原標題：AI教育論壇：AI+教育內容爲先 需要新數據集衡量學習效率 | 全球AI+智適應教育峯會

雷鋒網按：11月15日-16日，“全球AI+智適應教育峯會”在北京嘉裏中心大酒店盛大開幕，峯會由雷鋒網聯合乂學教育松鼠AI，以及IEEE（美國電氣電子工程師學會）教育工程和自適應教育標準工作組共同舉辦，匯聚國內外頂尖陣容。

AI智適應學習是目前產學研三界關注度最高的話題之一。此次峯會，我們邀請美國三院院士、機器學習泰斗Michael Jordan，全球公認機器學習之父Tom Mitchell，斯坦福國際研究院（SRI）副總裁Robert Pearlstein、美國大學入學考試機構ACT學習方案組高級研究科學家Michael Yudelson等頂尖學者；新東方、掌門1對1、作業盒子、一起作業、ALEKS等國內外最具影響力的AI智適應教育公司共聚北京，共同探討AI智適應熱點話題。

16日上午的AI教育學術論壇由乂學教育松鼠AI高級數據和認知科學家 KP Thai 主持，參與討論的嘉賓分別是德國人工智能研究中主任Carsten Ullrich博士、乂學教育松鼠AI數據科學家Dan Bindman教授以及谷歌中國資深研究科學家王京濤博士。

以下爲圓桌討論實錄，雷鋒網做了不改變原意的整理與編輯：

KP Thai：大家早上好，我的名字叫KP Thai，非常高興能來到這裏跟非常出色的專家進行討論，大家也有不同的背景，在人工智能領域有非常多的專業經驗和才能，我想和大家來談一下AI+教育，我們過去的一天半也一直在談這樣的話題，現在我們想更好的探討一下當下的情況，並且展望一下未來。

我想從各位嘉賓這裏獲得不同的觀點，大家可不可以說一下，你認爲自己在人工智能+教育方面扮演着什麼角色呢？

Carsten Ullrich：感謝KP，我來自德國人工職能研究中心，研究如何應用人工智能促進學校的學習，以及促進職業教育。當然人工智能爲我們打開了很多不同的可能性的大門，在正確的時間、正確的地點給你正確的內容。

今天我們談到了很多大學教育以及中小學教育，同時職業教育也是需要關注的。在德國有非常大的教育行業，現在德國工業4.0在進展當中，應用了新的技術、新的設備，需要保證的是給工人最好的培訓，讓他們能適應這個時代的需要。

Dan Bindman：在這個過程中，我們國家也有很多不同的項目和相應的支持研究項目，2002—2014年代我在ALEKS工作，在智適應方面也有很多經驗。在所有數學方面的產品我都有涉及，2015年我設計了一個新的模型，我認爲它也是非常有前景的。後來我加入了松鼠AI，是今年加入的。

王京濤：我叫王京濤，在中國工作，之前我在匹茲堡大學工作。同時我也是在移動接口和移動互聯網方面有一些工作，之前我也在AI方面有很多年的經驗，主要是看一下如何應用人工智能促進教育。首先我相信技術能發揮更好的作用，更好的促進教育，主要是在三個方面：

    1.我們考慮如何應用技術來促進教育。

    2.如何應用技術來更好的促進募課，就是大型網絡公開課的發展。

    3.看一下如何應用人工智能來更好的促進整個教育發展。

KP Thai：臺上都是非常資深的專家，剛纔談到了人工智能和教育，以及人工智能的引擎也就是機器學習，這樣的一些算法。人工智能引擎以及機器學習算法我們談了很多，內容重要嗎？高質量的內容是什麼樣的呢？

Dan Bindman：感謝，我認爲高質量內容是非常困難的，造價非常昂貴。如果要選引擎重要還是內容重要的話，我認爲內容在很多情況下更重要，甚至是重要得很多。很多開發公司或者是企業，他們並沒有非常重視內容，我認爲對於高質量的內容來講會有幾個非常重要的特徵：

1.必須是非常具體細節的，你需要在不同的問題，不同的主題中有很多不同的細節區分，這樣的話才能不斷的往前推進。如果我們兩個主題之間沒有任何的連接，而且他們的差距非常大的話，我們的學生就沒有辦法真正跨越這樣的距離。

