面部识别还有其他的措施来收集更多的数据。
Dan Bindman：我想说的是，我们刚刚提到了很多演讲者，尤其是今天我们有很多不同的视角，刚刚提到我们并不只需要一个系统，如果是单一系统的话就不是特别高效，所以我们有更多的数据产生。数据的产生量也非常重要，所以当前的一个事情，我们要关注的是处理数据和面对算法的时候，我们会运用到AI，区分哪些事情是普适的，哪些不是普适的，
Carsten Ullrich：我们经常说要开放数据来源，比如说新东方会给教师拍视频。在上海交大有一个非常好的研究，跟上海另一家公司合作，有100个教室，有摄像头，会对学生的表现进行网络分析。比如说学生是不是清醒的，是不是昏昏欲睡，是不是跟老师进行互动，对真实世界的分析和评估，把数据整合到体系当中。因为大多数的学习并不是在学习管理系统当中发生的，而是在真实世界中发生的，我们也做了一些研究。
比如说用物联网，用各种各样的传感器来做一些数学的计算，在空客公司我们做了一个工作空间的数据化，这样系统就能知道员工在做什么，是不是以正确的方式进行销售。所以我们会用互联网空间的数字化方式来衡量真实世界中的行为，这样可以更好的了解真实世界中的情况，把他们的进展整合到数据系统当中。
我想再增加一点，因为我个人觉得今天有很多方法很有趣，但是也是有限的，就是跟真实的老师相比的话还是有很多限制的，所以如何建模解决这个问题，我们如何给真实世界的老师建模。我们已经看到了这样具有革新性的技术，人工智能仍然关注的是传统的知识以及传统的学习，我不禁思考怎么样能将学习也进行一些变革，这是我们真正需要思考的一个方面。
当然我们不是说要颠覆教育，只是像刚才所说的，怎么样能把这些人类教师的专业才能进行建模，我认为现在需要的是一种混合的方法，可以将人工智能、机器学习和一些更加传统的方式进行结合。我们可以在机器学习非常成熟之后加一些规则，比如说在图书馆待时间太长的话，让他活动一下，加一些更加人性化的东西，加一些人类教师会告诉他的一些内容。
Dan Bindman：这可能也是回到了刚才所说的政策方面，首先我特别热爱数学，我也特别热爱教数学，我也特别愿意学数学课程，我一点也没有觉得是被迫学的。有时候你觉得数学题目是没有什么意义的，但是事实上还是要进行相应的研究，这些内容是特别重要的，政策是否影响到整个教育行业，如何影响到我们对于内容的选择。
王京涛：我想强调学习代表着什么，它实际上是一个知识的传递，并不是关于要理解学习者或者指导学习者，而是知识的传递，并且在这个过程中要使用适应性的方法。比如说我问我的女儿晚上吃什么，是吃沙拉还是薯条，还是什么都不吃，她会说都不吃，但是现在的智适应教育系统没有第三个选项，只是要给予学生一些内容，来评估结果，没有真正对于中间传导过程的研究，这也是我们需要注意的。因为在这方面技术可以发挥更大的作用，我们也可以真正来看一下技术的变革。
KP Thai：大家可不可以再跟我们简单说一两句，您对于未来人工智能+教育的发展方向，或者您希望一年以后、五年以后，我们在这样的峰会中可以讨论什么样的内容。
王京涛：我认为AI+教育应该是三个方面的结合：技术、内容和政策。三方面都考虑才可以，我们也必须考虑到学习者的多样化和多样性，同时我认为还有非常重要的一点，如果想要让教育科技真正的发挥作用，就要知道怎么样来不断的促进学生持续的动力。
Dan Bindman：我也要说动力是非常重要的，可以让我们创造更好的内容，而且5—10年之后我希望我们能够有这种深度的内容，同时受到政策的支持。
Carsten Ullrich：我们需要应用AI，使不同的人有更多的权利，给他们带来更多的可能性，不是限制他们的发展，而是更好的促进他们潜能的开发。
KP Thai：非常感谢您刚才说的这个赋权的概念，我非常喜欢。非常感谢各位，也期望以后能跟大家有持续的交流，谢谢。
雷锋网2018年度AI最佳掘金案例评选
人工智能风雨60年，与其说技术升级促成了今天的浪潮，不如说当前的人工智能，终于站在离商业最近的位置。
去年，首届「AI 最佳掘金案例年度评选」活动一经推出，便受到了AI方案输出方和AI技术需求方的极大关注。评选从商业维度出发，寻找用户/客户问题解决能力强的产品和解决方案。
现在，我们再次站在AI浪潮之巅，正式启动第二届「AI最佳掘金案例评选」。
在AI+教育领域我们一共设置了6个奖项，欢迎踊跃报名，报名地址：https://www.leiphone.com/special/custom/AITopTen2018.html
相关文章：
机器学习教父 Tom Mitchell ：人工智能将成为自适应学习的驱动式技术 | 全球AI+智适应教育峰会
掌门1对1张翼：AI对教育最大的赋能是让学生获取打开知识宝库的“钥匙” | 全球AI+智适应教育峰会
正在生成分享图...
李诗