-->
 
 
 学校主页  中心首页  部门概况  规章制度  网络基础建设  信息化建设  网络安全  党建园地 
 
站内检索:
 
 
信息化建设行业动态  
当前位置: 中心首页>>信息化建设>>信息化建设行业动态>>正文
 
 
 
国外专家谈“AI+教育”如何更好地应用?
2017-09-04     (浏览次数:)

编者按:

近两年,人们对人工智能、机器学习的关注度提高。其实人工智能已经诞生数十年了。为了探索机器学习在教育领域的潜力,《EdSurge》近期在旧金山与OpenEd(一家提供K12教育资源搜索服务的公司,2016年被美国考试服务商ACT收购)的CEO Adam Blum、IBM Watson的学术研究员Armen Pischdotchian,以及Erudite AI(一家面向K12领域的在线教育公司)的CEO Kathy Benemann和insta Grok的创始人Kirill Kireyev举行一次会面。《Edsurge》的记者Tony Wan围绕这一主题和四位进行了交谈。下文是此次谈话的部分摘录。

国外专家谈“AI+教育”如何更好地应用?

“AI+教育”内容正呈爆炸式增长

《EdSurge》:AI有望改变几代人的教育。目前离这一目标的实现还有多远?

Benemann:众所周知,现在产生的数据比以往任何时候都要多得多。对我们Erudite AI而言,数据比公司营收还要重要。有了更好的数据,我们才能更好地训练算法。不管AI如何发展,我们都要记住,人类才是AI的最终制造者。

Pischdotchian:回想早些年的教育模式,我们将其称为“工厂模式”。即老师们总是向学生们教授相同的科目。虽然这也是教学的初衷,但并不适用于“虽然年龄一致,但认知、智力等水平参差不齐”的学生,特别是在AI+产业链结合应用的大环境下。一些组织,如Chan Zuckerberg领导的团体正试图对这一模式进行改革。目前来看,由于“工厂模式”的不可持续发展性,其已十分不适用于教育。对于现在的学生而言,认清未来工作的需求更为重要。

Kireyev:如Benemann所说,AI+教育的内容正呈爆炸式增长,无论是关于学生的还是从学生得到的。通过这些数据,我们可以知道学生们都在做些什么,而这一了解的速度要比过去快得多。比如,当孩子们用Scratch(麻省理工媒体实验室开发的一套电脑编程平台)工作时,由于其工作是基于网络,我们可以得到关于孩子们行为的各种信息,如他们什么时候开始观看视频、什么时候停下来等。清晰明了的数据是非常有价值的,而且在其基础上的技术可用性也会更大。所以这也是越来越多的人开始使用AI和机器学习来做事情的一大原因。

两大趋势正在探索中开展

《EdSurge》:刚才大家说了“数据的爆炸”,也说了改变“工厂教学模式”的必要性。除此之外,还有其他趋势吗?

Blum:将有两个大的趋势,恰好我们正处于初始阶段。我们OpenEd目前在和IMS Global合作,第一,技术标准方面,如Caliper、xAPI(或Experience API)也是刚刚实施。第二,教育领域没有长期性的数据,特别是对自适应学习系统来说,更应该强调实时性。所以,如果你想为学生挑选下一个最好的方法时,你必须使用另一种途径,它被称为“强化学习”。

《EdSurge》:目前有哪些AI+教育的应用已经被实际应用?

Pischdotchian:这是关于如何在学习经验中发现痛点、总结模式的问题。我们注意到,如果一个人的数学成绩很好,那么,系统该如何识别这一要点,并将其反馈给老师,以便老师为学生提供更好的指导?为此,IBM正在和芝麻街(一档儿童教育电视节目)合作,将大学作为机器学习发展的试验平台。同时,这对老师们也有益:我们在MIT(麻省理工学院)进行了一次测试,在学生知情的情况下为每间教室配备了摄像头。教授在讲课时,无需再抬头数教室里有多少学生在睡觉,而是通过系统的面部识别技术来捕捉情绪(例如无聊的情绪),教授通过系统的信息提示,即可知晓。

Benemann:看看我们的周围,人们都在问教育什么方面可以被人工智能所改变。很多人都在问着差不多的问题:未来的教室会是什么样?它能让学生的一天都自由吗?AI会完全取代老师吗?AI能帮助老师腾出时间,从而为学生提供更具意义的指导吗?自适应学习平台(如Aleks、Knewton)能帮助学生学到知识吗?

《EdSurge》:这是否意味着,如果没有AI,市场上的“自适应技术”并不是真正的“自适应”?