2.對於高質量的內容來講，要有完整性，必須包含我們需要的所有內容和話題，如果缺失了一些內容肯定會出現問題。

3.第三點可能是最難的一點，就是希望能有一個深度。剛纔我也聽到了大家談到了深度知識、深度學習，我也是非常同意，就像藝術一樣，我們想要使用一些內容來促進AI的發展，但是卻不知道真正的高質量內容是什麼樣的，這是非常難來界定的。對於學生來講，不管他們學什麼，他們其實學的就是內容，學的就是系統提供的內容，這就是他們的知識。他們的知識就是對這些內容的主觀反映，所以如果我們的內容質量不高的話，學生就沒有辦法真正從內容中獲益，學到相應的知識。

還有一點非常重要，通過我這麼多年的經驗，有些公司沒有重視內容，有些人甚至認爲做內容的人並不那麼重要。但是我認爲做內容的工作特別的重要，而且他們的成功與否對於整個系統的成功與否也會發揮非常大的決定性的作用。

另外一點剛纔我也談到了內容對AI的重要性，同時我們也需要讓人工智能和內容有一個互相的互動，並且有一個反饋的過程。也就是說，怎麼樣能更好的促進內容。

王京濤：我認爲內容確實非常重要，至少它和算法和其他技術是一樣重要的，這是我想跟大家分享的一點。教育科技不光是科技，是三合一的東西，我們需要有技術、內容，還有另外的第三個元素，就是政策。我不是一個政策的制定者，但是我意識到政策是非常重要的，我們如果有正確的政策就可以真正的讓教育起飛，所以它並不僅僅是技術的問題，我們也需要有相應的利益相關方的支持。

Carsten Ullrich：這是一個非常好的觀點，對於技術、內容和算法，以及剛纔您提到的政策的內容，我們怎麼樣通過這樣的內容促進技術的實施和進展。在德國還有一點，對於算法以及機器學習和相應的內容，從我的角度來講，我是更加傳統的人，我想要更好的對傳統教學知識來進行應用、建模。有的時候AI可以做得很好，但有的時候人類教師做得更好，教學方法和知識怎麼樣把它真正的跟AI融合起來，這是非常需要考慮的一個方面。

KP Thai：智適應實際上是不斷適應的過程，而且會花費很長的時間，它的起源可能是40年以前，如果我們再往前看的話，可能100多年前就有這樣的一個苗頭了。我想問一下，人工智能是真正的顛覆性的技術嗎？或者我們需要怎麼樣重新思考這樣的智適應教學呢？

王京濤：我覺得現在創新無處不在，包括基本研究、深度學習的算法等等，還有數據包、數據的內容、數據集等等，能夠讓AI和深度學習有飛速發展。所以我想說一點，我覺得心態和思維模式也非常重要，思維模式指的是我們能夠做某件事情或者不能做某件事情的共識，我們想要做一些事情的話需要一些共識，比如說短期內3年、5年內能解決什麼問題。

谷歌告訴我們可以用深度學習來完成圍棋的博弈，我覺得這也是一樣的道理。在這之前很多人會覺得至少10年之內才能實現用電腦下圍棋這個事情，但是最近不管是在教育還是在其他的領域，我們都要改變我們的心態和思維模式。思維模式改變了之後我們就可以探索更多機遇，尤其是教育行業的機遇，這個看起來比較小，但是確實是實在發生的。

Dan Bindman：剛剛提到了政策制定者的思維模式，我覺得在深度內容方面所遇到的一個阻礙，就是政策制定者管理考試的時候一般會用簡單易行的考試，因爲打分非常簡單，所以深度內容需要進入到政策制定者的視野中，我們要改變政策制定者的心態和思維模式。

Carsten Ullrich：最近我也讀到了一篇文章，是麻省的，提到了當前的架構，很多不同領域的架構會有一個用戶模型，以及學習者的模型，以及內容的模式。所以會有一個教育學的模式，比如說這樣一個內容是怎麼樣教的，不同的教學內容會用不同的教學模式，所以我覺得基本的概念也是非常清楚的，我不知道這是好事還是壞事，但是我覺得這是基本的架構能幫助我們解決當前的問題。在這樣的架構之上，我們能取得更多的進步。

KP Thai：除了深度學習的進步之外，剛纔也提到了計算機架構，有沒有其他領域方面的突破能夠有更多的進步？

王京濤：我覺得有很多，要讓教育技術真正切實可行，不僅僅是借用其他領域的突破，在教育行業本身也要有一些技術的突破。我覺得可以說的有很多，但是最重要的一點就是數據集，就是數據科學。要讓數據在深度學習中發揮更大的作用，比如說很多數據是由大學教授收集的，所以在深度學習中扮演了非常重要的作用。還有將數據進行分類，對於醫學的影像處理和其他影像處理來說，數據集沒有特別的關係，我們要先訓練一個影像處理的網絡，利用一個特定的數據集才能獲得最優的表現。我們要用這種數據集開拓很多的創新，這在教育行業中尤其重要，當下可能沒有這樣的數據集和數據科學，要從頭開始收集數據，把它們放到應用當中，這是教育科技要做的一件事情。

