國外專家談“AI+教育”如何更好地應(yīng)用？

編者按：

近兩年，人們對人工智能、機(jī)器學(xué)習(xí)的關(guān)注度提高。其實(shí)人工智能已經(jīng)誕生數(shù)十年了。為了探索機(jī)器學(xué)習(xí)在教育領(lǐng)域的潛力，《EdSurge》近期在舊金山與OpenEd（一家提供 K12 教育資源搜索服務(wù)的公司，2016年被美國考試服務(wù)商 ACT 收購）的 CEO Adam Blum、IBM Watson的學(xué)術(shù)研究員 Armen Pischdotchian，以及EruditeAI（一家面向K12領(lǐng)域的在線教育公司）的 CEO Kathy Benemann 和 instaGrok 的創(chuàng)始人Kirill Kireyev舉行一次會(huì)面。《Edsurge》的記者 Tony Wan 圍繞這一主題和四位進(jìn)行了交談。下文是此次談話的部分摘錄。

“AI+教育”內(nèi)容正呈爆炸式增長

《EdSurge》：AI有望改變幾代人的教育。目前離這一目標(biāo)的實(shí)現(xiàn)還有多遠(yuǎn)？

Benemann：眾所周知，現(xiàn)在產(chǎn)生的數(shù)據(jù)比以往任何時(shí)候都要多得多。對我們 EruditeAI 而言，數(shù)據(jù)比公司營收還要重要。有了更好的數(shù)據(jù)，我們才能更好地訓(xùn)練算法。不管AI如何發(fā)展，我們都要記住，人類才是AI的最終制造者。

Pischdotchian：回想早些年的教育模式，我們將其稱為“工廠模式”。即老師們總是向?qū)W生們教授相同的科目。雖然這也是教學(xué)的初衷，但并不適用于“雖然年齡一致，但認(rèn)知、智力等水平參差不齊”的學(xué)生，特別是在AI+產(chǎn)業(yè)鏈結(jié)合應(yīng)用的大環(huán)境下。一些組織，如 Chan Zuckerberg領(lǐng)導(dǎo)的團(tuán)體正試圖對這一模式進(jìn)行改革。目前來看，由于“工廠模式”的不可持續(xù)發(fā)展性，其已十分不適用于教育。對于現(xiàn)在的學(xué)生而言，認(rèn)清未來工作的需求更為重要。

Kireyev：如 Benemann 所說，AI+教育的內(nèi)容正呈爆炸式增長，無論是關(guān)于學(xué)生的還是從學(xué)生得到的。通過這些數(shù)據(jù)，我們可以知道學(xué)生們都在做些什么，而這一了解的速度要比過去快得多。比如，當(dāng)孩子們用 Scratch（麻省理工媒體實(shí)驗(yàn)室開發(fā)的一套電腦編程平臺(tái)）工作時(shí)，由于其工作是基于網(wǎng)絡(luò)，我們可以得到關(guān)于孩子們行為的各種信息，如他們什么時(shí)候開始觀看視頻、什么時(shí)候停下來等。清晰明了的數(shù)據(jù)是非常有價(jià)值的，而且在其基礎(chǔ)上的技術(shù)可用性也會(huì)更大。所以這也是越來越多的人開始使用AI和機(jī)器學(xué)習(xí)來做事情的一大原因。

兩大趨勢正在探索中開展

《EdSurge》：剛才大家說了“數(shù)據(jù)的爆炸”，也說了改變“工廠教學(xué)模式”的必要性。除此之外，還有其他趨勢嗎？

Blum：將有兩個(gè)大的趨勢，恰好我們正處于初始階段。我們OpenEd 目前在和 IMS Global 合作，第一，技術(shù)標(biāo)準(zhǔn)方面，如 Caliper、xAPI（或 Experience API）也是剛剛實(shí)施。第二，教育領(lǐng)域沒有長期性的數(shù)據(jù)，特別是對自適應(yīng)學(xué)習(xí)系統(tǒng)來說，更應(yīng)該強(qiáng)調(diào)實(shí)時(shí)性。所以，如果你想為學(xué)生挑選下一個(gè)最好的方法時(shí)，你必須使用另一種途徑，它被稱為“強(qiáng)化學(xué)習(xí)”。