Benemann:这里涉及到“范围”的概念。有些只是因为所用工具涉及到“自适应”,具备适应能力的就自称已经是AI公司,不过我们自有判别的方法。

Kireyev:我可以说说我公司的例子。Instagrok是一个视觉搜索引擎。我们主要使用机器学习来识别重要的事实和概念,并确保学生可以以正确的方向学习,学生可以按照自己的节奏来安排学习。TextGeonome是另外一个项目。我们正在建立基础设施,以便基于AI实现深入的词汇开发工作开发,即进一步开发以人工智能为基础的词汇。我们考虑的问题是,学生的年级水平以及其在下一阶段需要掌握的词汇量。

Blum:以ACT为例,我们主要关注这些问题:如果系统确定了学生在哪些知识点处于空白地带,什么是帮助学生学习的最佳教辅资料?我们想提供给你的不仅仅是ACT材料。据此,我们想为学生提供能找到的最好的教学资源。而这个过程都需要机器学习来实行精准定位。

在教育的某些领域,如果不使用机器学习的相关预测模型,学生很有可能就错失上大学的机会。

事实上,当你从统计评估模型转移到深度学习,包括神经网络,这个过程中不能保持步调的就是“可解释性”。虽然用到了神经网络,但你不能很好地向外界解释。所以,在此其中,一个重要的挑战就在于,预测模型算法提升了,而“可解释性”却下降了。特别是在一些监管严格的市场,如医疗和教育,就需要开发更多的解释性工具。

以“大学使用统计模型来挑选入学课程”为例。假如有一个神经网络或一些机器学习程序,可以很好地预测学生的学习成绩。事实上,目前也有一些大学已经在用这些应用。我们能确定的是他们确实使用了机器学习来挑选入学课程,但是我们还需要一些总结性工具来解释这些选择。

即使深度学习很复杂,但为了让这些预测的结论被谈论以及被接受,我们必须解释好这一问题,即“他们如何做到”。

实践中,老师学生都关注的问题

《EdSurge》:有人担心,“AI”可能会成为一些公司用以谋利的噱头。如果我是一名教师,一家教育科技公司跟我说,“我们的数学工具使用了AI技术”,我该问些什么?

Blum:这个问题与发现能力和解释能力有关。如果一些公司打上“AI”标签,我们往往可以关于这个话题问得更多,让他们谈谈背后使用的技术。如果对方只是单纯强调“AI”概念,而没有深入的解释,其实也没有多大的可信度。

Benemann:供应商更应该多谈谈学生使用这些系统获得的学习成果,或者老师实操的问题。而不要总是谈论AI,这毕竟只是让学生学习和老师实践的另一种方法。对于老师来说,其更关心的是,有了AI的辅助,课堂效率能提高多少,减少多少被浪费的时间的问题。

《EdSurge》:在保护敏感学生的隐私和数据安全性的同时,如何平衡AI工具对数据的需求?

Blum:我们正处于没有PII(Personally identifiable information:个人识别信息)的阶段。如果你拥有足量的数据和信息,就能精准的刻画用户画像。面对这一需求和用户隐私可能被侵犯之间的矛盾,其实就非常需要行业标准的制定和完善。比如,行业标准规定企业可以利用哪些方面的数据,而哪些方面是不可以侵犯的。

Benemann:我们需要思考这样一个问题,数据到底掌握在谁的手里?以医疗为例,在其细分领域越来越呈现这样一个趋势:患者掌握的自己的数据越来越多。同理,学生是其数据的拥有者,而我们需要弄清楚其掌握的数据的源头,并将决定权交给他们,由其或其父母决定学校或机构是否可以访问数据。

《EdSurge》:AI取代人类职业,是很多人都在担心的一个问题。你们认为AI将对教师和其他职业带来哪些影响?

Kireyev:这个问题其实已经被谈了很多。事实上,我认为在AI的助力下,教师这个角色将完成更好的转移,他们正逐渐成为领导者和指导者。越来越多的老师可以更专注于更具创造性的工作,更好地去把孩子们教好,而不仅仅是周而复始的解释方程式的数学原理。

Blum:个人认为,AI在职业教育的应用没有被充分利用,对此我们需要多一些前瞻性的思考。如,10年内成为卡车司机将意味着什么?AI将如何影响跨行业的供应链。我们应该更加专注这些方面,并让职业教育变得更好。

Pischdotchian:这就是为什么我们强调STEAM(科学、技术、工程、艺术和数学),而不仅仅是STEM的重要性。人工智能以后,艺术、心理学、历史、辩论课、戏剧等涉及情感和创造力要素的工作变得更加重要,而这些都不是AI擅长的地方。至少在我们的一生中,历史、辩论课、戏剧等都是很重要的。

(来源:《EdSurge》作者:Tony Wan)

上一条:数据安全:高校数据链条中最重的一环
下一条:李志民:“教育要超越知识”是忽悠
关闭窗口
 
 
中心办公室:0597-2793169   网络部:2793160    信息部:2793189
           地址:龙岩学院同心楼靠近大榕树三楼