Dan Bindman：我非常同意，在AI方面我們花了很多時間，有很多輸入，比如說臉部識別、大腦掃描等等，但是更重要的是要讓人們有更多的激勵。如果有更多的數據集能衡量學生學習的進步集，讓就能系統變得更加的強大。

KP Thai：所以我們需要有新的數據集進行衡量，有沒有其他的一些手段來衡量智適應的學習效率呢？

王京濤：這個問題最近出現很多次，尤其是最近的學界中，但是大家會忽略這個問題。在社會中大家會搞壞科學的結論，一個宣傳上會有一些混淆，對於科學結論來說人們不知道這個結論的預設是什麼。比如說這個技術對於學習話題來說是否有用，需要用什麼樣的控制環境，以及是否能擴大化、規模化，如何跟技術相結合等等，我覺得這些都是開放的問題，但是這些問題被報道一些突破的時候沒有得到關注，所以我們應該更好的關注這些技術的創新和技術的突破，尤其是教育技術方面的創新和突破，應該得到更多的報道。

所以我個人的建議是，在科研界應該有共識，就是如何去評估和衡量一個好的教育技術和教育體系，當前的教育體系肯定是不完美的，我們做總比不做要好，而且總比光是宣傳要好，我的建議就是對於每個觀衆來說，如果有一些突破性的技術進行報道的話，一定要去問會在哪裏發佈結果，以及評估過程是什麼，你的論證、驗證是什麼。

Dan Bindman：我覺得非常重要的一點就是有很多人都會有他們的想法，但是一個好的教育體系，其實很多時候很難定義。但是有很多優勢是很容易找到的，我們要有一個共同的共識，共同的標準來衡量好的教育系統，也可以在產品之間進行比較，跟同類產品之間進行比較，要有一個共同的數據集，共同的標準，否則的話大家拿蘋果跟橘子進行比較，這個衡量標準就不一樣了。

Carsten Ullrich：當前我們有一些方法，這些方法並不是非常完美，但是我覺得總比沒有方法要好，比沒有衡量標準要好。我們看到職業教育、成人教育更加複雜，衡量更難，比如沒有考試或者分數對進行衡量，以及對於工作場合的學習就沒有很多的考試，這時候很多公司就更多的關注利潤。因爲對於一個人學習成效很難去衡量，比如是不是發明了一個科技，還是發佈了一個博客，這也是非常開放的一個話題。

KP Thai：下一步我們要做什麼呢？對於智適應學習，我想讓Carsten教授回答一下這個問題。剛纔也談到了我們有很多進步，尤其是深度學習、機器學習、計算方面的進步，我們剛纔舉了很多例子，比如說AI以及AI打分器，你們覺得我們展望未來下一步應該是什麼樣的？

Carsten Ullrich：我覺得這個問題非常好，剛纔提到了有很多AI方面的進步，有很多機器學習的方法，有幾百萬、幾千萬的數據，比如說AlphaGo是我們常常提到的例子，它達到人類大師級別之前下了4.9億盤圍棋，這是非常大的數據積累，所以它的數據能力也非常強，谷歌跟非常強的計算能力結合，計算能力的基礎就是數據。

教育行業每個學習者都是單獨的個體，單獨的宇宙，相當於每個人的目標是一樣的，在玩遊戲的時候我們目標一樣，就是要通關，但是學生的過程中是非常個性化的，所以要收集他們的數據。我們會關注每一個學校，比如說學校的學生數量還有學生的年齡，他們的目標是要通過哪些考試，以及考試的狀況，我覺得是一方面。

另一方面要看到成人學習、成人教育我們還沒有太多數據進行衡量，在這方面沒有用太多的機器學習的方式。當然肯定會有越來越多的數據，因爲會有新的數據流，現在有面部識別還有其他的措施來收集更多的數據。

Dan Bindman：我想說的是，我們剛剛提到了很多演講者，尤其是今天我們有很多不同的視角，剛剛提到我們並不只需要一個系統，如果是單一系統的話就不是特別高效，所以我們有更多的數據產生。數據的產生量也非常重要，所以當前的一個事情，我們要關注的是處理數據和麪對算法的時候，我們會運用到AI，區分哪些事情是普適的，哪些不是普適的，