《EdSurge》：目前有哪些AI+教育的應(yīng)用已經(jīng)被實(shí)際應(yīng)用？

Pischdotchian：這是關(guān)于如何在學(xué)習(xí)經(jīng)驗(yàn)中發(fā)現(xiàn)痛點(diǎn)、總結(jié)模式的問題。我們注意到，如果一個(gè)人的數(shù)學(xué)成績很好，那么，系統(tǒng)該如何識(shí)別這一要點(diǎn)，并將其反饋給老師，以便老師為學(xué)生提供更好的指導(dǎo)？為此，IBM 正在和芝麻街（一檔兒童教育電視節(jié)目）合作，將大學(xué)作為機(jī)器學(xué)習(xí)發(fā)展的試驗(yàn)平臺(tái)。同時(shí)，這對老師們也有益：我們在 MIT（麻省理工學(xué)院）進(jìn)行了一次測試，在學(xué)生知情的情況下為每間教室配備了攝像頭。教授在講課時(shí)，無需再抬頭數(shù)教室里有多少學(xué)生在睡覺，而是通過系統(tǒng)的面部識(shí)別技術(shù)來捕捉情緒（例如無聊的情緒），教授通過系統(tǒng)的信息提示，即可知曉。

Benemann：看看我們的周圍，人們都在問教育什么方面可以被人工智能所改變。很多人都在問著差不多的問題：未來的教室會(huì)是什么樣？它能讓學(xué)生的一天都自由嗎？ AI 會(huì)完全取代老師嗎？AI 能幫助老師騰出時(shí)間，從而為學(xué)生提供更具意義的指導(dǎo)嗎？自適應(yīng)學(xué)習(xí)平臺(tái)（如Aleks、Knewton）能幫助學(xué)生學(xué)到知識(shí)嗎？

《EdSurge》：這是否意味著，如果沒有AI，市場上的“自適應(yīng)技術(shù)”并不是真正的“自適應(yīng)”？

Benemann：這里涉及到“范圍”的概念。有些只是因?yàn)樗霉ぞ呱婕暗健白赃m應(yīng)”，具備適應(yīng)能力的就自稱已經(jīng)是AI公司，不過我們自有判別的方法。

Kireyev：我可以說說我公司的例子。 Instagrok 是一個(gè)視覺搜索引擎。我們主要使用機(jī)器學(xué)習(xí)來識(shí)別重要的事實(shí)和概念，并確保學(xué)生可以以正確的方向?qū)W習(xí)，學(xué)生可以按照自己的節(jié)奏來安排學(xué)習(xí)。TextGeonome 是另外一個(gè)項(xiàng)目。我們正在建立基礎(chǔ)設(shè)施，以便基于 AI 實(shí)現(xiàn)深入的詞匯開發(fā)工作開發(fā)，即進(jìn)一步開發(fā)以人工智能為基礎(chǔ)的詞匯。我們考慮的問題是，學(xué)生的年級水平以及其在下一階段需要掌握的詞匯量。

Blum：以 ACT 為例，我們主要關(guān)注這些問題：如果系統(tǒng)確定了學(xué)生在哪些知識(shí)點(diǎn)處于空白地帶，什么是幫助學(xué)生學(xué)習(xí)的最佳教輔資料？我們想提供給你的不僅僅是 ACT 材料。據(jù)此，我們想為學(xué)生提供能找到的最好的教學(xué)資源。而這個(gè)過程都需要機(jī)器學(xué)習(xí)來實(shí)行精準(zhǔn)定位。

在教育的某些領(lǐng)域，如果不使用機(jī)器學(xué)習(xí)的相關(guān)預(yù)測模型，學(xué)生很有可能就錯(cuò)失上大學(xué)的機(jī)會(huì)。

事實(shí)上，當(dāng)你從統(tǒng)計(jì)評估模型轉(zhuǎn)移到深度學(xué)習(xí)，包括神經(jīng)網(wǎng)絡(luò)，這個(gè)過程中不能保持步調(diào)的就是“可解釋性”。雖然用到了神經(jīng)網(wǎng)絡(luò)，但你不能很好地向外界解釋。所以，在此其中，一個(gè)重要的挑戰(zhàn)就在于，預(yù)測模型算法提升了，而“可解釋性”卻下降了。特別是在一些監(jiān)管嚴(yán)格的市場，如醫(yī)療和教育，就需要開發(fā)更多的解釋性工具。

以“大學(xué)使用統(tǒng)計(jì)模型來挑選入學(xué)課程”為例。假如有一個(gè)神經(jīng)網(wǎng)絡(luò)或一些機(jī)器學(xué)習(xí)程序，可以很好地預(yù)測學(xué)生的學(xué)習(xí)成績。事實(shí)上，目前也有一些大學(xué)已經(jīng)在用這些應(yīng)用。我們能確定的是他們確實(shí)使用了機(jī)器學(xué)習(xí)來挑選入學(xué)課程，但是我們還需要一些總結(jié)性工具來解釋這些選擇。即使深度學(xué)習(xí)很復(fù)雜，但為了讓這些預(yù)測的結(jié)論被談?wù)撘约氨唤邮埽覀儽仨毥忉尯眠@一問題，即“他們?nèi)绾巫龅健薄?/p>

人工智能以后，藝術(shù)、心理學(xué)、歷史、辯論課、戲劇等涉及情感和創(chuàng)造力要素的工作變得更加重要，而這些都不是AI擅長的地方。

實(shí)踐中，老師學(xué)生都關(guān)注的問題

《EdSurge》：有人擔(dān)心，“AI”可能會(huì)成為一些公司用以謀利的噱頭。如果我是一名教師，一家教育科技公司跟我說，“我們的數(shù)學(xué)工具使用了AI技術(shù)”，我該問些什么？

Blum：這個(gè)問題與發(fā)現(xiàn)能力和解釋能力有關(guān)。如果一些公司打上“AI”標(biāo)簽，我們往往可以關(guān)于這個(gè)話題問得更多，讓他們談?wù)劚澈笫褂玫募夹g(shù)。如果對方只是單純強(qiáng)調(diào)“AI”概念，而沒有深入的解釋，其實(shí)也沒有多大的可信度。

Benemann：供應(yīng)商更應(yīng)該多談?wù)剬W(xué)生使用這些系統(tǒng)獲得的學(xué)習(xí)成果，或者老師實(shí)操的問題。而不要總是談?wù)?AI ，這畢竟只是讓學(xué)生學(xué)習(xí)和老師實(shí)踐的另一種方法。對于老師來說，其更關(guān)心的是，有了AI的輔助，課堂效率能提高多少，減少多少被浪費(fèi)的時(shí)間的問題。

《EdSurge》：在保護(hù)敏感學(xué)生的隱私和數(shù)據(jù)安全性的同時(shí)，如何平衡AI工具對數(shù)據(jù)的需求？

Blum：我們正處于沒有 PII( Personally identifiable information：個(gè)人識(shí)別信息）的階段。如果你擁有足量的數(shù)據(jù)和信息，就能精準(zhǔn)的刻畫用戶畫像。面對這一需求和用戶隱私可能被侵犯之間的矛盾，其實(shí)就非常需要行業(yè)標(biāo)準(zhǔn)的制定和完善。比如，行業(yè)標(biāo)準(zhǔn)規(guī)定企業(yè)可以利用哪些方面的數(shù)據(jù)，而哪些方面是不可以侵犯的。

Benemann：我們需要思考這樣一個(gè)問題，數(shù)據(jù)到底掌握在誰的手里？以醫(yī)療為例，在其細(xì)分領(lǐng)域越來越呈現(xiàn)這樣一個(gè)趨勢：患者掌握的自己的數(shù)據(jù)越來越多。同理，學(xué)生是其數(shù)據(jù)的擁有者，而我們需要弄清楚其掌握的數(shù)據(jù)的源頭，并將決定權(quán)交給他們，由其或其父母決定學(xué)?；驒C(jī)構(gòu)是否可以訪問數(shù)據(jù)。

《EdSurge》：AI取代人類職業(yè)，是很多人都在擔(dān)心的一個(gè)問題。你們認(rèn)為AI將對教師和其他職業(yè)帶來哪些影響？

Kireyev：這個(gè)問題其實(shí)已經(jīng)被談了很多。事實(shí)上，我認(rèn)為在AI 的助力下，教師這個(gè)角色將完成更好的轉(zhuǎn)移，他們正逐漸成為領(lǐng)導(dǎo)者和指導(dǎo)者。越來越多的老師可以更專注于更具創(chuàng)造性的工作，更好地去把孩子們教好，而不僅僅是周而復(fù)始的解釋方程式的數(shù)學(xué)原理。

Blum：個(gè)人認(rèn)為，AI 在職業(yè)教育的應(yīng)用沒有被充分利用，對此我們需要多一些前瞻性的思考。如，10年內(nèi)成為卡車司機(jī)將意味著什么？AI 將如何影響跨行業(yè)的供應(yīng)鏈。我們應(yīng)該更加專注這些方面，并讓職業(yè)教育變得更好。

Pischdotchian：這就是為什么我們強(qiáng)調(diào) STEAM （科學(xué)、技術(shù)、工程、藝術(shù)和數(shù)學(xué)），而不僅僅是 STEM 的重要性。人工智能以后，藝術(shù)、心理學(xué)、歷史、辯論課、戲劇等涉及情感和創(chuàng)造力要素的工作變得更加重要，而這些都不是AI擅長的地方。至少在我們的一生中，歷史、辯論課、戲劇等都是很重要的。

（來源：《EdSurge》 作者：Tony Wan）