Carsten Ullrich：我們經常說要開放數據來源，比如說新東方會給教師拍視頻。在上海交大有一個非常好的研究，跟上海另一家公司合作，有100個教室，有攝像頭，會對學生的表現進行網絡分析。比如說學生是不是清醒的，是不是昏昏欲睡，是不是跟老師進行互動，對真實世界的分析和評估，把數據整合到體系當中。因爲大多數的學習並不是在學習管理系統當中發生的，而是在真實世界中發生的，我們也做了一些研究。

比如說用物聯網，用各種各樣的傳感器來做一些數學的計算，在空客公司我們做了一個工作空間的數據化，這樣系統就能知道員工在做什麼，是不是以正確的方式進行銷售。所以我們會用互聯網空間的數字化方式來衡量真實世界中的行爲，這樣可以更好的瞭解真實世界中的情況，把他們的進展整合到數據系統當中。

我想再增加一點，因爲我個人覺得今天有很多方法很有趣，但是也是有限的，就是跟真實的老師相比的話還是有很多限制的，所以如何建模解決這個問題，我們如何給真實世界的老師建模。我們已經看到了這樣具有革新性的技術，人工智能仍然關注的是傳統的知識以及傳統的學習，我不禁思考怎麼樣能將學習也進行一些變革，這是我們真正需要思考的一個方面。

當然我們不是說要顛覆教育，只是像剛纔所說的，怎麼樣能把這些人類教師的專業才能進行建模，我認爲現在需要的是一種混合的方法，可以將人工智能、機器學習和一些更加傳統的方式進行結合。我們可以在機器學習非常成熟之後加一些規則，比如說在圖書館待時間太長的話，讓他活動一下，加一些更加人性化的東西，加一些人類教師會告訴他的一些內容。

Dan Bindman：這可能也是回到了剛纔所說的政策方面，首先我特別熱愛數學，我也特別熱愛教數學，我也特別願意學數學課程，我一點也沒有覺得是被迫學的。有時候你覺得數學題目是沒有什麼意義的，但是事實上還是要進行相應的研究，這些內容是特別重要的，政策是否影響到整個教育行業，如何影響到我們對於內容的選擇。

王京濤：我想強調學習代表着什麼，它實際上是一個知識的傳遞，並不是關於要理解學習者或者指導學習者，而是知識的傳遞，並且在這個過程中要使用適應性的方法。比如說我問我的女兒晚上喫什麼，是喫沙拉還是薯條，還是什麼都不喫，她會說都不喫，但是現在的智適應教育系統沒有第三個選項，只是要給予學生一些內容，來評估結果，沒有真正對於中間傳導過程的研究，這也是我們需要注意的。因爲在這方面技術可以發揮更大的作用，我們也可以真正來看一下技術的變革。

KP Thai：大家可不可以再跟我們簡單說一兩句，您對於未來人工智能+教育的發展方向，或者您希望一年以後、五年以後，我們在這樣的峯會中可以討論什麼樣的內容。

王京濤：我認爲AI+教育應該是三個方面的結合：技術、內容和政策。三方面都考慮纔可以，我們也必須考慮到學習者的多樣化和多樣性，同時我認爲還有非常重要的一點，如果想要讓教育科技真正的發揮作用，就要知道怎麼樣來不斷的促進學生持續的動力。

Dan Bindman：我也要說動力是非常重要的，可以讓我們創造更好的內容，而且5—10年之後我希望我們能夠有這種深度的內容，同時受到政策的支持。

Carsten Ullrich：我們需要應用AI，使不同的人有更多的權利，給他們帶來更多的可能性，不是限制他們的發展，而是更好的促進他們潛能的開發。

KP Thai：非常感謝您剛纔說的這個賦權的概念，我非常喜歡。非常感謝各位，也期望以後能跟大家有持續的交流，謝謝。

雷鋒網2018年度AI最佳掘金案例評選

人工智能風雨60年，與其說技術升級促成了今天的浪潮，不如說當前的人工智能，終於站在離商業最近的位置。

去年，首屆「AI 最佳掘金案例年度評選」活動一經推出，便受到了AI方案輸出方和AI技術需求方的極大關注。評選從商業維度出發，尋找用戶/客戶問題解決能力強的產品和解決方案。

現在，我們再次站在AI浪潮之巔，正式啓動第二屆「AI最佳掘金案例評選」。

在AI+教育領域我們一共設置了6個獎項，歡迎踊躍報名，報名地址：https://www.leiphone.com/special/custom/AITopTen2018.html